CN111966925B - 楼栋兴趣点判重方法、装置、电子设备和存储介质 - Google Patents

楼栋兴趣点判重方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN111966925B
CN111966925B CN202010615318.6A CN202010615318A CN111966925B CN 111966925 B CN111966925 B CN 111966925B CN 202010615318 A CN202010615318 A CN 202010615318A CN 111966925 B CN111966925 B CN 111966925B
Authority
CN
China
Prior art keywords
building
interest
points
interest point
interest points
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
CN202010615318.6A
Other languages
English (en)
Other versions
CN111966925A (zh
Inventor
沈潋
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202010615318.6A priority Critical patent/CN111966925B/zh
Publication of CN111966925A publication Critical patent/CN111966925A/zh
Application granted granted Critical
Publication of CN111966925B publication Critical patent/CN111966925B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/953Querying, e.g. by the use of web search engines
    • G06F16/9537Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29Geographical information databases

Abstract

本申请公开了一种楼栋兴趣点判重方法、装置、电子设备和存储介质,涉及云计算领域、大数据领域以及地理信息系统领域。具体实现方案为:获取目标地图上的楼栋兴趣点,并获取目标地图上的楼栋图形区域;按照预设矩形大小将目标地图进行网格划分,并获取楼栋图形区域分布在目标地图之中所占的网格;根据楼栋兴趣点的坐标确定楼栋兴趣点的所属网格;根据楼栋图形区域分布在目标地图之中所占的网格和楼栋兴趣点的所属网格,获取同时含有楼栋兴趣点和楼栋图形区域的目标网格;根据目标网格之中的楼栋兴趣点和楼栋图形区域,获取位于同一楼栋图形区域内的楼栋兴趣点集合;识别楼栋兴趣点集合中是否存在重复兴趣点。

Description

楼栋兴趣点判重方法、装置、电子设备和存储介质
技术领域
本申请涉及数据处理领域,具体涉及云计算领域、大数据领域以及地理信息系统领域,尤其涉及一种楼栋兴趣点判重方法、装置、电子设备和存储介质。
背景技术
在处理海量地图兴趣点情报数据时,需要判断不同的情报数据是否为描述同一个兴趣点。相关技术中,兴趣点判重相似度计算,通常计算兴趣点的名称相似性,如果名称不相似,则认为是不同的;如果名称相似,则比较兴趣点间的距离,如果距离超过一定阈值则认为是不同的兴趣点,否则认为是相同兴趣点。
但是,目前存在的问题是:计算兴趣点相似度时依赖于名称的相似性,如果名称差异大则无法召回叫法不同但实际为同一个楼栋的兴趣点,但是名称差异太大,导致名称相似度很低,被判定为是两个不同的兴趣点。
发明内容
本申请提供了一种楼栋兴趣点判重方法、装置、电子设备以及存储介质。
根据本申请的第一方面,提供了一种楼栋兴趣点判重方法,包括:
获取目标地图上的楼栋兴趣点,并获取所述目标地图上的楼栋图形区域;
按照预设矩形大小将所述目标地图进行网格划分,并获取所述楼栋图形区域分布在所述目标地图之中所占的网格;
根据所述楼栋兴趣点的坐标确定所述楼栋兴趣点的所属网格;
根据所述楼栋图形区域分布在所述目标地图之中所占的网格和所述楼栋兴趣点的所属网格,获取同时含有所述楼栋兴趣点和所述楼栋图形区域的目标网格;
根据所述目标网格之中的楼栋兴趣点和楼栋图形区域,获取位于同一楼栋图形区域内的楼栋兴趣点集合;
识别所述楼栋兴趣点集合中各楼栋兴趣点的名称,筛选所述楼栋兴趣点集合中是否存在重复兴趣点。
根据本申请的第二方面,提供了一种楼栋兴趣点判重装置,包括:
第一获取模块,用于获取目标地图上的楼栋兴趣点,并获取所述目标地图上的楼栋图形区域;
地图划分模块,用于按照预设矩形大小将所述目标地图进行网格划分;
第二获取模块,用于获取所述楼栋图形区域分布在所述目标地图之中所占的网格;
确定模块,用于根据所述楼栋兴趣点的坐标确定所述楼栋兴趣点的所属网格;
第三获取模块,用于根据所述楼栋图形区域分布在所述目标地图之中所占的网格和所述楼栋兴趣点的所属网格,获取同时含有所述楼栋兴趣点和所述楼栋图形区域的目标网格;
第四获取模块,用于根据所述目标网格之中的楼栋兴趣点和楼栋图形区域,获取位于同一楼栋图形区域内的楼栋兴趣点集合;
筛选模块,用于识别所述楼栋兴趣点集合中各楼栋兴趣点的名称,筛选所述楼栋兴趣点集合中是否存在重复兴趣点。
根据本申请的第三方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本申请第一方面实施例所述的楼栋兴趣点判重方法。
根据本申请的第四方面,提出了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行本申请第一方面实施例所述的楼栋兴趣点判重方法。
应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是根据本申请一个实施例的楼栋兴趣点判重方法的流程图。
图2是根据本申请另一个实施例的楼栋兴趣点判重方法的流程图。
图3是根据本申请又一个实施例的楼栋兴趣点判重方法的流程图
图4是根据本申请实施例的地图示例图。
图5是根据本申请一个实施例的楼栋兴趣点判重装置的结构框图。
图6是根据本申请另一个实施例的楼栋兴趣点判重装置的结构框图。
图7是根据本申请又一个实施例的楼栋兴趣点判重装置的结构框图。
图8是用来实现本申请实施例的楼栋兴趣点判重方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本申请一个实施例的楼栋兴趣点判重方法的流程图。需要说明的是,本申请实施例的楼栋兴趣点判重方法可应用于本申请实施例的楼栋兴趣点判重装置,该装置被配置于电子设备。其中,该电子设备可以是服务器,以用以处理海量地图兴趣点情报数据,判断不同的情报数据是否为描述同一个兴趣点。本申请实施例的兴趣点可为楼栋兴趣点,也就是说,本申请实施例适用于实现楼栋兴趣点判重的场景。
如图1所示,该楼栋兴趣点判重方法可以包括:
步骤101,获取目标地图上的楼栋兴趣点,并获取目标地图上的楼栋图形区域。
举例而言,本申请实施例适用于实现楼栋兴趣点判重的场景,由于楼栋兴趣点通常是由情报人员通过终端设备进行上报的,而由于定位误差或楼栋名称有多个等其他原因导致上报的楼栋兴趣点可能存在重复,所以需获取通过终端设备上报的针对某个地图上的楼栋兴趣点进行判重处理,以判断这些上报的楼栋兴趣点之中是否存在重复兴趣点。在本申请实施例中,可采用大数据技术获取终端设备上报的针对某个地图上的楼栋兴趣点,并利用云计算技术对这些上报的楼栋兴趣点进行判重处理,可以加快数据的处理,降低成本。
在获取目标地图上的楼栋兴趣点时,还可获取该目标地图上的楼栋图形区域。例如,假设目标地图可为海淀区行政区域的地图,在获得通过终端设备上报的针对海淀区行政区域地图上的楼栋兴趣点时,还可获取该海淀区行政区域地图上的所有楼栋图形区域。其中,该楼栋图形区域可理解为楼栋边界在地图上所呈现的图形区域。
步骤102,按照预设矩形大小将目标地图进行网格划分,并获取楼栋图形区域分布在目标地图之中所占的网格。
其中,在本申请实施例中,该预设矩形可为1km*1km的大小。例如,可将目标地图按照1km*1km进行网格划分,之后,可获取楼栋图形区域分布在目标地图之中所占的网格。
在本申请一些实施例中,可获取楼栋图形区域的边界范围,并获取目标地图中每个网格的边界范围,并根据楼栋图形区域的边界范围和每个网格的边界范围,获取楼栋图形区域分布在目标地图之中所占的网格。
例如,获取楼栋图形区域的边界范围,并获取目标地图中每个网格的边界范围,将楼栋图形区域的边界范围与每个网格的边界范围进行大小比较,以确定楼栋图形区域分布在目标地图之中所占的网格。其中,本实施例中的边界范围可用坐标范围表示,目标地图上的坐标可为墨卡托坐标表示。
步骤103,根据楼栋兴趣点的坐标确定楼栋兴趣点的所属网格。
可选地,将楼栋兴趣点的坐标与每个网格的边界范围进行大小比较,以确定出楼栋兴趣点的所属网格。
步骤104,根据楼栋图形区域分布在目标地图之中所占的网格和楼栋兴趣点的所属网格,获取同时含有楼栋兴趣点和楼栋图形区域的目标网格。
需要说明的是,由于楼栋图形区域可能分布在目标地图之中的多个网格,而楼栋兴趣点只会属于某个网格之中,因此,在目标地图之中会存在既含有楼栋兴趣点和又含有某个楼栋图形区域的至少部分区域的网格,将这样的网格确定为上述目标网格。
步骤105,根据目标网格之中的楼栋兴趣点和楼栋图形区域,获取位于同一楼栋图形区域内的楼栋兴趣点集合。
可选地,在获得既含有楼栋兴趣点和又含有某个楼栋图形区域的至少部分区域的网格之后,可获取这些网格中所包含的楼栋兴趣点和楼栋图形区域,并根据这些网格中所包含的楼栋兴趣点和楼栋图形区域,获取位于同一楼栋图形区域内的楼栋兴趣点集合。
在本申请一些实施例中,可判断楼栋兴趣点是否落在楼栋图形区域内,若是,则将楼栋兴趣点记录在楼栋图形区域所包含的楼栋兴趣点集合中,以获取位于同一楼栋图形区域内的楼栋兴趣点集合。
作为一种可能的实现方式,可利用射线法判断楼栋兴趣点是否落在楼栋图形区域内。具体而言,从楼栋兴趣点做一条射线,计算该射线与楼栋图形区域内的交点个数,如果交点个数为奇数,则判定楼栋兴趣点落在楼栋图形区域内;如果交点个数为偶数,则判定楼栋兴趣点落在楼栋图形区域外。
步骤106,识别楼栋兴趣点集合中各楼栋兴趣点的名称,筛选楼栋兴趣点集合中是否存在重复兴趣点。
也就是说,可获取楼栋兴趣点集合中各楼栋兴趣点的名称,并根据名称来筛选该楼栋兴趣点集合之中是否存在重复兴趣点。
可以理解,由于针对同一个楼栋的兴趣点,可能存在叫法不同,导致针对该楼栋的兴趣点存在不同的楼栋兴趣点名称。需说明的是,该叫法不同指的是小区名称可能存在多个叫法,导致该小区中某栋楼的名称也会存在多个叫法,而该楼栋的楼栋号应是相同的,例如,以“蓝天嘉园-2号楼”和“天星大街2号院-2号楼”为例,其均是“2号楼”这一楼栋的不同叫法,其中,“蓝天嘉园”与“天星大街2号院”分别是指该“2号楼”所在的小区的不同叫法。因此,为了针对这种情况的楼栋兴趣点进行判重,在获得位于同一楼栋图形区域内的楼栋兴趣点集合时,需根据名称之中的数字来判断该集合中是否存在兴趣点。具体而言,在本申请一些实施例中,如图2所示,所述识别楼栋兴趣点集合中各楼栋兴趣点的名称,筛选楼栋兴趣点集合中是否存在重复兴趣点的具体实现过程可包括:
步骤201,获取楼栋兴趣点集合之中每个楼栋兴趣点的名称。
步骤202,提取每个楼栋兴趣点的名称之中的数字。
步骤203,判断每个楼栋兴趣点的名称之中的数字是否相同。
步骤204,如果相同,则判定楼栋兴趣点集合中存在重复兴趣点。
步骤205,如果不相同,则判定楼栋兴趣点集合中不存在重复兴趣点。
需要说明的是,本申请实施例的楼栋兴趣点的名称对命名方式有一定要求,需要以数字+关键词(比如,“号楼/号/幢”等常见表示楼栋属性的词),主要是针对小区楼栋等具有编号信息等房地产住宅类数据。
在本申请一些实施例中,如图3所示,在如图1所示的基础上,该楼栋兴趣点判重方法还可包括:
步骤301,在筛选出位于同一楼栋图形区域内的楼栋兴趣点集合中存在重复兴趣点时,将位于同一楼栋图形区域内的重复兴趣点进行去重。
也据说是,在筛选出位于同一楼栋图形区域内的楼栋兴趣点集合中存在重复兴趣点之后,可将该楼栋兴趣点集合之中的重复兴趣点进行去重,剩下的兴趣点可作为该楼栋的兴趣点,以保证该楼栋兴趣点的准确性以及唯一性。
为了方便本领域技术人员更加清楚地了解本申请,下面将举例进行描述。
举例而言,以如图4所示的地图为例,首先对地图上楼栋的图形区域进行编号,如图4中A区域表示的是楼栋图形区域,该楼栋图形区域的编号为b1,每一个楼栋图形区域数据可记录该楼栋在地图上的边界范围。将地图按照1km*1km进行网格划分,每个网格拥有唯一编号,如图网格编号为1-9。利用楼栋图形区域的边界点集合判断楼栋图形区域所占的网格,如图4中楼栋图形区域b1分布在地图上所占的网格编号分别为[2,3,5,6,8,9]共6个网格。根据通过终端设备上报的楼栋兴趣点坐标计算楼栋兴趣点所属网格,如图4中楼栋兴趣点A属于网格1,楼栋兴趣点B和楼栋兴趣点C属于网格5,楼栋兴趣点D属于网格9。召回在同一网格编号中的楼栋兴趣点和楼栋图形区域数据,如图4中网格编号5同时含有楼栋兴趣点B、C以及楼栋图形区域b1,网格9中同时含有楼栋兴趣点D和楼栋图形区域b1,网格1中只有楼栋兴趣点A。对网格只含有兴趣点或者楼栋图形区域的网格进行过滤,对剩余网格中的楼栋兴趣点和楼栋图形区域根据射线法判断,楼栋兴趣点是否落在楼栋图形区域里,如果楼栋图形区域包含楼栋兴趣点,则将该楼栋兴趣点放到楼栋图形区域所包含的楼栋兴趣点集合中,如图4中楼栋图形区域包含楼栋兴趣点C和楼栋兴趣点D。对同一楼栋图形区域所含楼栋兴趣点集合进行编号计算,按照关键词匹配,提取名称中xx号楼或者xx号或者xx幢的数字,如楼栋兴趣点C的名字是蓝天嘉园-2号楼,则提取数字是2。如果楼栋兴趣点提取的数字相同则认为是同一个兴趣点,否则是不同兴趣点。在筛选出位于同一楼栋图形区域内的楼栋兴趣点集合中存在重复兴趣点之后,可将该楼栋兴趣点集合之中的重复兴趣点进行去重,剩下的兴趣点可作为该楼栋的兴趣点,以保证该楼栋兴趣点的准确性以及唯一性。
根据本申请实施例的楼栋兴趣点判重方法,可将地图进行网格划分,并对地图上楼栋利用图形区域表述,根据地图上楼栋图形区域所占的网格和楼栋兴趣点的所属网格,获取既含有楼栋兴趣点和又含有楼栋图形区域的网格,基于这些网格所含的楼栋兴趣点和楼栋图形区域,获取位于同一楼栋图形区域内的楼栋兴趣点集合,之后,可根据楼栋兴趣点集合中各兴趣点名称判断该集合之中是否存在重复兴趣点。由此可见,本申请提出了一种基于底图图区的楼栋兴趣点判重方法,可以提高相同兴趣点判重的召回率,保证了楼栋兴趣点的准确性以及唯一性。
为了实现上述实施例,本申请还提出了一种楼栋兴趣点判重装置。
图5是根据本申请一个实施例的楼栋兴趣点判重装置的结构框图。如图5所示,该楼栋兴趣点判重装置500可以包括:第一获取模块510、地图划分模块520、第二获取模块530、确定模块540、第三获取模块550、第四获取模块560和筛选模块570。
具体地,第一获取模块510用于获取目标地图上的楼栋兴趣点,并获取目标地图上的楼栋图形区域。
地图划分模块520用于按照预设矩形大小将目标地图进行网格划分。
第二获取模块530用于获取楼栋图形区域分布在目标地图之中所占的网格。在本申请一些实施例中,第二获取模块530获取楼栋图形区域的边界范围;获取目标地图中每个网格的边界范围;根据楼栋图形区域的边界范围和每个网格的边界范围,获取楼栋图形区域分布在目标地图之中所占的网格。
确定模块540用于根据楼栋兴趣点的坐标确定楼栋兴趣点的所属网格。
第三获取模块550用于根据楼栋图形区域分布在目标地图之中所占的网格和楼栋兴趣点的所属网格,获取同时含有楼栋兴趣点和楼栋图形区域的目标网格。
第四获取模块560用于根据目标网格之中的楼栋兴趣点和楼栋图形区域,获取位于同一楼栋图形区域内的楼栋兴趣点集合。在本申请一些实施例中,如图6所示,该第四获取模块560可包括:判断单元561和获取单元562。其中,判断单元561用于判断楼栋兴趣点是否落在楼栋图形区域内;获取单元562用于在楼栋兴趣点落在楼栋图形区域内时,将楼栋兴趣点记录在楼栋图形区域所包含的楼栋兴趣点集合中,以获取位于同一楼栋图形区域内的楼栋兴趣点集合。
在本申请一些实施例中,判断单元561具体用于:从楼栋兴趣点做一条射线,计算射线与楼栋图形区域内的交点个数;如果交点个数为奇数,则判定楼栋兴趣点落在楼栋图形区域内;如果交点个数为偶数,则判定楼栋兴趣点落在楼栋图形区域外。
筛选模块570用于识别楼栋兴趣点集合中各楼栋兴趣点的名称,筛选楼栋兴趣点集合中是否存在重复兴趣点。在本申请一些实施例中,筛选模块570具体用于:获取楼栋兴趣点集合之中每个楼栋兴趣点的名称;提取每个楼栋兴趣点的名称之中的数字;判断每个楼栋兴趣点的名称之中的数字是否相同;如果相同,则判定楼栋兴趣点集合中存在重复兴趣点;如果不相同,则判定楼栋兴趣点集合中不存在重复兴趣点。
在本申请一些实施例中,如图7所示,该楼栋兴趣点判重装置500还可包括:去重模块580。其中,去重模块580用于在筛选出位于同一楼栋图形区域内的楼栋兴趣点集合中存在重复兴趣点时,将位于同一楼栋图形区域内的重复兴趣点进行去重。
根据本申请实施例的楼栋兴趣点判重装置,可将地图进行网格划分,并对地图上楼栋利用图形区域表述,根据地图上楼栋图形区域所占的网格和楼栋兴趣点的所属网格,获取既含有楼栋兴趣点和又含有楼栋图形区域的网格,基于这些网格所含的楼栋兴趣点和楼栋图形区域,获取位于同一楼栋图形区域内的楼栋兴趣点集合,之后,可根据楼栋兴趣点集合中各兴趣点名称判断该集合之中是否存在重复兴趣点。由此可见,本申请提出了一种基于底图图区的楼栋兴趣点判重方式,可以提高相同兴趣点判重的召回率,保证了楼栋兴趣点的准确性以及唯一性。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图8所示,是根据本申请实施例的用以实现楼栋兴趣点判重方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图8所示,该电子设备包括:一个或多个处理器801、存储器802,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图8中以一个处理器801为例。
存储器802即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的楼栋兴趣点判重方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的楼栋兴趣点判重方法。
存储器802作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的楼栋兴趣点判重方法对应的程序指令/模块(例如,附图5所示的第一获取模块510、地图划分模块520、第二获取模块530、确定模块540、第三获取模块550、第四获取模块560和筛选模块570)。处理器801通过运行存储在存储器802中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的楼栋兴趣点判重方法。
存储器802可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据用以实现楼栋兴趣点判重方法的电子设备的使用所创建的数据等。此外,存储器802可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器802可选包括相对于处理器801远程设置的存储器,这些远程存储器可以通过网络连接至用以实现楼栋兴趣点判重方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
用以实现楼栋兴趣点判重方法的电子设备还可以包括:输入装置803和输出装置804。处理器801、存储器802、输入装置803和输出装置804可以通过总线或者其他方式连接,图8中以通过总线连接为例。
输入装置803可接收输入的数字或字符信息,以及产生与用以实现楼栋兴趣点判重方法的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置804可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案,可将地图进行网格划分,并对地图上楼栋利用图形区域表述,根据地图上楼栋图形区域所占的网格和楼栋兴趣点的所属网格,获取既含有楼栋兴趣点和又含有楼栋图形区域的网格,基于这些网格所含的楼栋兴趣点和楼栋图形区域,获取位于同一楼栋图形区域内的楼栋兴趣点集合,之后,可根据楼栋兴趣点集合中各兴趣点名称判断该集合之中是否存在重复兴趣点。由此可见,本申请提出了一种基于底图图区的楼栋兴趣点判重方式,可以提高相同兴趣点判重的召回率,保证了楼栋兴趣点的准确性以及唯一性。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。

Claims (9)

1.一种楼栋兴趣点判重方法,包括:
获取目标地图上的楼栋兴趣点,并获取所述目标地图上的所有楼栋图形区域,所述楼栋图形区域为楼栋边界在地图上所呈现的图形区域;
按照预设矩形大小将所述目标地图进行网格划分,并获取所述楼栋图形区域分布在所述目标地图之中所占的网格;
根据所述楼栋兴趣点的坐标确定所述楼栋兴趣点的所属网格;
根据所述楼栋图形区域分布在所述目标地图之中所占的网格和所述楼栋兴趣点的所属网格,获取同时含有所述楼栋兴趣点和所述楼栋图形区域的目标网格;
根据所述目标网格之中的楼栋兴趣点和楼栋图形区域,获取位于同一楼栋图形区域内的楼栋兴趣点集合;
识别所述楼栋兴趣点集合中各楼栋兴趣点的名称,筛选所述楼栋兴趣点集合中是否存在重复兴趣点;
所述获取所述楼栋图形区域分布在所述目标地图之中所占的网格,包括:
获取所述楼栋图形区域的边界范围,并获取所述目标地图中每个网格的边界范围;
根据所述楼栋图形区域的边界范围和每个网格的边界范围,获取所述楼栋图形区域分布在目标地图之中所占的网格;
所述根据所述目标网格之中的楼栋兴趣点和楼栋图形区域,获取位于同一楼栋图形区域内的楼栋兴趣点集合,包括:
判断楼栋兴趣点是否落在楼栋图形区域内;
若是,则将楼栋兴趣点记录在楼栋图形区域所包含的楼栋兴趣点集合中,以获取位于同一楼栋图形区域内的楼栋兴趣点集合;
其中,所述识别所述楼栋兴趣点集合中各楼栋兴趣点的名称,筛选所述楼栋兴趣点集合中是否存在重复兴趣点,包括:
获取所述楼栋兴趣点集合之中每个楼栋兴趣点的名称;
提取所述每个楼栋兴趣点的名称之中的数字;
判断所述每个楼栋兴趣点的名称之中的数字是否相同;
如果相同,则判定所述楼栋兴趣点集合中存在重复兴趣点;
如果不相同,则判定所述楼栋兴趣点集合中不存在重复兴趣点。
2.如权利要求1所述的楼栋兴趣点判重方法,其中,所述判断楼栋兴趣点是否落在楼栋图形区域内,包括:
从楼栋兴趣点做一条射线,计算所述射线与楼栋图形区域内的交点个数;
如果所述交点个数为奇数,则判定楼栋兴趣点落在楼栋图形区域内;
如果所述交点个数为偶数,则判定楼栋兴趣点落在楼栋图形区域外。
3.如权利要求1至2中任一项所述的楼栋兴趣点判重方法,还包括:
在筛选出所述位于同一楼栋图形区域内的楼栋兴趣点集合中存在重复兴趣点时,将所述位于同一楼栋图形区域内的重复兴趣点进行去重。
4.一种楼栋兴趣点判重装置,包括:
第一获取模块,用于获取目标地图上的楼栋兴趣点,并获取所述目标地图上的所有楼栋图形区域,所述楼栋图形区域为楼栋边界在地图上所呈现的图形区域;
地图划分模块,用于按照预设矩形大小将所述目标地图进行网格划分;
第二获取模块,用于获取所述楼栋图形区域分布在所述目标地图之中所占的网格;
确定模块,用于根据所述楼栋兴趣点的坐标确定所述楼栋兴趣点的所属网格;
第三获取模块,用于根据所述楼栋图形区域分布在所述目标地图之中所占的网格和所述楼栋兴趣点的所属网格,获取同时含有所述楼栋兴趣点和所述楼栋图形区域的目标网格;
第四获取模块,用于根据所述目标网格之中的楼栋兴趣点和楼栋图形区域,获取位于同一楼栋图形区域内的楼栋兴趣点集合;
筛选模块,用于识别所述楼栋兴趣点集合中各楼栋兴趣点的名称,筛选所述楼栋兴趣点集合中是否存在重复兴趣点;
所述第二获取模块,具体用于:
获取所述楼栋图形区域的边界范围;
获取所述目标地图中每个网格的边界范围;
根据所述楼栋图形区域的边界范围和所述每个网格的边界范围,获取所述楼栋图形区域分布在所述目标地图之中所占的网格;
所述第四获取模块包括:
判断单元,用于判断楼栋兴趣点是否落在楼栋图形区域内;
获取单元,用于在楼栋兴趣点落在楼栋图形区域内时,将楼栋兴趣点记录在楼栋图形区域所包含的楼栋兴趣点集合中,以获取位于同一楼栋图形区域内的楼栋兴趣点集合所述筛选模块,具体用于:
获取所述楼栋兴趣点集合之中每个楼栋兴趣点的名称;
提取所述每个楼栋兴趣点的名称之中的数字;
判断所述每个楼栋兴趣点的名称之中的数字是否相同;
如果相同,则判定所述楼栋兴趣点集合中存在重复兴趣点;
如果不相同,则判定所述楼栋兴趣点集合中不存在重复兴趣点。
5.如权利要求4所述的楼栋兴趣点判重装置,其中,所述判断单元具体用于:
从楼栋兴趣点做一条射线,计算所述射线与楼栋图形区域内的交点个数;
如果所述交点个数为奇数,则判定楼栋兴趣点落在楼栋图形区域内;
如果所述交点个数为偶数,则判定楼栋兴趣点落在楼栋图形区域外。
6.如权利要求4至5中任一项所述的楼栋兴趣点判重装置,还包括:
去重模块,用于在筛选出所述位于同一楼栋图形区域内的楼栋兴趣点集合中存在重复兴趣点时,将所述位于同一楼栋图形区域内的重复兴趣点进行去重。
7.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至3中任一项所述的楼栋兴趣点判重方法。
8.一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行权利要求1至3中任一项所述的楼栋兴趣点判重方法。
9.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1至3中任一项所述的楼栋兴趣点判重方法。
CN202010615318.6A 2020-06-30 2020-06-30 楼栋兴趣点判重方法、装置、电子设备和存储介质 Active CN111966925B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010615318.6A CN111966925B (zh) 2020-06-30 2020-06-30 楼栋兴趣点判重方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010615318.6A CN111966925B (zh) 2020-06-30 2020-06-30 楼栋兴趣点判重方法、装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN111966925A CN111966925A (zh) 2020-11-20
CN111966925B true CN111966925B (zh) 2024-04-09

Family

ID=73360847

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010615318.6A Active CN111966925B (zh) 2020-06-30 2020-06-30 楼栋兴趣点判重方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN111966925B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112507223B (zh) * 2020-12-10 2023-06-23 北京百度网讯科技有限公司 数据处理方法、装置、电子设备及可读存储介质
CN114641015B (zh) * 2020-12-16 2024-03-12 中国联合网络通信集团有限公司 网络评估方法、装置、电子设备及存储介质
CN115394170B (zh) * 2022-07-29 2024-05-03 北京城市网邻信息技术有限公司 电子沙盘构建方法、装置、电子设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109359170A (zh) * 2018-11-02 2019-02-19 百度在线网络技术(北京)有限公司 用于生成信息的方法和装置
CN109710709A (zh) * 2018-12-13 2019-05-03 北京百度网讯科技有限公司 兴趣点数据处理方法、装置、电子设备及存储介质
CN110516094A (zh) * 2019-08-29 2019-11-29 百度在线网络技术(北京)有限公司 门类兴趣点数据的去重方法、装置、电子设备及存储介质
CN110795642A (zh) * 2019-09-27 2020-02-14 腾讯科技(深圳)有限公司 位置名称生成方法以及位置名称显示方法
CN110968657A (zh) * 2018-09-30 2020-04-07 百度在线网络技术(北京)有限公司 感兴趣区域查询方法、装置、设备及计算机可读介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7751971B2 (en) * 2007-01-17 2010-07-06 Microsoft Corporation Location mapping for key-point based services
US10659911B1 (en) * 2018-10-26 2020-05-19 International Business Machines Corporation Deduplication of points of interest (POIs) from different sources

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110968657A (zh) * 2018-09-30 2020-04-07 百度在线网络技术(北京)有限公司 感兴趣区域查询方法、装置、设备及计算机可读介质
CN109359170A (zh) * 2018-11-02 2019-02-19 百度在线网络技术(北京)有限公司 用于生成信息的方法和装置
CN109710709A (zh) * 2018-12-13 2019-05-03 北京百度网讯科技有限公司 兴趣点数据处理方法、装置、电子设备及存储介质
CN110516094A (zh) * 2019-08-29 2019-11-29 百度在线网络技术(北京)有限公司 门类兴趣点数据的去重方法、装置、电子设备及存储介质
CN110795642A (zh) * 2019-09-27 2020-02-14 腾讯科技(深圳)有限公司 位置名称生成方法以及位置名称显示方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Unified View of Prediction and Repetition structure in audio signals with application to interest point detection;Samer Abdallah;《IEEE Transactions on Audio,Speech,and Language Processing》;20080116;第16卷(第2期);327-337 *
一种基于GIS网格单元建模的小区精确营销研究与实现;杨敏;王建红;;轻工科技;20131127(11);全文 *
兴趣点选取的路网分割并行计算法;沈婕;朱月琴;吴鹏;于振国;;测绘学报;20151215(S1);全文 *

Also Published As

Publication number Publication date
CN111966925A (zh) 2020-11-20

Similar Documents

Publication Publication Date Title
CN111966925B (zh) 楼栋兴趣点判重方法、装置、电子设备和存储介质
US20210224821A1 (en) Land usage property identification method, apparatus, electronic device and storage medium
CN111553844B (zh) 用于更新点云的方法及装置
CN111767321B (zh) 节点关系网络的确定方法、装置、电子设备和存储介质
CN111578951B (zh) 一种自动驾驶中用于生成信息的方法和装置
US20210209160A1 (en) Method and apparatus for identifying map region words
CN111210490B (zh) 电子地图构建方法、装置、设备和介质
US20210264155A1 (en) Visual positioning method and apparatus, and computer-readable storage medium
CN115797565B (zh) 三维重建模型训练方法、三维重建方法、装置及电子设备
CN112100302B (zh) 地图信息点的显示方法、装置、设备和可读存储介质
CN111694914B (zh) 用户常驻区域确定方法及装置
CN110995687B (zh) 一种猫池设备识别方法、装置、设备及存储介质
CN111506586B (zh) 增量制图的方法、装置、电子设备以及可读存储介质
CN111966767A (zh) 轨迹热力图生成方法、装置、电子设备和存储介质
CN112631682A (zh) 小程序处理方法、装置、设备及存储介质
CN111967481A (zh) 视觉定位方法、装置、电子设备及存储介质
CN111753960B (zh) 模型训练及图像处理方法、装置、电子设备、存储介质
CN113256642B (zh) 电子地图中失效区域的确定方法、装置、设备和存储介质
CN112001369B (zh) 船舶烟囱的检测方法、装置、电子设备及可读存储介质
CN111782633B (zh) 数据处理方法、装置及电子设备
CN111324825B (zh) 查找目标人员的方法及装置
CN111488972B (zh) 数据迁移方法、装置、电子设备和存储介质
CN112541934B (zh) 一种图像处理方法及装置
CN113570485B (zh) 城市群信息生成方法、装置、电子设备及计算机可读存储介质
CN112668653A (zh) 基于激光雷达地图的回环检测方法、装置、设备及介质

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