CN111966777B - 一种铁路gis地图数据处理方法 - Google Patents

一种铁路gis地图数据处理方法 Download PDF

Info

Publication number
CN111966777B
CN111966777B CN202011145597.0A CN202011145597A CN111966777B CN 111966777 B CN111966777 B CN 111966777B CN 202011145597 A CN202011145597 A CN 202011145597A CN 111966777 B CN111966777 B CN 111966777B
Authority
CN
China
Prior art keywords
geographic information
file
target
information
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.)
Active
Application number
CN202011145597.0A
Other languages
English (en)
Other versions
CN111966777A (zh
Inventor
廖峪
唐泰可
王威
苏茂才
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.)
Chengdu Zhonggui Track Equipment Co ltd
Original Assignee
Chengdu Zhonggui Track Equipment Co ltd
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 Chengdu Zhonggui Track Equipment Co ltd filed Critical Chengdu Zhonggui Track Equipment Co ltd
Priority to CN202011145597.0A priority Critical patent/CN111966777B/zh
Publication of CN111966777A publication Critical patent/CN111966777A/zh
Application granted granted Critical
Publication of CN111966777B publication Critical patent/CN111966777B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Remote Sensing (AREA)
  • Molecular Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Multimedia (AREA)
  • Evolutionary Biology (AREA)
  • Astronomy & Astrophysics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种铁路GIS地图数据处理方法，其包括：建立需采集目标的采集目标信息、生成采集目标数据文件、地理信息采集装置通过采集目标数据文件中的图片信息，并利用训练好的图像目标识别神经网络模型寻找采集目标、在GIS地图上标记出采集目标当前所在位置的地理信息，生成新的地理信息、将新的地理信息与当前地理信息进行比对、对地理信息进行修正。本方案解决了现有铁路GIS地图无法快速、准确的更新铁路沿线各站点、设备等地理信息的问题，确保在使用的过程中，GIS地图更加可靠和准确，减少定位误差的产生，并且本发明修正结果准确，减少了人工去现场采集地理信息的成本和工作强度。

Description

一种铁路GIS地图数据处理方法
技术领域
本发明涉及地图数据处理技术领域，具体涉及一种铁路GIS地图数据处理方法。
背景技术
地理信息系统（Geographic Information System或 Geo－Information system，GIS）有时又称为“地学信息系统”，简称GIS地图数据，是在计算机硬、软件系统支持下，对整个或部分地球表层（包括大气层）空间中的有关地理分布数据进行采集、储存、管理、运算、分析、显示和描述的技术系统。
目前，在铁路领域使用GIS地图，可以实现设备坐标在地图上的实时更新和监控，如：现场人员、设备或列车是位于哪一个线别（达成上行，或达成下行），站场的哪一条股道；现场人员、设备或列车是位于哪个里程点附近；现场人员、设备或列车是位于站场哪一个道岔的哪一个特征点附近（基本轨接头、岔前转辙、岔后直、岔后曲）。
但是，在铁路沿线各站点、设备的位置发生变化时，无法在GIS地图中反映出来，在GIS地图使用的过程中，当各站点、设备的地理坐标无法实时进行更新，导致出现误差，影响铁路的正常运行。
发明内容
针对现有技术的上述不足，本发明提供了一种数据更新精度高的铁路GIS地图数据处理方法。
为达到上述发明目的，本发明所采用的技术方案为：
提供一种铁路GIS地图数据处理方法，其包括以下步骤：
S1：建立需采集目标的采集目标信息，采集目标信息包括采集目标的图像信息和当前地理信息，当前地理信息包括当前采集目标在GIS地图中的纬度J、经度W和海拔高度H；
S2：将当前地理信息作为地理标签打在图像信息上，生成采集目标数据文件；
S3：将采集目标数据文件发送给安装在列车上的地理信息采集装置，地理信息采集装置通过采集目标数据文件中的图片信息，并利用训练好的图像目标识别神经网络模型寻找采集目标；
S4：地理信息采集装置寻找到采集目标后，立即在GIS地图上标记出采集目标当前所在位置的地理信息，生成新的地理信息；
S5：将新的地理信息与当前地理信息进行比对，若新的地理信息与当前地理信息的差值大于设定的阈值，则将新的地理信息发送给服务器，否则发送“无误差”的指令给服务器。
S6：若服务器收到新的地理信息时，则利用新的地理信息更新采集目标在GIS地图上的地理信息；若服务器收到“无误差”指令时，则保留采集目标当前在GIS地图上的地理信息。
本发明的有益效果为：本方案解决了现有铁路GIS地图无法快速、准确的更新铁路沿线各站点、设备等地理信息的问题，当铁路沿线各站点、设备的地理信息发生变化时，本方案利用图像识别算法，确保地理信息采集装置能够准确识别出需更新的采集目标，并且有针对性的对采集目标的地理信息进行更新。
使用时，工作人员只需向GIS地图服务器输入地理信息变化的采集目标信息，根据采集目标信息，在列车行驶的过程中，根据图像特征自动去寻找采集目标（设备、站点等），寻找到采集目标后自动采集目标位置在GIS地图中实际的地理信息，通过将实际采集地理信息与GIS地图存储的地理信息进行比对，针对误差进行修正，实现地理信息的更新与修正。
确保在使用的过程中，GIS地图更加可靠和准确，减少定位误差的产生，并且本发明修正结果准确，减少了人工去现场采集地理信息的成本和工作强度。
附图说明
图1为一种铁路GIS地图数据处理方法的流程图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
如图1所示，本方案提供的铁路GIS地图数据处理方法包括以下步骤：
S1：建立需采集目标的采集目标信息，采集目标信息包括采集目标的图像信息和当前地理信息，当前地理信息包括当前采集目标在GIS地图中的纬度J、经度W和海拔高度H；工作人员可直接通过向GIS地图服务器中输入采集目标（也就是已经更新位置的站点、设备等采集目标）的图片，然后再建立采集目标在当前GIS地图中的存储的地理信息。
S2：将当前地理信息作为地理标签打在图像信息上，生成采集目标数据文件；包括：
S21：对图像进行分析处理，提取图像上的非采集目标特征点的区域，在输入的图片中，图片中只存在采集目标的图像，所以在图片中存在白色区域，将白色区域作为非采集目标特征点的区域。
S22：在非采集目标特征点的区域上建立标签区域，并将地理信息输入标签区域内；在白色区域内输入地理信息，使地理信息不会遮挡采集目标的图像，便于识别采集目标的特征，减少误差的产生。
S23；将打好标签的图像存储在地理信息采集装置能有识别的格式文件中，形成采集目标数据文件。
S3：将采集目标数据文件发送给安装在列车上的地理信息采集装置，地理信息采集装置通过采集目标数据文件中的图片信息，并利用训练好的图像目标识别神经网络模型和摄像头寻找采集目标；
训练图像识别神经网络模型的方法包括：
S31：下载需采集目标的图像数据集，并将图像数据集分为第一训练数据集和第二训练数据集；
S32：在data_prepare 文件夹下，使用预先编制好的脚本data_convert .py，将第一训练数据集和第二训练数据集中的图像均转换为为tfrecord 格式，生成第一训练数据集文件和第二数据集文件；
S33：构建图像目标识别神经网络，将第一训练数据集文件输入图像目标识别神经网络中；输出第一训练数据集文件中每个图像对应的置信度F 1 ，F 2 ，···，F n ，其中n为该第一训练数据集文件中的图像数量；
S34：计算输出的置信度平均值
Figure 920280DEST_PATH_IMAGE002
；
S35：计算置信度平均值F 平均与置信度阈值F 阈值的差值S；
S36：若差值S在允许的误差范围内，则输出训练好的图像目标识别神经网络模型；
S37：否则，将差值S输入到步骤S33中构建的图像目标识别神经网络，修正图像目标识别神经网络的参数；
S38：将第二数据集文件输入修正后的图像目标识别神经网络中，重新训练修正后的图像目标识别神经网络，输出训练好的图像目标识别神经网络模型。
本发明将训练数据分成两组，利用第一训练数据集对神经网络进行修正，确保训练出的图像目标识别神经网络模型的精确度。
S4：地理信息采集装置寻找到采集目标后，立即在GIS地图上标记出采集目标当前所在位置的地理信息，生成新的地理信息。
S5：将新的地理信息与当前地理信息进行比对，若新的地理信息与当前地理信息的差值大于设定的阈值，则将新的地理信息发送给服务器，否则发送“无误差”的指令给服务器；包括：
S51：提取新的地理信息文件（J'、W'，H'）和当前地理信息文件（J、W，H）；
S52：分别计算经度误差S 1 =J'-J、纬度误差S 2 =W'-W和海拔高度误差S 3 =H'-H；
S53：将经度误差S 1 、纬度误差S 2 和海拔高度误差S 3 分别与误差允许值s进行比较，误差允许值s是GIS地图的精度；
S54：若在经度误差S 1 、纬度误差S 2 和海拔高度误差S 3 中存在一个大于误差允许值s，则判定新的地理信息与当前地理信息的差值大于设定的阈值，此时地理信息采集装置发送新的地理信息给服务器；
S55：否则，判定新的地理信息与当前地理信息无变化，此时地理信息采集装置向服务器发送无误差指令。
S6：若服务器收到新的地理信息时，则利用新的地理信息更新采集目标在GIS地图上的地理信息；若服务器收到“无误差”指令时，则保留采集目标当前在GIS地图上的地理信息；
利用新的地理信息更新采集目标在GIS地图上的地理信息的方法包括：
S61：根据当前地理信息文件（J、W，H）从GIS地图服务器中查找到对应采集目标，下载对应采集目标的地图数据文件；
S62：在地图数据文件中根据文件标签找出地理信息文件，将地理信息文件中的纬度J、经度W和海拔高度H数据删除；
S63：提取新的地理信息文件（J'、W'，H'），将新的纬度J'、经度W'和海拔高度H'置入到地理信息文件中，形成新的地理信息文件；
S64：在新的地理信息文件中查找是否有版本信息文件和修改日期文件；
S65：若无，则建立版本信息文件和修改日期文件，在版本信息文件和修改日期文件中分别输入当前版本信息和修改日期信息；
S66：若有，则修改版本信息文件和中的版本信息，修正日期文件文件中的修改日期信息。
本发明解决了现有铁路GIS地图无法快速、准确的更新铁路沿线各站点、设备等地理信息的问题，当铁路沿线各站点、设备的地理信息发生变化时，本方案利用图像识别算法，确保地理信息采集装置能够准确识别出需更新的采集目标，并且有针对性的对采集目标的地理信息进行更新。
使用时，工作人员只需向GIS地图服务器输入地理信息变化的采集目标信息，根据采集目标信息，在列车行驶的过程中，根据图像特征自动去寻找采集目标（站点、设备等，例如信号灯、监控设备），寻找到采集目标后自动采集目标位置在GIS地图中实际的地理信息，通过将实际采集的地理信息与GIS地图存储的地理信息进行比对，针对误差进行修正，实现地理信息的更新与修正。
确保在使用的过程中，GIS地图更加可靠和准确，减少定位误差的产生，并且本发明修正结果准确，减少了人工去现场采集地理信息的成本和工作强度。

Claims (4)

1.一种铁路GIS地图数据处理方法，其特征在于，包括以下步骤：
S1：建立需采集目标的采集目标信息，所述采集目标信息包括采集目标的图像信息和当前地理信息，所述当前地理信息包括当前采集目标在GIS地图中的纬度J、经度W和海拔高度H；
S2：将当前地理信息作为地理标签打在图像信息上，生成采集目标数据文件；具体为：
S21：对图像进行分析处理，提取图像上的非采集目标特征点的区域；
S22：在非采集目标特征点的区域上建立标签区域，并将地理信息输入标签区域内；
S23：将打好标签的图像存储在地理信息采集装置能有识别的格式文件中，形成采集目标数据文件；
S3：将采集目标数据文件发送给安装在列车上的地理信息采集装置，地理信息采集装置通过采集目标数据文件中的图片信息，并利用训练好的图像目标识别神经网络模型寻找采集目标；
S4：地理信息采集装置寻找到采集目标后，立即在GIS地图上标记出采集目标当前所在位置的地理信息，生成新的地理信息；
S5：将新的地理信息与当前地理信息进行比对，若新的地理信息与当前地理信息的差值大于设定的阈值，则将新的地理信息发送给服务器，否则发送“无误差”的指令给服务器；
S6：若服务器收到新的地理信息时，则利用新的地理信息更新采集目标在GIS地图上的地理信息；若服务器收到“无误差”指令时，则保留采集目标当前在GIS地图上的地理信息。
2.根据权利要求1所述的铁路GIS地图数据处理方法，其特征在于，所述步骤S3中训练图像识别神经网络模型的方法包括：
S31：下载需采集目标的图像数据集，并将图像数据集分为第一训练数据集和第二训练数据集；
S32：在data_prepare 文件夹下，使用预先编制好的脚本data_convert .py，将第一训练数据集和第二训练数据集中的图像均转换为为tfrecord 格式，生成第一训练数据集文件和第二数据集文件；
S33：构建图像目标识别神经网络，将第一训练数据集文件输入图像目标识别神经网络中；输出第一训练数据集文件中每个图像对应的置信度F 1 ，F 2 ，···，F n ，其中n为该第一训练数据集文件中的图像数量；
S34：计算输出的置信度平均值：
Figure 940533DEST_PATH_IMAGE001
；
S35：计算置信度平均值F 平均与置信度阈值F 阈值的差值S；
S36：若差值S在允许的误差范围内，则输出训练好的图像目标识别神经网络模型；
S37：否则，将差值S输入到步骤S33中构建的图像目标识别神经网络，修正图像目标识别神经网络的参数；
S38：将第二数据集文件输入修正后的图像目标识别神经网络中，重新训练修正后的图像目标识别神经网络，输出训练好的图像目标识别神经网络模型。
3.根据权利要求1所述的铁路GIS地图数据处理方法，其特征在于，所述步骤S5包括：
S51：提取新的地理信息文件（J'、W'，H'）和当前地理信息文件（J、W，H）；
S52：分别计算经度误差S 1 =J'-J、纬度误差S 2 =W'-W和海拔高度误差S 3 =H'-H；
S53：将经度误差S 1 、纬度误差S 2 和海拔高度误差S 3 分别与误差允许值s进行比较；
S54：若在经度误差S 1 、纬度误差S 2 和海拔高度误差S 3 中存在一个大于误差允许值s，则判定新的地理信息与当前地理信息的差值大于设定的阈值，此时地理信息采集装置发送新的地理信息给服务器；
S55：否则，判定新的地理信息与当前地理信息无变化，此时地理信息采集装置向服务器发送无误差指令。
4.根据权利要求1所述的铁路GIS地图数据处理方法，其特征在于，所述步骤S6中利用新的地理信息更新采集目标在GIS地图上的地理信息的方法包括：
S61：根据当前地理信息文件（J、W，H）从GIS地图服务器中查找到对应采集目标，下载对应采集目标的地图数据文件；
S62：在地图数据文件中根据文件标签找出地理信息文件，将地理信息文件中的纬度J、经度W和海拔高度H数据删除；
S63：提取新的地理信息文件（J'、W'，H'），将新的纬度J'、经度W'和海拔高度H'置入到地理信息文件中，形成新的地理信息文件；
S64：在新的地理信息文件中查找是否有版本信息文件和修改日期文件；
S65：若无，则建立版本信息文件和修改日期文件，在版本信息文件和修改日期文件中分别输入当前版本信息和修改日期信息；
S66：若有，则修正版本信息文件和中的版本信息，修正日期文件文件中的修改日期信息。
CN202011145597.0A 2020-10-23 2020-10-23 一种铁路gis地图数据处理方法 Active CN111966777B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011145597.0A CN111966777B (zh) 2020-10-23 2020-10-23 一种铁路gis地图数据处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011145597.0A CN111966777B (zh) 2020-10-23 2020-10-23 一种铁路gis地图数据处理方法

Publications (2)

Publication Number Publication Date
CN111966777A CN111966777A (zh) 2020-11-20
CN111966777B true CN111966777B (zh) 2020-12-29

Family

ID=73387232

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011145597.0A Active CN111966777B (zh) 2020-10-23 2020-10-23 一种铁路gis地图数据处理方法

Country Status (1)

Country Link
CN (1) CN111966777B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117237615B (zh) * 2023-11-14 2024-02-06 中国电子科技集团公司第十五研究所 一种监督目标定位方法和装置

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108563673A (zh) * 2018-02-01 2018-09-21 中国铁路设计集团有限公司 一种在gis地图上嵌入铁路线位的方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8144937B2 (en) * 2008-10-15 2012-03-27 The Boeing Company System and method for airport mapping database automatic change detection
CN105608108A (zh) * 2015-11-13 2016-05-25 北京超图软件股份有限公司 通用gis数据协同采集方法和装置、服务器
CN108847121A (zh) * 2018-07-04 2018-11-20 深圳地平线机器人科技有限公司 构建高精度地图的方法和装置
CN109492071B (zh) * 2018-11-12 2021-02-05 成都中轨轨道设备有限公司 一种铁路高精度地图数据处理方法及系统

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108563673A (zh) * 2018-02-01 2018-09-21 中国铁路设计集团有限公司 一种在gis地图上嵌入铁路线位的方法

Also Published As

Publication number Publication date
CN111966777A (zh) 2020-11-20

Similar Documents

Publication Publication Date Title
US7660441B2 (en) System and method for fusing geospatial data
US8340360B2 (en) System and method for fusing vector data with imagery
CN108388641B (zh) 一种基于深度学习的交通设施地图生成方法与系统
KR102053659B1 (ko) 기계학습과 이미지 프로세싱을 이용한 지도 제작 장치
CN111814597A (zh) 一种耦合多标签分类网络和yolo的城市功能分区方法
CN111966777B (zh) 一种铁路gis地图数据处理方法
Zhang et al. Knowledge-based image analysis for 3D edge extraction and road reconstruction
CN111383286B (zh) 定位方法、装置、电子设备及可读存储介质
CN108021638B (zh) 一种离线地理编码非结构化地址解析系统
US20210390737A1 (en) Location determination in a gps-denied environment with user annotation
CN112733782B (zh) 基于道路网的城市功能区识别方法、存储介质和电子设备
CN117612036A (zh) 无人机巡检数据缺陷自动识别方法、系统、设备及介质
Baltsavias et al. Automated updating of road databases from aerial images
WO2010069380A1 (en) Method and apparatus for updating map data
Kumar et al. Updation of cadastral maps using high resolution remotely sensed data
Herold et al. Automatically georeferenced maps as a source for high resolution urban growth analyses
CN115797310A (zh) 一种光伏电站组串倾角的确定方法及电子设备
CN110909109B (zh) 一种gis系统路线轨迹比对与筛选方法
CN111950875A (zh) 一种合同智能评审方法
Chen et al. Application of data fusion in the production and updating of spatial data
CN104964670A (zh) 一种利用数字设备进行无纸化摄影测量的方法
EP4080045A1 (en) Usage of machine learning for automatic determination of turbine locations from images
CN117390207A (zh) 基于自监督学习的遥感影像建筑物样本库构建方法及系统
CN116243356A (zh) 一种基于gps与激光雷达相结合的机器人重定位方法
Kim et al. Analysis of Domestic Building Detection Based on the YOLO

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