CN113157836A - 一种空间点数据集周围数据提取方法、装置及存储介质 - Google Patents
一种空间点数据集周围数据提取方法、装置及存储介质 Download PDFInfo
- Publication number
- CN113157836A CN113157836A CN202110270900.8A CN202110270900A CN113157836A CN 113157836 A CN113157836 A CN 113157836A CN 202110270900 A CN202110270900 A CN 202110270900A CN 113157836 A CN113157836 A CN 113157836A
- Authority
- CN
- China
- Prior art keywords
- point data
- grid
- mapping relation
- point
- neighborhood
- 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
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
- 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种空间点数据集周围数据提取方法、装置及存储介质,方法包括:对导入的原始点数据进行编号,并生成空间分布图,利用空间分布图中的位置关系建立对象点数据与邻域点数据的映射关系,得到点编号矩阵,将与对象点数据和邻域点数据对应的点数据编号、空间坐标信息以及至少一个自定义信息补充至点编号矩阵中,从而得到对象点及邻域点数据矩阵。本发明通过点数据得到空间分布图,将空间分布图分割成多个方格,通过相邻方格之间的映射关系及距离值来进行周边数据的提取,能够更高效地提取数据,减少总体计算量,降低数据分析过程的时间消耗,提高工作效率。
Description
技术领域
本发明主要涉及数据处理技术领域,具体涉及一种空间点数据集周围数 据提取方法、装置及存储介质。
背景技术
提取空间点数据集中每个点周围特定范围内的子数据,是计算点数据周 围相关统计指标的关键步骤,是空间统计学和森林生态学等学科相关数据分 析的重要环节。
现有技术,通过逐一计算空间点数据集中全部“对象点-邻域点”配对 组合间的的空间距离,来判断邻域点是否位于对象点的特定空间范围之内, 以此作为数据提取的依据。
然而,这种方法在数据提取过程中需要计算n×n次两点间的空间距离 (n为点数据的个体数),随着数据监测技术不断进步,可获取原始空间点数 据的个体数体量在不断增加,会导致现有技术产生的总体计算量呈指数型增 加;另外,由于计算机模拟统计技术的更高精度需求,需要进行大量重复模 拟计算,亦会导致总体计算量呈几百倍增加。
综上所述,在实际大型空间点数据分析过程中,现有技术产生的巨大计 算量,会严重影响相关数据分析的工作效率,是其主要缺陷。
发明内容
本发明所要解决的技术问题是针对现有技术的不足,提供一种空间点数 据集周围数据提取方法、装置及存储介质。
本发明解决上述技术问题的技术方案如下:一种空间点数据集周围数据 提取方法,包括如下步骤:
导入预先采集的原始点数据,所述原始点数据包括空间坐标信息以及至 少一项自定义信息;
对各个所述原始点数据进行编号,得到多个点数据,其中,所述点数据 包括点数据编号、空间坐标信息以及至少一项自定义信息,通过多个点数据 构建空间点数据集;
根据所述空间点数据集中各个点数据的空间坐标信息生成空间分布图;
按预设边长将所述空间分布图分割为多个方格,并对各个方格进行编 号;
以方格为单位建立各个方格编号与所述空间点数据集中各个点数据编 号的方格与点数据映射关系,并根据各个方格在所述空间分布图中的位置关 系建立目标方格编号与邻域方格编号的方格与方格映射关系;
根据所述方格与点数据映射关系和所述方格与方格映射关系建立对象 点数据与邻域点数据的映射关系的初步矩阵;
根据所述空间坐标信息计算对象点数据与邻域点数据之间的距离值,并 根据所述距离值决定在所述初步矩阵中是否保留对象点数据与邻域点数据 的映射关系,通过经保留的对象点数据与邻域点数据得到点编号矩阵;
将与所述对象点数据和所述邻域点数据对应的所述点数据编号、空间坐 标信息以及至少一项自定义补充至所述点编号矩阵中,从而得到对象点及邻 域点数据矩阵。
本发明解决上述技术问题的另一技术方案如下:一种空间点数据集周围 数据提取装置,包括:
导入模块,用于导入预先采集的原始点数据,所述原始点数据包括空间 坐标信息以及至少一项自定义信息;
处理模块,用于对各个原始点数据进行编号,得到多个点数据,其中, 所述点数据包括点数据编号、空间坐标信息以及至少一项自定义信息,通过 多个点数据构建空间点数据集;
根据所述空间点数据集中的各个点数据的空间坐标信息生成空间分布 图;
按预设边长将所述空间分布图分割为多个方格,并对各个方格进行编 号;
以方格为单位建立各个方格编号与所述空间点数据集中各个点数据编 号的方格与点数据映射关系,根据各个方格在所述空间分布图中的位置关系 建立目标方格编号与邻域方格编号的方格与方格映射关系;
根据所述方格与点数据映射关系和所述方格与方格映射关系建立对象 点数据与邻域点数据的映射关系的初步矩阵;
根据所述空间坐标信息计算对象点数据与邻域点数据之间的距离值,并 根据所述距离值决定在所述初步矩阵中是否保留对象点数据与邻域点数据 的映射关系,通过经保留的对象点数据与邻域点数据得到点编号矩阵;
将与所述对象点数据和所述邻域点数据对应的所述点数据编号、空间坐 标信息以及至少一项自定义补充至所述点编号矩阵中,从而得到对象点及邻 域点数据矩阵。
本发明解决上述技术问题的另一技术方案如下:一种空间点数据集周围 数据提取装置,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,当所述处理器执行所述计算机程序时,实现如上 所述的空间点数据集周围数据提取方法。
本发明解决上述技术问题的另一技术方案如下: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,当所述计算机程序被处理 器执行时,实现如上所述的空间点数据集周围数据提取方法。
本发明的有益效果是:通过点数据得到空间分布图,将空间分布图分割 成多个方格,通过相邻方格之间的映射关系及距离值来进行邻近数据的提 取,能够更高效地提取数据,减少总体计算量,降低数据分析过程的时间消 耗,提高工作效率。
附图说明
图1为本发明实施例提供的空间点数据集周围数据提取方法的流程图;
图2为本发明实施例提供的空间点数据集周围数据提取装置的功能模块 框图;
图3为本发明实施例提供的空间分布图;
图4为本发明实施例提供的含有编号方格的空间分布图;
图5为本发明实施例提供的在空间分布图中参考圆的示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本 发明,并非用于限定本发明的范围。
实施例1:如图1所示,一种空间点数据集周围数据提取方法,包括如 下步骤:
S1:导入预先采集的原始点数据,所述原始点数据包括空间坐标信息以 及至少一项自定义信息。
S2:对各个原始点数据进行编号,得到多个点数据,其中,所述点数据 包括点数据编号、空间坐标信息以及至少一项自定义信息,通过多个点数据 构建空间点数据集。
S3:根据所述空间点数据集中各个点数据的空间坐标信息生成空间分布 图;
S4:按预设边长将所述空间分布图分割为多个方格,并对各个方格进行 编号;
S5:以方格为单位建立各个方格编号与所述空间点数据集中各个点数据 编号的方格与点数据映射关系,根据各个方格在所述空间分布图中的位置关 系建立目标方格编号与邻域方格编号的方格与方格映射关系;
S6:根据方格与点数据映射关系和所述方格与方格映射关系建立对象点 数据与邻域点数据的映射关系的初步矩阵;
S7:根据所述空间坐标信息计算对象点数据与邻域点数据之间的距离 值,并根据所述距离值在所述初步矩阵中保留或剔除对象点数据与邻域点数 据的映射关系,通过经保留的对象点数据与邻域点数据得到点编号矩阵;
S8:将与所述对象点数据和所述邻域点数据对应的所述点数据编号、空 间坐标信息以及至少一项自定义信息补充至所述点编号矩阵中,从而得到对 象点及邻域点数据矩阵。
在步骤S3中,如图3所示,可根据空间点数据集中各个点数据的空间 坐标信息生成空间分布图。
在步骤S4中,如图4所示,按预设边长将所述空间分布图分割为多个 方格,并对各个方格进行编号。
下面给出本实施例里中提及的点数据编号和方格编号的编号方案:点数 据编号是从1开始,随机进行编号,而方格编号是从10001开始进行编号的, 如图5所示,以空间分布图的一个局部位置为例,纵向是数尾从小到达递增, 横向是数首从小到大开始递增,即从编号10021以纵坐标方向和横坐标方向 分别开始编号,纵向的编号为10021、10022、10023、10024、10025,横向 的编号为10021、20021、30021、40021、50021,以此类推完成所有的方格 编号。能够通过该编号规律快速找到某个编号的方格在空间分布图的位置, 便于查找数据及核对数据。
上述实施例中,通过点数据得到空间分布图,将空间分布图分割成多个 方格,通过相邻方格之间的映射关系及距离值来进行邻近数据的提取,能够 更高效地提取数据,减少总体计算量,降低数据分析过程的时间消耗,提高 工作效率。
具体地,所述空间点数据集如表1所示:
表1
通过表1可建立各个点数据对应的点数据编号、空间坐标信息(横坐标 和纵坐标)以及自定义信息(数据1、数据2……数据n)的关系。
应理解地,自定义信息可理解为时间信息、监测信息、学术信息等。
例如,本技术可应用于森林生态学。如,在中国森林生物多样性监测网 络和全球森林动态监测网络中,已建成超过70个大型超过15公顷的森林动 态监测样地。这些森林监测样地中每5年调查一次全部胸径大于等于1cm的 树木个体,已获得翔实的空间点坐标数据集,“自定义信息”可包括个体编 号、空间坐标、物种名称、胸径大小、树高等信息。提取森林样地中每一棵 树周围特定范围内其他个体的数据,是计算相关森林群落学指标的关键。因 此,可应用本发明技术,快速提取对象木个体的周围半径为r圆内的邻域木 个体信息,构建“对象点-邻域点”超级数据矩阵,以备更深入的数据分析 使用。
上述实施例中,将原始数据的各个点数据转换为空间分布图,便于快速 地提取各个点数据周围子数据。
具体地,所述以方格为单位建立各个方格编号与所述空间点数据集中各 个点数据编号的方格与点数据映射关系的过程包括:
通过第一公式建立各个方格编号与所述空间点数据集中各个点数据编 号的方格与点数据映射关系,所述第一公式为:
方格编号=gx×10000+gy,
其中,gx=“横坐标”整除“圆半径”+1,gy=“纵坐标”整除“圆 半径”+1,“圆半径”为预设值。
应理解地,整除运算是指在整数运算中求一个整数x除以另一个整数y 时取整数商的运算,且不考虑运算的余数。
例如:设圆半径r为4,gx=5.2div4+1=2,gy=94.7div4+1=24,得到方格 编号为20005,div表示整除运算。
具体地,预设边长可大于或等于圆半径。大部分情况下,等于圆半径时 效果最佳,即预设边长和预设值相等。
在表1的基础上建立表2,可将各个方格编号与对应的点数据进行关联。
表2
在实施例1的基础上,实施例2:所述根据所述方格与点数据映射关系 和所述方格与方格映射关系建立初步矩阵的过程包括:
根据所述方格与点数据映射关系建立第一点数据映射关系,所述第一映 射关系为方格内的对象点与邻域点的映射关系,并根据所述方格与方格映射 关系建立第二点数据映射关系,所述第二点数据映射关系为方格之间的对象 点与邻域点的映射关系,将所述第一点数据映射关系中对象点与邻域点的映 射关系和将所述第二点数据映射关系中对象点与邻域点的映射关系进行合 并,得到初步矩阵。
上述实施例中,通过方格与点数据映射关系来建立每个方格内对象点 与邻域点的映射关系,即得到第一点数据映射关系,并通过方格与方格映射 关系建立相邻方格之间的对象点与领域点的映射关系,能够将相关的点数据 快速的进行关联。
在实施例2的基础上,实施例3:所述根据所述方格与点数据映射关系 建立第一点数据映射关系的过程包括:
逐一将各个方格编号作为目标方格编号,从所述方格与点数据映射关系 中获取所述目标方格编号所有的点数据编号,以目标方格中的任意一个点数 据编号作为对象点编号并以目标方格中其他点数据编号作为邻域点编号,逐 一建立对象点编号与邻域点编号的映射关系,得到第一点数据映射关系。
首先,从所述方格与点数据映射关系中获取所述目标方格编号中所有的 点数据编号,具体实现为:可从表2中进行提取,得到各个方格编号对应的 点数据编号,如表3-表5所示。例如:编号方格为“20024”对应的方格数 据列表如表3所示:
表3
又例如:
方格编号为“20025”对应的方格数据列表如表4所示:
表4
又例如:
方格编号为“150019”对应的方格数据列表如表5所示:
表5
上述表3-表5示出了方格编号内所包含的点数据,从而建立了方格编号 与该方格内的各个点数据编号的映射关系。
接下来,以目标方格中的任意一个点数据编号作为对象点编号并以目标 方格中其他点数据编号作为邻域点编号,逐一建立对象点编号与邻域点编号 的映射关系,例如方格编号“20024”内对象点编号为1825、1840、2701, 而1825对应的邻域点编号包括569、1520、1542、1616等。应理解地,方 格内的点存在相同的邻域点的情况;每个点数据既可以是对象点也可以是邻 域点。如表6和表7所示,给出了方格内各个对象点数据与相邻点数据的映 射关系。
例如,方格编号“20024”内的各个对象点数据与相邻点数据的映射关 系,如表6所示:
表6
例如,方格编号“30024”内的各个对象点数据与相邻方格内的各个点 数据的映射关系,如表7所示:
表7
上述实施例中,能够快速地建立各个方格内各个对象点数据与相邻方格 内的各个点数据的映射关系,便于后续进行一步筛选数据。
在实施例1-3的基础上,实施例4:所述根据所述方格与方格映射关系 建立第二点数据映射关系的过程包括:
根据所述方格与方格映射关系逐一将各个方格编号作为目标方格编号 且将邻接于所述目标方格编号的对应编号作为相邻方格编号,以目标方格编 号中的点数据作为对象点编号且以相邻方格的点数据编号作为邻域点编号, 建立对象点编号与邻域点编号的映射关系,得到第二点数据映射关系。
在实施例1中,建立目标方格与相邻方格的映射关系可如表8所示,具 体可根据每个方格在空间分布图中的位置关系进行建立。
表8
得到方格与方格映射关系后,可根据方格与方格映射关系逐一将各个方 格编号作为目标方格编号且将邻接于目标方格编号的对应编号作为相邻方 格编号,例如方格编号10025内的点数据包括1083、2944、3107等,而其 中的一个相邻方格10024中的点数据包括1066、930、1186等,从而建立对 象点编号与邻域点编号的映射关系。如表9所示,即是建立了初步矩阵。
表9
上述实施例中,建立对象点编号与邻域点编号的关系,能够缩小对象点 数据与周围数据的选取范围。
在实施例1的基础上,实施例5:所述根据所述空间坐标信息计算对象 点数据与邻域点数据之间的距离值的过程包括:
通过距离公式计算对象点数据与邻域点数据的距离值,所述距离公式 为:
L=((x0-x1)2+(y0-y1)2)0.5,
其中,L为对象点数据与邻域点数据的距离,x0、y0为对象点数据的横 坐标和纵坐标,x1、y1为邻域点数据的横坐标和纵坐标。
例如,通过距离公式计算得到的距离值L为3,而预设值为1,距离值 大于预设值,那么,需要将对象点数据与邻域点数据对应的映射关系删除, 例如表9中,由于对象点编号1083与邻域点编号对应点数据之间的距离值 大于预设值,则将对象点编号1083与邻域点编号1419对应的映射关系进行 删除,其余的保留下来,例如对象点编号1083与邻域点编号1066、对象点 编号1083与邻域点编号1118等。
在实施例1-5的基础上,实施例6:所述根据所述距离值在所述初步矩 阵中决定是否保留对象点数据与邻域点数据的映射关系的过程包括:
若所述距离值小于或等于预设值,若是,则在所述初步矩阵中保留对象 点数据与邻域点数据的映射关系,若否,则剔除对象点数据与邻域点数据的 映射关系。
可理解为,如图5所示,图5中以对象点数据为圆心,根据预设值(半 径)画参考圆,并通过距离公式计算得到对象点数据与邻域点数据的距离值 L,选取距离值L小于或等于参考圆半径内的邻域点数据,即只提取参考圆 之内的数据。同一个方格(小矩阵)中的全部对象点数据,具有相同的相邻 方格数据(邻域点集合)。逐一判断每一个对象点数据和邻域点数据,提取在 以对象点为圆心的圆环内的邻域点编号。同一个点数据,可以重复作为不同 对象点的邻域点。
在实施例1的基础上,实施例7:在建立方格与方格映射关系前还包括 步骤:
根据目标方格编号确定目标方格是否位于所述空间分布图的边缘处,若 位于边缘处,则将所述目标方格标记为TRUE,若不在边缘处,则将所述目标 方格标记为FLASE。
具体地,可通过如下公式快速地查找与目标方格编号对应的所有邻域方 格编号,所述公式为:
相邻方格编号1=(gx+1)×10000+(gy+1)
相邻方格编号2=(gx+1)×10000+(gy+0)
相邻方格编号3=(gx+1)×10000+(gy-1)
相邻方格编号4=(gx+0)×10000+(gy+1)
相邻方格编号5=(gx+0)×10000+(gy-1)
相邻方格编号6=(gx-1)×10000+(gy+1)
相邻方格编号7=(gx-1)×10000+(gy+0)
相邻方格编号8=(gx-1)×10000+(gy-1)。
例如,gx=2,gy=24,目标方格编号为20024,可通过上述公式得到所有 邻域方格编号为:10023、10024、10025、20023、20025、30023、30024和 30025。
表8所示,能够快速确定方格编号是否在边缘处,可理解地,当方格编 号对应的相邻方格表格的数量等于8时,则表示不在边缘处,即通过FLASE 标记,当方格编号对应的相邻方格表格的数量小于8时,则表示在边缘处, 即通过TRUE标记。
上述实施例中,通过标记找到边缘方格,以备后续数据分析中进行边缘 效应矫正。
最终,将与所述对象点数据和所述邻域点数据对应的所述点数据编号、 空间坐标信息以及自定义信息补充至所述点编号矩阵中,从而得到对象点及 邻域点数据矩阵,最终可以得到对象点及邻域点数据矩阵,如表10所示。
表10
能够通过点数据的编号将各个对象点数据的自定义信息与邻域点数据 的自定义信息连接在一起。
实施例8:如图2所示,一种空间点数据集周围子数据提取装置,包括:
导入模块,用于导入预先采集的原始点数据,所述原始点数据包括空间 坐标信息以及至少一项自定义信息;
处理模块,用于对各个原始点数据进行编号,得到多个点数据,其中, 所述点数据包括点数据编号、空间坐标信息以及至少一项自定义信息,通过 多个点数据构建空间点数据集;
根据所述空间点数据集中的各个点数据的空间坐标信息生成空间分布 图;
按预设边长将所述空间分布图分割为多个方格,并对各个方格进行编 号;
以方格为单位建立各个方格编号与所述空间点数据集中各个点数据编 号的方格与点数据映射关系,根据各个方格在所述空间分布图中的位置关系 建立目标方格编号与邻域方格编号的方格与方格映射关系;
根据所述方格与点数据映射关系和所述方格与方格映射关系建立对象 点数据与邻域点数据的映射关系的初步矩阵;
根据所述空间坐标信息计算对象点数据与邻域点数据之间的距离值,并 根据所述距离值决定在所述初步矩阵中是否保留对象点数据与邻域点数据 的映射关系,通过经保留的对象点数据与邻域点数据得到点编号矩阵;
将与所述对象点数据和所述邻域点数据对应的所述点数据编号、空间坐 标信息以及至少一项自定义补充至所述点编号矩阵中,从而得到对象点及邻 域点数据矩阵。
实施例9:一种空间点数据集周围数据提取装置,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,所述处理 器执行所述计算机程序时,实现如上所述的空间点数据集周围数据提取方 法。
实施例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,当所述计算机程序被处理器执行时,实现如上所述的空间点 数据集周围数据提取方法。
与现有技术相比,本发明大幅度减少数据提取过程中总体计算量,显著 提高工作效率超过30倍。比如,在提取30万个空间点数据周围的子数据集, 并使用计算机模拟数据重复运行999次时:使用现有技术,需计算30万×30 万×999次两点之间的空间距离;使用普通计算机单线程运算需要约1000 小时;使用计算机8线程并行运算需要约140小时。而使用本发明技术,使 用普通计算机单线程运算需要约30小时;使用计算机8线程并行运算需要 约4小时。能够更高效地提取数据,减少总体计算量,降低数据分析过程的 时间消耗,提高工作效率。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来 将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示 这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、 “包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系 列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明 确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有 的要素。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明 的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发 明的保护范围之内。
Claims (10)
1.一种空间点数据集周围数据提取方法,其特征在于,包括如下步骤:
导入预先采集的原始点数据,所述原始点数据包括空间坐标信息以及至少一项自定义信息;
对各个所述原始点数据进行编号,得到多个点数据,其中,所述点数据包括点数据编号、空间坐标信息以及至少一项自定义信息,通过多个点数据构建空间点数据集;
根据所述空间点数据集中各个点数据的空间坐标信息生成空间分布图;
按预设边长将所述空间分布图分割为多个方格,并对各个方格进行编号;
以方格为单位建立各个方格编号与所述空间点数据集中各个点数据编号的方格与点数据映射关系,并根据各个方格在所述空间分布图中的位置关系建立目标方格编号与邻域方格编号的方格与方格映射关系;
根据所述方格与点数据映射关系和所述方格与方格映射关系建立对象点数据与邻域点数据的映射关系的初步矩阵;
根据所述空间坐标信息计算对象点数据与邻域点数据之间的距离值,并根据所述距离值决定在所述初步矩阵中是否保留对象点数据与邻域点数据的映射关系,通过经保留的对象点数据与邻域点数据得到点编号矩阵;
将与所述对象点数据和所述邻域点数据对应的所述点数据编号、空间坐标信息以及至少一项自定义信息补充至所述点编号矩阵中,从而得到对象点及邻域点数据矩阵。
2.根据权利要求1所述的空间点数据集周围数据提取方法,其特征在于,所述以方格为单位建立各个方格编号与所述空间点数据集中各个点数据编号的方格与点数据映射关系的过程包括:
通过第一公式建立各个方格编号与所述空间点数据集中各个点数据编号的方格与点数据映射关系,所述第一公式为:
方格编号=gx×10000+gy,
其中,gx=“横坐标”整除“圆半径”+1,gy=“纵坐标”整除“圆半径”+1,“圆半径”为预设值。
3.根据权利要求1所述的空间点数据集周围数据提取方法,其特征在于,所述根据所述方格与点数据映射关系和所述方格与方格映射关系建立初步矩阵的过程包括:
根据所述方格与点数据映射关系建立第一点数据映射关系,所述第一映射关系为方格内的对象点与邻域点的映射关系,并根据所述方格与方格映射关系建立第二点数据映射关系,所述第二点数据映射关系为方格之间的对象点与邻域点的映射关系,将所述第一点数据映射关系中对象点与邻域点的映射关系和将所述第二点数据映射关系中对象点与邻域点的映射关系进行合并,得到初步矩阵。
4.根据权利要求3所述的空间点数据集周围数据提取方法,其特征在于,所述根据所述方格与点数据映射关系建立第一点数据映射关系的过程包括:
逐一将各个方格编号作为目标方格编号,从所述方格与点数据映射关系中获取所述目标方格编号所有的点数据编号,以目标方格中的任意一个点数据编号作为对象点编号并以目标方格中其他点数据编号作为邻域点编号,逐一建立对象点编号与邻域点编号的映射关系,得到第一点数据映射关系。
5.根据权利要求3所述的空间点数据集周围数据提取方法,其特征在于,所述根据所述方格与方格映射关系建立第二点数据映射关系的过程包括:
根据所述方格与方格映射关系逐一将各个方格编号作为目标方格编号且将邻接于所述目标方格编号的对应编号作为相邻方格编号,以目标方格编号中的点数据作为对象点编号且以相邻方格的点数据编号作为邻域点编号,建立对象点编号与邻域点编号的映射关系,得到第二点数据映射关系。
6.根据权利要求1所述的空间点数据集周围数据提取方法,其特征在于,所述根据所述空间坐标信息计算对象点数据与邻域点数据之间的距离值的过程包括:
通过距离公式计算对象点数据与邻域点数据的距离值,所述距离公式为:
L=((x0-x1)2+(y0-y1)2)0.5,
其中,L为对象点数据与邻域点数据的距离,x0、y0为对象点数据的横坐标和纵坐标,x1、y1为邻域点数据的横坐标和纵坐标。
7.根据权利要求1-6任一项所述的空间点数据集周围数据提取方法,其特征在于,所述根据所述距离值决定在所述初步矩阵中是否保留对象点数据与邻域点数据的映射关系的过程包括:
若所述距离值小于或等于预设值,若是,则在所述初步矩阵中保留对象点数据与邻域点数据的映射关系,若否,则剔除对象点数据与邻域点数据的映射关系。
8.一种空间点数据集周围数据提取装置,其特征在于,包括:
导入模块,用于导入预先采集的原始点数据,所述原始点数据包括空间坐标信息以及至少一项自定义信息;
处理模块,用于对各个原始点数据进行编号,得到多个点数据,其中,所述点数据包括点数据编号、空间坐标信息以及至少一项自定义信息,通过多个点数据构建空间点数据集;
根据所述空间点数据集中的各个点数据的空间坐标信息生成空间分布图;
按预设边长将所述空间分布图分割为多个方格,并对各个方格进行编号;
以方格为单位建立各个方格编号与所述空间点数据集中各个点数据编号的方格与点数据映射关系,根据各个方格在所述空间分布图中的位置关系建立目标方格编号与邻域方格编号的方格与方格映射关系;
根据所述方格与点数据映射关系和所述方格与方格映射关系建立对象点数据与邻域点数据的映射关系的初步矩阵;
根据所述空间坐标信息计算对象点数据与邻域点数据之间的距离值,并根据所述距离值决定在所述初步矩阵中是否保留对象点数据与邻域点数据的映射关系,通过经保留的对象点数据与邻域点数据得到点编号矩阵;
将与所述对象点数据和所述邻域点数据对应的所述点数据编号、空间坐标信息以及至少一项自定义补充至所述点编号矩阵中,从而得到对象点及邻域点数据矩阵。
9.一种空间点数据集周围数据提取装置,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,当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任一项所述的空间点数据集周围数据提取方法。
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,当所述计算机程序被处理器执行时,实现如权利要求1至7任一项所述的空间点数据集周围数据提取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110270900.8A CN113157836B (zh) | 2021-03-12 | 2021-03-12 | 一种空间点数据集周围数据提取方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110270900.8A CN113157836B (zh) | 2021-03-12 | 2021-03-12 | 一种空间点数据集周围数据提取方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113157836A true CN113157836A (zh) | 2021-07-23 |
CN113157836B CN113157836B (zh) | 2022-07-19 |
Family
ID=76887150
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110270900.8A Active CN113157836B (zh) | 2021-03-12 | 2021-03-12 | 一种空间点数据集周围数据提取方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113157836B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114281447A (zh) * | 2021-12-02 | 2022-04-05 | 武汉华工激光工程有限责任公司 | 一种载板激光加工软件界面处理方法、系统及存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101246521A (zh) * | 2008-01-11 | 2008-08-20 | 中国林业科学研究院林业研究所 | 森林群落点抽样调查方法 |
CN103824510A (zh) * | 2013-12-31 | 2014-05-28 | 厦门雅迅网络股份有限公司 | 一种基于Voronoi图的筛选电子地图点状要素的方法 |
CN106407925A (zh) * | 2016-09-09 | 2017-02-15 | 厦门大学 | 基于局部区间极大值的激光扫描点云树木自动提取方法 |
CN107392875A (zh) * | 2017-08-01 | 2017-11-24 | 长安大学 | 一种基于k近邻域划分的点云数据去噪方法 |
CN109492563A (zh) * | 2018-10-30 | 2019-03-19 | 深圳大学 | 一种基于无人机高光谱影像和LiDAR点云的树种分类方法 |
CN110309437A (zh) * | 2019-06-26 | 2019-10-08 | 京东数字科技控股有限公司 | 一种信息推送方法和装置 |
CN110493333A (zh) * | 2019-08-15 | 2019-11-22 | 腾讯科技(深圳)有限公司 | 一种目标位置点的确定方法、装置、设备及存储介质 |
CN111369604A (zh) * | 2020-02-26 | 2020-07-03 | 广州海洋地质调查局 | 一种基于网格的地形特征点提取方法及处理终端 |
US20200302237A1 (en) * | 2019-03-22 | 2020-09-24 | Pablo Horacio Hennings Yeomans | System and method for ordered representation and feature extraction for point clouds obtained by detection and ranging sensor |
CN112270746A (zh) * | 2020-11-06 | 2021-01-26 | 太原科技大学 | 基于邻域协方差特征参数阈值的铝合金3d打印点云精简算法 |
CN112329789A (zh) * | 2020-10-12 | 2021-02-05 | 广州文远知行科技有限公司 | 点云的提取方法、装置、计算机设备和存储介质 |
-
2021
- 2021-03-12 CN CN202110270900.8A patent/CN113157836B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101246521A (zh) * | 2008-01-11 | 2008-08-20 | 中国林业科学研究院林业研究所 | 森林群落点抽样调查方法 |
CN103824510A (zh) * | 2013-12-31 | 2014-05-28 | 厦门雅迅网络股份有限公司 | 一种基于Voronoi图的筛选电子地图点状要素的方法 |
CN106407925A (zh) * | 2016-09-09 | 2017-02-15 | 厦门大学 | 基于局部区间极大值的激光扫描点云树木自动提取方法 |
CN107392875A (zh) * | 2017-08-01 | 2017-11-24 | 长安大学 | 一种基于k近邻域划分的点云数据去噪方法 |
CN109492563A (zh) * | 2018-10-30 | 2019-03-19 | 深圳大学 | 一种基于无人机高光谱影像和LiDAR点云的树种分类方法 |
US20200302237A1 (en) * | 2019-03-22 | 2020-09-24 | Pablo Horacio Hennings Yeomans | System and method for ordered representation and feature extraction for point clouds obtained by detection and ranging sensor |
CN110309437A (zh) * | 2019-06-26 | 2019-10-08 | 京东数字科技控股有限公司 | 一种信息推送方法和装置 |
CN110493333A (zh) * | 2019-08-15 | 2019-11-22 | 腾讯科技(深圳)有限公司 | 一种目标位置点的确定方法、装置、设备及存储介质 |
CN111369604A (zh) * | 2020-02-26 | 2020-07-03 | 广州海洋地质调查局 | 一种基于网格的地形特征点提取方法及处理终端 |
CN112329789A (zh) * | 2020-10-12 | 2021-02-05 | 广州文远知行科技有限公司 | 点云的提取方法、装置、计算机设备和存储介质 |
CN112270746A (zh) * | 2020-11-06 | 2021-01-26 | 太原科技大学 | 基于邻域协方差特征参数阈值的铝合金3d打印点云精简算法 |
Non-Patent Citations (4)
Title |
---|
NICHOLAS CHARRON 等: ""De-Noising of Lidar Point Clouds Corrupted by Snowfall"", 《2018 15TH CONFERENCE ON COMPUTER AND ROBOT VISION (CRV)》 * |
张子健 等: ""结合激光与视觉点云的古遗迹三维重建应用"", 《中国激光》 * |
王成福 等: ""一种特征感知的三维点云简化算法"", 《激光与光电子学进展》 * |
郭屹立 等: ""广西弄岗北热带喀斯特季节性雨林监测样地种群空间点格局分析"", 《生物多样性》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114281447A (zh) * | 2021-12-02 | 2022-04-05 | 武汉华工激光工程有限责任公司 | 一种载板激光加工软件界面处理方法、系统及存储介质 |
CN114281447B (zh) * | 2021-12-02 | 2024-03-19 | 武汉华工激光工程有限责任公司 | 一种载板激光加工软件界面处理方法、系统及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113157836B (zh) | 2022-07-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107025239B (zh) | 敏感词过滤的方法和装置 | |
CN106815194A (zh) | 模型训练方法及装置和关键词识别方法及装置 | |
CN101196994A (zh) | 图片内容识别方法及识别系统 | |
CN107944760B (zh) | 一种企业投标竞争力分析方法与系统 | |
CN109726746A (zh) | 一种模板匹配的方法及装置 | |
CN113157836B (zh) | 一种空间点数据集周围数据提取方法、装置及存储介质 | |
CN104657709A (zh) | 人脸图像识别方法、装置及服务器 | |
CN107563324B (zh) | 一种复合核结构的超限学习机高光谱图像分类方法及装置 | |
CN110083731B (zh) | 图像检索方法、装置、计算机设备及存储介质 | |
CN112232171A (zh) | 基于随机森林的遥感影像信息提取方法、装置及存储介质 | |
CN111382948A (zh) | 对企业发展潜力进行量化评估的方法及装置 | |
CN103631507A (zh) | 虚拟键盘提供方法和装置 | |
CN104346616B (zh) | 字符识别装置和字符识别方法 | |
CN108563793A (zh) | 一种多显示级别地图的制图方法 | |
CN106599291A (zh) | 数据分组方法及装置 | |
US20160292258A1 (en) | Method and apparatus for filtering out low-frequency click, computer program, and computer readable medium | |
CN106802958A (zh) | Cad数据到gis数据的转换方法及系统 | |
US8738564B2 (en) | Method for pollen-based geolocation | |
CN111506624B (zh) | 一种电力缺失数据辨识方法和相关装置 | |
CN106375288B (zh) | 一种中文域名相似度计算方法及仿冒域名检测方法 | |
CN103294932A (zh) | 用于碱基序列分析的参考序列处理系统及方法 | |
CN111723142A (zh) | 一种数据处理方法及装置 | |
CN116340387A (zh) | 一种用于数据表的个人信息披露情况统计分析方法及系统 | |
CN108021716B (zh) | 一种基于径向坐标优化的多维数据可视化方法和装置 | |
CN112527867B (zh) | 一种非农就业岗位供给能力识别方法,存储装置,及服务器 |
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 |