CN115205718A - 一种地理信息测量系统及其测量方法 - Google Patents
一种地理信息测量系统及其测量方法 Download PDFInfo
- Publication number
- CN115205718A CN115205718A CN202211133825.1A CN202211133825A CN115205718A CN 115205718 A CN115205718 A CN 115205718A CN 202211133825 A CN202211133825 A CN 202211133825A CN 115205718 A CN115205718 A CN 115205718A
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- pixel
- sensing image
- determining
- primary remote
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/005—General purpose rendering architectures
-
- 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
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Radar, Positioning & Navigation (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种地理信息测量系统及其测量方法,其系统包括:初次获取端,用于确定待测量区域的拍摄路线,基于拍摄路线和无人机获取待测量区域内的初次遥感图像;补充获取端,用于基于对所有初次遥感图像的清晰度和完整度的判断结果,对待测量区域内的遥感图像进行补充获取,获得二次遥感图像;三维渲染端,用于基于二次遥感图像进行三维渲染,生成三维场景图像;信息获取端,用于测量出三维场景图像中的地理数据,并将地理数据更新至地理信息系统;用以实现对获取的遥感图像的质量把控,并基于遥感图像进行三维渲染生成三维场景图像,基于三维场景图像分析出地理信息,相比于直接基于获取的遥感图像分析出的地理信息的准确度更高。
Description
技术领域
本发明涉及地理信息技术领域,特别涉及一种地理信息测量系统及其测量方法。
背景技术
目前,地理信息系统(GIS,Geographic Information System)是一门综合性学科,结合地理学与地图学以及遥感和计算机科学,已经广泛的应用在航天仿真、战场态势、UI/UE界面开发与改造等不同的领域,是用于输入、存储、查询、分析和显示地理数据的计算机系统。GIS是一种基于计算机的工具,它可以对空间信息进行分析和处理,并把地图这种独特的视觉化效果和地理分析功能与一般的数据库操作(例如查询和统计分析等)集成在一起。现存的地理信息系统的地理信息测量方法多通过遥感图像进行信息分析后获得地理信息。
但是,这种获取地理信息的方式不仅因为获取的遥感图像的质量无法保证,导致地理信息的准确性不足,而且直接基于遥感图像分析地理信息的分析准确性有待提高。
因此,本发明提出了一种地理信息测量系统及其测量方法。
发明内容
本发明提供一种地理信息测量系统及其测量方法,用以通过对获取的遥感图像的清晰度和完整度的判断,实现对获取的遥感图像的质量把控,并基于遥感图像进行三维渲染生成三维场景图像,基于三维场景图像分析出地理信息,相比于直接基于获取的遥感图像分析出的地理信息的准确度更高。
本发明提供一种地理信息测量系统,包括:
初次获取端,用于确定待测量区域的拍摄路线,基于拍摄路线和无人机获取待测量区域内的初次遥感图像;
补充获取端,用于基于对所有初次遥感图像的清晰度和完整度的判断结果,对待测量区域内的遥感图像进行补充获取,获得二次遥感图像;
三维渲染端,用于基于二次遥感图像进行三维渲染,生成三维场景图像;
信息获取端,用于测量出三维场景图像中的地理数据,并将地理数据更新至地理信息系统。
优选的,初次获取端,包括:
路线确定模块,用于基于待测量区域的形状尺寸,确定出待测量区域的拍摄路线;
初次获取模块,用于控制无人机基于拍摄路线和预设拍摄周期,获取待测量区域内的初次遥感图像。
优选的,路线确定模块,包括:
形状确定单元,用于确定出待测量区域的轮廓线,基于轮廓线在标准形状库中确定出待测量区域对应的标准形状;
坐标确定单元,用于获取待测量区域的目标尺寸,基于标准形状对应的标准尺寸和预设坐标系确定出标准形状的第一坐标表示,基于目标尺寸和预设坐标系确定出测量区域的第二坐标表示;
路线确定单元,用于确定出标准形状对应的标准拍摄路线在预设坐标系下的第三坐标表示,基于第一坐标表示和第二坐标表示以及第三坐标表示,确定出在待测量区域中对应的第四坐标表示,将第四坐标表示对应的路线作为拍摄路线。
优选的,补充获取端,包括:
第一分析模块,用于对所有初次遥感图像的清晰度进行分析,确定出清晰度不满足要求的初次遥感图像;
第二分析模块,用于对所有初次遥感图像的完整度进行分析,确定出完整度不满足要求的初次遥感图像;
补充获取模块,用于确定出清晰度或者完整度不满足要求的初次遥感图像对应的拍摄位置,控制无人机对待测量区域内的所有拍摄位置进行补充获取,获得最新遥感图像;
图像替换模块,用于将清晰度或者完整度不满足要求的初次遥感图像替换为最新遥感图像,获得待测量区域内的二次遥感图像。
优选的,第一分析模块,包括:
像素排序单元,用于将初次遥感图像中包含的所有像素点的像素值按照从小到大的顺序排序,获得像素值序列,基于像素值序列确定出高像素筛选阈值和低像素筛选阈值;
像素筛选单元,用于基于高像素筛选阈值筛选出高像素点集合,基于低像素筛选阈值筛选出低像素点集合;
第一确定单元,用于基于高像素点集合中包含的高像素点总数和初次遥感图像中包含的像素点总数的第一比值以及低像素点集合中包含的低像素点总数和初次遥感图像中包含的像素点总数的第二比值,获得第一清晰度判别值;
极值筛选单元,用于将初次遥感图像中包含的像素值大于相邻所有像素点的像素值的像素点作为局部极大值像素点,将初次遥感图像中包含的像素值小于相邻所有像素点的像素值的像素点作为局部极小值像素点;
分布确定单元,用于基于局部极大值像素点在初次遥感图像中的第一坐标值确定出局部极大值像素点的第一分布数据,基于局部极小值像素点在初次遥感图像中的第二坐标值确定出局部极小值像素点的第二分布数据;
系数计算单元,用于确定出初次遥感图像中包含的局部极大值像素点总数和局部极小值像素点总数,基于局部极大值像素点总数、局部极小值像素点总数和第一分布数据以及第二分布数据,计算出局部极大值像素点的第一分布系数和局部极小值像素点的第二分布系数:
式中,为局部极大值像素点的第一分布系数,为初次遥感图像中包含的像素点总数,为初次遥感图像中包含的局部极大值像素点总数,为初次遥感图像中包含的第个局部极大值像素点,为初次遥感图像中包含的第个局部极大值像素点的横坐标值,为初次遥感图像中包含的第个局部极大值像素点的纵坐标值,为初次遥感图像中所有像素点中的最大横坐标值,为初次遥感图像中所有像素点中的最大纵坐标值,为局部极小值像素点的第二分布系数,为初次遥感图像中包含的局部极小值像素点总数,为初次遥感图像中包含的第个局部极小值像素点,为初次遥感图像中包含的第个局部极小值像素点的横坐标值,为初次遥感图像中包含的第个局部极小值像素点的纵坐标值;
第二确定单元,用于基于第一分布系数和第二分布系数计算出第二清晰度判别值;
第一判断单元,用于当初次遥感图像的第一清晰度判别值小于对应的第一判别阈值或第二清晰度判别值小于对应的第二判别阈值时,则将对应的初次遥感图像的清晰度不满足要求作为清晰度判断结果,否则,将对应的初次遥感图像的清晰度满足要求作为清晰度判断结果,基于所有初次遥感图像的清晰度判断结果确定出清晰度不满足要求的初次遥感图像。
优选的,第二分析模块,包括:
初始识别单元,用于对初次遥感图像进行轮廓识别,获得初次遥感图像中包含的所有轮廓线,将轮廓线和对应的轮廓线端点标记于初次遥感图像,获得轮廓标记图像;
端点筛选单元,用于将轮廓标记图像中除与对应轮廓线端点属于同一轮廓线的轮廓线端点以外的所有轮廓线端点汇总,获得对应轮廓线端点的待筛选端点集合,在待筛选端点集合中筛选出与对应轮廓线端点距离最近的待筛选端点作为对应轮廓线端点对应的第一端点;
渐变分析单元,用于基于预设方向确定出轮廓线的渐变分析方向,基于轮廓线中包含的每个轮廓像素点与在渐变分析方向上对应的相邻轮廓像素点的像素差值,获得像素差值序列,基于像素差值序列确定出对应轮廓线的渐变特征;
范围确定单元,用于确定出对应轮廓线的轮廓线端点和对应的第一端点之间的像素点间隔总数以及对应轮廓线端点和对应的第一端点之间的相对位置,基于像素点间隔总数和对应的相对位置以及渐变特征,确定出对应第一端点的预测像素值,基于预测像素值和波动系数确定出对应第一端点的像素值范围;
端点判断单元,用于判断对应的第一端点的像素值是否在对应的像素值范围内,若是,则判定对应的第一端点和对应的轮廓线端点属于轮廓线中断区间的端点,并将对应的第一端点和对应的轮廓线端点作为中断组合端点,否则,判定对应的第一端点和对应的轮廓线端点不属于轮廓中断区间的端点;
第二判断单元,用于统计出初次遥感图像中包含的中断组合端点的总组数,当总组数大于组数阈值时,则将对应的初次遥感图像的完整度不满足要求作为完整度判断结果,否则,将对应的初次遥感图像的完整度满足要求作为完整度判断结果,基于所有初次遥感图像的完整度判断结果确定出完整度不满足要求的初次遥感图像。
优选的,三维渲染端,包括:
三维渲染模块,用于基于三维渲染引擎和二次遥感图像进行三维渲染,生成对应的初始场景图像;
纹理优化模块,用于对初始场景图像进行纹理优化,获得三维场景图像。
优选的,信息获取端,包括:
数据测量模块,用于测量出三维场景图像中的地理数据;
数据标记模块,用于将地理数据标记于三维场景图像,获得地理信息标记结果;
信息更新模块,用于将地理信息标记结果更新至地理信息系统。
优选的,数据测量模块,包括:
等高标记单元,用于对三维场景图像进行等高线标记,获得标记结果;
数据测量单元,用于基于标记结果和所需地理数据列表,测量获得三维场景图像中的地理数据。
优选的,无人机包括:
无人机飞行监测模块,用于监测无人机的飞行姿态,根据无人机的飞行姿态判断无人机是否故障;
无人机防护启动模块,当无人机飞行姿态异常时,启动无人机防护系统;
异常分析模块,用于对无人机飞行姿态异常进行原因分析,基于训练好的无人机异常飞行姿态数据模型,得出无人机飞行姿态异常原因;
无人机飞行状态异常原因包括:无人机动力不足、无人机自身设备故障、外物意外撞击和不良天气影响;
飞行异常确认模块,用于对异常分析模块得出的无人机飞行姿态异常原因进行确认,若异常分析模块结论正确,则启动对应的应急措施,若异常分析模块结论错误,则关闭无人机防护系统;
位置发送模块,用于发送无人机的实时地理位置经纬度信息。
本发明提出一种地理信息测量方法,包括:
S1:确定待测量区域的拍摄路线,基于拍摄路线和无人机获取待测量区域内的初次遥感图像;
S2:基于对所有初次遥感图像的清晰度和完整度的判断结果,对待测量区域内的遥感图像进行补充获取,获得二次遥感图像;
S3:基于二次遥感图像进行三维渲染,生成三维场景图像;
S4:测量出三维场景图像中的地理数据,并将地理数据更新至地理信息系统。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种地理信息测量系统示意图;
图2为本发明实施例中一种初次获取端示意图;
图3为本发明实施例中一种路线确定模块示意图;
图4为本发明实施例中一种路线确定模块示意图;
图5为本发明实施例中一种路线确定模块示意图;
图6为本发明实施例中一种第二分析模块示意图;
图7为本发明实施例中一种三维渲染端示意图;
图8为本发明实施例中一种信息获取端示意图;
图9为本发明实施例中一种数据测量模块示意图;
图10为本发明实施例中一种地理信息测量方法流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例1:
本发明提供了一种地理信息测量系统,参考图1,包括:
初次获取端,用于确定待测量区域的拍摄路线,基于拍摄路线和无人机获取待测量区域内的初次遥感图像;
补充获取端,用于基于对所有初次遥感图像的清晰度和完整度的判断结果,对待测量区域内的遥感图像进行补充获取,获得二次遥感图像;
三维渲染端,用于基于二次遥感图像进行三维渲染,生成三维场景图像;
信息获取端,用于测量出三维场景图像中的地理数据,并将地理数据更新至地理信息系统。
该实施例中,待测量区域即为本发明中需要被测量出地理信息的区域。
该实施例中,拍摄路线即为无人机获取待测量区域内的遥感图像时行驶的路线。
该实施例中,无人机即为用于被远程遥控按照拍摄路线获取待测量区域内的遥感图像的无人机装置。
该实施例中,初次遥感图像即为基于拍摄路线和无人机获取的待测量区域内的遥感图像。
该实施例中,判断结果即为对所有初次遥感图像的清晰度和完整度进行判断后获得的结果。
该实施例中,补充获取即为在清晰度或者完整度不满足要求的初次遥感图像的拍摄位置进行重新获取遥感图像。
该实施例中,二次遥感图像即为对待测量区域内的清晰度或者完整度不满足要求的初次遥感图像的拍摄位置进行重新获取的遥感图像。
该实施例中,三维场景图像即为基于二次遥感图像进行三维渲染后获得的表征待测量范围内的三维场景的图像。
该实施例中,地理数据即为在三维场景图像中测量出的待测量区域中包含的地理相关的尺寸数据。
该实施例中,地理信息系统即为GIS,是在计算机硬、软件系统支持下,对整个或部分地球表层(包括大气层)空间中的有关地理分布数据进行采集、储存、管理、运算、分析、显示和描述的技术系统。
以上技术的有益效果为:通过对获取的遥感图像的清晰度和完整度的判断,实现对获取的遥感图像的质量把控,并基于遥感图像进行三维渲染生成三维场景图像,基于三维场景图像分析出地理信息,相比于直接基于获取的遥感图像分析出的地理信息的准确度更高。
实施例2:
在实施例1的基础上,初次获取端,参考图2,包括:
路线确定模块,用于基于待测量区域的形状尺寸,确定出待测量区域的拍摄路线;
初次获取模块,用于控制无人机基于拍摄路线和预设拍摄周期,获取待测量区域内的初次遥感图像。
该实施例中,预设拍摄周期即为预先设定的获取遥感图像的间隔周期。
以上技术的有益效果为:基于待测量区域的形状区域个性化确定出待测量区域内获取遥感图像的路线,保证可以获取能包含待测量区域内的完整场景的遥感图像,也避免了图像获取过程中的资源浪费。
实施例3:
在实施例2的基础上,路线确定模块,参考图3,包括:
形状确定单元,用于确定出待测量区域的轮廓线,基于轮廓线在标准形状库中确定出待测量区域对应的标准形状;
坐标确定单元,用于获取待测量区域的目标尺寸,基于标准形状对应的标准尺寸和预设坐标系确定出标准形状的第一坐标表示,基于目标尺寸和预设坐标系确定出测量区域的第二坐标表示;
路线确定单元,用于确定出标准形状对应的标准拍摄路线在预设坐标系下的第三坐标表示,基于第一坐标表示和第二坐标表示以及第三坐标表示,确定出在待测量区域中对应的第四坐标表示,将第四坐标表示对应的路线作为拍摄路线。
该实施例中,轮廓线即为待测量区域的最外围轮廓线。
该实施例中,标准形状库即为包含各种标准形状的信息库。
该实施例中,标准形状例如:圆形、椭圆形、长方形、正方形、三角形等。
该实施例中,基于轮廓线在标准形状库中确定出待测量区域对应的标准形状,即为:
将轮廓线与标准形状库中每个标准形状对应的轮廓进行匹配,并确定出对应的匹配度;
将最大匹配度对应的标准形状作为待测量区域对应的标准形状。
该实施例中,目标尺寸即为戴待测量区域的尺寸数据。
该实施例中,标准尺寸即为标准形状的尺寸数据。
该实施例中,预设坐标系即为预先准备的用于表示标准形状的坐标系。
该实施例中,第一坐标表示即为标准形状在预设坐标系下的坐标表示,即为标准形状中包含的每个坐标点在预设坐标系下的坐标值。
该实施例中,第二坐标表示即为待测量区域在预设坐标系下的坐标表示,即为待测量区域中包含的每个坐标点在预设坐标系下的坐标值。
该实施例中,第三坐标表示即为标准拍摄路线在预设坐标系下的表示,即为标准拍摄路线中包含的每个坐标点在预设坐标系下的坐标值。
该实施例中,标准拍摄路线即为预先准备的待测量区域为对应标准形状时采用的拍摄路线。
该实施例中,基于第一坐标表示和第二坐标表示以及第三坐标表示,确定出在待测量区域中对应的第四坐标表示,包括:
确定出第一坐标表示和第二坐标表示之间的坐标转换关系,基于第三坐标表示和坐标转换关系,确定出待测量区域中的标准拍摄路线在预设坐标系下对应的第四坐标表示。
该实施例中,第四坐标表示即为基于第一坐标表示和第二坐标表示以及第三坐标表示确定出的待测量区域中的拍摄路线在预设坐标系下的坐标表示。
以上技术的有益效果为:基于形状匹配原则,为待测量区域匹配出对应的标准形状,基于预先准备的标准形状对应的标准拍摄路线,再结合坐标转换,进而实现基于待测量区域的形状尺寸合理确定出对应的拍摄路线。
实施例4:
在实施例1的基础上,补充获取端,参考图4,包括:
第一分析模块,用于对所有初次遥感图像的清晰度进行分析,确定出清晰度不满足要求的初次遥感图像;
第二分析模块,用于对所有初次遥感图像的完整度进行分析,确定出完整度不满足要求的初次遥感图像;
补充获取模块,用于确定出清晰度或者完整度不满足要求的初次遥感图像对应的拍摄位置,控制无人机对待测量区域内的所有拍摄位置进行补充获取,获得最新遥感图像;
图像替换模块,用于将清晰度或者完整度不满足要求的初次遥感图像替换为最新遥感图像,获得待测量区域内的二次遥感图像。
该实施例中,最新遥感图像即为控制无人机对待测量区域内的所有拍摄位置进行补充获取后获得的最新的遥感图像。
该实施例中,二次遥感图像即为将清晰度或者完整度不满足要求的初次遥感图像替换为最新遥感图像后获得的待测量区域内的所有遥感图像。
以上技术的有益效果为:通过对遥感图像的清晰度和完整度进行分析并判断,实现对遥感图像的质量把控和补充提取,保证了遥感图像的清晰度和完整度,进而保证了后续确定出的地理信息的准确性。
实施例5:
在实施例4的基础上,第一分析模块,参考图5,包括:
像素排序单元,用于将初次遥感图像中包含的所有像素点的像素值按照从小到大的顺序排序,获得像素值序列,基于像素值序列确定出高像素筛选阈值和低像素筛选阈值;
像素筛选单元,用于基于高像素筛选阈值筛选出高像素点集合,基于低像素筛选阈值筛选出低像素点集合;
第一确定单元,用于基于高像素点集合中包含的高像素点总数和初次遥感图像中包含的像素点总数的第一比值以及低像素点集合中包含的低像素点总数和初次遥感图像中包含的像素点总数的第二比值,获得第一清晰度判别值;
极值筛选单元,用于将初次遥感图像中包含的像素值大于相邻所有像素点的像素值的像素点作为局部极大值像素点,将初次遥感图像中包含的像素值小于相邻所有像素点的像素值的像素点作为局部极小值像素点;
分布确定单元,用于基于局部极大值像素点在初次遥感图像中的第一坐标值确定出局部极大值像素点的第一分布数据,基于局部极小值像素点在初次遥感图像中的第二坐标值确定出局部极小值像素点的第二分布数据;
系数计算单元,用于确定出初次遥感图像中包含的局部极大值像素点总数和局部极小值像素点总数,基于局部极大值像素点总数、局部极小值像素点总数和第一分布数据以及第二分布数据,计算出局部极大值像素点的第一分布系数和局部极小值像素点的第二分布系数:
式中,为局部极大值像素点的第一分布系数,为初次遥感图像中包含的像素点总数,为初次遥感图像中包含的局部极大值像素点总数,为初次遥感图像中包含的第个局部极大值像素点,为初次遥感图像中包含的第个局部极大值像素点的横坐标值,为初次遥感图像中包含的第个局部极大值像素点的纵坐标值,为初次遥感图像中所有像素点中的最大横坐标值,为初次遥感图像中所有像素点中的最大纵坐标值,为局部极小值像素点的第二分布系数,为初次遥感图像中包含的局部极小值像素点总数,为初次遥感图像中包含的第个局部极小值像素点,为初次遥感图像中包含的第个局部极小值像素点的横坐标值,为初次遥感图像中包含的第个局部极小值像素点的纵坐标值;
第二确定单元,用于基于第一分布系数和第二分布系数计算出第二清晰度判别值;
第一判断单元,用于当初次遥感图像的第一清晰度判别值小于对应的第一判别阈值或第二清晰度判别值小于对应的第二判别阈值时,则将对应的初次遥感图像的清晰度不满足要求作为清晰度判断结果,否则,将对应的初次遥感图像的清晰度满足要求作为清晰度判断结果,基于所有初次遥感图像的清晰度判断结果确定出清晰度不满足要求的初次遥感图像。
该实施例中,像素值序列即为将初次遥感图像中包含的所有像素点的像素值按照从小到大的顺序排序后获得的序列。
该实施例中,基于像素值序列确定出高像素筛选阈值和低像素筛选阈值,即为:
计算出像素值序列中包含的最大像素值和最小像素值之间的差值;
将最小像素值和三分之一倍的差值的和作为低像素筛选阈值;
将最大像素值和三分之一倍的差值的差作为高像素筛选阈值。
该实施例中,高像素筛选集合即为像素值大于高像素筛选阈值的像素点构成的集合。
该实施例中,低像素筛选阈值即为像素值小于低像素筛选阈值的像素点构成的集合。
该实施例中,高像素点总数即为高像素点集合中包含的高像素点的总数。
该实施例中,第一比值即为高像素点总数和初次遥感图像中包含的像素点总数的比值。
该实施例中,第二比值即为低像素点总数和初次遥感图像中包含的像素点总数的比值。
该实施例中,低像素点总数即为低像素点集合中包含的低像素点的总数。
该实施例中,第一清晰度判别值即为第一比值和第二比值的均值。
该实施例中,局部极大值像素点即为初次遥感图像中包含的像素值大于相邻所有像素点的像素值的像素点。
该实施例中,局部极小值像素点即为初次遥感图像中包含的像素值小于相邻所有像素点的像素值的像素点。
该实施例中,第一坐标值即为局部极大值像素点在初次遥感图像中的坐标值。
该实施例中,第一分布数据即为基于局部极大值像素点在初次遥感图像中的第一坐标值确定出的包含所有局部极大值像素点在初次遥感图像中的坐标值的数据。
该实施例中,第二坐标值即为局部极小值像素点在初次遥感图像中的坐标值。
该实施例中,第二分布数据即为基于局部极小值像素点在初次遥感图像中的第二坐标值确定出的包含所有局部极小值像素点在初次遥感图像中的坐标值的数据。
该实施例中,第一分布系数即为表征局部极大值像素点在初次遥感图像中的分布密度的数值。
该实施例中,第二分布系数即为表征局部极小值像素点在初次遥感图像中的分布密度的数值。
该实施例中,第二清晰度判别值即为第一分布系数和第二分布系数的均值。
该实施例中,第一判别阈值即为当初次遥感图像被判定清晰度满足要求时需要达到的最小第一清晰度判别值。
该实施例中,第二判别阈值即为当初次遥感图像被判定清晰度满足要求时需要达到的最小第二清晰度判别值。
该实施例中,清晰度判断结果即为对初次遥感图像进行清晰度判断后获得的判断结果。
以上技术的有益效果为:基于对初次遥感图像中包含的较高像素点和较低像素点在初次遥感图像中的数量占比的判断,实现对初次遥感图像的第一次清晰度判断,再通过对表征初次遥感图像中包含的局部极大值像素点和局部极小值像素点在初次遥感图像中的分布情况的分布系数的判别,实现了对初次遥感图像的第二次清晰度判断,进而实现了对初次遥感图像的清晰度的严格把控,保证了获取的遥感图像的质量以及后续获取的地理数据的准确性。
实施例6:
在实施例4的基础上,第二分析模块,参考图6,包括:
初始识别单元,用于对初次遥感图像进行轮廓识别,获得初次遥感图像中包含的所有轮廓线,将轮廓线和对应的轮廓线端点标记于初次遥感图像,获得轮廓标记图像;
端点筛选单元,用于将轮廓标记图像中除与对应轮廓线端点属于同一轮廓线的轮廓线端点以外的所有轮廓线端点汇总,获得对应轮廓线端点的待筛选端点集合,在待筛选端点集合中筛选出与对应轮廓线端点距离最近的待筛选端点作为对应轮廓线端点对应的第一端点;
渐变分析单元,用于基于预设方向确定出轮廓线的渐变分析方向,基于轮廓线中包含的每个轮廓像素点与在渐变分析方向上对应的相邻轮廓像素点的像素差值,获得像素差值序列,基于像素差值序列确定出对应轮廓线的渐变特征;
范围确定单元,用于确定出对应轮廓线的轮廓线端点和对应的第一端点之间的像素点间隔总数以及对应轮廓线端点和对应的第一端点之间的相对位置,基于像素点间隔总数和对应的相对位置以及渐变特征,确定出对应第一端点的预测像素值,基于预测像素值和波动系数确定出对应第一端点的像素值范围;
端点判断单元,用于判断对应的第一端点的像素值是否在对应的像素值范围内,若是,则判定对应的第一端点和对应的轮廓线端点属于轮廓线中断区间的端点,并将对应的第一端点和对应的轮廓线端点作为中断组合端点,否则,判定对应的第一端点和对应的轮廓线端点不属于轮廓中断区间的端点;
第二判断单元,用于统计出初次遥感图像中包含的中断组合端点的总组数,当总组数大于组数阈值时,则将对应的初次遥感图像的完整度不满足要求作为完整度判断结果,否则,将对应的初次遥感图像的完整度满足要求作为完整度判断结果,基于所有初次遥感图像的完整度判断结果确定出完整度不满足要求的初次遥感图像。
该实施例中,轮廓线即为初次遥感图像中包含的轮廓线条。
该实施例中,轮廓线端点即为轮廓线的端点。
该实施例中,轮廓标记图像即为将轮廓线和对应的轮廓线端点标记于初次遥感图像后获得的图像。
该实施例中,待筛选端点集合即为将轮廓标记图像中除与对应轮廓线端点属于同一轮廓线的轮廓线端点以外的所有轮廓线端点汇总后获得的结合。
该实施例中,待筛选端点即为待筛选端点集合中包含的端点。
该实施例中,第一端点即为在待筛选端点集合中筛选出与对应轮廓线端点距离最近的待筛选端点。
该实施例中,预设方向例如从轮廓线的左至右、从上至下。
该实施例中,渐变分析方向即为从轮廓线的左至右、从上至下确定出的轮廓线的延伸方向,也是后续分析轮廓线渐变特征的方向。
该实施例中,像素差值即为轮廓线中包含的每个轮廓像素点的像素值与在渐变分析方向上对应的相邻轮廓像素点的像素值之间的差值。
该实施例中,像素差值序列即为由轮廓线在渐变分析方向上确定出的像素差值构成的序列。
该实施例中,渐变特征即为基于像素差值序列确定出像素差值变化的特征,用函数关系表示。
该实施例中,像素点间隔总数即为对应轮廓线的轮廓线端点和对应的第一端点之间的线段上包含的像素点总数。
该实施例中,基于像素点间隔总数和对应的相对位置以及渐变特征,确定出对应第一端点的预测像素值,即为:
基于相对位置确定出从对应轮廓线端点至对应的第一端点的方向是否与渐变方向一致或者相反;
若一致,则基于像素点间隔总数和渐变特征计算出像素增值,将像素增值加上对应轮廓线端点的像素值即为对应第一端点的预测像素值。
若相反,则基于像素点间隔总数和渐变特征计算出像素减值,将像素减值加上对应轮廓线端点的像素值即为对应第一端点的预测像素值。
该实施例中,波动系数即为第一端点的像素值在预测像素值的基础上波动的倍数。
该实施例中,基于预测像素值和波动系数确定出对应第一端点的像素值范围,即为:
将预测像素值和波动系数的乘积与预测像素值的和作为像素值范围上限值;
将预测像素值与预测像素值和波动系数的乘积的差作为像素值范围下限值;
基于像素值范围上限值和像素值范围下限值确定出第一端点的像素值范围。
该实施例中,轮廓线中断区间即为轮廓线中被中断的线条区间。
该实施例中,中断组合端点即为判定对应的第一端点的像素值在对应的像素值范围内时对应的第一端点和对应的轮廓线端点构成的端点组合。
该实施例中,组数阈值即为当判定初次遥感图像的完整度满足要求时对应的最大总组数。
该实施例中,完整度判断结果即为对初次遥感图像的完整度进行判断的结果。
以上技术的有益效果为:基于对初次遥感图像中包含的轮廓线的渐变特征的分析,实现对不属于同一轮廓线的端点之间是否为轮廓线中断区间的端点的判断,通过统计判断出的属于中断区域的中断组合端点的总组数,并对总组数进行判断,实现对初次遥感图像中包含的轮廓线中断区间的判断,进而实现对初次遥感图像的完整度的的严格把控,保证了获取的遥感图像的质量以及后续获取的地理数据的准确性。
实施例7:
在实施例1的基础上,三维渲染端,参考图7,包括:
三维渲染模块,用于基于三维渲染引擎和二次遥感图像进行三维渲染,生成对应的初始场景图像;
纹理优化模块,用于对初始场景图像进行纹理优化,获得三维场景图像。
该实施例中,三维渲染引擎即为OpenSceneGraph,是一个开源的三维引擎,被广泛的应用在可视化仿真、游戏、虚拟现实、科学计算、三维重建、地理信息、太空探索、石油矿产等领域。OSG采用标准C++和OpenGL编写而成,可运行在所有的Windows平台、OSX、GNU/Linux、IRIX、Solaris、HP-Ux、AIX、Android和FreeBSD 操作系统。
该实施例中,初始场景图像即为基于OSG三维渲染引擎和二次遥感图像进行三维渲染后获得的三维的场景图像。
该实施例中,三维场景图像即为对初始场景图像进行纹理优化后获得的三维的场景图像。
该实施例中,纹理优化即为对初始场景图像的纹理进行光滑去噪。
以上技术的有益效果为:通过基于二次遥感图像进行三维渲染并优化,实现基于遥感图像完成对待测量区域的地理结构的可视化三维仿真。
实施例8:
在实施例1的基础上,信息获取端,参考图8,包括:
数据测量模块,用于测量出三维场景图像中的地理数据;
数据标记模块,用于将地理数据标记于三维场景图像,获得地理信息标记结果;
信息更新模块,用于将地理信息标记结果更新至地理信息系统;
数据测量模块,参考图9,包括:
等高标记单元,用于对三维场景图像进行等高线标记,获得标记结果;
数据测量单元,用于基于标记结果和所需地理数据列表,测量获得三维场景图像中的地理数据。
该实施例中,地理信息标记结果即为将地理数据标记于三维场景图像后获得的结果;
该实施例中,标记结果即为对三维场景图像进行等高线标记后获得的结果。
该实施例中,所需地理数据列表即为包含所需要在待测量区域中测量出的地理数据类型的列表。
以上技术的有益效果为:对三维场景图像进行数据测量,并将测量出的地理数据标记出来,并更新至地理信息系统,完整了地理信息的精准测量并云端存储的过程,实现了地理信息测量流程的一体化,先对三维场景图像进行等高线标记后再进行数据测量,为后续数据测量过程提供了参考基础,简化了数据测量过程。
实施例9:
在实施例1的基础上,无人机包括:
无人机飞行监测模块,用于监测无人机的飞行姿态,根据无人机的飞行姿态判断无人机是否故障;
无人机防护启动模块,当无人机飞行姿态异常时,启动无人机防护系统;
异常分析模块,用于对无人机飞行姿态异常进行原因分析,基于训练好的无人机异常飞行姿态数据模型,得出无人机飞行姿态异常原因;
无人机飞行状态异常原因包括:无人机动力不足、无人机自身设备故障、外物意外撞击和不良天气影响;
飞行异常确认模块,用于对异常分析模块得出的无人机飞行姿态异常原因进行确认,若异常分析模块结论正确,则启动对应的应急措施,若异常分析模块结论错误,则关闭无人机防护系统;
位置发送模块,用于发送无人机的实时地理位置经纬度信息。
该实施例中,无人机动力不足、无人机自身设备故障、外物意外撞击和不良天气影响对应的应急措施分别为启用备用动力功能系统或规划最近路线返航、紧急迫降、紧急迫降或悬停和紧急迫降或返航;
该实施例中,无人机防护系统为无人机防护气囊启动系统;
该实施例中,若无人机的应急措施为紧急迫降,则位置发送模块发送无人机的实时地理位置经纬度信息,便于工作人员将无人机寻回。
以上技术的有益效果为:无人机飞行姿态异常时,对其进行故障及无人机飞行姿态异常原因分析,并采取相应的应急措施,防止无人机作业故障时坠落,损坏机身,同时通过位置发送模块可寻回无人机。
实施例10:
本发明提出了一种地理信息测量方法,参考图10,包括:
S1:确定待测量区域的拍摄路线,基于拍摄路线和无人机获取待测量区域内的初次遥感图像;
S2:基于对所有初次遥感图像的清晰度和完整度的判断结果,对待测量区域内的遥感图像进行补充获取,获得二次遥感图像;
S3:基于二次遥感图像进行三维渲染,生成三维场景图像;
S4:测量出三维场景图像中的地理数据,并将地理数据更新至地理信息系统。
以上技术的有益效果为:通过对获取的遥感图像的清晰度和完整度的判断,实现对获取的遥感图像的质量把控,并基于遥感图像进行三维渲染生成三维场景图像,基于三维场景图像分析出地理信息,相比于直接基于获取的遥感图像分析出的地理信息的准确度更高。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种地理信息测量系统,其特征在于,包括:
初次获取端,用于确定待测量区域的拍摄路线,基于拍摄路线和无人机获取待测量区域内的初次遥感图像;
补充获取端,用于基于对所有初次遥感图像的清晰度和完整度的判断结果,对待测量区域内的遥感图像进行补充获取,获得二次遥感图像;
三维渲染端,用于基于二次遥感图像进行三维渲染,生成三维场景图像;
信息获取端,用于测量出三维场景图像中的地理数据,并将地理数据更新至地理信息系统。
2.根据权利要求1所述的一种地理信息测量系统,其特征在于,初次获取端,包括:
路线确定模块,用于基于待测量区域的形状尺寸,确定出待测量区域的拍摄路线;
初次获取模块,用于控制无人机基于拍摄路线和预设拍摄周期,获取待测量区域内的初次遥感图像。
3.根据权利要求2所述的一种地理信息测量系统,其特征在于,路线确定模块,包括:
形状确定单元,用于确定出待测量区域的轮廓线,基于轮廓线在标准形状库中确定出待测量区域对应的标准形状;
坐标确定单元,用于获取待测量区域的目标尺寸,基于标准形状对应的标准尺寸和预设坐标系确定出标准形状的第一坐标表示,基于目标尺寸和预设坐标系确定出测量区域的第二坐标表示;
路线确定单元,用于确定出标准形状对应的标准拍摄路线在预设坐标系下的第三坐标表示,基于第一坐标表示和第二坐标表示以及第三坐标表示,确定出在待测量区域中对应的第四坐标表示,将第四坐标表示对应的路线作为拍摄路线。
4.根据权利要求1所述的一种地理信息测量系统,其特征在于,补充获取端,包括:
第一分析模块,用于对所有初次遥感图像的清晰度进行分析,确定出清晰度不满足要求的初次遥感图像;
第二分析模块,用于对所有初次遥感图像的完整度进行分析,确定出完整度不满足要求的初次遥感图像;
补充获取模块,用于确定出清晰度或者完整度不满足要求的初次遥感图像对应的拍摄位置,控制无人机对待测量区域内的所有拍摄位置进行补充获取,获得最新遥感图像;
图像替换模块,用于将清晰度或者完整度不满足要求的初次遥感图像替换为最新遥感图像,获得待测量区域内的二次遥感图像。
5.根据权利要求4所述的一种地理信息测量系统,其特征在于,第一分析模块,包括:
像素排序单元,用于将初次遥感图像中包含的所有像素点的像素值按照从小到大的顺序排序,获得像素值序列,基于像素值序列确定出高像素筛选阈值和低像素筛选阈值;
像素筛选单元,用于基于高像素筛选阈值筛选出高像素点集合,基于低像素筛选阈值筛选出低像素点集合;
第一确定单元,用于基于高像素点集合中包含的高像素点总数和初次遥感图像中包含的像素点总数的第一比值以及低像素点集合中包含的低像素点总数和初次遥感图像中包含的像素点总数的第二比值,获得第一清晰度判别值;
极值筛选单元,用于将初次遥感图像中包含的像素值大于相邻所有像素点的像素值的像素点作为局部极大值像素点,将初次遥感图像中包含的像素值小于相邻所有像素点的像素值的像素点作为局部极小值像素点;
分布确定单元,用于基于局部极大值像素点在初次遥感图像中的第一坐标值确定出局部极大值像素点的第一分布数据,基于局部极小值像素点在初次遥感图像中的第二坐标值确定出局部极小值像素点的第二分布数据;
系数计算单元,用于确定出初次遥感图像中包含的局部极大值像素点总数和局部极小值像素点总数,基于局部极大值像素点总数、局部极小值像素点总数和第一分布数据以及第二分布数据,计算出局部极大值像素点的第一分布系数和局部极小值像素点的第二分布系数:
式中,为局部极大值像素点的第一分布系数,为初次遥感图像中包含的像素点总数,为初次遥感图像中包含的局部极大值像素点总数,为初次遥感图像中包含的第个局部极大值像素点,为初次遥感图像中包含的第个局部极大值像素点的横坐标值,为初次遥感图像中包含的第个局部极大值像素点的纵坐标值,为初次遥感图像中所有像素点中的最大横坐标值,为初次遥感图像中所有像素点中的最大纵坐标值,为局部极小值像素点的第二分布系数,为初次遥感图像中包含的局部极小值像素点总数,为初次遥感图像中包含的第个局部极小值像素点,为初次遥感图像中包含的第个局部极小值像素点的横坐标值,为初次遥感图像中包含的第个局部极小值像素点的纵坐标值;
第二确定单元,用于基于第一分布系数和第二分布系数计算出第二清晰度判别值;
第一判断单元,用于当初次遥感图像的第一清晰度判别值小于对应的第一判别阈值或第二清晰度判别值小于对应的第二判别阈值时,则将对应的初次遥感图像的清晰度不满足要求作为清晰度判断结果,否则,将对应的初次遥感图像的清晰度满足要求作为清晰度判断结果,基于所有初次遥感图像的清晰度判断结果确定出清晰度不满足要求的初次遥感图像。
6.根据权利要求4所述的一种地理信息测量系统,其特征在于,第二分析模块,包括:
初始识别单元,用于对初次遥感图像进行轮廓识别,获得初次遥感图像中包含的所有轮廓线,将轮廓线和对应的轮廓线端点标记于初次遥感图像,获得轮廓标记图像;
端点筛选单元,用于将轮廓标记图像中除与对应轮廓线端点属于同一轮廓线的轮廓线端点以外的所有轮廓线端点汇总,获得对应轮廓线端点的待筛选端点集合,在待筛选端点集合中筛选出与对应轮廓线端点距离最近的待筛选端点作为对应轮廓线端点对应的第一端点;
渐变分析单元,用于基于预设方向确定出轮廓线的渐变分析方向,基于轮廓线中包含的每个轮廓像素点与在渐变分析方向上对应的相邻轮廓像素点的像素差值,获得像素差值序列,基于像素差值序列确定出对应轮廓线的渐变特征;
范围确定单元,用于确定出对应轮廓线的轮廓线端点和对应的第一端点之间的像素点间隔总数以及对应轮廓线端点和对应的第一端点之间的相对位置,基于像素点间隔总数和对应的相对位置以及渐变特征,确定出对应第一端点的预测像素值,基于预测像素值和波动系数确定出对应第一端点的像素值范围;
端点判断单元,用于判断对应的第一端点的像素值是否在对应的像素值范围内,若是,则判定对应的第一端点和对应的轮廓线端点属于轮廓线中断区间的端点,并将对应的第一端点和对应的轮廓线端点作为中断组合端点,否则,判定对应的第一端点和对应的轮廓线端点不属于轮廓中断区间的端点;
第二判断单元,用于统计出初次遥感图像中包含的中断组合端点的总组数,当总组数大于组数阈值时,则将对应的初次遥感图像的完整度不满足要求作为完整度判断结果,否则,将对应的初次遥感图像的完整度满足要求作为完整度判断结果,基于所有初次遥感图像的完整度判断结果确定出完整度不满足要求的初次遥感图像。
7.根据权利要求1所述的一种地理信息测量系统,其特征在于,三维渲染端,包括:
三维渲染模块,用于基于三维渲染引擎和二次遥感图像进行三维渲染,生成对应的初始场景图像;
纹理优化模块,用于对初始场景图像进行纹理优化,获得三维场景图像。
8.根据权利要求1所述的一种地理信息测量系统,其特征在于,信息获取端,包括:
数据测量模块,用于测量出三维场景图像中的地理数据;
数据标记模块,用于将地理数据标记于三维场景图像,获得地理信息标记结果;
信息更新模块,用于将地理信息标记结果更新至地理信息系统;
数据测量模块,包括:
等高标记单元,用于对三维场景图像进行等高线标记,获得标记结果;
数据测量单元,用于基于标记结果和所需地理数据列表,测量获得三维场景图像中的地理数据。
9.根据权利要求1所述的一种地理信息测量系统,其特征在于,无人机包括:
无人机飞行监测模块,用于监测无人机的飞行姿态,根据无人机的飞行姿态判断无人机是否故障;
无人机防护启动模块,当无人机飞行姿态异常时,启动无人机防护系统;
异常分析模块,用于对无人机飞行姿态异常进行原因分析,基于训练好的无人机异常飞行姿态数据模型,得出无人机飞行姿态异常原因;
无人机飞行状态异常原因包括:无人机动力不足、无人机自身设备故障、外物意外撞击和不良天气影响;
飞行异常确认模块,用于对异常分析模块得出的无人机飞行姿态异常原因进行确认,若异常分析模块结论正确,则启动对应的应急措施,若异常分析模块结论错误,则关闭无人机防护系统;
位置发送模块,用于发送无人机的实时地理位置经纬度信息。
10.一种地理信息测量方法,其特征在于,包括以下步骤:
S1:确定待测量区域的拍摄路线,基于拍摄路线和无人机获取待测量区域内的初次遥感图像;
S2:基于对所有初次遥感图像的清晰度和完整度的判断结果,对待测量区域内的遥感图像进行补充获取,获得二次遥感图像;
S3:基于二次遥感图像进行三维渲染,生成三维场景图像;
S4:测量出三维场景图像中的地理数据,并将地理数据更新至地理信息系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211133825.1A CN115205718B (zh) | 2022-09-19 | 2022-09-19 | 一种地理信息测量系统及其测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211133825.1A CN115205718B (zh) | 2022-09-19 | 2022-09-19 | 一种地理信息测量系统及其测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115205718A true CN115205718A (zh) | 2022-10-18 |
CN115205718B CN115205718B (zh) | 2022-12-13 |
Family
ID=83572376
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211133825.1A Active CN115205718B (zh) | 2022-09-19 | 2022-09-19 | 一种地理信息测量系统及其测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115205718B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115658045A (zh) * | 2022-12-06 | 2023-01-31 | 西安恒歌数码科技有限责任公司 | 一种快速搭建地理信息数据应用的系统和方法 |
CN117152371A (zh) * | 2023-10-30 | 2023-12-01 | 山东亿华天产业发展集团有限公司 | 一种三维地形测绘方法及系统 |
CN117423013A (zh) * | 2023-12-18 | 2024-01-19 | 四川省能源地质调查研究所 | 基于地质大数据的成矿潜力预测方法 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140200863A1 (en) * | 2013-01-11 | 2014-07-17 | The Regents Of The University Of Michigan | Monitoring proximity of objects at construction jobsites via three-dimensional virtuality in real-time |
CN105445137A (zh) * | 2015-11-23 | 2016-03-30 | 中国科学院东北地理与农业生态研究所 | 一种基于摄影的坡面小区尺度细沟侵蚀三维动态监测方法 |
CN107590853A (zh) * | 2017-08-25 | 2018-01-16 | 北京科技大学 | 一种城市建筑群震害高真实度展示方法 |
CN107895048A (zh) * | 2017-12-04 | 2018-04-10 | 南宁市勘察测绘地理信息院 | 一种基于实景三维的快速出图方法 |
CN108320280A (zh) * | 2018-01-16 | 2018-07-24 | 南京理工大学 | 基于视觉清晰度与轮廓提取的熔池图像异常检测方法 |
CN108648269A (zh) * | 2018-05-11 | 2018-10-12 | 北京建筑大学 | 三维建筑物模型的单体化方法和系统 |
CN109754329A (zh) * | 2019-01-31 | 2019-05-14 | 腾讯科技(深圳)有限公司 | 电子资源的处理方法、终端、服务器及存储介质 |
CN110136219A (zh) * | 2019-04-17 | 2019-08-16 | 太原理工大学 | 一种基于多源数据融合的二三维地图展示方法 |
CN111145143A (zh) * | 2019-11-29 | 2020-05-12 | 泰康保险集团股份有限公司 | 问题图像确定方法及装置、电子设备和存储介质 |
CN111612901A (zh) * | 2020-04-14 | 2020-09-01 | 陕西天泽中孚实业有限公司 | 一种地理信息图像的提取特征与生成方法 |
CN111737500A (zh) * | 2020-06-22 | 2020-10-02 | 广东小天才科技有限公司 | 电子页面的检索方法及装置、学习设备、可读存储介质 |
CN111861049A (zh) * | 2019-04-25 | 2020-10-30 | 天津御锦人工智能医疗科技有限公司 | 基于图像识别的肠镜检查质量标准及打分系统 |
CN112037331A (zh) * | 2020-09-14 | 2020-12-04 | 广东电网有限责任公司江门供电局 | 一种快速判定电力杆塔危险性的方法及其系统 |
CN113409197A (zh) * | 2021-07-15 | 2021-09-17 | 广州文悦信息科技有限公司 | 智能测绘数据信息处理方法 |
CN113744254A (zh) * | 2021-09-08 | 2021-12-03 | 中山大学中山眼科中心 | 一种眼底图像分析方法、系统、存储介质和计算机设备 |
CN114187189A (zh) * | 2021-11-10 | 2022-03-15 | 河海大学 | 一种飞行器多光谱影像辐射一致性校正方法 |
CN114492070A (zh) * | 2022-02-14 | 2022-05-13 | 广东工贸职业技术学院 | 一种高精度测绘地理信息虚拟仿真技术与装置 |
-
2022
- 2022-09-19 CN CN202211133825.1A patent/CN115205718B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140200863A1 (en) * | 2013-01-11 | 2014-07-17 | The Regents Of The University Of Michigan | Monitoring proximity of objects at construction jobsites via three-dimensional virtuality in real-time |
CN105445137A (zh) * | 2015-11-23 | 2016-03-30 | 中国科学院东北地理与农业生态研究所 | 一种基于摄影的坡面小区尺度细沟侵蚀三维动态监测方法 |
CN107590853A (zh) * | 2017-08-25 | 2018-01-16 | 北京科技大学 | 一种城市建筑群震害高真实度展示方法 |
CN107895048A (zh) * | 2017-12-04 | 2018-04-10 | 南宁市勘察测绘地理信息院 | 一种基于实景三维的快速出图方法 |
CN108320280A (zh) * | 2018-01-16 | 2018-07-24 | 南京理工大学 | 基于视觉清晰度与轮廓提取的熔池图像异常检测方法 |
CN108648269A (zh) * | 2018-05-11 | 2018-10-12 | 北京建筑大学 | 三维建筑物模型的单体化方法和系统 |
CN109754329A (zh) * | 2019-01-31 | 2019-05-14 | 腾讯科技(深圳)有限公司 | 电子资源的处理方法、终端、服务器及存储介质 |
CN110136219A (zh) * | 2019-04-17 | 2019-08-16 | 太原理工大学 | 一种基于多源数据融合的二三维地图展示方法 |
CN111861049A (zh) * | 2019-04-25 | 2020-10-30 | 天津御锦人工智能医疗科技有限公司 | 基于图像识别的肠镜检查质量标准及打分系统 |
CN111145143A (zh) * | 2019-11-29 | 2020-05-12 | 泰康保险集团股份有限公司 | 问题图像确定方法及装置、电子设备和存储介质 |
CN111612901A (zh) * | 2020-04-14 | 2020-09-01 | 陕西天泽中孚实业有限公司 | 一种地理信息图像的提取特征与生成方法 |
CN111737500A (zh) * | 2020-06-22 | 2020-10-02 | 广东小天才科技有限公司 | 电子页面的检索方法及装置、学习设备、可读存储介质 |
CN112037331A (zh) * | 2020-09-14 | 2020-12-04 | 广东电网有限责任公司江门供电局 | 一种快速判定电力杆塔危险性的方法及其系统 |
CN113409197A (zh) * | 2021-07-15 | 2021-09-17 | 广州文悦信息科技有限公司 | 智能测绘数据信息处理方法 |
CN113744254A (zh) * | 2021-09-08 | 2021-12-03 | 中山大学中山眼科中心 | 一种眼底图像分析方法、系统、存储介质和计算机设备 |
CN114187189A (zh) * | 2021-11-10 | 2022-03-15 | 河海大学 | 一种飞行器多光谱影像辐射一致性校正方法 |
CN114492070A (zh) * | 2022-02-14 | 2022-05-13 | 广东工贸职业技术学院 | 一种高精度测绘地理信息虚拟仿真技术与装置 |
Non-Patent Citations (5)
Title |
---|
FRASER BAKER ET AL: "A GIS and object based image analysis approach to mapping the greenspace composition of domestic gardens in Leicester, UK", 《LANDSCAPE AND URBAN PLANNING》 * |
X. ZHANG ET AL: "CyberEarth: a Virtual Simulation Platform for Robotics and Cyber-Physical Systems", 《ROBIO》 * |
张丽霞: "多源图像像素级快速融合方法研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
陈光等: "三维场景中无人机地理视频数据的集成方法", 《地理与地理信息科学》 * |
韩哲等: "osgEarth在三维GIS开发中的研究与应用", 《现代防御技术》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115658045A (zh) * | 2022-12-06 | 2023-01-31 | 西安恒歌数码科技有限责任公司 | 一种快速搭建地理信息数据应用的系统和方法 |
CN117152371A (zh) * | 2023-10-30 | 2023-12-01 | 山东亿华天产业发展集团有限公司 | 一种三维地形测绘方法及系统 |
CN117152371B (zh) * | 2023-10-30 | 2024-02-09 | 山东亿华天产业发展集团有限公司 | 一种三维地形测绘方法及系统 |
CN117423013A (zh) * | 2023-12-18 | 2024-01-19 | 四川省能源地质调查研究所 | 基于地质大数据的成矿潜力预测方法 |
CN117423013B (zh) * | 2023-12-18 | 2024-02-23 | 四川省能源地质调查研究所 | 基于地质大数据的成矿潜力预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115205718B (zh) | 2022-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115205718B (zh) | 一种地理信息测量系统及其测量方法 | |
CN108109437B (zh) | 一种基于地图特征的无人机自主航线提取生成方法 | |
CN111537515A (zh) | 基于三维实景模型的铁塔螺栓缺陷展示方法和系统 | |
CN111409788B (zh) | 一种无人船艇自主航行能力测试方法及系统 | |
WO2017173417A1 (en) | Aviation virtual surface systems and methods | |
EP3023913A1 (en) | Crack data collection method and crack data collection program | |
CN110910341B (zh) | 一种输电线路锈蚀区缺陷检测方法及装置 | |
EP3023912A1 (en) | Crack data collection apparatus and server apparatus to collect crack data | |
CN114463932A (zh) | 非接触式施工安全距离主动动态识别预警系统及方法 | |
CN118135426B (zh) | 一种基于卫星影像与sam的港口水域交通状况识别方法 | |
CN111189433A (zh) | 一种基于无人机航拍的岩溶峰林地貌参数测量方法 | |
CN114035606A (zh) | 杆塔巡检系统、杆塔巡检方法、控制装置和存储介质 | |
CN117152371A (zh) | 一种三维地形测绘方法及系统 | |
CN117557931B (zh) | 一种基于三维场景的表计最优巡检点的规划方法 | |
CN115496399B (zh) | 基于无人机的基坑勘测任务即时更新分配方法及系统 | |
CN115019216B (zh) | 实时地物检测和定位计数方法、系统及计算机 | |
WO2023223281A1 (en) | Automated monitoring of constructional sites | |
CN116700330A (zh) | 一种智慧巡检方法与智慧巡检系统 | |
CN116052023A (zh) | 基于三维点云的电力巡检地物分类方法及存储介质 | |
CN114490915B (zh) | 一种规划数据的计算系统、计算方法、装置及终端 | |
CN115083212A (zh) | 一种基于三维建模的无人机定位智能管理系统 | |
WO2018066118A1 (ja) | 道路状態の管理プログラム、道路状態の管理装置、及び道路状態の管理方法 | |
CN114140707A (zh) | 一种电网故障巡检方法 | |
CN114202631A (zh) | 一种岩石二次破碎作业中岩石作业面与作业点的确定方法 | |
CN109859315B (zh) | 一种三维影像的地表植被分离方法 |
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 |