CN110083673A - 一种基于高程散点的河道或堤防智能搜索方法 - Google Patents

一种基于高程散点的河道或堤防智能搜索方法 Download PDF

Info

Publication number
CN110083673A
CN110083673A CN201910359812.8A CN201910359812A CN110083673A CN 110083673 A CN110083673 A CN 110083673A CN 201910359812 A CN201910359812 A CN 201910359812A CN 110083673 A CN110083673 A CN 110083673A
Authority
CN
China
Prior art keywords
river
point
dyke
scatterplot
elevation
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
Application number
CN201910359812.8A
Other languages
English (en)
Other versions
CN110083673B (zh
Inventor
张先飞
王玲玲
徐鹏程
朱海
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.)
Hohai University HHU
Original Assignee
Hohai University HHU
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 Hohai University HHU filed Critical Hohai University HHU
Priority to CN201910359812.8A priority Critical patent/CN110083673B/zh
Publication of CN110083673A publication Critical patent/CN110083673A/zh
Application granted granted Critical
Publication of CN110083673B publication Critical patent/CN110083673B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24Querying
    • G06F16/245Query processing
    • G06F16/2458Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29Geographical information databases

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Remote Sensing (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于高程散点的河道或堤防智能搜索方法,针对只有散点高程信息的计算区域求河道或堤防分布,通过空间关系和河道或堤防走向自动步进,完成了河道的搜索。本发明解决了在仅有散点高程而无河道,堤防位置与走向等连续面上信息的情况下,通过数值方法智能搜寻和挖取河道或堤防的问题。捕捉河道、堤防地理位置时,充分考虑了天然河道的走势和地势的变化特点,在河道一端基于零散高程点,通过智能搜索,从高程散点中准确定位复杂地形区域的河道(河网)、堤防,计算其走向,绘制其位置。可为区域复杂水动力及水环境场的计算研究做好基础资料的预处理工作,减少人工处理时间。

Description

一种基于高程散点的河道或堤防智能搜索方法
技术领域
本发明属于地理信息系统空间技术领域,具体涉及一种基于高程散点的河道或堤防智能搜索方法。
背景技术
当科研人员用自编代码或商用软件如mike21,Delft 3D进行二维水动力及水环境数值模拟之前,需要框选计算区域以生成计算网格;由于对复杂及重要的过水河道需要加密处理以便能够反映真实地形及减少计算误差,故要求对复杂地形的河道进行搜索。然而,人工搜寻河道的边界,这在很大程度上降低了计算的精度。
如何快速和准确搜索域河道或堤防的分布,是能够快速解决水动力及水环境数值模拟前处理步骤的关键技术,也是对复杂地形条件下进行水动力计算所面临的重要技术问题。
我国河网密布,有些区域河道纵横,水动力模型中常常需要更加准确地识别河道区域以使计算结果精确,所以如何通过高程散点搜索计算区域内河网的分布,也是亟需解决的一道难题,目前缺少一种在复杂地形中快速精细搜索计算区域河道或堤的算法。
本发明即针对上述问题,基于空间对象的相关性及河道、堤防走向的连续性,实现了自动搜索河道或堤防位置的算法。
发明内容
目的:为解决现有技术的不足,本发明提供一种基于高程散点的河道或堤防智能搜索方法。
技术方案:为解决上述技术问题,本发明采用的技术方案为:
一种基于高程散点的河道或堤防智能搜索方法,其特征在于,计算区域内有多个高程散点,用于根据散点高程信息搜索计算区域内河道或堤防分布:
根据河道或堤防的起始坐标P0(a0,b0)和内部顺延的第一个点P1(a1,b1),计算河道或堤防第一个点的走向角度根据河道或堤防的走向连续性和空间坐标相似性搜索河道或堤防内下一点坐标;
如果搜索到的河道或堤防点第i个点个数为1个,则依次顺延,根据内部顺延的第i个点Pi(ai,bi)和第i个点的走向角度搜索河道或堤防内部顺延的第i+1个点Pi+1(ai+1,bi+1)的坐标;i=2,3……n,循环此操作;n为河道或堤防点的总个数(包括起始点);
如果搜索到的河道或堤防点第i个点个数大于1个,则进行回溯算法,依次枚举所有满足要求的河道或堤防内点,去除不满足要求的内点,直到找到合适的满足要求的河道或堤防内部顺延的第i+1个点Pi+1(ai+1,bi+1)的坐标。
具体的,所述的基于高程散点的河道或堤防智能搜索方法,其特征在于,包括以下步骤:
步骤1)根据已知的河道或堤防的起始点(a0,b0)及内部顺延的第一个点(a1,b1),由这两个河道或堤防内部的散点计算河道或堤防的第一个点的走向角度
步骤2)根据内部顺延的第一个点(a1,b1)和第一个点的走向角度搜索河道或堤防的下一顺延点的坐标,下一顺延点同时满足走势条件和地形条件;其中,走势条件:河道或堤防内前一个点与后一个点的走向角度的差小于一个固定的角度值;地形条件:河道或堤防内前一个点与后一个点的高程值的差小于一个固定的高差值;
步骤3)依次顺延,计算第i个点的走向角度根据内部顺延的第i个点(ai,bi)和第i个点的走向角度搜索河道或堤防内部顺延的第i+1个点(ai+1,bi+1)的坐标;(i=2,3……n);
步骤4)重复进行步骤3),直到搜索到计算区域内河道或堤防的所有点。
进一步的,河道或堤防的第一个点的走向角度的计算方法为:
其中为河道或堤防的第一个点的走向角度,起始点、第一个点的坐标分别为(a0,b0)和(a1,b1)。
进一步的,第i个点的走向角度
其中,ai-1,bi-1分别为河道内第i-1个点的横坐标和纵坐标。
进一步的,走势条件:河道或堤防内前一个点的走向角度和后一个点的走向角度的差小于一个固定的角度值:
式中,分别为河道内第i、i+1个点的河道走向,Δθ为给定的角度值,Δθ的取值范围为10°~20°
更为优选的,Δθ的取值为15°。
进一步的,地形条件:河道或堤防内前一个点与后一个点的高程值的差小于一个固定的高差:
|zi-zi+1|<Δh (3)
zi、zi+1分别为河道内第i、i+1个点的高程,Δh为给定的高差值,Δh的取值范围为0.5~3m。
更为优选的,Δh的取值为1m。
进一步的,在步骤2)或步骤3)中,同时满足走势条件和地形条件的点的个数分为以下三种情况:
第一种情况,满足要求的点只有1个;
第二种情况,满足要求的点有2个以上;
第三种情况,没有满足要求的点;
对于第一种情况,所求得的点即为下一得到点的坐标(ai+1,bi+1),然后由新求得的点(ai+1,bi+1)和上一个河道坐标点(ai,bi)求得到走向角度然后重复步骤3);
对于第二种情况,对满足要求的点分别标注Q1,Q2,……,Qm,采用回溯算法依次枚举,分别选中Q1,Q2,……,Qm这m个点,重复步骤3),如果接下来的某步无法找到满足要求的河道内点,则回到此循环,返回尝试其他路径,直到找到合适的满足要求的河道内点。
对于第三种情况,对于第三种情况,在当前搜索点,临时调整Δθ和/或Δh的取值,使具有满足要求的点。
对于第三种情况,表明在特定半径和一定夹角围成的扇形区域内,找不到合适的河道内点,此时有两种原因。
第一种可能是由于河道内的点高程发生了突变,即下一个河道点与此河道点的高程差大于了Δh的第一取值,此时调大Δh,使得搜索能够继续进行,或者在此处根据实际地形进行人工确定,再继续搜索后面的点;
第二个原因是由于河道的走向发生了较大的变化,河道走向偏转的角度大于Δθ的第一取值,此时调大Δθ,使用Δθ的第二取值,将河道从此点开始分为另一块,使得分块编码的每一块河道均满足河道走势的变化小于特定角度(Δθ的第一取值)。
有益效果:本发明提供的基于高程散点的河道或堤防智能搜索方法针对只有散点高程信息的计算区域求河道或堤防分布,通过空间关系和河道或堤防走向自动步进,完成了河道的搜索。本发明解决了在仅有散点高程而无河道,堤防位置与走向等连续面上信息的情况下,通过数值方法智能搜寻和挖取河道或堤防的问题。捕捉河道堤防地理位置时,充分考虑了天然河道的走势和地势的变化特点,在河道一端基于零散高程点,通过智能搜索,从高程散点中准确定位复杂地形区域的河道(河网),堤防,计算其走向,绘制其位置。本技术可为区域复杂水动力及水环境场的计算研究做好基础资料的预处理工作,减少人工处理时间。
附图说明
图1为实施例河道搜索方法示意图;
图2为实施例散点区域河道搜索的结果;
图3为实施例散点区域分块编码示意图。
具体实施方式
下面对本发明作进一步描述。以下实施仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
本发明提出了一种基于高程散点的河道或堤防智能搜索方法,
1)选取河道的前两个点,这里选定的坐标为P0:(408457,4299293),P1:(408504,4299364),再由这两个点计算河道的起始角度:
2)随后,由河道内前一个点P1及其走向搜寻河道内下一个点P2的坐标,其中考虑到河道的地形变化,认为空间分布的对象是空间相关的,彼此相互接近的对象通常是具有相似的特性,这里选取河道内前一个点与后一个点的高程值的差小于1m,即
|zi-zi+1|<1
考虑到河道走势的变化,选取前一个点的走向角度和后一个点的走向角度的差值小于15°,即
由上述两个限制条件,求得唯一的点,即为下一个河道内点,P2:(408538,4299538)。
3)重复进行第2)步骤,直到找到河道的末端点。找到的河道点坐标依次如表1:
表1部分河道内点搜索坐标
图1为河道搜索方法示意图;图2为实施例散点区域河道搜索的结果。
当出现满足走势条件和地形条件的点的个数为0的情况,表明在特定半径和一定夹角围成的扇形区域内,找不到合适的河道内点,此时有两种原因。
第一种可能是由于河道内的点高程发生了突变,即下一个河道点与此河道点的高程差大于了Δh的第一取值1m,此时调大Δh,使得搜索能够继续进行,或者在此处根据实际地形进行人工确定,再继续搜索后面的点;
第二个原因是由于河道的走向发生了较大的变化,河道走向偏转的角度大于Δθ的第一取值15°,此时调大Δθ,使用Δθ的第二取值20°,将河道从此点开始分为另一块,使得分块编码的每一块河道均满足河道走势的变化小于特定角度15°。
如图3所示,在搜索过程中,由于河道走向偏转的角度的突变,将该区域的河道分为四个部分,每个部分的河道走势都相对缓和,河道走向没有较大的变化(走向偏转的角度小于15°)。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。

Claims (9)

1.一种基于高程散点的河道或堤防智能搜索方法,其特征在于,计算区域内有多个高程散点,用于根据散点高程信息搜索计算区域内河道或堤防分布:
根据河道或堤防的起始坐标P0(a0,b0)和内部顺延的第一个点P1(a1,b1),计算河道或堤防第一个点的走向角度根据河道或堤防的走向连续性和空间坐标相似性搜索河道或堤防内下一点坐标;
如果搜索到的河道或堤防点第i个点个数为1个,则依次顺延,根据内部顺延的第i个点Pi(ai,bi)和第i个点的走向角度搜索河道或堤防内部顺延的第i+1个点Pi+1(ai+1,bi+1)的坐标;i=2,3……n,循环此操作;n为河道或堤防点的总个数;
如果搜索到的河道或堤防点第i个点个数大于1个,则进行回溯算法,依次枚举所有满足要求的河道或堤防内点,去除不满足要求的内点,直到找到合适的满足要求的河道或堤防内部顺延的第i+1个点Pi+1(ai+1,bi+1)的坐标。
2.根据权利要求1所述的基于高程散点的河道或堤防智能搜索方法,其特征在于,包括以下步骤:
步骤1)根据已知的河道或堤防的起始点(a0,b0)及内部顺延的第一个点(a1,b1),由这两个河道或堤防内部的散点计算河道或堤防的第一个点的走向角度
步骤2)根据内部顺延的第一个点(a1,b1)和第一个点的走向角度搜索河道或堤防的下一顺延点的坐标,下一顺延点同时满足走势条件和地形条件;其中,走势条件:河道或堤防内前一个点与后一个点的走向角度的差小于一个固定的角度值;地形条件:河道或堤防内前一个点与后一个点的高程值的差小于一个固定的高差值;
步骤3)依次顺延,计算第i个点的走向角度根据内部顺延的第i个点(ai,bi)和第i个点的走向角度搜索河道或堤防内部顺延的第i+1个点(ai+1,bi+1)的坐标;(i=2,3……n);
步骤4)重复进行步骤3),直到搜索到计算区域内河道或堤防的所有点。
3.根据权利要求1或2所述的基于高程散点的河道或堤防智能搜索方法,其特征在于,河道或堤防的第一个点的走向角度的计算方法为:
其中为河道或堤防的第一个点的走向角度,起始点、第一个点的坐标分别为(a0,b0)和(a1,b1)。
4.根据权利要求1或2所述的基于高程散点的河道或堤防智能搜索方法,其特征在于,第i个点的走向角度
其中,ai-1,bi-1分别为河道内第i-1个点的横坐标和纵坐标。
5.根据权利要求2所述的基于高程散点的河道或堤防智能搜索方法,其特征在于,走势条件:河道或堤防内前一个点的走向角度和后一个点的走向角度的差小于一个固定的角度值:
式中,分别为河道内第i、i+1个点的河道走向,Δθ为给定的角度值。
6.根据权利要求5所述的基于高程散点的河道或堤防智能搜索方法,其特征在于,Δθ的取值范围为10°~20°。
7.根据权利要求2所述的基于高程散点的河道或堤防智能搜索方法,其特征在于,地形条件:河道或堤防内前一个点与后一个点的高程值的差小于一个固定的高差:
|zi-zi+1|<Δh (3)
zi、zi+1分别为河道内第i、i+1个点的高程,Δh为给定的高差值。
8.根据权利要求7所述的基于高程散点的河道或堤防智能搜索方法,其特征在于,Δh的取值范围为0.5~3m。
9.根据权利要求2所述的基于高程散点的河道或堤防智能搜索方法,其特征在于,在步骤3)中,同时满足走势条件和地形条件的点的个数分为以下三种情况:
第一种情况,满足要求的点只有1个;
第二种情况,满足要求的点有2个以上;
第三种情况,没有满足要求的点;
对于第一种情况,所求得的点即为下一得到点的坐标(ai+1,bi+1),然后由新求得的点(ai+1,bi+1)和上一个河道坐标点(ai,bi)求得到走向角度然后重复步骤3);
对于第二种情况,对满足要求的点分别标注Q1,Q2,……,Qm,采用回溯算法依次枚举,分别选中Q1,Q2,……,Qm这m个点,重复步骤3),如果接下来的某步无法找到满足要求的河道内点,则回到此循环,返回尝试其他路径,直到找到合适的满足要求的河道内点;
对于第三种情况,在当前搜索点,临时调整Δθ和/或Δh的取值,使具有满足要求的点。
CN201910359812.8A 2019-04-30 2019-04-30 一种基于高程散点的河道或堤防智能搜索方法 Expired - Fee Related CN110083673B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910359812.8A CN110083673B (zh) 2019-04-30 2019-04-30 一种基于高程散点的河道或堤防智能搜索方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910359812.8A CN110083673B (zh) 2019-04-30 2019-04-30 一种基于高程散点的河道或堤防智能搜索方法

Publications (2)

Publication Number Publication Date
CN110083673A true CN110083673A (zh) 2019-08-02
CN110083673B CN110083673B (zh) 2020-12-15

Family

ID=67417986

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910359812.8A Expired - Fee Related CN110083673B (zh) 2019-04-30 2019-04-30 一种基于高程散点的河道或堤防智能搜索方法

Country Status (1)

Country Link
CN (1) CN110083673B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101630366A (zh) * 2009-07-31 2010-01-20 中国科学院地理科学与资源研究所 大量分块地形数据的动态淹没区提取方法、装置及系统
CN102590813A (zh) * 2012-01-17 2012-07-18 中国测绘科学研究院 外部DEM辅助下的多模型InSAR相位精化方法
US20150192695A1 (en) * 2012-11-28 2015-07-09 The Second Institute Of Oceanography, Soa Automatic recognition method of continental slope foot point based on terrain grid
CN107657636A (zh) * 2017-10-16 2018-02-02 南京市测绘勘察研究院股份有限公司 一种基于车载激光雷达数据自动提取道路地形图高程点的方法
CN108010103A (zh) * 2017-11-24 2018-05-08 武汉大学 复杂河道地形快速精细生成方法
CN108320317A (zh) * 2018-02-09 2018-07-24 长江水利委员会长江科学院 一种基于高分辨率数字地形的堤防线数据提取方法
CN109166084A (zh) * 2018-09-11 2019-01-08 中南大学 一种基于邻近点梯度关系的sar几何畸变定量模拟方法
CN109242930A (zh) * 2018-11-02 2019-01-18 中国石油大学(华东) 一种用于数字线划图的高程点与等高线空间逻辑关系检测方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101630366A (zh) * 2009-07-31 2010-01-20 中国科学院地理科学与资源研究所 大量分块地形数据的动态淹没区提取方法、装置及系统
CN102590813A (zh) * 2012-01-17 2012-07-18 中国测绘科学研究院 外部DEM辅助下的多模型InSAR相位精化方法
US20150192695A1 (en) * 2012-11-28 2015-07-09 The Second Institute Of Oceanography, Soa Automatic recognition method of continental slope foot point based on terrain grid
CN107657636A (zh) * 2017-10-16 2018-02-02 南京市测绘勘察研究院股份有限公司 一种基于车载激光雷达数据自动提取道路地形图高程点的方法
CN108010103A (zh) * 2017-11-24 2018-05-08 武汉大学 复杂河道地形快速精细生成方法
CN108320317A (zh) * 2018-02-09 2018-07-24 长江水利委员会长江科学院 一种基于高分辨率数字地形的堤防线数据提取方法
CN109166084A (zh) * 2018-09-11 2019-01-08 中南大学 一种基于邻近点梯度关系的sar几何畸变定量模拟方法
CN109242930A (zh) * 2018-11-02 2019-01-18 中国石油大学(华东) 一种用于数字线划图的高程点与等高线空间逻辑关系检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
唐从国,刘丛: "基于DEM提取流域河网研究", 《辽宁工程技术大学学报》 *
王玉着: "地形自适应的高精度河网提取及其典型应用", 《博士学位论文电子期刊》 *

Also Published As

Publication number Publication date
CN110083673B (zh) 2020-12-15

Similar Documents

Publication Publication Date Title
CN106202265B (zh) 流域大尺度复杂河网海量精细规则网格的绘编方法
CN105574929A (zh) 一种基于地面LiDAR点云数据的单株植被三维建模方法
CN102779231B (zh) 基于邻近的坐标转换参数计算方法
CN103236086A (zh) 一种顾及地表水文上下文的多尺度dem建模方法
CN106503060A (zh) 一种输电线路三维点云数据处理及交跨物获取方法
CN103954970B (zh) 一种地形要素采集方法
CN105654483A (zh) 三维点云全自动配准方法
CN109145376A (zh) 一种基于cad地形图的水库淹没范围确定方法
CN108804805B (zh) 一种自动提取多条河流流域出口点的方法
CN110135056B (zh) 一种河道内桥墩有效阻水比的快速自动分析方法
CN106845623A (zh) 一种基于人工鱼群算法的电力无线专网基站规划方法
CN108627798A (zh) 基于线性判别分析和梯度提升树的wlan室内定位算法
CN108090164B (zh) 一种流域大尺度计算海量网格的编码方法
CN108256218A (zh) 一种基于实测腰线数据的地下连通巷道精细建模方法
CN113434928A (zh) 一种复杂三维线性结构的参数化建造方法
CN109736720A (zh) 一种基于改进Kriging模型的深海连接器密封结构优化方法
CN109031235A (zh) 快速获取雷达基本反射率三维等值线数据的方法
CN106910218B (zh) 基于大区域栅格数字高程模型的地表表面面积计算方法
CN108897940A (zh) 基于矩形网格的分布式水文模型和二维水动力模型的单向耦合方法
CN110990923A (zh) 水利水电工程双曲拱坝的快速工程计算方法、系统及介质
CN108230452A (zh) 一种基于纹理合成的模型补洞方法
CN104537254B (zh) 一种基于社会统计数据的精细化制图方法
CN111241228B (zh) 基于矢量数据与图形化处理技术的综合制图方法
CN109711680A (zh) 基于gis数字化技术的河流水电规划方法
CN110083673A (zh) 一种基于高程散点的河道或堤防智能搜索方法

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20201215