CN111061729A - 顾及粒度的矢量瓦片组织方法 - Google Patents
顾及粒度的矢量瓦片组织方法 Download PDFInfo
- Publication number
- CN111061729A CN111061729A CN201911197206.7A CN201911197206A CN111061729A CN 111061729 A CN111061729 A CN 111061729A CN 201911197206 A CN201911197206 A CN 201911197206A CN 111061729 A CN111061729 A CN 111061729A
- Authority
- CN
- China
- Prior art keywords
- data
- vector
- point
- coordinate
- pyramid
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
- G06F16/2246—Trees, e.g. B+trees
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/56—Information retrieval; Database structures therefor; File system structures therefor of still image data having vectorial format
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Software Systems (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明提供一种顾及粒度的矢量瓦片组织方法,包括以下步骤:打开矢量数据文件,并构建矢量金字塔。每一级金字塔对应的矢量数据按照屏幕像素约束原则进行简化,剔除该级别屏幕无法展示的地图信息;依据金字塔结构读取矢量数据,并解析其矢量结构,计算所包含坐标点的个数;依据网络传输带宽,计算单个文件的最优存储大小,在此基础上计算单个矢量瓦片文件中所包含的坐标点数目阈值,进而计算应划分的瓦片数量;依据矢量数据的分布特点,构建数据量均衡的二叉树索引结构;依据数据量与数据分布的变化,动态调整已构建的二叉树索引结构,保证二叉树叶子节点数据量的均衡性;按照金字塔与二叉树索引结构,完成对应级别矢量数据的分割与存储。
Description
技术领域
本发明属于地理空间信息系统技术领域,特别是涉及一种顾及粒度的矢量瓦片组织方法。
背景技术
随着互联网时代的飞速发展和生活水平的不断提高,传统纸质地图已经慢慢退出历史舞台,电子地图已经成为人们工作和生活不可缺少的重要工具,从出差远行到生活购物,对地图的应用无处不在。地图瓦片的出现,使得谷歌、高德、百度地图等地图产品迅速发展壮大,通过金字塔模型生成的栅格瓦片数据,提高了地图的影响速度,大大改善了地图实用性。随着技术的不断发展,地图调用不再拘泥于原始的预先生成的栅格瓦片,矢量瓦片开始兴起。充分利用前端渲染的灵活性与交互性,矢量瓦片对于当前的地图应用具有重要意义与实用价值。
矢量瓦片类似于栅格瓦片,采用金字塔模型进行数据组织。金字塔结构是指在统一的空间参照下,根据用户需要基于不同分辨率进行地图的存储与显示,形成数据量由小到大的金字塔结构。使用金字塔结构进行存储与显示的原因是,在地图比例尺较小时,地图可展示的信息较少,并不需要最详细的数据进行展示,当地图比例尺逐渐变大时加载的数据更加详细,地图级别与金字塔级别相互对应,大大加快了地图渲染效率,这对于地图可视化意义重大。
当前,针对矢量瓦片的研究大都沿用等面积划分方式。但是,对于某区域的矢量地图数据往往分布不均,例如城市区域的路网数据相对于乡村的路网数据分布密集,等面积的划分方式会造成瓦片数据粒度的不均匀,进而影响矢量瓦片数据的网络传输效率。因而,顾及粒度的矢量瓦片组织方式成为一个亟待解决的问题。
在二维空间中,矢量数据(VectorData)是在直角坐标系中,用X、Y坐标表示地图图形或地理实体的位置的数据。矢量数据通常分为点实体、线实体与面实体,点实体可以用一对坐标X,Y来确定位置;线实体可以认为是由连续的直线段组成的曲线,用坐标串的集合(X1,Y1,X2,Y2……Xn,Yn)来记录;在记录面实体时,通常通过记录面状地物的边界来表现,因而有时也称为多边形数据。在矢量瓦片中,由于各实体都由坐标对构成,而一个坐标对所占存储空间为两个浮点数所占空间大小,所以矢量瓦片数据粒度的大小可以近似通过其所包含坐标点数量的多少来表达。因而,顾及粒度的矢量瓦片组织方式,需要每张瓦片所含坐标点的数目尽可能相同,这将成为矢量瓦片组织过程中的重点研究问题。
目前,矢量瓦片的组织方法主要有以下两种:
(1)顾及等面积原则的矢量瓦片组织方法
基于等面积原则的矢量瓦片组织方式,是目前最常用的方法。该方法将全球范围按照瓦片金字塔模型,等面积的划分为多个区域,每个区域所包含的矢量要素组织为一张矢量瓦片。2016年,Esri公司在ArcGIS PRO 1.2beta中加入了矢量瓦片的切片工具,用于生成基于Maxbox矢量瓦片标准(Mapbox Vector Tile Specification)的矢量瓦片,且在Pro1.4版本中提供了自定义坐标系的支持。2017年,SuperMap iServer8C支持了地图数据的分布式切片,并提供了栅格、矢量两种类型的瓦片服务。GeoServer在其2.11版本中通过集成GeoWebCache中间件支持了多种类型的瓦片实时切片的方案,并通过本地缓存的形式提高瓦片检索、加载的效率。依据等面积原则组织的矢量瓦片,其瓦片所占存储大小差距较为明显,在可视化过程中,大大影响了瓦片的传输效率。顾及瓦片存储大小的矢量瓦片组织方法的研究具有重要意义。
(2)顾及数据稠密的矢量瓦片组织方法
该方法利用非平衡四叉树的思想,在数据稀疏的地区,四叉索引树对应结点不继续生成叶子结点,瓦片不继续划分。在数据稠密地区,瓦片继续划分,直到单张瓦片数据量达到阈值标准为止。该方法可以解决了数据密集地区的瓦片高效组织,但是由于其没有改变等面积四分的瓦片切片方式,瓦片数据粒度的均匀性得不到保证。该类方法在下列文献中有论述:苏颖,李梅,智宁,毛善君.煤矿一张图数据均衡非均匀矢量瓦片构建研究[J/OL].煤炭科学技术:1-12[2019-09-27].
发明内容
本发明目的在于针对矢量瓦片数据分布不均的问题,提出一种顾及粒度的矢量瓦片组织方法。
本发明提供的技术方案为一种顾及粒度的矢量瓦片组织方法,包括有以下步骤,
步骤1,打开矢量数据文件,并构建矢量金字塔,每一级金字塔对应的矢量数据按照屏幕像素约束原则进行简化,剔除该级别屏幕无法展示的地图信息;
步骤2,依据金字塔结构读取矢量数据,并解析其矢量结构,计算数据粒度,其中,矢量数据粒度的大小近似等于矢量数据所包含坐标点的个数n;
步骤4,依据矢量数据的分布特点,构建数据量均衡的二叉树索引结构,其中二叉树的根节点为待分割的矢量数据,按照数据量等分原则构建树节点,直到叶子节点的个数满足步骤3计算的瓦片数量T为止,叶子节点表示该级别下对应的矢量瓦片数据;
步骤5,按照金字塔与二叉树索引结构,完成该级别矢量数据的分割与存储;
步骤6,读取金字塔下一层数据进行处理,重复步骤2-5;
步骤7,判断金字塔各层数据全部处理完毕,流程结束。
进一步的,步骤1中按照屏幕像素约束原则进行简化的具体实现方式如下,
像素约束原则对于不同类型的矢量数据具有不同的约束法则,对于点对象,任意两点的间距不小于图标尺寸;对于线对象,每个线对象中任意相邻两点的距离不小于一个屏幕像素,且任意点到相邻两点所连线段的垂距不小于一个屏幕像素值;对于面对象,相邻三点所围面积应不小于一个屏幕像素;
然后对于不符合像素约束原则的数据,剔除几何特征重要度较小的坐标点。
进一步的,所述几何特征重要度包括如下内容,
对于点对象,基于各坐标点的分布密度度量各点的重要性,其中分布密度度量方法为:以各点对象为圆心,以5倍图标尺寸大小为半径做缓冲区,计算缓冲区内点图标覆盖面积大小与缓冲区面积大小的比值,即近似表示为该点的分布密度度量值;
对于线对象,通过计算对象中各坐标点处线对象的弯曲程度以度量该坐标点的几何重要性,默认线段的起始点与终止点的几何重要度为∞;线对象中各坐标点(xi,yi)几何特征重要性的度量方法为:
t=(xi+1-xi-1)2+(yi+1-yi-1)2
其中:xi,yi为当前点坐标;xi-1,yi-1为左相邻点的坐标;xi+1,yi+1为右相邻点的坐标;
对于面对象,通过计算各对象中坐标点对所围图形面积保持的贡献度,度量各坐标点的几何重要性,即计算面对象中各点与相邻两点所围三角形的面积,面积越大表明该坐标点对所构成对象面积贡献越大;(xi,yi)坐标点的几何特征重要性度量方法为:
s=|(xi+1-xi-1)×(yi-yi-1)-(xi-xi-1)×(yi+1-yi-1)|
其中:xi,yi为当前点坐标;xi-1,yi-1为左相邻点的坐标;xi+1,yi+1为右相邻点的坐标。
进一步的,步骤2中矢量数据所包含坐标点的个数的计算方式如下,
对于点要素,直接统计点对象的数目;对于线、面要素,首先对所有对象依次统计坐标点的数目并进行累加,最终统计的所有要素坐标点的个数累加为n。
进一步的,步骤4中二叉树的层数的计算方式如下,
进一步的,步骤6中,在重复执行步骤4时,根据数据量与数据分布的变化,动态调整已构建的二叉树索引结构,调整的方式为:遍历所有叶子节点,对于数据量超出阈值N的叶子节点作为新的树节点,继续按照数据等分原则产生新的叶子节点,直到所有叶子节点数据量不超过阈值N为止;通过调整,保证二叉树叶子节点数据量维持在(N/2,N]。
本发明针对矢量瓦片切片中存在的数据粒度不均衡的问题,提出了顾及粒度的矢量瓦片组织方法。利用矢量瓦片金字塔原理,对各级地图数据进行组织;对于每一级地图数据采取数据粒度均匀的瓦片切分方式,构建可动态调整的二叉树索引结构。金字塔不同级别对应的矢量数据,其数据量与数据分布会发生变化,此时动态调整二叉树的结构,保证叶子节点数据粒度的均衡性,其叶子节点即为该级别对应的矢量瓦片数据。本发明提出的顾及粒度的矢量瓦片组织方法具有方法简洁、效率高的优点,有效地解决了矢量瓦片存储大小不均带来的数据传输带宽利用率低的问题,适用于各种数据规模、各种类型的矢量要素集。
附图说明
图1本发明的总体流程图;
图2金字塔结构示意图;
图3本发明基于屏幕像素约束条件的矢量简化方法流程图;
图4本发明要素几何特征重要度测度方法流程图;
图5本发明中二叉树索引构建示意图,其中(a)为矢量数据的分布图,(b)为二叉树索引结构图。
图6为本发明调整二叉树索引结构示意图,其中(a)为矢量数据的划分调整图,(b)为二叉树索引结构调整图。
具体实施方式
以下结合附图详细说明本发明的技术方案:
参见图1,本发明的顾及粒度的矢量瓦片组织原理是将矢量地图数据,构建矢量金字塔结构。对于每一级矢量金字塔数据,计算数据粒度,构建可动态调整的二叉树索引结构,保证瓦片数据粒度的均匀性。
本发明实施的实现过程采用计算机实现自动化处理,包括以下步骤,
步骤1,打开矢量数据文件,并构建矢量金字塔,金字塔结构是指在统一的空间参照下,根据用户需要基于不同分辨率进行矢量数据的存储与显示,形成数据量由小到大的金字塔结构。金字塔结构参见图2。每一级金字塔对应的矢量数据按照屏幕像素约束原则进行简化,剔除该级别屏幕无法展示的地图信息,简化详细过程参见图3;
像素约束原则对于不同类型的矢量数据具有不同的约束法则,对于点对象,任意两点的间距不小于图标尺寸;对于线对象,每个线对象中任意相邻两点的距离不小于一个屏幕像素,且任意点到相邻两点所连线段的垂距不小于一个屏幕像素值。对于面对象,在考虑面积特征前提下,相邻三点所围面积应不小于一个屏幕像素。
参见图4,对所有坐标点进行几何特征重要度测度。对于不符合像素约束原则的数据,剔除几何特征重要度较小的坐标点。例如,某对象两个坐标点之间的距离小于一个像素,剔除两坐标点中几何重要度较小的点。下面将介绍几何重要度计算方法。
对于点对象,基于各坐标点的分布密度度量各点的重要性。分布密度度量方法为,以各点对象为圆心,以5倍图标尺寸大小为半径做缓冲区,计算缓冲区内点图标覆盖面积大小与缓冲区面积大小的比值,即近似表示为该点的分布密度度量值。
对于线对象,通过计算对象中各坐标点处线对象的弯曲程度以度量该坐标点的几何重要性,默认线段的起始点与终止点的几何重要度为∞。线对象中各坐标点(xi,yi)几何特征重要性的度量方法为:
t=(xi+1-xi-1)2+(yi+1-yi-1)2
其中:xi,yi为当前点坐标;xi-1,yi-1为左相邻点的坐标;xi+1,yi+1为右相邻点的坐标;
对于面对象,通过计算各对象中坐标点对所围图形面积保持的贡献度,度量各坐标点的几何重要性,即计算面对象中各点与相邻两点所围三角形的面积,面积越大表明该坐标点对所构成对象面积贡献越大。(xi,yi)坐标点的几何特征重要性度量方法为:
s=|(xi+1-xi-1)×(yi-yi-1)-(xi-xi-1)×(yi+1-yi-1)|
其中:xi,yi为当前点坐标;xi-1,yi-1为左相邻点的坐标;xi+1,yi+1为右相邻点的坐标;
所有坐标点在重要度测度后,参见图3所示流程,对不符合像素约束条件的要素,对重要度测度较小的坐标点进行剔除,以完成对不同地图尺度下数据量的简化。
步骤2,依据金字塔结构读取矢量数据,并解析其矢量结构,计算数据粒度。在矢量数据中,由于各对象都由坐标对构成,而一个坐标对所占存储空间为两个浮点数所占空间大小,所以矢量数据粒度的大小可以近似通过其所包含坐标点数量的多少来表达。对于点要素,直接统计点对象的数目;对于线、面要素,则需对所有对象依次统计坐标点的数目并进行累加,最终统计得所有要素坐标点的个数累加为n。
步骤3,依据网络传输带宽,计算单个文件的最优存储大小,在此基础上计算单个矢量瓦片文件中所包含的坐标点数目阈值N,依据步骤2计算的矢量数据所包含的坐标点个数,计算应划分的瓦片数量T。
步骤4,依据矢量数据的分布特点,构建数据量均衡的完全二叉树索引结构。二叉树的根节点为待分割的矢量数据,按照数据量等分原则构建树节点,直到叶子节点的个数满足步骤3计算的瓦片数量T为止,叶子节点表示该级别下对应的矢量瓦片数据。
若T不为2的整数次幂,即2i<T<2i+1(i∈Z),此处i表示二叉树的层数,i的计算公式为:
如上式所示,根据完全二叉树组织原则,i应取不大于log2 T的最大整数。此时,在二叉树第i层,需满足前2i+1-T个叶子节点中的坐标点个数等于阈值N,剩余T-2i个叶子节点作为树节点,继续按照数据量等分原则生成新的叶子节点,最终在尽可能保证数据量均衡的条件下,满足单个叶子节点中包含坐标点的个数不超过阈值N。例如,如图5所示,其中x表示经度方向y表示纬度方向,按照步骤3计算T=5,通过计算i=2,则需满足前3个叶子节点中坐标点的个数等于阈值N,剩余1个叶子节点继续构建叶子节点。
步骤5,按照金字塔与二叉树索引结构,完成该级别矢量数据的分割与存储。存储结构为:金字塔级别L/二叉树叶子节点深度d/二叉树叶子节点从左到右编号数c。
步骤6,加载金字塔下一层数据进行处理,重复步骤2-5。由于金字塔下一层的数据更加详细,其数据量也更多。为了提高构建与使用二叉树索引的效率,在步骤4时不重新建立索引,而是随着数据量与数据分布的变化,动态调整已构建的二叉树索引结构。调整过程为,遍历所有叶子节点,对于数据量超出阈值N的叶子节点作为新的树节点,继续按照数据等分原则产生新的叶子节点,直到所有叶子节点数据量不超过阈值N为止。通过调整,保证二叉树叶子节点数据量维持在(N/2,N]。既保证了单张瓦片数据量不超过阈值N,又满足了叶子节点数据量的均衡性。如图6所示,对左下图中坐标点个数大于N的3个叶子节点继续进行划分,最终得到右下图所示的二叉树索引结构,其可以保证所有叶子节点所包含的坐标点数目维持在(N/2,N]区间范围内。
步骤7,判断金字塔各层数据全部处理完毕,流程结束。
Claims (6)
1.一种顾及粒度的矢量瓦片组织方法,其特征在于:包括有以下步骤,
步骤1,打开矢量数据文件,并构建矢量金字塔,每一级金字塔对应的矢量数据按照屏幕像素约束原则进行简化,剔除该级别屏幕无法展示的地图信息;
步骤2,依据金字塔结构读取矢量数据,并解析其矢量结构,计算数据粒度,其中,矢量数据粒度的大小近似等于矢量数据所包含坐标点的个数n;
步骤4,依据矢量数据的分布特点,构建数据量均衡的二叉树索引结构,其中二叉树的根节点为待分割的矢量数据,按照数据量等分原则构建树节点,直到叶子节点的个数满足步骤3计算的瓦片数量T为止,叶子节点表示该级别下对应的矢量瓦片数据;
步骤5,按照金字塔与二叉树索引结构,完成该级别矢量数据的分割与存储;
步骤6,读取金字塔下一层数据进行处理,重复步骤2-5;
步骤7,判断金字塔各层数据全部处理完毕,流程结束。
2.如权利要求1所述的一种顾及粒度的矢量瓦片组织方法,其特征在于:步骤1中按照屏幕像素约束原则进行简化的具体实现方式如下,
像素约束原则对于不同类型的矢量数据具有不同的约束法则,对于点对象,任意两点的间距不小于图标尺寸;对于线对象,每个线对象中任意相邻两点的距离不小于一个屏幕像素,且任意点到相邻两点所连线段的垂距不小于一个屏幕像素值;对于面对象,相邻三点所围面积应不小于一个屏幕像素;
然后对于不符合像素约束原则的数据,剔除几何特征重要度较小的坐标点。
3.如权利要求2所述的一种顾及粒度的矢量瓦片组织方法,其特征在于:所述几何特征重要度包括如下内容,
对于点对象,基于各坐标点的分布密度度量各点的重要性,其中分布密度度量方法为:以各点对象为圆心,以5倍图标尺寸大小为半径做缓冲区,计算缓冲区内点图标覆盖面积大小与缓冲区面积大小的比值,即近似表示为该点的分布密度度量值;
对于线对象,通过计算对象中各坐标点处线对象的弯曲程度以度量该坐标点的几何重要性,默认线段的起始点与终止点的几何重要度为∞;线对象中各坐标点(xi,yi)几何特征重要性的度量方法为:
t=(xi+1-xi-1)2+(yi+1-yi-1)2
其中:xi,yi为当前点坐标;xi-1,yi-1为左相邻点的坐标;xi+1,yi+1为右相邻点的坐标;
对于面对象,通过计算各对象中坐标点对所围图形面积保持的贡献度,度量各坐标点的几何重要性,即计算面对象中各点与相邻两点所围三角形的面积,面积越大表明该坐标点对所构成对象面积贡献越大;(xi,yi)坐标点的几何特征重要性度量方法为:
s=|(xi+1-xi-1)×(yi-yi-1)-(xi-xi-1)×(yi+1-yi-1)|
其中:xi,yi为当前点坐标;xi-1,yi-1为左相邻点的坐标;xi+1,yi+1为右相邻点的坐标。
4.如权利要求1所述的一种顾及粒度的矢量瓦片组织方法,其特征在于:步骤2中矢量数据所包含坐标点的个数的计算方式如下,
对于点要素,直接统计点对象的数目;对于线、面要素,首先对所有对象依次统计坐标点的数目并进行累加,最终统计的所有要素坐标点的个数累加为n。
6.如权利要求1所述的一种顾及粒度的矢量瓦片组织方法,其特征在于:步骤6中,在重复执行步骤4时,根据数据量与数据分布的变化,动态调整已构建的二叉树索引结构,调整的方式为:遍历所有叶子节点,对于数据量超出阈值N的叶子节点作为新的树节点,继续按照数据等分原则产生新的叶子节点,直到所有叶子节点数据量不超过阈值N为止;通过调整,保证二叉树叶子节点数据量维持在(N/2,N]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911197206.7A CN111061729B (zh) | 2019-11-29 | 2019-11-29 | 顾及粒度的矢量瓦片组织方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911197206.7A CN111061729B (zh) | 2019-11-29 | 2019-11-29 | 顾及粒度的矢量瓦片组织方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111061729A true CN111061729A (zh) | 2020-04-24 |
CN111061729B CN111061729B (zh) | 2021-04-16 |
Family
ID=70299285
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911197206.7A Active CN111061729B (zh) | 2019-11-29 | 2019-11-29 | 顾及粒度的矢量瓦片组织方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111061729B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116467540A (zh) * | 2023-06-20 | 2023-07-21 | 江苏省基础地理信息中心 | 一种基于HBase的海量空间数据快速可视化方法 |
WO2024061327A1 (zh) * | 2022-09-23 | 2024-03-28 | 维沃移动通信有限公司 | 矢量地图生成方法、装置、电子设备和可读存储介质 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7194134B2 (en) * | 2001-01-02 | 2007-03-20 | Microsoft Corporation | Hierarchical, probabilistic, localized, semantic image classifier |
US20070118399A1 (en) * | 2005-11-22 | 2007-05-24 | Avinash Gopal B | System and method for integrated learning and understanding of healthcare informatics |
CN101388043A (zh) * | 2008-09-26 | 2009-03-18 | 北京航空航天大学 | 一种基于小块图片的ogc高性能遥感图像地图服务方法 |
CN101692230A (zh) * | 2009-07-28 | 2010-04-07 | 武汉大学 | 顾及多细节层次的三维r树空间索引方法 |
US20120162454A1 (en) * | 2010-12-23 | 2012-06-28 | Samsung Electronics Co., Ltd. | Digital image stabilization device and method |
US20130342873A1 (en) * | 2012-06-20 | 2013-12-26 | Canon Kabushiki Kaisha | Image processing apparatus, method thereof,and storage medium |
CN103744998A (zh) * | 2014-01-23 | 2014-04-23 | 中国人民解放军国防科学技术大学 | 一种大规模空间矢量数据层次划分存储组织方法 |
US20140297199A1 (en) * | 2011-11-11 | 2014-10-02 | Cold Spring Harbor Laboratory | Drug screening method and uses thereof |
US9269178B2 (en) * | 2012-06-05 | 2016-02-23 | Apple Inc. | Virtual camera for 3D maps |
CN106600684A (zh) * | 2016-11-29 | 2017-04-26 | 浙江科澜信息技术有限公司 | 一种倾斜模型组织构建方法 |
CN106682110A (zh) * | 2016-12-06 | 2017-05-17 | 北京航天世景信息技术有限公司 | 一种基于哈希格网索引的影像文件存储和管理系统及方法 |
CN106909644A (zh) * | 2017-02-21 | 2017-06-30 | 中国科学院电子学研究所 | 一种面向海量遥感影像的多级组织和索引方法 |
US20190130570A1 (en) * | 2017-10-30 | 2019-05-02 | Proscia Inc. | System and method of processing medical images |
CN109902135A (zh) * | 2019-02-19 | 2019-06-18 | 武大吉奥信息技术有限公司 | 一种矢量瓦片预处理方法及装置 |
CN110189412A (zh) * | 2019-05-13 | 2019-08-30 | 武汉大学 | 基于激光点云的多楼层室内结构化三维建模方法及系统 |
CN110703747A (zh) * | 2019-10-09 | 2020-01-17 | 武汉大学 | 一种基于简化广义Voronoi图的机器人自主探索方法 |
-
2019
- 2019-11-29 CN CN201911197206.7A patent/CN111061729B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7194134B2 (en) * | 2001-01-02 | 2007-03-20 | Microsoft Corporation | Hierarchical, probabilistic, localized, semantic image classifier |
US20070118399A1 (en) * | 2005-11-22 | 2007-05-24 | Avinash Gopal B | System and method for integrated learning and understanding of healthcare informatics |
CN101388043A (zh) * | 2008-09-26 | 2009-03-18 | 北京航空航天大学 | 一种基于小块图片的ogc高性能遥感图像地图服务方法 |
CN101692230A (zh) * | 2009-07-28 | 2010-04-07 | 武汉大学 | 顾及多细节层次的三维r树空间索引方法 |
US20120162454A1 (en) * | 2010-12-23 | 2012-06-28 | Samsung Electronics Co., Ltd. | Digital image stabilization device and method |
US20140297199A1 (en) * | 2011-11-11 | 2014-10-02 | Cold Spring Harbor Laboratory | Drug screening method and uses thereof |
US9269178B2 (en) * | 2012-06-05 | 2016-02-23 | Apple Inc. | Virtual camera for 3D maps |
US20130342873A1 (en) * | 2012-06-20 | 2013-12-26 | Canon Kabushiki Kaisha | Image processing apparatus, method thereof,and storage medium |
CN103744998A (zh) * | 2014-01-23 | 2014-04-23 | 中国人民解放军国防科学技术大学 | 一种大规模空间矢量数据层次划分存储组织方法 |
CN106600684A (zh) * | 2016-11-29 | 2017-04-26 | 浙江科澜信息技术有限公司 | 一种倾斜模型组织构建方法 |
CN106682110A (zh) * | 2016-12-06 | 2017-05-17 | 北京航天世景信息技术有限公司 | 一种基于哈希格网索引的影像文件存储和管理系统及方法 |
CN106909644A (zh) * | 2017-02-21 | 2017-06-30 | 中国科学院电子学研究所 | 一种面向海量遥感影像的多级组织和索引方法 |
US20190130570A1 (en) * | 2017-10-30 | 2019-05-02 | Proscia Inc. | System and method of processing medical images |
CN109902135A (zh) * | 2019-02-19 | 2019-06-18 | 武大吉奥信息技术有限公司 | 一种矢量瓦片预处理方法及装置 |
CN110189412A (zh) * | 2019-05-13 | 2019-08-30 | 武汉大学 | 基于激光点云的多楼层室内结构化三维建模方法及系统 |
CN110703747A (zh) * | 2019-10-09 | 2020-01-17 | 武汉大学 | 一种基于简化广义Voronoi图的机器人自主探索方法 |
Non-Patent Citations (1)
Title |
---|
朱笑笑: ""提高网络传输效率的矢量瓦片构建方法研究"", 《中国优秀硕士学位论文全文数据库基础科学辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024061327A1 (zh) * | 2022-09-23 | 2024-03-28 | 维沃移动通信有限公司 | 矢量地图生成方法、装置、电子设备和可读存储介质 |
CN116467540A (zh) * | 2023-06-20 | 2023-07-21 | 江苏省基础地理信息中心 | 一种基于HBase的海量空间数据快速可视化方法 |
CN116467540B (zh) * | 2023-06-20 | 2023-09-19 | 江苏省基础地理信息中心 | 一种基于HBase的海量空间数据快速可视化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111061729B (zh) | 2021-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108664619B (zh) | 一种类瓦片技术的海量线划地形图本原存储与调度方法 | |
US8610717B2 (en) | Efficient pre-computing of simplified vector data for rendering at multiple zoom levels | |
CN107564087B (zh) | 一种基于屏幕的三维线状符号渲染方法 | |
CN111061729B (zh) | 顾及粒度的矢量瓦片组织方法 | |
CN112802179B (zh) | 一种基于法向的大规模点云可视化方法 | |
CN108540988B (zh) | 一种场景划分方法及装置 | |
Rase | Volume-preserving interpolation of a smooth surface from polygon-related data | |
CN110197035B (zh) | 一种航道水下地形变化分析系统及方法 | |
CN111291776A (zh) | 基于众源轨迹数据的航道信息提取方法 | |
CN110335355A (zh) | 一种大型浅水湖泊水面高自动计算方法 | |
CN109872390B (zh) | 一种海量三维模型的组织方法 | |
CN115687675A (zh) | 一种机载矢量地图数据处理方法 | |
Wang et al. | The isotropic organization of DEM structure and extraction of valley lines using hexagonal grid | |
CN113626550A (zh) | 基于三元组双向索引与优化缓存的影像瓦片地图服务方法 | |
CN109146360A (zh) | 网格建立方法和装置以及配送方法和装置 | |
CN103268342A (zh) | 基于cuda的dem动态可视化加速系统和方法 | |
CN108595613A (zh) | Gis局部地图编辑方法及装置 | |
CN114648617A (zh) | 一种基于数字高程模型dem的水系提取方法 | |
CN106373175A (zh) | 一种地形高度图数据的加载方法 | |
CN110110132A (zh) | 一种建立空间网格体系的方法、装置及遥感影像处理系统 | |
CN110427583B (zh) | 应用于移动端地图海量线抽稀绘制的方法 | |
CN111446968B (zh) | 矢量空间数据多级压缩方法 | |
CN112541047A (zh) | 一种适用于多级网格化管理系统的海量数据聚合方法 | |
CN115906717A (zh) | 一种水土保持的侵蚀计算方法及系统 | |
CN116091715A (zh) | 一种基于三维gis引擎的poi点聚合方法 |
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 |