CN112102299A - 基于三维建模的城市绿化监测方法、装置、设备和介质 - Google Patents
基于三维建模的城市绿化监测方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN112102299A CN112102299A CN202010986678.7A CN202010986678A CN112102299A CN 112102299 A CN112102299 A CN 112102299A CN 202010986678 A CN202010986678 A CN 202010986678A CN 112102299 A CN112102299 A CN 112102299A
- Authority
- CN
- China
- Prior art keywords
- greening
- area
- target
- model
- data analysis
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000012544 monitoring process Methods 0.000 title claims abstract description 35
- 238000007405 data analysis Methods 0.000 claims abstract description 159
- 238000004458 analytical method Methods 0.000 claims description 24
- 238000012806 monitoring device Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 17
- 238000013528 artificial neural network Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 2
- 238000010276 construction Methods 0.000 description 8
- 238000012423 maintenance Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 239000011435 rock Substances 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- 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
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- G06T2207/30188—Vegetation; Agriculture
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明实施例公开了一种基于三维建模的城市绿化监测方法、装置、设备和介质,所述方法包括:获取目标绿化区域处的采集模块采集的绿化数据,目标绿化区域处设置有至少一个采集模块;将目标绿化区域处的采集模块采集的绿化数据作为绿化孪生体中数据分析模型的输入,得到数据分析模型输出的数据分析结果;在绿化孪生体中的绿化模型中,根据数据分析模型输出的数据分析结果,对目标绿化区域和/或目标绿化区域周围进行标记。本发明引入绿化孪生体,并且根据数据分析结果进行了标记,实现了绿化区域和/或绿化区域周围情况的自动监测,及时发现绿化区域和/或绿化区域周围的相关情况,以便在绿化区域和/或绿化区域周围出现问题时及时采取处理措施。
Description
技术领域
本发明涉及绿化监测技术领域,尤其涉及一种基于三维建模的城市绿化监测方法、装置、设备和介质。
背景技术
随着我国经济的不断发展,城市建设也越发受到相关部门的重视,多数城市都在向卫生城市、森林城市发展。
绿化带在卫生城市和森林城市中扮演中很重要的角色,绿化带在一定程度上影响着城市空气以及城市美观,并且,绿化带情况还能在一定程度上反映自然灾害等的波及情况,例如,台风到来时,可以根据绿化带的情况确定该绿化带附近建筑等受台风的影响的严重程度,当绿化带破损严重时,可以认为该绿化带周围建筑等受台风的波及也十分的严重,因此,绿化带的监测对于城市建设以及维护十分重要,然而,现有的绿化带以及绿化带周围情况的监测还主要是人工监测,即现有技术无法实现对绿化带以及绿化带周围情况的及时监测。
发明内容
基于此,有必要针对上述问题,提出一种基于三维建模的城市绿化监测方法、装置、设备和介质,以实现绿化带以及绿化带周围相关情况的及时监测,从而更好的实现城市建设与维护。
第一方面,提供了一种基于三维建模的城市绿化监测方法,包括:
获取目标绿化区域处的采集模块采集的绿化数据,所述目标绿化区域处设置有至少一个采集模块;
将所述目标绿化区域处的采集模块采集的绿化数据作为绿化孪生体中数据分析模型的输入,得到所述数据分析模型输出的数据分析结果;
在所述绿化孪生体中的绿化模型中,根据所述数据分析模型输出的数据分析结果,对所述目标绿化区域和/或所述目标绿化区域周围进行标记。
第二方面,提供了一种基于三维建模的城市绿化监测装置,包括:
获取模块,用于获取目标绿化区域处的采集模块采集的绿化数据,所述目标绿化区域处设置有至少一个采集模块;
孪生模块,用于将所述目标绿化区域处的采集模块采集的绿化数据作为绿化孪生体中数据分析模型的输入,得到所述数据分析模型输出的数据分析结果;
标记模块,用于在所述绿化孪生体中的绿化模型中,根据所述数据分析模型输出的数据分析结果,对所述目标绿化区域和/或所述目标绿化区域周围进行标记。
第三方面,提供了一种基于三维建模的城市绿化监测设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行以下步骤:
获取目标绿化区域处的采集模块采集的绿化数据,所述目标绿化区域处设置有至少一个采集模块;
将所述目标绿化区域处的采集模块采集的绿化数据作为绿化孪生体中数据分析模型的输入,得到所述数据分析模型输出的数据分析结果;
在所述绿化孪生体中的绿化模型中,根据所述数据分析模型输出的数据分析结果,对所述目标绿化区域和/或所述目标绿化区域周围进行标记。
第四方面,提供了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行以下步骤:
获取目标绿化区域处的采集模块采集的绿化数据,所述目标绿化区域处设置有至少一个采集模块;
将所述目标绿化区域处的采集模块采集的绿化数据作为绿化孪生体中数据分析模型的输入,得到所述数据分析模型输出的数据分析结果;
在所述绿化孪生体中的绿化模型中,根据所述数据分析模型输出的数据分析结果,对所述目标绿化区域和/或所述目标绿化区域周围进行标记。
实施本发明实施例,将具有如下有益效果:
本发明提出了一种基于三维建模的城市绿化监测方法、装置、设备和介质,首先获取目标绿化区域处的采集模块采集的绿化数据,所述目标绿化区域处设置有至少一个采集模块;然后将所述目标绿化区域处的采集模块采集的绿化数据作为绿化孪生体中数据分析模型的输入,得到所述数据分析模型输出的数据分析结果;最后在所述绿化孪生体中的绿化模型中,根据所述数据分析模型输出的数据分析结果,对所述目标绿化区域和/或所述目标绿化区域周围进行标记。本发明通过引入绿化孪生体,并且根据数据分析结果对绿化区域和/或绿化区域周围进行了标记,实现了绿化区域和/或绿化区域周围情况的自动监测,帮助工作人员及时发现绿化区域和/或绿化区域周围的相关情况,以便在绿化区域和/或绿化区域周围出现问题时及时采取处理措施,从而更好的实现城市建设与维护。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
其中:
图1为一个实施例中基于三维建模的城市绿化监测方法的实现流程示意图;
图2为一个实施例中绿化区域和子区域的示意图;
图3为一个实施例中绿化区域周围的示意图;
图4为一个实施例中基于三维建模的城市绿化监测装置的结构框图;
图5为一个实施例中基于三维建模的城市绿化监测设备的内部结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在一个实施例中,提供了一种基于三维建模的城市绿化监测方法,本发明实施例所述的基于三维建模的城市绿化监测方法的执行主体为能够实现本发明实施例所述的基于三维建模的城市绿化监测方法的设备,该设备可以包括终端喝服务器,其中,终端包括移动终端,例如,智能手机和平板电脑,服务器包括高性能计算机和高性能计算机集群。
如图1所示,本发明实施例所述的基于三维建模的城市绿化监测方法,具体包括:
步骤102,获取目标绿化区域处的采集模块采集的绿化数据,所述目标绿化区域处设置有至少一个采集模块。
绿化区域,为提供绿化的区域,例如,条形绿化带。
采集模块,用于采集绿化区域的相关数据,绿化区域中设置有至少一个采集模块,采集模块包括传感器。如图2所示,绿化区域可以是一个较大的条形区域,将该较大的条形区域划分为多个子区域,每个子区域设置一个传感器,以实现对该子区域相关数据的采集,当然,为了更好的采集数据,每个子区域还可以设置至少一个同种类型的传感器,甚至,在每个子区域设置多种传感器。
绿化数据,为采集模块采集得到的数据,绿化数据能够在一定程度上反映绿化区域的破损情况以及自然灾害(例如,台风)的波及情况,例如,绿化区域受损严重时,自然灾害(台风)的波及也将十分严重。
步骤104,将所述目标绿化区域处的采集模块采集的绿化数据作为绿化孪生体中数据分析模型的输入,得到所述数据分析模型输出的数据分析结果。
绿化孪生体,为包含有城市绿化带的孪生体。其中,孪生体,为在信息化平台上创建的数字版的“克隆体”。
数据分析模型,用于分析绿化数据,并且得到绿化数据的数据分析结果。
数据分析结果,为用于反映绿化区域情况以及绿化区域周围情况的结果。
步骤106,在所述绿化孪生体中的绿化模型中,根据所述数据分析模型输出的数据分析结果,对所述目标绿化区域和/或所述目标绿化区域周围进行标记。
绿化模型,为包含绿化区域的三维模型。其中,三维模型,为能够将现实世界的事物进行三维(长、宽、高)显示的模型,通过三维模型能够实现事物的多角度观看。
在一个实施例中,所述数据分析结果包括反映目标绿化区域出现破损子区域的区域破损结果和所述区域破损结果对应的破损级别,所述破损子区域为目标绿化区域中的一个子区域。
破损子区域,为绿化区域中的一个子区域,并且,该子区域中的绿化带出现了破损。
破损级别,反映破损程度,破损级别越高,破损程度越大,破损级别越低,破损程度越小。
相应的,步骤106所述绿化孪生体中的绿化模型,根据所述数据分析模型输出的数据分析结果,对所述目标绿化区域和/或所述目标绿化区域周围进行标记,包括:
步骤106a,根据所述数据分析模型输出的区域破损结果和所述区域破损结果对应的破损级别,获取所述破损级别对应的颜色标记数据;
步骤106b,在所述绿化孪生体中的绿化模型中,根据所述颜色标记数据,对所述区域破损结果对应的破损子区域和/或所述目标绿化区域周围进行标记。
区域破损结果,指示绿化区域和/或绿化区域周围出现了破损。
颜色标记数据,为需要绿化模型标记的颜色。不同的破损级别,在绿化模型中,以不同的颜色进行显示,从而管理人员能够一眼看出该子区域的破损程度。
不同的破损级别,需要进行颜色标记的区域不同。具体的,当破损级别较低的时候,绿化模型只对破损子区域进行颜色标记,当破损级别中等的时候,绿化模型对目标绿化区域周围进行颜色标记,当破损级别较高的时候,绿化模型对破损子区域以及目标绿化区域周围进行颜色标记。
在一个实施例中,所述数据分析结果包括反映目标绿化区域出现自然灾害的灾害分析结果和所述灾害分析结果对应的灾害类型。
灾害分析结果,指示目标绿化区域出现了灾害;灾害类型,指示具体是什么灾害,例如,台风;再如,泥石流。
例如,数据分析结果为1-A,1指示数据分析结果为灾害分析结果,A指示灾害类型为台风;再如,数据分析结果为0-I,0指示数据分析结果为区域破损结果,I指示破损级别为低级。
相应的,步骤106所述绿化孪生体中的绿化模型,根据所述数据分析模型输出的数据分析结果,对所述目标绿化区域和/或所述目标绿化区域周围进行标记,包括:
步骤106A,根据所述数据分析模型输出的灾害分析结果和所述灾害分析结果对应的灾害类型,获取所述灾害类型对应的灾害标记数据;
步骤106B,在所述绿化孪生体中的绿化模型中,根据所述灾害标记数据,对所述目标绿化区域和/或所述目标绿化区域周围进行标记。
灾害分析结果,指示绿化区域和/或绿化区域周围出现了灾害。例如,绿化区域出现了泥石流,并且,泥石流对绿化区域周围带来了危害。
灾害标记数据,为指示绿化模型标记的数据,不同灾害类型对应的标记数据不同,因此,通过使用灾害标记数据在绿化模型中进行标记,管理人员能够一眼分辨出来灾害类型,从而采取救急措施。例如,当灾害类型为台风或者泥石流的时候,使用渐变颜色在目标绿化区域和目标绿化区域周围进行标记。
为了更好的理解,举两个例子进行说明。例如,通过绿化区域的三维模型的数据分析结果分析出目前城市中的灾害类型为台风,则在三维模型终端中可视化的对目标绿化区域和目标绿化区域周围进行台风标记,通过三维模型直观的显示给用户,并且可以直观的显示出台风可能危害的区域。同时可以通过,三维模型所在的终端设备通过无线传输单元将相应可能受危害的区域的数据分析结果发送给电子地图,这样,司机在使用电子地图进行导航时可以提示受危害区域,在看到台风标记后便不会去到目标绿化区域处,可以提前躲避拥堵;再如,灾害类型为大暴雨,则对目标绿化区域和所述目标绿化区域周围进行红色暴雨标记,这样,司机在看到红色暴雨标记后便不会去到目标绿化区域处,并且,管理人员会安排救援人员去到目标区域处,进行救援。
在一个实施例中,绿化区域周围包括绿化区域对应的地下区域和地上区域,其中,地下区域包括地铁和/或隧道和/或管道,地上区域包括道路和/或建筑和/或交通车辆。
如图3椭圆虚线包围的范围,绿化区域对应的地下区域,包括与绿化区域正对的地下区域(例如,地铁,管道)以及靠近绿化区域的地下区域;绿化区域对应的地上区域,包括与绿化区域正对的地上区域(例如,房屋,建筑)以及靠近绿化区域的地上区域。
由于灾害或者人为破坏可能会波及到绿化区域周围的地铁、建筑等,因此,当灾害严重或者人为破坏严重的时候,需要在绿化区域的三维模型中,将绿化区域周围也可视化的标记出来,这样工作人员在看到绿化区域周围被标记后能够清楚的知晓灾害的波及范围以及灾害的严重性,从而及时采取救急措施。
上述基于三维建模的城市绿化监测方法,首先获取目标绿化区域处的采集模块采集的绿化数据,所述目标绿化区域处设置有至少一个采集模块;然后将所述目标绿化区域处的采集模块采集的绿化数据作为绿化孪生体中数据分析模型的输入,得到所述数据分析模型输出的数据分析结果;最后在所述绿化孪生体中的绿化模型中,根据所述数据分析模型输出的数据分析结果,对所述目标绿化区域和/或所述目标绿化区域周围进行标记。本发明通过引入绿化孪生体,并且根据数据分析结果对绿化区域和/或绿化区域周围进行了三维可视化的标记,实现了绿化区域和/或绿化区域周围情况的自动监测及预防,帮助工作人员及时发现绿化区域和/或绿化区域周围的相关情况,以便在绿化区域和/或绿化区域周围出现问题时及时采取处理措施,从而更好的实现城市建设与维护。
在一个实施例中,预先构建绿化模型,然后将elman神经网络应用于该绿化模型,通过elman神经网络实现对相关数据的分析,从而实现绿化区域情况的自动监测。具体的,在步骤102所述获取目标采集模块采集的当前交通数据之前,还包括:
步骤100,构建所述绿化模型。
在一个实施例中,步骤100所述构建所述绿化模型,包括:
获取定位后的球幕相机拍摄得到的城市视频流,所述城市视频流中显示有绿化区域;
对所述城市视频流进行特征点识别与匹配;
对球幕相机三维数字化建模的闭环进行检测;
检测后,进行数字化建模,得到初步城市三维模型;
对所述初步城市三维模型中的建筑物、道路以及绿化区域的形态进行调整,得到中间城市三维模型;
对所述中间城市三维模型进行贴图,得到目标城市三维模型;
确定绿化区域在所述目标城市三维模型中的三维区域位置,得到所述绿化模型。
绿化模型和目标城市三维模型的区别在于,绿化模型记录了各个绿化区域在三维模型中的三维区域位置,而目标城市三维模型并没有记录绿化区域的模型位置。其中,三维区域位置,为一个三维的区域,而不只是一个简单的二维坐标点位置。
在所述一组照片或者视频流中,对单张照片用SIFT描述符进行特征点(图片上的像素点)提取同时分析每一个所述特征点的邻域,根据邻域控制所述特征点。
所述闭环检测为:用当前算出球幕相机位置与过去球幕相机位置进行比较,检测有无距离相近;若检测到两者距离在一定阈值范围内,就认为球幕相机又回到原来走过的地方,此时启动闭环检测。
本发明为基于空间信息而非时间序列的闭环检测。
步骤:检测后,进行数字化建模,得到初步城市三维模型,可以包括:
初步计算出所述球幕相机位置得到部分有噪音点稀疏点云,用距离和重投影的方式进行滤波滤掉噪音点;
对稀疏点云做标记即整体点云中,并进行对应的标记;
以每个稀疏点云为起点,以对应的球幕相机作一条虚拟直线,多个所述虚拟直线经过的空间交织在一起,形成一个可视空间;
将被射线包围的空间抠出来;
基于图论最短路径的方式做闭合空间。
所述稀疏点云为每个所述球幕相机可看见过滤之后所获得的。其中步骤:以每个稀疏点云为起点,以对应的球幕相机作一条虚拟直线,多个所述虚拟直线经过的空间交织在一起,形成一个可视空间,也可理解为以每个稀疏点云为起点,以对应的球幕相机作一条虚拟直线,多个所述虚拟直线经过的空间交织在一起,形成一个可视空间;
过滤指的是:在确认了二维图片中某一点对应的三维坐标位置后,将这个三维坐标点重新投影到原来的球幕照片上,再次确认是否仍是那个点。其原因是,二维图片的点与其在三维世界的点的位置是一一对应关系,所以在确认了二维图片中某一点的三维坐标点后,可以将这个三维坐标点重新投射回去验证二维坐标点是否仍在原来的位置,以此来决定该像素点是否为噪点,是否需要过滤。需要说明的是,在照片或视频流中确定一张来自于某个所述球幕相机的最优图片,当多部所述球幕相机都看到某一目标并捕捉到画面,选取使用其中最优的一张进行贴图,需要说明的是,所述最优一张图为某一所述球幕相机能够得到目标的像素最多,则所述球幕相机为最优。
由于视频流的拍摄角度问题,可能存在建模后得到的模型与真实的物体具有较大的差异,因此,需要对建模后三维模型中的建筑物等进行优化,得到更加真实、看起来更加和谐的三维模型。所述对初步城市三维模型中的建筑物、道路以及绿化区域的形态进行调整,包括:在初步城市三维模型中,对不同观看角度下,建筑物、道路以及绿化区域的大小以及高度进行调整,对建筑物、道路以及绿化区域中出现的空洞进行填充,从而实现对初步城市三维模型的优化,得到中间城市三维模型。具体的,可以使用三维模型软件对构建的各种三维模型进行调整。
步骤101,根据所述绿化模型和elman神经网络构建所述绿化孪生体。
elman神经网络,是一种具有局部记忆单元和局部反馈连接的递归神经网络,通过elman神经网络能够得到更加准确的数据分析结果。
将相关数据输入绿化孪生体,绿化孪生体中的elman神经网络会对输入的相关数据进行分析,得到数据分析结果,绿化模型会根据数据分析结果对绿化区域以及周围进行标记,让管理人员及时发现问题并处理。
在一个实施例中,在步骤104所述将所述目标绿化区域处的采集模块采集的绿化数据作为绿化孪生体中数据分析模型的输入,得到所述数据分析模型输出的数据分析结果之后,还包括:
获取目标绿化区域对应的地图位置;
获取所述数据分析结果对应的地图标记方法;
根据所述地图标记方法在所述地图位置处进行标记。
地图位置,为绿化区域在二维或三维地图中的位置,该地图位置可以是一个位置点。
不同的数据分析结果有不同的地图标记方法,例如,台风,标记方法为标记为紫红色旋涡,泥石流标记方法为标记为黄色水流,大暴雨标记为红色水流。
由于会根据地图标记方法在地图位置处进行标记,这样,在标记之后,可以在终端设备的导航地图上进行显示,这样,司机在看到相关标记后,就会避免出现在危险的地方,保证顺利行车、安全行车。
如图4所示,提供了一种基于三维建模的城市绿化监测装置400,具体包括:
获取模块402,用于获取目标绿化区域处的采集模块采集的绿化数据,所述目标绿化区域处设置有至少一个采集模块;
孪生模块404,用于将所述目标绿化区域处的采集模块采集的绿化数据作为绿化孪生体中数据分析模型的输入,得到所述数据分析模型输出的数据分析结果;
标记模块406,用于在所述绿化孪生体中的绿化模型中,根据所述数据分析模型输出的数据分析结果,对所述目标绿化区域和/或所述目标绿化区域周围进行标记。
上述基于三维建模的城市绿化监测装置,首先获取目标绿化区域处的采集模块采集的绿化数据,所述目标绿化区域处设置有至少一个采集模块;然后将所述目标绿化区域处的采集模块采集的绿化数据作为绿化孪生体中数据分析模型的输入,得到所述数据分析模型输出的数据分析结果;最后在所述绿化孪生体中的绿化模型中,根据所述数据分析模型输出的数据分析结果,对所述目标绿化区域和/或所述目标绿化区域周围进行标记。本发明通过引入绿化孪生体,并且根据数据分析结果对绿化区域和/或绿化区域周围进行了标记,实现了绿化区域和/或绿化区域周围情况的自动监测,帮助工作人员及时发现绿化区域和/或绿化区域周围的相关情况,以便在绿化区域和/或绿化区域周围出现问题时及时采取处理措施,从而更好的实现城市建设与维护;并且利用三维模型,可以通过数据分析模型的数据分析结果结合至三维模型中,建立出数据分析结果中未来可能发生灾害时的三维模型,由此可视化的进行模拟灾害发生时可能危害的区域,从而及早的进行预防及控制灾害的发生。
在一个实施例中,所述数据分析结果包括反映目标绿化区域出现破损子区域的区域破损结果和所述区域破损结果对应的破损级别,所述破损子区域为目标绿化区域中的一个子区域;所述标记模块406,具体用于:根据所述数据分析模型输出的区域破损结果和所述区域破损结果对应的破损级别,获取所述破损级别对应的颜色标记数据;在所述绿化孪生体中的绿化模型中,根据所述颜色标记数据,对所述区域破损结果对应的破损子区域和/或所述目标绿化区域周围进行标记。
在一个实施例中,所述数据分析结果包括反映目标绿化区域出现自然灾害的灾害分析结果和所述灾害分析结果对应的灾害类型;所述标记模块406,具体用于:根据所述数据分析模型输出的灾害分析结果和所述灾害分析结果对应的灾害类型,获取所述灾害类型对应的灾害标记数据;在所述绿化孪生体中的绿化模型中,根据所述灾害标记数据,对所述目标绿化区域和/或所述目标绿化区域周围进行标记。
在一个实施例中,所述装置400,还包括:构建模块,用于构建所述绿化模型;根据所述绿化模型和elman神经网络构建所述绿化孪生体。
在一个实施例中,所述构建模块,具体用于:获取定位后的球幕相机拍摄得到的城市视频流,所述城市视频流中显示有绿化区域;对所述城市视频流进行特征点识别与匹配;对球幕相机三维数字化建模的闭环进行检测;检测后,进行数字化建模,得到初步城市三维模型;对所述初步城市三维模型中的建筑物、道路以及绿化区域的形态进行调整,得到中间城市三维模型;对所述中间城市三维模型进行贴图,得到目标城市三维模型;确定绿化区域在所述目标城市三维模型中的三维区域位置,得到所述绿化模型。
在其他的实施例中,除了在目标绿化区域处设置有采集模块外,还可以设置数据收发模块,不仅上传采集模块监测数据,也可以接收来自己三维模型终端的数据,当三维模型接收来自采集模块采集的监测数据并分析出有可能的灾害时,三维模型终端通过控制中心将数据分析结果发送到目标绿化区域出现破损子区域,并通过该区域的数据收发模块进行数据接收,其中数据的通信传输可以通过无线或有线进行传输,在此不进行限制。更进一步的,数据收发模块还连接有提醒模块,具体的提醒模块可以设置为信号灯或者语音播报装置,以此在目标子区域进行信号灯提示或语音播报提示来往的车辆及行人注意避让。
在其他实施例中,若该绿化区域中破损已经发生,意即灾害已经出现在当前区域,可能造成该绿化区域中的采集模块、数据收发模块以及提醒模块无法正常工作时,通过三维模型终端利用数据分析模型进行分析破损区域其附近区域的受灾情况,可以利用三维模型终端将数据分析结果发送至绿化区域中破损区域其周边的绿化区域,并且相邻绿化子区域中的数据收发模块之间组网互连,通过三维模型终端将数据分析结果下发后,在数据分析结果中涉及相应的子区域中实现数据互通,一方面及时引导车辆及行人避开可能受灾区域及已受灾区域的路线,另一方面若某一子区域的数据收发模块或者采集模块损坏较为严重,无法正常工作时,通过不同子区域之间组网互连的方式能够及时获知哪一区域收无法正常获取数据,其中数据收发模块组网的方式包括但不限于蓝牙mesh组网。
图5示出了一个实施例中基于三维建模的城市绿化监测设备的内部结构图。如图5所示,该基于三维建模的城市绿化监测设备包括通过系统总线连接的处理器、存储器和通信接口。其中,存储器包括非易失性存储介质和内存储器。该基于三维建模的城市绿化监测设备的非易失性存储介质存储有操作系统,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现基于三维建模的城市绿化监测方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行基于三维建模的城市绿化监测方法。本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的基于三维建模的城市绿化监测设备的限定,具体的基于三维建模的城市绿化监测设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,本申请提供的基于三维建模的城市绿化监测方法可以实现为一种计算机程序的形式,计算机程序可在如图5所示的基于三维建模的城市绿化监测设备上运行。基于三维建模的城市绿化监测设备的存储器中可存储组成基于三维建模的城市绿化监测装置的各个程序模板。比如,获取模块402、孪生模块404和标记模块406。
一种基于三维建模的城市绿化监测设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如下步骤:
获取目标绿化区域处的采集模块采集的绿化数据,所述目标绿化区域处设置有至少一个采集模块;
将所述目标绿化区域处的采集模块采集的绿化数据作为绿化孪生体中数据分析模型的输入,得到所述数据分析模型输出的数据分析结果;
在所述绿化孪生体中的绿化模型中,根据所述数据分析模型输出的数据分析结果,对所述目标绿化区域和/或所述目标绿化区域周围进行标记。
上述基于三维建模的城市绿化监测设备,首先获取目标绿化区域处的采集模块采集的绿化数据,所述目标绿化区域处设置有至少一个采集模块;然后将所述目标绿化区域处的采集模块采集的绿化数据作为绿化孪生体中数据分析模型的输入,得到所述数据分析模型输出的数据分析结果;最后在所述绿化孪生体中的绿化模型中,根据所述数据分析模型输出的数据分析结果,对所述目标绿化区域和/或所述目标绿化区域周围进行标记。本发明通过引入绿化孪生体,并且根据数据分析结果对绿化区域和/或绿化区域周围进行了标记,实现了绿化区域和/或绿化区域周围情况的自动监测,帮助工作人员及时发现绿化区域和/或绿化区域周围的相关情况,以便在绿化区域和/或绿化区域周围出现问题时及时采取处理措施,从而更好的实现城市建设与维护。
在一个实施例中,所述数据分析结果包括反映目标绿化区域出现破损子区域的区域破损结果和所述区域破损结果对应的破损级别,所述破损子区域为目标绿化区域中的一个子区域;在所述绿化孪生体中的绿化模型中,根据所述数据分析模型输出的数据分析结果,对所述目标绿化区域和/或所述目标绿化区域周围进行标记,包括:根据所述数据分析模型输出的区域破损结果和所述区域破损结果对应的破损级别,获取所述破损级别对应的颜色标记数据;在所述绿化孪生体中的绿化模型中,根据所述颜色标记数据,对所述区域破损结果对应的破损子区域和/或所述目标绿化区域周围进行标记。
在一个实施例中,所述数据分析结果包括反映目标绿化区域出现自然灾害的灾害分析结果和所述灾害分析结果对应的灾害类型;在所述绿化孪生体中的绿化模型中,根据所述数据分析模型输出的数据分析结果,对所述目标绿化区域和/或所述目标绿化区域周围进行标记,包括:根据所述数据分析模型输出的灾害分析结果和所述灾害分析结果对应的灾害类型,获取所述灾害类型对应的灾害标记数据;在所述绿化孪生体中的绿化模型中,根据所述灾害标记数据,对所述目标绿化区域和/或所述目标绿化区域周围进行标记。
在一个实施例中,所述计算机程序被所述处理器执行时,还用于:在所述获取目标绿化区域处的采集模块采集的绿化数据之前,构建所述绿化模型;根据所述绿化模型和elman神经网络构建所述绿化孪生体。
在一个实施例中,所述构建所述绿化模型,包括:获取定位后的球幕相机拍摄得到的城市视频流,所述城市视频流中显示有绿化区域;对所述城市视频流进行特征点识别与匹配;对球幕相机三维数字化建模的闭环进行检测;检测后,进行数字化建模,得到初步城市三维模型;对所述初步城市三维模型中的建筑物、道路以及绿化区域的形态进行调整,得到中间城市三维模型;对所述中间城市三维模型进行贴图,得到目标城市三维模型;确定绿化区域在所述目标城市三维模型中的三维区域位置,得到所述绿化模型。
在一个实施例中,所述计算机程序被所述处理器执行时,还用于:在所述将所述目标绿化区域处的采集模块采集的绿化数据作为绿化孪生体中数据分析模型的输入,得到所述数据分析模型输出的数据分析结果之后,获取目标绿化区域对应的地图位置;获取所述数据分析结果对应的地图标记方法;根据所述地图标记方法在所述地图位置处进行标记。
在一个实施例中,提出了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行以下步骤:
获取目标绿化区域处的采集模块采集的绿化数据,所述目标绿化区域处设置有至少一个采集模块;
将所述目标绿化区域处的采集模块采集的绿化数据作为绿化孪生体中数据分析模型的输入,得到所述数据分析模型输出的数据分析结果;
在所述绿化孪生体中的绿化模型中,根据所述数据分析模型输出的数据分析结果,对所述目标绿化区域和/或所述目标绿化区域周围进行标记。
上述计算机可读存储介质,首先获取目标绿化区域处的采集模块采集的绿化数据,所述目标绿化区域处设置有至少一个采集模块;然后将所述目标绿化区域处的采集模块采集的绿化数据作为绿化孪生体中数据分析模型的输入,得到所述数据分析模型输出的数据分析结果;最后在所述绿化孪生体中的绿化模型中,根据所述数据分析模型输出的数据分析结果,对所述目标绿化区域和/或所述目标绿化区域周围进行标记。本发明通过引入绿化孪生体,并且根据数据分析结果对绿化区域和/或绿化区域周围进行了标记,实现了绿化区域和/或绿化区域周围情况的自动监测,帮助工作人员及时发现绿化区域和/或绿化区域周围的相关情况,以便在绿化区域和/或绿化区域周围出现问题时及时采取处理措施,从而更好的实现城市建设与维护。
在一个实施例中,所述数据分析结果包括反映目标绿化区域出现破损子区域的区域破损结果和所述区域破损结果对应的破损级别,所述破损子区域为目标绿化区域中的一个子区域;在所述绿化孪生体中的绿化模型中,根据所述数据分析模型输出的数据分析结果,对所述目标绿化区域和/或所述目标绿化区域周围进行标记,包括:根据所述数据分析模型输出的区域破损结果和所述区域破损结果对应的破损级别,获取所述破损级别对应的颜色标记数据;在所述绿化孪生体中的绿化模型中,根据所述颜色标记数据,对所述区域破损结果对应的破损子区域和/或所述目标绿化区域周围进行标记。
在一个实施例中,所述数据分析结果包括反映目标绿化区域出现自然灾害的灾害分析结果和所述灾害分析结果对应的灾害类型;在所述绿化孪生体中的绿化模型中,根据所述数据分析模型输出的数据分析结果,对所述目标绿化区域和/或所述目标绿化区域周围进行标记,包括:根据所述数据分析模型输出的灾害分析结果和所述灾害分析结果对应的灾害类型,获取所述灾害类型对应的灾害标记数据;在所述绿化孪生体中的绿化模型中,根据所述灾害标记数据,对所述目标绿化区域和/或所述目标绿化区域周围进行标记。
在一个实施例中,所述计算机程序被所述处理器执行时,还用于:在所述获取目标绿化区域处的采集模块采集的绿化数据之前,构建所述绿化模型;根据所述绿化模型和elman神经网络构建所述绿化孪生体。
在一个实施例中,所述构建所述绿化模型,包括:获取定位后的球幕相机拍摄得到的城市视频流,所述城市视频流中显示有绿化区域;对所述城市视频流进行特征点识别与匹配;对球幕相机三维数字化建模的闭环进行检测;检测后,进行数字化建模,得到初步城市三维模型;对所述初步城市三维模型中的建筑物、道路以及绿化区域的形态进行调整,得到中间城市三维模型;对所述中间城市三维模型进行贴图,得到目标城市三维模型;确定绿化区域在所述目标城市三维模型中的三维区域位置,得到所述绿化模型。
在一个实施例中,所述计算机程序被所述处理器执行时,还用于:在所述将所述目标绿化区域处的采集模块采集的绿化数据作为绿化孪生体中数据分析模型的输入,得到所述数据分析模型输出的数据分析结果之后,获取目标绿化区域对应的地图位置;获取所述数据分析结果对应的地图标记方法;根据所述地图标记方法在所述地图位置处进行标记。
需要说明的是,上述基于三维建模的城市绿化监测方法、基于三维建模的城市绿化监测装置、基于三维建模的城市绿化监测设备及计算机可读存储介质属于一个总的发明构思,基于三维建模的城市绿化监测方法、基于三维建模的城市绿化监测装置、基于三维建模的城市绿化监测设备及计算机可读存储介质实施例中的内容可相互适用。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于三维建模的城市绿化监测方法,其特征在于,包括:
获取目标绿化区域处的采集模块采集的绿化数据,所述目标绿化区域处设置有至少一个采集模块;
将所述目标绿化区域处的采集模块采集的绿化数据作为绿化孪生体中数据分析模型的输入,得到所述数据分析模型输出的数据分析结果;
在所述绿化孪生体中的绿化模型中,根据所述数据分析模型输出的数据分析结果,对所述目标绿化区域和/或所述目标绿化区域周围进行标记。
2.如权利要求1所述的方法,其特征在于,所述数据分析结果包括反映目标绿化区域出现破损子区域的区域破损结果和所述区域破损结果对应的破损级别,所述破损子区域为目标绿化区域中的一个子区域;
在所述绿化孪生体中的绿化模型中,根据所述数据分析模型输出的数据分析结果,对所述目标绿化区域和/或所述目标绿化区域周围进行标记,包括:
根据所述数据分析模型输出的区域破损结果和所述区域破损结果对应的破损级别,获取所述破损级别对应的颜色标记数据;
在所述绿化孪生体中的绿化模型中,根据所述颜色标记数据,对所述区域破损结果对应的破损子区域和/或所述目标绿化区域周围进行标记。
3.如权利要求1所述的方法,其特征在于,所述数据分析结果包括反映目标绿化区域出现自然灾害的灾害分析结果和所述灾害分析结果对应的灾害类型;
在所述绿化孪生体中的绿化模型中,根据所述数据分析模型输出的数据分析结果,对所述目标绿化区域和/或所述目标绿化区域周围进行标记,包括:
根据所述数据分析模型输出的灾害分析结果和所述灾害分析结果对应的灾害类型,获取所述灾害类型对应的灾害标记数据;
在所述绿化孪生体中的绿化模型中,根据所述灾害标记数据,对所述目标绿化区域和/或所述目标绿化区域周围进行标记。
4.如权利要求2或3任一项所述的方法,其特征在于,所述目标绿化区域周围包括所述目标绿化区域对应的地下区域和地上区域,所述地下区域包括地铁和/或隧道和/或管道,所述地上区域包括道路和/或建筑。
5.如权利要求1所述的方法,其特征在于,在所述获取目标绿化区域处的采集模块采集的绿化数据之前,还包括:
构建所述绿化模型;
根据所述绿化模型和elman神经网络构建所述绿化孪生体。
6.如权利要求5所述的方法,其特征在于,所述构建所述绿化模型,包括:
获取定位后的球幕相机拍摄得到的城市视频流,所述城市视频流中显示有绿化区域;
对所述城市视频流进行特征点识别与匹配;
对球幕相机三维数字化建模的闭环进行检测;
检测后,进行数字化建模,得到初步城市三维模型;
对所述初步城市三维模型中的建筑物、道路以及绿化区域的形态进行调整,得到中间城市三维模型;
对所述中间城市三维模型进行贴图,得到目标城市三维模型;
确定绿化区域在所述目标城市三维模型中的三维区域位置,得到所述绿化模型。
7.如权利要求1所述的方法,其特征在于,在所述将所述目标绿化区域处的采集模块采集的绿化数据作为绿化孪生体中数据分析模型的输入,得到所述数据分析模型输出的数据分析结果之后,还包括:
获取目标绿化区域对应的地图位置;
获取所述数据分析结果对应的地图标记方法;
根据所述地图标记方法在所述地图位置处进行标记。
8.一种基于三维建模的城市绿化监测装置,其特征在于,包括:
获取模块,用于获取目标绿化区域处的采集模块采集的绿化数据,所述目标绿化区域处设置有至少一个采集模块;
孪生模块,用于将所述目标绿化区域处的采集模块采集的绿化数据作为绿化孪生体中数据分析模型的输入,得到所述数据分析模型输出的数据分析结果;
标记模块,用于在所述绿化孪生体中的绿化模型中,根据所述数据分析模型输出的数据分析结果,对所述目标绿化区域和/或所述目标绿化区域周围进行标记。
9.一种基于三维建模的城市绿化监测设备,其特征在于,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述基于三维建模的城市绿化监测方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述基于三维建模的城市绿化监测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010986678.7A CN112102299A (zh) | 2020-09-18 | 2020-09-18 | 基于三维建模的城市绿化监测方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010986678.7A CN112102299A (zh) | 2020-09-18 | 2020-09-18 | 基于三维建模的城市绿化监测方法、装置、设备和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112102299A true CN112102299A (zh) | 2020-12-18 |
Family
ID=73759529
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010986678.7A Pending CN112102299A (zh) | 2020-09-18 | 2020-09-18 | 基于三维建模的城市绿化监测方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112102299A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116630716A (zh) * | 2023-06-06 | 2023-08-22 | 云途信息科技(杭州)有限公司 | 道路绿化破损识别方法、装置、计算机设备及存储介质 |
CN116630716B (zh) * | 2023-06-06 | 2024-05-24 | 云途信息科技(杭州)有限公司 | 道路绿化破损识别方法、装置、计算机设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130132045A1 (en) * | 2011-11-21 | 2013-05-23 | International Business Machines Corporation | Natural Disaster Forecasting |
CN105279793A (zh) * | 2015-11-04 | 2016-01-27 | 深圳职业技术学院 | 一种基于dem真三维地图及绿道的建模方法及系统 |
KR20160120955A (ko) * | 2015-04-09 | 2016-10-19 | 네이버시스템(주) | 수변구조물 피해탐지를 위한 대용량 다차원 영상정보 가시화 모듈 개발 |
WO2019098692A1 (ko) * | 2017-11-17 | 2019-05-23 | 노아에스앤씨 주식회사 | 폭우에 대한 재해취약성 정보 자동처리방법 |
CN109872509A (zh) * | 2019-04-02 | 2019-06-11 | 西安邮电大学 | 基于数字孪生驱动的山体地质灾害监测与预警系统及方法 |
KR102026685B1 (ko) * | 2018-11-12 | 2019-11-04 | 한국건설기술연구원 | 영상과 진동을 이용한 도로불량정보 제공 장치 및 서버 |
CN110610540A (zh) * | 2019-09-05 | 2019-12-24 | 广州图测智能科技有限公司 | 一种基于bim和gis的城市实景三维模型的快速渲染出图方法 |
CN110956783A (zh) * | 2019-12-04 | 2020-04-03 | 江河瑞通(北京)技术有限公司 | 城市内涝监测方法及电子设备 |
-
2020
- 2020-09-18 CN CN202010986678.7A patent/CN112102299A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130132045A1 (en) * | 2011-11-21 | 2013-05-23 | International Business Machines Corporation | Natural Disaster Forecasting |
KR20160120955A (ko) * | 2015-04-09 | 2016-10-19 | 네이버시스템(주) | 수변구조물 피해탐지를 위한 대용량 다차원 영상정보 가시화 모듈 개발 |
CN105279793A (zh) * | 2015-11-04 | 2016-01-27 | 深圳职业技术学院 | 一种基于dem真三维地图及绿道的建模方法及系统 |
WO2019098692A1 (ko) * | 2017-11-17 | 2019-05-23 | 노아에스앤씨 주식회사 | 폭우에 대한 재해취약성 정보 자동처리방법 |
KR102026685B1 (ko) * | 2018-11-12 | 2019-11-04 | 한국건설기술연구원 | 영상과 진동을 이용한 도로불량정보 제공 장치 및 서버 |
CN109872509A (zh) * | 2019-04-02 | 2019-06-11 | 西安邮电大学 | 基于数字孪生驱动的山体地质灾害监测与预警系统及方法 |
CN110610540A (zh) * | 2019-09-05 | 2019-12-24 | 广州图测智能科技有限公司 | 一种基于bim和gis的城市实景三维模型的快速渲染出图方法 |
CN110956783A (zh) * | 2019-12-04 | 2020-04-03 | 江河瑞通(北京)技术有限公司 | 城市内涝监测方法及电子设备 |
Non-Patent Citations (2)
Title |
---|
尚浩;严姗姗;李虎;: "基于数字孪生理论的济南四维地质环境信息系统研发", 地质学刊, no. 04 * |
耿奕超;兰泽英;: "广州市"数字绿化"三维实景平台建设", 城市勘测, no. 02 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116630716A (zh) * | 2023-06-06 | 2023-08-22 | 云途信息科技(杭州)有限公司 | 道路绿化破损识别方法、装置、计算机设备及存储介质 |
CN116630716B (zh) * | 2023-06-06 | 2024-05-24 | 云途信息科技(杭州)有限公司 | 道路绿化破损识别方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112216049B (zh) | 一种基于图像识别的施工警戒区监测预警系统及方法 | |
US20230081273A1 (en) | Method and system for assessing damage to infrastructure | |
CN109816745B (zh) | 人体热力图展示方法及相关产品 | |
CN110769195B (zh) | 输电线路施工现场违章智能监控识别系统 | |
US11893538B1 (en) | Intelligent system and method for assessing structural damage using aerial imagery | |
CN111339905B (zh) | 基于深度学习及多视角的cim井盖状态视觉检测系统 | |
CN112037543A (zh) | 基于三维建模的城市交通灯控制方法、装置、设备和介质 | |
CN114419231B (zh) | 基于点云数据和ai技术的交通设施矢量识别提取分析系统 | |
CN112633722A (zh) | 车载道路安全风险评估系统及方法 | |
WO2024016877A1 (zh) | 一种面向车路协同的路测感知仿真系统 | |
WO2019193592A1 (en) | System and method for early identification and monitoring of defects in transportation infrastructure | |
CN116468869A (zh) | 一种基于遥感卫星影像的实景三维建模方法、设备及介质 | |
CN113378754B (zh) | 一种工地裸土监测方法 | |
WO2020210960A1 (zh) | 交通道路的数字化全景重建的方法和系统 | |
CN113139477A (zh) | 训练井盖检测模型的方法、装置、设备及计算机存储介质 | |
CN112102299A (zh) | 基于三维建模的城市绿化监测方法、装置、设备和介质 | |
CN106033623A (zh) | 一种3d可视化的海量数据处理的方法、装置以及系统 | |
CN114399625B (zh) | 一种位置确定方法、装置、存储介质及电子装置 | |
CN115982824A (zh) | 施工现场工人空间管理方法、装置、电子设备及存储介质 | |
CN112036355A (zh) | 一种基于cim的秸秆焚烧监测方法、系统及控制设备 | |
Yu et al. | Unmanned aircraft path planning for construction safety inspections | |
CN113129539A (zh) | 一种森林火灾智能防控方法 | |
US20160085427A1 (en) | System and method of sharing spatial data | |
White et al. | Measuring sky view factor of urban canyons using hacked Gopro hemispheric video processing | |
RU2788432C1 (ru) | Способ автоматического контроля технологического процесса и безопасности и интеллектуальная видеосистема для его реализации |
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 |