CN103699654B - 一种跨比例尺矢量地图水网数据同名目标匹配方法 - Google Patents
一种跨比例尺矢量地图水网数据同名目标匹配方法 Download PDFInfo
- Publication number
- CN103699654B CN103699654B CN201310736712.5A CN201310736712A CN103699654B CN 103699654 B CN103699654 B CN 103699654B CN 201310736712 A CN201310736712 A CN 201310736712A CN 103699654 B CN103699654 B CN 103699654B
- Authority
- CN
- China
- Prior art keywords
- matching
- segmental arc
- network
- mtd
- rivers
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Processing Or Creating Images (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种跨比例尺矢量地图水网数据同名目标匹配方法:1,导入具有相同投影坐标系的两份同区域不同比例尺版本的待匹配水网数据,将小比例尺数据设置为匹配层,大比例尺数据设置为参考层;2,分别对匹配层和参考层水网数据进行几何维度一致化处理,使之统一表达为结点—弧段的线状水网结构;3,引入概率松弛模型依据距离关系指标进行结点匹配,4,基于结点匹配关系以及距离、长度指标进行弧段匹配;5,由线状水网结构间的弧段及结点匹配关系,导出原始匹配层水网数据与参考层水网数据间的同名目标匹配关系。本发明克服了不同比例尺版本水网数据目标表达存在维度差异的难点,能够准确高效地建立不同比例尺版本水网数据同名目标匹配关系。
Description
技术领域
本发明属于空间数据集成领域,特别是涉及一种新型的跨比例尺矢量地图水网数据间同名目标匹配方法。
背景技术
空间数据集成(spatial data integration)是指将不同来源的空间数据进行匹配、转化和一致性处理,消除其在空间特征、属性特征、尺度特征和时间特征上的差异性,满足从不同角度、不同视点、不同尺度对空间目标及地理现象的认知、分析需求,并获得不同层次不同分辨率下的信息内容,从而实现异源数据间的互操作性。近年来,随着计算资源及互联网技术的迅速发展,涌现出了大量的基础设施空间数据库及各种行业背景的专题数据库。如何通过集成融合技术实现异源数据间的集成分析、实时更新、共享与增值等,已经成为地理信息研究及生产相关领域的核心课题。
同名目标匹配是空间数据集成的关键技术之一。同一地理实体,出于不同的认知观点或表达形式,在不同的数据库世界可能描述表达为不同状态的要素目标(简称为“同名目标”)。因此,对相同区域不同来源的空间数据实施集成操作,首要步骤是建立不同数据库间同名目标的匹配关系。其中,不同版本矢量地图数据库间的同名目标匹配是该领域研究的重点方向,在GPS车辆定位导航、矢量地图数据实时更新、地图产品质量分析中具有重要意义。
目前,针对矢量地图数据同名目标匹配的研究主要围绕路网、居民地要素展开,基本思想是分析比较待匹配目标在位置、长度、方向、形状等几何特征及属性特征上的差异,通过相似度计算建立匹配关系。以路网同名目标匹配为例,已有方法可归纳为以下几种类型:(1)基于几何特征的匹配方法,即通过计算距离、长度、方向、形状等几何特征的相似度来进行同名目标的匹配。如比较待匹配道路弧段间的距离关系,认为距离越近,则匹配相似度越高。(2)基于拓扑特征的匹配方法,通过计算待匹配目标的拓扑关系度量作为匹配依据。如依据道路弧段拓扑关联其它弧段的数量作为匹配指标。(3)基于属性特征的匹配方法,即将道路等级、名称、车道数等属性特征作为同名弧段目标的匹配指标。(4)多指标集成的匹配方法,引入概率统计、信息理论等集成几何、拓扑、属性等多种指标,尝试获得局部甚至全局最优匹配结果。相关方法模型包括优势函数模型、概率统计模型、等级规则模型、迭代模型等。
上述方法相继提出,一定程度上提高了同名目标匹配的自动化水平及准确性,但在实际应用中具有一定的局限性。一方面,已有成果主要针对居民地、路网等人工地物目标,而对水网等自然地物目标,由于其几何形态及空间关系较为复杂,匹配效果并不尽人意。另一方面,上述方法中待匹配数据的比例尺通常相同或相近,对于跨比例尺地图数据间的同名目标匹配显得力不从心。相同比例尺下同名目标表达上的特征差异较小,匹配情形以1:1型为主;而不同比例尺数据由于地图综合等因素的影响,导致同名目标在几何维度、形态特征、语义分类上存在较大差异,同时出现大量1:N型等复杂匹配关系。水网要素作为基础地形框架性数据,是GIS空间分析及地图表达的重要对象。跨比例尺水网数据间的同名目标匹配在地形数据库更新、地形数据集成分析等应用中具有重要意义。结合上文对研究现状的分析,需要研究专门的跨比例尺水网数据同名目标匹配的方法。
发明内容
本发明主要是解决现有技术所存在的技术问题;提供一种新型的针对不同比例尺版本水网数据间同名目标匹配的方法,该方法有效克服不同比例尺版本水网数据间存在的目标几何维度表达不一致、空间关系复杂等难点,能够准确、高效地建立同名水网目标匹配关系。
本发明的上述技术问题主要是通过下述技术方案得以解决的:
一种跨比例尺矢量地图水网数据同名目标匹配方法,其特征在于,基于两个不同比例尺版本的数据集,所述两个不同比例尺版本的数据集是基于相同投影坐标系建立,包括以下步骤:
步骤1,导入同区域不同比例尺版本的两份具有相同投影坐标系的待匹配水网数据,将小比例尺版本数据设置为匹配层,将大比例尺版本数据设置为参考层;
步骤2,针对步骤1中的匹配层和参考层进行几何维度一致化处理步骤:分别对匹配层和参考层水网数据进行降维处理,使得不同比例尺版本的水网数据统一表达为结点—弧段的线状水网结构;
步骤3:针对步骤2中建立的线状水网结构进行匹配关系建立:对匹配层和参考层线状水网结构分别构建拓扑图结构,首先引入概率松弛模型依据距离关系指标进行结点匹配,然后基于结点匹配关系以及距离、长度指标进行弧段匹配;
步骤4:针对步骤3中建立的线状水网结构间的弧段及结点匹配关系进行同名目标匹配关系导出:由线状水网结构间的弧段及结点匹配关系,导出原始匹配层水网数据与参考层水网数据间的同名目标匹配关系。
在上述的一种跨比例尺矢量地图水网数据同名目标匹配方法,所述的步骤2基于Delaunay三角网模型,所述Delaunay三角网模型将三角形分为I、II、III类;Ⅰ类三角形连接惟一邻近边的中点与其相对的顶点,Ⅱ类三角形连接两条邻近边的中点,Ⅲ类三角形连接质心与三边的中点;
具体操作步骤如下:
步骤2.1,利用基于Delaunay三角网模型提取骨架中心线方法,将河流、沟渠等狭长型面状目标降维表达为线结构;
步骤2.2,利用基于Delaunay三角网模型提取中心点方法,将湖泊、水库、池塘面状目标降维表达为点结构;
步骤2.3,完成步骤2.1和步骤2.2后,对线状水网结构进行拓扑连通性维护。
在上述的一种跨比例尺矢量地图水网数据同名目标匹配方法,所述的步骤2.1包括如下步骤:
步骤2.11,对面状目标边界构建三角网结构,仅考虑内部三角形;
步骤2.12,区分三种类型三角形,Ⅰ类三角形只有一边存在邻近三角形,Ⅱ类三角形两边存在邻近三角形,Ⅲ类三角形三边均存在邻近三角形;
步骤2.13,骨架中心线结构可表达为由弧段组成的网络结构,由任一Ⅰ类或Ⅲ类三角形出发,按三角形间的邻近关系进行搜索并终止于Ⅰ类或Ⅲ类三角形,得到网络的一条边结构;按上述步骤反复执行直至所有Ⅰ类三角形作为出发或终止搜索过一遍,所有Ⅲ类三角形作为出发或终止搜索过三遍,最后组织遍历得到的边结构为中心线结构;
步骤2.14,根据长度指标剔除中心线结构中短小的分支毛刺。
在上述的一种跨比例尺矢量地图水网数据同名目标匹配方法,所述步骤2.2包括如下步骤:
步骤2.21,对多边形目标边界线构建三角网结构,仅考虑内部的三角形;
步骤2.22,提取所有的Ⅲ类三角形{t1,t2,…,tn},认为多边形的中心点是某个III类三角形的重心;
步骤2.23,针对任一Ⅲ类三角形ti,截取其三条边对应的多边形边界曲线段,对应长度分别为li1,li2,li3,计算长度方差δi 2=[(li1 2+li2 2+li3 2)-(li1+li2+li3)2/3]/2;
步骤2.24,方差最小者min{δ1 2,δ2 2,……δn 2}所对应的III类三角形,取该三角形的重心为多边形中心点。
在上述的一种跨比例尺矢量地图水网数据同名目标匹配方法,所述的步骤3的具体操作步骤如下:
步骤3.1,引入概率松弛模型依据距离关系指标进行结点匹配;
步骤3.2,基于结点匹配关系以及距离、长度指标进行弧段匹配;
在上述的一种跨比例尺矢量地图水网数据同名目标匹配方法,所述的步骤3.1基于如下定义:
兼容性函数:对于每个候选匹配对(ai,bj),定义其它任一候选匹配对(ah,bk)对其兼容度C(i,j;h,k);方法如下:将bj平移至ai,bk作同样的平移至bk’,dhk’表示ah到bk’的距离,dih表示ai到ah的距离,则:
C(i,j;h,k)=1/(1+σ2)
σ=dhk'/dih
具体操作步骤如下:
步骤3.11,匹配概率矩阵初始化:定义匹配层结点集A={a1,a2,…,am},参考层结点集B={b1,b2,…,bn},将任一匹配层结点ai和任一参考层结点bj组合为候选匹配对(ai,bj),依次计算初始匹配概率pij并构建匹配概率矩阵:
初始匹配概率pij按如下方法得到:计算ai与bj间的距离dij,如果dij>ε,则pij=0;否则,pij=1-dij/ε。其中,ε=λ×max(η1,η2),η1和η2分别表示匹配层与参考层数据中误差,λ为调整系数,取值范围可介于(1,2)之间。
步骤3.12,对初始概率矩阵进行反复迭代更新:每次迭代过程依次遍历所有候选匹配对,对于(ai,bj)依据与其它匹配对的兼容性调整匹配概率pij,若它们之间相互兼容,则增大pij,反之则减小pij,其中,第r次迭代中(ai,bj)更新后的匹配概率值为
当更新前后概率矩阵变化小于设置阈值时,退出迭代过程;
步骤3.13,结点匹配关系确定:取概率矩阵中值最大的元素,定位为pkl,则ak和bl匹配,同时将其它与ak或bl相关的元素值设置为0,依次取下一个概率值最大的元素,直到所有剩余元素概率值为0,得到最终的结点匹配关系。
在上述的一种跨比例尺矢量地图水网数据同名目标匹配方法,所述的步骤3.2的具体操作步骤如下:
步骤3.21,弧段预匹配:定义匹配层弧段集E={e1,e2,…,em},参考层弧段集S={s1,s2,…,sn},针对每个匹配层弧段ei,作半径为ε的缓冲区,由落入缓冲区范围的参考层弧段构成ei的候选匹配弧段集ci={sk,…};
步骤3.22,依次遍历每个匹配层弧段ei,若ei的候选匹配弧段集ci包含的参考层弧段数量大于等于1,并且ei的两个首尾结点ax、ay在参考层中均存在对应匹配结点bh、bk,则进行下一步骤;否则,标记ei不存在与之匹配的参考层弧段,然后重复本步骤处理下一匹配层弧段ei+1;
步骤3.23,1:1型匹配关系判断:若弧段ei对应候选匹配对象中存在弧段sj连接结点bh和bk,则ei和sj构成1:1匹配关系,转步骤3.22处理下一匹配层弧段ei+1;若弧段ei对应候选匹配对象中不存在连接结点bh和bk的弧段,则进行下一步骤;
步骤3.24,1:N型匹配关系判断:满足以下两个条件:(1)bh、bk均与ei某一候选匹配弧段连接,(2)在ei的候选匹配弧段集中存在由bh出发至bk的拓扑连接弧段组合;
则取其中总长度与ei长度差异最小的组合作为ei的匹配对象,得到1:N的匹配关系,并转转步骤3.22处理下一匹配层弧段ei+1;若以上两个条件中的任意一个不满足,则进行下一步骤;
步骤3.25,标记ei不存在与之匹配的参考层弧段,转步骤3.22处理下一匹配层弧段ei+1;直至所有匹配层弧段处理完毕后进行步骤4的处理。
本发明具有如下优点:(1)利用Delaunay三角网模型对面状目标进行降维处理,使得不同比例尺版本水网数据统一表达为结点—弧段的线状网络结构,克服了几何维度差异给同名目标匹配带来的干扰;(2)针对不同版本线状水系结构匹配,采用先结点匹配,再弧段匹配,同时引入概率松弛思想,在保证匹配过程高效的同时,达到了匹配结果的全局优化效果。
附图说明
图1是跨比例尺矢量地图水网数据同名目标匹配的方法流程图。
图2a是导入的匹配层水网数据示意图(比例尺:1:5万)。
图2b是导入的参考层水网数据(比例尺:1:1万)。
图3a是三类三角形骨架线的连接示意图。
图3b是狭长型多边形目标提取骨架中心线结构示意图。
图4是多边形目标提取中心点结构的过程示意图。
图5a是降维处理后目标拓扑连通性维护的过程示意图(多边形降维表达为中心线的情况)。
图5b是降维处理后目标拓扑连通性维护的过程示意图(多边形降维表达为中心点的情况)。
图6a是待匹配水网数据几何维度一致化处理后的结果示意图(匹配层)。
图6b是待匹配水网数据几何维度一致化处理后的结果示意图(参考层)。
图7a是线状水网结构结点匹配概率初始化过程示意图。
图7b是线状水网结构结点匹配兼容性函数设计示意图。
图8a是线状水网结构弧段匹配过程中1:1型匹配关系判断示意图。
图8b是线状水网结构弧段匹配过程中1:N型匹配关系判断示意图。
具体实施方式
下面通过实施例,并结合附图,对本发明的技术方案作进一步具体的说明。以下通过参考附图描述的实施例是实例性的,仅用于解释本发明,而不能理解为对本发明的限制。
实施例:
以下结合附图对本发明的跨比例尺矢量地图水网数据同名目标匹配方法的具体实施方式做详细说明。
由图1给出,本发明是通过待匹配数据导入、几何维度一致化处理、线状水网结构匹配关系构建、同名目标匹配关系导出四个基本步骤实现的。具体实施过程如下:
1.待匹配水网数据导入。
导入同区域不同比例尺版本的两份具有相同投影坐标系的待匹配水网数据,将小比例尺版本数据设置为匹配层,将大比例尺版本数据设置为参考层。图2a和图2b分别是比例尺为1:5万和1:1万的两份同区域水网数据,分别设置为匹配层和参考层。
2.待匹配水网数据降维处理。
分别对匹配层和参考层水网数据进行降维处理,使得不同比例尺版本水网数据统一表达为线状网络结构。包括以下操作:
(1)基于Delaunay三角网模型提取骨架中心线方法,将河流、沟渠等狭长型面状目标降维表达为线结构。具体步骤如下:
①对多边形目标边界构建约束Deluanay三角网结构,仅考虑内部三角形;
Delaunay三角网由俄国数学家Delaunay于1935年提出,其中的三角形结构具有最小内角之和最大特性,是空间邻近关系探测的有力工具。多边形目标Delaunay三角网结构是通过对组成多边形的点群构建Delaunay三角网结构实现的,但可能会产生三角形边与多边形边界相交情况,不符合空间目标邻近关系表达要求,可通过“边界内插约束Delaunay三角网“的方式解决该问题。假设目标边界点为{P0,P1,…,Pn},间距平均宽度设为经验值s,当|PiPi+1|>s时,通过下式在Pi和Pi+1间插入新的坐标点Q:
其中
构建Delaunay三角网结构后,得到多边形目标内部的三角形,可通过比较每个三角形重心是否落在多边形目标边界内侧进行判断。
②区分为三种类型三角形:Ⅰ类,三角形只有一边存在邻近三角形;Ⅱ类,三角形两边存在邻近三角形;Ⅲ类,三角形三边均存在邻近三角形。
③骨架中心线结构可表达为点和弧段组成的网络结构,由Ⅰ类和Ⅲ类三角形充当结点,其中Ⅲ类三角形连接三条边,充当非叶子结点,Ⅰ类三角形关联一条边而充当叶子结点;Ⅱ类三角形存在邻近三角形的两条边的中点连线充当弧段结构。采用如下方法提取中心线:由任一Ⅰ类或Ⅲ类三角形出发,按三角形间的邻近关系进行搜索并终止于Ⅰ类或Ⅲ类三角形,得到网络的一条边结构;按上述步骤反复执行直至所有Ⅰ类三角形作为出发或终止搜索过一遍,所有Ⅲ类三角形作为出发或终止搜索过三遍;组织遍历得到的边结构为中心线结构。
图3a和图3b是上述步骤①②③的过程示意图,其中,图3a是三种类型三角形的骨架中心线连接示意图,图3b是狭长型多边形目标提取骨架中心线结构示意图。
④剔除中心线结构中短小的分支毛刺;
目标边界线局部的弯曲特征可能导致中心线结构存在短小分支,需要进一步实施“毛刺剔除”。在上一步骤得到中心线结构后,对长度小于阈值λ的分支进行删除,只保留中心线主干结构。阈值λ可设置为多边形目标的平均宽度λ=s/(0.5*p),s和p分别表示双线目标外围线构成多边形的面积和周长。
(2)基于Delaunay三角网模型提取中心点方法,将湖泊、水库、池塘等面状目标降维表达为点结构。具体步骤如下:
①对多边形目标边界线构建三角网结构,仅考虑内部的三角形;
②提取所有的Ⅲ类三角形{t1,t2,…,tn},认为多边形的中心点是某个III类三角形的重心;
上述两个步骤的具体实施方法与(1)中的步骤①②相同,此处不再重复叙述。图4给出了上述过程执行后的结果示意图,P1,P2,P3,P4,P5分别是识别出的Ⅲ类三角形中心。
③针对任一Ⅲ类三角形ti,截取其三条边对应的多边形边界曲线段,对应长度分别为li1,li2,li3,计算长度方差δi 2=[(li1 2+li2 2+li3 2)-(li1+li2+li3)2/3]/2。
④方差最小者min{δ1 2,δ2 2,……δn 2}所对应的III类三角形,取该三角形的重心为多边形中心点。
根据上述方法,图4中示例多边形对应的中心点为P1。
(3)实施上述降维操作处理后,进行拓扑连通性维护,基本步骤如下:
①面状河流、沟渠目标降维为骨架中心线结构表达后,将与之拓扑连接的其它线状目标延伸至与中心线邻接,并在连接处实施打断;
如图5a所示,多边形S降维表达为中心线l3后,与S拓扑连接的单线河流l1和l2分别延伸至与l3相连,并在连接点P1、P2处将l3打断。
②多边形目标降维为中心点表达后,将与之拓扑连接的线状目标延伸中心点位置;
如图5b所示,多边形S降维表达为中心点P后,与S拓扑连接的l1、l2和l3分别延伸至中心点P位置。
图6a和图6b分别是匹配层(图2a)和参考层(图2b)水网数据实施降维处理的结果示意图。
3.线状水网结构匹配关系建立
分别对匹配层和参考层的线状水网结构构建结点—弧段图结构,得到匹配层结点集A={a1,a2,…,am}和弧段集E={e1,e2,…,em},参考层结点集B={b1,b2,…,bn}和弧段集合S={s1,s2,…,sn},然后分别实施结点匹配和弧段匹配。
(1)结点匹配
①匹配概率矩阵初始化。将任一匹配层结点ai和任一参考层结点bj组合为候选匹配对(ai,bj),依次计算初始匹配概率pij并构建匹配概率矩阵如下:
初始匹配概率pij按如下方法得到:计算ai与bj间的距离dij,如果dij>ε,则pij=0;否则,pij按下式计算得到
pij=1-dij/ε (2)
其中,ε=λ×max(η1,η2),η1和η2分别表示匹配层与参考层数据中误差(实地单位:米),λ为调整系数,取值范围可介于(1,2)之间。如图7a所示,对于匹配层结点a1,以a1坐标点为中心作半径为ε的缓冲区,b1、b2处于缓冲区内部,匹配概率p11和p12按上式计算,而b3、b4、b5处于缓冲区外部,匹配概率p13、p14、p15均为0。
②定义兼容性函数。对于每个候选匹配对(ai,bj),定义其它任一候选匹配对(ah,bk)对其兼容度C(i,j;h,k)。具体方法如图7b所示,将bj平移至ai,bk作同样的平移至bk’,dhk’表示ah到bk’的距离,dih表示ai到ah的距离,则:
C(i,j;h,k)=1/(1+σ2)
σ=dhk'/dih (3)
③对初始概率矩阵进行反复迭代更新。每次迭代过程依次遍历所有候选匹配对,对于候选匹配对(ai,bj)依据与其它候选匹配对的兼容性调整匹配概率pij,若它们之间相互兼容,则增大pij,反之则减小pij,其中,第r次迭代中候选匹配对(ai,bj)更新后的匹配概率值为:
当更新前后的两个概率矩阵对应元素变化最大值小于设置的阈值(如0.01),则退出迭代过程。
④结点匹配关系确定。取概率矩阵中值最大的元素,如pkl,则ak和bl匹配,同时将其它与ak或bl相关的元素值设置为0,依次取下一个概率值最大的元素,…,直到所有剩余元素概率值为0,得到最终的结点匹配关系。
(2)弧段匹配
在结点匹配的基础上,结合分布距离、长度指标实施弧段匹配,具体步骤如下:
①弧段预匹配。遍历匹配层弧段集E,针对每个匹配层弧段ei,作半径为ε的缓冲区,由落入缓冲区范围的参考层弧段构成ei的候选匹配弧段集ci={sk,…}。
②依次遍历每个匹配层弧段ei,若ei的候选匹配弧段集ci包含的参考层弧段数量大于等于1,并且ei的两个首尾结点ax、ay在参考层中均存在对应匹配结点bh、bk,则进行下一步骤;否则,标记ei不存在与之匹配的参考层弧段,处理下一匹配层弧段ei+1。
③1:1型匹配关系判断。若ei对应候选匹配对象中存在弧段sj连接结点bh和bk,则ei和sj构成1:1匹配关系,转步骤②处理下一匹配层弧段ei+1;若弧段ei对应候选匹配对象中不存在连接结点bh和bk的弧段,则进行下一步骤。
如图8a所示,s1是e1的候选匹配弧段,e1的两个关联结点a1、a2分别与s1的两个关联结点b1、b2互为匹配,则s1与e1组成1:1型匹配关系。
⑤1:N型匹配关系判断。满足以下两个条件:(1)bh、bk均与ei某一候选匹配弧段连接,(2)在ei的候选匹配弧段集中存在由bh出发至bk的拓扑连接弧段组合,
则取其中总长度与ei长度差异最小的组合作为ei的匹配对象,得到1:N的匹配关系,并转步骤②处理下一匹配层弧段ei+1;若以上两个条件中的任意一个不满足,则进行下一步骤;
如图8b所示,弧段e2的候选匹配弧段集为c2{s2,s3,s4,s5,s6,s7},e2的两个关联结点为a2、a3,a2与参考层结点b2匹配,a3与参考层结点b6匹配,。候选匹配弧段集c2中由b2出发至b6的弧段组合包括{s2,s3,s5,s7}、{s2,s4,s6},依据长度相似性原则最后得到匹配层弧段e2与参考层弧段{s2,s4,s6}组成1:N型匹配关系。
⑥标记ei不存在与之匹配的参考层弧段,转步骤②处理下一匹配层弧段ei+1。
4.同名目标匹配关系导出。由匹配层线状水网结构与参考层线状水网结构间的弧段及结点匹配关系,导出原始匹配层水网数据与参考层水网数据间的同名目标匹配关系。
综上所述,本发明通过几何维度一致化处理将不同比例尺版本水网数据统一表达为结点—弧段的线状水网结构,处理克服了不同比例尺版本水网数据目标表达存在几何维度差异的难点,水网结构匹配过程中采用先结点匹配、再弧段匹配,并引入概率松弛模型构建全局寻优的匹配策略,能够准确高效地获得同名目标匹配关系。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (5)
1.一种跨比例尺矢量地图水网数据同名目标匹配方法,其特征在于,基于两个不同比例尺版本的数据集,所述两个不同比例尺版本的数据集是基于相同投影坐标系建立,包括以下步骤:
步骤1,导入同区域不同比例尺版本的两份具有相同投影坐标系的待匹配水网数据,将小比例尺版本数据设置为匹配层,将大比例尺版本数据设置为参考层;
步骤2,针对步骤1中的匹配层和参考层进行几何维度一致化处理步骤:分别对匹配层和参考层水网数据进行降维处理,使得不同比例尺版本的水网数据统一表达为结点—弧段的线状水网结构;
步骤3:针对步骤2中建立的线状水网结构进行匹配关系建立:对匹配层和参考层线状水网结构分别构建拓扑图结构,首先引入概率松弛模型依据距离关系指标进行结点匹配,然后基于结点匹配关系以及距离、长度指标进行弧段匹配;
步骤4:针对步骤3中建立的线状水网结构间的弧段及结点匹配关系进行同名目标匹配关系导出:由线状水网结构间的弧段及结点匹配关系,导出原始匹配层水网数据与参考层水网数据间的同名目标匹配关系;
所述的步骤2基于Delaunay三角网模型,所述Delaunay三角网模型将三角形分为I、II、III类;Ⅰ类三角形连接惟一邻近边的中点与其相对的顶点,Ⅱ类三角形连接两条邻近边的中点,Ⅲ类三角形连接质心与三边的中点;
具体操作步骤如下:
步骤2.1,利用基于Delaunay三角网模型提取骨架中心线方法,将河流、沟渠狭长型面状目标降维表达为线结构;
步骤2.2,利用基于Delaunay三角网模型提取中心点方法,将湖泊、水库、池塘面状目标降维表达为点结构;具体包括如下步骤:
步骤2.21,对多边形目标边界线构建三角网结构,仅考虑内部的三角形;
步骤2.22,提取所有的Ⅲ类三角形{t1,t2,…,tq},认为多边形的中心点是某个III类三角形的重心;
步骤2.23,针对任一Ⅲ类三角形ti,截取其三条边对应的多边形边界曲线段,对应长度分别为li1,li2,li3,计算长度方差δi 2=[(li1 2+li2 2+li3 2)-(li1+li2+li3)2/3]/2;
步骤2.24,方差最小者min{δ1 2,δ2 2,……δq 2}所对应的III类三角形,取该三角形的重心为多边形中心点;
步骤2.3,完成步骤2.1和步骤2.2后,对线状水网结构进行拓扑连通性维护。
2.根据权利要求1所述的一种跨比例尺矢量地图水网数据同名目标匹配方法,其特征在于,所述的步骤2.1包括如下步骤:
步骤2.11,对面状目标边界构建三角网结构,仅考虑内部三角形;
步骤2.12,区分三种类型三角形,Ⅰ类三角形只有一边存在邻近三角形,Ⅱ类三角形两边存在邻近三角形,Ⅲ类三角形三边均存在邻近三角形;
步骤2.13,骨架中心线结构表达为由弧段组成的网络结构,由任一Ⅰ类或Ⅲ类三角形出发,按三角形间的邻近关系进行搜索并终止于Ⅰ类或Ⅲ类三角形,得到网络的一条边结构;反复执行得到网络的边结构的步骤直至所有Ⅰ类三角形作为出发或终止搜索过一遍,所有Ⅲ类三角形作为出发或终止搜索过三遍,最后组织遍历得到的边结构为中心线结构;
步骤2.14,根据长度指标剔除中心线结构中短小的分支毛刺。
3.根据权利要求1所述的一种跨比例尺矢量地图水网数据同名目标匹配方法,其特征在于,所述的步骤3的具体操作步骤如下:
步骤3.1,引入概率松弛模型依据距离关系指标进行结点匹配;
步骤3.2,基于结点匹配关系以及距离、长度指标进行弧段匹配。
4.根据权利要求3所述的一种跨比例尺矢量地图水网数据同名目标匹配方法,其特征在于,所述的步骤3.1基于如下定义:
兼容性函数:对于每个候选匹配对(ai,bj),定义其它任一候选匹配对(ah,bk)对其兼容度C(i,j;h,k);方法如下:将bj平移至ai,bk作同样的平移至bk’,dhk’表示ah到bk’的距离,dih表示ai到ah的距离,则:
C(i,j;h,k)=1/(1+σ2)
σ=dhk'/dih
具体操作步骤如下:
步骤3.11,匹配概率矩阵初始化:定义匹配层结点集A={a1,a2,…,am},参考层结点集B={b1,b2,…,bn},将任一匹配层结点ai和任一参考层结点bj组合为候选匹配对(ai,bj),依次计算初始匹配概率pij并构建匹配概率矩阵:
<mrow>
<msup>
<msub>
<mi>P</mi>
<mrow>
<mi>A</mi>
<mi>B</mi>
</mrow>
</msub>
<mn>0</mn>
</msup>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<msub>
<mi>p</mi>
<mn>11</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>p</mi>
<mn>12</mn>
</msub>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<msub>
<mi>p</mi>
<mrow>
<mn>1</mn>
<mi>n</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>p</mi>
<mn>21</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>p</mi>
<mn>22</mn>
</msub>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<msub>
<mi>p</mi>
<mrow>
<mn>2</mn>
<mi>n</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>p</mi>
<mrow>
<mi>m</mi>
<mn>1</mn>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>p</mi>
<mrow>
<mi>m</mi>
<mn>2</mn>
</mrow>
</msub>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<msub>
<mi>p</mi>
<mrow>
<mi>m</mi>
<mi>n</mi>
</mrow>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
初始匹配概率pij按如下方法得到:计算ai与bj间的距离Dij,如果Dij>ε,则pij=0;否则,pij=1-Dij/ε;其中,ε=λ×max(η1,η2),η1和η2分别表示匹配层与参考层数据中误差,λ为调整系数,取值范围介于(1,2)之间;
步骤3.12,对初始概率矩阵进行反复迭代更新:每次迭代过程依次遍历所有候选匹配对,对于(ai,bj)依据与其它匹配对的兼容性调整匹配概率pij,若它们之间相互兼容,则增大pij,反之则减小pij,其中,第r次迭代中(ai,bj)更新后的匹配概率值为
<mrow>
<msubsup>
<mi>p</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mrow>
<mi>r</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>m</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>h</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msubsup>
<mi>max</mi>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<mo>{</mo>
<mi>C</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>;</mo>
<mi>k</mi>
<mo>,</mo>
<mi>h</mi>
<mo>)</mo>
</mrow>
<mo>&times;</mo>
<msubsup>
<mi>p</mi>
<mrow>
<mi>h</mi>
<mi>k</mi>
</mrow>
<mi>r</mi>
</msubsup>
<mo>}</mo>
</mrow>
当更新前后概率矩阵变化小于设置阈值时,退出迭代过程;
步骤3.13,结点匹配关系确定:取概率矩阵中值最大的元素,定位为pkl,则ak和bl匹配,同时将其它与ak或bl相关的元素值设置为0,依次取下一个概率值最大的元素,直到所有剩余元素概率值为0,得到最终的结点匹配关系。
5.根据权利要求3所述的一种跨比例尺矢量地图水网数据同名目标匹配方法,其特征在于,所述的步骤3.2的具体操作步骤如下:
步骤3.21,弧段预匹配:定义匹配层弧段集E={e1,e2,…,em},参考层弧段集S={s1,s2,…,sn},针对每个匹配层弧段ei,作半径为ε的缓冲区,由落入缓冲区范围的参考层弧段构成ei的候选匹配弧段集ci={sk,…};
步骤3.22,依次遍历每个匹配层弧段ei,若ei的候选匹配弧段集ci包含的参考层弧段数量大于等于1,并且ei的两个首尾结点ax、ay在参考层中均存在对应匹配结点bh、bk,则进行下一步骤;否则,标记ei不存在与之匹配的参考层弧段,然后重复本步骤处理下一匹配层弧段ei+1;
步骤3.23,1:1型匹配关系判断:若弧段ei对应候选匹配对象中存在弧段sj连接结点bh和bk,则ei和sj构成1:1匹配关系,转步骤3.22处理下一匹配层弧段ei+1;若弧段ei对应候选匹配对象中不存在连接结点bh和bk的弧段,则进行下一步骤;
步骤3.24,1:N型匹配关系判断:满足以下两个条件:(1)bh、bk均与ei某一候选匹配弧段连接,(2)在ei的候选匹配弧段集中存在由bh出发至bk的拓扑连接弧段组合;
则取其中总长度与ei长度差异最小的组合作为ei的匹配对象,得到1:N的匹配关系,并转步骤3.22处理下一匹配层弧段ei+1;若以上两个条件中的任意一个不满足,则进行下一步骤;
步骤3.25,标记ei不存在与之匹配的参考层弧段,转步骤3.22处理下一匹配层弧段ei+1;直至所有匹配层弧段处理完毕后进行步骤4的处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310736712.5A CN103699654B (zh) | 2013-12-26 | 2013-12-26 | 一种跨比例尺矢量地图水网数据同名目标匹配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310736712.5A CN103699654B (zh) | 2013-12-26 | 2013-12-26 | 一种跨比例尺矢量地图水网数据同名目标匹配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103699654A CN103699654A (zh) | 2014-04-02 |
CN103699654B true CN103699654B (zh) | 2017-09-22 |
Family
ID=50361182
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310736712.5A Active CN103699654B (zh) | 2013-12-26 | 2013-12-26 | 一种跨比例尺矢量地图水网数据同名目标匹配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103699654B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104180042B (zh) * | 2014-09-03 | 2016-06-15 | 中国地质大学(武汉) | 一种基于管网数据预处理的关阀方案生成方法 |
CN106251331A (zh) * | 2016-07-15 | 2016-12-21 | 北京道亨时代科技有限公司 | 一种倾斜测量场景中地物的提取方法 |
CN107330929B (zh) * | 2017-06-08 | 2019-11-08 | 三峡大学 | 一种基于几何重心和质心距离比不变性的多尺度点云配准方法 |
CN108122202A (zh) * | 2018-01-05 | 2018-06-05 | 武汉大学 | 一种基于形状上下文的地图线状要素多尺度信息派生方法 |
CN108615059B (zh) * | 2018-05-10 | 2020-08-07 | 中国人民解放军战略支援部队信息工程大学 | 一种基于动态多尺度聚类的湖泊自动选取方法及装置 |
CN110647591A (zh) * | 2018-06-07 | 2020-01-03 | 北京京东尚科信息技术有限公司 | 用于测试矢量地图的方法和装置 |
CN109145171B (zh) * | 2018-07-23 | 2020-09-08 | 广州市城市规划勘测设计研究院 | 一种多尺度地图数据更新方法 |
CN110246414A (zh) * | 2019-05-31 | 2019-09-17 | 重庆颂拓科技有限公司 | 河道地图显示方法、装置、储存介质及设备 |
CN110942102B (zh) * | 2019-12-03 | 2022-04-01 | 武汉大学 | 一种概率松弛核线匹配方法及系统 |
CN112598724B (zh) * | 2021-03-01 | 2021-06-01 | 武大吉奥信息技术有限公司 | 一种改进的基于tin的矢量数据中心线提取方法 |
CN113514072B (zh) * | 2021-09-14 | 2021-12-14 | 自然资源部第三地理信息制图院 | 一种面向导航数据与大比例尺制图数据的道路匹配方法 |
CN116257766B (zh) * | 2023-01-16 | 2023-09-19 | 长沙理工大学 | 基于最小费用网络流模型的多指标道路网匹配方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103389074A (zh) * | 2013-07-18 | 2013-11-13 | 河南科技大学 | 一种多尺度景象匹配区的选取方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8015196B2 (en) * | 2007-06-18 | 2011-09-06 | Geographic Services, Inc. | Geographic feature name search system |
-
2013
- 2013-12-26 CN CN201310736712.5A patent/CN103699654B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103389074A (zh) * | 2013-07-18 | 2013-11-13 | 河南科技大学 | 一种多尺度景象匹配区的选取方法 |
Non-Patent Citations (2)
Title |
---|
Matching River Datasets of Different Scales;Birgit Kieler,et al.;《Lecture Notes in Geoinformation and Cartography》;20090420;135-154 * |
全局寻优的矢量道路网自动匹配方法研究;赵东保等;《测绘学报》;20100831;第39卷(第4期);416-421 * |
Also Published As
Publication number | Publication date |
---|---|
CN103699654A (zh) | 2014-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103699654B (zh) | 一种跨比例尺矢量地图水网数据同名目标匹配方法 | |
CN104699818B (zh) | 一种多源异构的多属性poi融合方法 | |
CN108399748B (zh) | 一种基于随机森林与聚类算法的道路旅行时间预测方法 | |
CN110220521B (zh) | 一种高精地图的生成方法和装置 | |
CN110992473B (zh) | 一种基于车载激光扫描点云的树木枝干建模方法及系统 | |
CN110275959A (zh) | 一种面向大规模知识库的快速学习方法 | |
CN109949692B (zh) | 路网匹配方法、装置、计算机设备及存储介质 | |
CN109344263A (zh) | 一种地址匹配方法 | |
CN108961403A (zh) | 一种运用开源街道地图提取主干道的方法 | |
CN105117494B (zh) | 模糊语境中的空间实体映射方法 | |
CN109284446A (zh) | 一种poi信息融合方法 | |
CN107992608A (zh) | 一种基于关键字上下文的sparql查询语句自动生成方法 | |
CN114238542A (zh) | 多源交通gis路网多层级实时融合更新方法 | |
CN111858810A (zh) | 一种面向道路dem构建的建模高程点筛选方法 | |
CN114219912A (zh) | 一种从地基激光雷达点云中自动重建树木结构的方法 | |
CN109344533A (zh) | 地下工井电缆网络模型的建立方法 | |
CN108629836A (zh) | 一种将CATIA BIM实体模型转换为SuperMap GIS标准化模型的方法 | |
CN106682084A (zh) | 对电子地图路段进行定向拓宽的方法及装置 | |
Ghosh et al. | Traj-cloud: a trajectory cloud for enabling efficient mobility services | |
CN108595631A (zh) | 基于图谱理论的三维cad模型双层检索方法 | |
CN112116709B (zh) | 一种提高地形表达精度的地形特征线处理方法 | |
CN104331870A (zh) | 一种适于规则网格dem的结构化多尺度重构方法 | |
CN106844652A (zh) | 一种基于知识地图的产品知识导航方法 | |
CN112085837B (zh) | 一种基于几何形状和lstm神经网络的三维模型分类方法 | |
CN113569946A (zh) | 开源地图与专业数据源路网自适应匹配法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |