CN113409461A - 构建地貌地图的方法、装置、电子设备和可读存储介质 - Google Patents
构建地貌地图的方法、装置、电子设备和可读存储介质 Download PDFInfo
- Publication number
- CN113409461A CN113409461A CN202110694174.2A CN202110694174A CN113409461A CN 113409461 A CN113409461 A CN 113409461A CN 202110694174 A CN202110694174 A CN 202110694174A CN 113409461 A CN113409461 A CN 113409461A
- Authority
- CN
- China
- Prior art keywords
- landform
- map
- image
- vector graphics
- vector
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000012545 processing Methods 0.000 claims abstract description 43
- 238000013507 mapping Methods 0.000 claims abstract description 32
- 238000004590 computer program Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 8
- 238000010276 construction Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/42—Document-oriented image-based pattern recognition based on the type of document
- G06V30/422—Technical drawings; Geographical maps
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Processing Or Creating Images (AREA)
- Image Analysis (AREA)
- Instructional Devices (AREA)
Abstract
本公开提供了一种构建地貌地图的方法、装置、电子设备和可读存储介质,涉及图像处理技术领域。构建地貌地图的方法包括:获取待处理图像,得到所述待处理图像的灰度图像;根据灰度值对所述灰度图像中的各像素进行分类,得到对应不同地貌类别的二值图像;提取所述二值图像中图斑的图斑轮廓,将所提取的图斑轮廓作为矢量图形,得到矢量图形集合;根据位置信息,将所述矢量图形集合中对应同一地貌类别的矢量图形进行合并,根据对应不同地貌类别的合并结果得到第一地貌地图;使用预设的地貌样式,对所述第一地貌地图中对应不同地貌类别的矢量图形进行映射,将映射结果作为第二地貌地图。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及图像处理技术领域。提供了一种构建地貌地图的方法、装置、电子设备和可读存储介质。
背景技术
目前的地图应用中,在25km-1000km比例尺下没有地图信息的表达,缺乏地貌信息。现有技术在构建包含地貌信息时地图时,存在人工制图成本较高、地貌特征准确性较低的问题。
发明内容
根据本公开的第一方面,提供了一种构建地貌地图的方法,包括:获取待处理图像,得到所述待处理图像的灰度图像;根据灰度值对所述灰度图像中的各像素进行分类,得到对应不同地貌类别的二值图像;提取所述二值图像中图斑的图斑轮廓,将所提取的图斑轮廓作为矢量图形,得到矢量图形集合;根据位置信息,将所述矢量图形集合中对应同一地貌类别的矢量图形进行合并,根据对应不同地貌类别的合并结果得到第一地貌地图;使用预设的地貌样式,对所述第一地貌地图中对应不同地貌类别的矢量图形进行映射,将映射结果作为第二地貌地图。
根据本公开的第二方面,提供了一种构建地貌地图的装置,包括:获取单元,用于获取待处理图像,得到所述待处理图像的灰度图像;第一处理单元,用于根据灰度值对所述灰度图像中的各像素进行分类,得到对应不同地貌类别的二值图像;提取单元,用于提取所述二值图像中图斑的图斑轮廓,将所提取的图斑轮廓作为矢量图形,得到矢量图形集合;合并单元,用于根据位置信息,将所述矢量图形集合中对应同一地貌类别的矢量图形进行合并,根据对应不同地貌类别的合并结果得到第一地貌地图;映射单元,用于使用预设的地貌样式,对所述第一地貌地图中对应不同地貌类别的矢量图形进行映射,将映射结果作为第二地貌地图。
根据本公开的第三方面,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如上所述的方法。
根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行如上所述的方法。
根据本公开的第五方面,提供了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如上所述的方法。
由以上技术方案可以看出,本实施例首先将待处理图像转换为矢量数据,然后再将矢量数据转换为地貌地图,实现了构建地貌地图时的自动化,提升了所构建的地貌地图的准确性与现势性。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开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,不构成对本公开的限定。其中:
图1是根据本公开第一实施例的示意图;
图2是根据本公开第二实施例的示意图;
图3a是根据本公开第三实施例的示意图;
图3b是根据本公开第四实施例的示意图;
图4是根据本公开第五实施例的示意图;
图5是用来实现本公开实施例的构建地貌地图的方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开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,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和机构的描述。
图1是根据本公开第一实施例的示意图。如图1所示,本实施例的构建地貌地图的方法,具体可以包括如下步骤:
S101、获取待处理图像,得到所述待处理图像的灰度图像;
S102、根据灰度值对所述灰度图像中的各像素进行分类,得到对应不同地貌类别的二值图像;
S103、提取所述二值图像中图斑的图斑轮廓,将所提取的图斑轮廓作为矢量图形,得到矢量图形集合;
S104、根据位置信息,将所述矢量图形集合中对应同一地貌类别的矢量图形进行合并,根据对应不同地貌类别的合并结果得到第一地貌地图;
S105、使用预设的地貌样式,对所述第一地貌地图中对应不同地貌类别的矢量图形进行映射,将映射结果作为第二地貌地图。
本实施例的地貌地图的构建方法,在根据待处理图像得到对应不同地貌类别的二值图像之后,提取各二值图像中图斑的图斑轮廓来得到矢量图形集合,完成栅格数据到矢量数据的转换,然后再将矢量图形集合中的各矢量图形进行合并以得到第一地貌地图,最后使用预设的地貌样式对第一地貌地图中的各矢量图形进行映射,将所得到的第二地貌地图作为待处理图像的地貌地图的构建结果,完成矢量数据到地貌地图的转换,能够实现构建地貌地图时的自动化,提升了所构建的地貌地图的准确性与现势性。
本实施例在执行S101获取待处理图像时,可以获取遥感图像作为待处理图像,所获取的待处理图像的数据类型为栅格数据;另外,本实施例执行S101所获取的待处理图像的数量可以为一张,也可以为多张。
本实施例在执行S101得到待处理图像的灰度图像时,可以对待处理图像进行降采样处理与重映射处理,从而将彩色的待处理图像转换为灰度图像;所得到的灰度图像中,各像素具有不同的灰度值。
本实施例在执行S101得到待处理图像的灰度图像之后,执行S102根据灰度值对所得到的灰度图像中的各像素进行分类,得到对应不同地貌类别的二值图像。
本实施例可以预先设置灰度值与地貌类别之间的对应关系,通过像素的灰度值即可确定该像素所对应的地貌类别。
因此,本实施例在执行S102根据灰度值对所得到的灰度图像中的各像素进行分类,得到对应不同地貌类别的二值图像时,可以采用的可选实现方式为:确定灰度图像中各像素的灰度值;针对每个灰度值,将灰度图像中具有该灰度值的像素的灰度值设置为1,其他像素的灰度值设置为0,得到对应该灰度值的二值图像;将与该灰度值对应的地貌类别作为该二值图像的地貌类别。
也就是说,本实施例根据灰度值对灰度图像中的各像素进行分类之后,基于分类结果即可得到对应不同地貌类别的多张二值图像,从而能够区分不同的地貌,实现对属于不同地貌类别的数据进行单独处理的目的。
本实施例在执行S102得到对应不同地貌类别的二值图像之后,还可以包含以下内容:确定对应于预设地貌类别的二值图像;使用与预设地貌类别对应的处理方式,对所确定的二值图像进行处理。
举例来说,若本实施例中的预设地貌类别为“水体”,若与“水体”对应的处理方式为膨胀扩展,则本实施例首先确定地貌类别为“水体”的二值图像,然后再对所确定的二值图像进行膨胀扩展的处理。
也就是说,本实施例通过预设地貌类别的方式,能够实现对于特定地貌的特定处理,从而在所构建的地貌地图中突出该预设地貌类别的地貌。
本实施例在执行S102得到对应不同地貌类别的二值图像之后,执行S103提取所得到的二值图像中图斑的图斑轮廓,将所提取的图斑轮廓作为矢量图形,得到矢量图形集合;其中,本实施例中的图斑即为二值图像中灰度值为1的像素所构成的区域。
本实施例在执行S103提取二值图像中图斑的图斑轮廓之前,还可以对二值图像进行开运算、中值滤波等预处理;对二值图像进行开运算,能够将二值图像中零碎的图斑连接成片;对二值图像进行中值滤波,可以去除二值图像中的零星像素,并平滑图斑的边缘。
另外,本实施例在执行S103提取得到图斑轮廓之后,还可以包含以下内容:根据图斑轮廓中各像素的坐标,计算轮廓的第一坐标,例如计算轮廓的wgs84坐标;将计算得到的第一坐标转换为第二坐标,例如将wgs84坐标转换为百度09坐标,从而实现轮廓坐标的转换与坐标加密。
本实施例在执行S103得到矢量图形集合之后,执行S104根据位置信息,将矢量图形集合中对应同一地貌类别的矢量图形进行合并,根据对应不同地貌类别的合并结果得到第一地貌地图。
也就是说,本实施例根据位置信息对所得到的矢量图形集合中的各矢量图形进行还原,将各矢量图形还原到其所在的实际位置,所得到的第一地貌地图中包含对应不同地貌类别的矢量图形。
本实施例在执行S103根据对应不同地貌类别的合并结果得到第一地貌地图之后,还可以包含以下内容:将第一地貌地图中面积小于第一预设阈值的矢量图形的地貌类别改变为与其邻接的面积大于第二预设阈值的矢量图形的地貌类别。
也就是说,本实施例能够对第一地貌地图中面积较小的矢量图形的地貌类别进行改变,使得该面积较小的矢量图像的地貌类别与其邻接的大面积的矢量图形的地貌类别相同,从而进一步提升了所构建的第一地貌地图的准确性与一致性。
本实施例在执行S104得到第一地貌地图之后,执行S105使用预设的地貌样式,对第一地貌地图中对应不同地貌类别的矢量图形进行映射,将映射结果作为第二地貌地图。
本实施例中所使用的预设的地貌样式与不同的地貌类别相对应,即不同的地貌类别会有着不同的地貌样式,预设的地貌样式中可以包含地貌颜色、地貌形状等样式。
本实施例在执行S105将映射结果作为第二地貌地图之后,还可以包含以下内容:针对第二地貌地图中存在相交情况的两个矢量图形,将面积较小的矢量图形显示在面积较大的矢量图形之上。
也就是说,本实施例针对矢量图形的相交情况,将小面积的矢量图形在大面积矢量图形之上进行显示,从而确保小面积的矢量图形不会被遮挡,从而确保第二地貌地图的完整性。
本实施例执行S105所得到的第二地貌地图中,不同地貌类别的矢量图形对应于不同的地貌样式,使得该第二地貌地图中能够显示不同的地貌类别。利用本实施例所提供的上述方法,实现了地貌地图的自动构建,并且能够提升所构建的地貌地图的准确性与现势性。
图2是根据本公开第二实施例的示意图。如图2所示,本实施例的构建地貌地图的方法,在执行S105得到第二地貌地图之后,还可以包括如下步骤:
S201、获取地图底图作为模板,将所述第二地貌地图作为掩膜;
S202、将所述地图底图与所述第二地貌地图进行叠加,将叠加结果作为第三地貌地图。
由于本实施例所得到的第二地貌地图中仅显示了不同类别的地貌,缺乏道路等信息,因此通过获取已知的地图底图来与第二地貌地图进行叠加,将第二地貌地图中所包含的地貌信息叠加到地图底图上,使得所得到的第三地貌地图中包含地貌信息、道路信息等地图信息,从而实现地貌地图的精细化构建。
本实施例在执行S201获取地图底图时,可以从已知的地图数据库中获取,进而将所获取的地图底图为模板来进行叠加。
本实施例在执行S202将地图底图与第二地貌地图进行叠加,将叠加结果作为第三地貌地图时,可以采用的可选实现方式为:设置不同的比例尺;分别将对应同一比例尺的地图底图与第二地貌地图进行叠加;将对应不同比例尺的叠加结果作为第三地貌地图,从而使得该第三地貌地图能够在不同的比例尺下均能够显示地貌信息。
本实施例在执行S202分别将对应同一比例尺的地图底图与第二地貌地图进行叠加时,可以采用的可选实现方式为:确定与当前比例尺对应的叠加方式:使用所确定的叠加方式得到叠加结果中的矢量图形,设置叠加结果中各矢量图形的地貌类别。
本实施例可以预先设置不同的比例尺对应的叠加方式,例如比例尺为1:500km时,与该比例尺对应的叠加方式可以为取地图底图与第二地貌地图之间的交集与差集;例如比例尺为1:1000km及以上时,与该比例尺对应的叠加方式可以为取地图底图与第二地貌地图之间的交集。
另外,本实施例在执行S202设置叠加结果中各矢量图形的地貌类别时,可以使用与叠加方式所对应的处理方式,来设置叠加结果中各矢量图形的地貌类别。
举例来说,本实施例可以将取交集的矢量图形的地貌类别设置为第二地貌地图中该矢量图形的地貌类别;本实施例可以将取差集的矢量图形的地貌类别设置为叠加结果中与其相接的最大面积的矢量图形的地貌类别;本实施例可以将无交集的矢量图形地貌类别设置为叠加结果中与其最近的矢量图形的地貌类别。
图3a是根据本公开第三实施例的示意图,图3a中的图像为待处理图像的灰度图像;图3b是根据本公开第四实施例的示意图,图3b中的图像为对应不同地貌类别的二值图像,每个二值图像中的白色区域即为图斑。
图4是根据本公开第五实施例的示意图。如图4所示,本实施例的构建地貌地图的装置400,包括:
获取单元401、用于获取待处理图像,得到所述待处理图像的灰度图像;
第一处理单元402、用于根据灰度值对所述灰度图像中的各像素进行分类,得到对应不同地貌类别的二值图像;
提取单元403、用于提取所述二值图像中图斑的图斑轮廓,将所提取的图斑轮廓作为矢量图形,得到矢量图形集合;
合并单元404、用于根据位置信息,将所述矢量图形集合中对应同一地貌类别的矢量图形进行合并,根据对应不同地貌类别的合并结果得到第一地貌地图;
映射单元405、用于使用预设的地貌样式,对所述第一地貌地图中对应不同地貌类别的矢量图形进行映射,将映射结果作为第二地貌地图。
获取单元401在获取待处理图像时,可以获取遥感图像作为待处理图像,所获取的待处理图像的数据类型为栅格数据;另外,获取单元401所获取的待处理图像的数量可以为一张,也可以为多张。
获取单元401在得到待处理图像的灰度图像时,可以对待处理图像进行降采样处理与重映射处理,从而将彩色的待处理图像转换为灰度图像;所得到的灰度图像中,各像素具有不同的灰度值。
本实施例在由获取单元401得到待处理图像的灰度图像之后,由第一处理单元402根据灰度值对所得到的灰度图像中的各像素进行分类,得到对应不同地貌类别的二值图像。
本实施例可以预先设置灰度值与地貌类别之间的对应关系,通过像素的灰度值即可确定该像素所对应的地貌类别。
因此,第一处理单元402在根据灰度值对所得到的灰度图像中的各像素进行分类,得到对应不同地貌类别的二值图像时,可以采用的可选实现方式为:确定灰度图像中各像素的灰度值;针对每个灰度值,将灰度图像中具有该灰度值的像素的灰度值设置为1,其他像素的灰度值设置为0,得到对应该灰度值的二值图像;将与该灰度值对应的地貌类别作为该二值图像的地貌类别。
也就是说,第一处理单元402根据灰度值对灰度图像中的各像素进行分类之后,基于分类结果即可得到对应不同地貌类别的多张二值图像,从而能够区分不同的地貌,实现对属于不同地貌类别的数据进行单独处理的目的。
本实施例的构建地貌地图的装置400中还包含第二处理单元406,用于在第一处理单元402得到对应不同地貌类别的二值图像之后,执行以下内容:确定对应于预设地貌类别的二值图像;使用与预设地貌类别对应的处理方式,对所确定的二值图像进行处理。
也就是说,第二处理单元406通过预设地貌类别的方式,能够实现对于特定地貌的特定处理,从而在所构建的地貌地图中突出该预设地貌类别的地貌。
本实施例在由第一处理单元402得到对应不同地貌类别的二值图像之后,由提取单元403提取所得到的二值图像中图斑的图斑轮廓,将所提取的图斑轮廓作为矢量图形,得到矢量图形集合;其中,本实施例中的图斑即为二值图像中灰度值为1的像素所构成的区域。
提取单元403在提取二值图像中图斑的图斑轮廓之前,还可以对二值图像进行开运算、中值滤波等预处理;对二值图像进行开运算,能够将二值图像中零碎的图斑连接成片;对二值图像进行中值滤波,可以去除二值图像中的零星像素,并平滑图斑的边缘。
另外,提取单元403在提取得到图斑轮廓之后,还可以包含以下内容:根据图斑轮廓中各像素的坐标,计算轮廓的第一坐标,例如计算轮廓的wgs84坐标;将计算得到的第一坐标转换为第二坐标,例如将wgs84坐标转换为百度09坐标,从而实现轮廓坐标的转换与坐标加密。
本实施例在由提取单元403得到矢量图形集合之后,由合并单元404根据位置信息,将矢量图形集合中对应同一地貌类别的矢量图形进行合并,根据对应不同地貌类别的合并结果得到第一地貌地图。
也就是说,合并单元404根据位置信息对所得到的矢量图形集合中的各矢量图形进行还原,将各矢量图形还原到其所在的实际位置,所得到的第一地貌地图中包含对应不同地貌类别的矢量图形。
本实施例的构建地貌地图的装置400中还包含第一调整单元407,用于在合并单元404根据对应不同地貌类别的合并结果得到第一地貌地图之后,执行以下内容:将第一地貌地图中面积小于第一预设阈值的矢量图形的地貌类别改变为与其邻接的面积大于第二预设阈值的矢量图形的地貌类别。
也就是说,第一调整单元407能够对第一地貌地图中面积较小的矢量图形的地貌类别进行改变,使得该面积较小的矢量图像的地貌类别与其邻接的大面积的矢量图形的地貌类别相同,从而进一步提升了所构建的第一地貌地图的准确性与一致性。
本实施例在由合并单元404得到第一地貌地图之后,由映射单元405使用预设的地貌样式,对第一地貌地图中对应不同地貌类别的矢量图形进行映射,将映射结果作为第二地貌地图。
映射单元405中所使用的预设的地貌样式与不同的地貌类别相对应,即不同的地貌类别会有着不同的地貌样式,预设的地貌样式中可以包含地貌颜色、地貌形状等样式。
本实施例的构建地貌地图的装置400中还包含第二调整单元408,用于在映射单元405将映射结果作为第二地貌地图之后,执行以下内容:针对第二地貌地图中存在相交情况的两个矢量图形,将面积较小的矢量图形显示在面积较大的矢量图形之上。
也就是说,第二调整单元408针对矢量图形的相交情况,将小面积的矢量图形在大面积矢量图形之上进行显示,从而确保小面积的矢量图形不会被遮挡,从而确保第二地貌地图的完整性。
本实施例的构建地貌地图的装置400中还包含叠加单元409,用于在映射单元405将映射结果作为第二地貌地图之后,执行以下内容:获取地图底图作为模板,将第二地貌地图作为掩膜;将地图底图与第二地貌地图进行叠加,将叠加结果作为第三地貌地图。
叠加单元409在获取地图底图时,可以从已知的地图数据库中获取,进而将所获取的地图底图为模板来进行叠加。
叠加单元409在将地图底图与第二地貌地图进行叠加,将叠加结果作为第三地貌地图时,可以采用的可选实现方式为:设置不同的比例尺;分别将对应同一比例尺的地图底图与第二地貌地图进行叠加;将对应不同比例尺的叠加结果作为第三地貌地图,从而使得该第三地貌地图能够在不同的比例尺下均能够显示地貌信息。
叠加单元409在分别将对应同一比例尺的地图底图与第二地貌地图进行叠加时,可以采用的可选实现方式为:确定与当前比例尺对应的叠加方式:使用所确定的叠加方式得到叠加结果中的矢量图形,设置叠加结果中各矢量图形的地貌类别。
另外,叠加单元409在设置叠加结果中各矢量图形的地貌类别时,可以使用与叠加方式所对应的处理方式,来设置叠加结果中各矢量图形的地貌类别。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
如图5所示,是根据本公开实施例的构建地貌地图的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/或者要求的本公开的实现。
如图5所示,设备500包括计算单元501,其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序,来执行各种适当的动作和处理。在RAM503中,还可存储设备500操作所需的各种程序和数据。计算单元501、ROM502以及RAM503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505,包括:输入单元506,例如键盘、鼠标等;输出单元507,例如各种类型的显示器、扬声器等;存储单元508,例如磁盘、光盘等;以及通信单元509,例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理,例如构建地貌地图的方法。例如,在一些实施例中,构建地貌地图的方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元508。
在一些实施例中,计算机程序的部分或者全部可以经由ROM502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时,可以执行上文描述的构建地貌地图的方法的一个或多个步骤。备选地,在其他实施例中,计算单元501可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行构建地貌地图的方法。
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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
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。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务(“Virtual Private Server”,或简称“VPS”)中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
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,本公开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,只要能够实现本公开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,并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (19)
1.一种构建地貌地图的方法,包括:
获取待处理图像,得到所述待处理图像的灰度图像;
根据灰度值对所述灰度图像中的各像素进行分类,得到对应不同地貌类别的二值图像;
提取所述二值图像中图斑的图斑轮廓,将所提取的图斑轮廓作为矢量图形,得到矢量图形集合;
根据位置信息,将所述矢量图形集合中对应同一地貌类别的矢量图形进行合并,根据对应不同地貌类别的合并结果得到第一地貌地图;
使用预设的地貌样式,对所述第一地貌地图中对应不同地貌类别的矢量图形进行映射,将映射结果作为第二地貌地图。
2.根据权利要求1所述的方法,其中,所述根据灰度值对所述灰度图像中的各像素进行分类,得到对应不同地貌类别的二值图像包括:
确定所述灰度图像中各像素的灰度值;
针对每个灰度值,将所述灰度图像中具有该灰度值的像素的灰度值设置为1,其他像素的灰度值设置为0,得到对应该灰度值的二值图像;
将与该灰度值对应的地貌类别作为该二值图像的地貌类别。
3.根据权利要求1所述的方法,还包括,
在得到对应不同地貌类别的二值图像之后,确定对应于预设地貌类别的二值图像;
使用与所述预设地貌类别对应的处理方式,对所确定的二值图像进行处理。
4.根据权利要求1所述的方法,还包括,
在根据对应不同地貌类别的合并结果得到第一地貌地图之后,将所述第一地貌地图中面积小于第一预设阈值的矢量图形的地貌类别改变为与其邻接的面积大于第二预设阈值的矢量图形的地貌类别。
5.根据权利要求1所述的方法,还包括,
在将映射结果作为第二地貌地图之后,针对所述第二地貌地图中存在相交情况的两个矢量图形,将面积较小的矢量图形显示在面积较大的矢量图形之上。
6.根据权利要求1所述的方法,还包括,
在将映射结果作为第二地貌地图之后,获取地图底图作为模板,将所述第二地貌地图作为掩膜;
将所述地图底图与所述第二地貌地图进行叠加,将叠加结果作为第三地貌地图。
7.根据权利要求6所述的方法,其中,所述将所述地图底图与所述第二地貌地图进行叠加,将叠加结果作为第三地貌地图包括:
设置不同的比例尺;
分别将对应同一比例尺的地图底图与第二地貌地图进行叠加;
将对应不同比例尺的叠加结果作为所述第三地貌地图。
8.根据权利要求7所述的方法,其中,所述分别将对应同一比例尺的地图底图与第二地貌地图进行叠加包括:
确定与当前比例尺对应的叠加方式:
使用所确定的叠加方式得到叠加结果中的矢量图形,设置所述叠加结果中各矢量图形的地貌类别。
9.一种构建地貌地图的装置,包括:
获取单元,用于获取待处理图像,得到所述待处理图像的灰度图像;
第一处理单元,用于根据灰度值对所述灰度图像中的各像素进行分类,得到对应不同地貌类别的二值图像;
提取单元,用于提取所述二值图像中图斑的图斑轮廓,将所提取的图斑轮廓作为矢量图形,得到矢量图形集合;
合并单元,用于根据位置信息,将所述矢量图形集合中对应同一地貌类别的矢量图形进行合并,根据对应不同地貌类别的合并结果得到第一地貌地图;
映射单元,用于使用预设的地貌样式,对所述第一地貌地图中对应不同地貌类别的矢量图形进行映射,将映射结果作为第二地貌地图。
10.根据权利要求9所述的装置,其中,所述第一处理单元在根据灰度值对所述灰度图像中的各像素进行分类,得到对应不同地貌类别的二值图像时,具体执行:
确定所述灰度图像中各像素的灰度值;
针对每个灰度值,将所述灰度图像中具有该灰度值的像素的灰度值设置为1,其他像素的灰度值设置为0,得到对应该灰度值的二值图像;
将与该灰度值对应的地貌类别作为该二值图像的地貌类别。
11.根据权利要求9所述的装置,还包括第二处理单元,用于执行,
在所述第一处理单元得到对应不同地貌类别的二值图像之后,确定对应于预设地貌类别的二值图像;
使用与所述预设地貌类别对应的处理方式,对所确定的二值图像进行处理。
12.根据权利要求9所述的装置,还包括第一调整单元,用于执行,
在所述合并单元根据对应不同地貌类别的合并结果得到第一地貌地图之后,将所述第一地貌地图中面积小于第一预设阈值的矢量图形的地貌类别改变为与其邻接的面积大于第二预设阈值的矢量图形的地貌类别。
13.根据权利要求9所述的装置,还包括第二调整单元,用于执行,
在所述映射单元将映射结果作为第二地貌地图之后,针对所述第二地貌地图中存在相交情况的两个矢量图形,将面积较小的矢量图形显示在面积较大的矢量图形之上。
14.根据权利要求9所述的装置,还包括叠加单元,用于执行,
在所述映射单元将映射结果作为第二地貌地图之后,获取地图底图作为模板,将所述第二地貌地图作为掩膜;
将所述地图底图与所述第二地貌地图进行叠加,将叠加结果作为第三地貌地图。
15.根据权利要求14所述的装置,其中,所述叠加单元在将所述地图底图与所述第二地貌地图进行叠加,将叠加结果作为第三地貌地图时,具体执行:
设置不同的比例尺;
分别将对应同一比例尺的地图底图与第二地貌地图进行叠加;
将对应不同比例尺的叠加结果作为所述第三地貌地图。
16.根据权利要求15所述的装置,其中,所述叠加单元在分别将对应同一比例尺的地图底图与第二地貌地图进行叠加时,具体执行:
确定与当前比例尺对应的叠加方式:
使用所确定的叠加方式得到叠加结果中的矢量图形,设置所述叠加结果中各矢量图形的地貌类别。
17.一种电子设备,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1-8中任一项所述的方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行权利要求1-8中任一项所述的方法。
19.一种计算机程序产品,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1-8中任一项所述的方法。
Priority Applications (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110694174.2A CN113409461B (zh) | 2021-06-22 | 2021-06-22 | 构建地貌地图的方法、装置、电子设备和可读存储介质 |
US17/755,172 US11893685B2 (en) | 2021-06-22 | 2021-11-17 | Landform map building method and apparatus, electronic device and readable storage medium |
PCT/CN2021/131179 WO2022267311A1 (zh) | 2021-06-22 | 2021-11-17 | 构建地貌地图的方法、装置、电子设备和可读存储介质 |
KR1020237007587A KR20230044520A (ko) | 2021-06-22 | 2021-11-17 | 지형 지도 구축 방법, 장치, 전자 기기 및 판독 가능 기록 매체 |
JP2023514789A JP2023540730A (ja) | 2021-06-22 | 2021-11-17 | 地形地図を構築する方法、装置、電子機器、及び読み取り可能な記憶媒体 |
EP21881338.4A EP4174785A4 (en) | 2021-06-22 | 2021-11-17 | METHOD AND APPARATUS FOR CONSTRUCTING A RELIEF MAP, ELECTRONIC DEVICE AND READABLE STORAGE MEDIUM |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110694174.2A CN113409461B (zh) | 2021-06-22 | 2021-06-22 | 构建地貌地图的方法、装置、电子设备和可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113409461A true CN113409461A (zh) | 2021-09-17 |
CN113409461B CN113409461B (zh) | 2023-06-23 |
Family
ID=77682473
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110694174.2A Active CN113409461B (zh) | 2021-06-22 | 2021-06-22 | 构建地貌地图的方法、装置、电子设备和可读存储介质 |
Country Status (6)
Country | Link |
---|---|
US (1) | US11893685B2 (zh) |
EP (1) | EP4174785A4 (zh) |
JP (1) | JP2023540730A (zh) |
KR (1) | KR20230044520A (zh) |
CN (1) | CN113409461B (zh) |
WO (1) | WO2022267311A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022267311A1 (zh) * | 2021-06-22 | 2022-12-29 | 北京百度网讯科技有限公司 | 构建地貌地图的方法、装置、电子设备和可读存储介质 |
CN117788679A (zh) * | 2024-02-27 | 2024-03-29 | 腾讯科技(深圳)有限公司 | 地图数据生成方法、装置、电子设备及存储介质 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117765420B (zh) * | 2024-02-22 | 2024-05-07 | 山东瑞鑫时空信息科技有限公司 | 基于遥感数据的地形勘测方法及系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8774470B1 (en) * | 2012-04-03 | 2014-07-08 | Google Inc. | Processing a satellite image of a region to determine a terrain boundary included therein |
CN104361616A (zh) * | 2014-11-05 | 2015-02-18 | 南车株洲电力机车研究所有限公司 | 一种用于风电场风资源评估的地形地貌文件获取方法 |
CN106384081A (zh) * | 2016-08-30 | 2017-02-08 | 水利部水土保持监测中心 | 一种基于高分辨率遥感影像的坡耕地提取方法和系统 |
CN107292339A (zh) * | 2017-06-16 | 2017-10-24 | 重庆大学 | 基于特征融合的无人机低空遥感影像高分地貌分类方法 |
CN110766038A (zh) * | 2019-09-02 | 2020-02-07 | 深圳中科保泰科技有限公司 | 无监督式的地貌分类模型训练和地貌图构建方法 |
US20200072610A1 (en) * | 2018-08-30 | 2020-03-05 | Mapbox, Inc. | Map feature extraction system for computer map visualizations |
CN111967341A (zh) * | 2020-07-27 | 2020-11-20 | 广东融合通信股份有限公司 | 一种卫星地图目标物轮廓的识别方法 |
CN112651896A (zh) * | 2020-12-30 | 2021-04-13 | 成都星时代宇航科技有限公司 | 有效矢量范围确定方法、装置、电子设备及可读存储介质 |
CN112733745A (zh) * | 2021-01-14 | 2021-04-30 | 北京师范大学 | 一种耕地图像提取方法及系统 |
CN112785686A (zh) * | 2021-01-25 | 2021-05-11 | 湖南汽车工程职业学院 | 一种基于大数据的林区地图构建方法及可读存储介质 |
CN112991536A (zh) * | 2021-04-20 | 2021-06-18 | 中国科学院软件研究所 | 一种专题地图地理面要素自动提取和矢量化方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5631970A (en) * | 1993-05-21 | 1997-05-20 | Hsu; Shin-Yi | Process for identifying simple and complex objects from fused images and map data |
CN100392668C (zh) * | 2006-01-16 | 2008-06-04 | 浙江大学 | 纸质矢量地图自动数字化的方法 |
CN107067003B (zh) * | 2017-03-09 | 2021-09-21 | 百度在线网络技术(北京)有限公司 | 感兴趣区域边界的提取方法、装置、设备和计算机存储介质 |
US10325349B2 (en) * | 2017-08-11 | 2019-06-18 | Intermap Technologies Inc. | Method and apparatus for enhancing 3D model resolution |
CN107766825A (zh) | 2017-10-27 | 2018-03-06 | 国家测绘地理信息局第航测遥感院 | 基于空间功能单元的陆域省市县空间规划三区识别方法 |
CN107861129A (zh) | 2017-10-31 | 2018-03-30 | 中国铁路设计集团有限公司 | 一种山地地貌遥感提取方法 |
CN109100719B (zh) | 2018-07-27 | 2023-01-10 | 国家测绘地理信息局第三航测遥感院 | 基于星载sar影像与光学影像的地形图联合测图方法 |
CN110070012B (zh) * | 2019-04-11 | 2022-04-19 | 电子科技大学 | 一种应用于遥感影像道路网络提取的细化和全局连接方法 |
US11830246B2 (en) * | 2020-05-01 | 2023-11-28 | CACI, Inc.—Federal | Systems and methods for extracting and vectorizing features of satellite imagery |
CN113409461B (zh) | 2021-06-22 | 2023-06-23 | 北京百度网讯科技有限公司 | 构建地貌地图的方法、装置、电子设备和可读存储介质 |
-
2021
- 2021-06-22 CN CN202110694174.2A patent/CN113409461B/zh active Active
- 2021-11-17 EP EP21881338.4A patent/EP4174785A4/en not_active Withdrawn
- 2021-11-17 WO PCT/CN2021/131179 patent/WO2022267311A1/zh unknown
- 2021-11-17 KR KR1020237007587A patent/KR20230044520A/ko unknown
- 2021-11-17 JP JP2023514789A patent/JP2023540730A/ja active Pending
- 2021-11-17 US US17/755,172 patent/US11893685B2/en active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8774470B1 (en) * | 2012-04-03 | 2014-07-08 | Google Inc. | Processing a satellite image of a region to determine a terrain boundary included therein |
CN104361616A (zh) * | 2014-11-05 | 2015-02-18 | 南车株洲电力机车研究所有限公司 | 一种用于风电场风资源评估的地形地貌文件获取方法 |
CN106384081A (zh) * | 2016-08-30 | 2017-02-08 | 水利部水土保持监测中心 | 一种基于高分辨率遥感影像的坡耕地提取方法和系统 |
CN107292339A (zh) * | 2017-06-16 | 2017-10-24 | 重庆大学 | 基于特征融合的无人机低空遥感影像高分地貌分类方法 |
US20200072610A1 (en) * | 2018-08-30 | 2020-03-05 | Mapbox, Inc. | Map feature extraction system for computer map visualizations |
CN110766038A (zh) * | 2019-09-02 | 2020-02-07 | 深圳中科保泰科技有限公司 | 无监督式的地貌分类模型训练和地貌图构建方法 |
CN111967341A (zh) * | 2020-07-27 | 2020-11-20 | 广东融合通信股份有限公司 | 一种卫星地图目标物轮廓的识别方法 |
CN112651896A (zh) * | 2020-12-30 | 2021-04-13 | 成都星时代宇航科技有限公司 | 有效矢量范围确定方法、装置、电子设备及可读存储介质 |
CN112733745A (zh) * | 2021-01-14 | 2021-04-30 | 北京师范大学 | 一种耕地图像提取方法及系统 |
CN112785686A (zh) * | 2021-01-25 | 2021-05-11 | 湖南汽车工程职业学院 | 一种基于大数据的林区地图构建方法及可读存储介质 |
CN112991536A (zh) * | 2021-04-20 | 2021-06-18 | 中国科学院软件研究所 | 一种专题地图地理面要素自动提取和矢量化方法 |
Non-Patent Citations (4)
Title |
---|
张冬梅;管怀重;: "《安徽省地图集》中地貌晕渲的研制", 测绘通报, no. 04, pages 71 - 74 * |
潘邦龙;: "辅助地形形态模式的数字遥感地貌制图方法研究", 安徽农业科学, no. 16, pages 365 - 367 * |
程中玲;徐刚;田永中;吴文戬;: "1∶100万数字地貌制图方法的实验――以昆明图幅(G-48)为例", 测绘科学, no. 04, pages 107 - 109 * |
陈燕;齐清文;杨桂山;: "基于遥感图像处理的图谱单元提取与分析", 水土保持学报, no. 02, pages 195 - 198 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022267311A1 (zh) * | 2021-06-22 | 2022-12-29 | 北京百度网讯科技有限公司 | 构建地貌地图的方法、装置、电子设备和可读存储介质 |
US11893685B2 (en) | 2021-06-22 | 2024-02-06 | Beijing Baidu Netcom Science Technology Co., Ltd. | Landform map building method and apparatus, electronic device and readable storage medium |
CN117788679A (zh) * | 2024-02-27 | 2024-03-29 | 腾讯科技(深圳)有限公司 | 地图数据生成方法、装置、电子设备及存储介质 |
CN117788679B (zh) * | 2024-02-27 | 2024-05-03 | 腾讯科技(深圳)有限公司 | 地图数据生成方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113409461B (zh) | 2023-06-23 |
WO2022267311A1 (zh) | 2022-12-29 |
US20230222733A1 (en) | 2023-07-13 |
EP4174785A4 (en) | 2024-03-06 |
EP4174785A1 (en) | 2023-05-03 |
JP2023540730A (ja) | 2023-09-26 |
US11893685B2 (en) | 2024-02-06 |
KR20230044520A (ko) | 2023-04-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113409461B (zh) | 构建地貌地图的方法、装置、电子设备和可读存储介质 | |
US11157737B2 (en) | Cultivated land recognition method in satellite image and computing device | |
CN112287924B (zh) | 文本区域检测方法、装置、电子设备和计算机存储介质 | |
CN113139543A (zh) | 目标对象检测模型的训练方法、目标对象检测方法和设备 | |
CN112802037A (zh) | 人像提取方法、装置、电子设备及存储介质 | |
CN113362420A (zh) | 道路标注生成方法、装置、设备以及存储介质 | |
US20230059277A1 (en) | Map data processing method and apparatus, and storage medium | |
CN113205041A (zh) | 结构化信息提取方法、装置、设备和存储介质 | |
CN114627257A (zh) | 三维路网地图的构建方法、装置、电子设备和存储介质 | |
CN114842035A (zh) | 基于深度学习的车牌脱敏方法、装置、设备及存储介质 | |
CN114926849A (zh) | 一种文本检测方法、装置、设备及存储介质 | |
CN113269280A (zh) | 文本检测方法、装置、电子设备及计算机可读存储介质 | |
CN115410173B (zh) | 多模态融合的高精地图要素识别方法、装置、设备及介质 | |
CN114724113B (zh) | 道路标牌识别方法、自动驾驶方法、装置和设备 | |
CN115937537A (zh) | 一种目标图像的智能识别方法、装置、设备及存储介质 | |
CN114972361A (zh) | 一种血流分割方法、装置、设备及存储介质 | |
CN113706705A (zh) | 用于高精地图的图像处理方法、装置、设备以及存储介质 | |
CN114187488A (zh) | 图像处理方法、装置、设备、介质及程序产品 | |
CN114463307A (zh) | 一种牙齿曲面断层图像处理方法、装置、设备及存储介质 | |
CN114511862A (zh) | 表格识别方法、装置及电子设备 | |
CN113989300A (zh) | 车道线分割的方法、装置、电子设备和存储介质 | |
CN114511863A (zh) | 表格结构提取方法、装置、电子设备及存储介质 | |
CN113361371A (zh) | 道路提取方法、装置、设备以及存储介质 | |
CN114005095A (zh) | 车辆属性识别方法、装置、电子设备和介质 | |
CN115050086B (zh) | 样本图像生成方法、模型训练方法、图像处理方法和装置 |
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 |