CN111241221B - 一种受损地形坐标数据的自动化匹配及高精度修复方法 - Google Patents
一种受损地形坐标数据的自动化匹配及高精度修复方法 Download PDFInfo
- Publication number
- CN111241221B CN111241221B CN202010009076.6A CN202010009076A CN111241221B CN 111241221 B CN111241221 B CN 111241221B CN 202010009076 A CN202010009076 A CN 202010009076A CN 111241221 B CN111241221 B CN 111241221B
- Authority
- CN
- China
- Prior art keywords
- character
- characters
- coordinate
- point
- lambda
- 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.)
- Active
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
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Remote Sensing (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Computer Graphics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种受损地形坐标数据的自动化匹配及高精度修复方法,包括如下步骤:步骤1:提取原始信息数据,存储在文件中;步骤2:依据点平面坐标建立选择集,通过循环判断得到至少包括5个文字的选择集;步骤3:根据所建立的点的选择集,通过文字识别方法得到正确的文字配对;步骤4:判断正确的匹配文字中的整数部分和小数部分,确定最终数据。本发明的优点在于:其操作简单,易于编程实现自动化,其结果可靠、精度较高。其能快速实现对大量、无序的受损地形坐标数据的自动化匹配和高精度修复,相比于手动的数字化方法,极大的缩短了工作时间、减少了工作任务量、提高了工作效率。
Description
技术领域
本发明涉及地形坐标数据处理技术领域,具体地指一种受损地形坐标数据的自动化匹配及高精度修复方法。
背景技术
三维地形坐标数据(平面X、Y坐标和高程Z坐标)是诸多研究领域必须的基础资料,例如:在地理信息系统中,要建立地球表面的数字高程模型,必须首先从原始的地形测绘图中获取三维地形坐标数据,然后再导入到GIS软件中生成;在河道演变分析领域,要分析河道水下地形受水流作用而引起的冲淤变化,也必须先从测绘的河道水下地形图中提取三维河道地形坐标数据,然后导入到surfer等软件中生成河道表面的DEM(数字高程模型),最后通过两个年份之间DEM的差值就可以得出河道在这段时间的冲淤总量和冲淤分布特点;在河道水流泥沙模拟领域,要建立河道的数学或物理模型,也需先从测绘的河道水下地形图中提取三维地形坐标数据作为模型的输入条件,通过插值方法生成带地形信息的河道网格概化模型,然后给定边界进行模拟计算。由此可见,作为必须的基础资料,精确的地形坐标数据对于保障研究工作的顺利开展至关重要。
在实际的科研和生产过程中,以河道水下地形图为例,测绘部门提供的河道水下地形图一般为CAD格式的文件,地形坐标数据一般存储在CAD地形图某一图层(比如实测点层)上的文字等对象中,通过VBA编写程序提取出文字的平面位置(X坐标和Y坐标)和内容(Z坐标)就可到地形坐标数据。但在实际操作过程中,经常会遇到一种问题,就是出于某种不明的原因,测绘部门提供的地形图出现了损坏,具体表现为实测点层中原本一个完整的高程文字(比如-15.73)被分裂成为了三个部分,分别是整数部分(-15)、小数点部分(.)和小数部分(73)。在这种情况下,如果按照原方法进行提取就会得到高程值为-15和73的两个坐标数据,这与正确的高程值-15.73相去甚远,导致提取得到了错误的地形坐标数据,给研究者和设计师们造成了极大的困扰。
目前遇到这种情况的解决办法主要有两种,第一是较为原始的处理方法,也就是将图形打印出来,然后选择一个已知平面坐标的点作为基点,通过人工测量某一未知高程点到基点的距离和角度、并记录高程值,通过距离和角度、已知基点的平面坐标就可算出未知高程点的平面坐标,得到未知高程点的坐标信息,这种方法极其耗费时间和精力,在高程点较少时尚且可行,当高程点多达几万或几十万时,全部提取出来可能要花费数月之久;第二是略有改进的方法,首先将地形图转化为图片,然后在某些软件中进行数字化,逐个高程点的点击并记录高程信息,这种方法在一定程度上了缩短了工作时间,但对于高程点多达几万或几十万时,全部提取出来可能还是要花费数天之久。
由此可见,急需探寻新的方法来处理这种问题,以提高工作效率、解决实际问题。
发明内容
本发明的目的就是要提供一种受损地形坐标数据的自动化匹配及高精度修复方法,其能快速实现大量、无序的受损地形坐标数据自动化匹配,以及高精度修复,以提高工作效率。
为实现上述目的,本发明所设计的一种受损地形坐标数据的自动化匹配及高精度修复方法,包括如下步骤:
步骤1:提取原始信息数据,存储在文件中;
步骤2:依据点平面坐标建立选择集,通过循环判断得到至少包括5个文字的选择集;
步骤3:根据所构造的点的选择集,通过文字识别方法得到正确的文字配对;
步骤4:判断正确的配对的两个文字中的整数部分和小数部分,确定最终数据。
进一步地,所述步骤1中,所述原始信息数据包括小数点的平面坐标信息和文字的坐标信息;
所述小数点的平面坐标信息包括三列数据,分别为序号N、X0坐标和Y0坐标;
所述文字的坐标信息包括五列数据,分别为序号M、X1坐标、Y1坐标、Z1坐标和旋转角度λ1,所述旋转角度λ1为文字沿高度方向的轴线与正北方向沿顺时针的夹角。
进一步地,所述选择集的建立方法为:
步骤2.1:从小数点的平面坐标信息中任意选一个点Ni,其对应的平面坐标为X0i,Y0i,设定搜索区域的半径为R0,选取文字的坐标信息中的任意一个文字Mj,其对应的坐标信息为X1j、Y1j、Z1j、λ1j。
更进一步地,所述至少包括5个文字的选择集的循环判断方法为:
步骤2.2:计算文字与点的平面距离,并判断是否为选择集内文字,从而得到至少包括5个文字的选择集。
进一步地,所述步骤2.2中,所述文字Mj与点Ni的平面距离的计算公式为:
所述步骤2.2中,所述是否为选择集内文字的判断方法为:
判断rij与R0的大小关系,如果rij小于等于R0,则将文字Mj记录为点Ni选择集内的第一个文字;如果rij大于R0,则将文字Mj排除掉,进入到下一个文字Mj+1的判断过程,如此循环直至文字的坐标信息内所有的文字对象均判断完成。
更进一步地,所述步骤3中,所述文字识别方法包括:
步骤3.1:计算文字与小数点距离:从选择集里面选取文字,分别计算文字与小数点之间的距离、并进行排序,选择出距离最近的三个文字生成可能文字组;
步骤3.2:计算文字的旋转角度:对可能文字组的文字方向向量进行计算判断,挑选同时满足如下要求的正确的匹配文字:
(1)两文字具有同一条轴线,而且轴线与两文字基点的连线是平行的;
(2)两文字的方向向量同时垂直于轴线,同时垂直于两文字基点的连线。
进一步地,所述步骤3.2中,所述文字方向向量的计算方法为:
如果0≤λ1<90,方向向量坐标(x0a,y0a)为(-sinλ1,cosλ1);
如果90≤λ1<180,方向向量坐标(x0a,y0a)为(-sin(180-λ1),-cos(180-λ1));
如果180≤λ1<270,方向向量坐标(x0a,y0a)为(-sin(λ1-180),-cos(λ1-180));
如果270≤λ1<360,方向向量坐标(x0a,y0a)为(sin(360-λ1),cos(360-λ1));
更进一步地,所述步骤3.2中,所述文字方向向量进行的判断方法为:
可能文字组中第一个文字的定位基点坐标为(x1,y1),可能文字组中第二个文字的定位基点坐标为(x2,y2),可能文字组中第三个文字的定位基点坐标为(x3,y3)。经过计算可得,第一个文字和第二个文字定位基点连线向量的坐标为(x1-x2,y1-y2),第三个文字和第二个文字的定位基点连线向量的坐标为(x3-x2,y3-y2),
第一个文字和第二个文字之间满足如下条件:
第二个文字和第三个文字之间必不满足上述条件,也即:
那么通过上述方法,得到正确的匹配文字为第三个文字和第二个文字。
进一步地,所述步骤4中,所述整数部分和小数部分的判断方法为:
小数部分距小数点较近,而整数部分则距小数点较远,文字与小数点的计算公式为:
其中XA为整数部分的横坐标,YA为整数部分的纵坐标,XB为小数部分的横坐标,YB为小数部分的纵坐标,XP为小数点的横坐标,YP为小数点的纵坐标;
如果dB<dA,则B为小数部分、A为整数部分,然后根据整数部分A的类型,将整数部分A和小数部分B进行结合,则最终数据G的具体计算公式为:
A≥0,G=A+B/10 (8)
A<0,G=A-B/10 (9);
如果dB>dA,则A为小数部分、B为整数部分,然后根据整数部分B的类型,将整数部分B和小数部分A进行结合,则最终数据G的具体计算公式为:
B≥0,G=B+A/10 (10)
B<0,G=B-A/10 (11)。
作为优选项,所述步骤2中,
所述高程点的选择集内的文字数量不能少于5个,其具体判断方法为:
判断小数点Ni选择集内的文字数量少于5个时,则将R0增大至2R0,并重新执行上述的判断过程,直至选择集内的文字数量达到5个为止。
本发明的优点在于:
1、基于对大量实测地形图的观测,其操作简单,易于编程实现自动化;
2、其深入探寻数据之间的内部联系,从而发现正确配对的两个数据之间共有的特征,并建立了相应的匹配方法,结果可靠、精度较高;
3、其能快速实现对大量、无序的受损地形坐标数据的自动化匹配和高精度修复,相比于手动的数字化方法,极大的缩短了工作时间、减少了工作任务量、提高了工作效率。而且,其可以广泛用于河道地形坐标数据及其它地理坐标数据的提取和修复工作。
附图说明
图1为本发明的工作流程图;
图2为实测点层文字对象被损坏时具体表现示意图;
图3为选择集构造的示意图;
图4为计算文字与小数点距离时的示意图;
图5为计算文字旋转角度时的示意图。
具体实施方式
以下结合附图和具体实施对本发明作进一步的详细描述:
如图1,图中所示一种受损地形坐标数据的自动化匹配及高精度修复方法,包括如下步骤:
步骤1:提取原始信息数据,存储在文件中;
所述原始信息数据包括小数点的平面坐标信息和文字的坐标信息;所述小数点的平面坐标信息包括三列数据,分别为序号N、X0坐标和Y0坐标;所述文字的坐标信息包括五列数据,分别为序号M、X1坐标、Y1坐标、Z1坐标和旋转角度λ1,所述旋转角度λ1为文字沿高度方向的轴线与正北方向沿顺时针的夹角。
步骤2:依据点平面坐标建立选择集,通过循环判断得到至少包括5个文字的选择集;
步骤2.1:从小数点的平面坐标信息中任意选一个点Ni,其对应的平面坐标为X0i,Y0i,设定搜索区域的半径为R0,选取文字的坐标信息中的任意一个文字Mj,其对应的坐标信息为X1j、Y1j、Z1j、λ1j。
步骤2.2:计算文字与点的平面距离,并判断是否为选择集内文字,从而得到点的选择集。
所述文字Mj与点Ni的平面距离的计算公式为:
所述是否为选择集内文字的判断方法为:
判断rij与R0的大小关系,如果rij小于等于R0,则将文字Mj记录为点Ni选择集内的第一个文字;如果rij大于R0,则将文字Mj排除掉,进入到下一个文字Mj+1的判断过程,如此循环直至文字的坐标信息内所有的文字对象均判断完成。
为了保证精度,所述完整的高程点的选择集内的文字数量不能少于5个,其具体判断方法为:
判断小数点Ni选择集内的文字数量少于5个时,则将R0增大至2R0,并重新执行上述的判断过程,直至选择集内的文字数量达到5个为止。
步骤3:根据所建立的点的选择集,通过文字识别方法得到正确的文字配对;
步骤3.1:计算文字与小数点距离:从选择集里面选取文字,分别计算文字与小数点之间的距离、并进行排序,选择出距离最近的三个文字生成可能文字组;
步骤3.2:计算文字的旋转角度:对可能文字组的文字方向向量进行计算判断,挑选同时满足如下要求的正确的匹配文字:
(1)两文字具有同一条轴线,而且轴线与两文字基点的连线是平行的;
(2)两文字的方向向量同时垂直于轴线,同时垂直于两文字基点的连线。
所述文字方向向量进行的计算方法为:
如果0≤λ1<90,方向向量坐标(x0a,y0a)为(-sinλ1,cosλ1);
如果90≤λ1<180,方向向量坐标(x0a,y0a)为(-sin(180-λ1),-cos(180-λ1));
如果180≤λ1<270,方向向量坐标(x0a,y0a)为(-sin(λ1-180),-cos(λ1-180));
如果270≤λ1<360,方向向量坐标(x0a,y0a)为(sin(360-λ1),cos(360-λ1));
所述文字方向向量进行的判断方法为:
可能文字组中第一个文字的定位基点坐标为(x1,y1),可能文字组中第二个文字的定位基点坐标为(x2,y2),可能文字组中第三个文字的定位基点坐标为(x3,y3)。经过计算可得,第一个文字和第二个文字定位基点连线向量的坐标为(x1-x2,y1-y2),第三个文字和第二个文字的定位基点连线向量的坐标为(x3-x2,y3-y2),
第一个文字和第二个文字之间满足如下条件:
第二个文字和第三个文字之间必不满足上述条件,也即:
那么通过上述方法,得到正确的匹配文字为第三个文字和第二个文字。
步骤4:判断正确的匹配文字中的整数部分和小数部分,确定最终数据。
所述整数部分和小数部分的判断方法为:
小数部分距小数点较近,而整数部分则距小数点较远,文字与小数点距离的计算公式为:
其中XA为整数部分的横坐标,YA为整数部分的纵坐标,XB为小数部分的横坐标,YB为小数部分的纵坐标,XP为小数点的横坐标,YP为小数点的纵坐标;
如果dB<dA,则B为小数部分、A为整数部分,然后根据整数部分A的类型,将整数部分A和小数部分B进行结合,则最终数据G的具体计算公式为:
A≥0,G=A+B/10 (8)
A<0,G=A-B/10 (9);
如果dB>dA,则A为小数部分、B为整数部分,然后根据整数部分B的类型,将整数部分B和小数部分A进行结合,则最终数据G的具体计算公式为:
B≥0,G=B+A/10 (10)
B<0,G=B-A/10 (11)。
本发明在实际使用时:
一般而言,测绘人员通过野外测量可以得到原始地形坐标数据,然后以原始地形坐标数据为基础通过某些软件经过一系列的处理可绘制得到CAD地形图,同时实测地形坐标数据的信息也会集成到CAD地形图中,以方便工程师或研究者们提取使用,用以完成工程设计和科学研究。
通常情况下,以河道CAD地形图为例,包含地形坐标数据信息的图层为“实测点层”或“GCD”等,在“实测点层”或“GCD”中,地形坐标数据信息集成在“文字”或“块参照”等载体中,文字或块参照可以有两种组合方式,其一为文字单独存在,文字的内容就是点的高程,也即Z坐标,而文字的平面坐标即为点的平面坐标;其二为文字和块参照同时存在,但在此种情况下,可能文字和块参照同时包含坐标信息,也可能只有文字包含坐标信息、而块参照只包含有部分坐标信息(比如只有平面坐标信息、没有高程信息)。由此可见,无论是上述哪种情况,文字都必然包含了最全面的坐标信息,因此只要利用CAD自带的VBA二次开发功能编写程序将文字的内容和平面坐标从地形图中提取出来就可以得到完整的地形坐标数据。
实施例1:
如图2,实际生产和科研过程中,工程师和研究者经常接收到受损的河道CAD地形图。具体表现为实测点层中文字对象被损坏,一个完整文字对象13.56被分散为三块,分别是文字对象13(部分1:整数部分)、小数点对象(部分2:小数点)和文字对象56(部分3:小数部分)。在这种情况下,无论是提取文字对象还是小数点对象都无法得到正确而完整的地形坐标数据。这就会导致我们的设计或科研工作陷入停滞,因此必须构造新的思路来解决这个问题。
如果文字被分解为三部分,我们可以根据对象的类别提取出两类信息,第一类信息为根据文字(图2中的部分1和部分3)提取出的坐标信息,该坐标信息是三维的,包括平面X坐标和Y坐标、高程Z坐标,此时的高程Z坐标是完全失准的,不能使用;第二类信息为根据点(图2中的部分2)提取出的坐标信息,只包括平面X坐标和Y坐标。由于任意一高程点周围还有许多高程点,因此要依据这两类信息得到正确的地形坐标数据就会面临两个问题,问题1是要依据现有提取的数据构造选择集,选择集必须包含图2中的三部分信息,而且构造的选择集和完整的文字是惟一对应的;问题2是在选择集建立后,由于选择集里除了包含图2中的三部分信息外,还有其它的信息,因此还需对选择集里面的数据进行配对,才能得到正确的地形坐标。
针对问题1,我们构造了选择集模块;针对问题2,我们构造了文字点配对模块。
(一)选择集构造模块
要解决上述问题1,第一步是根据提取到的信息,针对每一个完整的文字对象构造唯一的选择集。根据上述分析可知,一个完整的文字对象被分裂成了三个部分,包括两个割裂的文字对象和一个点对象。显而易见,分裂后文字对象是不唯一,而点对象则是唯一的。因此只能根据点对象来建立选择集,具体的构造方法是以小数点为中心,以距离R为半径在平面上画一个圆,圆的大小要保证其覆盖的范围内至少有五个文字,否则就需要扩大圆圈的半径为2R。
如图3,具体构造步骤为:(1)从CAD地形图中提取相关数据,标准的CAD地形图中坐标信息一般储存在“实测点层”图层中。依据以上分析可知,为了达到目的,我们需要提出两部分信息。利用目前已经开发好的地形坐标提取软件,首先提取小数点的平面坐标信息,存储在名称为“小数点平面坐标.txt”的文件中,文件中包括三列数据,分别为序号N、X0坐标和Y0坐标;然后提取文字的坐标信息,存储在名称为“文字坐标.txt”文件,文件中包括五列数据,分别为序号M、X1坐标、Y1坐标、Z1坐标和旋转角度λ1(CAD中文件的旋转角度λ1定义为文字沿高度方向的轴线与正北方向沿顺时针的夹角)。(2)依据点平面坐标建立选择集,从“小数点平面坐标.txt”文件中任意选一个点Ni(其对应的平面坐标为X0i,Y0i),设定搜索区域的半径为R0,选取“文字坐标.txt”文件中的任意一个文字Mj(其对应的坐标信息为X1j、Y1j、Z1j、λ1j),计算文字Mj与点Ni的平面距离:
判断rij与R0的大小关系,如果rij小于等于R0,则将文字Mj记录为点Ni选择集内的第一个文字;如果rij大于R0,则将文字Mj排除掉,进入到下一个文字Mj+1的判断过程,如此循环直至“文字坐标.txt”文件内所有的文字对象均判断完成。由前述背景可知,一个完整的高程点包括一个小数点和两个文字,为了保证精度,规定某个小数点选择集内的文字数量不能少于5个,因此假如小数点Ni选择集内的文字数量少于5个,则将R0增大至2R0,重新执行上述的搜索计算过程,直至选择集内的文字数量达到5个为止。
(二)文字匹配模块
选择集构造完成后,任意小数点的选择集内至少有5个被分解的文字,其中只有两个文字是正确的。如何从这些文字中找出那两个正确的文字进行配对,是关键的技术问题。正确配对的两个文字必须具有某种独特的属性才可以选择出来,需进行开放性的思考。基于对大量地形图的观测研究,初步考虑了两种思路。
第一种方法是从距离的角度进行思考。小数点的位置必然是在两个文字中间,因此匹配的两个文字应该是距小数点最近的,按照CAD的成图规则,文字的定位基点是在文字的左下角位置。因此可以从选择集里面选取文字,分别计算文字与小数点之间的距离、并进行排序,最后选择出距离最近的两个文字进行配对。这种方法在两个高程点相距比较远的时候尚且可行,在两个高程点相距比较近的时候则会导致错误的配对。
如图4,圆圈是小数点P1的选择集,选择集内包括5个被分解的文字,分别为-12、71、13、56和33。这5个被分解的文字组成了两个完整的高程点-12.71和13.56,以及高程点-15.33的小数部分。与小数点P1对应的两个文字应该是13和56。分别计算这5个被分解文字与小数点P1的距离,并按照距离的远近对这5个被分解的文字进行排序,结果从远到近依次为-12、33、13、71、56。如果选取距离小数点P1最近的两个文字则为71和56,很明显这是不正确的匹配结果。
第二种方法可以从文字的旋转角度进行思考。既然文字是由高程点分解而来,那么分解的两个文字必然具有相同的旋转角度属性,可以作为突破口。
如图4,对于小数点P1选择集内的5个文字,有四个都具有相同旋转角度,分别为-12、71、13和56,那么采用这种思路还是无法找出正确的两个文字进行配对,因此这种方法不能作为独立的判断条件。假如将第二种方法与第一种方法进行联合使用,既满足距离最近、又满足旋转角度相同,判断出来与小数点P1配对的两个文字依然是71和56,依然无法得到正确的结果。
很明显,上述两种方法都无法得出正确的判断结果。那么只能再重新构造新的方法。根据文字旋转角度λ的定义,文字的旋转角度λ为文字的方向向量与正北向沿顺时针方向的夹角,文字方向向量是沿着文字高度的方向。文字轴线向量是沿着文字宽度的方向,文字方向向量与文字轴线向量是完全垂直的,从这个角度进行思考,也许能找到问题的解决方法。
既然文字13和文字56是由高程点13.56分解而来的,那么文字13和文字56应该同时满足以下两条性质:(1)两文字具有同一条轴线,而且轴线与两文字基点的连线是平行的;(2)两文字的方向向量应该同时垂直于轴线,因而也就同时垂直于两文字基点的连线。同时满足这两条性质的两个文字就是我们需要匹配的正确文字。
最后,应当指出,以上实施例仅是本发明较有代表性的例子。显然,本发明不限于上述实施例,还可以有许多变形。凡是依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均应认为属于本发明的保护范围。
Claims (8)
1.一种受损地形坐标数据的自动化匹配及高精度修复方法,其特征在于:包括如下步骤:
步骤1:提取原始信息数据,存储在文件中;
步骤2:依据点平面坐标建立选择集,通过循环判断得到至少包括5个文字的选择集;
步骤3:根据所建立的点的选择集,通过文字识别方法得到正确的文字配对;
步骤4:判断正确的匹配文字中的整数部分和小数部分,确定最终数据;
所述步骤1中,所述原始信息数据包括小数点的平面坐标信息和文字的坐标信息;
所述小数点的平面坐标信息包括三列数据,分别为序号N、X0坐标和Y0坐标;
所述文字的坐标信息包括五列数据,分别为序号M、X1坐标、Y1坐标、Z1坐标和旋转角度λ1,所述旋转角度λ1为文字沿高度方向的轴线与正北方向沿顺时针的夹角;
所述步骤3中,所述文字识别方法包括:
步骤3.1:计算文字与小数点距离:从选择集里面选取文字,分别计算文字与小数点之间的距离、并进行排序,选择出距离最近的三个文字生成可能文字组;
步骤3.2:计算文字的旋转角度:对可能文字组的文字方向向量进行计算判断,挑选同时满足如下要求的正确的匹配文字:
(1)两文字具有同一条轴线,而且轴线与两文字基点的连线是平行的;
(2)两文字的方向向量同时垂直于轴线,同时垂直于两文字基点的连线。
2.根据权利要求1所述一种受损地形坐标数据的自动化匹配及高精度修复方法,其特征在于:所述选择集的建立方法为:
步骤2.1:从小数点的平面坐标信息中任意选一个点Ni,其对应的平面坐标为X0i,Y0i,设定搜索区域的半径为R0,选取文字的坐标信息中的任意一个文字Mj,其对应的坐标信息为X1j、Y1j、Z1j、λ1j。
3.根据权利要求2所述一种受损地形坐标数据的自动化匹配及高精度修复方法,其特征在于:所述点的选择集的循环判断方法为:
步骤2.2:计算文字与点的平面距离,并判断是否为选择集内文字,依次循环从而得到点的选择集。
5.根据权利要求1所述一种受损地形坐标数据的自动化匹配及高精度修复方法,其特征在于:所述步骤3.2中,所述文字方向向量进行的计算方法为:
如果0≤λ1<90,方向向量坐标(x0a,y0a)为(-sinλ1,cosλ1);
如果90≤λ1<180,方向向量坐标(x0a,y0a)为(-sin(180-λ1),-cos(180-λ1));
如果180≤λ1<270,方向向量坐标(x0a,y0a)为(-sin(λ1-180),-cos(λ1-180));
如果270≤λ1<360,方向向量坐标(x0a,y0a)为(sin(360-λ1),cos(360-λ1));
6.根据权利要求5所述一种受损地形坐标数据的自动化匹配及高精度修复方法,其特征在于:所述步骤3.2中,所述文字方向向量进行的判断方法为:
可能文字组中第一个文字的定位基点坐标为(x1,y1),可能文字组中第二个文字的定位基点坐标为(x2,y2),可能文字组中第三个文字的定位基点坐标为(x3,y3);经过计算可得,第一个文字和第二个文字定位基点连线向量的坐标为(x1-x2,y1-y2),第三个文字和第二个文字的定位基点连线向量的坐标为(x3-x2,y3-y2),
第一个文字和第二个文字之间满足如下条件:
第二个文字和第三个文字之间必不满足上述条件,也即:
那么通过上述方法,得到正确的匹配文字为第三个文字和第二个文字。
7.根据权利要求6所述一种受损地形坐标数据的自动化匹配及高精度修复方法,其特征在于:所述步骤4中,所述整数部分和小数部分的判断方法为:
小数部分距小数点较近,而整数部分则距小数点较远,文字与小数点的计算公式为:
其中XA为整数部分的横坐标,YA为整数部分的纵坐标,XB为小数部分的横坐标,YB为小数部分的纵坐标,XP为小数点的横坐标,YP为小数点的纵坐标;
如果dB<dA,则B为小数部分、A为整数部分,然后根据整数部分A的类型,将整数部分A和小数部分B进行结合,则最终数据G的具体计算公式为:
A≥0,G=A+B/10 (8)
A<0,G=A-B/10 (9);
如果dB>dA,则A为小数部分、B为整数部分,然后根据整数部分B的类型,将整数部分B和小数部分A进行结合,则最终数据G的具体计算公式为:
B≥0,G=B+A/10 (10)
B<0,G=B-A/10 (11)。
8.根据权利要求2所述一种受损地形坐标数据的自动化匹配及高精度修复方法,其特征在于:所述步骤2中,
完整的高程点的选择集内的文字数量不能少于5个,其具体判断方法为:判断小数点Ni选择集内的文字数量少于5个时,则将R0增大至2R0,并重新执行上述的判断过程,直至选择集内的文字数量达到5个为止。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010009076.6A CN111241221B (zh) | 2020-01-06 | 2020-01-06 | 一种受损地形坐标数据的自动化匹配及高精度修复方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010009076.6A CN111241221B (zh) | 2020-01-06 | 2020-01-06 | 一种受损地形坐标数据的自动化匹配及高精度修复方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111241221A CN111241221A (zh) | 2020-06-05 |
CN111241221B true CN111241221B (zh) | 2022-05-13 |
Family
ID=70874239
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010009076.6A Active CN111241221B (zh) | 2020-01-06 | 2020-01-06 | 一种受损地形坐标数据的自动化匹配及高精度修复方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111241221B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113192195B (zh) * | 2021-04-27 | 2022-05-17 | 长江勘测规划设计研究有限责任公司 | 一种受损地形坐标数据的修复方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009187440A (ja) * | 2008-02-08 | 2009-08-20 | Mitsubishi Space Software Kk | 観測画像補正装置、観測画像補正プログラムおよび観測画像補正方法 |
CN101893960A (zh) * | 2010-06-28 | 2010-11-24 | 北京捷通华声语音技术有限公司 | 一种基于方向向量的文字识别方法和识别装置 |
CN105074782A (zh) * | 2013-03-12 | 2015-11-18 | 三菱电机株式会社 | 三维信息处理装置 |
CN106294001A (zh) * | 2016-07-25 | 2017-01-04 | 中国科学院国家天文台 | 一种用于月球环形坑异常地形数据的修复方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CZ2014489A3 (cs) * | 2014-07-15 | 2015-10-14 | R.O.G. S.R.O. | Způsob měření, zpracování a využívání dat digitálního modelu terénu pro objektivní hodnocení geometrických parametrů měřených objektů a měřící zařízení pro provádění uvedeného způsobu |
-
2020
- 2020-01-06 CN CN202010009076.6A patent/CN111241221B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009187440A (ja) * | 2008-02-08 | 2009-08-20 | Mitsubishi Space Software Kk | 観測画像補正装置、観測画像補正プログラムおよび観測画像補正方法 |
CN101893960A (zh) * | 2010-06-28 | 2010-11-24 | 北京捷通华声语音技术有限公司 | 一种基于方向向量的文字识别方法和识别装置 |
CN105074782A (zh) * | 2013-03-12 | 2015-11-18 | 三菱电机株式会社 | 三维信息处理装置 |
CN106294001A (zh) * | 2016-07-25 | 2017-01-04 | 中国科学院国家天文台 | 一种用于月球环形坑异常地形数据的修复方法 |
Non-Patent Citations (2)
Title |
---|
地形特征约束下的失真DEM修复方法;周波等;《测绘通报》;20170825(第08期);第60-65页 * |
基于ArcGIS的高程值自动修复方法的探讨;林铁等;《测绘通报》;20100125(第01期);第35-38页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111241221A (zh) | 2020-06-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109684428A (zh) | 空间数据建设方法、装置、设备及存储介质 | |
Li et al. | Automatically and accurately matching objects in geospatial datasets | |
CN111241221B (zh) | 一种受损地形坐标数据的自动化匹配及高精度修复方法 | |
CN113902872A (zh) | 非结构基质网格与裂缝连接性的检测方法、装置及介质 | |
CN109711680A (zh) | 基于gis数字化技术的河流水电规划方法 | |
US11954410B2 (en) | Watershed marching-delineation algorithm | |
CN111309831A (zh) | 一种基于双线性内插模型的不动产地理空间数据脱敏方法 | |
Kieler et al. | Matching river datasets of different scales | |
CN104331389A (zh) | 基于八点法的等值线追踪算法 | |
CN110555189A (zh) | 一种基于反向计算思维的空间插值方法 | |
CN102467573B (zh) | 数字测图简拼编码法和内部排序法为辅的最短距离排序法 | |
Du et al. | Similarity measurements on multi‐scale qualitative locations | |
CN113095012B (zh) | 风电场流场分区数值仿真计算结果拼接融合方法 | |
CN115935561A (zh) | 一种三维管网建模方法、装置、电子设备及存储介质 | |
CN104008167B (zh) | 一种采用单要素描述地质体的地质图建库方法 | |
CN113656852B (zh) | 一种精细化河道地形快速生成方法 | |
CN114546941A (zh) | 一种数字地形图空间坐标系与投影的全信息无损转换方法 | |
KR101091061B1 (ko) | 수치지도 상 공간객체의 위치유사도 측정방법 및 이를 이용한 지도 매칭방법 | |
CN111506576A (zh) | 一种基于区域四叉树的地块编码方法及装置 | |
Li et al. | Automatic method of flow direction reasoning for bridging tributaries using adjacency relation | |
CN111400891B (zh) | 管道巡检点偏差程度获取方法、装置、设备及存储介质 | |
CN114706930A (zh) | 一种基于AOI数据和GeoHash算法的交通小区各类型用地面积统计方法 | |
Dehghani et al. | Matching of urban pathways in a multi-scale database using fuzzy reasoning | |
Haag et al. | Creation of a data model to retrieve constrained watershed boundaries. | |
CN116595113A (zh) | 一种基于高德poi数据的海量坐标数据转换方法 |
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 |