CN110929630A - 一种铁路轨道信息提取方法、系统、电子设备及存储介质 - Google Patents
一种铁路轨道信息提取方法、系统、电子设备及存储介质 Download PDFInfo
- Publication number
- CN110929630A CN110929630A CN201911132015.2A CN201911132015A CN110929630A CN 110929630 A CN110929630 A CN 110929630A CN 201911132015 A CN201911132015 A CN 201911132015A CN 110929630 A CN110929630 A CN 110929630A
- Authority
- CN
- China
- Prior art keywords
- rail
- acquiring
- position point
- image
- point
- 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
- 238000000605 extraction Methods 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 claims abstract description 35
- 230000009466 transformation Effects 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- Astronomy & Astrophysics (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本申请提供一种铁路轨道信息提取方法、系统、电子设备和存储介质,该方法包括以下步骤:获取参考铁轨位置点和参考铁轨走向角度;根据参考铁轨位置点获取交通道路图像;基于参考铁轨走向角度对交通道路图像进行处理;获取铁轨图像;对铁轨图像进行处理;获取参考位置点对应的铁轨入口点集合、铁轨出口点集合和当前铁轨走向角度。若铁轨入口点集合和参考位置点匹配,且当前铁轨走向角度和参考铁轨走向角度匹配,则根据铁轨出口点集合确定当前铁轨出口位置点。本申请提供的铁路轨道信息提取方法能够自动获取自动提取卫星影像中的铁轨,降低了提取铁路轨道图像的人力成本,自动化程度高,提高了提取效率。
Description
技术领域
本申请涉及铁路轨道信息提取技术领域,特别涉及一种铁路轨道信息提取方法、系统、电子设备及存储介质。
背景技术
地理信息系统在我国铁路用地、工务、应急、运输等许多领域都得到了广泛的应用,并取得了不错的效果。中国国家铁路集团有限公司(原铁路总公司)也提出了建设铁路地理信息平台的规划,铁路地理信息平台将为铁路各业务信息系统提供规范的铁路公用地理信息数据和空间信息服务,实现铁路信息资源共享。
铁路轨道提取是铁路地理信息平台的重要前提和数据基础。目前铁路轨道提取主要依赖人工搜寻卫星影像图中的铁轨图像,标记铁轨走向和坐标;这种方案主要的缺点是工作强度大、存在主观偏差、工作效率较低。
发明内容
本申请要解决是现有的铁路轨道信息提取方法效率低的技术问题。
为解决上述技术问题,本申请实施例一方面公开了一种铁路轨道信息提取方法,包括以下步骤:
获取参考铁轨位置点和参考铁轨走向角度;
根据参考铁轨位置点获取交通道路图像;
基于参考铁轨走向角度对交通道路图像进行处理;获取铁轨图像;
对铁轨图像进行处理;获取参考位置点对应的铁轨入口点集合、铁轨出口点集合和当前铁轨走向角度;
若铁轨入口点集合和参考位置点匹配,且当前铁轨走向角度和参考铁轨走向角度匹配,则根据铁轨出口点集合确定当前铁轨出口位置点。
进一步地,根据参考铁轨位置点获取交通道路图像,包括:
根据参考铁轨位置点从卫星地图上获取图像;
根据卫星图交通道路提取模型从图像上获取交通道路图像。
进一步地,对铁轨图像进行处理获取参考位置点对应的铁轨入口点集合、铁轨出口点集合和当前铁轨走向角度,具体包括:
采用canny算子对铁轨图像进行提取边缘处理;获取铁轨边缘直线组;
对铁轨边缘直线组采用霍夫线变换;获取当前铁轨边缘直线组;
根据当前铁轨边缘直线组获取参考位置点对应的铁轨入口点集合、铁轨出口点集合和当前铁轨走向角度。
进一步地,该铁路轨道信息提取方法还包括:根据当前铁轨出口位置点和铁轨走向角度获取下一个铁轨出口位置点;
将下一个铁轨出口位置点当做下一张待提取的交通道路图像的参考铁轨位置点。
本申请实施例第二方面公开一种铁路轨道信息提取系统,包括
获取模块,用于获取参考铁轨位置点和参考铁轨走向角度;
获取模块,用于根据参考铁轨位置点获取交通道路图像;
获取模块,用于基于参考铁轨走向角度对交通道路图像进行处理获取铁轨图像;
获取模块;对铁轨图像进行处理获取参考位置点对应的铁轨入口点集合、铁轨出口点集合和当前铁轨走向角度;
确定模块,用于确定铁轨入口点集合和参考位置点匹配,且当前铁轨走向角度和参考铁轨走向角度匹配,并根据铁轨出口点集合确定当前铁轨出口位置点。
进一步地,获取模块,具体用于:
根据参考铁轨位置点从卫星地图上获取图像;
根据卫星图交通道路提取模型从图像上获取交通道路图像。进一步地,获取模块,具体用于:
采用canny算子对铁轨图像进行提取边缘处理获取铁轨边缘直线组;
对铁轨边缘直线组采用霍夫线变换获取当前铁轨边缘直线组;
根据当前铁轨边缘直线组获取参考位置点对应的铁轨入口点集合、铁轨出口点集合和当前铁轨走向角度。
进一步地,获取模块,还用于:根据当前铁轨出口位置点和铁轨走向角度获取下一个铁轨出口位置点;
将下一个铁轨出口位置点当做下一张待提取的交通道路图像的参考铁轨位置点。
本申请实施例第三方面公开一种电子设备,电子设备包括处理器和存储器,存储器中存储有至少一条指令、至少一段程序、代码集或指令集,至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现该铁路轨道信息提取方法。
本申请实施例第四方面公开一种计算机可读存储介质,存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现该铁路轨道信息提取方法。
采用上述技术方案,本申请具有如下有益效果:
本申请提供的铁路轨道信息提取方法能够自动获取自动提取卫星影像中的铁轨,降低了提取铁路轨道图像的人力成本,自动化程度高,提高了提取效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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的附图。
图1为本申请实施例一种铁路轨道信息提取方法的流程示意图;
图2为本申请实施例一种获取铁轨出口位置点坐标的示意图;
图3为本申请实施例一种铁轨出口方向的示意图;
图4为本申请实施例一种铁路轨道信息提取方法的细节流程示意图;
图5为本申请实施例一种铁路轨道信息提取系统的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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作出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
此处所称的“一个实施例”或“实施例”是指可包含于本申请至少一个实现方式中的特定特征、结构或特性。在本申请实施例的描述中,需要理解的是,术语“上”、“下”、“顶”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含的包括一个或者更多个该特征。而且,术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
以下介绍本申请一种铁路轨道信息提取方法的具体实施例,图1是本申请实施例提供的一种铁路轨道信息提取方法的流程示意图,本说明书提供了如实施例或流程图的方法操作步骤,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的系统或服务器产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。具体的如图1所示,该方法可以包括:
S101:获取参考铁轨位置点和参考铁轨走向角度,其中参考铁轨位置点可以通过人工获取。
S102:根据参考铁轨位置点获取交通道路图像;
本申请实施例中,首先可以根据参考铁轨位置点获取第一卫星瓦片图;卫星瓦片图采用(x,y)坐标的形式编号,并依照从大到小分级,为了得到能够分辨铁轨的瓦片图,本申请可以选用18级瓦片图。由人工找出铁路起始点所在的瓦片坐标获取第一卫星瓦片图,在搜索过程中将由程序自动给出后续瓦片坐标。
瓦片图的下载方式可以为根据瓦片编号和分级利用URL下载的方式从谷歌地图下载。
然后根据卫星图交通道路提取模型从第一卫星瓦片图上获取交通道路图像。该模型可以选取各种开源的卫星图道路提取模型。
S103:基于参考铁轨走向角度对交通道路图像进行处理;获取铁轨图像;
本申请实施例中,根据参考铁轨走向角度能够从交通道路图中分离铁路区域获取铁轨图像;
S104:对铁轨图像进行处理;获取参考位置点对应的铁轨入口点集合、铁轨出口点集合和当前铁轨走向角度。
本申请实施例中,利用canny算子对该铁轨图像提取边缘,考虑到铁轨的转弯半径较大,在小块地图瓦片中可以视为直线,利用霍夫线变换得到一组直线边缘作为当前铁轨边缘直线组,获取这一组直线或它们的延长线与该图像边缘一端的两个交点坐标(x1,y1)和(x2,y2),即入口点集合,和另一端的两个交点坐标(x3,y3)和(x4,y4),即出口点集合,以及这些直线的斜率k(即当前铁轨的走向角度)。
S105:判断铁轨入口点集合和参考位置点是否匹配,且当前铁轨走向角度和参考铁轨走向角度是否匹配;若否,调整匹配条件进一步判断;若是,转至S106。
S106:根据铁轨出口点集合确定当前铁轨出口位置点。
本申请实施例中,根据给出的参考位置点坐标(xi,yi),参考铁轨走向角度为θi,则所有直线中,满足条件:
若该直线与图像边缘的一个交点(x1,y1)和(xi,yi)距离小于阈值dt;
且该直线的倾角θ满足|θ-θi|小于阈值θt;
则直线可以被视为是铁轨边缘,另一条直线也被视为铁轨边缘,若两条直线与图像的另一端的两个交点坐标(x3,y3)和(x4,y4)均位于该瓦片图的同一条边上,则这两个交点的中点即为当前铁轨出口位置点;铁轨出口位置点与参考铁轨位置点之间连线的倾角即为铁轨的精确走向角度。
如图2所示,若两条直线与图像的另一端的两个交点坐标(x3,y3)和(x4,y4)位于该瓦片图的不同边上,则取出口位置点(图中空心圆圈所示)满足d1=d2+d3。
然后根据当前铁轨出口位置点获取下一个铁轨出口位置点;将该当前铁轨出口位置点作为参考位置点,获取下一张瓦片图,重复上述过程,获取下一个铁轨出口位置点,将下一个铁轨出口位置点当做接下来一张待提取的交通道路图像的参考铁轨位置点。
本申请实施例中,获取下一张瓦片图的方案如下:如图3所示,将当前瓦片图分为8个区域,当铁路出口点靠近瓦片图的四个角点时,视为铁轨从某一角点离开瓦片图,其余情况视为铁轨从某一边离开瓦片图。以区域1为例,设当前瓦片图的编号为(x,y),当找到的铁轨出口点位于瓦片图的1号边缘时,下一张卫星瓦片图的编号应该为(x,y-1),同理,出口点位于1至8号边缘区域分别对应下一张瓦片图编号为(x,y-1),(x+1,y),(x,y+1),(x-1,y),(x-1,y-1),(x+1,y-1),(x+1,y+1),(x-1,y+1)。
如果不存在满足条件的直线,则说明该瓦片图中没有检测到铁轨,增大阈值θt,dt再次搜索。
若仍未检测到铁轨,选择与当前出口位置点方向相邻的两个方向再次尝试搜索。
若还是未检测到铁轨,判断铁轨可能进入隧道,考虑到在较短的隧道中,铁轨的走向基本不会改变,按照当前的入口和铁轨倾角作直线判断出口方向,获取下一张瓦片图并检测是否存在满足条件的铁轨。这一方案只能针对较短的隧道,若在接下来的三个瓦片图中都无法检测到铁轨,则暂停搜索,请求人工判断铁轨是否中断或进入较长的隧道,同时检验搜索是否出错。
重复上述过程,直到到达指定的铁路的终点所在瓦片图。按顺序记录瓦片图编号、铁路进出口位置点和铁轨走向角度信息。
以下介绍本申请一种铁路轨道信息提取方法的具体实施方式,图4是本申请实施例提供的一种铁路轨道信息提取方法的细节流程示意图,包括:
S401:获取参考铁轨位置点和参考铁轨走向角度;
S402:根据参考铁轨位置点从卫星地图上获取图像;
S403:根据卫星图交通道路提取模型从图像上获取交通道路图像;
S404:基于参考铁轨走向角度对交通道路图像进行处理获取铁轨图像;
S405:采用canny算子对铁轨图像进行提取边缘处理;获取铁轨边缘直线组;对铁轨边缘直线组采用霍夫线变换;获取当前铁轨边缘直线组;
S406:根据当前铁轨边缘直线组获取参考位置点对应的铁轨入口点集合、铁轨出口点集合和当前铁轨走向角度。
S407:判断铁轨入口点与参考位置点的距离是否小于设定的距离阈值;且当前铁轨走向角度和参考铁轨走向角度的差值是否小于设定的角度阈值,
若否,增大距离阈值和角度阈值再次判断;若是,转至S408。
S408:根据铁轨出口点集合确定当前铁轨出口位置点;
S409:根据当前铁轨出口位置点和参考铁轨走向角度获取下一个铁轨出口位置点,将下一个铁轨出口位置点当做下一张待提取的交通道路图像的参考铁轨位置点,重复上述过程,直至终点结束。
本申请实施例提出的基于机器学习的铁路轨道信息提取方法,基于包含铁路轨道的卫星影像图,利用已训练铁路自动提取网络模型,提取卫星图中铁路区域和路线,并按照铁路走向依次提取铁轨坐标,具有效率高、自动化程度高的特点。相对于目前的人工提取方法,本申请实施例降低了提取铁路轨道图像的人力成本,提高了提取效率。
本申请实施例第二方面公开一种铁路轨道信息提取系统,该铁路轨道信息提取系统与上述铁路轨道信息提取方法基于同样的技术构思;图5为该本申请实施例一种铁路轨道信息提取系统的结构示意图,系统包括:
获取模块501,用于获取参考铁轨位置点和参考铁轨走向角度;
获取模块501,用于根据参考铁轨位置点获取交通道路图像;
获取模块501,用于基于参考铁轨走向角度对交通道路图像进行处理获取铁轨图像;
获取模块501;对铁轨图像进行处理获取参考位置点对应的铁轨入口点集合、铁轨出口点集合和当前铁轨走向角度。
确定模块502,用于确定铁轨入口点集合和参考位置点匹配,且当前铁轨走向角度和参考铁轨走向角度匹配,并根据铁轨出口点集合确定当前铁轨出口位置点。
本申请实施例中,获取模块501,具体用于:
根据参考铁轨位置点从卫星地图上获取图像;
根据卫星图交通道路提取模型从图像上获取交通道路图像。本申请实施例中,获取模块501,具体用于:
采用canny算子对铁轨图像进行提取边缘处理;获取铁轨边缘直线组;
对铁轨边缘直线组采用霍夫线变换;获取当前铁轨边缘直线组;
根据当前铁轨边缘直线组获取参考位置点对应的铁轨入口点集合、铁轨出口点集合和当前铁轨走向角度。
本申请实施例中,获取模块501,还用于:根据当前铁轨出口位置点和铁轨走向角度获取下一个铁轨出口位置点;
将下一个铁轨出口位置点当做下一张待提取的交通道路图像的参考铁轨位置点。
本申请实施例第三方面公开一种电子设备,电子设备包括处理器和存储器,存储器中存储有至少一条指令、至少一段程序、代码集或指令集,至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现该铁路轨道信息提取方法。
本申请实施例第四方面公开一种计算机可读存储介质,其特征在于,存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现该铁路轨道信息提取方法。
可选地,在本申请实施例中,上述存储介质可以位于计算机网络的多个网络服务器中的至少一个网络服务器。可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、移动硬盘、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:上述本申请实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于设备实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上仅为本申请的较佳实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种铁路轨道信息提取方法,其特征在于,包括以下步骤:
获取参考铁轨位置点和参考铁轨走向角度;
根据所述参考铁轨位置点获取交通道路图像;
基于所述参考铁轨走向角度对所述交通道路图像进行处理;获取铁轨图像;
对所述铁轨图像进行处理;获取所述参考位置点对应的铁轨入口点集合、铁轨出口点集合和当前铁轨走向角度;
若所述铁轨入口点集合和所述参考位置点匹配,且所述当前铁轨走向角度和所述参考铁轨走向角度匹配,则根据所述铁轨出口点集合确定当前铁轨出口位置点。
2.根据权利要求1所述的铁路轨道信息提取方法,其特征在于,所述根据所述参考铁轨位置点获取交通道路图像,包括:
根据所述参考铁轨位置点从卫星地图上获取图像;
根据卫星图交通道路提取模型从所述图像上获取所述交通道路图像。
3.根据权利要求1所述的铁路轨道信息提取方法,其特征在于,对所述铁轨图像进行处理获取所述参考位置点对应的铁轨入口点集合、铁轨出口点集合和当前铁轨走向角度,具体包括:
采用canny算子对所述铁轨图像进行边缘处理;获取铁轨边缘直线组;
对所述铁轨边缘直线组采用霍夫线变换;获取所述当前铁轨边缘直线组;
根据所述当前铁轨边缘直线组获取所述参考位置点对应的铁轨入口点集合、铁轨出口点集合和当前铁轨走向角度。
4.根据权利要求1所述的铁路轨道信息提取方法,其特征在于,还包括:
根据所述当前铁轨出口位置点和所述铁轨走向角度获取下一个铁轨出口位置点;
将所述下一个铁轨出口位置点当做下一张待提取的交通道路图像的参考铁轨位置点。
5.一种铁路轨道信息提取系统,其特征在于,包括
获取模块,用于获取参考铁轨位置点和参考铁轨走向角度;
所述获取模块,用于根据所述参考铁轨位置点获取交通道路图像;
所述获取模块,用于基于所述参考铁轨走向角度对所述交通道路图像进行处理;获取铁轨图像;
所述获取模块;用于对所述铁轨图像进行处理;获取所述参考位置点对应的铁轨入口点集合、铁轨出口点集合和当前铁轨走向角度;
确定模块,用于确定所述铁轨入口点集合和所述参考位置点匹配,且所述当前铁轨走向角度和所述参考铁轨走向角度匹配,并根据所述铁轨出口点集合确定所述当前铁轨出口位置点。
6.根据权利要求5所述的铁路轨道信息提取系统,其特征在于,所述获取模块,具体用于:
根据所述参考铁轨位置点从卫星地图上获取图像;
根据卫星图交通道路提取模型从所述图像上获取所述交通道路图像。
7.根据权利要求5所述的铁路轨道信息提取系统,其特征在于,所述获取模块,具体用于:
采用canny算子对所述铁轨图像进行提取边缘处理;获取铁轨边缘直线组;
对所述铁轨边缘直线组采用霍夫线变换;获取所述当前铁轨边缘直线组;
根据所述当前铁轨边缘直线组获取所述参考位置点对应的铁轨入口点集合、铁轨出口点集合和当前铁轨走向角度。
8.根据权利要求5所述的铁路轨道信息提取系统,其特征在于,所述获取模块,还用于:
根据所述当前铁轨出口位置点和所述铁轨走向角度获取下一个铁轨出口位置点;
将所述下一个铁轨出口位置点当做下一张待提取的交通道路图像的参考铁轨位置点。
9.一种电子设备,其特征在于,所述电子设备包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1-4任一所述的铁路轨道信息提取方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1-4任一所述的铁路轨道信息提取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911132015.2A CN110929630B (zh) | 2019-11-19 | 2019-11-19 | 一种铁路轨道信息提取方法、系统、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911132015.2A CN110929630B (zh) | 2019-11-19 | 2019-11-19 | 一种铁路轨道信息提取方法、系统、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110929630A true CN110929630A (zh) | 2020-03-27 |
CN110929630B CN110929630B (zh) | 2023-11-24 |
Family
ID=69853419
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911132015.2A Active CN110929630B (zh) | 2019-11-19 | 2019-11-19 | 一种铁路轨道信息提取方法、系统、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110929630B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102739329A (zh) * | 2012-06-25 | 2012-10-17 | 中国科学院上海微系统与信息技术研究所 | 一种轻轨沿线道路传感器网络路径损耗模型建立方法 |
CN104240260A (zh) * | 2014-10-09 | 2014-12-24 | 武汉大学 | 一种基于叉路识别的道路智能提取方法 |
CN108051831A (zh) * | 2017-11-08 | 2018-05-18 | 哈尔滨工业大学 | 基于地物坐标信息的目标快速定位的方法、装置、卫星搭载设备和存储介质 |
US20190039633A1 (en) * | 2017-08-02 | 2019-02-07 | Panton, Inc. | Railroad track anomaly detection |
WO2019170024A1 (zh) * | 2018-03-06 | 2019-09-12 | 北京市商汤科技开发有限公司 | 目标跟踪方法和装置、电子设备、存储介质 |
-
2019
- 2019-11-19 CN CN201911132015.2A patent/CN110929630B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102739329A (zh) * | 2012-06-25 | 2012-10-17 | 中国科学院上海微系统与信息技术研究所 | 一种轻轨沿线道路传感器网络路径损耗模型建立方法 |
CN104240260A (zh) * | 2014-10-09 | 2014-12-24 | 武汉大学 | 一种基于叉路识别的道路智能提取方法 |
US20190039633A1 (en) * | 2017-08-02 | 2019-02-07 | Panton, Inc. | Railroad track anomaly detection |
CN108051831A (zh) * | 2017-11-08 | 2018-05-18 | 哈尔滨工业大学 | 基于地物坐标信息的目标快速定位的方法、装置、卫星搭载设备和存储介质 |
WO2019170024A1 (zh) * | 2018-03-06 | 2019-09-12 | 北京市商汤科技开发有限公司 | 目标跟踪方法和装置、电子设备、存储介质 |
Non-Patent Citations (2)
Title |
---|
ALI JAVED ET AL.: "Efficient Algorithm for Railway Tracks Detection Using Satellite Imagery", 《I.J. IMAGE, GRAPHICS AND SIGNAL PROCESSING》 * |
武永斌 等: "机载LiDAR铁路测绘关键技术及应用", 《测绘通报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN110929630B (zh) | 2023-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2710556B1 (en) | Method and system for processing image data | |
Ariyachandra et al. | Detection of railway masts in airborne LiDAR data | |
US10942130B2 (en) | Damage information processing device and damage information processing method | |
CN103646238A (zh) | 指纹方向场的估计方法和装置 | |
CN113283754A (zh) | 一种车站选址方法、装置、计算设备和存储介质 | |
CN106199669B (zh) | 一种基于gps轨迹分析公交车辆运行过程的方法及装置 | |
CN108806301A (zh) | 一种公交车辆信息的自动识别方法 | |
CN113239089A (zh) | 路径识别方法、装置、电子设备、存储介质及程序产品 | |
CN107633201B (zh) | 一种答题卡智能识别方法和系统 | |
EP3680855B1 (en) | Crack line detection apparatus, crack line detection method, and program | |
CN115510520A (zh) | 梁配筋视图编辑方法、装置、设备及存储介质 | |
CN110851896B (zh) | 基于局部邻域信息的cad外墙体识别方法及装置 | |
CN102317739A (zh) | 航空障碍物提取装置、航空障碍物提取方法和记录介质 | |
CN108895976B (zh) | 封闭空间设备变形监测方法及装置 | |
CN110929690A (zh) | 一种基于深度神经网络的遥感影像路网提取方法 | |
Awrangjeb et al. | Automatic reconstruction of building roofs through effective integration of LiDAR and multispectral imagery | |
CN110929630A (zh) | 一种铁路轨道信息提取方法、系统、电子设备及存储介质 | |
CN118031952A (zh) | 一种地图场景验证方法、路径规划方法及相关装置 | |
CN114969135B (zh) | 一种个性化旅游路线推荐方法、设备及介质 | |
CN113009452A (zh) | 一种激光点云电力杆塔提取方法 | |
CN113901541A (zh) | 一种建筑与结构图标高标注的识别方法 | |
KR100954137B1 (ko) | 슬라브 정보 인식을 위한 관리번호 추출 방법 | |
CN112883845A (zh) | 一种基于激光LiDAR点云的杆塔类型自动识别方法 | |
Ersoz et al. | Unmanned aerial vehicle based pavement crack identification method integrated with geographic information systems | |
CN116502816B (zh) | 一种适用于污染物的地块监测井布设方法 |
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 |