CN104835167B - 一种基于空间影响域覆盖最大的航标自动选取方法 - Google Patents

一种基于空间影响域覆盖最大的航标自动选取方法 Download PDF

Info

Publication number
CN104835167B
CN104835167B CN201510247339.6A CN201510247339A CN104835167B CN 104835167 B CN104835167 B CN 104835167B CN 201510247339 A CN201510247339 A CN 201510247339A CN 104835167 B CN104835167 B CN 104835167B
Authority
CN
China
Prior art keywords
navigation mark
domain
influence
mark
navigation
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
Application number
CN201510247339.6A
Other languages
English (en)
Other versions
CN104835167A (zh
Inventor
张立华
李思鹏
贾帅东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
PLA Dalian Naval Academy
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201510247339.6A priority Critical patent/CN104835167B/zh
Publication of CN104835167A publication Critical patent/CN104835167A/zh
Application granted granted Critical
Publication of CN104835167B publication Critical patent/CN104835167B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/70Determining position or orientation of objects or cameras
    • G06T7/73Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/75Determining position or orientation of objects or cameras using feature-based methods involving models

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)
  • Instructional Devices (AREA)

Abstract

本发明公开了一种基于空间影响域覆盖最大的航标自动选取方法,主要包括以下步骤:读入海图上待选取区域范围内的航标作为待选航标;计算预定的选取数量指标;读入待选航标的标身高度、灯光的发光强度或射程等信息,并根据这些信息计算航标的空间影响域;计算剩余各待选航标的有效影响域,选取有效影响域最大的航标;反复动态计算当前轮次已选航标的总影响域及待选航标的有效影响域,直到已选航标的总数量等于预定的选取数量指标。与传统的手工选取方法相比,本方法可以避免手工选取方式中人为因素可能导致的选取结果的不一致性,并通过计算机自动作业大幅度地提高选取航标的效率。

Description

一种基于空间影响域覆盖最大的航标自动选取方法
技术领域
本发明涉及一种基于空间影响域覆盖最大的海图航标自动选取方法,属于地理空间信息系统技术领域。
背景技术
航标是海图上一种重要的点状地理要素,具有供舰船定位、指示航道、标示危险物等功能。航标选取是海图制图综合的一个核心问题。
当前,海图制图综合的航标选取,是由制图员依据《中国航海图编绘规范》的要求,采用手工方式进行的。这种手工选取方式一方面会导致作业效率低下,另一方面也可能因制图员的经验、工作态度差异等问题而造成选取结果不一致的情形。航标选取的质量高低,在很大程度上依赖于制图员的业务水平和细致程度。因此,如何利用计算机实现航标的自动选取,一直是海图制图综合中亟待解决的问题。
针对海图制图综合中的航标自动选取,一些学者对此进行了研究。王厚祥在统计分析航标选取的概率与航标类型、射程、密度、地理位置、海图比例尺等因素关系的基础上,利用模糊综合评判方法,建立了航标自动选取的模糊综合评判模型。郑义东等通过建立航标专用数据库的基础上,对航标位置、灯高、射程等属性特征逐一比较来确定航标选取的先后顺序,对航标的自动选取问题进行了探讨。以上研究都是模拟人脑思维模式,在航标定性分类分级的基础上对自动选取所做的探讨和尝试,未能形成切实可行的自动选取方法。
发明内容
针对现有技术存在的问题,本申请提出一种基于空间影响域覆盖最大的航标自动选取方法。该方法首先根据航标的空间影响域模型,计算航标的空间影响域;然后动态计算待选航标的有效影响域,并选取有效影响域最大的航标,使所选航标的影响域叠加之后的总影响域所覆盖的区域最大。具体技术方案如下。
本申请提供的基于空间影响域覆盖最大的海图航标自动选取方法,主要包括如下步骤:
1)读入航标待选取区域范围之内的资料图上所有航标的平面位置信息、射程或发光强度以及标身高度信息,作为待选航标;
2)计算预定的选取数量指标;
3)利用步骤1)读入的航标射程或发光强度、标身高度值计算航标的空间影响域半径,进而计算航标的空间影响域;
4)开始一个轮次的选取:首先,将当前轮次已选航标的总影响域集合初始为“空”;然后,分析待选航标空间影响域的大小关系,选取空间影响域最大的航标为当前轮次的首个航标,并将所选航标的空间影响域添加到当前轮次已选航标的总影响域集合中,动态更新当前轮次已选航标的总影响域集合;
5)判断已选取航标的数量是否等于预定的选取数量指标;如果已选取航标的数量小于预定的选取数量指标,进入步骤6);否则,结束选取,进入步骤9);
6)计算剩余待选航标的有效影响域;
7)分析步骤6)中所计算的待选航标有效影响域的大小关系,并判断有效影响域的最大值是否为0;如果不为0,进入步骤(8);如果为0,转步骤4)开始新一轮次的选取;
8)选取有效影响域最大的航标,并将所选航标的空间影响域添加到当前轮次已选航标的总影响域集合中,动态更新当前轮次已选航标的总影响域集合;然后转步骤(5);
9) 输出选取的航标的平面位置信息、射程和标身高度信息。
本申请中,步骤2)中所述计算预定选取数量指标的方法为:根据资料图比例尺和目标图比例尺,利用航标选取的方根规律模型计算预定的选取数量指标,其中是预定的选取数量指标,是资料图上航标的数量,是资料图比例尺分母,是目标图比例尺分母。
本申请中,步骤3)中所述计算航标的空间影响域半径及空间影响域的方法为:根据航标的标身高度、射程或发光强度计算航标的空间影响域半径的公式为:,其中分别是航标在白天、夜间的影响作用的权重值,分别是航标在白天、夜间的比例系数,为航标的标身高度,为航标的灯光发光强度或射程,为人眼分别在白天、夜间能够分辨航标形状的视角阈值、产生感光的照度阈值;与航标的距离小于航标空间影响域半径的区域即为航标的空间影响域,其中表示航标的空间影响域,表示位置点到航标的欧式距离。
本申请中,步骤6)中所述计算待选航标有效影响域的方法为:对当前轮次已选航标的总影响域集合中各航标的空间影响域进行并运算,即将存在相交关系的已选航标的空间影响域进行合并,进而将当前轮次已选航标的总影响域集合化简为若干个互不相交的多边形的集合;然后,用待选航标的空间影响域减去其自身与化简后的当前轮次已选航标总影响域集合中各多边形重叠部分的区域,减完之后剩下的区域就是此待选航标的有效影响域。
有益效果:本发明所提出的一种基于空间影响域覆盖最大的航标自动选取方法,其优点是:克服了海图航标选取中手工选取方法可能导致的选取结果不一致和作业效率低下的不足,使用本方法能通过计算机作业自动选取航标,在提高作业效率的同时,能保证选取结果的一致性。
附图说明
图1本发明方法中实现航标自动选取的主流程框图;
图2航标的空间影响域示意图;
图3 航标的有效影响域示意图。
具体实施方式
下面结合附图对本发明的技术方案进行详细说明。
本发明的实现过程是采用计算机实现空间影响域覆盖最大的航标自动选取。假设海图综合中有某区域A需进行航标选取,采用本发明方法进行航标自动选取,主要包括以下步骤,如图1所示:
步骤1,读入航标待选取区域范围之内的资料图上所有航标的平面位置信息、射程(或发光强度)和标身高度信息,作为待选航标;
步骤2,计算预定的选取数量指标。资料图的比例尺分母为,图上的航标数量为,目标图的比例尺分母为,利用公式计算预定的选取数量指标
步骤3,利用航标的射程(或发光强度)、标身高度值计算生成航标的空间影响域半径,进而计算生成航标的空间影响域。航标的空间影响域半径利用公式进行计算,其中分别是航标在白天、夜间的影响作用的权重值(例如取),分别是航标在白天、夜间的比例系数(一般取),为航标的射程(单位:海里),为航标的标身高度(单位:米),为航标的灯光发光强度(单位:坎德拉),为人眼在白天能够分辨航标形状的视角阈值,为人眼在夜间产生感光的照度阈值(常用)。那么,空间影响域就是以航标为中心,以航标的空间影响域半径为半径的圆区域,如图2中所示圆区域,图中的星号代表航标;
步骤4,设当前轮次已选航标的总影响域集合为,并初始为“空”,。遍历所有待选航标的空间影响域,分析比较待选航标空间影响域的大小关系。选取空间影响域最大的航标为当前轮次的首个航标,并将所选航标的空间影响域添加到总影响域集合,动态更新当前轮次已选航标的总影响域集合
步骤5,判断已选取航标数量是否等于预定选取数量指标。如果,进入步骤6;否则,结束选取,输出航标,即进入步骤9;
步骤6,计算待选航标的有效影响域。这里,计算待选航标的有效影响域的具体步骤如下:
如图3所示,首先,对当前轮次已选航标总影响域集合中各航标的空间影响域进行“并”运算,将总影响域集合化简为包含若干个互不相交多边形的集合,如图3 所示区域。然后,用待选航标的空间影响域分别减去与化简后的总影响域集合中各多边形重叠部分,所得区域即为待选航标的有效影响域,如图3 所示区域;
步骤7,分析步骤6中所计算的待选航标有效影响域的大小关系,并判断有效影响域的最大值是否为0。如果不为0,进入步骤8;如果为0,转步骤4;
步骤8,选取有效影响域最大的航标,并将所选航标的空间影响域添加到总影响域集合,动态更新当前轮次已选航标的总影响域集合。转步骤5;
步骤9,输出选取出的航标,作为海图航标选取的结果。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。

Claims (2)

1.一种基于空间影响域覆盖最大的海图航标自动选取方法,其特征在于,包括如下步骤:
1)读入航标待选取区域范围之内的资料图上所有航标的平面位置信息、射程或发光强度、以及标身高度信息,作为待选航标;
2)计算预定的选取数量指标;
3)利用步骤1)读入的航标射程或发光强度、标身高度值计算航标的空间影响域半径,进而计算航标的空间影响域,计算航标的空间影响域半径及空间影响域的方法为:根据航标的标身高度、射程或发光强度计算航标的空间影响域半径的公式为: ,其中分别是航标在白天、夜间的影响作用的权重值,分别是航标在白天、夜间的比例系数,为航标的标身高度,为航标的灯光发光强度或射程,为人眼分别在白天、夜间能够分辨航标形状的视角阈值、产生感光的照度阈值;与航标的距离小于航标空间影响域半径的区域即为航标的空间影响域 ,其中表示航标的空间影响域,表示位置点到航标的欧式距离;
4)开始一个轮次的选取:首先,将当前轮次已选航标的总影响域集合初始为“空”;然后,分析待选航标空间影响域的大小关系,选取空间影响域最大的航标为当前轮次的首个航标,并将所选航标的空间影响域添加到当前轮次已选航标的总影响域集合中,动态更新当前轮次已选航标的总影响域集合;
5)判断已选取航标的数量是否等于预定的选取数量指标;如果已选取航标的数量小于预定的选取数量指标,进入步骤6);否则,结束选取,进入步骤9);
6)计算剩余待选航标的有效影响域, 计算待选航标有效影响域的方法为:对当前轮次已选航标的总影响域集合中各航标的空间影响域进行并运算,即将存在相交关系的已选航标的空间影响域进行合并,进而将当前轮次已选航标的总影响域集合化简为若干个互不相交的多边形的集合;然后,用待选航标的空间影响域减去其自身与化简后的当前轮次已选航标总影响域集合中各多边形重叠部分的区域,减完之后剩下的区域就是此待选航标的有效影响域;
7)分析步骤6)中所计算的待选航标有效影响域的大小关系,并判断有效影响域的最大值是否为0;如果不为0,进入步骤8);如果为0,转步骤4)开始新一轮次的选取;
8)选取有效影响域最大的航标,并将所选航标的空间影响域添加到当前轮次已选航标的总影响域集合中,动态更新当前轮次已选航标的总影响域集合;然后转步骤5);
9)输出选取的航标的平面位置信息、射程和标身高度信息。
2.根据权利要求1所述的基于空间影响域覆盖最大的海图航标自动选取方法,其特征在于,步骤2)中所述计算预定的选取数量指标的方法为:根据资料图比例尺和目标图比例尺,利用航标选取的方根规律模型计算预定的选取数量指标 ,其中是预定的选取数量指标,是资料图上航标的数量,是资料图比例尺分母,是目标图比例尺分母。
CN201510247339.6A 2015-05-15 2015-05-15 一种基于空间影响域覆盖最大的航标自动选取方法 Active CN104835167B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510247339.6A CN104835167B (zh) 2015-05-15 2015-05-15 一种基于空间影响域覆盖最大的航标自动选取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510247339.6A CN104835167B (zh) 2015-05-15 2015-05-15 一种基于空间影响域覆盖最大的航标自动选取方法

Publications (2)

Publication Number Publication Date
CN104835167A CN104835167A (zh) 2015-08-12
CN104835167B true CN104835167B (zh) 2017-05-24

Family

ID=53813032

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510247339.6A Active CN104835167B (zh) 2015-05-15 2015-05-15 一种基于空间影响域覆盖最大的航标自动选取方法

Country Status (1)

Country Link
CN (1) CN104835167B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN2504051Y (zh) * 2001-11-01 2002-08-07 朴祥培 铁三角一次成型落料冲孔模具
CN101806596A (zh) * 2010-02-05 2010-08-18 张立华 基于电子海图的最短距离航线自动生成方法
CN103760553A (zh) * 2013-12-04 2014-04-30 南京鹏力系统工程研究所 一种基于雷达视频的浮标定位及浮标丢失告警的方法
CN103955932A (zh) * 2014-05-05 2014-07-30 张立华 一种不漏水深浅点的海图水深自动选取方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6847656B1 (en) * 2000-09-25 2005-01-25 General Instrument Corporation Statistical remultiplexing with bandwidth allocation among different transcoding channels

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN2504051Y (zh) * 2001-11-01 2002-08-07 朴祥培 铁三角一次成型落料冲孔模具
CN101806596A (zh) * 2010-02-05 2010-08-18 张立华 基于电子海图的最短距离航线自动生成方法
CN103760553A (zh) * 2013-12-04 2014-04-30 南京鹏力系统工程研究所 一种基于雷达视频的浮标定位及浮标丢失告警的方法
CN103955932A (zh) * 2014-05-05 2014-07-30 张立华 一种不漏水深浅点的海图水深自动选取方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
An algorithm for point cluster generalization based on the Voronoi diagram;Haowen Yan 等;《Computers & Geosciences》;20081231;第34卷(第8期);全文 *
Efficient settlement selection for interactive display;Marc van Kreveld 等;《Proceedings of Auto-Carto 13》;19971231;全文 *
Map Generalization methods based on "Circle" and "The Survival of The Fittest" theory;Qian, H.等;《Proceedings of 21th International Cartographic Conference》;20030816;全文 *
于遗传算法的点群目标选取模型;邓红艳 等;《中国图象图形学报》;20030831;第8卷(第8期);全文 *
制图综合方根规律模型的分形扩展;王桥 等;《测绘学报》;19960531;第25卷(第2期);全文 *
数字海图中助航设备的自动综合探讨;郑义东 等;《海洋测绘》;20110731;第31卷(第4期);全文 *

Also Published As

Publication number Publication date
CN104835167A (zh) 2015-08-12

Similar Documents

Publication Publication Date Title
CN104067145B (zh) 剪枝机器人系统
CN103914618B (zh) 一种基于电子海图的海水深度等值线生成方法
CN104063894B (zh) 点云三维模型重建方法及系统
US9947109B2 (en) Method and apparatus for direct detection, location, analysis, identification, and reporting of vegetation clearance violations
CN107063197A (zh) 一种基于空间信息技术的水库特征曲线提取方法
US20060262117A1 (en) Visualizing system, visualizing method, and visualizing program
CN108629835A (zh) 基于高光谱、真彩图与点云互补的室内重建方法及系统
CN107796414A (zh) 一种基于街景图美学评分的最美路径导航方法和系统
CN105674912B (zh) 结合达曼光栅的多光刀彩色三维测量装置和方法
US20130204529A1 (en) Provision of database objects for destination search by a navigation device
CN104408462A (zh) 面部特征点快速定位方法
CN106780586B (zh) 一种基于地面激光点云的太阳能潜力评估方法
CN106780504B (zh) 一种基于距离保持水平集的牛肉图像中背长肌自动分割方法
CN106003052B (zh) 一种机器人视觉导航地图的创建方法
CN107833279A (zh) 一种基于dem的地形坡度分析方法
CN110070038A (zh) 一种基于城市绿化覆盖面积测算城市绿地率的方法
CN103955932B (zh) 一种不漏水深浅点的海图水深自动选取方法
CN104835167B (zh) 一种基于空间影响域覆盖最大的航标自动选取方法
CN107993242A (zh) 基于机载LiDAR点云数据缺失区域边界提取方法
Myklestad et al. PREVIEW: computer assistance for visual management of forested landscapes
CN116662473A (zh) 空间数据库建立方法、装置、设备及存储介质
CN110334311A (zh) 一种地球椭球面上任意图斑的面积计算方法
CN103444188B (zh) 用于对兴趣点的色彩进行色彩处理的系统、方法和计算机程序产品
Yu Research on urban landscape planning method based on GIS
CN108763248A (zh) 一种水域空间监测精细划分方法及系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
EXSB Decision made by sipo to initiate substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20200817

Address after: 116018 No. 667, Zhongshan, Dalian District, Liaoning, Jiefang Road

Patentee after: PLA DALIAN NAVAL ACADEMY

Address before: 116018 Department of marine surveying and mapping, Dalian Naval Academy, Dalian, Liaoning

Co-patentee before: Li Sipeng

Patentee before: Zhang Lihua

Co-patentee before: Jia Shuaidong