CN110517334A - 一种矢量地图数据获取的方法及装置 - Google Patents
一种矢量地图数据获取的方法及装置 Download PDFInfo
- Publication number
- CN110517334A CN110517334A CN201810486439.8A CN201810486439A CN110517334A CN 110517334 A CN110517334 A CN 110517334A CN 201810486439 A CN201810486439 A CN 201810486439A CN 110517334 A CN110517334 A CN 110517334A
- Authority
- CN
- China
- Prior art keywords
- map
- methods based
- image
- segmentation methods
- image segmentation
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/60—Editing figures and text; Combining figures or text
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Processing Or Creating Images (AREA)
Abstract
本申请公开了一种矢量地图数据获取的方法及装置,该方法包括:根据获取的待矢量化的地图图片,确定所获取的地图图片对应的二值化地图图像,对所述二值化地图图像进行骨架提取,生成骨架二值化地图图像,根据所生成的骨架二值化地图图像提取携带有图像像素坐标的特征分割段,将图像像素坐标转换成地理坐标,并根据携带有地理坐标的特征分割段,生成所获取的地图图片对应的矢量地图数据。通过上述方法,本申请的整个流程是自动识别并提取特征分割段,从而生成矢量地图数据,无需人为介入,提高了矢量地图数据获取的效率,与此同时,骨架二值化地图图像可以精准反映出地图图片内道路的情况,从而能够提高矢量地图数据所包含的矢量道路的准确率。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种矢量地图数据获取的方法及装置。
背景技术
目前,为了更新已有的电子地图数据,服务商通常会获知网站上显示的地图图像对应的矢量地图数据,后续,可根据所获知的矢量地图数据更新已有的电子地图数据。
在现有技术中,获知网站上显示的地图图像对应的矢量地图数据的主要方式是,人工根据网站上所显示的地图图像,通过辅助工具重绘矢量道路,从而得到地图图像对应的矢量地图数据。
显然,在现有技术中,人工通过辅助工具重绘矢量道路来得到矢量地图数据的效率低,并且,由于是人工绘制矢量道路,会存在人为因素干扰,因此,会使得绘制出的矢量道路的不准确,从而得到地图图像对应的矢量地图数据准确率较低。
发明内容
有鉴于此,本申请实施例提供一种矢量地图数据获取的方法及装置,相比于现有的获知网站上显示的地图图像对应的矢量地图数据的方法,能够提高矢量地图数据获取的效率,减少人工干预,提高矢量地图数据所包含的矢量道路的准确率。
为解决上述技术问题,本申请实施例公开一种矢量地图数据获取的方法,该方法包括:
根据获取的待矢量化的地图图片,确定所获取的地图图片对应的二值化地图图像;
对所述二值化地图图像进行骨架提取,生成骨架二值化地图图像;
根据所生成的骨架二值化地图图像提取特征分割段,其中,所述特征分割段携带有图像像素坐标,且所述特征分割段表征所获取的地图图像中的道路;
将所述特征分割段所携带的图像像素坐标转换成地理坐标;
根据携带有地理坐标的特征分割段,生成所获取的地图图片对应的矢量地图数据。
为了实现上述矢量地图数据获取的方法,本申请实施例公开一种矢量地图数据获取的装置,该装置包括:
确定模块,用于根据获取的待矢量化的地图图片,确定所获取的地图图片对应的二值化地图图像;
骨架图像生成模块,用于对所述二值化地图图像进行骨架提取,生成骨架二值化地图图像;
提取模块,用于根据所生成的骨架二值化地图图像提取特征分割段,其中,所述特征分割段携带有图像像素坐标,且所述特征分割段表征所获取的地图图像中的道路;
转换模块,用于将所述特征分割段所携带的图像像素坐标转换成地理坐标;
地图数据生成模块,用于根据携带有地理坐标的特征分割段,生成所获取的地图图片对应的矢量地图数据。
为了实现上述矢量地图数据获取的装置,本申请实施例公开一种处理设备,用于执行矢量地图数据获取装置。
另外,本申请实施例还公开一种存储介质,其上存储有程序数据,所述程序数据用于被处理器执行时实现矢量地图数据获取方法。
本申请实施例公开一种矢量地图数据获取的方法及装置,该方法能够产生以下有益效果:
相比于现有的获知网站上显示的地图图像对应的矢量地图数据的方法,本申请的整个流程是自动识别并提取特征分割段(即,道路),从而生成包含特征分割段的矢量地图数据,无需人为介入,提高了矢量地图数据获取的效率,与此同时,骨架二值化地图图像内两种数值的像素点能够精准的反映出哪些是道路,这样在确定所获取的地图图片内的道路时能够准确确定出道路且无需人工介入,因此,能够提高矢量地图数据所包含的矢量道路的准确率。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例提供的矢量地图数据获取的过程;
图2为本申请实施例提供的两张截屏的地图图像;
图3为本申请实施例提供的一种二值化地图图像;
图4为本申请实施例提供的一种骨架二值化地图图像;
图5为本申请实施例提供的一种特征分割段示意图;
图6a为本申请实施例提供的第一种指定条件合并前示意图;
图6b为本申请实施例提供的第一种指定条件合并后示意图;
图7a为本申请实施例提供的一种第二种指定条件合并前示意图;
图7b为本申请实施例提供的一种第二种指定条件合并后示意图;
图8a为本申请实施例提供的另一种第二种指定条件合并前示意图;
图8b为本申请实施例提供的另一种第二种指定条件合并后示意图;
图9为本申请实施例提供的一种矢量地图图像;
图10为本申请实施例提供的一种矢量地图数据获取的装置结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
图1为本申请实施例提供的矢量地图数据获取的过程,具体包括以下步骤:
S101:根据获取的待矢量化的地图图片,确定所获取的地图图片对应的二值化地图图像。
在实际生活中,为了更新已有的电子地图数据,服务商通常会获知网站上显示的地图图像对应的矢量地图数据,后续,可根据所获知的矢量地图数据更新已有的电子地图数据,而在本申请中,想要获知网站上显示的地图图像对应的矢量地图数据首先需要获取网站上显示的地图图像,即,获取待矢量化的地图图片。
在此需要说明的是,在本申请中,可以访问显示有地图图像的网站,截取网站中所显示的地图图像,并将所截取的地图图像作为待矢量化的地图图片,也就是通过访问地图应用软件(或网址)及其后台的接口获取其最新的地图数据,具体的,在官网注册申请访问权限以获取访问权限,通过对方提供的统一资源定位符访问地图数据并截屏,如图2所示,图2为所截屏的两个地图图像,每个地图图像的大小为526*526。
在此还需要说明的是,在实际应用中,所截取的地图图像通常是彩色的。
进一步的,由于通常所获取到的已更新数据的地图图片是彩色的,后续为了更好的区分地图图片中道路部分和非道路部分,因此,在本申请中,需要根据所获取的地图图片,确定所获取的地图图片对应的二值化地图图像,具体可以通过由深度学习网络训练得到的二值化生成模型,确定所获取的地图图片对应的二值化地图图像,如图3所示,所有道路的颜色变成白色,背景变成黑色,使图像上只保留两种颜色。
S102:对所述二值化地图图像进行骨架提取,生成骨架二值化地图图像。
进一步的,为了后续更好地提取特征像素,在本申请中,可以通过骨架细化算法,对所述二值化地图图像进行骨架提取,生成骨架二值化地图图像。
进一步的,在本申请中,可以调用skimage库下的morphology子模块对二值化地图图像进行骨架提取,生成骨架二值化地图图像,如图4所示,图4是对图3所示的二值化地图图像进行骨架提取所生成的骨架二值化地图图像。
S103:根据所生成的骨架二值化地图图像提取特征分割段。
进一步的,由于矢量地图是基于矢量地图数据所生成的,因此,在本申请中,矢量地图数据内包含有道路及其地理坐标。
进一步的,由于矢量地图数据内包含有道路,因此,在本申请中,生成骨架二值化地图图像之后,需要根据所生成的骨架二值化地图图像提取特征分割段。
在此需要说明的是,本申请在根据所生成的骨架二值化地图图像提取特征分割段可以通过N×N内核遍历所生成的骨架二值化地图图像的像素点,其中,N为大于1的整数,确定特征像素点以及特征像素点的图像像素坐标,根据所确定出的特征像素点以及特征像素点的图像像素坐标,提取特征分割段以及特征像素点的图像像素坐标。
在此需要说明的是,特征分割段表征所获取的地图图片中的道路,特征像素点指的是实际道路所对应的像素点,在骨架二值化地图图像中为白色像素点。
进一步的,本申请给出了一种确定特征像素点,根据所确定出的特征像素点,提取特征分割段的实施方式,可以按照通过所述N×N内核遍历所生成的骨架二值化地图图像内每N×N个像素的前后顺序,针对通过所述N×N内核遍历的每个N×N个像素,从第一个所述N×N个像素中的一特征像素点开始,该一特征像素点作为起始特征像素点,确定该起始特征像素点的水平特征像素点和竖直特征像素点,并将该起始特征像素点分别与所述水平特征像素点和所述竖直特征像素点相连接;其中,所述水平特征像素点和所述竖直特征像素分别为与所述起始特征像素点水平相邻的特征像素点和竖直相邻的特征像素点,确定与该起始特征像素点对角相邻且分别与所述水平特征像素点和竖直特征像素点不相邻的对角特征像素点,并连接该起始特征像素点及其所确定出的对角特征像素点,直到连接所述N×N个像素内包含的所有特征像素点,再重复上述步骤连接第二个所述N×N个像素内的特征像素点,直到最后一个N×N个像素内的特征像素点均按照上述过程连接完毕后,也就是说,此时所生成的骨架二值化地图图像中的所有特征像素点均被连接完毕,最后将所生成的骨架二值化地图图像内连接特征像素点所构成的线段作为特征分割段并提取。假设图5为通过N×N内核遍历特征像素点的过程中的第一个N×N个像素,从该N×N个像素中的一特征像素点a开始,确定与该特征像素点a水平相邻的水平特征像素点b,并连接该特征像素点a及其水平相邻的水平特征像素点b,再确定与该特征像素点a对角相邻且与水平相邻的水平特征像素点b不相邻的对角特征像素点c,并连接该特征像素点a及其所确定出的对角特征像素点c,后续分别以所连接的特征像素点b以及特征像素点c为基础,重复上述连接确定方式,直到连接该N×N个像素包含的所有特征像素点,形成如图5所示的线段,图5所包含的线段由特征像素点连接而成。
在此需要说明的是,特征分割段指的是由所提取的特征像素点构成的道路线段中,相邻两个相交点所构成的线段,表示一段道路。另外,通过N×N内核遍历所生成的骨架二值化地图图像的像素点的过程是对骨架二值化地图图像中每N×N个像素区域进行提取特征像素点的操作,并且,由于二值化地图图像中不同颜色的像素点所对应的像素值是不同的,因此,在本申请中,提取特征像素点是通过像素值来确定哪些是像素是特征像素点。
在此还需要说明的是,确定与该特征像素点水平相邻的水平特征像素点和竖直相邻的竖直特征像素点指的是该特征像素点相邻的上下左右的特征像素点,而确定与该特征像素点对角相邻且分别与所述水平相邻的水平特征像素点和竖直相邻的竖直特征像素点不相邻的对角特征像素点指的是该特征像素点相邻的左上、右上、左下以及右下的特征像素点。
以上根据所生成的骨架二值化地图图像提取特征分割段的实施方式不仅仅局限于上述一种,具体什么样的确定规则以及连接规则可根据实际情况而定,例如,根据所生成的骨架二值化地图图像提取特征分割段的实施方式还可以针对通过所述N×N内核遍历的每个N×N个像素,将所述N×N个像素内的每两个相邻的特征像素点连接起来,在所连接的特征像素点内确定三角形,将三角形的斜边删除,直到所有的N×N个像素中的特征像素点都连接完成,将所生成的骨架二值化地图图像内连接特征像素点所构成的线段作为特征分割段并提取。
另外,在本申请中,在根据所生成的骨架二值化地图图像提取特征分割段后,可将特征分割段添加到预先建立的列表中,该列表中存储了特征分割段及其所携带的图像像素坐标,可以在一个列表中添加所有所提取的特征分割段及其所携带的图像像素坐标,也可以每个列表只添加部分特征分割段及其所携带的图像像素坐标,具体可以根据实际情况而定,后续,可根据列表生成矢量文件。
S104:将所述特征分割段所携带的图像像素坐标转换成地理坐标。
进一步,由于矢量地图数据内除了包含有道路,还包含有地理坐标,因此,在本申请中,在骨架二值化地图图像内提取出特征分割段后,还需要确定特征分割段携带的地理坐标。
进一步的,由于所提取的特征分割段携带有图像像素坐标,因此,在本申请中,可根据所提取的特征分割段携带的图像像素坐标确定地理坐标,具体可以根据竞争对手官网提供的接口确定所截屏的地图图像的屏幕坐标以及该所截屏的地图图像的中心点地理坐标(minX,minY),并通过转换公式lon=x*0.0000214576721+minX以及lat=minY+0.02197265625-y*0.0000214576721,将则所截屏的地图图像上任何一点(x,y)转换成地理坐标(lon,lat),其中,lon指经度,lat指纬度,0.0000214576721是指所截屏的地图图像上一个像素代表的实际距离,单位是度。后续,可调用开源空间数据转换库,根据转换后的特征分割段携带的地理坐标,使用C#语言生成所获取的地图图像对应的矢量地图数据。
S105:根据携带有地理坐标的特征分割段,生成所获取的地图图片对应的矢量地图数据。
进一步的,在本申请中,在将特征分割段携带的图像像素坐标转换成地理坐标之后,可以直接根据所提取的特征分割段及其携带的地理坐标生成所获取的地图图片对应的矢量地图数据,也可以当携带有地理坐标的特征分割段满足指定条件时,对特征分割段进行合并,生成特征多段线,从而生成所获取的地图图片对应的矢量地图数据,降低所提取的特征分割段的无效特征分割段。
在此需要说明的是,本申请给出了实际应用中遇到的两种指定条件,如下:
第一种指定条件:当携带有地理坐标的特征分割段构成矩形,且矩形面积超过预设的第一阈值时,将特征分割段所构成的矩形内部十字相交的特征分割段删除,其中,所述矩形内部由十字相交的特征分割段构成,如图6a和图6b所示,图6a为在骨架二值化地图图像中所确定出的分割段,图6b为对在骨架二值化地图图像中所确定出的分割段合并后的特征多段线。
在此需要说明的是,第一阈值可以设定为N×N个像素点面积之和,也可以根据实际情况设定为其他值。
第二种指定条件:当携带有地理坐标的特征分割段构成梯子形,梯子形内的横杆特征分割段的长度为预设的第二阈值时,将梯子形内的横杆特征分割段删除,其中,所述梯子形包括至少一条横杆特征分割段和两条竖杆特征分割段,所述竖杆特征分割段互不相交,所述横杆特征分割段互不相交,所述横杆特征分割段与两条所述竖杆特征分割段均相交,如图7a、图7b、图8a和图8b所示,图7a和8a为在骨架二值化地图图像中所确定出的分割段,图7b和图8b为对在骨架二值化地图图像中所确定出的分割段合并后的特征多段线。
在此需要说明的是,梯子形内的横杆特征分割段的数量是任意的,其次,第二阈值可以设定为1个像素点距离,也可以根据实际情况设定为其他值,另外,两条梯子形内的竖杆特征分割段可以是平行的,也可以是不平行的,可是直线,也可以是曲线,只要满足上述第二种指定条件,就可以将梯子形内的横杆特征分割段删除。
另外,在本申请中,矢量地图数据可以以矢量文件的形式获取的,也就是说,矢量文件中是包含矢量地图数据的。
通过上述方法,相比于现有的获知网站上显示的地图图像对应的矢量地图数据的方法,本申请的整个流程是自动识别并提取特征分割段(即,道路),从而生成包含特征分割段的矢量地图数据,无需人为介入,提高了矢量地图数据获取的效率,与此同时,骨架二值化地图图像内两种数值的像素点能够精准的反映出哪些是道路,这样在确定所获取的地图图片内的道路时能够准确确定出道路且无需人工介入,因此,能够提高矢量地图数据所包含的矢量道路的准确率。
进一步的,由于特征分割段的形状点过多,对后续的存储和操作带来不便,因此,在本申请中,可对所生成的矢量地图数据中包含的特征分割段进行抽稀。
在此需要说明的是,由于特征分割段实际表示的是道路形状,因此,可对所生成的矢量地图数据中包含的特征分割段进行抽稀也可以说是对所生成的矢量地图数据中包含的道路形状进行抽稀,另外,本申请在抽稀的过程中,可以采用道格拉斯-普客抽稀算法,抽稀后的矢量地图数据在地图平台展示如图9,图9内的灰色线段即为抽稀后的矢量地图图像。
进一步的,在本申请中,想要根据所生产的地图图片对应的矢量地图数据更新已有的电子地图数据,可以根据所生成的地图图片对应的矢量地图数据,通过差分除重的方式确定所获取的地图图片更新的数据。
在此需要说明的是,根据所生成的地图图片对应的矢量地图数据,通过差分除重的方式确定所获取的地图图片更新的数据具体是,针对所生成的地图图片对应的矢量地图数据,先获取与该地图图片对应的矢量地图数据表示同一地区,但不同时间段的历史矢量地图数据,再将所获取的历史矢量地图数据与所生成的地图图片对应的矢量地图数据进行比对(即,差分除重),确定哪些地图数据是竞争对手所更新的数据。
以上为本申请实施例提供的矢量地图数据获取的方法,基于同样的思路,本申请实施例还提供一种矢量地图数据获取的装置,如图10所示。
图10为本申请实施例提供的一种矢量地图数据获取的装置结构示意图,包括:
确定模块1001,用于根据获取的待矢量化的地图图片,确定所获取的地图图片对应的二值化地图图像;
骨架图像生成模块1002,用于对所述二值化地图图像进行骨架提取,生成骨架二值化地图图像;
提取模块1003,用于根据所生成的骨架二值化地图图像提取特征分割段,其中,所述特征分割段携带有图像像素坐标,且所述特征分割段表征所获取的地图图像中的道路;
转换模块1004,用于将所述特征分割段所携带的图像像素坐标转换成地理坐标;
地图数据生成模块1005,用于根据携带有地理坐标的特征分割段,生成所获取的地图图片对应的矢量地图数据。
所述装置还包括:
获取模块1006,用于访问显示有地图图像的网站,截取所述网站中所显示的地图图像,并将所截取的地图图像的截图作为待矢量化的地图图片。
所述提取模块1003具体用于,通过N×N内核遍历所生成的骨架二值化地图图像的像素点,其中,N为大于1的整数,确定特征像素点以及特征像素点的图像像素坐标,根据所确定出的特征像素点以及特征像素点的图像像素坐标,提取特征分割段以及特征分割段的图像像素坐标。
所述提取模块1003还用于,针对通过所述N×N内核遍历的每个N×N个像素,从所述N×N个像素中的一特征像素点开始,该一特征像素点作为起始特征像素点,确定该起始特征像素点的水平特征像素点和竖直特征像素点,并将该起始特征像素点分别与所述水平特征像素点和所述竖直特征像素点相连接;其中,所述水平特征像素点和所述竖直特征像素分别为与所述起始特征像素点水平相邻的特征像素点和竖直相邻的特征像素点,确定与该起始特征像素点对角相邻且分别与所述水平特征像素点和竖直特征像素点不相邻的对角特征像素点,并连接该起始特征像素点及其所确定出的对角特征像素点,直到连接所述N×N个像素包含的所有特征像素点,将所生成的骨架二值化地图图像内连接特征像素点所构成的线段作为特征分割段并提取。
所述地图数据生成模块1005具体用于,当携带有地理坐标的特征分割段满足指定条件时,对特征分割段进行合并,生成特征多段线,根据所生成的特征多段线,生成所获取的地图图片对应的矢量地图数据。
所述地图数据生成模块1005还用于,当携带有地理坐标的特征分割段构成矩形,且矩形面积超过预设的第一阈值时,将特征分割段所构成的矩形内部十字相交的特征分割段删除,其中,所述矩形内部由十字相交的特征分割段构成,当携带有地理坐标的特征分割段构成梯子形,梯子形内的横杆特征分割段的长度为预设的第二阈值时,将梯子形内的横杆特征分割段删除,其中,所述梯子形包括至少一条横杆特征分割段和两条竖杆特征分割段,所述竖杆特征分割段互不相交,所述横杆特征分割段互不相交,所述横杆特征分割段与两条所述竖杆特征分割段均相交。
在所述地图数据生成模块1005根据携带有地理坐标的特征分割段,生成所获取的地图图片对应的矢量地图数据后,所述装置还包括:
更新模块1007,用于根据所生成的矢量地图数据,通过差分除重的方式确定所获取的地图图片更新的数据。
为了实现上述矢量地图数据获取的装置,本申请实施例还提供一种处理设备,该设备可以包括上述执行矢量地图数据获取装置,或者就是该执行矢量地图数据获取的装置。
另外,本申请还提供了一种存储介质,其上存储有程序数据,所述程序数据用于被处理器执行时实现矢量地图数据获取方法。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商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、商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、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (14)
1.一种矢量地图数据获取方法,其特征在于,包括:
根据获取的待矢量化的地图图片,确定所获取的地图图片对应的二值化地图图像;
对所述二值化地图图像进行骨架提取,生成骨架二值化地图图像;
根据所生成的骨架二值化地图图像提取特征分割段,其中,所述特征分割段携带有图像像素坐标,且所述特征分割段表征所获取的地图图像中的道路;
将所述特征分割段所携带的图像像素坐标转换成地理坐标;
根据携带有地理坐标的特征分割段,生成所获取的地图图片对应的矢量地图数据。
2.如权利要求1所述的方法,其特征在于,该方法还包括:
访问显示有地图图像的网站;
截取所述网站中所显示的地图图像,并将所截取的地图图像的截图作为获取的待矢量化的地图图片。
3.如权利要求1所述的方法,其特征在于,所述根据所生成的骨架二值化地图图像提取特征分割段,具体包括:
通过N×N内核遍历所生成的骨架二值化地图图像的像素点,其中,N为大于1的整数,确定特征像素点以及特征像素点的图像像素坐标;
根据所确定出的特征像素点以及特征像素点的图像像素坐标,提取特征分割段以及特征分割段的图像像素坐标。
4.如权利要求3所述的方法,其特征在于,根据所确定出的特征像素点,提取特征分割段,具体包括:
针对通过所述N×N内核遍历的每个N×N个像素,从所述N×N个像素中的一特征像素点开始,该一特征像素点作为起始特征像素点;
确定该起始特征像素点的水平特征像素点和竖直特征像素点,并将该起始特征像素点分别与所述水平特征像素点和所述竖直特征像素点相连接;其中,所述水平特征像素点和所述竖直特征像素分别为与所述起始特征像素点水平相邻的特征像素点和竖直相邻的特征像素点;
确定与该起始特征像素点对角相邻且分别与所述水平特征像素点和竖直特征像素点不相邻的对角特征像素点,并连接该起始特征像素点及其所确定出的对角特征像素点,直到连接所述N×N个像素包含的所有特征像素点;
将所生成的骨架二值化地图图像内连接特征像素点所构成的线段作为特征分割段并提取。
5.如权利要求1所述的方法,其特征在于,所述根据携带有地理坐标的特征分割段,生成所获取的地图图片对应的矢量地图数据,具体包括:
当携带有地理坐标的特征分割段满足指定条件时,对特征分割段进行合并,生成特征多段线;
根据所生成的特征多段线,生成所获取的地图图片对应的矢量地图数据。
6.如权利要求5所述的方法,其特征在于,当携带有地理坐标的特征分割段满足指定条件时,对特征分割段进行合并,具体包括:
当携带有地理坐标的特征分割段构成矩形,且矩形面积超过预设的第一阈值时,将特征分割段所构成的矩形内部十字相交的特征分割段删除,其中,所述矩形内部由十字相交的特征分割段构成;
当携带有地理坐标的特征分割段构成梯子形,梯子形内的横杆特征分割段的长度为预设的第二阈值时,将梯子形内的横杆特征分割段删除,其中,所述梯子形包括至少一条横杆特征分割段和两条竖杆特征分割段,所述竖杆特征分割段互不相交,所述横杆特征分割段互不相交,所述横杆特征分割段与两条所述竖杆特征分割段均相交。
7.如权利要求1所述的方法,其特征在于,在根据携带有地理坐标的特征分割段,生成所获取的地图图片对应的矢量地图数据后,所述方法还包括:
根据所生成的矢量地图数据,通过差分除重的方式确定所获取的地图图片更新的数据。
8.一种矢量地图数据获取装置,其特征在于,包括:
确定模块,用于根据获取的待矢量化的地图图片,确定所获取的地图图片对应的二值化地图图像;
骨架图像生成模块,用于对所述二值化地图图像进行骨架提取,生成骨架二值化地图图像;
提取模块,用于根据所生成的骨架二值化地图图像提取特征分割段,其中,所述特征分割段携带有图像像素坐标,且所述特征分割段表征所获取的地图图像中的道路;
转换模块,用于将所述特征分割段所携带的图像像素坐标转换成地理坐标;
地图数据生成模块,用于根据携带有地理坐标的特征分割段,生成所获取的地图图片对应的矢量地图数据。
9.如权利要求8所述的装置,其特征在于,所述装置还包括:
获取模块,用于访问显示有地图图像的网站,截取所述网站中所显示的地图图像,并将所截取的地图图像的截图作为待矢量化的地图图片。
10.如权利要求8所述的装置,其特征在于,所述提取模块具体用于,通过N×N内核遍历所生成的骨架二值化地图图像的像素点,其中,N为大于1的整数,确定特征像素点以及特征像素点的图像像素坐标,根据所确定出的特征像素点以及特征像素点的图像像素坐标,提取特征分割段以及特征分割段的图像像素坐标。
11.如权利要求8所述的装置,其特征在于,所述地图数据生成模块具体用于,当携带有地理坐标的特征分割段满足指定条件时,对特征分割段进行合并,生成特征多段线,根据所生成的特征多段线,生成所获取的地图图片对应的矢量地图数据。
12.如权利要求11所述的装置,其特征在于,所述地图数据生成模块还用于,当携带有地理坐标的特征分割段构成矩形,且矩形面积超过预设的第一阈值时,将特征分割段所构成的矩形内部十字相交的特征分割段删除,其中,所述矩形内部由十字相交的特征分割段构成,当携带有地理坐标的特征分割段构成梯子形,梯子形内的横杆特征分割段的长度为预设的第二阈值时,将梯子形内的横杆特征分割段删除,其中,所述梯子形包括至少一条横杆特征分割段和两条竖杆特征分割段,所述竖杆特征分割段互不相交,所述横杆特征分割段互不相交,所述横杆特征分割段与两条所述竖杆特征分割段均相交。
13.一种存储介质,其上存储有程序数据,其特征在于,所述程序数据用于被处理器执行时实现权利要求1-7中任一项所述的矢量地图数据获取方法。
14.一种处理设备,其特征在于,用于执行权利要求8-12中任一项所述的矢量地图数据获取装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810486439.8A CN110517334B (zh) | 2018-05-21 | 2018-05-21 | 一种矢量地图数据获取的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810486439.8A CN110517334B (zh) | 2018-05-21 | 2018-05-21 | 一种矢量地图数据获取的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110517334A true CN110517334A (zh) | 2019-11-29 |
CN110517334B CN110517334B (zh) | 2023-06-23 |
Family
ID=68621479
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810486439.8A Active CN110517334B (zh) | 2018-05-21 | 2018-05-21 | 一种矢量地图数据获取的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110517334B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112066997A (zh) * | 2020-08-25 | 2020-12-11 | 海南太美航空股份有限公司 | 高清航线地图的导出方法及系统 |
CN112164110A (zh) * | 2020-09-02 | 2021-01-01 | 南京星耀智能科技有限公司 | 一种基于骨骼化图片发现道路关键位置的方法 |
CN112733621A (zh) * | 2020-12-25 | 2021-04-30 | 江西裕丰智能农业科技有限公司 | 一种地图高精度信息识别方法 |
CN113343858A (zh) * | 2021-06-10 | 2021-09-03 | 广州海格通信集团股份有限公司 | 路网地理位置识别方法、装置、电子设备及存储介质 |
CN114581667A (zh) * | 2022-03-04 | 2022-06-03 | 北京百度网讯科技有限公司 | 地图数据处理方法、装置、电子设备和存储介质 |
WO2023216251A1 (zh) * | 2022-05-13 | 2023-11-16 | 华为技术有限公司 | 地图生成方法、模型训练方法、可读介质和电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102332168A (zh) * | 2011-09-08 | 2012-01-25 | 南京大学 | 一种基于v图的栅格地图矢量化方法 |
CN102930561A (zh) * | 2012-10-22 | 2013-02-13 | 南京大学 | 一种基于Delaunay三角网的栅格地图矢量化方法 |
WO2014101507A1 (zh) * | 2012-12-26 | 2014-07-03 | 腾讯科技(深圳)有限公司 | 一种在线用户分布的处理方法、装置以及存储介质 |
CN104317876A (zh) * | 2014-10-21 | 2015-01-28 | 百度在线网络技术(北京)有限公司 | 路网矢量数据的生成方法及装置 |
CN106067003A (zh) * | 2016-05-27 | 2016-11-02 | 山东科技大学 | 一种车载激光扫描点云中道路矢量标识线自动提取方法 |
CN107631733A (zh) * | 2016-07-19 | 2018-01-26 | 北京四维图新科技股份有限公司 | 基于浮动车轨迹发现新增道路的方法、装置以及服务器 |
-
2018
- 2018-05-21 CN CN201810486439.8A patent/CN110517334B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102332168A (zh) * | 2011-09-08 | 2012-01-25 | 南京大学 | 一种基于v图的栅格地图矢量化方法 |
CN102930561A (zh) * | 2012-10-22 | 2013-02-13 | 南京大学 | 一种基于Delaunay三角网的栅格地图矢量化方法 |
WO2014101507A1 (zh) * | 2012-12-26 | 2014-07-03 | 腾讯科技(深圳)有限公司 | 一种在线用户分布的处理方法、装置以及存储介质 |
CN104317876A (zh) * | 2014-10-21 | 2015-01-28 | 百度在线网络技术(北京)有限公司 | 路网矢量数据的生成方法及装置 |
CN106067003A (zh) * | 2016-05-27 | 2016-11-02 | 山东科技大学 | 一种车载激光扫描点云中道路矢量标识线自动提取方法 |
CN107631733A (zh) * | 2016-07-19 | 2018-01-26 | 北京四维图新科技股份有限公司 | 基于浮动车轨迹发现新增道路的方法、装置以及服务器 |
Non-Patent Citations (5)
Title |
---|
ZHIZHANG HU 等: "Study on Autonomous Obstacle Avoidance Based On Guidance", 《MATEC WEB OF CONFERENCES》 * |
丁磊等: "矢量数据辅助的高分辨率遥感影像道路自动提取", 《遥感学报》 * |
刘新贵等: "彩色图像中线状目标提取的透镜跟踪法", 《测绘科学》 * |
朱园媛等: "侧视地图中建筑物轮廓线提取的三维城市模型法", 《测绘学报》 * |
李月华等: "基于遥感的矢量电子地图质量提升自动化方法研究", 《北京测绘》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112066997A (zh) * | 2020-08-25 | 2020-12-11 | 海南太美航空股份有限公司 | 高清航线地图的导出方法及系统 |
CN112164110A (zh) * | 2020-09-02 | 2021-01-01 | 南京星耀智能科技有限公司 | 一种基于骨骼化图片发现道路关键位置的方法 |
CN112733621A (zh) * | 2020-12-25 | 2021-04-30 | 江西裕丰智能农业科技有限公司 | 一种地图高精度信息识别方法 |
CN113343858A (zh) * | 2021-06-10 | 2021-09-03 | 广州海格通信集团股份有限公司 | 路网地理位置识别方法、装置、电子设备及存储介质 |
CN113343858B (zh) * | 2021-06-10 | 2024-03-12 | 广州海格通信集团股份有限公司 | 路网地理位置识别方法、装置、电子设备及存储介质 |
CN114581667A (zh) * | 2022-03-04 | 2022-06-03 | 北京百度网讯科技有限公司 | 地图数据处理方法、装置、电子设备和存储介质 |
WO2023216251A1 (zh) * | 2022-05-13 | 2023-11-16 | 华为技术有限公司 | 地图生成方法、模型训练方法、可读介质和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110517334B (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110517334A (zh) | 一种矢量地图数据获取的方法及装置 | |
CN107564087B (zh) | 一种基于屏幕的三维线状符号渲染方法 | |
CN107423445A (zh) | 一种地图数据处理方法、装置及存储介质 | |
CN109598794A (zh) | 三维gis动态模型的构建方法 | |
CN107977992A (zh) | 一种基于无人机激光雷达的建筑物变化检测方法及装置 | |
CN103020888B (zh) | 图像平移更新显示方法和系统 | |
CN106123898A (zh) | 基于图片解析的室内路径规划方法 | |
CN110580273B (zh) | 地图gis数据处理存储方法、装置、可读存储介质 | |
CN102289823B (zh) | 获取显示设备上图形面积的方法和装置 | |
CN110163786A (zh) | 一种去除水印的方法、装置及设备 | |
CN104318605A (zh) | 矢量实线与三维地形的并行贴合渲染方法 | |
CN111583381A (zh) | 游戏资源图的渲染方法、装置及电子设备 | |
CN104376050A (zh) | 一种在三维场景动态调度并显示海量矢量数据的方法 | |
CN105138311B (zh) | 一种提高图形绘制效率的方法及装置 | |
CN109657728A (zh) | 样例生产方法及模型训练方法 | |
CN107590776A (zh) | 图像处理装置和图像处理方法 | |
CN111241228B (zh) | 基于矢量数据与图形化处理技术的综合制图方法 | |
CN107369138A (zh) | 基于高阶统计模型的图像最优化显示方法 | |
CN117058338A (zh) | 基于cad的三维建筑模型构建方法、系统、设备及介质 | |
CN106373192A (zh) | 一种非拓扑一致性三维网格块体追踪算法 | |
CN104182993B (zh) | 一种目标跟踪的方法 | |
CN114154680A (zh) | 一种城市地面塌陷预测方法、装置及电子设备 | |
CN109241207A (zh) | 一种在地图上显示数据的方法及装置 | |
CN113076803A (zh) | 一种基于高分辨率遥感影像的建筑物矢量提取方法及系统 | |
CN113535879B (zh) | 一种行政区域的地图数据处理方法及装置 |
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 |