CN116010641B - 基于gis的智慧城市建设用大数据实时获取装置及方法 - Google Patents

基于gis的智慧城市建设用大数据实时获取装置及方法 Download PDF

Info

Publication number
CN116010641B
CN116010641B CN202310300341.XA CN202310300341A CN116010641B CN 116010641 B CN116010641 B CN 116010641B CN 202310300341 A CN202310300341 A CN 202310300341A CN 116010641 B CN116010641 B CN 116010641B
Authority
CN
China
Prior art keywords
data
gis
smart city
building
points
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
Application number
CN202310300341.XA
Other languages
English (en)
Other versions
CN116010641A (zh
Inventor
刘传玉
陈坤
张鑫
刘长鑫
虞国平
王林
刘岩松
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.)
Suzhou Spaceflight System Engineering Co ltd
Original Assignee
Suzhou Spaceflight System Engineering Co ltd
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 Suzhou Spaceflight System Engineering Co ltd filed Critical Suzhou Spaceflight System Engineering Co ltd
Priority to CN202310300341.XA priority Critical patent/CN116010641B/zh
Publication of CN116010641A publication Critical patent/CN116010641A/zh
Application granted granted Critical
Publication of CN116010641B publication Critical patent/CN116010641B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • Y02A30/00—Adapting or protecting infrastructure or their operation
    • Y02A30/60—Planning or developing urban green infrastructure

Landscapes

  • Processing Or Creating Images (AREA)

Abstract

本申请提供了基于GIS的智慧城市建设用大数据实时获取装置及方法，运用于数据处理技术领域，其方法包括：对智慧城市的三维空间信息进行获取；通过地形图进行扫描，利用Arc GIS和CAD软件对扫描获得的栅格图像进行矢量化，添加地形特征线，生成DRM数据；基于激光扫描测距系统对智慧城市的影像，经过算法提取建筑物高程、纹理，得到建筑物高度数据；对2D GIS中的建筑物轮廓线与建筑物高度结合，得到三维对象几何要素数据；将智慧城市的三维空间信息进行保存至数据库，当输入对应的命令时进行数据的输出；激光扫描测距系统测高度数据是综合激光测距技术、计算机技术与高精度动态GPS差分定位技术，GPS定位技术解决了智慧城市建设的定位问题。

Description

基于GIS的智慧城市建设用大数据实时获取装置及方法
技术领域
本申请涉及数据处理技术领域，特别涉及基于GIS的智慧城市建设用大数据实时获取装置及方法。
背景技术
随着世界各地智慧城市建造热潮的兴起，多源、异构、海量的大数据应运而生，面对一个城市方方面面的大数据，要做到综合收集起来，使其被高效利用，以解决现代社会中的种种难题；智慧城市的本质在于信息化与城市化的高度融合，是新一代信息技术发展和知识社会创新环境下城市信息化向更高阶段发展的表现，但针对其数据的获取存在针对GIS数据采集中，采用手工调查和数据处理工作复杂等导致效率低下的问题。
参考专利申请号CN202011127726.3-基于GIS大数据的工况权重因子获取方法及装置公开了：所述获取方法包括以下步骤：S1、GIS数据补充与修正；S2、道路信息处理与匹配，构建典型城市全路网GIS数据库；S3、建立基于支持向量机的交通流模型选择模型；S4、交通流模型标定及计算，得到全路网道路的交通流量；S5、速度区间权重因子计算，该方法可准确客观的对各个速度区间的权重因子进行计算。
此现有技术优化了数据获取的方式，但针对其方案是基于支持向量机构建了交通流模型选择模型，从而实现数据的获取，其中该模型存在不会对数据进行更新，且模型的训练也会降低数据获取效率，因此现提出基于GIS的智慧城市建设用大数据实时获取装置及方法，实现对原始数据、再生数据和交换数据的综合获取。
发明内容
本申请的目的是提供基于GIS的智慧城市建设用大数据实时获取装置及方法，旨在解决采用手工获取和数据处理导致获取信息效率低的问题。
为实现上述目的，本申请提供如下技术方案：
本申请提供基于GIS的智慧城市建设用大数据实时获取方法，包括：
S1：对智慧城市的三维空间信息进行获取，所述三维空间信息包括DEM数据、建筑物高度数据、三维对象几何要素数据；
S2：通过地形图进行扫描，利用Arc GIS和CAD软件对扫描获得的栅格图像进行矢量化，添加地形特征线，生成DRM数据；
S3：基于激光扫描测距系统对智慧城市的影像，经过算法提取建筑物高程、纹理，得到建筑物高度数据，其中激光测距公式如下：
Figure SMS_1
，
Figure SMS_2
为激光发射点到反射点之间的几何距离，/>
Figure SMS_3
为激光测距的距离分辨率，/>
Figure SMS_4
为光速，/>
Figure SMS_5
为激光脉冲往返时间，/>
Figure SMS_6
为测距系统的测时分辨率。
S4：对2D GIS中的建筑物轮廓线与建筑物高度结合，得到三维对象几何要素数据；
S5：将智慧城市的三维空间信息进行保存至数据库，当输入对应的命令时进行数据的输出。
进一步的，所述通过地形图进行扫描，利用Arc GIS和CAD软件对扫描获得的栅格图像进行矢量化，添加地形特征线，生成DRM数据的步骤中，包括：
对地形图进行预处理，在地形图中对中断的等高线进行连线，若断开距离超过预设值，则利用图形编辑工具，仿照相邻等高线的变化进行人工补画，若断开距离没有超过预设值则通过程序自动连线；
在对地形图扫描后，读取高程控制点的平面位置和高程标注值，获得定位点的二维坐标和高程，进行综合匹配得到高程控制点的三维坐标。
进一步的，所述步骤S3中，包括：所述激光扫描测距系统包括：激光测距单元、光机扫描镜、控制单元和处理单元，所述激光测距单元为激光发射器和光电子接收器；
获取所述建筑物高度数据的公式为：
Figure SMS_7
，其中/>
Figure SMS_8
为扫描角，是一个常数，H为飞行高度，建筑物高度数据与激光扫描测距系统的飞行高度对应相关。
进一步的，所述步骤S3后，包括：对激光扫描测距系统测高误差源分析，误差分为定位误差、测角误差、测距误差、集成误差，所述测距误差为激光扫描测距系统的误差，公式为：
Figure SMS_9
，
Figure SMS_10
为测距的距离，/>
Figure SMS_11
为测距误差引起的激光脚点在瞬时激光束坐标系中的误差向量，/>
Figure SMS_12
为含有测距误差/>
Figure SMS_13
的激光脚点在瞬时激光束坐标系中的位置向量。
进一步的，所述对2D GIS中的建筑物轮廓线与建筑物高度结合，得到三维对象几何要素数据的步骤中，包括：
利用
Figure SMS_14
算法提取建筑物轮廓线，预设一个有限点集S，在所述点集S中选择两点，以参数/>
Figure SMS_15
为半径做圆，若圆内不包含点集S内的点，则判断这两点是离散点云数据的一个边界点，以其中一点为种子点，计算出下一个边界点，最后将所有的边界点顺序连接，得到离散点云数据的轮廓线。
进一步的，所述
Figure SMS_16
算法提取建筑物轮廓线的判断条件为：在离散点集S内，过两点P1、P2绘制半径为/>
Figure SMS_17
的圆，若圆内不包含点集S内的点，则判断这两点是离散点云数据的一个边界点，其连线P1P2为边界线段，预设P1、P2的坐标分别是/>
Figure SMS_18
，利用距离交会法求取半径为/>
Figure SMS_19
的外接圆的圆心P3的坐标/>
Figure SMS_20
，所述距离交会法的公式如下：
Figure SMS_21
。
进一步的，所述将智慧城市的三维空间信息进行保存至数据库，当输入对应的命令时进行数据的输出的步骤中，包括：
利用GIS对数据库进行三维空间信息的检查，对于不同类型的数据建立不同符号，对新符号进行创建，对旧符号进行刷新或修改；将地形图的参照信息进行标注，确定其定位点；通过对数据库的查询，根据查询属性信息对应的检查三维空间信息。
本申请还提供基于GIS的智慧城市建设用大数据实时获取装置，包括：
数据建立模块：对智慧城市的三维空间信息进行获取，所述三维空间信息包括DEM数据、建筑物高度数据、三维对象几何要素数据；
数据扫描模块：通过地形图进行扫描，利用Arc GIS和CAD软件对扫描获得的栅格图像进行矢量化，添加地形特征线，生成DRM数据；
获取高度数据模块：基于激光扫描测距系统对智慧城市的影像，经过算法提取建筑物高程、纹理，得到建筑物高度数据；
数据结合模块：对2D GIS中的建筑物轮廓线与建筑物高度结合，得到三维对象几何要素数据；
数据库模块：将智慧城市的三维空间信息进行保存至数据库，当输入对应的命令时进行数据的输出。
本申请还提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现上述的基于GIS的智慧城市建设用大数据实时获取方法的步骤。
本申请还提供一种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上述的基于GIS的智慧城市建设用大数据实时获取方法的步骤。
本申请提供了基于GIS的智慧城市建设用大数据实时获取装置及方法，具有以下有益效果：
（1）本文提出的自动提取建筑物轮廓线的方法能够改善人工交互提取成本高昂、效率低下且准确率程度不高的现状；
（2）激光扫描测距系统测高度数据是综合激光测距技术、计算机技术、高精度动态载体姿态测量技术与高精度动态GPS差分定位技术，GPS定位技术解决了智慧城市建设的定位问题；
（3）对智慧城市的三维空间信息采用不同方式进行获取，并保存至数据库，当数据更新时，数据库也实时的进行更新，实现输入命令就对应输出信息数据的便捷。
附图说明
图1为本申请一实施例的基于GIS的智慧城市建设用大数据实时获取方法的流程示意图；
图2为本申请一实施例的基于GIS的智慧城市建设用大数据实时获取装置的结构示意图；
图3为本申请一实施例的计算机设备的结构示意框图。
本申请为目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
参考附图1，为本申请提出的基于GIS的智慧城市建设用大数据实时获取方法的流程示意图；
本申请所提供的基于GIS的智慧城市建设用大数据实时获取方法，步骤包括：
S1：对智慧城市的三维空间信息进行获取，所述三维空间信息包括DEM数据、建筑物高度数据、三维对象几何要素数据。
S2：通过地形图进行扫描，利用Arc GIS和CAD软件对扫描获得的栅格图像进行矢量化，添加地形特征线，生成DRM数据；对地形图进行预处理，在地形图中对中断的等高线进行连线，若断开距离超过预设值，则利用图形编辑工具，仿照相邻等高线的变化进行人工补画，若断开距离没有超过预设值则通过程序自动连线；在对地形图扫描后，读取高程控制点的平面位置和高程标注值，获得定位点的二维坐标和高程，进行综合匹配得到高程控制点的三维坐标。
在此步骤中，图像编辑时在计算机屏幕上进行的，因此首先应把图幅的坐标转换为当前屏幕状态的坐标系和比例尺，设光标点为S(x,y)，图幅上某一点状要素的坐标为A(x,y)，则可设一捕捉半径D，若S和A的距离d小于D则认为捕捉成功，即认为找到的点是A，否则失败，继续搜索其他点，d的计算公式为：
Figure SMS_22
。
S3：基于激光扫描测距系统对智慧城市的影像，经过算法提取建筑物高程、纹理，得到建筑物高度数据；所述激光扫描测距系统包括：激光测距单元、光机扫描镜、控制单元和处理单元，所述激光测距单元为激光发射器和光电子接收器；获取所述建筑物高度数据的公式为：
Figure SMS_23
，其中/>
Figure SMS_24
为扫描角，是一个常数，H为飞行高度，建筑物高度数据与激光扫描测距系统的飞行高度对应相关；对激光扫描测距系统测高误差源分析，误差分为定位误差、测角误差、测距误差、集成误差，所述测距误差为激光扫描测距系统的误差，公式为：
Figure SMS_25
，
Figure SMS_26
为测距的距离，/>
Figure SMS_27
为测距误差引起的激光脚点在瞬时激光束坐标系中的误差向量，/>
Figure SMS_28
为含有测距误差/>
Figure SMS_29
的激光脚点在瞬时激光束坐标系中的位置向量。
在此步骤中，测距误差同多种因素有关，包括系统和随机两部分，这里考虑系统误差部分，其大小取决于不同的系统、反射介质及地形条件等外界条件；GPS动态差分定位过程中，会受到包括流层延迟误差、电离层延迟误差、多路径误差等系统误差的影响，GPS动态差分定位的精度一般为10cm左右；系统集成综合误差主要包括激光脉冲感应参考中心与GPS天线相位中心偏心向量的测定误差。
S4：对2D GIS中的建筑物轮廓线与建筑物高度结合，得到三维对象几何要素数据；利用
Figure SMS_30
算法提取建筑物轮廓线，预设一个有限点集S，在所述点集S中选择两点，以参数/>
Figure SMS_31
为半径做圆，若圆内不包含点集S内的点，则判断这两点是离散点云数据的一个边界点，以其中一点为种子点，计算出下一个边界点，最后将所有的边界点顺序连接，得到离散点云数据的轮廓线；所述/>
Figure SMS_32
算法提取建筑物轮廓线的判断条件为：在离散点集S内，过两点P1、P2绘制半径为/>
Figure SMS_33
的圆，若圆内不包含点集S内的点，则判断这两点是离散点云数据的一个边界点，其连线P1P2为边界线段，预设P1、P2的坐标分别是/>
Figure SMS_34
，利用距离交会法求取半径为/>
Figure SMS_35
的外接圆的圆心P3的坐标/>
Figure SMS_36
，所述距离交会法的公式如下：
Figure SMS_37
。
在此步骤中利用
Figure SMS_40
算法的运算过程可以理解为一个半径为/>
Figure SMS_42
的圆轮在点集S外做滚动，当/>
Figure SMS_44
值适中时，这个圆轮就只是沿着点集S的边界滚动，最终计算出点集S的轮廓线，当/>
Figure SMS_39
值无限趋于0时，点集S的每个点都是边界点，当/>
Figure SMS_41
值无限趋于无穷大时，则
Figure SMS_43
算法无法计算边界点，所以只有当/>
Figure SMS_45
值适当时，/>
Figure SMS_38
算法才可以计算出点集S的边界点。
S5：将智慧城市的三维空间信息进行保存至数据库，当输入对应的命令时进行数据的输出；利用GIS对数据库进行三维空间信息的检查，对于不同类型的数据建立不同符号，对新符号进行创建，对旧符号进行刷新或修改；将地形图的参照信息进行标注，确定其定位点；通过对数据库的查询，根据查询属性信息对应的检查三维空间信息。
参考附图2，为本申请提出的基于GIS的智慧城市建设用大数据实时获取装置，包括：
数据建立模块：对智慧城市的三维空间信息进行获取，所述三维空间信息包括DEM数据、建筑物高度数据、三维对象几何要素数据；
数据扫描模块：通过地形图进行扫描，利用Arc GIS和CAD软件对扫描获得的栅格图像进行矢量化，添加地形特征线，生成DRM数据；
获取高度数据模块：基于激光扫描测距系统对智慧城市的影像，经过算法提取建筑物高程、纹理，得到建筑物高度数据；
数据结合模块：对2D GIS中的建筑物轮廓线与建筑物高度结合，得到三维对象几何要素数据；
数据库模块：将智慧城市的三维空间信息进行保存至数据库，当输入对应的命令时进行数据的输出。
参照图3，本申请实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储三维空间信息等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现基于GIS的智慧城市建设用大数据实时获取方法。
本领域技术人员可以理解，图3中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定。
本申请一实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现基于GIS的智慧城市建设用大数据实时获取方法的步骤，具体为：
S1：对智慧城市的三维空间信息进行获取，所述三维空间信息包括DEM数据、建筑物高度数据、三维对象几何要素数据；
S2：通过地形图进行扫描，利用Arc GIS和CAD软件对扫描获得的栅格图像进行矢量化，添加地形特征线，生成DRM数据；
S3：基于激光扫描测距系统对智慧城市的影像，经过算法提取建筑物高程、纹理，得到建筑物高度数据，其中激光测距公式如下：
Figure SMS_46
，
Figure SMS_47
为激光发射点到反射点之间的几何距离，/>
Figure SMS_48
为激光测距的距离分辨率，/>
Figure SMS_49
为光速，/>
Figure SMS_50
为激光脉冲往返时间，/>
Figure SMS_51
为测距系统的测时分辨率。
S4：对2D GIS中的建筑物轮廓线与建筑物高度结合，得到三维对象几何要素数据；
S5：将智慧城市的三维空间信息进行保存至数据库，当输入对应的命令时进行数据的输出。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM通过多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双速据率SDRAM（SSRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink）DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其它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、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本申请的专利保护范围内。
尽管已经示出和描述了本申请的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本申请的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本申请的范围由所附权利要求及其等同物限定。

Claims (9)

1.基于GIS的智慧城市建设用大数据实时获取方法，其特征在于，包括：
S1：对智慧城市的三维空间信息进行获取，所述三维空间信息包括DEM数据、建筑物高度数据和三维对象几何要素数据；
S2：通过地形图进行扫描，利用Arc GIS和CAD软件对扫描获得的栅格图像进行矢量化，添加地形特征线，生成DRM数据；
S3：基于激光扫描测距系统对智慧城市的影像，经过算法提取建筑物高程、纹理，得到建筑物高度数据，其中激光测距公式如下：
Figure FDA0004228959550000011
Figure FDA0004228959550000012
ρ为激光发射点到反射点之间的几何距离，Δρ为激光测距的距离分辨率，c为光速，t为激光脉冲往返时间，Δt为测距系统的测时分辨率；
S4：对2D GIS中的建筑物轮廓线与建筑物高度结合，得到三维对象几何要素数据；
S5：将智慧城市的三维空间信息进行保存至数据库，当输入对应的命令时进行数据的输出；
所述对2D GIS中的建筑物轮廓线与建筑物高度结合，得到三维对象几何要素数据的步骤中，包括：
利用α-Shapes算法提取建筑物轮廓线，预设一个有限点集S，在所述点集S中选择两点，以参数α为半径做圆，若圆内不包含点集S内的点，则判断这两点是离散点云数据的一个边界点，以其中一点为种子点，计算出下一个边界点，最后将所有的边界点顺序连接，得到离散点云数据的轮廓线。
2.根据权利要求1所述的基于GIS的智慧城市建设用大数据实时获取方法，其特征在于，所述通过地形图进行扫描，利用Arc GIS和CAD软件对扫描获得的栅格图像进行矢量化，添加地形特征线，生成DRM数据的步骤中，包括：
对地形图进行预处理，在地形图中对中断的等高线进行连线，若断开距离超过预设值，则利用图形编辑工具，仿照相邻等高线的变化进行人工补画，若断开距离没有超过预设值则通过程序自动连线；
在对地形图扫描后，读取高程控制点的平面位置和高程标注值，获得定位点的二维坐标和高程，进行综合匹配得到高程控制点的三维坐标。
3.根据权利要求1所述的基于GIS的智慧城市建设用大数据实时获取方法，其特征在于，所述S3中，包括：所述激光扫描测距系统包括：激光测距单元、光机扫描镜、控制单元和处理单元，所述激光测距单元为激光发射器和光电子接收器；
获取所述建筑物高度数据的公式为：SW＝2Htan(θ/2)，其中θ为扫描角，是一个常数，H为飞行高度，建筑物高度数据与激光扫描测距系统的飞行高度对应相关。
4.根据权利要求1所述的基于GIS的智慧城市建设用大数据实时获取方法，其特征在于，所述S3后，包括：对激光扫描测距系统测高误差源分析，误差分为定位误差、测角误差、测距误差和集成误差，所述测距误差为激光扫描测距系统的误差，公式为：
r′＝r+Δr＝(α+Δα)
α+Δα为测距的距离，Δr为测距误差引起的激光脚点在瞬时激光束坐标系中的误差向量，r为含有测距误差Δα的激光脚点在瞬时激光束坐标系中的位置向量。
5.根据权利要求1所述的基于GIS的智慧城市建设用大数据实时获取方法，其特征在于，所述α-Shapes算法提取建筑物轮廓线的判断条件为：在离散点集S内，过两点P1、P2绘制半径为α的圆，若圆内不包含点集S内的点，则判断这两点是离散点云数据的一个边界点，其连线P1P2为边界线段，预设P1、P2的坐标分别是(x1,y1),(x2,y2)，利用距离交会法求取半径为α的外接圆的圆心P3的坐标(x3,y3)，所述距离交会法的公式如下：
Figure FDA0004228959550000021
Figure FDA0004228959550000022
Figure FDA0004228959550000023
6.根据权利要求1所述的基于GIS的智慧城市建设用大数据实时获取方法，其特征在于，所述将智慧城市的三维空间信息进行保存至数据库，当输入对应的命令时进行数据的输出的步骤中，包括：
利用GIS对数据库进行三维空间信息的检查，对于不同类型的数据建立不同符号，对新符号进行创建，对旧符号进行刷新或修改；将地形图的参照信息进行标注，确定其定位点；通过对数据库的查询，根据查询属性信息对应的检查三维空间信息。
7.基于GIS的智慧城市建设用大数据实时获取装置，其特征在于，包括：
数据建立模块：对智慧城市的三维空间信息进行获取，所述三维空间信息包括DEM数据、建筑物高度数据和三维对象几何要素数据；
数据扫描模块：通过地形图进行扫描，利用Arc GIS和CAD软件对扫描获得的栅格图像进行矢量化，添加地形特征线，生成DRM数据；
获取高度数据模块：基于激光扫描测距系统对智慧城市的影像，经过算法提取建筑物高程、纹理，得到建筑物高度数据；
数据结合模块：对2D GIS中的建筑物轮廓线与建筑物高度结合，得到三维对象几何要素数据；
数据库模块：将智慧城市的三维空间信息进行保存至数据库，当输入对应的命令时进行数据的输出；
所述对2D GIS中的建筑物轮廓线与建筑物高度结合，得到三维对象几何要素数据，包括：
利用α-Shapes算法提取建筑物轮廓线，预设一个有限点集S，在所述点集S中选择两点，以参数α为半径做圆，若圆内不包含点集S内的点，则判断这两点是离散点云数据的一个边界点，以其中一点为种子点，计算出下一个边界点，最后将所有的边界点顺序连接，得到离散点云数据的轮廓线。
8.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的基于GIS的智慧城市建设用大数据实时获取方法的步骤。
9.一种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权利要求1至6中任一项所述的基于GIS的智慧城市建设用大数据实时获取方法的步骤。
CN202310300341.XA 2023-03-27 2023-03-27 基于gis的智慧城市建设用大数据实时获取装置及方法 Active CN116010641B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310300341.XA CN116010641B (zh) 2023-03-27 2023-03-27 基于gis的智慧城市建设用大数据实时获取装置及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310300341.XA CN116010641B (zh) 2023-03-27 2023-03-27 基于gis的智慧城市建设用大数据实时获取装置及方法

Publications (2)

Publication Number Publication Date
CN116010641A CN116010641A (zh) 2023-04-25
CN116010641B true CN116010641B (zh) 2023-06-30

Family

ID=86021338

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310300341.XA Active CN116010641B (zh) 2023-03-27 2023-03-27 基于gis的智慧城市建设用大数据实时获取装置及方法

Country Status (1)

Country Link
CN (1) CN116010641B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117033536B (zh) * 2023-10-10 2023-12-15 中国科学技术大学 一种基于gis的城市可燃物分布数据库的构建方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111724477A (zh) * 2020-07-06 2020-09-29 中铁二局第一工程有限公司 一种多源数据融合构建多层次三维地形模型方法
CN112598796B (zh) * 2020-12-28 2024-03-22 华东交通大学 基于广义点云的三维建筑信息模型构建与自动更新的方法

Also Published As

Publication number Publication date
CN116010641A (zh) 2023-04-25

Similar Documents

Publication Publication Date Title
US11176701B2 (en) Position estimation system and position estimation method
CN108195377B (zh) 一种基于三角形周长匹配的反光板匹配算法
CN108921947A (zh) 生成电子地图的方法、装置、设备、存储介质以及采集实体
CN116010641B (zh) 基于gis的智慧城市建设用大数据实时获取装置及方法
CN110335301B (zh) 一种基于激光雷达和结构光的三维扫描方法及装置
CN111862214B (zh) 计算机设备定位方法、装置、计算机设备和存储介质
CN112762899B (zh) 一种激光点云加bim模型在可视化变电站中与视频信息的融合方法
CN112700497B (zh) 回环检测方法、装置、设备及计算机可读存储介质
KR20130096012A (ko) 라이다 데이터를 이용한 도로의 곡선반경, 종단 및 횡단 경사도 산출 방법
CN114937130B (zh) 一种地形图测绘方法、装置、设备及存储介质
US20230184564A1 (en) High-precision map construction method, electronic device, and storage medium
CN114459471A (zh) 定位信息确定方法、装置、电子设备及存储介质
US20230206500A1 (en) Method and apparatus for calibrating extrinsic parameter of a camera
CN115471619A (zh) 基于立体成像高分辨率卫星影像的城市三维模型构建方法
JP2021185365A (ja) 自己位置推定装置、自己位置推定方法、プログラム及び記憶媒体
CN116775797A (zh) 一种基于多源大数据融合的城市空间全息地图的构建方法
CN111611525A (zh) 基于物方匹配高程偏差迭代修正的遥感数据高程解算方法
CN116310250A (zh) 一种基于三维传感器的点云拼接方法、系统和存储介质
CN115222815A (zh) 障碍物距离检测方法、装置、计算机设备和存储介质
CN110058211B (zh) 一种车载LiDAR测量系统检校初值的获取方法及装置
CN115877349B (zh) 一种基于激光雷达的交叉路口车辆定位方法及系统
CN115685223B (zh) 位置识别方法、装置、电子设备及可读存储介质
CN111862322B (zh) 一种拱轴线提取方法及装置
CN115201779B (zh) 获取雷达的成像原点空间位置和基线水平方位角的方法
Hua et al. Review of 3D GIS Data Fusion Methods and Progress

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