CN114399428A - 面状人工要素降维处理方法 - Google Patents

面状人工要素降维处理方法 Download PDF

Info

Publication number
CN114399428A
CN114399428A CN202210074014.2A CN202210074014A CN114399428A CN 114399428 A CN114399428 A CN 114399428A CN 202210074014 A CN202210074014 A CN 202210074014A CN 114399428 A CN114399428 A CN 114399428A
Authority
CN
China
Prior art keywords
planar
dimension reduction
reduction processing
elements
edges
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
Application number
CN202210074014.2A
Other languages
English (en)
Inventor
向泽君
陈良超
周智勇
刘昌振
胡开全
张燕
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.)
Chongqing Survey Institute Chongqing Map Compilation Center
Original Assignee
Chongqing Survey Institute Chongqing Map Compilation Center
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 Chongqing Survey Institute Chongqing Map Compilation Center filed Critical Chongqing Survey Institute Chongqing Map Compilation Center
Priority to CN202210074014.2A priority Critical patent/CN114399428A/zh
Publication of CN114399428A publication Critical patent/CN114399428A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06T3/06—Topological mapping of higher dimensional structures onto lower dimensional surfaces
    • 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
    • G06T3/20—Linear translation of whole images or parts thereof, e.g. panning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Remote Sensing (AREA)
  • Computer Graphics (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种面状人工要素降维处理方法，包括，获取大比例尺地形图中面状要素的要素特征，通过面积特征筛选需要进行降维处理的面状要素，将面状要素的边长特征与特征边识别条件进行匹配，筛选出短特征边，并统计筛选出的短特征边的数量，若短特征边的数量满足降维处理的条件，则根据短特征边划分面状要素的长特征边，基于长特征边的节点构建虚拟边，并依次连接短特征边和虚拟边的中点生成线要素，如果线要素长度是否超过长度阈值，将面状要素降维成线状要素，反之，将面状要素降维成点状要素。如此能够将面状要素降维处理为点状要素或线状要素，并且提高综合制图中人工要素自动化处理程度。

Description

面状人工要素降维处理方法
技术领域
本发明涉及专门适用于特定应用的数字计算或数据处理的设备或方法技术领域，具体涉及一种面状人工要素降维处理方法。
背景技术
将大比例尺地形图通过缩编的方式获得小比例尺地形图是生产中常用的方式，因数据的承载量和符号的显示要求，在缩编过程中，要将满足一定条件的面状人工要素转换为线状要素或点状要素表示。桥梁、涵洞、房屋等人工要素是地形图中占比较大的要素，需要将大比例尺地形图中的满足条件的面状要素转换为对应的线状要素或点状要素表示。
现有技术一般采用人机交互的方式进行面状要素的半自动降维处理，人工根据面状要素的面积和长宽，将面状要素绘制为线状要素或点状要素，虽然能够对面状要素进行降维处理，但人工绘制的工作量大且容易产生错漏。因此，现在亟需一种能够提高人工要素自动化处理程度的技术。
发明内容
针对现有技术存在的不足，本发明提出一种面状人工要素降维处理方法。可以提高综合制图中人工要素自动化处理程度，减少人工绘制的工作量和错漏。
第一方面，提供了一种面状人工要素降维处理方法，包括：
获取大比例尺地形图中面状要素的要素特征，该要素特征包括面积特征和每条边的边长特征；
通过面积特征判定是否需要对面状要素进行降维处理；
响应于需要对面状要素进行降维处理，将每条边的边长特征与特征边识别条件进行匹配，筛选出面状要素的短特征边，并统计筛选出的短特征边的数量；
根据短特征边的数量判定是否需要对面状要素进一步进行降维处理；
响应于需要进一步进行降维处理，根据短特征边对面状要素的边进行划分，确定面状要素的长特征边；
根据长特征边的各个节点的位置坐标构建起长特征边之间的虚拟边；
依次连接短特征边和虚拟边的中点，生成线要素；
判定线要素长度是否超过长度阈值，若线要素长度超过长度阈值，将面状要素降维成线状要素，反之，将面状要素降维成点状要素。
结合第一方面，在第一方面的第一种可实现方式中，所述通过面积特征判定是否需要对面状要素进行降维处理，包括：
将所述面积特征与面积阈值进行比较，若面积特征小于面积阈值，则需要对面状要素进行降维处理，反之，则不需要对面状要素进行降维处理。
结合第一方面的第一种可实现方式，在第一方面的第二种可实现方式中，所述特征边识别条件包括：
Figure BDA0003483275450000021
其中，L为边长，α1、α2分别为相邻两条边的方位角，θ为角度阈值，λ为宽度阈值。
结合第一方面的第二种可实现方式，在第一方面的第三种可实现方式中，根据缩编尺度设定所述宽度阈值、面积阈值和长度阈值。
结合第一方面，在第一方面的第四种可实现方式中，所述确定面状要素的长特征边包括：通过所述短特征边将面状要素的边界划分为两个部分，并将划分得到的两部分的线段组成所述长特征边。
结合第一方面，在第一方面的第五种可实现方式中，所述根据长特征边的各个节点的位置坐标构建起长特征边之间的虚拟边包括：
根据相应的位置坐标计算长特征边的各个节点之间的距离；
将各个节点之间的距离与距离阈值进行比较，筛选出距离小于距离阈值的两个节点组成虚拟边。
结合第一方面的第五种可实现方式，在第一方面的第六种可实现方式中，若所述长特征边中存在特殊节点，该特殊节点与其他长特征边的节点之间的距离大于距离阈值，则选取其他长特征边中距离特殊节点最近的位置点与所述特殊节点组成虚拟边。
结合第一方面的第六种可实现方式，在第一方面的第七种可实现方式中，所述距离阈值为宽度阈值的1.5倍。
结合第一方面，在第一方面的第八种可实现方式中，所述点状要素的坐标为线要素的中点，所述点状要素的方向为线要素的方位角。
第二方面，提供了一种存储介质，存储有计算机程序，该计算机程序运行时，执行如第一方面、第一方面的第一至八种可实现方式中的任意一种面状人工要素降维处理方法。
有益效果：采用本发明的面状人工要素降维处理方法，能够将面状要素降维处理为点状要素或线状要素，处理后的点状要素或线状要素也符合原来面状要素的整体形状，降维处理效果较好，能够满足实际生产使用，并且提高综合制图中人工要素自动化处理程度。
附图说明
为了更清楚地说明本发明具体实施方式，下面将对具体实施方式中所需要使用的附图作简单地介绍。在所有附图中，各元件或部分并不一定按照实际的比例绘制。
图1为本发明一实施例提供的面状人工要素降维处理方法的流程图；
图2为本发明一实施例提供的降维处理的面状要素的示意图；
图3为本发明一实施例提供的长特征边的示意图；
图4为本发明一实施例提供的虚拟边的示意图；
图5为本发明一实施例提供的线要素的示意图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只作为示例，而不能以此来限制本发明的保护范围。
应理解，本发明实施例中的“面状要素”即为“面状人工要素”，还应理解本发明实施例的技术方案适用于在大比例尺地形图缩编为更小比例尺地形图时，部分面状人工要素因面积太小，在小比例尺地形图上应表示为线状要素或点状要素，因此需要对这部分具有一定的规则特征的面状人工要素降维处理。
如图1所示的面状人工要素降维处理方法的流程图，该处理方法包括：
步骤1、获取大比例尺地形图中面状要素的要素特征，该要素特征包括面积特征和每条边的边长特征；
步骤2、通过面积特征判定是否需要对面状要素进行降维处理；
响应于需要对面状要素进行降维处理，将每条边的边长特征与特征边识别条件进行匹配，筛选出面状要素的短特征边，并统计筛选出的短特征边的数量；
步骤3、根据短特征边的数量判定是否需要对面状要素进一步进行降维处理；
响应于需要进一步进行降维处理，根据短特征边对面状要素的边进行划分，确定面状要素的长特征边；
步骤4、根据长特征边的各个节点的位置坐标构建起长特征边之间的虚拟边；
步骤5、依次连接短特征边和虚拟边的中点，生成线要素；
步骤6、判定线要素长度是否超过长度阈值，若线要素长度超过长度阈值，将面状要素降维成线状要素，反之，将面状要素降维成点状要素。
具体而言，首先，可以通过地图信息系统获取大比例尺地形图中每个的面状要素的面积数据和每条边的边长数据等特征数据。然后，可以根据面状要素的面积数据判定是否需要对面状要素进行降维处理，以自动剔除部分面积较大的面状要素，替代人工筛选降维处理的面状要素，提高人工要素自动化处理程度。
对于需要进行降维处理的面状要素，如图2所示的面状要素P1P2P3P4P5P6P7P8，可以将面状要素的每条边的边长数据与预设的特征边识别条件进行匹配，从面状要素的所有边中筛选出满足特征边识别条件的短特征边，并统计面状要素包含的短特征边的数量。
之后，可以判定面状要素的短特征边的数量是否满足降维条件，在本实施例中，可以将降维条件设定为短特征边的数量未超过2条。即如果短特征边的数量超过2条，则不需要对面状要素进一步进行降维处理。因为超过2条的短特征边会将面状要素划分为多个部分，对超过2条长特征降维处理，无法得到一条简单的线要素。
对于需要进一步处理的面状要素，可以根据短特征边对面状要素的边进行划分，确定面状要素的长特征边。然后，在长特征边之间构建起虚拟边，再将短特征边和虚拟边的中点依次连接起来，形成面状要素对应的线要素。最后，判断线要素的长度是否超过预设的长度阈值，如果超过，则将面状要素降维成线状要素，反之，则将面状要素降维成点状要素。
因此，本实施例的处理方法，能够自动筛选需要进行降维处理的面状要素，并可以根据面状要素的特征自动对需处理的面状要素进行降维处理，处理后的点状要素或线状要素也符合原来面状要素的整体形状，降维处理效果较好，能够满足实际生产使用，并且提高综合制图中人工要素自动化处理程度。
在本实施例中，可选的，所述通过面积特征判定是否需要对面状要素进行降维处理，包括：
将所述面积特征与面积阈值进行比较，若面积特征小于面积阈值，则需要对面状要素进行降维处理，反之，则不需要对面状要素进行降维处理。
在获取到面状要素的面积数据后，可以将面积数据与预设的面积阈值进行比较，如果面状要素的面积小于面积阈值，则需要对该面状要素进行处理，如果面状要素的面积大于面积阈值，则不需要对面状要素进行处理。
其中，面积阈值可以根据缩编尺度尺设定，比如1：2000比例尺地形图缩编为1:5000比例尺地形图，面积阈值可以设定为120m2，1：2000比例尺地形图中面积小于120m2的人工面状要素都需要进行降维处理。1：5000比例尺地形图缩编为1:10000比例尺地形图，面积阈值可以设定为480m2。1：5000比例尺地形图中面积小于480m2的人工面状要素需要进行降维处理。
在本实施例中，可选的，所述特征边识别条件包括：
Figure BDA0003483275450000061
其中，L为边长，α1、α2分别为相邻两条边的方位角，θ为角度阈值，λ为宽度阈值。
对于需要进行降维处理的面状要素，可以将面状要素每条边的边长特征与上述的特征边识别条件进行比较。边长特征包括边长和方位角其中，只要边长小于设定的宽度阈值，且与该边相邻两条边的方位角满足|α1-α2-π|＜θ，或者α1-α2+π|＜θ，面状要素的这条边即为短特征边。
可以根据地形图的缩编尺度设定宽度阈值，如1：2000比例尺地形图缩编为1:5000比例尺地形图，宽度阈值可以设定为3.5m，1：5000比例尺地形图缩编为1:10000比例尺地形图，宽度阈值可以设定为7m。方位角阈值可以设定为π/24。面状要素中边长特征满足边长小于3.5m，且满足|α1-α2-π|＜π/24，或者|α1-α2+π|＜π/24的边即为短特征边。
如图2所示的面状要素P1P2P3P4P5P6P7P8，其中边P4P5和边P8P1的边长小于3.5m，且也满足方位角阈值的限定，因此，图所示的面状要素的短特征边为边P4P5和边P8P1。因为短特征边的数量为2条，满足进一步降维处理的条件，所以需要对图所示的面状要素进一步进行降维处理。
在本实施例中，可选的，所述确定面状要素的长特征边包括：通过所述短特征边将面状要素的边界划分为两个部分，并将划分得到的两部分的线段组成所述长特征边
具体而言，可以通过短特征边为P4P5和边P8P1，将图2所示的面状要素的边界划分成两部分，将划分得到的两部分的线段组成如图3所示的两条独立的长特征边P1P2P3P4和P5P6P7P8。
在本实施例中，可选的，所述根据长特征边的各个节点的位置坐标构建起长特征边之间的虚拟边包括：
根据相应的位置坐标计算长特征边的各个节点之间的距离；
将各个节点之间的距离与距离阈值进行比较，筛选出距离小于距离阈值的两个节点组成虚拟边。
具体而言，根据长特征边的各个节点的位置坐标构建起长特征边之间的虚拟边时，可以通过地图信息系统获取长特征边中各个节点位置坐标，并根据相应的坐标计算其中一条长特征边的节点其他长特征边的节点之间的距离。因为长特征边包括短特征边的节点，所以在计算距离时可以排除短特征边对应的节点。
之后，可以将计算得到的距离数据与距离阈值进行比较，距离数据小于距离阈值的两个节点可以作为虚拟边的两个虚拟节点，从而构建起长特征边之间的虚拟边，在本实施例中，距离阈值可以设定为宽度阈值的1.5倍。
以图3所示的两条长特征边为例，通过计算比较发现长特征边P1P2P3P4的节点P2与长特征边P5P6P7P8的节点P7之间的距离、节点P3和节点P6之间的距离小于距离阈值，节点P2和节点P7可以作为虚拟节点构建起虚拟边P2P7，节点P3和节点P6可以作为虚拟节点构建起虚拟边P3P6。长特征边P1P2P3P4与长特征边P5P6P7P8之间构建起的虚拟边如图4所示。
在本实施例中，可选的，若所述长特征边中存在特殊节点，该特殊节点与其他长特征边的节点之间的距离大于距离阈值，则选取其他长特征边中距离特殊节点最近的位置点与所述特殊节点组成虚拟边。
在计算长特征边之间的节点距离过程中，也可能会出现长特征边的节点与其他长特征边的节点之间的距离均大于距离阈值的特殊情况，而这种节点即为特殊节点。对于这种特殊节点，可以遍历其他特征边上的各个位置点的位置坐标，从中筛选出距离特殊节点最近的位置点作为虚拟节点与特殊节点组成虚拟边。
长特征边之间的虚拟边构建完毕后，可以根据虚拟边的虚拟节点的位置坐标确定每条虚拟边中点的位置坐标，以及根据短特征边的节点的位置坐标确定短特征边中点的位置坐标。再依次将短特征边中点和虚拟边中点依次连接起来即可生成线要素。
如图5所示，其中短特征边P8P1、短特征边P4P5的中点分别为点C1、C4，虚拟边P2P7、虚拟边P3P6的中点分别为C2、C3。将点C1、C2、C3和C4依次连接起来就构成了面状要素P1P2P3P4P5P6P7P8的降维处理后的线要素C1C2C3C4。
再根据短特征边中点和虚拟边中点的位置坐标可以计算出线要素的线要素长度。将线要素长度与长度阈值进行比较，如果线要素长度大于长度阈值，则直接对线要素符号化，得到面状要素降维处理后的线状要素。如果线要素长度小于长度阈值，则对线要素的中点符号化，得到面状要素降维处理后的点状要素，所述点状要素的方向为线要素的方位角。
一种存储介质，存储有计算机程序，该计算机程序运行时，执行上述的面状人工要素降维处理方法。
以上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，其均应涵盖在本发明的权利要求和说明书的范围当中。

Claims (10)

1.一种面状人工要素降维处理方法，其特征在于，包括：
获取大比例尺地形图中面状要素的要素特征，该要素特征包括面积特征和每条边的边长特征；
通过面积特征判定是否需要对面状要素进行降维处理；
响应于需要对面状要素进行降维处理，将每条边的边长特征与特征边识别条件进行匹配，筛选出面状要素的短特征边，并统计筛选出的短特征边的数量；
根据短特征边的数量判定是否需要对面状要素进一步进行降维处理；
响应于需要进一步进行降维处理，根据短特征边对面状要素的边进行划分，确定面状要素的长特征边；
根据长特征边的各个节点的位置坐标构建起长特征边之间的虚拟边；
依次连接短特征边和虚拟边的中点，生成线要素；
判定线要素长度是否超过长度阈值，若线要素长度超过长度阈值，将面状要素降维成线状要素，反之，将面状要素降维成点状要素。
2.根据权利要求1所述的面状人工要素降维处理方法，其特征在于，所述通过面积特征判定是否需要对面状要素进行降维处理，包括：
将所述面积特征与面积阈值进行比较，若面积特征小于面积阈值，则需要对面状要素进行降维处理，反之，则不需要对面状要素进行降维处理。
3.根据权利要求2所述的面状人工要素降维处理方法，其特征在于，所述特征边识别条件包括：
Figure FDA0003483275440000011
其中，L为边长，α1、α2分别为相邻两条边的方位角，θ为角度阈值，λ为宽度阈值。
4.根据权利要求3所述的面状人工要素降维处理方法，其特征在于，根据缩编尺度设定所述宽度阈值、面积阈值和长度阈值。
5.根据权利要求1所述的面状人工要素降维处理方法，其特征在于，所述确定面状要素的长特征边包括：通过所述短特征边将面状要素的边界划分为两个部分，并将划分得到的两部分的线段组成所述长特征边。
6.根据权利要求1所述的面状人工要素降维处理方法，其特征在于，所述根据长特征边的各个节点的位置坐标构建起长特征边之间的虚拟边包括：
根据相应的位置坐标计算长特征边的各个节点之间的距离；
将各个节点之间的距离与距离阈值进行比较，筛选出距离小于距离阈值的两个节点组成虚拟边。
7.根据权利要求6所述的面状人工要素降维处理方法，其特征在于，若所述长特征边中存在特殊节点，该特殊节点与其他长特征边的节点之间的距离大于距离阈值，则选取其他长特征边中距离特殊节点最近的位置点与所述特殊节点组成虚拟边。
8.根据权利要求1所述的面状人工要素降维处理方法，其特征在于，所述距离阈值为宽度阈值的1.5倍。
9.根据权利要求1所述的面状人工要素降维处理方法，其特征在于，所述点状要素的坐标为线要素的中点，所述点状要素的方向为线要素的方位角。
10.一种存储介质，存储有计算机程序，其特征在于：该计算机程序运行时，执行如权利要求1-9任一所述的面状人工要素降维处理方法。
CN202210074014.2A 2022-01-21 2022-01-21 面状人工要素降维处理方法 Pending CN114399428A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210074014.2A CN114399428A (zh) 2022-01-21 2022-01-21 面状人工要素降维处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210074014.2A CN114399428A (zh) 2022-01-21 2022-01-21 面状人工要素降维处理方法

Publications (1)

Publication Number Publication Date
CN114399428A true CN114399428A (zh) 2022-04-26

Family

ID=81233618

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210074014.2A Pending CN114399428A (zh) 2022-01-21 2022-01-21 面状人工要素降维处理方法

Country Status (1)

Country Link
CN (1) CN114399428A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115719492A (zh) * 2022-11-29 2023-02-28 中国测绘科学研究院 一种面状要素宽窄特征识别方法、装置、设备及可读存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115719492A (zh) * 2022-11-29 2023-02-28 中国测绘科学研究院 一种面状要素宽窄特征识别方法、装置、设备及可读存储介质
CN115719492B (zh) * 2022-11-29 2023-08-11 中国测绘科学研究院 一种面状要素宽窄特征识别方法、装置、设备及可读存储介质

Similar Documents

Publication Publication Date Title
CN110222642B (zh) 一种基于全局图聚类的平面建筑构件点云轮廓提取方法
CN113269791B (zh) 一种基于边缘判定与区域生长的点云分割方法
CN113721969B (zh) 一种基于多尺度空间矢量数据级联更新方法
CN105787977A (zh) 建筑物矢量边界简化的方法
CN112598724B (zh) 一种改进的基于tin的矢量数据中心线提取方法
CN111428811B (zh) 一种单环多边形自相交模式识别及处理方法
CN112288807A (zh) 一种高精度地图中路口数据生成方法及装置
CN112330699A (zh) 一种基于重叠区域对齐的三维点云分割方法
CN114399428A (zh) 面状人工要素降维处理方法
CN111125470A (zh) 一种提升异常数据挖掘筛选的方法
CN112966330A (zh) 交叉墙体的墙面生成方法、计算机设备及可读存储介质
CN115525951A (zh) 建筑物轮廓优化及特征边重构的规则化方法及装置
CN111563925A (zh) 一种基于广义Pascal映射的椭圆检测加速方法
CN116227209A (zh) 一种点云数据多维线性差值方法、终端设备及存储介质
CN111008429B (zh) 一种基于点云的异构cad几何一致性对比方法
CN111489386B (zh) 点云特征点提取方法、装置、存储介质、设备及系统
CN109993695B (zh) 一种不规则图形标注的图像碎片拼接方法及系统
Li et al. An improved Douglas-Peucker algorithm for fast curve approximation
CN113724280B (zh) 一种地面天气图高压系统的自动识别方法
CN116452604A (zh) 一种复杂变电站场景分割方法、设备及存储介质
CN113379871B (zh) 地图处理方法及装置
CN114445570A (zh) 一种从高精度地图中快速提取条带状局部地图要素的方法
CN110727814B (zh) 一种图像形状特征描述符的获取方法
CN112967333A (zh) 基于等级划分的复杂点云骨架提取方法及系统
CN114821156B (zh) 一种面向跑道线的变分辨率高精度检测方法和系统

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