CN106886984A - 一种矢量要素校正方法及装置 - Google Patents
一种矢量要素校正方法及装置 Download PDFInfo
- Publication number
- CN106886984A CN106886984A CN201710133117.0A CN201710133117A CN106886984A CN 106886984 A CN106886984 A CN 106886984A CN 201710133117 A CN201710133117 A CN 201710133117A CN 106886984 A CN106886984 A CN 106886984A
- Authority
- CN
- China
- Prior art keywords
- image
- vector element
- orthography
- information
- vector
- 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.)
- Granted
Links
- 239000013598 vector Substances 0.000 title claims abstract description 137
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000012937 correction Methods 0.000 claims abstract description 26
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 claims abstract description 22
- 238000013507 mapping Methods 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 claims description 5
- 239000002689 soil Substances 0.000 claims description 3
- 238000013459 approach Methods 0.000 abstract description 3
- 230000015654 memory Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 8
- 238000003860 storage Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012952 Resampling Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/757—Matching configurations of points or features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种矢量要素校正方法及装置。方法包括：获取与第一影像对应的矢量要素集，矢量要素集包括多个矢量要素，每个矢量要素携带对应第一影像的第一坐标信息；对第一影像及正射影像同名点匹配，获取每个矢量要素对应正射影像的第二坐标信息，正射影像由第一影像正射校正获得；根据第二坐标信息更新矢量要素集；将更新后的矢量要素集作为地物要素数据存储。传统方式须在精度符合规范的正射影像中采集矢量要素，当正射影像精度不符合规范，需重新采集矢量；本方法可在精度不合乎规范的第一影像中，采集矢量要素，后利用正射影像对矢量要素自动校正，当正射影像精度不符合规范时，只需纠正正射影像，后对矢量数据进行自动校正，提升了作业效率。
Description
技术领域
本发明涉及遥感影像领域，具体而言，涉及一种矢量要素校正方法及装置。
背景技术
在地形图更新、地理国情监测等生产过程中，需要根据正射影像获取地物、地表覆盖等矢量要素构成的矢量数据。具体的方法是：获取高分辨率影像后进行外业像控获取控制资料，并利用控制资料及相关模型对影像进行正射纠正，然后根据获取的正射影像采集矢量要素，通过外业调绘得到每个矢量要素的属性信息，最后存储由多个携带有属性信息的矢量要素构成的地物要素数据。然而这种方法的外业工作量很大，并且在采集矢量要素的过程中或完成后，如果质检发现正射影像的定向、定位精度不能满足规范要求，则需再次对正射影像进行正射校正，根据校正后的正射影像重新采集矢量要素，极大的降低了获取地物要素数据的效率。
发明内容
有鉴于此，本发明实施例的目的在于提供一种矢量要素校正方法及装置，以解决上述问题。
为了实现上述目的，本发明实施例采用的技术方案如下：
第一方面，本发明实施例提供了一种矢量要素校正方法，所述方法包括：获取与第一影像对应的矢量要素集，所述矢量要素集中包括多个矢量要素，每个所述矢量要素携带有对应于所述第一影像的第一坐标信息，所述第一影像为初始影像或对所述初始影像进行几何纠正获得的纠正影像，所述初始影像为记录地物的遥感影像；对所述第一影像及正射影像进行同名点匹配，获取每个矢量要素对应于所述正射影像的第二坐标信息，所述正射影像是对所述第一影像进行正射校正获得的；根据所述第二坐标信息对所述矢量要素集进行更新；将更新后的所述矢量要素集作为地物要素数据进行存储。
第二方面，本发明实施例提供了一种矢量要素校正装置，所述装置包括：第一获取模块，用于获取与第一影像对应的矢量要素集，所述矢量要素集中包括多个矢量要素，每个所述矢量要素携带有对应于所述第一影像的第一坐标信息，所述第一影像为初始影像或对所述初始影像进行几何纠正获得的纠正影像，所述初始影像为记录地物的遥感影像；同名点匹配模块，用于对所述第一影像及正射影像进行同名点匹配，获取每个矢量要素对应于所述正射影像的第二坐标信息，所述正射影像是对所述第一影像进行正射校正获得的；处理模块，用于根据每个所述矢量要素的属性信息及所述第二坐标信息对所述矢量要素集进行更新，将更新后的所述矢量要素集作为地物要素数据进行存储。
与现有技术相比，本发明提供一种矢量要素校正方法及装置。方法包括：获取与第一影像对应的矢量要素集，矢量要素集包括多个矢量要素，每个矢量要素携带对应第一影像的第一坐标信息；对第一影像及正射影像同名点匹配，获取每个矢量要素对应正射影像的第二坐标信息，正射影像由第一影像正射校正获得；根据第二坐标信息更新矢量要素集；将更新后的矢量要素集作为地物要素数据存储。传统方式须在精度符合规范的正射影像中采集矢量要素，当正射影像精度不符合规范，需重新采集矢量；本方法可在精度不合乎规范的第一影像中，采集矢量要素，后利用正射影像对矢量要素自动校正，当正射影像精度不符合规范时，只需纠正正射影像，后对矢量数据进行自动校正，提升了作业效率。
本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1是本发明实施例提供的服务器的结构示意图。
图2是本发明第一实施例提供的一种矢量要素校正方法的流程图。
图3是本发明第二实施例提供的一种矢量要素校正装置的结构框图。
具体实施方式
下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
本发明实施例提供的矢量要素校正方法可以应用于服务器中。请参阅图1，图1示出了服务器100的结构示意图。所述服务器100包括存储器110、处理器120以及网络模块130。
存储器110可用于存储软件程序以及模块，如本发明实施例中的矢量要素校正方法及装置对应的程序指令/模块，处理器120通过运行存储在存储器110内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现本发明实施例中的矢量要素校正方法。存储器110可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。进一步地，上述存储器110内的软件程序以及模块还可包括：操作系统111以及服务模块112。其中操作系统111，例如可为LINUX、UNIX、WINDOWS，其可包括各种用于管理系统任务(例如内存管理、存储设备控制、电源管理等)的软件组件和/或驱动，并可与各种硬件或软件组件相互通讯，从而提供其他软件组件的运行环境。服务模块112运行在操作系统111的基础上，并通过操作系统111的网络服务监听来自网络的请求，根据请求完成相应的数据处理，并返回处理结果给客户端。也就是说，服务模块112用于向客户端提供网络服务。
网络模块130用于接收以及发送网络信号。上述网络信号可包括无线信号或者有线信号。
可以理解，图1所示的结构仅为示意，服务器100还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。另外，本发明实施例中的服务器还可以包括多个具体不同功能的服务器。
第一实施例
请参阅图2，图2示出了本发明第一实施例提供的一种矢量要素校正方法的流程图，所述方法包括：
步骤S310，获取与第一影像对应的矢量要素集，所述矢量要素集中包括多个矢量要素，每个所述矢量要素携带有对应于所述第一影像的第一坐标信息，所述第一影像为初始影像或对所述初始影像进行几何纠正获得的纠正影像，所述初始影像为记录地物的遥感影像。
其中，所述遥感影像可以为航空影像或卫星影像。
遥感影像在成像的时候，由于飞行器的姿态、高度、速度以及地球自转等因素的影响，可能造成获得的遥感影像相对于地面目标发生几何畸变，这种畸变表现为像元相对于地面目标的实际位置发生挤压、扭曲、拉伸和偏移等，因此需要对初始影像进行几何纠正。所述几何纠正也就是通过一系列的数学模型来改正和消除遥感影像成像时因摄影材料变形、物镜畸变、大气折光、地球曲率、地球自转、地形起伏等因素导致的初始影像上各地物的几何位置、形状、尺寸、方位等特征与参照系统中的表达要求不一致产生的变形。
矢量要素为与所述第一影像中的道路、建筑物、水渠等地物对应的点、线、矩形、多边形、圆或弧线等。所述矢量要素的数据格式可以为SHP、FGDB等。
当所述遥感影像是航空影像时，所述每个矢量要素携带的对应于所述第一影像的第一坐标信息是根据地理编码规则获取的；当所述遥感影像是卫星影像时，所述每个矢量要素携带的对应于所述第一影像的第一坐标信息是所述第一影像自身携带的。
当矢量要素校正方法应用于地形图更新、地理国情监测等生产过程中，在获取第一坐标信息后，还需通过外业像控和外业调绘，获取每个矢量要素的属性信息。所述矢量要素的属性信息包括道路信息、建筑物信息、水渠信息、植被信息、土质信息及特殊地貌信息。因此，每个矢量要素携带有第一坐标信息以及属性信息。
其中，外业像控是指利用外业仪器测定出根据所述矢量要素集选定的控制点的地面坐标；外业调绘是指调查出所述矢量要素集中每个矢量要素对应的属性信息并利用规定的符号和注记将其标绘在影像上。
步骤S320，对所述第一影像及正射影像进行同名点匹配，获取每个矢量要素对应于所述正射影像的第二坐标信息，所述正射影像是对所述第一影像进行正射校正获得的。
所述同名点匹配是指通过匹配算法在两幅或多幅影像之间识别同名点的过程。作为一种具体的实施方式，所述步骤S320可以包括：
根据影像密集匹配方法，对所述第一影像及所述正射影像进行同名点匹配。
一种影像密集匹配方法的步骤为：首先将正射影像降采样为与第一影像同一分辨率，然后使用尺度不变特征变换(Scale-invariant Feature Transform，SIFT)算法提取粗精度同名点，建立全局几何模型，使用其将第一影像每个像元及其邻域投影到正射影像，并以其为模板，应用优化相位相关法获取高精度同名点。此处仅给出了一种同名点密集匹配方法，本领域技术人员也可根据实际需求，选择其他的同名点密集匹配方法；由于影像密集匹配为本领域较为成熟的技术手段，这里不再一一列举。
此外，还可以通过三维建模的方法对影像进行几何建模或解析建模，并对模型中的同名点进行密集匹配，提高匹配的效率和准确率，通过多种规则约束，保证了每个同名点都可以得到正确的匹配。
需要说明，所述正射校正是指根据控制资料及数字高程模型，对所述第一影像同时进行倾斜改正和投影差改正，将影像重采样成正射影像。所述正射影像是指改正了因地形起伏和传感器误差而引起的像点位移的影像，所述正射影像不仅精度高，信息丰富，直观真实，而且数据结构简单，生产周期短，能很好的满足社会各行业的需要。
步骤S330，根据所述第二坐标信息对所述矢量要素集进行更新。
实际上，应根据第二坐标信息，对应每一个原矢量要素，创建新的矢量要素，而每个矢量要素携带的属性信息不变。
步骤S340，将更新后的所述矢量要素集作为地物要素数据进行存储。
当所述第一影像是具有地理坐标的卫星影像时，也可以直接获取与所述第一影像对应的矢量要素集，每个矢量要素携带有对应于所述第一影像的第一坐标信息。并根据所述矢量要素集进行外业像控及调绘获取外业结果，根据所述外业结果及数字高程模型对所述第一影像进行正射校正获取正射影像，然后对所述第一影像及所述正射影像进行同名点匹配获取每个矢量要素对应于所述正射影像的第二坐标信息，最终根据所述每个矢量要素的属性信息及所述第二坐标信息对所述矢量要素集进行更新，将更新后的所述矢量要素集作为地物要素数据进行存储。
本发明实施例提供的矢量要素校正方法，包括：获取与第一影像对应的矢量要素集，矢量要素集包括多个矢量要素，每个矢量要素携带对应第一影像的第一坐标信息，第一影像为初始影像或对初始影像进行几何纠正获得的纠正影像，初始影像为记录地物的遥感影像；对第一影像及正射影像进行同名点匹配，获取每个矢量要素对应正射影像的第二坐标信息，正射影像由第一影像正射校正获得；根据第二坐标信息更新矢量要素集；将更新后的矢量要素集作为地物要素数据存储。传统方式须在精度符合规范的正射影像中采集矢量要素，当正射影像精度不符合规范，需重新采集矢量；本方法可在精度不合乎规范的第一影像中，采集矢量要素，后利用正射影像对矢量要素自动校正，当正射影像精度不符合规范时，无需重新采集矢量要素，只需纠正正射影像，后利用新的正射影像对矢量数据进行自动校正，提升了作业效率。此外，也由于矢量要素无需在正射影像中提取，在仅具有精度不符合规范的第一影像时，即可采集矢量数据，而后可同时在一次外业中同时完成像控和调绘，获取帮助进行正射纠正的相关资料，同时获取矢量数据的属性信息，大大缩短了外业工作周期。
第二实施例
请参阅图3，图3是本发明第三实施例提供的一种矢量要素校正装置500的结构框图，所述矢量要素校正装置500包括第一获取模块510、同名点匹配模块520以及处理模块530。
第一获取模块510，用于获取与第一影像对应的矢量要素集，所述矢量要素集中包括多个矢量要素，每个所述矢量要素携带有对应于所述第一影像的第一坐标信息，所述第一影像为初始影像或对所述初始影像进行几何纠正获得的纠正影像，所述初始影像为记录地物的遥感影像。
同名点匹配模块520，用于对所述第一影像及正射影像进行同名点匹配，获取每个矢量要素对应于所述正射影像的第二坐标信息，所述正射影像是对所述第一影像进行正射校正获得的。
处理模块530，用于根据每个所述矢量要素的属性信息及所述第二坐标信息对所述矢量要素集进行更新，将更新后的所述矢量要素集作为地物要素数据进行存储。
以上各模块可以是由软件代码实现，此时，上述的各模块可存储于服务器100的存储器110内。以上各模块同样可以由硬件例如集成电路芯片实现。
本发明实施例所提供的矢量要素校正装置500，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
Claims (10)
1.一种矢量要素校正方法，其特征在于，所述方法包括：
获取与第一影像对应的矢量要素集，所述矢量要素集中包括多个矢量要素，每个所述矢量要素携带有对应于所述第一影像的第一坐标信息，所述第一影像为初始影像或对所述初始影像进行几何纠正获得的纠正影像，所述初始影像为记录地物的遥感影像；
对所述第一影像及正射影像进行同名点匹配，获取每个矢量要素对应于所述正射影像的第二坐标信息，所述正射影像是对所述第一影像进行正射校正获得的；
根据所述第二坐标信息对所述矢量要素集进行更新；
将更新后的所述矢量要素集作为地物要素数据进行存储。
2.根据权利要求1所述的方法，其特征在于，所述遥感影像为航空影像或卫星影像。
3.根据权利要求2所述的方法，其特征在于，当所述第一影像是航空影像时，所述每个矢量要素携带的对应于所述第一影像的第一坐标信息是根据地理编码规则获取的。
4.根据权利要求1所述的方法，其特征在于，所述对所述第一影像及所述正射影像进行同名点匹配，包括：
根据影像密集匹配方法，对所述第一影像及所述正射影像进行同名点匹配。
5.根据权利要求1所述的方法，其特征在于，所述矢量要素还携带有属性信息，所述属性信息包括道路信息、建筑物信息、水渠信息、植被信息、土质信息及特殊地貌信息。
6.一种矢量要素校正装置，其特征在于，所述装置包括：
第一获取模块，用于获取与第一影像对应的矢量要素集，所述矢量要素集中包括多个矢量要素，每个所述矢量要素携带有对应于所述第一影像的第一坐标信息，所述第一影像为初始影像或对所述初始影像进行几何纠正获得的纠正影像，所述初始影像为记录地物的遥感影像；
同名点匹配模块，用于对所述第一影像及正射影像进行同名点匹配，获取每个矢量要素对应于所述正射影像的第二坐标信息，所述正射影像是对所述第一影像进行正射校正获得的；
处理模块，用于根据每个所述矢量要素的属性信息及所述第二坐标信息对所述矢量要素集进行更新，将更新后的所述矢量要素集作为地物要素数据进行存储。
7.根据权利要求6所述的装置，其特征在于，所述遥感影像为航空影像或卫星影像。
8.根据权利要求7所述的装置，其特征在于，当所述第一影像是航空影像时，所述每个矢量要素携带的对应于所述第一影像的第一坐标信息是根据地理编码规则获取的。
9.根据权利要求6所述的装置，其特征在于，所述同名点匹配模块，具体用于根据影像密集匹配方法，对所述第一影像及所述正射影像进行同名点匹配，获取每个矢量要素对应于所述正射影像的第二坐标信息。
10.根据权利要求6所述的装置，其特征在于，所述矢量要素还携带有属性信息，所述属性信息包括道路信息、建筑物信息、水渠信息、植被信息、土质信息及特殊地貌信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710133117.0A CN106886984B (zh) | 2017-03-07 | 2017-03-07 | 一种矢量要素校正方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710133117.0A CN106886984B (zh) | 2017-03-07 | 2017-03-07 | 一种矢量要素校正方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106886984A true CN106886984A (zh) | 2017-06-23 |
| CN106886984B CN106886984B (zh) | 2019-10-08 |
Family
ID=59179726
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710133117.0A Expired - Fee Related CN106886984B (zh) | 2017-03-07 | 2017-03-07 | 一种矢量要素校正方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106886984B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112561805A (zh) * | 2020-11-12 | 2021-03-26 | 中国资源卫星应用中心 | 一种几何粗校正影像的校正方法及装置 |
| CN113282695A (zh) * | 2021-05-31 | 2021-08-20 | 国家基础地理信息中心 | 一种基于遥感影像的矢量地理信息采集方法和装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102349090A (zh) * | 2009-03-16 | 2012-02-08 | 株式会社理光 | 噪声减少设备、噪声减少方法、噪声减少程序和记录介质 |
| CN103884321A (zh) * | 2014-04-17 | 2014-06-25 | 西安煤航信息产业有限公司 | 一种遥感影像成图工艺 |
| CN104574519A (zh) * | 2015-01-31 | 2015-04-29 | 华北水利水电大学 | 多源居民地面要素的免阈值自动稳健匹配方法 |
| CN104700399A (zh) * | 2015-01-08 | 2015-06-10 | 东北大学 | 一种基于高分遥感影像的大变形滑坡位移场标定方法 |
| CN106203491A (zh) * | 2016-07-01 | 2016-12-07 | 交通运输部路网监测与应急处置中心 | 一种公路矢量数据的融合更新方法 |
-
2017
- 2017-03-07 CN CN201710133117.0A patent/CN106886984B/zh not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102349090A (zh) * | 2009-03-16 | 2012-02-08 | 株式会社理光 | 噪声减少设备、噪声减少方法、噪声减少程序和记录介质 |
| CN103884321A (zh) * | 2014-04-17 | 2014-06-25 | 西安煤航信息产业有限公司 | 一种遥感影像成图工艺 |
| CN104700399A (zh) * | 2015-01-08 | 2015-06-10 | 东北大学 | 一种基于高分遥感影像的大变形滑坡位移场标定方法 |
| CN104574519A (zh) * | 2015-01-31 | 2015-04-29 | 华北水利水电大学 | 多源居民地面要素的免阈值自动稳健匹配方法 |
| CN106203491A (zh) * | 2016-07-01 | 2016-12-07 | 交通运输部路网监测与应急处置中心 | 一种公路矢量数据的融合更新方法 |
Non-Patent Citations (3)
| Title |
|---|
| 徐贵兴 等: "基于ArcGIS的两种坐标转换方式的探讨", 《江西煤炭科技》 * |
| 杜永葛 等: "矢量数据校正工具集的设计与实现", 《矿山测量》 * |
| 牛亮 等: "采用ArcGIS 进行坐标转换的两种方法对比研究", 《科技视界》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112561805A (zh) * | 2020-11-12 | 2021-03-26 | 中国资源卫星应用中心 | 一种几何粗校正影像的校正方法及装置 |
| CN113282695A (zh) * | 2021-05-31 | 2021-08-20 | 国家基础地理信息中心 | 一种基于遥感影像的矢量地理信息采集方法和装置 |
| CN113282695B (zh) * | 2021-05-31 | 2024-03-15 | 国家基础地理信息中心 | 一种基于遥感影像的矢量地理信息采集方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106886984B (zh) | 2019-10-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Qin et al. | 3D change detection–approaches and applications | |
| CN111144388B (zh) | 一种基于单目影像的道路标志标线的更新方法 | |
| Over et al. | Processing coastal imagery with Agisoft Metashape Professional Edition, version 1.6—Structure from motion workflow documentation | |
| CN111199564B (zh) | 智能移动终端的室内定位方法、装置与电子设备 | |
| CN110222626B (zh) | 一种基于深度学习算法的无人驾驶场景点云目标标注方法 | |
| Toft et al. | Long-term 3d localization and pose from semantic labellings | |
| US9942535B2 (en) | Method for 3D scene structure modeling and camera registration from single image | |
| CN111626947B (zh) | 基于生成对抗网络的地图矢量化样本增强方法及系统 | |
| EP2686827A1 (en) | 3d streets | |
| CN110866079A (zh) | 一种智慧景区实景语义地图的生成与辅助定位方法 | |
| CN110634131B (zh) | 一种裂缝图像识别与建模方法 | |
| CN104077760A (zh) | 一种航空摄影测量的快速拼接系统及其实现方法 | |
| CN109961510B (zh) | 一种基于三维点云重构技术的高切坡地质快速编录方法 | |
| US10665035B1 (en) | System and process of using photogrammetry for digital as-built site surveys and asset tracking | |
| CN116758234A (zh) | 一种基于多点云数据融合的山地地形建模方法 | |
| CN115331100A (zh) | 耕地种植属性的空间分布监测方法及系统 | |
| CN106886984A (zh) | 一种矢量要素校正方法及装置 | |
| CN111758118B (zh) | 一种视觉定位方法、装置、设备及可读存储介质 | |
| CN113673288B (zh) | 空闲车位检测方法、装置、计算机设备及存储介质 | |
| Gavrilov et al. | A method for aircraft labeling in aerial and satellite images based on continuous morphological models | |
| Li et al. | Registration of aerial imagery and lidar data in desert areas using the centroids of bushes as control information. | |
| Herold et al. | Automatically georeferenced maps as a source for high resolution urban growth analyses | |
| Božić-Štulić et al. | Complete model for automatic object detection and localisation on aerial images using convolutional neural networks | |
| CN110148205A (zh) | 一种基于众包影像的三维重建的方法和装置 | |
| CN114238541A (zh) | 敏感目标信息获取方法、装置和计算机设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20191008 Termination date: 20210307 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |