CN112184900A - 高程数据的确定方法、装置及存储介质 - Google Patents

高程数据的确定方法、装置及存储介质 Download PDF

Info

Publication number
CN112184900A
CN112184900A CN201910598922.XA CN201910598922A CN112184900A CN 112184900 A CN112184900 A CN 112184900A CN 201910598922 A CN201910598922 A CN 201910598922A CN 112184900 A CN112184900 A CN 112184900A
Authority
CN
China
Prior art keywords
point
elevation data
target
data
determining
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
CN201910598922.XA
Other languages
English (en)
Other versions
CN112184900B (zh
Inventor
郭海强
周江涛
张何亮
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.)
Navinfo Co Ltd
Original Assignee
Navinfo 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 Navinfo Co Ltd filed Critical Navinfo Co Ltd
Priority to CN201910598922.XA priority Critical patent/CN112184900B/zh
Publication of CN112184900A publication Critical patent/CN112184900A/zh
Application granted granted Critical
Publication of CN112184900B publication Critical patent/CN112184900B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05Geographic models
    • 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

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)
  • Instructional Devices (AREA)

Abstract

本发明提供一种高程数据的确定方法、装置及存储介质,其中方法包括:获取目标区域内的至少一个目标点;根据目标区域的高程数据集合,确定至少一个目标点的高程数据;其中,高程数据集合包括多个位置点,以及每个位置点对应的高程数据,多个位置点均匀分布在目标区域内,多个位置点根据目标区域的点云数据集合确定。本发明提供的高程数据的确定方法、装置及存储介质,能够提高确定地图中目标点高程数据时的工作效率及准确率。

Description

高程数据的确定方法、装置及存储介质
技术领域
本发明涉及地图数据处理技术,尤其涉及一种高程数据的确定方法、装置及存储介质。
背景技术
目前,随着电子技术的不断发展,地图所能够呈现给人们的内容也越来越丰富。除了平面地图之外,3D地图、卫星地图以及实景地图的出现都给人们对于地图的感知带来了更加丰富的体验,并能够为用户以及车辆提供更多的例如辅助导航、自动驾驶等服务。而包含丰富内容的地图也为地图数据的提供商也提出了不少的挑战。例如,地图数据中需要包含不同位置的高程数据,用于指示不同位置的海拔高度,从而使得用户可以通过查看地图数据中的高程数据确定其所在的海拔高度。
现有技术中,地图数据的供应商为了得到不同区域的高程数据,需要通过地图采集车在目标区域不同道路上行驶,以获取相关传感器所采集的包含经纬度坐标、高程等信息的点云数据。随后,在制作地图数据中不同目标点的高程数据时,可以使用目标点附近的点云数据确定该目标点的高程数据。
但是,采用现有技术,由于点云数据中除了高程数据之外还包含丰富的其他传感器信息,并且点云数据的数据量较大。因此,在制作地图数据时需要选用数量繁多且数据量庞大的点云数据确定目标点的高程数据,导致了其计算量较大且计算时间较长,进而导致了确定地图数据中目标点高程数据时的工作效率较低。
发明内容
本发明提供一种高程数据的确定方法、装置及存储介质,以提高确定地图中目标点高程数据时的工作效率及准确率。
本发明第一方面提供一种高程数据的确定方法,包括:
获取目标区域内的至少一个目标点;
根据所述目标区域的高程数据集合,确定所述至少一个目标点的高程数据;其中,所述高程数据集合包括多个位置点,以及每个位置点对应的高程数据,所述多个位置点均匀分布在所述目标区域内,所述多个位置点的高程数据是根据所述目标区域的点云数据集合确定。
本发明第二方面提供一种高程数据的确定装置,用于执行如本发明第一方面所述的高程数据的确定方法,该装置包括:
获取模块,获取目标区域内的至少一个目标点;
处理模块,根据所述目标区域的高程数据集合,确定所述至少一个目标点的高程数据;其中,所述高程数据集合包括多个位置点,以及每个位置点对应的高程数据,所述多个位置点均匀分布在所述目标区域内,所述多个位置点的高程数据是根据所述目标区域的点云数据集合确定。
本发明第三方面提供一种存储介质,所述存储介质存储有计算机程序,当所述计算机程序在计算机上运行时,使所述计算机执行如前述第一方面所述的方法。
本发明第四方面提供一种存储介质,所述存储介质中存储有高程数据集合,所述高程数据集合通过如前述第一方面所述的方法得到。
综上,本发明提供一种高程数据的确定方法、装置及存储介质,其中方法包括:获取目标区域内的至少一个目标点;根据目标区域的高程数据集合,确定至少一个目标点的高程数据;其中,高程数据集合包括多个位置点,以及每个位置点对应的高程数据,多个位置点均匀分布在目标区域内,多个位置点根据目标区域的点云数据集合确定。本发明提供的高程数据的确定方法、装置及存储介质,能够通过包含网格状分布目标点对应的高程数据的高程数据集合,来确定目标区域至少一个目标点的高程数据,从而降低了确定高程数据时的计算量,进而提高了确定地图中目标点高程数据时的工作效率及准确率。
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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的高程数据的确定方法一实施例的流程示意图;
图2为本发明提供的高程数据的确定方法中确定目标区域中位置点的示意图;
图2A为本发明提供的高程数据的确定方法中另一种确定目标区域中位置点的示意图;
图2B为本发明提供的高程数据的确定方法中另一种确定目标区域中位置点的示意图;
图3为本发明提供的高程数据的确定方法中确定位置点高程数据的示意图;
图4为本发明提供的高程数据的确定方法中确定目标点的高程数据的示意图;
图5为本发明提供的高程数据的确定装置一实施例的结构示意图。
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做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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
本实施例提供的高程数据的确定方法,可应用于地图数据的提供商在制作地图数据过程中,确定一个特定的目标点或者对一条道路对应的多个目标点的高程数据后,所确定的高程数据可用于加入地图数据中,用于指示对应位置的高度信息。其中,本实施例执行主体可以是任何具有相关数据处理功能的电子设备,例如:手机、平板电脑、笔记本电脑、台式电脑以及服务器等。或者,本实施例的执行主体还可以是所述电子设备中的芯片,例如:CPU或GPU。本发明各实施例中以执行主体为电子设备为例进行说明,而非对其进行限定。
图1为本发明提供的高程数据的确定方法一实施例的流程示意图。如图1所示,本实施例提供的高程数据的确定方法,包括:
S101:获取目标区域内的至少一个目标点。
具体地,在S101中,作为本实施例执行主体的电子设备获取待确定高程数据的至少一个目标点,所述目标点所在的区域可记为目标区域。其中,将需要确定高程数据的位置点,记为“目标点”,所述位置点可以通过该位置点的经纬度数据来表示。例如,若需要确定位于某城镇内经纬度为(M,N)的位置点的高程数据,则所述经纬度为(M,N)的位置点即为S101中所获取的目标点,同时,所述目标点所在的目标区域可以指该城镇。
可选地,在S101一种可能的实现方式中,所述获取至少一个目标点,包括:电子设备获取操作人员所指定的至少一个目标点。例如,地图数据的操作人员当需要确定目标区域内的一条道路上的高程数据时,可以通过操作显示器、鼠标或者键盘等交互设备向电子设备指定该道路对应的至少一个目标点,随后,电子设备根据用户的操作,可以确定与道路对应的该目标区域至少一个目标点。
S102:根据S101中所获取的至少一个目标点所在的目标区域的高程数据集合,确定所述至少一个目标点的高程数据。
具体地,所述高程数据集合包括目标区域内多个均匀分布位置点,以及每个位置点对应的高程数据。其中,所述多个位置点的均匀分布。优选地,所述多个位置点呈网格状均匀分布,即任意相邻两个位置点之间的距离相同。每个位置点在目标区域内的位置都能够以坐标系的形式表示,例如,每个位置点可以以该位置点所在经纬度坐标的绝对位置表示,或者,每个位置点也可以以目标区域建立的横纵坐标系的相对坐标位置表示。
可选地,电子设备中可以存储不同区域的高程数据集合,当电子设备通过S101确定所获取的至少一个目标点属于目标区域后,可以在S102之前从所存储的所有不同区域的高程数据集合中,确定目标区域的高程数据集合。
可选地,在本实施例提供的一种高程数据集合中,所述高程数据集合可以通过获取采集设备所采集的目标区域的点云数据集合得到。其中,所述点云数据可以是地图数据的操作人员通过驾驶携带传感器的地图采集车,在目标区域的道路上行驶所得到的目标区域不同位置的传感器数据。点云数据集合中包括目标区域中的多个点云数据,每个点云数据用于表示一个位置点的经纬度数据和高程数据。
下面结合附图2-4,对本实施例提供的由点云数据集合得到的高程数据集合的方式进行说明。
其中,为了确定目标区域的高程数据集合,可以按照预设网格的大小,将目标区域划分为多个网格,从而通过在目标区域通过建立坐标系的方式确定目标区域内网格状分布的多个位置点。例如,图2为本发明提供的高程数据的确定方法中确定目标区域中位置点的示意图,如图2所示,当需要确定目标区域S内高程数据集合时,首选按照预设网格的大小d,将目标区域划分为多个网格,并确定位于每个网格中心的位置点,以建立X-Y的横纵坐标系从而能够表示每个位置点在坐标系中的位置。其中,所述位置点为目标区域内虚拟出的抽象的点,所有位置点在所建立的虚拟坐标系中按照所述网格状分布,每个位置点与该位置点所在的网格一一对应,并可用于表示所在网格内的点云数据拟合出的高程数据。可选地,在建立目标区域对应的坐标系的网格时,网格应能够全部覆盖目标区域;即,所建立的所有网格的面积之和大于或等于目标区域的面积。
示例性地,在如图2所示的坐标系X-Y中,可以通过公式X=X0+X’*d和Y=Y0+Y’*d来计算每个位置点的坐标位置(X,Y)。其中,X0、Y0可以是左下角起始网格O’的经纬度坐标位置,X’、Y’是每个位置点所在网格的格网坐标(一般取整数),d为位置点所在网格的边长,X、Y是格网坐标为(X’、Y’)的网格对应的位置点平面坐标,同样可以经纬度方式表示。
或者,在如图2所示的坐标系另一种可能的建立方式中,还可以由电子设备获取点云数据集合后,确定所获取的点云数据集合属于具体的目标区域。例如,电子设备可以通过读取点云文件的公共文件头信息,获取点云数据集合所在的范围并外扩取整,并根据实际需要预设位置点所在网格边长,从而沿平面坐标系坐标轴方向确定点云数据所在的目标区域的多个位置点。
需要说明的是,如图2所示的目标区域S以及该区域内设置的多个位置点的数量仅为示例性说明,相同目标区域可以根据位置点所在网格边界的边长不同,可以在目标区域内设置不同数量的位置点,本申请对仅为数量上的变化不再赘述。同时,如图2所示的示例中,仅示出了将目标区域以矩形网格形状进行划分的一种方式,作为变化在划分目标区域时,还可以以三角形、六边形等方式对目标区域进行划分,其示例可参照图2A和2B所示。
随后,在根据图2所示示例的方式确定目标区域S中的多个位置点后,根据电子设备存储的每个位置点所在网格中的点云数据,确定每个位置点的高程数据,并最终由目标区域中每个位置点的高程数据组成所述位置点的高程数据集合。例如,图3为本发明提供的高程数据的确定方法中确定位置点高程数据的示意图,图3示出了以图2中的任一个位置点N为例,在该位置点N所在的网格内散落有不同位置的点云数据(以图中网格内的一个黑点表示一个该点的点云数据)。
其中,在一种可能的实现方式中,可以将位置点N所在网格内所有的点云数据的高程数据进行拟合计算,例如取平均值后作为该位置点N的高程数据。或者,在另一种可能的实现方式中,考虑到点云数据在采集时可能存在的误差,以及网格内点云数据数量较多而重复性大,会影响位置点的高程数据的计算准确度以及计算效率。本实施例中可以对位置点N所在网格中所有的点云数据进行过滤,确定目标区域的点云数据集合中在位置点所在网格内的可用点云数据后,再根据可用点云数据,确定位置点的高程数据。
具体地,本实施例提供如下三种确定可用点云数据的方式,以下三种方式可以则一使用或者结合使用。优选地,以下三种方式可以1-3的顺序执行,从而从点云数据集合中,确定出同时满足以下三种条件的点云数据为可用点云数据。
1、确定点云数据集合中在位置点所在网格内预设数量的点云数据为可用点云数据。其中,由于一般采集车在特定的目标区域所采集的点云数据的密度极大,如果采用全量拟合计算会严重降低计算效率且对计算结果的精度也无显著提升,因此通常采用抽样拟合的方式提取点云高程,即设置一个预设数量的阈值读取点云数据并执行拟合计算。例如,将点云数据预设数量设置为100,则在上述步骤中随机选取位置点所在网格内100个可用点云数据后,根据所选取的100个点云数据确定位置点的高程数据。
2、以位置点为中心的至少两条切线将网格平均划分为至少三部分,确定点云数据集合中在位置点所在网格内的所述至少三部分的分布占比均不超过预设阈值的点云数据为可用点云数据。其中,为了防止由于参与计算的点云数据聚集在网格内一处,导致坡度路面网格高程计算结果不满足精度要求,需要保证网格内参与计算的点云数据在水平方向分布均匀。因此,在读取点云数据时应加以筛选,具体处理方式为:以网格中心坐标为基准,确定X、Y方向分界线,将网格分为面积相同的四部分;则在确定例如N个点云数据时,若点云数据所处分界线四部分中任一部分的点云数据个数已达到预设阈值例如0.6倍的数量阈值N,则该部分的点云数据不再参与位置点的高程数值的计算。
3、确定点云数据集合中在所述位置点所在网格内所有点云数据的正态分布规律,并确定满足预设正态分布区间的点云数据为可用点云数据。其中,考虑到采集车所采集的点云数据质量情况,为避免点云数据的噪点对位置点的高程计算结果的影响,首先确定目标位置所在网格内所有点云数据的高程数据的均值μ和方差δ,若出现超出[μ-1.96δ,μ+1.96δ]范围数据的比例大于5%的小概率事件,则剔除超出范围的点云继续读取数据,直至不出现小概率事件为止。全部点云数据读取完成后,对于未达到计算个数阈值的计算单元,若已读取到的点云数量超过0.05倍数量阈值,若点云数据的高程数据分布未出现小概率事件,则取[μ-1.96δ,μ+1.96δ]范围内点云Z均值作为该计算单元拟合高程数值,出现小概率事件及点云个数不足0.05倍数量阈值的计算单元按无效处理。最终,当所有网格内的点云数据高程数值满足正太分布规律后,为保证结果的准确性只采用预设正态分布区间为μ±1.96δ范围内的点云数据确定位置点的高程数据。
进一步地,由于对于目标区域包括立交桥、隧道灯多层路面的采集场景,所获取的目标区域的高程数据由不同层路面得到,因此对于本申请中根据高程数据所生成的高程数据集合中包括,目标区域中同一经纬度数据下的与多层路面一一对应的多组高程数据子集合。其中,每个网格针对该网格内存在的多组不同路面层级的路面提取高程数据,使得高程数据集合中每个位置点具有多个高程数据分别与目标区域的多层路面一一对应并贴合,从而提高高程数据集合的精确程度。其中,所述多组高程数据子集合中,每组高程数据中的高程数据,与该组高程数据所在层级路面的点云数据的高程均值之差,小于预设范围。例如:在根据网格中的点云数据确定网格中位置点的高程数据时,首先根据该网格中多层路面的层级间距设置高程数据的分层阈值即预设范围为△H,读取点云数据时与网格内已有分组的高程均值比较:若当前点云数据的高程与已有分组高程均值之差在阈值范围内,则划分该点云数据为此组;否则,若当前点云高程与网格内所有分组高程均值之差都超出阈值范围,则为该点在网格内新增一个高程分组。因此,本实施例提供的目标区域的高程数据集合中,还根据不同层路面的高度区分多组高程数据子集合,能够通过不同层路面的高程数据子集合,更加精确地根据高程数据集合确定目标点的高程数据。
可选地,在上述实施例中电子设备根据目标区域的点云数据得到目标区域的高程数据集合之后,可以对所得到的高程数据进行存储,以便后续需要确定位置点的高程数据时使用。具体地,本实施例中针对路面点云数据的高程拟合成果的高程数据集合的数据特点,采用文件头(定长)+高程数据部分(变长)的结构存储高程数据集合。其中,文件头存储的信息包括:图幅号(16字节)、点云数据所属工程名(128字节)、起始网格中心坐标(double)、网格边长(double)、格网四至范围(double),共200个字节长度。高程数据部分是一个预定义数据结构的数组,预定义数据结构也分两部分:分组信息(网格列号、网格起始行号、网格结束行号、网格高程数值/路面层数,共16个字节)、高程数值组(按存储高程数值个数n*8字节)。分组标准为:同一列中高程数值一致的连续网格为一组,高程数值为空值的网格不存储。高程数值组中按行号顺序逐网格存储同组网格的高程数值,多层路面的网格按高程数值升序存储。则本实施例中所得到的高程数据集合,相比GB级别的原始点云文件,高程数据集合文件只有几百KB,使用时完全可以读取至内存中。使得电子设备在确定高程数据时,不用如现有技术中由于点云数据的数量庞大只能保存在硬盘上时用时读,因此避免了生产环节确定位置点高程数据时磁盘读取数据的开销,并提高了确定高程数据时的工作效率及准确率。
进一步地,在上述各实施例基础上,对于至少一个目标点中任一目标点,S102中根据目标区域的高程数据集合确定该目标点的高程数据,包括:
1、确定高程数据集合中与目标点距离最近的第一位置点;
2、若第一位置点的高程数据不为空,则:a、当目标点与第一位置点距离之差小于预设距离时,根据第一位置点的高程数据确定目标点的高程数据;b、当所述目标点与第一位置点距离之差大于预设距离时,根据高程数据集合中,与目标点距离最近的P个位置点的高程数据,确定目标点的高程数据。其中,所述P≥3。特别地,若网格为正方形或者矩形时,所述P可以是4。
3、若所述第一位置点的高程数据为空,则:c:当高程数据集合中,与第一位置点相邻的Q个位置点的高程数据不全为空时,根据Q个位置点的高程数据确定所述目标点的高程数据;d:当Q个位置点的高程数据全为空时,确定目标点的高程数据为空,其中,所述Q>P。特别地,若网格为正方形或者矩形时,所述Q可以是8。
下面结合附图4对上述示例进行说明,其中,图4为本发明提供的高程数据的确定方法中确定目标点的高程数据的示意图,如图4所示,以网格为正方形为例进行说明。当需要确定目标区域S内的目标点D1和D2的高程数据时,获取目标区域S的高程数据集合,所述高程数据集合中包括的位置点为图中所示的圆形黑点,每个黑点用于表示该位置点的高程数据。随后确定目标区域S内的高程数据集合中距离目标点D1和D2最近的第一位置点均为W0。
随后,若高程数据集合中第一位置点W0的高程数据不为空,则可以根据第一位置点的高程数据确定目标点D1和D2的高程数据。
其中,当目标点D1与第一位置点W0距离之差小于预设距离时,说明二者距离较近,高程数据变化较小,因此可以直接将第一位置点W0的高程数据作为目标点D1的高程数据。可选地,所述预设距离可以为0.2d。
而当目标点D2与第一位置点W0距离之差大于预设距离时,说明二者距离较远,高程数据变化可能较大,因此根据高程数据集合中,与目标点D2距离最近的4个位置点的高程数据,确定目标点D2的高程数据。例如,在如图4所示的示例中,目标点D2距离最近的四个位置点为W0、W2、W3和W4,则可以根据该四个位置点的高程数据的均值作为目标点D2的高程数据,或者还可以根据四个位置点的高程数据进行加权,距离越近的位置点加权值越高、距离越远的位置点加权值越低的加权方式,确定目标点D2的高程数据。
而若高程数据集合中第一位置点W0的高程数据为空,则需要根据与目标点D1和D2相邻的8个位置点的高程数据确定目标点D1和D2的高程数据。例如:在如图4所示的高程数据集合中,与第一位置点W0相邻的8个位置点为W1-W8,则当上述8个位置点的高程数据不全为空时,可以根据8个位置点的高程数据按照上述求平均或加权的方式确定所述目标点的高程数据;但是,当上述8个位置点W1-W8的高程数据全为空时,确定目标点D1和D2的高程数据为空。
进一步地,在上述各实施例基础上,若所获取的至少一个目标点包括多个连续的目标点,例如,一条道路上连续的目标点,则S102中确定至少一个目标点的高程数据,包括:按照如图4所示的方式,依次确定所述多个连续的目标点中每个目标点的高程数据;随后,对于所述多个连续的目标点中高程数据为空的目标点,根据多个连续的目标点中与高程数据为空的目标点相邻的目标点的高程数据确定高程数据为空的目标点的高程数据。具体地,在本实施例中,对于根据如图4所示的方式确定的高程数据为空的目标点,由于多个目标点是连续的,因此可以使用高程数据为空的目标点相邻的其他目标点的高程数据确定该高程数据为空的目标点的高程数据。例如,可以将高程数据为空的目标点相邻的两个目标点的高程数据取平均值后得到该高程数据为空的目标点的高程数据。
可选地,在上述实施例中,同一目标区域内的高程数据集合中可能包括多个高程数据的子集合,即每个子集合对应不同路面层级高程数据。则S102中确定目标点对应的高程数据时,需要根据目标点的参考数据,确定高程数据集合中该目标点对应的高程数据的子集合后,根据高程数据的子集合,确定目标点的高程数据。其中,参考数据包括:目标点的初始高程数据或者目标点相邻的目标点的高程数据。
具体地,在确定单个目标点的高程数据时,可以直接取最上层路面的高程数据作为该单个目标点的高程数据。而在确定连续的多个目标点的高程数据时,可以将相邻目标点的高程数据提取结果作为参考值。第一遍逐点提取高程数据时遇到多层路面暂时标记为提取失败,待首次提取结束后,再对提取失败的目标点以相邻提取成功目标点的高程数据作为参考进行二次提取。若首次提取全部失败,通常有两种情况:点云数据全部处于多层路面点云范围内、点云数据全部处于路面点云范围外,此时需逐点执行二次提取,当遇到多层路面时直接提取最上层高程值,若二次逐点提取结束后仍全部提取失败则可认定点云数据全部位于路面点云范围外,返回提取失败即可。因此,本实施例中由于已预先确定所有位置的路面分层情况及各层路面的高程信息,使用时只需要参考一定的辅助信息即可精确提取到所需路面的高程值,因此能够避免了多层路面点云数据混合导致的目标点的高程数据提取结果异常。
可选地,在上述示例中,在确定多个连续的目标点之后,还对所述多个连续的目标点的高程数据进行数据平滑处理。其中,由于受限于外业采集车所采集的点云数据的采集条件的复杂性与不可控性,采集到的路面点云难免会存在局部缺失、不连续等情况。点云数据的质量问题导致提取到的高程值无法满足生产要求,较为普遍的异常情况有局部取值失败与高程值显著波动两种。此种情况下,若程序无法自动化处理提取异常结果,还需内业人员手动修正路面数据高程信息而费时费力,降低地图数据作业工效。因此需要在上述实施例中确定连续的目标点的高程数据后,提取高程后,执行提取失败点插值、点串高程异常检查及平滑处理。其中,在确定多个目标点的高程数据后,对于连续的多个目标点的高程值显著波动的异常情况,需要对连续的多个目标点的高程数据结果进行检查,检查其中是否存在坡度连续剧烈波动变化的部分。当多个连续的目标点中的高程数据中部出现异常时,通过连续的目标点两端出发向中部进行平滑处理;当多个连续的目标点中的高程数据首部或者尾部异常时,从高程数据中部的目标点出发向端部进行平滑处理。
综上,在本发明提供的高程数据的确定方法中,能够通过包含网格状分布目标点对应的高程数据的高程数据集合,来确定目标区域至少一个目标点的高程数据,使得确定高程数据中的预处理过程中的得到的高程数据集合与点云数据相比数据量缩小了3-4个数量级,生产作业环节提取高程信息时不再需要从磁盘中读取点云数据、不再需要执行点云拟合运算,只需要将高程数据集合预先加载在内存中,查询待定点所在格网及周边相邻格网高程数据就可以确定目标点的高程数据,大大减少了数据读取和拟合运算的时间消耗。并使得生产环节中平均每一千个点云数据提取高程数据耗时由秒级降至毫秒级以下,从而降低了确定高程数据时的计算量,进而提高了确定地图中目标点高程数据时的工作效率及准确率。
图5为本发明提供的高程数据的确定装置一实施例的结构示意图。如图5所示,本实施例提供的高程数据的确定装置包括:获取模块501和处理模块502。其中,获取模块501用于获取目标区域内的至少一个目标点;处理模块502用于,根据目标区域的高程数据集合,确定至少一个目标点的高程数据;其中,高程数据集合包括多个位置点,以及每个位置点对应的高程数据,多个位置点均匀分布在目标区域内,多个位置点的高程数据是根据目标区域的点云数据集合确定。
本实施例提供的高程数据的确定装置可用于执行如图1所示的高程数据的确定方法,其实现方式与原理相同,不再赘述。
可选地,在上述实施例中,获取模块501还用于,获取采集设备所采集的目标区域的点云数据集合;处理模块502还用于,根据点云数据集合确定目标区域的高程数据集合。
可选地,在上述实施例中,处理模块502具体用于,按照预设网格的大小将目标区域划分为多个网格,并确定目标区域内按照所述网格状分布的多个位置点,每个位置点为一个网格的中心;根据点云数据集合中在位置点所在网格内的点云数据,确定每个位置点的高程数据;根据每个位置点的高程数据,得到高程数据集合。
可选地,在上述实施例中,处理模块502具体用于,确定点云数据集合中在位置点所在网格内的可用点云数据;根据可用点云数据,确定位置点的高程数据。
可选地,在上述实施例中,处理模块502具体用于,确定点云数据集合中在位置点所在网格内预设数量的点云数据为可用点云数据;或者,以位置点为中心的切线将网格平均划分为四部分,确定点云数据集合中在位置点所在网格内的四部分的分布占比均不超过预设阈值的点云数据为可用点云数据;或者,确定点云数据集合中在位置点所在网格内所有点云数据的正态分布规律,并确定满足预设正态分布区间的点云数据为可用点云数据。
可选地,在上述实施例中,高程数据集合具体包括:目标区域中同一经纬度数据下的与多层路面一一对应的多组高程数据子集合;其中,多组高程数据子集合中每组高程数据自己和中的高程数据与该组高程数据所在层级路面的点云数据的高程均值之差小于预设范围。
可选地,在上述实施例中,处理模块502还用于,根据目标点的参考数据,确定高程数据集合中高程数据的第一子集合;其中,参考数据包括:目标点的初始高程数据或者目标点相邻的目标点的高程数据;根据高程数据的第一子集合,确定目标点的高程数据。
可选地,在上述实施例中,确定高程数据集合中与目标点距离最近的第一位置点;若第一位置点的高程数据不为空,则当目标点与第一位置点距离之差小于预设距离时,根据第一位置点的高程数据确定目标点的高程数据;当目标点与第一位置点距离之差大于预设距离时,根据高程数据集合中,与目标点距离最近的P个位置点的高程数据,确定目标点的高程数据。
可选地,在上述实施例中,处理模块502具体用于,若第一位置点的高程数据为空,则当高程数据集合中,与第一位置点相邻的Q个位置点的高程数据不全为空时,根据Q个位置点的高程数据确定目标点的高程数据;当Q个位置点的高程数据全为空时,确定目标点的高程数据为空,Q>P。
可选地,在上述实施例中,处理模块502具体用于,依次确定多个连续的目标点中每个目标点的高程数据;对于多个连续的目标点中高程数据为空的目标点,根据多个连续的目标点中与所述高程数据为空的目标点相邻的目标点的高程数据确定所述高程数据为空的目标点的高程数据。
可选地,在上述实施例中,处理模块502还用于,对多个连续的目标点的高程数据进行数据平滑处理。本发明各实施例提供的高程数据的确定装置可用于执行前述实施例中所示的高程数据的确定方法,其实现方式与原理相同,不再赘述。
本发明还提供一种电子设备,包括:处理器,存储器以及计算机程序;其中,所述计算机程序被存储在所述存储器中,并且被配置为由所述处理器执行,所述计算机程序包括用于执行如前述任一项实施例所述的方法的指令。
本发明还提供一种存储介质,所述存储介质存储有计算机程序,当所述计算机程序在计算机上运行时,使得计算机执行如前述任一项实施例所述的方法。
本发明还提供一种存储介质,所述存储介质中存储有高程数据集合。所述高程数据集合可以是通过如本申请前述各实施例中任一项所述高程数据的确定方法得到;或者,所述高程数据集合可以是通过如本申请前述各实施例中任一项所述高程数据的确定装置得到;又或者,所述高程数据集合可以是通过如本申请前述各实施例中任一项所述高程数据的确定装置,执行如本申请前述各实施例中任一项所述高程数据的确定方法得到。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (13)

1.一种高程数据的确定方法,其特征在于,包括:
获取目标区域内的至少一个目标点;
根据所述目标区域的高程数据集合,确定所述至少一个目标点的高程数据;其中,所述高程数据集合包括多个位置点,以及每个位置点对应的高程数据,所述多个位置点均匀分布在所述目标区域内,所述多个位置点的高程数据是根据所述目标区域的点云数据集合确定。
2.根据权利要求1所述的方法,其特征在于,所述获取目标区域内的至少一个目标点之前,还包括:
获取采集设备所采集的所述目标区域的点云数据集合;
根据所述点云数据集合确定所述目标区域的高程数据集合。
3.根据权利要求2所述的方法,其特征在于,所述根据所述点云数据集合确定所述目标区域的高程数据集合,包括:
按照预设网格的大小将所述目标区域划分为多个网格,并确定所述目标区域内按照所述网格分布的多个位置点,每个所述位置点为一个网格的中心;
根据所述点云数据集合中在所述位置点所在网格内的点云数据,确定每个所述位置点的高程数据;
根据所述每个所述位置点的高程数据,得到所述高程数据集合。
4.根据权利要求3所述的方法,其特征在于,所述根据所述点云数据集合中在所述位置点所在网格内的点云数据,确定所述位置点的高程数据,包括:
确定所述点云数据集合中在所述位置点所在网格内的可用点云数据;
根据所述可用点云数据,确定所述位置点的高程数据。
5.根据权利要求4所述的方法,其特征在于,所述确定所述点云数据集合中在所述位置点所在网格内的可用点云数据,包括:
确定所述点云数据集合中在所述位置点所在网格内预设数量的点云数据为所述可用点云数据;
或者,以所述位置点为中心的至少两条切线将所述网格平均划分为至少三部分,确定所述点云数据集合中在所述位置点所在网格内的所述至少三部分的分布占比均不超过预设阈值的点云数据为所述可用点云数据;
或者,确定所述点云数据集合中在所述位置点所在网格内所有点云数据的正态分布规律,并确定满足预设正态分布区间的点云数据为所述可用点云数据。
6.根据权利要求1所述的方法,其特征在于,所述高程数据集合包括:
所述目标区域中同一经纬度数据下的与多层路面一一对应的多组高程数据子集合;其中,所述多组高程数据子集合中的每组高程数据子集合中的高程数据与该组高程数据所在层级路面的点云数据的高程均值之差小于预设范围。
7.根据权利要求6所述的方法,其特征在于,还包括:
根据所述目标点的参考数据,确定所述目标点对应的高程数据集合中第一高程数据子集合;其中,所述参考数据包括:所述目标点的初始高程数据或者所述目标点相邻的目标点的高程数据;
根据所述第一高程数据子集合,确定所述目标点的高程数据。
8.根据权利要求1-7任一项所述的方法,其特征在于,对于每个所述目标点,所述根据所述目标区域的高程数据集合,确定所述目标点的高程数据,包括:
确定所述高程数据集合中与所述目标点距离最近的第一位置点;
若所述第一位置点的高程数据不为空,则当所述目标点与所述第一位置点距离之差小于预设距离时,根据所述第一位置点的高程数据确定所述目标点的高程数据;
当所述目标点与所述第一位置点距离之差大于预设距离时,根据所述高程数据集合中,与所述目标点距离最近的P个位置点的高程数据,确定所述目标点的高程数据。
9.根据权利要求8所述的方法,其特征在于,所述确定所述高程数据集合中与所述目标点距离最近的第一位置点之后,还包括:
若所述第一位置点的高程数据为空,则当所述高程数据集合中,与所述第一位置点相邻的Q个位置点的高程数据不全为空时,根据所述Q个位置点的高程数据确定所述目标点的高程数据;
当所述Q个位置点的高程数据全为空时,确定所述目标点的高程数据为空,Q>P。
10.根据权利要求1所述的方法,其特征在于,所述至少一个目标点包括多个连续的目标点;则所述根据所述目标区域的高程数据集合,确定所述目标点的高程数据,包括:
依次确定所述多个连续的目标点中每个目标点的高程数据;
对于所述多个连续的目标点中所述高程数据为空的目标点,根据所述多个连续的目标点中与所述高程数据为空的目标点相邻的目标点的高程数据确定所述高程数据为空的目标点的高程数据。
11.根据权利要求10所述的方法,其特征在于,所述根据所述目标区域的高程数据集合,确定所述目标点的高程数据之后,还包括:
对所述多个连续的目标点的高程数据进行数据平滑处理。
12.一种高程数据的确定装置,其特征在于,包括:
获取模块,用于获取目标区域内的至少一个目标点;
处理模块,用于根据所述目标区域的高程数据集合,确定所述至少一个目标点的高程数据;其中,所述高程数据集合包括多个位置点,以及每个位置点对应的高程数据,所述多个位置点均匀分布在所述目标区域内,所述多个位置点的高程数据是根据所述目标区域的点云数据集合确定。
13.一种存储介质,其特征在于,所述存储介质中存储有高程数据集合,所述高程数据集合通过如权利要求1-11任一项所述的高程数据的确定方法得到。
CN201910598922.XA 2019-07-04 2019-07-04 高程数据的确定方法、装置及存储介质 Active CN112184900B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910598922.XA CN112184900B (zh) 2019-07-04 2019-07-04 高程数据的确定方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910598922.XA CN112184900B (zh) 2019-07-04 2019-07-04 高程数据的确定方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN112184900A true CN112184900A (zh) 2021-01-05
CN112184900B CN112184900B (zh) 2024-03-19

Family

ID=73915919

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910598922.XA Active CN112184900B (zh) 2019-07-04 2019-07-04 高程数据的确定方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN112184900B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113160589A (zh) * 2021-03-04 2021-07-23 腾讯科技(深圳)有限公司 车辆预警方法及装置、电子设备、计算机可读存储介质
CN115795626A (zh) * 2022-12-26 2023-03-14 武汉天际航信息科技股份有限公司 数字道路模型分析方法、装置、计算设备以及存储介质

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101533529A (zh) * 2009-01-23 2009-09-16 北京建筑工程学院 基于深度图像的三维空间数据处理方法与装置
KR100949788B1 (ko) * 2009-11-06 2010-03-30 주식회사 범아엔지니어링 항공레이저 측량 자료의 품질검사 방법
JP2011133952A (ja) * 2009-12-22 2011-07-07 Kokusai Kogyo Co Ltd 透過カラー陰影図の作成方法と作成プログラム、及び透過カラー陰影図
US20130069801A1 (en) * 2010-06-04 2013-03-21 Eads Deutschland Gmbh Apparatus for Displaying Terrain on a Display Apparatus of an Airborne Vehicle
CN103162664A (zh) * 2011-12-08 2013-06-19 北京四维图新科技股份有限公司 高程数据获取方法与装置、导航设备
CN106023312A (zh) * 2016-05-13 2016-10-12 南京大学 基于航空LiDAR数据的三维建筑物模型自动重建方法
CN106022259A (zh) * 2016-05-20 2016-10-12 江苏得得空间信息科技有限公司 一种基于激光点云三维特征描述模型的山区道路提取方法
CN106408604A (zh) * 2016-09-22 2017-02-15 北京数字绿土科技有限公司 一种点云数据的滤波方法及装置
CN106530398A (zh) * 2016-12-01 2017-03-22 南京师范大学 一种面向地形可视性分析的可视性图网络构建方法
CN107749080A (zh) * 2017-11-07 2018-03-02 中科宇图科技股份有限公司 一种基于点云数据的dem快速处理方法
CN107992588A (zh) * 2017-12-11 2018-05-04 国网技术学院 一种基于高程瓦片数据的地形显示系统
CN108986024A (zh) * 2017-06-03 2018-12-11 西南大学 一种基于网格的激光点云规则排列处理方法
CN109191557A (zh) * 2018-09-11 2019-01-11 中国科学院国家天文台 立体地形图的影像纹理映射方法及装置
CN109658477A (zh) * 2017-10-12 2019-04-19 西南科技大学 一种基于lidar数据的dem生成算法
KR101973726B1 (ko) * 2018-12-27 2019-04-30 한국건설기술연구원 모폴로지컬 필터링을 이용하여 대상지역의 수치표면모델로부터 수치표고모델을 생성하기 위한 방법 및 전자장치
CN109961512A (zh) * 2019-03-19 2019-07-02 汪俊 地形机载点云提取方法及装置

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101533529A (zh) * 2009-01-23 2009-09-16 北京建筑工程学院 基于深度图像的三维空间数据处理方法与装置
KR100949788B1 (ko) * 2009-11-06 2010-03-30 주식회사 범아엔지니어링 항공레이저 측량 자료의 품질검사 방법
JP2011133952A (ja) * 2009-12-22 2011-07-07 Kokusai Kogyo Co Ltd 透過カラー陰影図の作成方法と作成プログラム、及び透過カラー陰影図
US20130069801A1 (en) * 2010-06-04 2013-03-21 Eads Deutschland Gmbh Apparatus for Displaying Terrain on a Display Apparatus of an Airborne Vehicle
CN103162664A (zh) * 2011-12-08 2013-06-19 北京四维图新科技股份有限公司 高程数据获取方法与装置、导航设备
CN106023312A (zh) * 2016-05-13 2016-10-12 南京大学 基于航空LiDAR数据的三维建筑物模型自动重建方法
CN106022259A (zh) * 2016-05-20 2016-10-12 江苏得得空间信息科技有限公司 一种基于激光点云三维特征描述模型的山区道路提取方法
CN106408604A (zh) * 2016-09-22 2017-02-15 北京数字绿土科技有限公司 一种点云数据的滤波方法及装置
CN106530398A (zh) * 2016-12-01 2017-03-22 南京师范大学 一种面向地形可视性分析的可视性图网络构建方法
CN108986024A (zh) * 2017-06-03 2018-12-11 西南大学 一种基于网格的激光点云规则排列处理方法
CN109658477A (zh) * 2017-10-12 2019-04-19 西南科技大学 一种基于lidar数据的dem生成算法
CN107749080A (zh) * 2017-11-07 2018-03-02 中科宇图科技股份有限公司 一种基于点云数据的dem快速处理方法
CN107992588A (zh) * 2017-12-11 2018-05-04 国网技术学院 一种基于高程瓦片数据的地形显示系统
CN109191557A (zh) * 2018-09-11 2019-01-11 中国科学院国家天文台 立体地形图的影像纹理映射方法及装置
KR101973726B1 (ko) * 2018-12-27 2019-04-30 한국건설기술연구원 모폴로지컬 필터링을 이용하여 대상지역의 수치표면모델로부터 수치표고모델을 생성하기 위한 방법 및 전자장치
CN109961512A (zh) * 2019-03-19 2019-07-02 汪俊 地形机载点云提取方法及装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113160589A (zh) * 2021-03-04 2021-07-23 腾讯科技(深圳)有限公司 车辆预警方法及装置、电子设备、计算机可读存储介质
CN113160589B (zh) * 2021-03-04 2024-05-28 腾讯科技(深圳)有限公司 车辆预警方法及装置、电子设备、计算机可读存储介质
CN115795626A (zh) * 2022-12-26 2023-03-14 武汉天际航信息科技股份有限公司 数字道路模型分析方法、装置、计算设备以及存储介质

Also Published As

Publication number Publication date
CN112184900B (zh) 2024-03-19

Similar Documents

Publication Publication Date Title
JP4545219B1 (ja) 地形画像を用いた地形変化の解析方法及びそのプログラム
CN112233240B (zh) 三维矢量地图的三维矢量数据切片方法、装置及电子设备
KR20100067672A (ko) 사용자 선택 빌딩 형상 옵션을 제공하는 지리공간 모델링 시스템 및 관련 방법
CN107564077B (zh) 一种绘制道路网的方法及装置
CN103871102A (zh) 一种基于高程点和道路轮廓面的道路三维精细建模方法
CN112132795B (zh) 一种基于LiDAR点云的电塔受灾风险评估方法及系统
CN105787977A (zh) 建筑物矢量边界简化的方法
CN114997547B (zh) 气象采集终端布点方法和装置
CN112329789B (zh) 点云的提取方法、装置、计算机设备和存储介质
CN112184900A (zh) 高程数据的确定方法、装置及存储介质
CN102779165A (zh) 栅格地图图片库的建立方法
CN114238384B (zh) 区域定位方法、装置、设备和存储介质
CN114936502A (zh) 一种森林火灾蔓延态势边界分析方法、系统、终端及介质
JP6686262B2 (ja) 地形変化点抽出システム、及び地形変化点抽出方法
KR101324748B1 (ko) 회귀분석을 이용한 정점높이 산정 장치 및 방법
JP6146731B2 (ja) 座標補正装置、座標補正プログラム、及び座標補正方法
CN112215864B (zh) 电子地图的轮廓处理方法、装置及电子设备
CN111599015B (zh) 一种约束条件下的空间多边形网格化填充方法和装置
CN113190723A (zh) 一种基于网格化的点云数据检索方法
CN114528305A (zh) 矢量数据更新范围确定方法、装置、电子设备及存储介质
CN112182125B (zh) 一种商务集聚区边界识别系统
CN111915281B (zh) 基于地质灾害易发分区的区块评估审批方法、系统、智能终端及存储介质
KR101115489B1 (ko) 항공 라이다 자료를 이용한 격자 기반의 고해상도 수치모델링 입력자료 생성 방법 및 시스템
CN112395445A (zh) 矢量数据在线计算方法和装置
JP6746851B2 (ja) 地形分類システム、及び地形分類方法

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