CN114780666A - 一种数字孪生城市中道路标签优化方法及系统 - Google Patents
一种数字孪生城市中道路标签优化方法及系统 Download PDFInfo
- Publication number
- CN114780666A CN114780666A CN202210716752.2A CN202210716752A CN114780666A CN 114780666 A CN114780666 A CN 114780666A CN 202210716752 A CN202210716752 A CN 202210716752A CN 114780666 A CN114780666 A CN 114780666A
- Authority
- CN
- China
- Prior art keywords
- label
- road
- coordinate
- labels
- coordinates
- 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
- 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
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/21—Collision detection, intersection
Abstract
本发明属于数字孪生应用领域,提供了一种数字孪生城市中道路标签优化方法及系统,包括:将标签的经纬度坐标转化为图形引擎坐标;确定道路覆盖范围,并获取所述覆盖范围的左上角坐标和右下角坐标;将所述覆盖范围划分为若干个地块,计算地块的数量;通过图形引擎坐标计算标签位置所在地块的序号;利用射线碰撞检测地块的高度,将所述高度赋值给地块上的标签,得到标签的坐标值;利用标签所在地块的序号匹配二维数组,将标签的信息存入匹配上的二维数组,后匹配上的标签覆盖掉先匹配上的标签信息。本发明用于解决现有技术中存在的道路标签在道路地面以下或悬浮在空中生成,以及在道路的交叉路口处存在标签重叠的技术问题。
Description
技术领域
本发明涉及数字孪生应用领域,尤其涉及一种数字孪生城市中道路标签优化方法及系统。
背景技术
随着科技的发展,以物联网、大数据、人工智能为典型的数字化正在改变世界,数字孪生技术逐步从制造业延伸至城市空间,与城市规划、建设与发展紧密联系在一起,搭建成了数字孪生城市。数字孪生城市中存在大量以矢量数据表达的对象,如POI兴趣点、道路、河流、规划图等,上述对象需要在数字孪生场景中绘制和表达,与现实世界保持一致。
在数字孪生场景中,需要在道路上绘制出对应道路标签或道路名称,使用户能够更加清楚、直观的获得道路信息。目前,道路标签标记技术中二维地图中发展的较为成熟,而在数字孪生场景中的坐标系为三维坐标系,可以从不同角度、不同方向查看道路,道路标签可能在道路地面以下或悬浮在空中生成,在不同的场景角度观看道路,道路标签出现错位的情况,如图1所示。同时,在道路的交叉路口处可能存在标签重叠,影响用户的观感,如图2所示。目前,尚未有公开的技术可以有效地解决上述两个技术问题。
发明内容
有鉴于此,本发明实施例提供了数字孪生城市中道路标签优化方法及系统,用以解决上述技术问题。
第一方面,本发明实施例提供了一种数字孪生城市中道路标签优化方法,所述方法包括:
S1.将标签的经纬度坐标转化为数字孪生场景中的二维图形引擎坐标;
S2.利用射线碰撞检测标签离地面的高度,将所述高度赋值给标签,得到标签的三维坐标;
S3.确定道路的覆盖范围,并获取所述覆盖范围的左上角坐标和右下角坐标;
S4.将所述覆盖范围划分为若干个地块,计算地块的数量,并根据地块的数量构建二维数组;
S5.计算标签的坐标所在地块的序号;
S6.利用标签所在地块的序号匹配二维数组,将标签的信息存入匹配上的二维数组,后匹配上的标签替换已匹配的标签信息。
优选的,所述S1具体包括:
S11.获取所有道路标签的经纬度坐标;
S12.将经纬度坐标近似为双精度坐标;
S13.将双精度坐标转换为投影坐标;
S14.将投影坐标转换为二维图形引擎坐标。
优选的,所述S2具体包括:
S21.定义碰撞检测函数,地面为碰撞体;
S22.通过射线碰撞检测标签投影到地面的点的水平高度;
S23.将所述水平高度作为所述标签z轴坐标值,二维图形引擎坐标更新为三维坐标;
S24.将所述三维坐标存入结构体中。
优选的,所述S4具体包括:
S41.获取相邻两个标签之间的距离,得到标签间距;
S42.设定单位长度,所述单位长度不小于标签间距;
S43.以所述覆盖范围的左上角作为原点,按照单位长度沿X轴和Y轴将所述覆盖范围划分为若干个地块;
S44.分别计算X轴方向的地块数量px和Y轴方向上的地块数量py;
S45.设定一个二维数组[m][n] 用于存储地块,数组外层m的长度为px,数组内层n的长度为py。
优选的,所述S44具体包括:
优选的,所述S5具体包括:
通过以下公式计算得出标签所在的地块序号(α, β):
其中,α为X轴上第α块地块,β为Y轴上第β块地块,x为标签的x轴坐标,y为标签的y轴坐标,x0为覆盖范围左上角x轴坐标,y0为覆盖范围左上角y轴坐标。
优选的,所述S6具体包括:
S61.获取所有道路的优先级排序;
S62.按照道路优先级由低到高的顺序依次遍历标签,利用所述标签所在的地块序号(α, β)寻找对应的二维数组[α][ β],其中,α为二维数组的外层数值,β为数组的内层数值;
S63.在所述二维数组[α][ β]内存储标签的结构体;
S64.当有多个不同的标签匹配上同一个二维数组时,后匹配上的标签将先匹配上的标签替换,存储最后匹配上的标签的结构体;
S65.将匹配完成后的二维数组及其存储的结构体存入数据库中。
优选的,所述S62具体包括:
将一条道路上的所有标签与二维数组的下标匹配完成后,再匹配下一条道路,直到所有的道路匹配完成。
第二方面,本发明实施例提供了一种数字孪生城市中道路标签优化系统,包括:
标签转换单元:将标签的经纬度坐标转化为经纬度坐标转化为图形引擎坐标;
范围确定单元:通过射线扫描确定覆盖范围,并获取所述覆盖范围的左上角坐标和右下角坐标;
地块划分单元:将所述覆盖范围划分为若干个地块,计算地块的数量;
标签位置计算单元:通过图形引擎坐标计算标签位置所在地块的序号;
坐标更新单元:利用射线碰撞检测标签位置计算单元中得到的地块的高度,将所述高度赋值给地块上的标签,得到标签的坐标值;
匹配单元:利用标签所在地块的序号匹配二维数组,将标签的信息存入匹配上的二维数组,后匹配上的标签覆盖掉先匹配上的标签信息。
综上所述,本发明的有益效果如下:
1、本发明通过将道路所在的地面范围划分为若干个地块,并计算出标签所在的地块,以地块作为中间量,将标签与数组关联起来。由于一个数组中仅能存储一个标签的结构体,因此,采用本发明采用后覆盖的原则,数组先匹配优先级较低的道路,再匹配优先级较高的道路,使优先级较高的道路标签覆盖掉优先级较低的道路标签,从而快速高效的完成了标签使每条道路标签能够清晰、均匀的显示。
2、通过将标签投影到地面上,可计算出标签所在的道路面的水平高度,将地块的水平高度赋值给标签的z轴坐标,实现了标签贴道路地面生成,从而从数字孪生场景中的任何角度查看,都能精准的获知与道路对应的标签。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单地介绍,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图,这些均在本发明的保护范围内。
图1是现有技术中的标签悬空示意图。
图2是现有技术中的道路拐角处标签重叠示意图。
图3为一种数字孪生城市中道路标签优化方法的流程图。
图4是本发明实施例的道路分段示意图。
图5是本发明实施例的道路拐角示意图。
图6是本发明实施例的地块划分示意图。
图7是本发明实施例的道路拐角标签去重示意图。
图8是本发明实施例的标签贴地示意图。
图9是本发明实施例的一种数字孪生城市中道路标签优化系统的模块框架图。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例,为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细描述。应理解,此处所描述的具体实施例仅被配置为解释本发明,并不被配置为限定本发明。对于本领域技术人员来说,本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。
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。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
实施例1
请参阅图3-图9,本发明实施例提供了一种数字孪生城市中道路标签优化方法,所述道路标签绘制在数字孪生城市中对应的道路上,对道路进行标记和说明。其中,所述标签的计算方法为:
S01.按道路方向依次遍历所有路段,筛选出待绘制标签的路段,具体的,将一条道路上的起点、终点、拐角折弯点作为关键点,通过所述关键点将道路分割为若干个路段;
其中,所述S01具体包括以下步骤:
S011.获取标签间距;
S012.按道路方向遍历路段;
S013.比较当前路段的长度与标签间距的大小:
若当前路段的长度大于标签间距,则标记为待绘制标签的路段。
若当前路段的长度小于标签间距,则进入S014;
S014.将当前路段与下一个路段拼接得到新的路段;
S015.比较新路段的拐角度数与临界度数的大小:
当拐角度数大于临界度数时,重复S012;
当拐角度数小于临界度数时,进入S015;
S016.判断当前路段是否为道路的终点:
若不是,则重复S014;
若是,则遍历结束。
以图4所示为例:
1)以起始路段L12开始依次遍历;
2)L12作为当前路段与标签间距d比较,由于 L12>d,L12标记为待绘制路段,继续遍历至L23;
3)L23作为当前路段与标签间距d比较,由于当L23小于d,将L23与L34拼接为新路段L24;
4)计算L24的拐角度数,比较L24拐角度数的与临界度数的大小:
基于以上实施例,所述拐角度数的计算方法为:
获取路段L24两端关键点Q2、Q4,根据Q2、Q4向量之间的夹角计算得出L24的拐角度数。
根据Q2和Q4向量之间的夹角计算得出新路段的拐角度数。
具体的,如图5所示,Q2和Q4向量之间的夹角为173°。
优选的,所述临界度数设置为172°,当拐角度数大于172°时,道路趋近于直线,可正常显示道路标签,需要说明的是,所述临界度数为自定义参数,可根据实际情况进行设定;
由于L24拐角度数大于临界度数时,继续比较L24与标签间距d的大小;
由于L24大于标签间距d,则将L24标记为待绘制路段。
5)继续遍历L45,直到所述道路遍历完成。
S02.根据标签间距依次计算所述待绘制标签的路段的标签坐标,并存储,具体包括:
S021.获取路段L24两端关键点Q2、Q4的坐标;并将靠近道路起点的关键点Q2设为start,靠近道路终点的关键点Q4设为end;
S022.将标签坐标作为start,计算start与end之间的距离;
S023.比较所述距离与标签间距d的大小:
当所述距离大于标签间距d时,重复S021;
当所述距离小于标签间距d时,结束计算,存储所有标签坐标。
本实施例中,以L12路段为例:Q1为start,Q2为end,将start+d的点确定为标签位置P1;
再以P1为start、Q2为end,计算P1与end之间的距离;
当所述距离大于d时,则将距离start(P1)+d的点确定为标签P2,以此类推,直到标签Pn与end的距离小于d,则跳入下一路段L24。
在路段L24中,Q2为start,Q4为end,将start+d的点确定为标签位置Pn+1,
再以Pn+1为start、Q2为end,计算Pn+1与end之间的距离;
当所述距离大于d时,则将距离start(Pn+1)+d的点确定为标签Pn+2,以此类推,直到标签P2n与end的距离小于d,则跳入下一路段。
标签的坐标计算完成并存储后,需要对其进行优化,一种数字孪生城市中道路标签优化方法,包括:
S10.将标签的经纬度坐标转化为数字孪生场景中的二维图形引擎坐标;
优选的,所述S10具体包括:
S11.获取所有道路标签的经纬度坐标;
S12.将经纬度坐标近似为双精度坐标,以避免与正确数据产生大的偏差;
S13.将双精度坐标转换为投影坐标;
S14.将投影坐标转换为二维图形引擎坐标 (x,y);
基于以上实施例,一种数字孪生城市中道路标签优化方法,还包括:
S20.利用射线碰撞检测标签离地面的高度,将所述高度赋值给标签,得到标签的三维坐标;
所述S20具体包括:
S21.定义碰撞检测函数,地面为碰撞体;
S22.通过射线碰撞检测标签投影到地面的点的水平高度;具体的,以标签的二维图形引擎坐标为发射射线LineTrace,射线探测到地面并获得地面的水平高度。由于地面为碰撞体,可避免射线碰撞到其他物体以干扰检测准确度。
S23.将所述水平高度作为所述标签z轴坐标值,二维图形引擎坐标更新为三维坐标(x,y,z);
S24.将所述三维坐标(x,y,z)存入结构体中。
本实施例中,所述数字孪生城市在UE4中搭建完成,因此所述图形引擎坐标为UE4中的wgs84坐标系。
基于以上实施例,一种数字孪生城市中道路标签优化方法,还包括:
S30.确定道路覆盖范围,并获取所述覆盖范围的左上角坐标(x0,y0)和右下角坐标(xr,yr);
其中,所述覆盖范围将所有的道路包含在内。
S40.将所述覆盖范围划分为若干个地块,计算地块的数量,并根据地块的数量构建二维数组;
请参阅图6,所述S40具体包括:
S41.获取标签间距d;
S42.设定单位长度l,所述单位长度不小于标签间距d;
S43.以左上角作为原点,按照单位长度l沿X轴和Y轴将所述覆盖范围划分为若干个地块;
S44.分别计算X轴方向的地块数量px和Y轴方向上的地块数量py。
具体计算方法如下:
其中,xr为覆盖范围右下角x坐标,x0为覆盖范围左上角x坐标,l为单位长度;
yr为覆盖范围右下角y坐标,y0为覆盖范围左上角y坐标。
S45.设定一个二维数组[m][n] 用于存储地块,数组外层m的长度为px,数组内层n的长度为py,m=px,n=py。
基于以上实施例,一种数字孪生城市中道路标签优化方法,还包括:
S50.计算标签的坐标所在地块的序号(α, β);
其中,α为X轴上第α块地块,β为Y轴上第β块地块,x为标签的x轴坐标,y为标签的y轴坐标,x0为覆盖范围左上角x轴坐标,y0为覆盖范围左上角y轴坐标;
如图6所示,图中有道路A和道路B,道路A上的标签及标签的坐标为A1(xa1,ya1)、A2(xa2,ya2)、A3(xa3,ya3)、A4(xa4,ya4)、A5(xa5,ya5)、…、An(xan,yan),道路B上的标签为B1(xb1,yb1)、B2(xb2,yb2)、B3(xb3,yb3)、B4(xb4,yb4)、…、Bn(xbn,ybn);
通过公式(3)计算可得:
道路A上的标签A1-An所在地块的序号依次为A1(3,2),A2(3,3),A3(4,4),A4(5,5,),A5(6,6)…
道路B上的标签B1-Bn所在地块的序号依次为B1(3,9),B2(4,8),B3(5,7),B4(6,6)…
基于以上实施例,一种数字孪生城市中道路标签优化方法,还包括:
S60.利用标签所在地块的序号匹配二维数组,将标签的信息存入匹配上的二维数组,后匹配上的标签替换已匹配的标签信息;
所述S60具体包括:
S61.获取所有道路的优先级排序;
S62.按照道路优先级由低到高的顺序依次遍历标签,利用所述标签所在的地块序号(α, β)寻找对应的二维数组[α][ β],其中,α为二维数组的外层数值,β为数组的内层数值,一条道路上的所有标签与二维数组的下标匹配完成后,再匹配下一条道路,直到所有的道路匹配完成;
S63.在所述二维数组[α][ β]内存储标签的结构体;
S64.当有多个不同的标签匹配上同一个二维数组时,后匹配上的标签将先匹配上的标签替换,存储最后匹配上的标签的结构体。
S65.将匹配完成后的二维数组及其存储的标签存入数据库中。
如图6所示,道路A的等级低于道路B的等级,首先遍历道路A中的标签A1-An:A1(3,2)匹配至数组[3][2],A2(3,3)匹配至数组[3][3],…,A5(6,6)匹配至数组[6][6]…,匹配上后,将标签的结构体存储至对应的数组;
道路A遍历完毕后,遍历道路B中的标签B1-Bn:B1(3,9)匹配至数组[3][9],B2(4,8)匹配至数组[4][8],…,B4(6,6)匹配至数组[6][6]将覆盖掉A5的数据,数组[6][6]重新存储B4(6,6)的结构体。
由于道路数量大、交叉路口多,利用本实施例中的方法可将交叉路口中重叠的标签快速高效的去重,使每条道路标签能够清晰、均匀的显示;同时,为避免标签在地面以下或悬浮在空中生成,影响用户的观感,本发明给标签赋予了z轴坐标,使标签紧贴的道路所在的地面生成,无论从任何角度查看,道路标签均能准确的显示在道路地面上,如图7、图8所示。
实施例2
请参阅图9,本发明实施例提供了一种数字孪生城市中道路标签优化系统,所述系统包括:
标签转换单元:将标签的经纬度坐标转化为数字孪生场景中的二维图形引擎坐标;
坐标更新单元:利用射线碰撞检测标签离地面的高度,将所述高度赋值给标签,得到标签的三维坐标;
范围确定单元:确定道路的覆盖范围,并获取所述覆盖范围的左上角坐标和右下角坐标;
地块划分单元:将所述覆盖范围划分为若干个地块,计算地块的数量,并根据地块的数量构建二维数组;
序号计算单元:计算标签的坐标所在地块的序号;
匹配单元:利用标签所在地块的序号匹配二维数组,将标签的信息存入匹配上的二维数组,后匹配上的标签替换已匹配的标签信息。
实施例3
另外,本发明实施例的数字孪生城市中道路标签优化方法可以由数字孪生城市中道路标签优化设备来实现。
数字孪生城市中道路标签优化设备可以包括处理器以及存储有计算机程序指令的存储器。
具体地,上述处理器可以包括中央处理器(CPU),或者特定集成电路(ApplicationSpecific Integrated Circuit,ASIC),或者可以被配置成实施本发明实施例的一个或多个集成电路。
存储器可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器可在数据处理装置的内部或外部。在特定实施例中,存储器是非易失性固态存储器。在特定实施例中,存储器包括只读存储器(ROM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
处理器通过读取并执行存储器中存储的计算机程序指令,以实现上述实施例中的任意一种数字孪生城市中道路标签优化方法。
在一个示例中,数字孪生城市中道路标签优化设备还可包括通信接口和总线。其中,如图数字孪生城市中道路标签优化所示,处理器、存储器、通信接口通过总线连接并完成相互间的通信。
通信接口,主要用于实现本发明实施例中各模块、装置、单元和/或设备之间的通信。
总线包括硬件、软件或两者,将数字孪生城市中道路标签优化设备的部件彼此耦接在一起。举例来说而非限制,总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线,但本发明考虑任何合适的总线或互连。
实施例4
另外,结合上述实施例中的数字孪生城市中道路标签优化方法,本发明实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例中的任意一种数字孪生城市中道路标签优化方法。
综上所述,本发明实施例提供的数字孪生城市中道路标签优化方法、计算机可读存储介质、设备及系统实现了数字孪生城市中道路标签优化。
需要明确的是,本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本发明的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本发明的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是,本发明中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或系统。但是,本发明不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
以上所述,仅为本发明的具体实施方式,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的系统、模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。应理解,本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。
Claims (9)
1.一种数字孪生城市中道路标签优化方法,其特征在于,包括:
S1.将标签的经纬度坐标转化为数字孪生场景中的二维图形引擎坐标;
S2.利用射线碰撞检测标签离地面的高度,将所述高度赋值给标签,得到标签的三维坐标;
S3.确定道路的覆盖范围,并获取所述覆盖范围的左上角坐标和右下角坐标;
S4.将所述覆盖范围划分为若干个地块,计算地块的数量,并根据地块的数量构建二维数组;
S5.计算标签的坐标所在地块的序号;
S6.利用标签所在地块的序号匹配二维数组,将标签的信息存入匹配上的二维数组,后匹配上的标签替换已匹配的标签信息。
2.根据权利要求1所述的数字孪生城市中道路标签优化方法,其特征在于,所述S1具体包括:
S11.获取所有道路标签的经纬度坐标;
S12.将经纬度坐标近似为双精度坐标;
S13.将双精度坐标转换为投影坐标;
S14.将投影坐标转换为二维图形引擎坐标。
3.根据权利要求1所述的数字孪生城市中道路标签优化方法,其特征在于,所述S2具体包括:
S21.定义碰撞检测函数,地面为碰撞体;
S22.通过射线碰撞检测标签投影到地面的点的水平高度;
S23.将所述水平高度作为所述标签z轴坐标值,二维图形引擎坐标更新为三维坐标;
S24.将所述三维坐标存入结构体中。
4.根据权利要求1所述的数字孪生城市中道路标签优化方法,其特征在于,所述S4具体包括:
S41.获取相邻两个标签之间的距离,得到标签间距;
S42.设定单位长度,所述单位长度不小于标签间距;
S43.以所述覆盖范围的左上角作为原点,按照单位长度沿X轴和Y轴将所述覆盖范围划分为若干个地块;
S44.分别计算X轴方向的地块数量 px和Y轴方向上的地块数量py;
S45.设定一个二维数组[m][n] 用于存储地块,数组外层m的长度为px,数组内层n的长度为py。
7.根据权利要求3所述的数字孪生城市中道路标签优化方法,其特征在于,所述S6具体包括:
S61.获取所有道路的优先级排序;
S62.按照道路优先级由低到高的顺序依次遍历标签,利用所述标签所在的地块序号(α, β)寻找对应的二维数组[α][β],其中,α为二维数组的外层数值,β为数组的内层数值;
S63.在所述二维数组[α][β]内存储标签的结构体;
S64.当有多个不同的标签匹配上同一个二维数组时,后匹配上的标签将先匹配上的标签替换,存储最后匹配上的标签的结构体;
S65.将匹配完成后的二维数组及其存储的结构体存入数据库中。
8.根据权利要求7所述的数字孪生城市中道路标签优化方法,其特征在于,所述S62具体包括:
将一条道路上的所有标签与二维数组的下标匹配完成后,再匹配下一条道路,直到所有的道路匹配完成。
9.一种数字孪生城市中道路标签优化系统,其特征在于:所述系统包括:
标签转换单元:将标签的经纬度坐标转化为数字孪生场景中的二维图形引擎坐标;
坐标更新单元:利用射线碰撞检测标签离地面的高度,将所述高度赋值给标签,得到标签的三维坐标;
范围确定单元:确定道路的覆盖范围,并获取所述覆盖范围的左上角坐标和右下角坐标;
地块划分单元:将所述覆盖范围划分为若干个地块,计算地块的数量,并根据地块的数量构建二维数组;
序号计算单元:计算标签的坐标所在地块的序号;
匹配单元:利用标签所在地块的序号匹配二维数组,将标签的信息存入匹配上的二维数组,后匹配上的标签替换已匹配的标签信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210716752.2A CN114780666B (zh) | 2022-06-23 | 2022-06-23 | 一种数字孪生城市中道路标签优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210716752.2A CN114780666B (zh) | 2022-06-23 | 2022-06-23 | 一种数字孪生城市中道路标签优化方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114780666A true CN114780666A (zh) | 2022-07-22 |
CN114780666B CN114780666B (zh) | 2022-09-27 |
Family
ID=82422427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210716752.2A Active CN114780666B (zh) | 2022-06-23 | 2022-06-23 | 一种数字孪生城市中道路标签优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114780666B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116049505A (zh) * | 2023-04-03 | 2023-05-02 | 杭州美创科技股份有限公司 | 屏幕空间标签碰撞检测方法、装置、计算机设备及存储介质 |
Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010114821A1 (en) * | 2009-03-30 | 2010-10-07 | Zymo Research Corporation | Genomic dna methylation analysis |
CN102750711A (zh) * | 2012-06-04 | 2012-10-24 | 清华大学 | 一种基于图像分割和运动估计的双目视频深度图求取方法 |
CN102982544A (zh) * | 2012-11-21 | 2013-03-20 | 清华大学 | 多前景目标图像交互式分割方法 |
CN103136232A (zh) * | 2011-11-25 | 2013-06-05 | 北京中交兴路信息科技有限公司 | 一种动态地图展示方法和装置 |
CN104200197A (zh) * | 2014-08-18 | 2014-12-10 | 北京邮电大学 | 三维人体行为识别方法及装置 |
CN105096385A (zh) * | 2015-07-20 | 2015-11-25 | 北京工业大学 | 一种二维地震剖面三维显示方法 |
CN105334525A (zh) * | 2015-11-26 | 2016-02-17 | 武大吉奥信息技术有限公司 | 一种基于增强现实技术的地理信息显示方法 |
CN105589861A (zh) * | 2014-10-22 | 2016-05-18 | 杭州海康威视系统技术有限公司 | 一种在地图数据中快速定位的方法 |
CN109696653A (zh) * | 2017-10-23 | 2019-04-30 | 深圳市优必选科技有限公司 | 基站坐标的标定方法及装置 |
US20190304098A1 (en) * | 2016-12-12 | 2019-10-03 | University Of Notre Dame Du Lac | Segmenting ultrasound images |
CN111368853A (zh) * | 2020-02-04 | 2020-07-03 | 清华珠三角研究院 | 一种标签的构建方法、系统、装置及存储介质 |
CN112765702A (zh) * | 2020-12-23 | 2021-05-07 | 深圳小库科技有限公司 | 一种建筑辅助线捕捉的方法及装置 |
CN112991742A (zh) * | 2021-04-21 | 2021-06-18 | 四川见山科技有限责任公司 | 一种实时交通数据的可视化仿真方法及系统 |
CN112990114A (zh) * | 2021-04-21 | 2021-06-18 | 四川见山科技有限责任公司 | 一种基于ai识别的交通数据可视化仿真方法及系统 |
CN113096251A (zh) * | 2021-04-06 | 2021-07-09 | 苍穹数码技术股份有限公司 | 基于cim的模型处理方法、装置、设备及存储介质 |
CN113162240A (zh) * | 2021-05-12 | 2021-07-23 | 泰瑞数创科技(北京)有限公司 | 城市信息模型的电力载波智能监测方法及其系统 |
CN113570712A (zh) * | 2021-09-23 | 2021-10-29 | 南京烽火星空通信发展有限公司 | 一种基于gcn的3d建模优化方法 |
CN113750516A (zh) * | 2021-08-27 | 2021-12-07 | 广州市城市规划勘测设计研究院 | 一种在游戏引擎中实现三维gis数据加载方法、系统及设备 |
CN114385168A (zh) * | 2022-01-14 | 2022-04-22 | 中国联合网络通信集团有限公司 | 可视化地图生成方法、装置、服务器及系统 |
CN114404954A (zh) * | 2021-12-29 | 2022-04-29 | 北京像素软件科技股份有限公司 | 一种处理小地图的方法、装置、终端及存储介质 |
CN114429515A (zh) * | 2021-12-21 | 2022-05-03 | 北京地平线机器人技术研发有限公司 | 一种点云地图构建方法、装置和设备 |
-
2022
- 2022-06-23 CN CN202210716752.2A patent/CN114780666B/zh active Active
Patent Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010114821A1 (en) * | 2009-03-30 | 2010-10-07 | Zymo Research Corporation | Genomic dna methylation analysis |
CN103136232A (zh) * | 2011-11-25 | 2013-06-05 | 北京中交兴路信息科技有限公司 | 一种动态地图展示方法和装置 |
CN102750711A (zh) * | 2012-06-04 | 2012-10-24 | 清华大学 | 一种基于图像分割和运动估计的双目视频深度图求取方法 |
CN102982544A (zh) * | 2012-11-21 | 2013-03-20 | 清华大学 | 多前景目标图像交互式分割方法 |
CN104200197A (zh) * | 2014-08-18 | 2014-12-10 | 北京邮电大学 | 三维人体行为识别方法及装置 |
CN105589861A (zh) * | 2014-10-22 | 2016-05-18 | 杭州海康威视系统技术有限公司 | 一种在地图数据中快速定位的方法 |
CN105096385A (zh) * | 2015-07-20 | 2015-11-25 | 北京工业大学 | 一种二维地震剖面三维显示方法 |
CN105334525A (zh) * | 2015-11-26 | 2016-02-17 | 武大吉奥信息技术有限公司 | 一种基于增强现实技术的地理信息显示方法 |
US20190304098A1 (en) * | 2016-12-12 | 2019-10-03 | University Of Notre Dame Du Lac | Segmenting ultrasound images |
CN109696653A (zh) * | 2017-10-23 | 2019-04-30 | 深圳市优必选科技有限公司 | 基站坐标的标定方法及装置 |
CN111368853A (zh) * | 2020-02-04 | 2020-07-03 | 清华珠三角研究院 | 一种标签的构建方法、系统、装置及存储介质 |
CN112765702A (zh) * | 2020-12-23 | 2021-05-07 | 深圳小库科技有限公司 | 一种建筑辅助线捕捉的方法及装置 |
CN113096251A (zh) * | 2021-04-06 | 2021-07-09 | 苍穹数码技术股份有限公司 | 基于cim的模型处理方法、装置、设备及存储介质 |
CN112991742A (zh) * | 2021-04-21 | 2021-06-18 | 四川见山科技有限责任公司 | 一种实时交通数据的可视化仿真方法及系统 |
CN112990114A (zh) * | 2021-04-21 | 2021-06-18 | 四川见山科技有限责任公司 | 一种基于ai识别的交通数据可视化仿真方法及系统 |
CN113162240A (zh) * | 2021-05-12 | 2021-07-23 | 泰瑞数创科技(北京)有限公司 | 城市信息模型的电力载波智能监测方法及其系统 |
CN113750516A (zh) * | 2021-08-27 | 2021-12-07 | 广州市城市规划勘测设计研究院 | 一种在游戏引擎中实现三维gis数据加载方法、系统及设备 |
CN113570712A (zh) * | 2021-09-23 | 2021-10-29 | 南京烽火星空通信发展有限公司 | 一种基于gcn的3d建模优化方法 |
CN114429515A (zh) * | 2021-12-21 | 2022-05-03 | 北京地平线机器人技术研发有限公司 | 一种点云地图构建方法、装置和设备 |
CN114404954A (zh) * | 2021-12-29 | 2022-04-29 | 北京像素软件科技股份有限公司 | 一种处理小地图的方法、装置、终端及存储介质 |
CN114385168A (zh) * | 2022-01-14 | 2022-04-22 | 中国联合网络通信集团有限公司 | 可视化地图生成方法、装置、服务器及系统 |
Non-Patent Citations (6)
Title |
---|
员永生等: "面向对象土地覆被图像组合分类方法", 《农业工程学报》 * |
孟志军等: "面向农田信息采集的数字照片空间标识索引方法", 《农业工程学报》 * |
张涛等: "面向数字化车间的介入式三维实时监控系统", 《中国机械工程》 * |
李云等: "二值图像中标定目标区域的几何特征提取", 《微机发展》 * |
程承旗等: "数字孪生城市空间网格框架与GDS数据平台技术研究", 《信息通信技术与政策》 * |
艾驰等: "3维实景地理信息网络平台关键技术研究", 《测绘与空间地理信息》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116049505A (zh) * | 2023-04-03 | 2023-05-02 | 杭州美创科技股份有限公司 | 屏幕空间标签碰撞检测方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114780666B (zh) | 2022-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5041638B2 (ja) | デジタル地図の位置情報伝達方法とそれに使用する装置 | |
US10296828B2 (en) | Learning a similarity measure for vision-based localization on a high definition (HD) map | |
JP5435306B2 (ja) | 画像処理システム及び位置測位システム | |
US8213682B2 (en) | Feature information collecting apparatuses, methods, and programs | |
US20180293453A1 (en) | Unsupervised approach to environment mapping at night using monocular vision | |
US11232582B2 (en) | Visual localization using a three-dimensional model and image segmentation | |
JP2009180631A (ja) | ナビゲーション装置、ナビゲーション方法およびプログラム | |
CN114780666B (zh) | 一种数字孪生城市中道路标签优化方法及系统 | |
CN113034566A (zh) | 高精度地图构建方法、装置、电子设备及存储介质 | |
CN111739323A (zh) | 一种路口信息的采集方法及装置 | |
EP2659227B1 (en) | Incremental network generation providing seamless network | |
CN114509060A (zh) | 地图生成装置、地图生成方法以及地图生成用计算机程序 | |
CN110018503B (zh) | 车辆的定位方法及定位系统 | |
CN1254660C (zh) | 移动体的行进方向引导装置 | |
US10949682B2 (en) | Method for ascertaining a piece of topological information of an intersection | |
JP2012215442A (ja) | 自位置特定システム、自位置特定プログラム及び自位置特定方法 | |
JP4953015B2 (ja) | 自車位置認識装置と自車位置認識プログラム、及びこれを用いたナビゲーション装置 | |
CN114791940B (zh) | 一种数字孪生城市中道路名称计算方法、设备及系统 | |
CN114782588B (zh) | 一种数字孪生城市中道路名称实时绘制方法及系统 | |
JP5435294B2 (ja) | 画像処理装置及び画像処理プログラム | |
Song et al. | Matching of vehicle GPS traces with urban road networks | |
JP3222438B2 (ja) | 地図表示装置及びその方法 | |
CN111024101A (zh) | 一种导航路径风景评价方法及系统、存储介质及车载终端 | |
CN115493603A (zh) | 地图对齐方法、计算机设备及计算机可读存储介质 | |
JPH0755488A (ja) | 経路案内装置 |
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 |