CN111681294A - 一种基于边缘计算的网络瓦片地图高性能渲染方法及系统 - Google Patents

一种基于边缘计算的网络瓦片地图高性能渲染方法及系统 Download PDF

Info

Publication number
CN111681294A
CN111681294A CN202010375295.6A CN202010375295A CN111681294A CN 111681294 A CN111681294 A CN 111681294A CN 202010375295 A CN202010375295 A CN 202010375295A CN 111681294 A CN111681294 A CN 111681294A
Authority
CN
China
Prior art keywords
tile
image
map
data
tile image
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
CN202010375295.6A
Other languages
English (en)
Other versions
CN111681294B (zh
Inventor
葛亮
孟浩东
郭明强
周奎
黄颖
曹威
赵又霖
郑二龙
余磊
郭立强
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.)
Tianjin Institute Of Surveying And Mapping Co ltd
Original Assignee
Tianjin City
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 Tianjin City filed Critical Tianjin City
Priority to CN202010375295.6A priority Critical patent/CN111681294B/zh
Publication of CN111681294A publication Critical patent/CN111681294A/zh
Application granted granted Critical
Publication of CN111681294B publication Critical patent/CN111681294B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • 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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20132—Image cropping
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30184—Infrastructure
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明提出了一种基于边缘计算的网络瓦片地图高性能渲染方法系统，基于边缘计算技术，减少客户端发送的HTTP请求次数，主要包括以下步骤：设置瓦片生成参数；依次处理每张瓦片图像；请求低级别的瓦片图像并在客户端通过超分图像重建模型生成多张瓦片图像；实现客户端瓦片地图的高性能渲染。本方法可以显著地减少客户端发送的HTTP请求数量，节省网络带宽，降低网络通信时间开销，对大用户量高并发访问场景下的网络瓦片地图高性能渲染具有重要的现实意义。

Description

一种基于边缘计算的网络瓦片地图高性能渲染方法及系统
技术领域
本发明涉及网络地理信息系统领域，尤其涉及网络地理信息系统中的瓦片地图服务方面，更具体地说，涉及一种基于边缘计算的网络瓦片地图高性能渲染方法及系统。
背景技术
在网络地理信息系统中，地图服务通常有瓦片地图服务和矢量地图服务两种形式，瓦片地图服务形式是预先将地图生成固定大小的瓦片图像，然后以网络服务的形式提供给客户端访问。瓦片地图采用四叉树的规则进行切片，第i级瓦片地图的瓦片图像数量(即最小切片的数量)为22i。在网络客户端，每次缩放、移动或跳转定位地图时，需要向服务端发送瓦片地图HTTP请求，在普通计算机屏幕上显示瓦片地图，一般会发送HTTP请求约30次。由于HTTP请求是一个耗时的操作，请求越多，客户端地图渲染的时间开销就越大。当客户端用户量较大时，HTTP请求过多还会导致网络带宽被过多的占用。如果按每张瓦片图像平均文件大小为10KB计算，请求30张瓦片图像占用的带宽大小为30*10KB＝300KB，如果有1000人同时并发访问，则服务器端的网络带宽会需要1000*300KB＝300000KB，当服务器端带宽较小时，则客户端请求就会出现长时间等待情况。如何减少客户端瓦片地图请求的次数，是网络地理信息系统中需要解决的关键问题之一，本发明基于上述问题提出了一种基于边缘计算的网络瓦片地图高性能渲染方法及系统，通过边缘计算技术，减少瓦片图像请求次数，从而加速客户端瓦片地图渲染过程。
发明内容
本发明主要解决的技术问题在于针对现有技术中的上述技术缺陷，提出了一种基于边缘计算的网络瓦片地图高性能渲染方法及系统，减少客户端瓦片图像请求次数，从而实现客户端网络瓦片地图的高性能渲染。
根据本发明的其中一方面，本发明为解决其技术问题，所提供的基于边缘计算的网络瓦片地图高性能渲染方法包含运行于客户端的如下步骤：
步骤1)、初始化瓦片地图名称T，响应在客户端上操作瓦片地图的动作，计算需要请求的瓦片图像的级别、行号和列号，将每个瓦片图像的请求参数存储到一个全局数组ReqList中，ReqList中的每一个数据项包括瓦片地图名称、级别、行号、列号；初始化当前处理的瓦片图像的请求参数的数据项索引ReqIndex＝0；初始化临时瓦片图像数据数组DataList，DataList中的每一个数据项包括瓦片地图名称、级别、行号、列号和瓦片图像字节数据；设置瓦片图像请求优化参数S，S为大于或等于1的整数；设置瓦片图像高度和宽度均为Size；
步骤2)、从ReqList中获取第ReqIndex个瓦片图像的请求参数，根据请求参数在DataList中查找瓦片图像数据，如果找到对应的瓦片图像数据，转步骤3，如果没找到对应的瓦片图像数据，则转步骤4；
步骤3)、返回图像数据并在客户端渲染图像，更新ReqIndex为ReqIndex加1，更新后如果ReqIndex等于ReqList中的数据项个数，转步骤6；如果ReqIndex小于ReqList中的数据项个数，转步骤2；
步骤4)、根据当前瓦片图像的请求参数中的瓦片级别L、行号R、列号C，计算出在L-S级瓦片图像中，对应的瓦片图像的行号TargetR和列号TargetC，其中TargetR＝Math.floor(R/2S)，TargetC＝Math.floor(C/2S)，math.floor(x)用于返回小于参数x的最大整数；使用瓦片地图名称T，瓦片级别L-S，瓦片行号TargetR和列号TargetC构造瓦片图像HTTP请求URL，向服务端发送HTTP请求，然后接收服务器根据HTTP请求返回的瓦片图像的字节数据；根据所述返回的瓦片图像的字节数据，将该瓦片图像重建为高度和宽度均为NewSize的新图像，NewSize＝Size*2S，转步骤5；
步骤5)、将新图像裁剪为2S行、2S列，总共22S个瓦片图像，每个裁剪后的瓦片图像的宽度和宽度均为Size，将裁剪后的每个瓦片图像存储到DataList中，每个数据项存储一个裁剪后的瓦片图像的信息和字节数据，信息包括瓦片地图的名称、瓦片级别、瓦片行号、瓦片列号，转步骤2；
步骤6)、清空RequestList以及DataList，完成客户端瓦片地图渲染操作。
进一步地，在本发明的基于边缘计算的网络瓦片地图高性能渲染方法中，步骤1中，所述在客户端上操作瓦片地图的动作包括：缩放、移动以及跳转定位。
进一步地，在本发明的基于边缘计算的网络瓦片地图高性能渲染方法中，步骤S4中的新图像为调用超分图像重建模型提供的重建接口进行重建形成的。
进一步地，在本发明的基于边缘计算的网络瓦片地图高性能渲染方法中，步骤5中，新图像为调用图像裁剪接口进行裁剪。
根据本发明的另一方面，本发明为解决其技术问题，所提供的基于边缘计算的网络瓦片地图高性能渲染系统包含运行于客户端的如下模块：
初始化模块，用于初始化瓦片地图名称T，响应在客户端上操作瓦片地图的动作，计算需要请求的瓦片图像的级别、行号和列号，将每个瓦片图像的请求参数存储到一个全局数组ReqList中，ReqList中的每一个数据项包括瓦片地图名称、级别、行号、列号；初始化当前处理的瓦片图像的请求参数的数据项索引ReqIndex＝0；初始化临时瓦片图像数据数组DataList，DataList中的每一个数据项包括瓦片地图名称、级别、行号、列号和瓦片图像字节数据；设置瓦片图像请求优化参数S，S为大于或等于1的整数；设置瓦片图像高度和宽度均为Size；
请求参数处理模块，用于从ReqList中获取第ReqIndex个瓦片图像的请求参数，根据请求参数在DataList中查找瓦片图像数据，如果找到对应的瓦片图像数据，转渲染判断模块，如果没找到对应的瓦片图像数据，则转HTTP请求及图像重建模块；
渲染判断模块，用于返回图像数据并在客户端渲染图像，更新ReqIndex为ReqIndex加1，更新后如果ReqIndex等于ReqList中的数据项个数，转数据清空结束模块；如果ReqIndex小于ReqList中的数据项个数，转请求参数处理模块；
HTTP请求及图像重建模块，用于根据当前瓦片图像的请求参数中的瓦片级别L、行号R、列号C，计算出在L-S级瓦片图像中，对应的瓦片图像的行号TargetR和列号TargetC，其中TargetR＝Math.floor(R/2S)，TargetC＝Math.floor(C/2S)，math.floor(x)用于返回小于参数x的最大整数；使用瓦片地图名称T，瓦片级别L-S，瓦片行号TargetR和列号TargetC构造瓦片图像HTTP请求URL，向服务端发送HTTP请求，然后接收服务器根据HTTP请求返回的瓦片图像的字节数据；根据所述返回的瓦片图像的字节数据，将该瓦片图像重建为高度和宽度均为NewSize的新图像，NewSize＝Size*2S，转瓦片图像数据存储模块；
瓦片图像数据存储模块，用于将新图像裁剪为2S行、2S列，总共22S个瓦片图像，每个裁剪后的瓦片图像的宽度和宽度均为Size，将裁剪后的每个瓦片图像存储到DataList中，每个数据项存储一个裁剪后的瓦片图像的信息和字节数据，信息包括瓦片地图的名称、瓦片级别、瓦片行号、瓦片列号，转请求参数处理模块；
数据清空结束模块，用于清空RequestList以及DataList，完成客户端瓦片地图渲染操作。
进一步地，在本发明的基于边缘计算的网络瓦片地图高性能渲染系统中，初始化模块中，所述在客户端上操作瓦片地图的动作包括：缩放、移动以及跳转定位。
进一步地，在本发明的基于边缘计算的网络瓦片地图高性能渲染系统中，HTTP请求及图像重建模块中的新图像为调用超分图像重建模型提供的重建接口进行重建形成的。
进一步地，在本发明的基于边缘计算的网络瓦片地图高性能渲染系统中，瓦片图像数据存储模块中，新图像为调用图像裁剪接口进行裁剪。
本发明优势在于能够将客户端每次请求的瓦片地图映射到低级别的瓦片地图中，采用边缘计算技术，通过在客户端使用超分图像重建接口，在客户端重建高级别瓦片图像，减少瓦片地图HTTP请求数量，一方面减少网络带宽的占用，另一方面减少了与服务器之间的通信开销，显著地缩短了客户端瓦片地图的渲染时间，实现了网络瓦片地图的高性能渲染。本发明对大用户量高并发访问场景下的网络瓦片地图渲染具有重要的现实意义。
附图说明
下面将结合附图及实施例对本发明作进一步说明，附图中：
图1是本发明的基于边缘计算的网络瓦片地图高性能渲染方法一实施例的流程图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。
参考图1，图1为本发明的基于边缘计算的网络瓦片地图高性能渲染方法一实施例的流程图。本实施例的基于边缘计算的网络瓦片地图高性能渲染方法包含运行于客户端的如下步骤：
步骤1)、初始化瓦片地图名称T，响应在客户端上操作瓦片地图的缩放、移动或跳转定位等动作，计算需要请求的瓦片图像的级别、行号和列号，将每个瓦片图像的请求参数存储到一个全局数组ReqList中，ReqList中的每一个数据项包括瓦片地图名称、级别、行号、列号；初始化当前处理的瓦片图像的请求参数的数据项索引ReqIndex＝0；初始化临时瓦片图像数据数组DataList，DataList中的每一个数据项包括瓦片地图名称、级别、行号、列号和瓦片图像字节数据；设置瓦片图像请求优化参数S，S为大于或等于1的整数；设置瓦片图像高度和宽度均为Size。瓦片图像字节数据是指把图像读到内存里面，在内存里面是以字节数组形式存的，在编程语言里面是Byte[]这种字节数组。
步骤2)、从ReqList中获取第ReqIndex个瓦片图像的请求参数，根据请求参数在DataList中查找瓦片图像数据，如果找到对应的瓦片图像数据，转步骤3，如果没找到对应的瓦片图像数据，则转步骤4。
步骤3)、返回图像数据并在客户端渲染图像，更新ReqIndex为ReqIndex加1，更新后如果ReqIndex等于ReqList中的数据项个数，转步骤6；如果ReqIndex小于ReqList中的数据项个数，转步骤2。
步骤4)、根据当前瓦片图像的请求参数中的瓦片级别L、行号R、列号C，计算出在L-S级瓦片图像中，对应的瓦片图像的行号TargetR和列号TargetC，其中TargetR＝Math.floor(R/2S)，TargetC＝Math.floor(C/2S)，math.floor(x)用于返回小于参数x的最大整数；使用瓦片地图名称T，瓦片级别L-S，瓦片行号TargetR和列号TargetC构造瓦片图像HTTP请求URL，向服务端发送HTTP请求，然后接收服务器根据HTTP请求返回的瓦片图像的字节数据；调用超分图像重建模型提供的重建接口，例如调用SRCNN超分图像重建模型的predict方法，根据所述返回的瓦片图像的字节数据，将该瓦片图像重建为高度和宽度均为NewSize的新图像，NewSize＝Size*2S，转步骤5。其中，服务器上具有各种等级的瓦片图像的字节数据，服务器在收到上述HTTP请求，会从L-S级的瓦片图像中找出中TargetR行、TargetC列的瓦片图像的字节数据，并返回给客户端。
步骤5)、调用图像裁剪接口，将新图像裁剪为2S行、2S列，总共22S个瓦片图像，每个裁剪后的瓦片图像的宽度和宽度均为Size，将裁剪后的每个瓦片图像存储到DataList中，每个数据项存储一个裁剪后的瓦片图像的信息和字节数据，信息包括瓦片地图的名称、瓦片级别、瓦片行号、瓦片列号，转步骤2。在步骤S6之前，若是在处理当前ReqIndex个瓦片图像的请求参数，采用了DataList存储了新瓦片图像，在后续处理时，若是处理其他ReqIndex个瓦片图像的请求参数时也需要采用DataList存储了新瓦片图像，则两次的新瓦片图像均存储于DataList中。
步骤6)、清空RequestList以及DataList，完成客户端瓦片地图渲染操作。
同时，本发明还提供了一种基于边缘计算的网络瓦片地图高性能渲染系统的实施例，其包含运行于客户端的初始化模块、请求参数处理模块、渲染判断模块、HTTP请求及图像重建模块、瓦片图像数据存储模块以及数据清空结束模块。
初始化模块用于初始化瓦片地图名称T，响应在客户端上操作瓦片地图的缩放、移动或跳转定位等动作，计算需要请求的瓦片图像的级别、行号和列号，将每个瓦片图像的请求参数存储到一个全局数组ReqList中，ReqList中的每一个数据项包括瓦片地图名称、级别、行号、列号；初始化当前处理的瓦片图像的请求参数的数据项索引ReqIndex＝0；初始化临时瓦片图像数据数组DataList，DataList中的每一个数据项包括瓦片地图名称、级别、行号、列号和瓦片图像字节数据；设置瓦片图像请求优化参数S，S为大于或等于1的整数；设置瓦片图像高度和宽度均为Size。
请求参数处理模块用于从ReqList中获取第ReqIndex个瓦片图像的请求参数，根据请求参数在DataList中查找瓦片图像数据，如果找到对应的瓦片图像数据，转渲染判断模块，如果没找到对应的瓦片图像数据，则转HTTP请求及图像重建模块。
渲染判断模块，用于返回图像数据并在客户端渲染图像，更新ReqIndex为ReqIndex加1，更新后如果ReqIndex等于ReqList中的数据项个数，转数据清空结束模块；如果ReqIndex小于ReqList中的数据项个数，转请求参数处理模块。
HTTP请求及图像重建模块，用于根据当前瓦片图像的请求参数中的瓦片级别L、行号R、列号C，计算出在L-S级瓦片图像中，对应的瓦片图像的行号TargetR和列号TargetC，其中TargetR＝Math.floor(R/2S)，TargetC＝Math.floor(C/2S)，math.floor(x)用于返回小于参数x的最大整数；使用瓦片地图名称T，瓦片级别L-S，瓦片行号TargetR和列号TargetC构造瓦片图像HTTP请求URL，向服务端发送HTTP请求，然后接收服务器根据HTTP请求返回的瓦片图像的字节数据；调用超分图像重建模型提供的重建接口，例如调用SRCNN超分图像重建模型的predict方法，根据所述返回的瓦片图像的字节数据，将该瓦片图像重建为高度和宽度均为NewSize的新图像，NewSize＝Size*2S，转瓦片图像数据存储模块。其中，服务器上具有各种等级的瓦片图像的字节数据，服务器在收到上述HTTP请求，会从L-S级的瓦片图像中找出中TargetR行、TargetC列的瓦片图像的字节数据，并返回给客户端。
瓦片图像数据存储模块，用于调用图像裁剪接口，将新图像裁剪为2S行、2S列，总共22S个瓦片图像，每个裁剪后的瓦片图像的宽度和宽度均为Size，将裁剪后的每个瓦片图像存储到DataList中，每个数据项存储一个裁剪后的瓦片图像的信息和字节数据，信息包括瓦片地图的名称、瓦片级别、瓦片行号、瓦片列号，转请求参数处理模块。在数据清空结束模块之前，若是在处理当前ReqIndex个瓦片图像的请求参数，采用了DataList存储了新瓦片图像，在后续处理时，若是处理其他ReqIndex个瓦片图像的请求参数时也需要采用DataList存储了新瓦片图像，则两次的新瓦片图像均存储于DataList中。
数据清空结束模块，用于清空RequestList以及DataList，完成客户端瓦片地图渲染操作。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (8)

1.一种基于边缘计算的网络瓦片地图高性能渲染方法，其特征在于，包含运行于客户端的如下步骤：
步骤1)、初始化瓦片地图名称T，响应在客户端上操作瓦片地图的动作，计算需要请求的瓦片图像的级别、行号和列号，将每个瓦片图像的请求参数存储到一个全局数组ReqList中，ReqList中的每一个数据项包括瓦片地图名称、级别、行号、列号；初始化当前处理的瓦片图像的请求参数的数据项索引ReqIndex＝0；初始化临时瓦片图像数据数组DataList，DataList中的每一个数据项包括瓦片地图名称、级别、行号、列号和瓦片图像字节数据；设置瓦片图像请求优化参数S，S为大于或等于1的整数；设置瓦片图像高度和宽度均为Size；
步骤2)、从ReqList中获取第ReqIndex个瓦片图像的请求参数，根据请求参数在DataList中查找瓦片图像数据，如果找到对应的瓦片图像数据，转步骤3，如果没找到对应的瓦片图像数据，则转步骤4；
步骤3)、返回图像数据并在客户端渲染图像，更新ReqIndex为ReqIndex加1，更新后如果ReqIndex等于ReqList中的数据项个数，转步骤6；如果ReqIndex小于ReqList中的数据项个数，转步骤2；
步骤4)、根据当前瓦片图像的请求参数中的瓦片级别L、行号R、列号C，计算出在L-S级瓦片图像中，对应的瓦片图像的行号TargetR和列号TargetC，其中TargetR＝Math.floor(R/2S)，TargetC＝Math.floor(C/2S)，math.floor(x)用于返回小于参数x的最大整数；使用瓦片地图名称T，瓦片级别L-S，瓦片行号TargetR和列号TargetC构造瓦片图像HTTP请求URL，向服务端发送HTTP请求，然后接收服务器根据HTTP请求返回的瓦片图像的字节数据；根据所述返回的瓦片图像的字节数据，将该瓦片图像重建为高度和宽度均为NewSize的新图像，NewSize＝Size*2S，转步骤5；
步骤5)、将新图像裁剪为2S行、2S列，总共22S个瓦片图像，每个裁剪后的瓦片图像的宽度和宽度均为Size，将裁剪后的每个瓦片图像存储到DataList中，每个数据项存储一个裁剪后的瓦片图像的信息和字节数据，信息包括瓦片地图的名称、瓦片级别、瓦片行号、瓦片列号，转步骤2；
步骤6)、清空RequestList以及DataList，完成客户端瓦片地图渲染操作。
2.根据权利要求1所述的基于边缘计算的网络瓦片地图高性能渲染方法，其特征在于，步骤1中，所述在客户端上操作瓦片地图的动作包括：缩放、移动以及跳转定位。
3.根据权利要求1所述的基于边缘计算的网络瓦片地图高性能渲染方法，其特征在于，步骤S4中的新图像为调用超分图像重建模型提供的重建接口进行重建形成的。
4.根据权利要求1所述的基于边缘计算的网络瓦片地图高性能渲染方法，其特征在于，步骤5中，新图像为调用图像裁剪接口进行裁剪。
5.一种基于边缘计算的网络瓦片地图高性能渲染系统，其特征在于，包含运行于客户端的如下模块：
初始化模块，用于初始化瓦片地图名称T，响应在客户端上操作瓦片地图的动作，计算需要请求的瓦片图像的级别、行号和列号，将每个瓦片图像的请求参数存储到一个全局数组ReqList中，ReqList中的每一个数据项包括瓦片地图名称、级别、行号、列号；初始化当前处理的瓦片图像的请求参数的数据项索引ReqIndex＝0；初始化临时瓦片图像数据数组DataList，DataList中的每一个数据项包括瓦片地图名称、级别、行号、列号和瓦片图像字节数据；设置瓦片图像请求优化参数S，S为大于或等于1的整数；设置瓦片图像高度和宽度均为Size；
请求参数处理模块，用于从ReqList中获取第ReqIndex个瓦片图像的请求参数，根据请求参数在DataList中查找瓦片图像数据，如果找到对应的瓦片图像数据，转渲染判断模块，如果没找到对应的瓦片图像数据，则转HTTP请求及图像重建模块；
渲染判断模块，用于返回图像数据并在客户端渲染图像，更新ReqIndex为ReqIndex加1，更新后如果ReqIndex等于ReqList中的数据项个数，转数据清空结束模块；如果ReqIndex小于ReqList中的数据项个数，转请求参数处理模块；
HTTP请求及图像重建模块，用于根据当前瓦片图像的请求参数中的瓦片级别L、行号R、列号C，计算出在L-S级瓦片图像中，对应的瓦片图像的行号TargetR和列号TargetC，其中TargetR＝Math.floor(R/2S)，TargetC＝Math.floor(C/2S)，math.floor(x)用于返回小于参数x的最大整数；使用瓦片地图名称T，瓦片级别L-S，瓦片行号TargetR和列号TargetC构造瓦片图像HTTP请求URL，向服务端发送HTTP请求，然后接收服务器根据HTTP请求返回的瓦片图像的字节数据；根据所述返回的瓦片图像的字节数据，将该瓦片图像重建为高度和宽度均为NewSize的新图像，NewSize＝Size*2S，转瓦片图像数据存储模块；
瓦片图像数据存储模块，用于将新图像裁剪为2S行、2S列，总共22S个瓦片图像，每个裁剪后的瓦片图像的宽度和宽度均为Size，将裁剪后的每个瓦片图像存储到DataList中，每个数据项存储一个裁剪后的瓦片图像的信息和字节数据，信息包括瓦片地图的名称、瓦片级别、瓦片行号、瓦片列号，转请求参数处理模块；
数据清空结束模块，用于清空RequestList以及DataList，完成客户端瓦片地图渲染操作。
6.根据权利要求5所述的基于边缘计算的网络瓦片地图高性能渲染系统，其特征在于，初始化模块中，所述在客户端上操作瓦片地图的动作包括：缩放、移动以及跳转定位。
7.根据权利要求5所述的基于边缘计算的网络瓦片地图高性能渲染系统，其特征在于，HTTP请求及图像重建模块中的新图像为调用超分图像重建模型提供的重建接口进行重建形成的。
8.根据权利要求5所述的基于边缘计算的网络瓦片地图高性能渲染系统，其特征在于，瓦片图像数据存储模块中，新图像为调用图像裁剪接口进行裁剪。
CN202010375295.6A 2020-05-07 2020-05-07 一种基于边缘计算的网络瓦片地图高性能渲染方法及系统 Active CN111681294B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010375295.6A CN111681294B (zh) 2020-05-07 2020-05-07 一种基于边缘计算的网络瓦片地图高性能渲染方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010375295.6A CN111681294B (zh) 2020-05-07 2020-05-07 一种基于边缘计算的网络瓦片地图高性能渲染方法及系统

Publications (2)

Publication Number Publication Date
CN111681294A true CN111681294A (zh) 2020-09-18
CN111681294B CN111681294B (zh) 2023-06-13

Family

ID=72433452

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010375295.6A Active CN111681294B (zh) 2020-05-07 2020-05-07 一种基于边缘计算的网络瓦片地图高性能渲染方法及系统

Country Status (1)

Country Link
CN (1) CN111681294B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6182127B1 (en) * 1997-02-12 2001-01-30 Digital Paper, Llc Network image view server using efficent client-server tilting and caching architecture
JP2011090648A (ja) * 2009-10-26 2011-05-06 Sony Computer Entertainment Inc 画像処理装置および画像処理方法
CN103744997A (zh) * 2014-01-23 2014-04-23 广东中科遥感技术有限公司 一种网络地图服务发布方法及系统
CN105205092A (zh) * 2014-06-21 2015-12-30 谷歌公司 基于瓦片将可搜索地理空间数据分配到客户端装置
CN110059143A (zh) * 2019-03-04 2019-07-26 中国电子科技集团公司第二十七研究所 一种基于遥感影像瓦片数据的地图绘制方法
CN110704770A (zh) * 2019-10-15 2020-01-17 武大吉奥信息技术有限公司 一种基于WebGIS环境下扩展瓦片地图的显示方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6182127B1 (en) * 1997-02-12 2001-01-30 Digital Paper, Llc Network image view server using efficent client-server tilting and caching architecture
JP2011090648A (ja) * 2009-10-26 2011-05-06 Sony Computer Entertainment Inc 画像処理装置および画像処理方法
CN103744997A (zh) * 2014-01-23 2014-04-23 广东中科遥感技术有限公司 一种网络地图服务发布方法及系统
CN105205092A (zh) * 2014-06-21 2015-12-30 谷歌公司 基于瓦片将可搜索地理空间数据分配到客户端装置
CN110059143A (zh) * 2019-03-04 2019-07-26 中国电子科技集团公司第二十七研究所 一种基于遥感影像瓦片数据的地图绘制方法
CN110704770A (zh) * 2019-10-15 2020-01-17 武大吉奥信息技术有限公司 一种基于WebGIS环境下扩展瓦片地图的显示方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
唐雅玲;马晨燕;宋佳;诸云强;: "矢量Web网络地图应用研究" *

Also Published As

Publication number Publication date
CN111681294B (zh) 2023-06-13

Similar Documents

Publication Publication Date Title
US11004120B2 (en) Method for providing real-time service of huge and high quality digital image on internet
CN111723221B (zh) 基于分布式架构的海量遥感数据处理方法及系统
US20180309989A1 (en) Transferring system for huge and high quality images on network and method thereof
CN110599891B (zh) 一种电网设备地图渲染方法
CN102780603B (zh) 网站流量控制方法及装置
CN103198097A (zh) 一种基于分布式文件系统的海量地学数据并行处理方法
CN110597900A (zh) 一种gdb数据实时按需生成矢量切片的方法
CN115391699B (zh) 一种云优化的静态地理信息矢量数据在线服务方法
KR20080071228A (ko) 지도 제공방법 및 지도 서비스 제공 시스템
US8510295B1 (en) Managing resource storage for multi resolution imagery data with zoom level
CN112115226B (zh) 地图渲染方法和地图渲染装置
CN111681294A (zh) 一种基于边缘计算的网络瓦片地图高性能渲染方法及系统
CN109617960B (zh) 一种基于属性化分离的web AR数据呈现方法
CN111681295B (zh) 一种基于超分图像重建的瓦片地图切片与服务方法及系统
CN111966853B (zh) 一种遥感影像的管理方法
CN115731313A (zh) Svg格式的图片的处理方法、装置、设备、介质及产品
CN113626547A (zh) 一种货运行业地图矢量切片方法、装置、存储介质及终端
CN114048338A (zh) 一种海量离散区域栅格影像数据处理和发布方法
CN111339221B (zh) 数据处理方法、系统及存储介质
CN114897662A (zh) 一种基于gpu加速的缩略图生成方法及存储介质
CN112965826A (zh) 大尺寸卫星遥感图像显示调度方法
CN117078825A (zh) 一种点云数据线上渲染修改方法、系统、设备及介质
CN117909408A (zh) 一种地理栅格数据的分布式存储方法及系统
CN116150145A (zh) 一种数字高程数据的服务方法及装置
CN117573785A (zh) 一种机载栅格地图的服务架构

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20230504

Address after: 300112 No. 9, Changling Road, liqizhuang, Xiqing District, Tianjin

Applicant after: Tianjin Institute of Surveying and mapping Co.,Ltd.

Address before: 300112 No. 9, Changling Road, liqizhuang, Xiqing District, Tianjin

Applicant before: Tianjin Institute of Surveying and Mapping

GR01 Patent grant
GR01 Patent grant