CN113723405A - 区域轮廓的确定方法、装置和电子设备 - Google Patents
区域轮廓的确定方法、装置和电子设备 Download PDFInfo
- Publication number
- CN113723405A CN113723405A CN202111017023.XA CN202111017023A CN113723405A CN 113723405 A CN113723405 A CN 113723405A CN 202111017023 A CN202111017023 A CN 202111017023A CN 113723405 A CN113723405 A CN 113723405A
- Authority
- CN
- China
- Prior art keywords
- determining
- distance
- interest
- point
- region
- 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 49
- 230000011218 segmentation Effects 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 16
- 239000000126 substance Substances 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 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
- 238000012549 training Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000003993 interaction Effects 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
- 238000009499 grossing Methods 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
- 238000003062 neural network model Methods 0.000 description 1
- 239000013307 optical fiber Substances 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24133—Distances to prototypes
- G06F18/24137—Distances to cluster centroïds
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本公开公开了一种区域轮廓的确定方法、装置和电子设备,涉及地图技术领域。具体实现方案为:在确定待处理区域中兴趣点所属区域的轮廓时,可以先获取待处理区域对应的语义图像;其中,语义图像中包括多个矩形区域,每个矩形区域表示一个对象;并根据多个矩形区域的位置,对多个对象进行聚类处理,得到多个聚类;再根据待处理区域中兴趣点的位置,分别与多个聚类中各聚类之间的距离,确定兴趣点所属区域的轮廓,从而可以有效地确定出兴趣点所属区域的轮廓。
Description
技术领域
本公开涉及图像处理技术领域,尤其涉及一种区域轮廓的确定方法、装置和电子设备,具体涉及地图技术领域。
背景技术
圈定村落所在的地理位置和轮廓,对于道路修建、宜居分析、物流配送等有重要的意义。
现有技术中,采集的村落数据,都是以一个位置点指代一个村落,无法获取村落的轮廓,因此,如何确定村落的轮廓是至关重要的。
发明内容
本公开提供了一种区域轮廓的确定方法、装置和电子设备,可以有效地确定出区域的轮廓。
根据本公开的第一方面,提供了一种区域轮廓的确定方法,该区域轮廓的确定方法可以包括:
获取待处理区域对应的语义图像;其中,所述语义图像中包括多个矩形区域,每个矩形区域表示一个对象。
根据所述多个矩形区域的位置,对所述多个对象进行聚类处理,得到多个聚类。
根据所述待处理区域中兴趣点的位置,分别与所述多个聚类中各聚类之间的距离,确定所述兴趣点所属区域的轮廓。
根据本公开的第二方面,提供了一种区域轮廓的确定装置,该区域轮廓的确定装置可以包括:
获取单元,用于获取待处理区域对应的语义图像;其中,所述语义图像中包括多个矩形区域,每个矩形区域表示一个对象。
处理单元,用于根据所述多个矩形区域的位置,对所述多个对象进行聚类处理,得到多个聚类。
第一确定单元,用于根据所述待处理区域中兴趣点的位置,分别与所述多个聚类中各聚类之间的距离,确定所述兴趣点所属区域的轮廓。
根据本公开的第三方面,提供了一种电子设备,该电子设备可以包括:
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上述第一方面所述的区域轮廓的确定方法。
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上述第一方面所述的区域轮廓的确定方法。
根据本公开的第五方面,提供了一种计算机程序产品,所述计算机程序产品包括:计算机程序,所述计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从所述可读存储介质读取所述计算机程序,所述至少一个处理器执行所述计算机程序使得电子设备执行第一方面所述的区域轮廓的确定方法。
根据本公开的技术方案,可以有效地确定出待处理区域中兴趣点所属区域的轮廓。
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提供的区域轮廓的确定方法的流程示意图;
图2是本公开实施例提供的一种展开后的图像的示意图;
图3是本公开实施例提供的一种语义图像的示意图;
图4是根据本公开第二实施例提供的区域轮廓的确定方法的流程示意图;
图5是本公开实施例提供的一种XX村落的边界示意图;
图6是根据本公开第三实施例提供的区域轮廓的确定装置的结构示意图;
图7是根据本公开实施例提供的一种电子设备的示意性框图。
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结构的描述。
在本公开的实施例中,“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况,其中A,B可以是单数或者复数。在本公开的文字描述中,字符“/”一般表示前后关联对象是一种“或”的关系。此外,在本公开实施例中,“第一”、“第二”、“第三”、“第四”、“第五”以及“第六”只是为了区分不同对象的内容而已,并无其它特殊含义。
本公开实施例提供的技术方案可以应用于地图技术场景。圈定村落所在的地理位置和轮廓,对于道路修建、宜居分析、物流配送等有重要的意义。现有技术中,在采集村落数据时,一方面,由于较多村落的道路状况差、导致村落数据较难采集;另一方面,由于村落发布比较分散,使得村落数据的采集成本较高,因此,现有图商采集的村落数据都是以一个位置点指代一个村落,无法获取村落的轮廓。
以物流配送场景为例,在进行物流配送时,若未获取到村落的轮廓,即使配送系统获取到收货人的位置,也没法精确语义化描述该收货人具体在哪个村落,配送人员需要对本地环境非常熟悉,而且收货人填写的地址必须精确到村,这样才能实现精准配送。但是,这样对配送人员的要求极高,而且无法实现自动化配送到村落。因此,如何确定村落轮廓是至关重要的。
为了可以有效地确定出村落,可以考虑对村落所属区域的地图信息进行图像语义分割处理,通过图像语义分割处理,可以将区域中一个一个的居住点识别出来,并对识别出的居住点进行聚类处理,一个聚类表示一个村落,属于同一个聚类的居住点,通常属于同一个村落,这样可以确定出属于同一个村落的居住点,从而根据属于同一个村落中的居住点,确定出该聚类指示的村落的轮廓。
基于上述技术构思,本公开实施例提供一种区域轮廓的确定方法,下面,将通过具体的实施例对本公开提供的区域轮廓的确定方法进行详细地说明。可以理解的是,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。
实施例一
图1是根据本公开第一实施例提供的区域轮廓的确定方法的流程示意图,该区域轮廓的确定方法可以由软件和/或硬件装置执行,例如,该硬件装置可以为终端或者服务器。示例的,请参见图1所示,该区域轮廓的确定方法可以包括:
S101、获取待处理区域对应的语义图像;其中,语义图像中包括多个矩形区域,每个矩形区域表示一个对象。
示例的,待处理区域可以为省级区域,也可以为县级区域,也可以为镇级区域等,具体可以根据实际需要进行设置,在此,对于待处理区域的范围,本公开实施例不做进一步地限制。以确定某一村落轮廓为例,一个对象可以表示一个居住点,语义图像中可以包括多个居住点。
可以理解的是,本公开实施例中,在获取待处理区域对应的语义图像时,可以预先获取待处理区域对应的语义图像,并将获取到的待处理区域对应的语义图像存储至本地,这样在执行本公开的技术方案时,可以直接从本地获取待处理区域对应的语义图像,提高了语义图像的获取效率;也可以在执行本公开的技术方案时,再获取待处理区域对应的语义图像,具体可以根据实际需要进行设置。
示例的,在获取待处理区域对应的语义图像时,可以先获取该待处理区域的卫星图,其卫星图的获取方式不做限定;在获取到该待处理区域的卫星图后,可以按照墨卡托投影对该待处理区域的卫星图进行展开处理,示例的,可参见图2所示,图2是本公开实施例提供的一种展开后的图像的示意图,在得到展开后的图像之后,可以将展开后的图像输入至图像语义分割模型中,通过该图像语义分割模型对展开后的图像进行图像语义分割处理,该图像语义分割模型的输出即为该待处理区域对应的语义图像,示例的,可参见图3所示,图3是本公开实施例提供的一种语义图像的示意图,这样通过图像语义分割模型获取语义图像,提高了获取到的语义图像的准确度。
可以看出,在通过图像语义分割模型获取该待处理区域对应的语义图像时,需要限获取图像语义分割模型。示例的,获取图像语音分割模型时,可以直接获取训练好的图像语义分割模型,也可以通过多个训练样本,对初始图像语义分割模型进行训练,从而获取训练好的图像语义分割模型,具体可以根据实际需要进行设置,在此,对于图像语义分割模型的获取方式,本公开实施例不做进一步地限制。需要说明的是,在本公开实施例中,对于如何通过多个训练样本对初始图像语义分割模型进行训练,得到图像语义分割模型,可参见现有的神经网络模型的训练方式,在此,本公开实施例不再进行赘述。
可以理解的是,除了通过将展开后的图像输入至图像语义分割模型中,通过该图像语义分割模型获取待处理区域对应的语义图像之外,还可以通过其它技术获取待处理区域对应的语义图像,例如,其它的图像语义分割技术,在此,本公开实施例只是以将展开后的图像输入至图像语义分割模型中,通过该图像语义分割模型获取待处理区域对应的语义图像为例进行说明,但并不代表本公开实施例进局限于此。
在获取到包括多个矩形区域的语义图像后,可以对该多个对象进行聚类处理,即执行下述S102:
S102、根据多个矩形区域的位置,对多个对象进行聚类处理,得到多个聚类。
以对象为居住点为例,一个聚类表示一个村落,通常情况下,属于同一个聚类的多个居住点,为同一个村落中的居住点,这样通过聚类处理,就可以将属于同一个村落的居住点聚到同一个聚类中。
示例的,在对多个对象进行聚类处理时,可以采用聚类算法,按照密度对多个矩形区域表示的多个对象进行聚类处理,从而得到划分后的多个聚类。示例的,聚类算法可以为dbscan聚类算法、DBSCAN聚类算法、OPTICS聚类算法、或者Kmeans聚类算法等,具体可以根据实际需要进行设置。
在对多个对象进行聚类处理,得到多个聚类后,一个聚类表示一个村落,接下来需要各聚类具体对应的是哪一个村落,即需要将各个聚类与其对应的村落的标识进行关联。示例的,在本公开实施例中,可以在划分得到的多个聚类的基础上,结合目前图商采集的村落的兴趣点的位置,确定村落的轮廓,即执行下述S103。其中,村落的兴趣点用于表示该村落,即一个位置点指代一个村落。
S103、根据待处理区域中兴趣点的位置,分别与多个聚类中各聚类之间的距离,确定兴趣点所属区域的轮廓。
示例的,待处理区域中可以包括一个或者多个兴趣点,具体可以根据实际需要进行设置,在此,对于待处理区域中包括的兴趣点的数量,本公开实施例不做进一步地限制。
以对象为居住点,确定村落区域为例,每一个兴趣点指代一个村落,该兴趣点可以为其所属的村落中的任一个点,兴趣点所属的区域记为该兴趣点指代的村落。示例的,若村落的区域为一个规则区域,则兴趣点可以为该村落的中心点。
在根据指代村落的兴趣点的位置,分别与各聚类之间的距离,确定村落轮廓时,通常情况下,与兴趣点的位置距离最近的聚类表示的村落,可以理解为该兴趣点所属的村落,这样可以将聚类与其对应的村落的标识进行关联,确定出村落对应的聚类,从而确定出村落轮廓。
可以看出,本公开实施例中,在确定待处理区域中兴趣点所属区域的轮廓时,可以先获取待处理区域对应的语义图像;其中,语义图像中包括多个矩形区域,每个矩形区域表示一个对象;并根据多个矩形区域的位置,对多个对象进行聚类处理,得到多个聚类;再根据待处理区域中兴趣点的位置,分别与多个聚类中各聚类之间的距离,确定兴趣点所属区域的轮廓,从而可以有效地确定出兴趣点所属区域的轮廓。
为了便于理解在上述S103中,如何根据待处理区域中兴趣点的位置,分别与多个聚类中各聚类之间的距离,确定兴趣点所属区域的轮廓,下面,将通过下述图4所示的实施例二,对如何根据待处理区域中兴趣点的位置,分别与多个聚类中各聚类之间的距离,确定兴趣点所属区域的轮廓进行详细描述。
实施例二
图4是根据本公开第二实施例提供的区域轮廓的确定方法的流程示意图,该区域轮廓的确定方法同样可以由软件和/或硬件装置执行,例如,该硬件装置同样可以为终端或者服务器。示例的,请参见图4所示,该区域轮廓的确定方法可以包括:
S401、根据待处理区域中兴趣点的位置,分别与多个聚类中各聚类之间的距离,从多个聚类中确定与兴趣点的位置距离最近的目标聚类。
继续以确定村落轮廓为例,鉴于通常情况下,与兴趣点位置距离最近的聚类表示的村落,可以理解为该兴趣点所属的村落,现有技术中,正是用一个兴趣点表示该兴趣点所属的村落,这样可以将聚类与其对应的村落的标识进行关联,确定出村落对应的聚类,因此,可以先根据待处理区域中兴趣点的位置,分别与多个聚类中各聚类之间的距离,从多个聚类中确定与兴趣点的位置距离最近的聚类,在本公开实施例中,为了便于描述,可将与兴趣点的位置距离最近的聚类记为目标聚类。
不难看出,在根据待处理区域中兴趣点的位置,分别与多个聚类中各聚类之间的距离,从多个聚类中确定与兴趣点的位置距离最近的目标聚类之前,需要先分别计算待处理区域中兴趣点的位置,与多个聚类中各聚类之间的距离,之后,才能从多个聚类中确定与兴趣点的位置距离最近的目标聚类。
本公开实施例中,在分别计算待处理区域中兴趣点的位置,与多个聚类中各聚类之间的距离时,鉴于待处理区域中兴趣点的位置与每一个聚类之间的距离的计算方式类似,因此,为了避免赘述,下面,将以计算兴趣点的位置与多个聚类中任意一个聚类之间的距离为例,对如何计算待处理区域中兴趣点的位置,与多个聚类中各聚类之间的距离进行描述。
示例的,在计算兴趣点的位置与聚类之间的距离时,鉴于该聚类中通常会包括多个对象,因此,可以先分别计算兴趣点的位置与多个对象中每一个对象之间的距离,得到对应的多个距离值;并进一步计算该多个距离值的平均值,再根据该多个距离值的平均值,确定兴趣点的位置与聚类之间的距离,这样可以在充分考虑到聚类中各个对象的情况下,确定出兴趣点的位置与聚类之间的距离,提高了确定出的兴趣点的位置与聚类之间的距离的准确度。以此类推,就可以计算出兴趣点的位置分别与多个聚类中各聚类之间的距离,再从多个聚类中确定与兴趣点的位置距离最近的目标聚类,该目标聚类可以理解为该兴趣点所属的区域。
示例的,在根据多个距离值的平均值,确定兴趣点的位置与聚类之间的距离时,可以直接将该多个距离值的平均值,确定为兴趣点的位置与聚类之间的距离;也可以对该多个距离值的平均值做一定的处理,例如四舍五入,或者取整处理,并将处理结果,确定为兴趣点的位置与聚类之间的距离,具体可以根据实际需要进行设置,在此,本公开实施例只是以这两种方式为例进行说明,但并不代表本公开实施例仅局限于此。
本公开实施例中,在分别计算兴趣点的位置与多个对象中每一个对象之间的距离时,鉴于中兴趣点的位置与每一个对象之间的距离的计算方式类似,因此,为了避免赘述,下面将以计算兴趣点的位置与多个对象中任意一个对象之间的距离为例,对如何计算兴趣点的位置与多个对象中每一个对象之间的距离进行描述。
示例的,在计算兴趣点的位置与对象之间的距离时,鉴于对象是通过矩形区域表示的,因此,可以通过对象对应的矩形区域,计算兴趣点的位置与对象之间的距离,可以包括下述至少四种可能的实现方式:
在一种可能的实现方式中,可以先根据对象对应的矩形区域的四个顶点的位置,确定矩形区域的中心点;并计算兴趣点的位置与中心点之间的距离,将兴趣点的位置与中心点之间的距离,确定为兴趣点的位置与对象之间的距离,从而可以确定出兴趣点的位置与对象之间的距离。
在另一种可能的实现方式中,可以分别与对象对应的矩形区域的四个顶点中,各顶点之间的距离,得到四个距离值;并将四个距离值中,最小距离值确定为兴趣点的位置与对象之间的距离,从而可以确定出兴趣点的位置与对象之间的距离。
在又一种可能的实现方式中,可以分别与对象对应的矩形区域的四个顶点中,各顶点之间的距离,得到四个距离值;并将四个距离值中,任意一个距离值确定为兴趣点的位置与对象之间的距离,从而可以确定出兴趣点的位置与对象之间的距离。
在又一种可能的实现方式中,可以先确定兴趣点的位置与对象对应的矩形区域的四个顶点中,任一顶点之间的距离;并将所述距离确定为所述兴趣点的位置与所述对象之间的距离,从而可以确定出兴趣点的位置与对象之间的距离。
需要说明的是,在计算兴趣点的位置与对象之间的距离时,具体可以根据实际需要进行设置,本公开实施例只是以上述四种可能的实现方式为例进行说明,但并不代表本公开实施例进局限于此。
在确定出目标聚类后,就可以根据该目标聚类中包括的各对象的位置,拟合目标聚类的边界,即执行下述S402:
S402、根据目标聚类中各对象的位置,拟合目标聚类的边界。
示例的,在根据目标聚类中包括的各对象的位置,拟合目标聚类的边界时,可以采用现有的凸包算法,对目标聚类中各对象的坐标进行拟合,从而得到该目标聚类的形状和边界,该边界可以通过多个边界点的经纬度坐标表示。
示例的,可参见图5所示,图5是本公开实施例提供的一种XX村落的边界示意图,图5中所示的兴趣点指代的村落为“XX村落”,与其距离最近的目标聚类即为兴趣点所属的村落“XX村落”,这样根据该目标聚类中包括的多个居住点的位置,拟合得到目标聚类的边界,从而进一步确定出“XX村落”的轮廓。
在拟合出目标聚类的边界后,就可以根据该目标聚类的边界确定兴趣点所属区域的轮廓,即执行下述S403:
S403、根据目标聚类的边界,确定兴趣点所属区域的轮廓。
示例的,在根据目标聚类的边界,确定兴趣点所属区域的轮廓时,可以直接将目标聚类的边界,确定为兴趣点所属区域的轮廓,也可以对目标聚类的边界做一定的处理,例如,平滑处理等,并将处理后的边界,确定为兴趣点所属区域的轮廓,具体可以根据实际需要进行设置。
可以看出,在确定兴趣点所属区域的轮廓时,可以先根据待处理区域中兴趣点的位置,分别与多个聚类中各聚类之间的距离,从多个聚类中确定与兴趣点的位置距离最近的目标聚类;并根据目标聚类中各对象的位置,拟合目标聚类的边界;再根据目标聚类的边界,确定兴趣点所属区域的轮廓,从而可以有效地确定出兴趣点所属区域的轮廓。
实施例三
图6是根据本公开第三实施例提供的区域轮廓的确定装置60的结构示意图,示例的,请参见图6所示,该区域轮廓的确定装置60可以包括:
获取单元601,用于获取待处理区域对应的语义图像;其中,语义图像中包括多个矩形区域,每个矩形区域表示一个对象。
处理单元602,用于根据多个矩形区域的位置,对多个对象进行聚类处理,得到多个聚类。
第一确定单元603,用于根据待处理区域中兴趣点的位置,分别与多个聚类中各聚类之间的距离,确定兴趣点所属区域的轮廓。
可选的,确定单元包括第一确定模块、第二确定模块以及第三确定模块。
第一确定模块,用于根据待处理区域中兴趣点的位置,分别与多个聚类中各聚类之间的距离,从多个聚类中确定与兴趣点的位置距离最近的目标聚类。
第二确定模块,用于根据目标聚类中各对象的位置,拟合目标聚类的边界。
第三确定模块,用于根据目标聚类的边界,确定兴趣点所属区域的轮廓。
可选的,该区域轮廓的确定装置60还可以包括第二确定单元和第三确定单元。
第二确定单元,用于针对多个聚类中各聚类,分别确定兴趣点的位置与聚类中各对象之间的距离,得到多个距离值。
第三确定单元,用于根据多个距离值的平均值,确定兴趣点的位置与聚类之间的距离。
可选的,第二确定单元包括第四确定模块和第五确定模块。
第四确定模块,用于针对各对象,根据对象对应的矩形区域的四个顶点的位置,确定矩形区域的中心点。
第五确定模块,用于将兴趣点的位置与中心点之间的距离,确定为兴趣点的位置与对象之间的距离。
可选的,第二确定单元还包括第六确定模块和第七确定模块。
第六确定模块,用于针对各对象,确定兴趣点的位置,分别与对象对应的矩形区域的四个顶点中,各顶点之间的距离,得到四个距离值。
第七确定模块,用于根据四个距离值,确定兴趣点的位置与对象之间的距离。
可选的,第七确定模块包括第一确定子模块和第二确定子模块。
第一确定子模块,用于将四个距离值中,最小距离值确定为兴趣点的位置与对象之间的距离。
或者,
第二确定子模块,用于将四个距离值中,任意一个距离值确定为兴趣点的位置与对象之间的距离。
可选的,第二确定单元还包括第八确定模块和第九确定模块。
第八确定模块,用于针对各对象,确定兴趣点的位置与对象对应的矩形区域的四个顶点中,任一顶点之间的距离。
第九确定模块,用于将距离确定为兴趣点的位置与对象之间的距离。
可选的,获取单元601包括第一获取模块和第二获取模块。
第一获取模块,用于获取待处理区域的卫星图。
第二获取模块,用于按照墨卡托投影对卫星图进行处理,并将处理后的图像输入至图像语义分割模型中,得到语义图像。
本公开实施例提供的区域轮廓的确定装置60,可以执行上述任一实施例所示的区域轮廓的确定方法的技术方案,其实现原理以及有益效果与区域轮廓的确定方法的实现原理及有益效果类似,可参见区域轮廓的确定方法的实现原理及有益效果,此处不再进行赘述。
根据本公开的实施例,本公开还提供了一种电子设备和一种可读存储介质。
根据本公开的实施例,本公开还提供了一种计算机程序产品,计算机程序产品包括:计算机程序,计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从可读存储介质读取计算机程序,至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。
图7是根据本公开实施例提供的一种电子设备70的示意性框图。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7所示,电子设备70包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在RAM 703中,还可存储设备70操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备70中的多个部件连接至I/O接口705,包括:输入单元706,例如键盘、鼠标等;输出单元707,例如各种类型的显示器、扬声器等;存储单元708,例如磁盘、光盘等;以及通信单元709,例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备70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701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701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701执行上文所描述的各个方法和处理,例如区域轮廓的确定方法。例如,在一些实施例中,区域轮廓的确定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708。在一些实施例中,计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备70上。当计算机程序加载到RAM 703并由计算单元701执行时,可以执行上文描述的区域轮廓的确定方法的一个或多个步骤。备选地,在其他实施例中,计算单元701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行区域轮廓的确定方法。
本文中以上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。程序代码可以完全在机器上执行、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,本发申请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)
1.一种区域轮廓的确定方法,包括:
获取待处理区域对应的语义图像;其中,所述语义图像中包括多个矩形区域,每个矩形区域表示一个对象;
根据所述多个矩形区域的位置,对所述多个对象进行聚类处理,得到多个聚类;
根据所述待处理区域中兴趣点的位置,分别与所述多个聚类中各聚类之间的距离,确定所述兴趣点所属区域的轮廓。
2.根据权利要求1所述的方法,其中,所述根据所述待处理区域中兴趣点的位置,分别与所述多个聚类中各聚类之间的距离,确定所述兴趣点所属区域的轮廓,包括:
根据所述待处理区域中兴趣点的位置,分别与所述多个聚类中各聚类之间的距离,从所述多个聚类中确定与所述兴趣点的位置距离最近的目标聚类;
根据所述目标聚类中各对象的位置,拟合所述目标聚类的边界;
根据所述目标聚类的边界,确定所述兴趣点所属区域的轮廓。
3.根据权利要求1或2所述的方法,所述方法还包括:
针对所述多个聚类中各聚类,分别确定所述兴趣点的位置与所述聚类中各对象之间的距离,得到多个距离值;
根据所述多个距离值的平均值,确定所述兴趣点的位置与所述聚类之间的距离。
4.根据权利要求3所述的方法,其中,所述确定所述兴趣点的位置与所述聚类中各对象之间的距离,包括:
针对所述各对象,根据所述对象对应的矩形区域的四个顶点的位置,确定所述矩形区域的中心点;
将所述兴趣点的位置与所述中心点之间的距离,确定为所述兴趣点的位置与所述对象之间的距离。
5.根据权利要求3所述的方法,其中,所述确定所述兴趣点的位置与所述聚类中各对象之间的距离,包括:
针对所述各对象,确定所述兴趣点的位置,分别与所述对象对应的矩形区域的四个顶点中,各顶点之间的距离,得到四个距离值;
根据所述四个距离值,确定所述兴趣点的位置与所述对象之间的距离。
6.根据权利要求5所述的方法,其中,所述根据所述四个距离值,确定所述兴趣点的位置与所述对象之间的距离,包括:
将所述四个距离值中,最小距离值确定为所述兴趣点的位置与所述对象之间的距离;
或者,
将所述四个距离值中,任意一个距离值确定为所述兴趣点的位置与所述对象之间的距离。
7.根据权利要求5所述的方法,其中,所述根据所述四个距离值,确定所述兴趣点的位置与所述对象之间的距离,包括:
针对所述各对象,确定所述兴趣点的位置与所述对象对应的矩形区域的四个顶点中,任一顶点之间的距离;
将所述距离确定为所述兴趣点的位置与所述对象之间的距离。
8.根据权利要求1-7任一项所述的方法,其中,所述获取待处理区域对应的语义图像,包括:
获取所述待处理区域的卫星图;
按照墨卡托投影对所述卫星图进行处理,并将处理后的图像输入至图像语义分割模型中,得到所述语义图像。
9.一种区域轮廓的确定装置,包括:
获取单元,用于获取待处理区域对应的语义图像;其中,所述语义图像中包括多个矩形区域,每个矩形区域表示一个对象;
处理单元,用于根据所述多个矩形区域的位置,对所述多个对象进行聚类处理,得到多个聚类;
第一确定单元,用于根据所述待处理区域中兴趣点的位置,分别与所述多个聚类中各聚类之间的距离,确定所述兴趣点所属区域的轮廓。
10.根据权利要求9所述的装置,其中,所述第一确定单元包括第一确定模块、第二确定模块以及第三确定模块;
所述第一确定模块,用于根据所述待处理区域中兴趣点的位置,分别与所述多个聚类中各聚类之间的距离,从所述多个聚类中确定与所述兴趣点的位置距离最近的目标聚类;
所述第二确定模块,用于根据所述目标聚类中各对象的位置,拟合所述目标聚类的边界;
所述第三确定模块,用于根据所述目标聚类的边界,确定所述兴趣点所属区域的轮廓。
11.根据权利要求9或10所述的装置,所述装置还包括第二确定单元和第三确定单元;
所述第二确定单元,用于针对所述多个聚类中各聚类,分别确定所述兴趣点的位置与所述聚类中各对象之间的距离,得到多个距离值;
所述第三确定单元,用于根据所述多个距离值的平均值,确定所述兴趣点的位置与所述聚类之间的距离。
12.根据权利要求11所述的装置,其中,所述第二确定单元包括第四确定模块和第五确定模块;
所述第四确定模块,用于针对所述各对象,根据所述对象对应的矩形区域的四个顶点的位置,确定所述矩形区域的中心点;
所述第五确定模块,用于将所述兴趣点的位置与所述中心点之间的距离,确定为所述兴趣点的位置与所述对象之间的距离。
13.根据权利要求11所述的装置,其中,所述第二确定单元还包括第六确定模块和第七确定模块;
所述第六确定模块,用于针对所述各对象,确定所述兴趣点的位置,分别与所述对象对应的矩形区域的四个顶点中,各顶点之间的距离,得到四个距离值;
所述第七确定模块,用于根据所述四个距离值,确定所述兴趣点的位置与所述对象之间的距离。
14.根据权利要求13所述的装置,其中,所述第七确定模块包括第一确定子模块和第二确定子模块;
所述第一确定子模块,用于将所述四个距离值中,最小距离值确定为所述兴趣点的位置与所述对象之间的距离;
或者,
所述第二确定子模块,用于将所述四个距离值中,任意一个距离值确定为所述兴趣点的位置与所述对象之间的距离。
15.根据权利要求13所述的装置,其中,所述第二确定单元还包括第八确定模块和第九确定模块;
所述第八确定模块,用于针对所述各对象,确定所述兴趣点的位置与所述对象对应的矩形区域的四个顶点中,任一顶点之间的距离;
所述第九确定模块,用于将所述距离确定为所述兴趣点的位置与所述对象之间的距离。
16.根据权利要求9-15任一项所述的装置,其中,所述获取单元包括第一获取模块和第二获取模块;
所述第一获取模块,用于获取所述待处理区域的卫星图;
所述第二获取模块,用于按照墨卡托投影对所述卫星图进行处理,并将处理后的图像输入至图像语义分割模型中,得到所述语义图像。
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中任一项所述的区域轮廓的确定方法。
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中任一项所述的区域轮廓的确定方法。
19.一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现权利要求1-8中任一项所述的区域轮廓的确定方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111017023.XA CN113723405A (zh) | 2021-08-31 | 2021-08-31 | 区域轮廓的确定方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111017023.XA CN113723405A (zh) | 2021-08-31 | 2021-08-31 | 区域轮廓的确定方法、装置和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113723405A true CN113723405A (zh) | 2021-11-30 |
Family
ID=78680175
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111017023.XA Pending CN113723405A (zh) | 2021-08-31 | 2021-08-31 | 区域轮廓的确定方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113723405A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111400557A (zh) * | 2020-03-06 | 2020-07-10 | 北京市环境保护监测中心 | 大气污染重点区域自动识别的方法和装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018177316A1 (zh) * | 2017-03-29 | 2018-10-04 | 腾讯科技(深圳)有限公司 | 信息识别方法、计算设备及存储介质 |
US20190242720A1 (en) * | 2018-02-07 | 2019-08-08 | Topos Inc. | Systems and methods for constructing spatial activity zones |
CN110597943A (zh) * | 2019-09-16 | 2019-12-20 | 腾讯科技(深圳)有限公司 | 基于人工智能的兴趣点处理方法、装置及电子设备 |
CN111241881A (zh) * | 2018-11-29 | 2020-06-05 | 中国移动通信集团四川有限公司 | 区域识别的方法、装置、设备和介质 |
CN111368468A (zh) * | 2020-02-21 | 2020-07-03 | 东南大学 | 基于数理方法及编程算法求取集中型村落二维边界的方法 |
CN111695488A (zh) * | 2020-06-09 | 2020-09-22 | 北京百度网讯科技有限公司 | 兴趣面识别方法、装置、设备以及存储介质 |
CN111881377A (zh) * | 2020-08-05 | 2020-11-03 | 腾讯科技(深圳)有限公司 | 位置兴趣点的处理方法及装置 |
-
2021
- 2021-08-31 CN CN202111017023.XA patent/CN113723405A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018177316A1 (zh) * | 2017-03-29 | 2018-10-04 | 腾讯科技(深圳)有限公司 | 信息识别方法、计算设备及存储介质 |
US20190242720A1 (en) * | 2018-02-07 | 2019-08-08 | Topos Inc. | Systems and methods for constructing spatial activity zones |
CN111241881A (zh) * | 2018-11-29 | 2020-06-05 | 中国移动通信集团四川有限公司 | 区域识别的方法、装置、设备和介质 |
CN110597943A (zh) * | 2019-09-16 | 2019-12-20 | 腾讯科技(深圳)有限公司 | 基于人工智能的兴趣点处理方法、装置及电子设备 |
CN111368468A (zh) * | 2020-02-21 | 2020-07-03 | 东南大学 | 基于数理方法及编程算法求取集中型村落二维边界的方法 |
CN111695488A (zh) * | 2020-06-09 | 2020-09-22 | 北京百度网讯科技有限公司 | 兴趣面识别方法、装置、设备以及存储介质 |
CN111881377A (zh) * | 2020-08-05 | 2020-11-03 | 腾讯科技(深圳)有限公司 | 位置兴趣点的处理方法及装置 |
Non-Patent Citations (1)
Title |
---|
丁松涛;曲仕茹;: "基于深度学习的交通目标感兴趣区域检测", 中国公路学报, no. 09 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111400557A (zh) * | 2020-03-06 | 2020-07-10 | 北京市环境保护监测中心 | 大气污染重点区域自动识别的方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11861919B2 (en) | Text recognition method and device, and electronic device | |
CN113205037B (zh) | 事件检测的方法、装置、电子设备以及可读存储介质 | |
CN108229740B (zh) | 一种商圈边界的确定方法、装置、服务器及存储介质 | |
CN113971723B (zh) | 高精地图中三维地图的构建方法、装置、设备和存储介质 | |
CN112652036A (zh) | 道路数据的处理方法、装置、设备及存储介质 | |
CN114648676A (zh) | 点云处理模型的训练和点云实例分割方法及装置 | |
CN113792061A (zh) | 地图数据的更新方法、装置及电子设备 | |
CN112559631A (zh) | 分布式图数据库的数据处理方法、装置以及电子设备 | |
CN113298910A (zh) | 生成交通标志线地图的方法、设备和存储介质 | |
CN114186007A (zh) | 高精地图生成方法、装置、电子设备和存储介质 | |
CN113377890A (zh) | 一种地图质检方法、装置、电子设备及存储介质 | |
CN114549058A (zh) | 选址方法、装置、电子设备和可读存储介质 | |
CN113723405A (zh) | 区域轮廓的确定方法、装置和电子设备 | |
CN112862017A (zh) | 点云数据的标注方法、装置、设备和介质 | |
CN112988932B (zh) | 高精地图标注方法、装置、设备、可读存储介质及产品 | |
CN115687587A (zh) | 一种基于位置信息的物联设备与空间对象关联匹配方法、装置、设备及介质 | |
CN115511343A (zh) | 一种城市核心区域的确定方法、装置、设备以及存储介质 | |
CN112948517B (zh) | 区域位置标定方法、装置及电子设备 | |
CN114691691A (zh) | 基于Geohash的空间数据处理方法、装置及电子设备 | |
CN114596196A (zh) | 点云数据的滤波方法和装置、设备以及存储介质 | |
CN115049997A (zh) | 边缘车道线的生成方法、装置、电子设备及存储介质 | |
CN114625822A (zh) | 高精地图的更新方法、装置及电子设备 | |
CN114330807A (zh) | 路线的确定方法、装置和电子设备 | |
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 | |
CN114677570B (zh) | 道路信息更新方法、装置、电子设备以及存储介质 |
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 |