CN115690773B - Dem分区及重建方法、计算设备和存储介质 - Google Patents
Dem分区及重建方法、计算设备和存储介质 Download PDFInfo
- Publication number
- CN115690773B CN115690773B CN202211670722.9A CN202211670722A CN115690773B CN 115690773 B CN115690773 B CN 115690773B CN 202211670722 A CN202211670722 A CN 202211670722A CN 115690773 B CN115690773 B CN 115690773B
- Authority
- CN
- China
- Prior art keywords
- road
- elevation
- fidelity
- dem
- area
- 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.)
- Active
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种DEM分区及重建方法、计算设备和存储介质,涉及DEM处理技术领域,包括:对与原DEM对应的地形DOM进行道路边线提取,根据提取到的道路边线对原DEM进行分割处理,对被分离的道路区域进行坡度分析,以获得对应的道路坡度模型,识别道路坡度模型中出现坡度超标的至少一个路面异常区域,按照各个路面异常区域在被分离的道路区域分别界定对应的高程失真分区,借助道路坡度模型间接地对被分离的道路区域进行分区识别,更易于准确地定位道路区域中的高程失真分区。
Description
技术领域
本发明涉及DEM处理技术领域,具体而言,涉及一种DEM分区及重建方法、计算设备和存储介质。
背景技术
作为数字地形模型(DTM)的一个分支,数字高程模型(DEM)通常是用一组有序数值阵列形式仅表示地面高程的一种数字地面模型,可以呈不规则三角网或规则矩形网格形式,借助DEM,可以派生出诸如坡度、坡向以及坡度变化率等地貌特征的其他数字模型,也可以用作生成数字正射影像图(DOM)的基础数据,通过DEM与DOM或其他专题数据相叠合方式产生三维地形模型,被广泛应用于新型测绘、战场模拟和地貌监测等诸多领域。
然而,在DEM中,任意两个高程位置欠缺关联性,也即每个高程位置具有独立性,一旦出现局部高程失真状况,难以对DEM中高程与实体道路严重不符的失真区间进行识别及修复。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题,为达上述目的,本发明提供一种DEM分区及重建方法、计算设备和存储介质。
第一方面,本发明提供一种DEM分区方法,包括:
对与原DEM对应的地形DOM进行道路边线提取;
根据提取到的道路边线对所述原DEM进行分割处理;
对被分离的道路区域进行坡度分析,以获得对应的道路坡度模型;
识别所述道路坡度模型中出现坡度超标的M个路面异常区域,M表示正整数;
在被分离的所述道路区域,按照M个所述路面异常区域界定M个高程失真分区。
使用上述DEM分区方法,道路坡度模型与被分离的道路区域呈路面形态一致性,借助道路坡度模型间接地对被分离的道路区域进行分区识别,更易于准确地定位道路区域中的高程失真分区。
第二方面,本发明提供一种DEM重建方法,包括:
对与原DEM对应的地形DOM进行道路边线提取;
根据提取到的道路边线对所述原DEM进行分割处理,所述原DEM包括局部高程失真的道路区域以及与所述道路区域互补的其他地形区域;
对被分离的所述道路区域进行坡度分析,以获得对应的道路坡度模型;
识别所述道路坡度模型中出现坡度超标的M个路面异常区域,M表示正整数;
在被分离的所述道路区域,按照M个所述路面异常区域界定M个高程失真分区,除M个所述高程失真分区之外的N个其他分区分别为高程保真分区,N表示正整数;
根据N个所述高程保真分区分别对各个所述高程失真分区进行高程修正,在M个所述高程失真分区全部被修正后,被分离的所述道路区域转变成全局保真道路区域,对所述全局保真道路区域与所述其他地形区域进行合并处理,以获得新DEM。
使用上述DEM重建方法,在道路区域与其他地形区域相互分开情形下,便于维持其他地形区域不变,只需使道路区域消除高程失真状况,在维持N个高程保真分区不变的基础上,无需参考除道路区域以外的其他DEM数据,使M个高程失真分区变真,提升了道路区域的保真性,相比于在原DEM中消除高程失真状况,有利于消除DEM中局部高程失真状况,另外,还具有与上述DEM分区方法相同的有益效果,此处不再赘述。
第三方面,本发明提供一种计算设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现如第一方面所述的DEM分区方法或者如第二方面所述的DEM重建方法。
第四方面,本发明提供一种非临时性计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现如第一方面所述的DEM分区方法或者如第二方面所述的DEM重建方法。
使用上述计算设备和非临时性计算机可读存储介质,具有与上述DEM分区方法相同的有益效果,或者,具有与上述DEM重建方法相同的有益效果,在此不再赘述。
附图说明
图1为本发明实施例的一种DEM分区方法的流程示意图;
图2为本发明实施例的在倾斜视角下展示三维山区模型的效果示意图;
图3为对应于图1的被提取的道路边线的效果示意图;
图4为对应于图1的道路区域被分区后的效果示意图;
图5为本发明实施例的在俯视角下展示另一种道路区域被分区后的效果示意图;
图6为本发明实施例的一种DEM重建方法的流程示意图;
图7为对应于图4的多个路面网格投影于道路中心线上的效果示意图;
图8为对应于图4的全局保真道路区域的效果示意图;
图9为对应于图2的三维山区模型被更新后的效果示意图。
具体实施方式
下面将参照附图详细描述本发明的实施例,描述涉及附图时,除非另有表示,不同附图中的相同附图标定表示相同或相似的要素。要说明的是,以下示例性实施例中所描述的实施方式并不代表本发明的所有实施方式。它们仅是与如权利要求书中所详述的、本发明公开的一些方面相一致的装置和方法的例子,本发明的范围并不局限于此。在不矛盾的前提下,本发明各个实施例中的特征可以相互组合。
此外,术语“第一”、“第二”仅用以描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
受限于数据精度以及建模方法等诸多因素,在表达实体道路处在其他地貌形体中的一些原DEM中,既有高程与实体道路相符的保真区间(为了便于描述,可以称之为高程保真分区),也有高程与实体道路严重不符的失真区间(为了便于描述,可以称之为高程失真分区),如果将原DEM叠合在地形DOM上,呈现出道路局部畸变状况,严重降低了三维地形模型的保真性和可视化效果,有鉴于此,需要对原DEM中的高程失真分区进行识别及修复。
本发明实施例中的DEM是指:能够基于X-Y-Z三维坐标系可视化呈现地貌起伏形态的数字模型,其中,X表示道路纵向,Y表示道路横向,Z表示沿道路横截面的高程;本发明实施例中的DEM表示的含义,应当从区别于诸如坡度、坡向以及坡度变化率等其他地貌特征的角度加以理解,对地貌形体不构成限制,除了地面以外,还可以表达高于地面的地表物。
参见图1,本发明一实施例的DEM分区方法,包括S1至S3。
S1,对与原DEM对应的地形DOM进行道路边线提取,根据提取到的道路边线对原DEM进行分割处理。
示例性地,在针对交通地区建立的一些原DEM中,既有表达实体公路的道路区域,也有表达其他地貌形体的其他地形区域,例如,交通地区可以包括但不限于具有实体公路的山区、城区以及城际地域中的任一种,其他地貌形体可以是自然地表物或者非自然地表物,可以包括但不限于高山、行道树、路旁建筑物、桥梁以及汽车中的至少一种。
示例性地,将原DEM叠合在表达相同山区的DOM上,产生如图2示出的三维山区模型,其中,呈现出弯道塌陷效果;或者,将原DEM叠合在表达相同城区的DOM上,产生三维城区模型,其中,道路区域与一些其他地形区域重叠,呈现车道大面积突起效果。
示例性地,可以预先训练例如Mask R-CNN或者Mask-SLAM等图像分割模型,通过预先训练好的图像分割模型对地形DOM进行识别,以获得适于标识道路的掩膜图,利用掩模图从地形DOM中提取道路边线,例如,在掩模图中,白色区域表示山区公路或城区车道,黑色区域表示自然地貌或者非自然地表物。
可选地,S1中,根据提取到的道路边线对原DEM进行分割处理,包括:对提取到的道路边线进行平滑处理,以获得平滑道路边线,按照平滑道路边线从呈规则格网的原DEM中裁剪出道路区域,以使道路区域与其他地形区域分离。
示例性地,平滑处理可以采取算术平均算法或者拉普拉斯平滑算法或者其他平滑算法,平滑道路边线可以闭合,也可以是呈间隔排列的一组线条,参见图3,平滑道路边线表示山区公路两边,利用平滑道路边线,更加自然、准确地定位道路区域与其他地形区域分界处,提升了分割DEM的保真性。
S2,对被分离的道路区域进行坡度分析,以获得对应的道路坡度模型,识别道路坡度模型中出现坡度超标的M个路面异常区域,M表示正整数。
示例性地,在诸如ArcGIS或者GlobalMapper等地图测绘软件中,可以导入道路区域的三维数据,对该三维数据进行坡度分析后,输出表达道路的数字坡度模型为道路坡度模型,本领域技术人员采取现有技术即可实现道路坡度分析,在此不再赘述。
通过坡度测算公式可知,坡度反映了对应的两处位置之间的高程差与距离呈相关性,相比于对数字坡度模型进行分区识别,直接对DEM进行分区识别极易误判。
示例性地,受到山区地貌约束,山区公路经常出现属于道路真实情况的一些高坡路段,通过高程超标分析方式直接对DEM进行分区识别,容易将适于表达高坡路段的保真区间误判为高程失真分区,通过坡度超标分析方式对道路坡度模型进行分区识别,更为准确地判定适于表达高坡路段的路面正常区域,以防将适于表达高坡路段的保真区间误判为高程失真分区。
可选地,S2中,识别道路坡度模型中出现坡度超标的M个路面异常区域,包括:对呈规则格网的道路坡度模型进行逐格检测,如果检测到任一路面网格所属的坡度超过预设坡度范围,将路面网格标识为路面异常网格,否则,将路面网格标识为路面正常网格;在遍历完规则格网后,所有路面异常网格形成至少M个路面异常区域,判断各个路面异常区域拥有的网格数是否大于预设个数,若是,则保留对应的路面异常区域不变,若否,则将处在对应的路面异常区域中的各个路面异常网格变更为对应的路面正常网格。
示例性地,道路坡度模型原有的颜色为白色,针对坡度超过预设坡度范围的路面网格可以从白色变成灰色,针对坡度在预设坡度范围的路面网格可以从白色变成绿色,在遍历完道路坡度模型后,灰色区域即为路面异常区域,绿色区域即为路面正常区域,如果某个路面异常区域的网格数比预设个数大,则保持灰色不变,否则,从灰色变成绿色,以使M个路面异常区域以及与M个路面异常区域互补地形的N个路面正常区域得以鲜明分类。
应当理解的是,本发明实施例对坡度超标的路面网格与坡度达标的路面网格区分形式不做限制,例如,还可以采取描边方式,每个路面网格可以呈正方形、矩形或者等腰三角形等规则形状,此处不再赘述。
示例性地,预设坡度范围可以设置成符合国家标准的坡度范围,也即标准坡度范围,例如,2%到5%或者6%到15%,可以根据道路类型预先设定;预设个数可以取值于5与20之间,预设个数与单个路面网格的面积相乘的乘积可以表示适于指示真实道路情况的正常面积。
每个路面区域的面积等于单个路面网格的面积与网格数相乘的数值,如果路面异常区域拥有的网格数大于预设个数,可以反映路面异常区域的面积超过正常面积,否则,可以反映路面异常区域的面积未超过正常面积。
对于诸如路面石头和路坑等自然形成在实体道路上的一些道路真实情况,通过坡度检测方式,容易将适于表达路面石头和路坑等道路真实情况的路面正常区域误分类成路面异常区域,通过网格数检测方式,过滤了适于表达路面石头和路坑等道路真实情况的路面正常区域,提升了对道路坡度模型进行分区识别的准确性,以防将适于表达路面石头和路坑等道路真实情况的保真区间误判为高程失真分区。
S3,在被分离的道路区域,按照M个路面异常区域界定M个高程失真分区,除M个高程失真分区之外的N个其他分区分别为高程保真分区,N表示正整数。
示例性地,图4示出了表达山区公路的道路区域,其中,一个高程失真分区相接在两个高程保真分区之间,两个高程保真分区被标相同灰色,高程失真分区比任一个高程保真分区的灰色更深,高程失真分区可以造成三维山区模型中呈现出弯道塌陷效果。
示例性地,图5示出了表达城区车道的道路区域,其中,两个高程失真分区未被标色,两个高程失真分区分散在被标灰色的一个高程保真分区中,每个高程失真分区可以造成三维城区模型中呈现出车道被行道树遮挡效果。
应当理解的是,针对高程失真分区的个数及表达的地形类型,针对高程保真分区的个数及表达的道路类型,以及,高程失真分区与高程保真分区分类形式,本发明实施例不做限制。
道路坡度模型与被分离的道路区域呈路面形态一致性,借助道路坡度模型间接地对被分离的道路区域进行分区识别,更易于准确地定位道路区域中的高程失真分区。
参见图6,本发明另一实施例的DEM重建方法,包括S1至S4。
S1,对与原DEM对应的地形DOM进行道路边线提取,根据提取到的道路边线对原DEM进行分割处理,原DEM包括局部高程失真的道路区域以及与道路区域互补的其他地形区域。
S2,对被分离的道路区域进行坡度分析,以获得对应的道路坡度模型,识别道路坡度模型中出现坡度超标的M个路面异常区域,M表示正整数。
S3,在被分离的道路区域,按照M个路面异常区域界定M个高程失真分区,除M个高程失真分区之外的N个其他分区分别为高程保真分区,N表示正整数。
S4,根据N个高程保真分区分别对各个高程失真分区进行高程修正,在M个高程失真分区全部被修正后,被分离的道路区域转变成全局保真道路区域,对全局保真道路区域与其他地形区域进行合并处理,以获得新DEM。
可选地,S4中,根据N个高程保真分区分别对各个高程失真分区进行高程修正,包括:在N个高程保真分区中检测出沿道路纵向距离对应的所述高程失真分区最近的保真位置对,保真位置对具有第一保真高程和第二保真高程,其中,道路纵向与道路中心线呈一致性;检测保真位置对沿道路纵向的参考路段距离;对第二保真高程与第一保真高程之差以及参考路段距离进行坡度测算,以获得对应的纵向正常坡度;根据纵向正常坡度以及第一保真高程修正对应的高程失真分区。
可选地,在N个高程保真分区中检测出沿道路纵向距离对应的所述高程失真分区最近的保真位置对,包括:分别定位处在同一高程失真分区的所有路面网格各自投影至道路中心线上的第一投影位置,并识别相距最远的两处第一投影位置,以及,将与相距最远的两处第一投影位置一一映射的两处路面网格确定为失真位置对;在N个高程保真分区中,将沿道路纵向分散在失真位置对前后各一位的的两处路面网格确定为保真位置对。
可选地,检测所述保真位置对沿道路纵向的参考路段距离,包括:分别定位保真位置对投影至道路中心线上的两处第二投影位置,以及,将两处第二投影位置在道路中心线上的距离作为参考路段距离。
以表达山区公路的待修复道路DEM为例,参见图7,道路中心线呈虚线RC形式,弯道塌陷区域两端分别为区域起止侧和区域终止侧,位于区域起止侧的方格D11与位于区域起止侧的方格D1K分别为适于配置成失真位置对的两处路面网格,方格D11投影于虚线RC上的第一投影位置P11,方格D1K投影于虚线RC上的第一投影位置P1K;位于区域起止侧与区域终止侧之间的任一处路面网格为方格D1j,方格D1j投影于虚线RC上的第一投影位置P1j,其中,1≤j≤K,K表示弯道塌陷区域拥有的网格数;位于方格D11前一位的方格D21与位于方格D1K后一位的方格D22分别为适于配置成保真位置对的两处路面网格,方格D21投影于虚线RC上的第二投影位置P21,方格D22投影于虚线RC上的第二投影位置P22。
通过投影法定位失真位置对后,借助失真位置对快速、精准地定位保真位置对,以供对高程失真分区进行高程修复,避免了遍历每个高程保真分区,极大地缩小了参考数据范围,参数数据更具精确性,平衡了修复道路区域的准确性、简易性以及效率。
可选地,根据纵向正常坡度以及第一保真高程修正对应的高程失真分区,包括:在预设一元一次函数中,将系数设为纵向正常坡度,以及,将常数项设为第一保真高程,使预设一元一次函数变成高程修正函数;分别检测从与第一保真高程关联的一处第二投影位置沿道路中心线到各处第一投影位置的子段距离,分别将各个子段距离赋予高程修正函数,以及,将被高程修正函数求解出的各个修正高程赋予与对应的第一投影位置映射的路面网格。
示例性地,纵向正常坡度i可以表示为:
其中,H1表示邻近于区域起始侧的路面网格所属的第一保真高程,H2表示邻近于区域终止侧的路面网格所属的第二保真高程,L表示参考路段距离。
示例性地,高程修正函数可以表示为:
其中,Hd和d分别表示相互适配的修正高程和子段距离。
高程修正函数从零到参考路段距离具有单调性,通过高程修正函数对每个高程失真分区进行线性修复后,经过高程修改的路面网格沿着道路纵向距离呈高程保真的特定路面网格越远,修正高程随之递增或递减,比非线性修复方式更具简易性。
可选地,其他地形区域具有由道路区域被分割后留出的空缺区,S4中,对全局保真道路区域与其他地形区域进行合并处理,包括:将全局保真道路DEM拼接入空缺区,以及,对全局保真道路DEM与空缺区拼接处进行平滑处理,使全局保真道路DEM快速、过渡自然地融合入其他地形区域中,有助于提升新DEM的保真性,例如,参见图8,全局保真道路DEM由表达山区公路的道路区域转变而成。
使用上述DEM重建方法,在道路区域与其他地形区域相互分开情形下,便于维持其他地形区域不变,只需使道路区域消除高程失真状况,在维持N个高程保真分区不变的基础上,无需参考除道路区域以外的其他DEM数据,使M个高程失真分区变真,提升了道路区域的保真性,相比于在原DEM中消除高程失真状况,有利于消除DEM中局部高程失真状况,另外,还具有与上述DEM分区方法相同的有益效果,此处不再赘述。
相比于原DEM叠合在地形DOM上,将新DEM叠合在地形DOM上,提升了三维地形模型的保真性和可视化效果,例如,图9示出了被更新的三维山区模型,相比于图2示出的三维山区模型,消除了弯道塌陷效果。
本发明另一实施例的一种计算设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,前述处理器执行前述计算机程序程序时,实现上述DEM分区方法或者上述DEM重建方法,其中,处理器可以通过通用串行总线与存储器连接。可以理解的是,前述计算设备可以是服务器或者终端设备。
本发明另一实施例的一种非临时性计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时,实现上述DEM分区方法或者上述DEM重建方法。
一般来说,用以实现本发明方法的计算机指令的可以采用一个或多个计算机可读的存储介质的任意组合来承载。非临时性计算机可读存储介质可以包括任何计算机可读介质,除了临时性地传播中的信号本身。
计算机可读存储介质例如可以是,但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
可以以一种或多种程序设计语言或其组合来编写用以执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言,特别是可以使用适于神经网络计算的Python语言和基于TensorFlow、PyTorch等平台框架。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算机,或,连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
上述计算设备和非临时性计算机可读存储介质,可以参见对上述DEM分区方法进行具体描述的实施内容及其有益效果,或者,可以参见对上述DEM重建方法进行具体描述的实施内容及其有益效果,在此不再赘述。
尽管上面已经示出和描述了本发明的实施例,应当理解的是,上述实施例是示例性的,不能解释为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (8)
1.一种DEM分区方法,其特征在于,包括:
对与原DEM对应的地形DOM进行道路边线提取;
根据提取到的道路边线对所述原DEM进行分割处理;
对被分离的道路区域进行坡度分析,以获得对应的道路坡度模型;
识别所述道路坡度模型中出现坡度超标的M个路面异常区域,M表示正整数;
在被分离的所述道路区域,按照M个所述路面异常区域界定M个高程失真分区;
其中,所述识别所述道路坡度模型中出现坡度超标的路面异常区域包括:
对呈规则格网的所述道路坡度模型进行逐格检测,如果检测到任一路面网格所属的坡度超过预设坡度范围,将所述路面网格标识为路面异常网格,否则,将所述路面网格标识为路面正常网格;
在遍历完所述规则格网后,所有所述路面异常网格形成至少M个路面异常区域,判断各个所述路面异常区域拥有的网格数是否大于预设个数,若是,则保留对应的所述路面异常区域不变,若否,则将处在对应的所述路面异常区域中的各个所述路面异常网格变更为对应的路面正常网格。
2.根据权利要求1所述的DEM分区方法,其特征在于,所述根据提取到的道路边线对所述原DEM进行分割处理包括:
对提取到的所述道路边线进行平滑处理,以获得平滑道路边线;
按照所述平滑道路边线从所述原DEM中裁剪出所述道路区域。
3.一种DEM重建方法,其特征在于,包括:
对与原DEM对应的地形DOM进行道路边线提取;
根据提取到的道路边线对所述原DEM进行分割处理,所述原DEM包括局部高程失真的道路区域以及与所述道路区域互补的其他地形区域;
对被分离的所述道路区域进行坡度分析,以获得对应的道路坡度模型;
识别所述道路坡度模型中出现坡度超标的M个路面异常区域,M表示正整数;
在被分离的所述道路区域,按照M个所述路面异常区域界定M个高程失真分区,除M个所述高程失真分区之外的N个其他分区分别为高程保真分区,N表示正整数;
根据N个所述高程保真分区对各个所述高程失真分区进行高程修正,在M个所述高程失真分区全部被修正后,被分离的所述道路区域转变成全局保真道路区域,对所述全局保真道路区域与所述其他地形区域进行合并处理,以获得新DEM;
其中,所述根据N个所述高程保真分区对各个所述高程失真分区进行高程修正包括:在N个所述高程保真分区中检测出沿道路纵向距离对应的所述高程失真分区最近的保真位置对,所述保真位置对具有第一保真高程和第二保真高程;
检测所述保真位置对沿所述道路纵向的参考路段距离;
对所述第二保真高程与所述第一保真高程之差以及所述参考路段距离进行坡度测算,以获得对应的纵向正常坡度;
根据所述纵向正常坡度以及所述第一保真高程修正对应的所述高程失真分区。
4.根据权利要求3所述的DEM重建方法,其特征在于,所述在N个所述高程保真分区中检测出沿道路纵向距离对应的所述高程失真分区最近的保真位置对包括:
分别定位处在同一所述高程失真分区的所有路面网格各自投影至道路中心线上的第一投影位置,并识别相距最远的两处所述第一投影位置,以及,将与相距最远的两处所述第一投影位置一一映射的两处所述路面网格确定为失真位置对;
在N个所述高程保真分区中,将沿所述道路纵向分散在所述失真位置对前后各一位的的两处路面网格确定为保真位置对;
所述检测所述保真位置对沿所述道路纵向的参考路段距离包括:
分别定位所述保真位置对投影至所述道路中心线上的两处第二投影位置,以及,将两处所述第二投影位置在所述道路中心线上的距离作为所述参考路段距离。
5.根据权利要求4所述的DEM重建方法,其特征在于,所述根据所述纵向正常坡度以及所述第一保真高程修正对应的所述高程失真分区包括:
在预设一元一次函数中,将系数设为所述纵向正常坡度,以及,将常数项设为所述第一保真高程,使所述预设一元一次函数变成高程修正函数;
分别检测从与所述第一保真高程关联的一处所述第二投影位置沿所述道路中心线到各处所述第一投影位置的子段距离,分别将各个所述子段距离赋予所述高程修正函数,以及,将被所述高程修正函数求解出的各个修正高程赋予对应的所述路面网格。
6.根据权利要求3至5任一项所述的DEM重建方法,其特征在于,所述其他地形区域具有由所述道路区域被分割后留出的空缺区,所述对所述全局保真道路区域与所述其他地形区域进行合并处理包括:
将所述全局保真道路DEM拼接入所述空缺区,以及,对所述全局保真道路DEM与所述空缺区拼接处进行平滑处理。
7.一种计算设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时,实现如权利要求1至2任一项所述的DEM分区方法或者如权利要求3至6任一项所述的DEM重建方法。
8.一种非临时性计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现如权利要求1至2任一项所述的DEM分区方法或者如权利要求3至6任一项所述的DEM重建方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211670722.9A CN115690773B (zh) | 2022-12-26 | 2022-12-26 | Dem分区及重建方法、计算设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211670722.9A CN115690773B (zh) | 2022-12-26 | 2022-12-26 | Dem分区及重建方法、计算设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115690773A CN115690773A (zh) | 2023-02-03 |
CN115690773B true CN115690773B (zh) | 2023-04-07 |
Family
ID=85056248
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211670722.9A Active CN115690773B (zh) | 2022-12-26 | 2022-12-26 | Dem分区及重建方法、计算设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115690773B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116091369B (zh) * | 2023-04-10 | 2023-07-07 | 武汉天际航信息科技股份有限公司 | 数字道路地图区分方法、装置、计算设备和存储介质 |
CN116612249B (zh) * | 2023-05-22 | 2024-04-19 | 浪潮智慧科技有限公司 | 一种线段与dem相交点的分析方法、设备及介质 |
CN117435110B (zh) * | 2023-10-11 | 2024-06-18 | 书行科技(北京)有限公司 | 一种图片处理方法、装置、电子设备和存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104239706A (zh) * | 2014-09-05 | 2014-12-24 | 中国科学院寒区旱区环境与工程研究所 | 一种地面观测气温时空数据集的制备方法 |
CN112712275A (zh) * | 2021-01-07 | 2021-04-27 | 南京大学 | 基于Maxent和GIS的森林火灾风险评估方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10127685B2 (en) * | 2015-12-16 | 2018-11-13 | Objectvideo Labs, Llc | Profile matching of buildings and urban structures |
CN106708944B (zh) * | 2016-11-23 | 2019-08-13 | 南京师范大学 | 面向swmm建模与顾及多要素的城市区域子流域自动划分方法 |
JP6854195B2 (ja) * | 2017-06-09 | 2021-04-07 | 株式会社トプコン | 画像処理装置、画像処理方法および画像処理用プログラム |
KR102018789B1 (ko) * | 2017-12-27 | 2019-11-04 | 서울시립대학교 산학협력단 | 지형정규화 모델 평가 방법, 및 이를 이용한 식생지수 맵의 지형효과 보정방법 및 그 장치 |
CN108846347B (zh) * | 2018-06-06 | 2021-06-08 | 广西师范学院 | 一种公路滑坡区域的快速提取方法 |
WO2022104260A1 (en) * | 2020-11-16 | 2022-05-19 | Ai Clearing Inc. | Data normalization of aerial images |
CN113642544B (zh) * | 2021-10-14 | 2022-04-01 | 中国测绘科学研究院 | 基于InSAR形变信息的疑似地灾隐患区自动提取方法及系统 |
CN114119866A (zh) * | 2021-11-12 | 2022-03-01 | 东南大学 | 一种基于点云数据的城市道路交叉口可视化评价方法 |
CN114882191B (zh) * | 2022-07-11 | 2022-10-28 | 浙江大华技术股份有限公司 | 数字高程模型生成方法、电子设备及计算机可读存储装置 |
-
2022
- 2022-12-26 CN CN202211670722.9A patent/CN115690773B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104239706A (zh) * | 2014-09-05 | 2014-12-24 | 中国科学院寒区旱区环境与工程研究所 | 一种地面观测气温时空数据集的制备方法 |
CN112712275A (zh) * | 2021-01-07 | 2021-04-27 | 南京大学 | 基于Maxent和GIS的森林火灾风险评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115690773A (zh) | 2023-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115690773B (zh) | Dem分区及重建方法、计算设备和存储介质 | |
JP6937355B2 (ja) | ひび割れ解析装置、ひび割れ解析方法、及び、ひび割れ解析プログラム | |
CN111462275B (zh) | 一种基于激光点云的地图生产方法和装置 | |
JP6779698B2 (ja) | 舗装ひび割れ解析装置、舗装ひび割れ解析方法及び舗装ひび割れ解析プログラム | |
CN115661004B (zh) | 三维地形模型及道路dem的更新方法、设备以及存储介质 | |
CN109584294B (zh) | 一种基于激光点云的路面点云提取方法和装置 | |
CN112154446B (zh) | 立体车道线确定方法、装置和电子设备 | |
CN111062958B (zh) | 一种城市道路要素提取方法 | |
EP4120123A1 (en) | Scan line-based road point cloud extraction method | |
JP6678267B1 (ja) | 道路不具合検出装置、道路不具合検出方法及び道路不具合検出プログラム | |
CN112257772B (zh) | 一种道路增减区间切分方法、装置、电子设备及存储介质 | |
CN114842450A (zh) | 一种可行驶区域检测方法、装置及设备 | |
CN106373199A (zh) | 一种倾斜摄影建筑物模型快速提取方法 | |
CN111696059B (zh) | 一种车道线光滑连接处理方法和装置 | |
CN115294293A (zh) | 基于低空航摄成果自动化编译高精地图道路参考线的方法 | |
CN117423000B (zh) | 一种基于mars的道路纵断面线形智能重构的方法 | |
CN117523130A (zh) | 一种LiDAR生成城市高精度数字地形及子汇水区划分方法 | |
CN115795626B (zh) | 数字道路模型分析方法、装置、计算设备以及存储介质 | |
Matsuura et al. | Estimation of planes of a rock mass in a gallery wall from point cloud data based on MD PSO | |
KR102156085B1 (ko) | 고해상도 드론 영상을 활용한 산림지역 변화 탐지 및 변화지역 투수/불투수도 갱신 방법 | |
CN114882191B (zh) | 数字高程模型生成方法、电子设备及计算机可读存储装置 | |
CN116500643A (zh) | 一种基于单线激光点云的公路变形类病害检测方法、系统 | |
CN103337220A (zh) | 摄影数据提供系统 | |
CN115880445A (zh) | 路网自动构建方法、装置、电子设备和可读存储介质 | |
CN112949358A (zh) | 道路描述文件生成方法及设备 |
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 |