CN112529243A - 一种基于路网图像的流向地图路径优化展示方法 - Google Patents
一种基于路网图像的流向地图路径优化展示方法 Download PDFInfo
- Publication number
- CN112529243A CN112529243A CN202011136231.7A CN202011136231A CN112529243A CN 112529243 A CN112529243 A CN 112529243A CN 202011136231 A CN202011136231 A CN 202011136231A CN 112529243 A CN112529243 A CN 112529243A
- Authority
- CN
- China
- Prior art keywords
- path
- point
- road network
- image
- curve
- 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 38
- 238000005457 optimization Methods 0.000 title claims abstract description 8
- 238000012545 processing Methods 0.000 claims description 15
- 238000001914 filtration Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000013079 data visualisation Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011423 initialization method Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- 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
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/206—Drawing of charts or graphs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Remote Sensing (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明提供一种基于路网图像的流向地图路径优化展示方法,属于数据可视化技术领域,本发明通过二值化路网图像,初始化路径,在路网连通域内根据递归回溯搜索方法的方法查找路径,并采用Douglas‑Peucker曲线化直对路径进一步简化处理,最后转化为经纬坐标采用图表工具完成流向地图展示。本算法可以有效改善流向地图路径表示不够形象,实际路径位置信息不易获取等问题,能够在获得较为形象的流向地图路径的同时,具备较好的求解效率。
Description
技术领域
本发明涉及数据可视化技术,尤其涉及一种基于路网图像的流向地图路径优化展示方法。
背景技术
数据可视化的本质就是视觉对话,数据可视化将数据分析技术与图形技术结合,清晰有效地将分析结果信息进行解读和传达。国内外许多知名大学建立了相关的数据可视化工具研究团队,构建灵活、实用的可视化工具,推动数据可视化工具的研究进展。
数据通过可视化工具以可视化图表的形式呈现时,人们可以简洁明了的识别图形特点并将其转换为指定的信息。比如百度开发的产品Echarts、蚂蚁金服出品的Antv以及HighCharts、BizCharts等图表工具,样式丰富种类齐全,满足用户各式各样的场景需求。例如,疫情期间采用热力地图形象展示每日感染病毒人员的分布情况,以及通过折线图展示感染人员数量的变化趋势。百度迁徙地图展示各地人口的流入流出情况。而我们在使用流向地图表示调配路线时,大多图表工具通过贝赛尔曲线模拟起点到终点的路线,与实际中通过交通网完成调配的路线相差甚远,不够形象具体。而要形象准确的表示起点到终点的流向路径,缺少路网信息和相关数据成为亟待解决的问题,通过百度地图或高德地图等获取起点到终点实际路径数据的方法较为复杂,成本较高,在精确度不要求精准的情况下,代价高大。
综上所述,现有技术存在的问题是:常见的可视化图表工具中流向地图的路径模拟方法较为简单,不够形象;缺少实际路网信息和数据,通过百度地图或高德地图等工具获取代价较大,成本较高。
发明内容
为了解决以上技术问题,本发明提出了一种基于路网图像的流向地图路径优化展示方法。
本发明的技术方案是:
一种基于路网图像的流向地图路径优化方法,所述基于路网图像的流向地图路径优化方法通过二值化路网图像,初始化路径,在路网连通域内根据递归回溯搜索方法的方法查找路径,并采用Douglas-Peucker曲线化直的算法对路径进一步简化处理,最后转化为经纬坐标采用图表工具完成流向地图展示。
所述二值化路网图像包括:
使用色相(Hue)、饱和度(Saturation)、明度(Value)三个维度来表示对图像中的像素点,并通过对色相维度取值的简单过滤处理实现路网区域的识别,完成图像的二值化处理。图像转换过程定义如式(1):
其中cost(x,y)为公式(1)求得的二值化矩阵,I(x,y)表示输入的路网图像, HSV(I(x,y))代表对图像进行HSV技术处理,使用色相、饱和度和明度三个维度进行表示,getH()表示获取色相维度取值,H表示输入图像中路网颜色的色相,ε为路网颜色误差冗余系数,色相取值在(H-ε,H+ε)范围内,均看作路网所在区域。
进一步,所述基于路网图像的流向地图路径优化通过在路网连通域内递归回溯搜索查找路径,具体包括:
(1)初始化路径
根据图像所在位置信息和待表示的流向图路径的起始点和终止点的经纬度信息,将起止点的经纬位置转化为其在图像上的像素位置(起点P1、终点Pn)。并通过下述方式初始化路径:
首先初始化路径结果为队列res。起点入队,连接起点P1和终点Pn,依次遍历P1Pn连线上的点(xi,yi),判断cost(xi,yi)是否等于256,即判断该像素点是否位于路网上,若是则将点(xi,yi)加入队列res,直至最后,将终点加入队列。此时,初始化的路径为起点到终点的连线。
其次,为进一步使用递归回溯路径搜索方法,依次判断初始化路径res中的两点像素点是否位于同一连通区域内,假设res中的像素点表示为 (P1(x1,y1),P2(x2,y2),...,Pi(xi,yi),...,Pj(xj,yj),...,Pn(xn,yn));则判断顺序定为 (P1,Pn),(P2,Pn),(P2,Pn-1),...,(Pi,Pi+1)或(P1,Pn),(P1,Pn-1),(P2,Pn-1),...,(Pi,Pi+1)。当像素点Pi和Pj位于同一连通域时,使用递归回溯路径搜索方法,求解Pi和Pj之间的路径并以此替换res中Pi和Pj间的点,获得新的路径队列
(2)路径搜索方向规划
本发明提出以终点为导向的递归回溯路径搜索方法,求取流向地图起点到终点的一条简单路径。通过计算各像素点邻接点到流向终点的距离,确定入栈顺序,即搜索方向,在二值图像cost(x,y)=256的区域内递归回溯搜索一条简单路径,入栈顺序dir_idx由式(2)计算出的索引值确定:
dir_idx=Index(Sort(Dist(near(x,y),Pn(xn,yn)))) (2)
其中,near(x,y)表示像素点(x,y),的四个邻接点坐标,Pn表示流向地图路径终点坐标,Dist()为欧氏距离,Sort()表示对四个距离值降序排列,Index()为排序的索引值。依据栈“先进后出”的原则,降序入栈,则每次出栈时,将会优先选取距离终点最近的点。
(3)递归回溯最短路径搜索
由起点递归回溯搜索路径,按式(2)所示顺序判断是否存在cost(x,y)=256的邻接点,若存在,则表示该点位于求解的路网区域内,该点入栈;若不存在,即cost(x,y)=-1,则表示当前路径不能到达目标节点,回退出栈到上一分支处;如此不断地入栈出栈操作,直到到达目标节点,搜索得到一条路径结束。路径搜索的时间复杂度为O(n),其中n为路网区域内像素点的个数。
进一步,所述基于路网图像的流向地图路径优化采用Douglas-Peucker曲线化直的算法对路径简化处理。通过将路径简化为多条线段,并以线段端点来表示路径,具体做法如下:
(1)在曲线首尾两点P1,Pn之间连接一条直线P1Pn,该直线为曲线的弦;
(2)得到曲线上离该直线段距离最大的点Pi,计算其与P1Pn的距离d;
(3)比较该距离与预先给定的阈值threshold的大小,如果小于threshold,则该直线段作为曲线的近似,删除路径队列res中P1Pn间的点,该段曲线处理完毕。
(4)如果距离大于阈值,则用Pi将曲线分为两段P1Pi和PiPn,并分别对两段取信进行(1)~(3)的处理。
(5)当所有曲线都处理完毕时,路径队列res中剩余的像素点,即可以作为路径的近似。
本发明的有益效果是
通过对路网图像二值化预处理,并在路网连通区域内按规划方向递归回溯搜索路径的方法求解流向地图路径;进一步采用Douglas-Peucker曲线化直的算法对路径简化处理,以少数的像素点最大程度的近似表示求解路径。实验结果表明,本发明算法可以有效改善流向地图中路径与实际路径严重偏离的现象,能够在获取较为近似实际路径的情况下,具备较高的求解效率。
附图说明
图1是本发明的工作流程示意图;
图2是本发明的路网区域分离示意图;
图3是本发明的路径初始化方法示意图;
图4是本发明的搜索方向顺序图;
图5是本发明的曲线化直示意图;
图6是现有流向地图表示效果图;
图7是按本文方法求解的流向地图路径表示效果图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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的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。
如图1所示,本发明实施例是提供基于路网图像的流向地图图表优化展示包括以下步骤:
S101:输入路网图像信息,计算起止点在路网图像上的位置;
S102:二值化处理路网图像;
S103:初始化路径;
S104:在路网所在的区域,按规划方向递归回溯路径;
S105:采用Douglas-Peucker算法筛选路径上的点;
S106:将路径转为经纬度坐标,借助图表具绘制流向图。
下面结合附图对本发明的应用原理作进一步描述。
1、路网图像预处理
为区分图像中的路网区域,减小图像中其他信息对路径搜索结果的影响,本发明使用色相(Hue)、饱和度(Saturation)、明度(Value)三个维度来表示对图像中的像素点。通常情况下,地图中的路网通常使用单一颜色表示,通过对色相维度取值的简单过滤处理即可实现路网区域的识别,完成图像的二值化处理。图像转换过程定义如式(1):
其中cost(x,y)为公式(1)求得的二值化矩阵,I(x,y)表示输入的路网图像, HSV(I(x,y))代表对图像进行HSV技术处理,使用色相、饱和度和明度三个维度进行表示,getH()表示获取色相维度取值,H表示输入图像中路网颜色的色相,ε为路网颜色误差冗余系数,色相取值在(H-ε,H+ε)范围内,均看作路网所在区域。如图 2所示黑色线条区域为路网图像按式(1)求解分离出的路网所在区域。
2、递归回溯路径搜索
2.1路径初始化
根据图像所在位置信息和待表示的流向图路径的起始点和终止点的经纬度信息,即可将起止点的经纬位置转化为其在图像上的像素位置(起点P1、终点Pn)。获得起止点像素位置后,本发明通过以下方式初始化路径:
首先初始化路径结果为队列res。起点入队,连接起点P1和终点Pn,依次遍历P1Pn连线上的点(xi,yi),判断cost(xi,yi)是否等于256,即判断该像素点是否位于路网上,若是则将点(xi,yi)加入队列res,直至最后,将终点加入队列。此时,初始化的路径为起点到终点的连线。如图3所示P1、P6分别表示流向地图的起点和终点,其连线与路网区域的交点依次为P2、P3、P4、P5,则路径初始化为队列(P1,P2,P3,P4, P5,P6),为起点到终点的连线。
为了进一步使用递归回溯路径搜索方法,依次判断初始化路径res中的两点像素点是否位于同一连通区域内,假设res中的像素点表示为 (P1(x1,y1),P2(x2,y2),...,Pi(xi,yi),...,Pj(xj,yj),...,Pn(xn,yn));则判断顺序定为(P1,Pn),(P2,Pn),(P2,Pn-1),...,(Pi,Pi+1)或(P1,Pn),(P1,Pn-1),(P2,Pn-1),...,(Pi,Pi+1)。当像素点Pi和Pj位于同一连通域时,使用下一小节2.3中提到的路径搜索方法,求解Pi和Pj之间的路径并以此替换res中Pi和Pj间的点,从而获得新的路径队列
2.2路径搜索方向规划
为进一步求取流向地图起点到终点的一条简单路径,本发明提出以终点为导向的递归回溯路径搜索方法。通过计算各像素点邻接点到流向终点的距离,确定入栈顺序,即搜索方向,在二值图像cost(x,y)=256的区域内递归回溯搜索一条简单路径。
入栈顺序dir_idx由式(2)计算出的索引值确定:
dir_idx=Index(Sort(Dist(near(x,y),Pn(xn,yn)))) (2)
其中,near(x,y)表示像素点(x,y),的四个邻接点坐标,Pn表示流向地图路径终点坐标,Dist()为欧氏距离,Sort()表示对四个距离值降序排列,Index()为排序的索引值。依据栈“先进后出”的原则,降序入栈,则每次出栈时,将会优先选取距离终点最近的点。
依据式(2)的计算结果,优化后当前像素的四邻域像素的入栈顺序如图4所示。其中,以流向地图路径终点为原点,将二维平面均分为八部分,每一部分对应一种入栈顺序。如此,查找路径时,在确定流向的终点坐标位置后,即可得到路网图像上各像素点的入栈顺序,递归回溯求解路径。
2.3递归回溯最短路径搜索
在第1节求解的路网区域内,由起点递归回溯搜索路径,若存在cost(x,y)=256的邻接点,则按图4所示的入栈顺序入栈;若不存在,即cost(x,y)=-1,则表示当前路径不能到达目标节点,回退出栈到上一分支处;如此不断地入栈出栈操作,直到到达目标节点,搜索得到一条路径结束。
3、Douglas-Peucker算法曲线化直
由于交通网中线路可以通过多条或短或长的直线线段拟合表示,而由2.3小节求解的路径详细罗列了路径上所有的点,数据繁杂而冗余,为简化路径,本发明采用Douglas-Peucker算法将路径简化为多条线段,并以线段端点来表示路径,如图5,具体做法如下:
(1)在曲线首尾两点P1,Pn之间连接一条直线P1Pn,该直线为曲线的弦;
(2)得到曲线上离该直线段距离最大的点Pi,计算其与P1Pn的距离d;
(3)比较该距离与预先给定的阈值threshold的大小,如果小于threshold,则该直线段作为曲线的近似,删除路径队列res中P1Pn间的点,该段曲线处理完毕。
(4)如果距离大于阈值,则用Pi将曲线分为两段P1Pi和PiPn,并分别对两段取信进行(1)~(3)的处理。
(5)当所有曲线都处理完毕时,路径队列res中剩余的像素点,即可以作为路径的近似。
如图7所示为在图2求解的路网区域内采用递归回溯和Douglas-Peucker算法简化后的路径。
4、路径生成算法流程
根据递归回溯搜索路径方法和Douglas-Peucker曲线化直算法,总结本发明基于路网图像的流向地图路径搜索方法如下:
Step 1.根据图像所在位置信息和待表示的流向图路径的起始点和终止点的经纬度信息,将起止点的经纬位置转化为其在图像上的像素位置。
Step 2.二值化路网图像,过滤冗余信息,仅保留路网信息。
Step 3.初始化路径为起点到终点连线上点,设为队列res。首先将起点入队;连接起点P1和终点Pn,依次遍历连线上的点(xi,yi),判断cost(xi,yi)是否等于256,若是将点(xi,yi)加入队列res;最后将终点加入队列。
Step 4.依次交替从队列两侧出队列,判断两点坐标是否位于同一路网联通区域内,若是转Step4,否则跳转Step3。
Step 5.递归回溯求解搜索路径。
Step 6.曲线化直,筛选路径上的像素点。
Step 7.将结果队列中的像素点转化为经纬度,通过图表工具得到流向地图的轨迹表示。
下面结合实验对本发明的应用效果作详细的描述。
实验结果分析
为验证本发明提出的流向地图路径搜索方法的合理性与可实施性,采用 Echarts图表库中的地图组件对“北京”到“广州”的流向路径进行展示。图6为现有方式的路径展示方法,图7为本发明提出的基于路网图像的流向地图路径求解方法获取的流向路径,从图中可以看出,本发明提出的流向地图展示方式具备更好的效果。
以上所述仅为本发明的较佳实施例,仅用于说明本发明的技术方案,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所做的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (8)
1.一种基于路网图像的流向地图路径优化展示方法,其特征在于,
通过二值化路网图像,初始化路径,在路网连通域内根据递归回溯搜索方法的方法查找路径,并采用Douglas-Peucker曲线化直对路径进一步简化处理,最后转化为经纬坐标采用图表工具完成流向地图展示。
2.根据权利要求1所述的方法,其特征在于,
所述二值化路网图像包括:
使用色相、饱和度、明度三个维度来表示对图像中的像素点,并通过对色相维度取值的过滤处理实现路网区域的识别,完成图像的二值化处理。
4.根据权利要求3所述的方法,其特征在于,
所述初始化路径:
根据图像所在位置信息和待表示的流向图路径的起始点和终止点的经纬度信息,将起止点的经纬位置转化为其在图像上的像素位置(起点P1、终点Pn);依次遍历起点终点连线上P1Pn的点(xi,yi),通过cost(xi,yi)的取值判断该像素点是否位于路网上,若是则将点(xi,yi)加入初始化路径,直至最后,将起点终点加入队列两侧;此时,初始化的路径为起点到终点的连线。
5.如权利要求4所述的方法,其特征在于,
所述递归回溯路径搜索,即通过计算各像素点邻接点到流向终点的距离,确定入栈顺序,即搜索方向,在路网区域内递归回溯搜索一条路径,入栈顺序dir_idx由式(2)计算出的索引值确定:
dir_idx=Index(Sort(Dist(near(x,y),Pn(xn,yn)))) (2)
其中,near(x,y)表示像素点(x,y),的四个邻接点坐标,Pn表示流向地图路径终点坐标,Dist()为欧氏距离,Sort()表示对四个距离值降序排列,Index()为排序的索引值。依据栈“先进后出”的原则,降序入栈,则每次出栈时,将会优先选取距离终点最近的点;
由起点递归回溯搜索路径,按式(2)求解顺序判断是否存在cost(x,y)=256的邻接点,若存在,则表示该点位于路网区域内,该点入栈;若不存在,即cost(x,y)=-1,则表示当前路径不能到达目标节点,回退出栈到上一分支处;如此不断地入栈出栈操作,直到到达目标节点,搜索得到一条路径结束。
6.如权利要求5所述的方法,其特征在于,
采用Douglas-Peucker曲线化直的算法对路径简化处理;通过将路径简化为一条以上的线段,并以线段端点来表示路径。
7.如权利要求6所述的方法,其特征在于,
具体步骤如下:
(1)在曲线首尾两点P1,Pn之间连接一条直线P1Pn,该直线为曲线的弦;
(2)得到曲线上离该直线段距离最大的点Pi,计算其与P1Pn的距离d;
(3)比较该距离与预先给定的阈值threshold的大小,如果小于threshold,则该直线段作为曲线的近似,删除路径队列中P1Pn间的点,该段曲线处理完毕;
(4)如果距离大于阈值,则用Pi将曲线分为两段P1Pi和PiPn,并分别对两段取信进行步骤(1)~(3)的处理;
(5)当所有曲线都处理完毕时,路径队列中剩余的像素点,即可以作为路径的近似。
8.如权利要求7所述的方法,其特征在于,
操作步骤如下:
S101:输入路网图像信息,计算起止点在路网图像上的位置;
S102:二值化处理路网图像;
S103:初始化路径;
S104:在路网所在的区域,按规划方向递归回溯路径;
S105:采用Douglas-Peucker算法筛选路径上的点;
S106:将路径转为经纬度坐标,借助图表具绘制流向图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011136231.7A CN112529243A (zh) | 2020-10-22 | 2020-10-22 | 一种基于路网图像的流向地图路径优化展示方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011136231.7A CN112529243A (zh) | 2020-10-22 | 2020-10-22 | 一种基于路网图像的流向地图路径优化展示方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112529243A true CN112529243A (zh) | 2021-03-19 |
Family
ID=74980260
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011136231.7A Pending CN112529243A (zh) | 2020-10-22 | 2020-10-22 | 一种基于路网图像的流向地图路径优化展示方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112529243A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115116164A (zh) * | 2022-06-08 | 2022-09-27 | 武汉虹信技术服务有限责任公司 | 一种园区门禁权限动态管理方法、系统及介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000010475A (ja) * | 1998-06-25 | 2000-01-14 | Zenrin Co Ltd | ルート探索可能な地図表示装置 |
CN107146213A (zh) * | 2017-05-08 | 2017-09-08 | 西安电子科技大学 | 基于缝合线的无人机航拍图像拼接方法 |
CN107766516A (zh) * | 2017-10-24 | 2018-03-06 | 浙江工业大学 | 一种基于边界保留的地理地图变形可视化方法 |
CN109993064A (zh) * | 2019-03-06 | 2019-07-09 | 东南大学 | 一种提取图片中道路网络节点间的连接路径的方法 |
CN110285802A (zh) * | 2019-06-11 | 2019-09-27 | 安徽理工大学 | 快速扩展随机树路径光滑方法 |
CN110543885A (zh) * | 2019-08-13 | 2019-12-06 | 武汉大学 | 一种交互式提取高分辨率遥感影像道路并生成路网的方法 |
CN111060109A (zh) * | 2020-01-03 | 2020-04-24 | 东南大学 | 一种基于改进a星算法的无人艇全局路径规划方法 |
-
2020
- 2020-10-22 CN CN202011136231.7A patent/CN112529243A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000010475A (ja) * | 1998-06-25 | 2000-01-14 | Zenrin Co Ltd | ルート探索可能な地図表示装置 |
CN107146213A (zh) * | 2017-05-08 | 2017-09-08 | 西安电子科技大学 | 基于缝合线的无人机航拍图像拼接方法 |
CN107766516A (zh) * | 2017-10-24 | 2018-03-06 | 浙江工业大学 | 一种基于边界保留的地理地图变形可视化方法 |
CN109993064A (zh) * | 2019-03-06 | 2019-07-09 | 东南大学 | 一种提取图片中道路网络节点间的连接路径的方法 |
CN110285802A (zh) * | 2019-06-11 | 2019-09-27 | 安徽理工大学 | 快速扩展随机树路径光滑方法 |
CN110543885A (zh) * | 2019-08-13 | 2019-12-06 | 武汉大学 | 一种交互式提取高分辨率遥感影像道路并生成路网的方法 |
CN111060109A (zh) * | 2020-01-03 | 2020-04-24 | 东南大学 | 一种基于改进a星算法的无人艇全局路径规划方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115116164A (zh) * | 2022-06-08 | 2022-09-27 | 武汉虹信技术服务有限责任公司 | 一种园区门禁权限动态管理方法、系统及介质 |
CN115116164B (zh) * | 2022-06-08 | 2023-12-19 | 武汉虹信技术服务有限责任公司 | 一种园区门禁权限动态管理方法、系统及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106912018B (zh) | 基于信令轨迹的地图匹配方法及系统 | |
WO2020199524A1 (zh) | 一种基于网络表示学习的网约共享出行人员匹配方法 | |
CN110246148B (zh) | 多模态的深度信息融合和注意力学习的显著性检测方法 | |
CN108090911A (zh) | 一种光学遥感图像的近岸舰船分割方法 | |
CN109993064B (zh) | 一种提取图片中道路网络节点间的连接路径的方法 | |
CN111858810B (zh) | 一种面向道路dem构建的建模高程点筛选方法 | |
CN110263666A (zh) | 一种基于非对称多流的动作检测方法 | |
Bastani et al. | Machine-assisted map editing | |
CN113065594A (zh) | 一种基于北斗数据与遥感影像融合的路网提取方法及装置 | |
CN110598917B (zh) | 一种基于路径轨迹的目的地预测方法、系统及存储介质 | |
CN114705193A (zh) | 一种基于海事大数据的船舶导航路径规划方法及系统 | |
CN112529243A (zh) | 一种基于路网图像的流向地图路径优化展示方法 | |
CN112488128A (zh) | 一种基于贝塞尔曲线的任意畸变图像线段检测方法 | |
CN109472416B (zh) | 基于自动路网数据提取的室内路径规划方法及装置、客户端 | |
JP5058905B2 (ja) | 地図表示装置およびシステム | |
CN110992481B (zh) | 基于最邻近连线的建筑物白模一致性合并方法 | |
CN107677277A (zh) | 一种基于Dijkstra算法的路径确定方法 | |
CN111462492A (zh) | 一种基于里奇流的关键路段检出方法 | |
CN108413980B (zh) | 一种减少路径分支的交通巡回路径规划方法 | |
CN110298253A (zh) | 一种基于人口大数据的城市建筑体虚拟显示方法及系统 | |
CN115130263A (zh) | 一种面向国土空间规划的多交通设施等时圈计算方法 | |
CN105828434B (zh) | 一种子网划分式DV-hop无线传感器网络定位方法 | |
CN112766385B (zh) | 一种众源矢量线数据几何匹配与属性融合方法 | |
CN108460424A (zh) | 一种基于线点转换和聚类对比的空间运动轨迹识别方法 | |
CN110765662B (zh) | 一种基于空间句法的公路工程路线设计和评价方法 |
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 |