CN116701679A - 倾斜摄影数据存储方法及系统 - Google Patents
倾斜摄影数据存储方法及系统 Download PDFInfo
- Publication number
- CN116701679A CN116701679A CN202310972533.5A CN202310972533A CN116701679A CN 116701679 A CN116701679 A CN 116701679A CN 202310972533 A CN202310972533 A CN 202310972533A CN 116701679 A CN116701679 A CN 116701679A
- Authority
- CN
- China
- Prior art keywords
- point
- triangular
- data
- line
- analysis unit
- 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
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000013500 data storage Methods 0.000 title claims abstract description 18
- 238000004458 analytical method Methods 0.000 claims abstract description 65
- 239000000178 monomer Substances 0.000 claims abstract description 37
- 238000013507 mapping Methods 0.000 claims abstract description 24
- 238000009432 framing Methods 0.000 claims abstract description 11
- 238000001514 detection method Methods 0.000 claims description 37
- 238000004364 calculation method Methods 0.000 claims description 15
- 125000004122 cyclic group Chemical group 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 12
- 238000003384 imaging method Methods 0.000 claims 2
- 238000013075 data extraction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/55—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及数据存储技术领域,具体公开了一种倾斜摄影数据存储方法及系统,其中,方法包括将倾斜摄影获取的测绘矢量数据以分幅形式输入至知识图谱,在知识图谱中按照预设要素来对应的抽取每幅测绘矢量数据中的多个数据单体;对获取多个数据单体的按照预设分析器进行特征分析,得到每一数据单体的识别特征的记录文件,将每一记录文件依次输入至写入节点,在写入节点中通过调用记录文件的读写属性,并在读写属性中按照识别特征写入赋值;通过所述赋值将数据单体依次存储到存储目录对应的子目录下,并按照赋值对应的识别特征形成对应的存储列表。在进行利用时,只需要对应的加载存储列表就可以对应的得到点要素、线要素以及面要素对应的数据单体。
Description
技术领域
本发明涉及一种倾斜摄影数据分类存储技术领域,具体的涉及一种倾斜摄影数据存储方法。
背景技术
目前对倾斜摄影数据的存储,一般都是保存成OSGB文件存储在数据库中,当需要进行数据利用时,需要先通过OSGB文件读入OSG,遍历顶点面片比较SHP区域,以此获取点、线、面的数据特征,然后在根据获取的点、线、面的数据特征来进行对应的数据抽取利用,每一次利用之前都需要经过上述的数据处理过程,不能形成快速的数据加载使用。
发明内容
有鉴于此,本发明的目的在于提供一种倾斜摄影数据存储方法及系统。
为实现上述目的,本发明提供了一种倾斜摄影数据存储方法,包括如下步骤:
将倾斜摄影获取的测绘矢量数据以分幅形式输入至知识图谱,在知识图谱中按照预设要素来对应的抽取每幅测绘矢量数据中的多个数据单体;
对获取多个数据单体的按照预设分析器进行特征分析,得到每一数据单体的识别特征的记录文件,将每一记录文件依次输入至写入节点,在写入节点中通过调用记录文件的读写属性,并在读写属性中按照识别特征写入赋值;
通过所述赋值将数据单体依次存储到存储目录对应的子目录下,并按照赋值对应的识别特征形成对应的存储列表。
进一步地,所述预设要素包括点要素、线要素以及面要素。
进一步地,所述预设分析器包括:
点要素分析单元,用于按照循环碰撞检测方式获取点最大高程, 得到点最大高程坐标,以点最大高程以及点最大高程坐标作为点要素的识别特征;
线要素分析单元,用于检测线走向,通过计算模型计算线投影下三角点交点,获取三角点交点的顶点坐标,将多个顶点坐标相互连接形成三角网;以线投影下的多个所述顶点坐标和对应的三角网作为线要素的识别特征;
面要素分析单元,用于按照面判断逻辑来确定模型区域,并对模型区域的三角面进行获取,以获取的至少一组三角面作为面要素的识别特征。
进一步地,所述面判断逻辑包括区域判定和循环碰撞检测方式。
进一步地,在所述面要素分析单元中,若模型区域边界部分缺少三角面特征时,面要素分析单元加载轮廓检测单元对模型区域所包含的每一轮廓面进行轮廓检测,并通过在每一面轮廓的边界部分根据矢量数据坐标点对原三角网进行重构,得到对应的三角面特征。
进一步地,在所述线要素分析单元中加载三角网检测单元,所述三角网检测单元用于对由多个顶点坐标相互连接形成的三角网按照容限值生成单元对应生成的容限值范围进行检测,若三角网超过容限值范围,则按照容限值范围进行插值来修正所述三角网及三角网对应的顶点坐标。
进一步地,所述容限值生成单元用于:当所述线要素分析单元按照多个顶点坐标中的三个相互连接形成的任意一个三角网时,对应的将该三角网匹配的三个顶点坐标输入至所述容限值生成单元,所述容限值生成单元根据接收到的三个顶点坐标再通过计算模型进行逆计算得到对应的线上的原始点及原始点坐标,将原始点进行连接后得到原始三角网,以原始三角网的垂直投影作为容限值的上限值;同时分别计算原始点坐标和对应的顶点坐标构成的连线与大地平面的角度,对原始三角网按照角度换算得到的均衡值进行投影作为容限值的下限值。
本申请还提供了一种倾斜摄影数据存储系统,包括:
输入单元,用于将倾斜摄影获取的测绘矢量数据以分幅形式输入至知识图谱,且所述知识图谱内设置有:
抽取模块,该抽取模块具有以点要素、线要素以及面要素构成的抽取单元,所述抽取单元用于对应的抽取每幅测绘矢量数据中的多个数据单体;
预设分析器,包括点要素分析单元、线要素分析单元以及面要素分析单元;
所述点要素分析单元用于按照循环碰撞检测方式获取点最大高程, 得到点最大高程坐标,以点最大高程以及点最大高程坐标作为点要素的识别特征;
所述线要素分析单元用于检测线走向,通过计算模型计算线投影下三角点交点,获取三角点交点的顶点坐标,将多个顶点坐标相互连接形成三角网;以线投影下的多个所述顶点坐标和对应的三角网作为线要素的识别特征;
所述面要素分析单元用于按照面判断逻辑来确定模型区域,并对模型区域的三角面进行获取,以获取的至少一组三角面作为面要素的识别特征;
轮廓检测单元,连接所述面要素分析单元,用于当所述面要素分析单元在确定模型区域时,若模型区域边界部分缺少三角面特征时,所述轮廓检测单元对模型区域所包含的每一轮廓面进行轮廓检测,并通过在每一面轮廓的边界部分根据矢量数据坐标点对原三角网进行重构,得到对应的三角面特征;
三角网检测单元,连接所述线要素分析单元,所述三角网检测单元用于对由多个顶点坐标相互连接形成的三角网按照容限值生成单元对应生成的容限值范围进行检测,若三角网超过容限值范围,则按照容限值范围进行插值来修正所述三角网及三角网对应的顶点坐标;
配置单元,用于点要素的识别特征、线要素的识别特征以及面要素的识别特征,基于点要素的识别特征、线要素的识别特征以及面要素的识别特征对应的形成点要素记录文件、线要素记录文件以及面要素记录文件;
写入节点,用于获取点要素记录文件、线要素记录文件以及面要素记录文件,在写入节点中分别调用点要素记录文件、线要素记录文件以及面要素记录文件的读写属性,并在读写属性中按照识别特征写入赋值;
存储单元,用于通过所述赋值将数据单体依次存储到存储目录对应的子目录下,并按照赋值对应的识别特征形成对应的存储列表。
本申请通过在获取倾斜摄影数据时,将倾斜摄影获取的测绘矢量数据以分幅形式输入至知识图谱,在知识图谱中通过以点要素、线要素以及面要素对每幅测绘矢量数据中的多个数据单体进行抽取,然后对抽取的多个数据单体在按照点要素分析单元、线要素分析单元以及面要素分析单元分别获取点要素的识别特征、线要素的识别特征以及面要素的识别特征,通过以点要素的识别特征、线要素的识别特征以及面要素的识别特征将数据单体依次存储到存储目录对应的子目录下,并按照赋值对应的识别特征形成对应的存储列表。在进行利用时,只需要对应的加载存储列表就可以对应的得到点要素、线要素以及面要素对应的数据单体。
附图说明
图1为本发明的方法流程图;
图2为本发明的容限值确定的示意图;
图3为本发明中系统的框架原理图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1:
参照图1和图2,本申请提供了一种倾斜摄影数据存储方法,包括如下步骤:
将倾斜摄影获取的测绘矢量数据以分幅形式输入至知识图谱,在知识图谱中按照预设要素来对应的抽取每幅测绘矢量数据中的多个数据单体;
对获取多个数据单体的按照预设分析器进行特征分析,得到每一数据单体的识别特征的记录文件,将每一记录文件依次输入至写入节点,在写入节点中通过调用记录文件的读写属性,并在读写属性中按照识别特征写入赋值;
通过所述赋值将数据单体依次存储到存储目录对应的子目录下,并按照赋值对应的识别特征形成对应的存储列表。
在上述中,所述预设要素包括点要素、线要素以及面要素。
在上述中,所述预设分析器包括:
点要素分析单元,用于按照循环碰撞检测方式获取点最大高程, 得到点最大高程坐标,以点最大高程以及点最大高程坐标作为点要素的识别特征;
线要素分析单元,用于检测线走向,通过计算模型计算线投影下三角点交点,获取三角点交点的顶点坐标,将多个顶点坐标相互连接形成三角网;以线投影下的多个所述顶点坐标和对应的三角网作为线要素的识别特征;
面要素分析单元,用于按照面判断逻辑来确定模型区域,并对模型区域的三角面进行获取,以获取的至少一组三角面作为面要素的识别特征。
在上述中,所述面判断逻辑包括区域判定和循环碰撞检测方式。
在上述中,在所述面要素分析单元中,若模型区域边界部分缺少三角面特征时,面要素分析单元加载轮廓检测单元对模型区域所包含的每一轮廓面进行轮廓检测,并通过在每一面轮廓的边界部分根据矢量数据坐标点对原三角网进行重构,得到对应的三角面特征。
在上述中,在所述线要素分析单元中加载三角网检测单元,所述三角网检测单元用于对由多个顶点坐标相互连接形成的三角网按照容限值生成单元对应生成的容限值范围进行检测,若三角网超过容限值范围,则按照容限值范围进行插值来修正所述三角网及三角网对应的顶点坐标。
在上述中,所述容限值生成单元用于:当所述线要素分析单元按照多个顶点坐标中的3个相互连接形成的任意一个三角网时,对应的将该三角网匹配的三个顶点坐标输入至所述容限值生成单元,所述容限值生成单元根据接收到的三个顶点坐标再通过计算模型进行逆计算得到对应的线上的原始点及原始点坐标,将原始点进行连接后得到原始三角网,以原始三角网的垂直投影作为容限值的上限值;同时分别计算原始点坐标和对应的顶点坐标构成的连线与大地平面的角度,对原始三角网按照角度换算得到的均衡值进行投影作为容限值的下限值。
具体的参照图2,在倾斜摄影的测绘矢量数据像片和水平地面上,由等角点C1和C2所引出的一对透视对应线无方向偏差,保持着方向角相等。且测绘矢量数据像片和水平地面之间的夹角可以确定,对应的,按照夹角,C1、V1、K1为原始点坐标,C2、V2、K2为投影坐标;C2、V2、K2构成的投影区域的大小实际上可以通过C1、V1、K1构成的原始区域的大小按照测绘矢量数据像片和水平地面之间的夹角可以换算得到。
本申请通过在获取倾斜摄影数据时,将倾斜摄影获取的测绘矢量数据以分幅形式输入至知识图谱,在知识图谱中通过以点要素、线要素以及面要素对每幅测绘矢量数据中的多个数据单体进行抽取,然后对抽取的多个数据单体在按照点要素分析单元、线要素分析单元以及面要素分析单元分别获取点要素的识别特征、线要素的识别特征以及面要素的识别特征,通过以点要素的识别特征、线要素的识别特征以及面要素的识别特征将数据单体依次存储到存储目录对应的子目录下,并按照赋值对应的识别特征形成对应的存储列表。在进行利用时,只需要对应的加载存储列表就可以对应的得到点要素、线要素以及面要素对应的数据单体。
实施例2:
参照图3,本申请还提供了一种倾斜摄影数据存储系统,包括:
输入单元,用于将倾斜摄影获取的测绘矢量数据以分幅形式输入至知识图谱,且所述知识图谱内设置有:
抽取模块,该抽取模块具有以点要素、线要素以及面要素构成的抽取单元,所述抽取单元用于对应的抽取每幅测绘矢量数据中的多个数据单体;
预设分析器,包括点要素分析单元、线要素分析单元以及面要素分析单元;
所述点要素分析单元用于按照循环碰撞检测方式获取点最大高程, 得到点最大高程坐标,以点最大高程以及点最大高程坐标作为点要素的识别特征;
所述线要素分析单元用于检测线走向,通过计算模型计算线投影下三角点交点,获取三角点交点的顶点坐标,将多个顶点坐标相互连接形成三角网;以线投影下的多个所述顶点坐标和对应的三角网作为线要素的识别特征;
所述面要素分析单元用于按照面判断逻辑来确定模型区域,并对模型区域的三角面进行获取,以获取的至少一组三角面作为面要素的识别特征;
轮廓检测单元,连接所述面要素分析单元,用于当所述面要素分析单元在确定模型区域时,若模型区域边界部分缺少三角面特征时,所述轮廓检测单元对模型区域所包含的每一轮廓面进行轮廓检测,并通过在每一面轮廓的边界部分根据矢量数据坐标点对原三角网进行重构,得到对应的三角面特征;
三角网检测单元,连接所述线要素分析单元,所述三角网检测单元用于对由多个顶点坐标相互连接形成的三角网按照容限值生成单元对应生成的容限值范围进行检测,若三角网超过容限值范围,则按照容限值范围进行插值来修正所述三角网及三角网对应的顶点坐标;
配置单元,用于点要素的识别特征、线要素的识别特征以及面要素的识别特征,基于点要素的识别特征、线要素的识别特征以及面要素的识别特征对应的形成点要素记录文件、线要素记录文件以及面要素记录文件;
写入节点,用于获取点要素记录文件、线要素记录文件以及面要素记录文件,在写入节点中分别调用点要素记录文件、线要素记录文件以及面要素记录文件的读写属性,并在读写属性中按照识别特征写入赋值;
存储单元,用于通过所述赋值将数据单体依次存储到存储目录对应的子目录下,并按照赋值对应的识别特征形成对应的存储列表。
在上述中,所述容限值生成单元用于:当所述线要素分析单元按照多个顶点坐标中的三个相互连接形成的任意一个三角网时,对应的将该三角网匹配的三个顶点坐标输入至所述容限值生成单元,所述容限值生成单元根据接收到的三个顶点坐标再通过计算模型进行逆计算得到对应的线上的原始点及原始点坐标,将原始点进行连接后得到原始三角网,以原始三角网的垂直投影作为容限值的上限值;同时分别计算原始点坐标和对应的顶点坐标构成的连线与大地平面的角度,对原始三角网按照角度换算得到的均衡值进行投影作为容限值的下限值。
本申请的原理为:将倾斜摄影获取的测绘矢量数据以分幅形式输入至知识图谱,在知识图谱中按照点要素、线要素以及面要素来对应的抽取每幅测绘矢量数据中的多个数据单体;对获取多个数据单体的按照预设分析器进行特征分析,所述预设分析器包括:点要素分析单元,用于按照循环碰撞检测方式获取点最大高程, 得到点最大高程坐标,以点最大高程以及点最大高程坐标作为点要素的识别特征;线要素分析单元,用于检测线走向,通过计算模型计算线投影下三角点交点,获取三角点交点的顶点坐标,将多个顶点坐标相互连接形成三角网;以线投影下的多个所述顶点坐标和对应的三角网作为线要素的识别特征;面要素分析单元,用于按照面判断逻辑来确定模型区域,并对模型区域的三角面进行获取,以获取的至少一组三角面作为面要素的识别特征。得到每一数据单体的识别特征的记录文件,将每一记录文件依次输入至写入节点,在写入节点中通过调用记录文件的读写属性,并在读写属性中按照识别特征写入赋值;通过所述赋值将数据单体依次存储到存储目录对应的子目录下,并按照赋值对应的识别特征形成对应的存储列表。在进行利用时,只需要对应的加载存储列表就可以对应的得到点要素、线要素以及面要素对应的数据单体。
实施例3:
本申请提供了一种数据单体化处理方法,应用于上述倾斜摄影数据存储方法,或应用于上述倾斜摄影数据存储系统,包括如下步骤:
步骤1)在知识图谱中设置数据抽取模块,并将所述数据抽取模块对应的配置成具有对点、线以及面进行分别抽取的抽取单元,将倾斜摄影获取的测绘矢量数据以分幅形式输入至知识图谱,在知识图谱中按照抽取单元分别抽取每幅测绘矢量数据中的多个数据单体;
步骤2)对获取多个数据单体的按照预设分析器进行特征分析,包括如下:
①按照循环碰撞检测方式获取点最大高程, 得到点最大高程坐标,以点最大高程以及点最大高程坐标作为点要素的识别特征;
②检测线走向,通过计算模型计算线投影下三角点交点,获取三角点交点的顶点坐标,将多个顶点坐标相互连接形成三角网;以线投影下的多个所述顶点坐标和对应的三角网作为线要素的识别特征;
③按照区域判定和循环碰撞检测方式来确定模型区域,并对模型区域的三角面进行获取,以获取的至少一组三角面作为面要素的识别特征。
在②中,若模型区域边界部分缺少三角面特征时,通过轮廓检测单元对模型区域所包含的每一轮廓面进行轮廓检测,并通过在每一面轮廓的边界部分根据矢量数据坐标点对原三角网进行重构,得到对应的三角面特征;
通过三角网检测单元对由多个顶点坐标相互连接形成的三角网按照容限值生成单元对应生成的容限值范围进行检测,若三角网超过容限值范围,则按照容限值范围进行插值来修正所述三角网及三角网对应的顶点坐标;
所述容限值按照如下的方法生成:
当所述线要素分析单元按照多个顶点坐标中的三个相互连接形成的任意一个三角网时,对应的将该三角网匹配的三个顶点坐标输入至所述容限值生成单元,所述容限值生成单元根据接收到的三个顶点坐标再通过计算模型进行逆计算得到对应的线上的原始点及原始点坐标,将原始点进行连接后得到原始三角网,以原始三角网的垂直投影作为容限值的上限值;同时分别计算原始点坐标和对应的顶点坐标构成的连线与大地平面的角度,对原始三角网按照角度换算得到的均衡值进行投影作为容限值的下限值。
实施例4:
本申请提供了实施例3对应的实例,具体的包括,点方式采用LineSegmentIntersector(循环检测方法)获取点最大高程, 得到点高程坐标并赋值进行绘制;线根据线走向,计算线投影下的顶点坐标,并与之连接形成Line,并进行绘制;面计算逻辑采用区域判定和LineSegmentIntersector射线判定两部分来确定模型区域,并对模型区域的三角面进行获取,边界部分根据矢量数据坐标点对原三角网进行重构,确保边缘整齐。
三种矢量数据模型提取具体步骤为:
a)点:遍历各个点,采用LineSegmentIntersector获取对应高程并绘制;b)线:遍历各条线路,每条线路根据投影计算模型中三角点交点,通过交点进行Line 成线,然后进行绘制,如果三角网较大,采用容限值插值多个点进行修正。c)面:遍历各个面,拆分为单个面进行单独处理。对面进行射线间距划分,保证可以布满整个面,然后采用LineSegmentIntersector获取面对应的模型三角网。如果三角网包含在面内则直接进行绘制,三角网边界上,则对三角网顶点进行重新构建获取面内三角网进行绘制。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明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,本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.倾斜摄影数据存储方法,其特征在于,包括如下步骤:
将倾斜摄影获取的测绘矢量数据以分幅形式输入至知识图谱,在知识图谱中按照预设要素来对应的抽取每幅测绘矢量数据中的多个数据单体;
对获取多个数据单体的按照预设分析器进行特征分析,得到每一数据单体的识别特征的记录文件,将每一记录文件依次输入至写入节点,在写入节点中通过调用记录文件的读写属性,并在读写属性中按照识别特征写入赋值;
通过所述赋值将数据单体依次存储到存储目录对应的子目录下,并按照赋值对应的识别特征形成对应的存储列表。
2.根据权利要求1所述的倾斜摄影数据存储方法,其特征在于,所述预设要素包括点要素、线要素以及面要素。
3.根据权利要求1所述的倾斜摄影数据存储方法,其特征在于,所述预设分析器包括:
点要素分析单元,用于按照循环碰撞检测方式获取点最大高程, 得到点最大高程坐标,以点最大高程以及点最大高程坐标作为点要素的识别特征;
线要素分析单元,用于检测线走向,通过计算模型计算线投影下三角点交点,获取三角点交点的顶点坐标,将多个顶点坐标相互连接形成三角网;以线投影下的多个所述顶点坐标和对应的三角网作为线要素的识别特征;
面要素分析单元,用于按照面判断逻辑来确定模型区域,并对模型区域的三角面进行获取,以获取的至少一组三角面作为面要素的识别特征。
4.根据权利要求3所述的倾斜摄影数据存储方法,其特征在于,所述面判断逻辑包括区域判定和循环碰撞检测方式。
5.根据权利要求3所述的倾斜摄影数据存储方法,其特征在于,在所述面要素分析单元中,若模型区域边界部分缺少三角面特征时,面要素分析单元加载轮廓检测单元对模型区域所包含的每一轮廓面进行轮廓检测,并通过在每一面轮廓的边界部分根据矢量数据坐标点对原三角网进行重构,得到对应的三角面特征。
6.根据权利要求3所述的倾斜摄影数据存储方法,其特征在于,在所述线要素分析单元中加载三角网检测单元,所述三角网检测单元用于对由多个顶点坐标相互连接形成的三角网按照容限值生成单元对应生成的容限值范围进行检测,若三角网超过容限值范围,则按照容限值范围进行插值来修正所述三角网及三角网对应的顶点坐标。
7.根据权利要求6所述的倾斜摄影数据存储方法,其特征在于,所述容限值生成单元用于:当所述线要素分析单元按照多个顶点坐标中的3个相互连接形成的任意一个三角网时,对应的将该三角网匹配的三个顶点坐标输入至所述容限值生成单元,所述容限值生成单元根据接收到的三个顶点坐标再通过计算模型进行逆计算得到对应的线上的原始点及原始点坐标,将原始点进行连接后得到原始三角网,以原始三角网的垂直投影作为容限值的上限值;同时分别计算原始点坐标和对应的顶点坐标构成的连线与大地平面的角度,对原始三角网按照角度换算得到的均衡值进行投影作为容限值的下限值。
8.倾斜摄影数据存储系统,其特征在于,包括:
输入单元,用于将倾斜摄影获取的测绘矢量数据以分幅形式输入至知识图谱,且所述知识图谱内设置有:
抽取模块,该抽取模块具有以点要素、线要素以及面要素构成的抽取单元,所述抽取单元用于对应的抽取每幅测绘矢量数据中的多个数据单体;
预设分析器,包括点要素分析单元、线要素分析单元以及面要素分析单元;
所述点要素分析单元用于按照循环碰撞检测方式获取点最大高程, 得到点最大高程坐标,以点最大高程以及点最大高程坐标作为点要素的识别特征;
所述线要素分析单元用于检测线走向,通过计算模型计算线投影下三角点交点,获取三角点交点的顶点坐标,将多个顶点坐标相互连接形成三角网;以线投影下的多个所述顶点坐标和对应的三角网作为线要素的识别特征;
所述面要素分析单元用于按照面判断逻辑来确定模型区域,并对模型区域的三角面进行获取,以获取的至少一组三角面作为面要素的识别特征;
轮廓检测单元,连接所述面要素分析单元,用于当所述面要素分析单元在确定模型区域时,若模型区域边界部分缺少三角面特征时,所述轮廓检测单元对模型区域所包含的每一轮廓面进行轮廓检测,并通过在每一面轮廓的边界部分根据矢量数据坐标点对原三角网进行重构,得到对应的三角面特征;
三角网检测单元,连接所述线要素分析单元,所述三角网检测单元用于对由多个顶点坐标相互连接形成的三角网按照容限值生成单元对应生成的容限值范围进行检测,若三角网超过容限值范围,则按照容限值范围进行插值来修正所述三角网及三角网对应的顶点坐标;
配置单元,用于点要素的识别特征、线要素的识别特征以及面要素的识别特征,基于点要素的识别特征、线要素的识别特征以及面要素的识别特征对应的形成点要素记录文件、线要素记录文件以及面要素记录文件;
写入节点,用于获取点要素记录文件、线要素记录文件以及面要素记录文件,在写入节点中分别调用点要素记录文件、线要素记录文件以及面要素记录文件的读写属性,并在读写属性中按照识别特征写入赋值;
存储单元,用于通过所述赋值将数据单体依次存储到存储目录对应的子目录下,并按照赋值对应的识别特征形成对应的存储列表。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310972533.5A CN116701679B (zh) | 2023-08-03 | 2023-08-03 | 倾斜摄影数据存储方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310972533.5A CN116701679B (zh) | 2023-08-03 | 2023-08-03 | 倾斜摄影数据存储方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116701679A true CN116701679A (zh) | 2023-09-05 |
CN116701679B CN116701679B (zh) | 2023-10-10 |
Family
ID=87829672
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310972533.5A Active CN116701679B (zh) | 2023-08-03 | 2023-08-03 | 倾斜摄影数据存储方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116701679B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116881880A (zh) * | 2023-09-06 | 2023-10-13 | 智成时空(西安)创新科技有限公司 | 时空数据管理系统及时空数据服务化资源协同调度方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113112603A (zh) * | 2021-04-09 | 2021-07-13 | 北京沃东天骏信息技术有限公司 | 三维模型优化的方法和装置 |
US20210248816A1 (en) * | 2019-03-28 | 2021-08-12 | Southeast University | Embedded urban design scene emulation method and system |
CN114049462A (zh) * | 2021-11-09 | 2022-02-15 | 中国人民解放军61646部队 | 一种三维模型单体化方法及装置 |
CN116108059A (zh) * | 2023-04-13 | 2023-05-12 | 中国科学院空天信息创新研究院 | 地理测绘分幅矢量数据单体化方法、装置及电子设备 |
CN116229003A (zh) * | 2023-03-08 | 2023-06-06 | 重庆地质矿产研究院 | 一种基于多源数据的三维模型单体化快速构建方法 |
-
2023
- 2023-08-03 CN CN202310972533.5A patent/CN116701679B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210248816A1 (en) * | 2019-03-28 | 2021-08-12 | Southeast University | Embedded urban design scene emulation method and system |
CN113112603A (zh) * | 2021-04-09 | 2021-07-13 | 北京沃东天骏信息技术有限公司 | 三维模型优化的方法和装置 |
CN114049462A (zh) * | 2021-11-09 | 2022-02-15 | 中国人民解放军61646部队 | 一种三维模型单体化方法及装置 |
CN116229003A (zh) * | 2023-03-08 | 2023-06-06 | 重庆地质矿产研究院 | 一种基于多源数据的三维模型单体化快速构建方法 |
CN116108059A (zh) * | 2023-04-13 | 2023-05-12 | 中国科学院空天信息创新研究院 | 地理测绘分幅矢量数据单体化方法、装置及电子设备 |
Non-Patent Citations (1)
Title |
---|
张文清;卢小平;朱亚林;辛金泽;: "基于多源数据构建火电厂地理场景模型的方法与实践", 西安文理学院学报(自然科学版), no. 04, pages 97 - 102 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116881880A (zh) * | 2023-09-06 | 2023-10-13 | 智成时空(西安)创新科技有限公司 | 时空数据管理系统及时空数据服务化资源协同调度方法 |
CN116881880B (zh) * | 2023-09-06 | 2023-11-14 | 智成时空(西安)创新科技有限公司 | 时空数据管理系统及时空数据服务化资源协同调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116701679B (zh) | 2023-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110363858B (zh) | 一种三维人脸重建方法及系统 | |
KR101921672B1 (ko) | 이미지 처리 방법 및 장치 | |
CN107301402B (zh) | 一种现实场景关键帧的确定方法、装置、介质及设备 | |
CN106156692B (zh) | 一种用于人脸边缘特征点定位的方法及装置 | |
US20160182880A1 (en) | Settings of a digital camera for depth map refinement | |
CN116701679B (zh) | 倾斜摄影数据存储方法及系统 | |
US11308710B2 (en) | Polygonal region detection | |
CN105303514A (zh) | 图像处理方法和装置 | |
US10839599B2 (en) | Method and device for three-dimensional modeling | |
JP2011521355A (ja) | 勾配ヒストグラムを用いた指紋表現 | |
CN109360144B (zh) | 一种基于手机平台的图像实时校正改进方法 | |
JP6542230B2 (ja) | 投影ひずみを補正するための方法及びシステム | |
CN110007764B (zh) | 一种手势骨架识别方法、装置、系统及存储介质 | |
TW202004664A (zh) | 影像處理裝置、影像處理方法、及影像處理程式 | |
CN112013820B (zh) | 一种面向无人机机载平台部署的实时目标检测方法及装置 | |
CN113436277A (zh) | 3d相机标定方法、装置及标定系统 | |
CN116051980B (zh) | 基于倾斜摄影的建筑识别方法、系统、电子设备及介质 | |
CN113408256B (zh) | 一种表格图片的表格重构方法、装置及相关设备 | |
CN109388131B (zh) | 基于角点特征识别的机器人姿态控制方法、系统及机器人 | |
US20230326126A1 (en) | Generation of a 3d point cloud of a scene | |
CN110264562B (zh) | 颅骨模型特征点自动标定方法 | |
CN112802175B (zh) | 大规模场景遮挡剔除方法、装置、设备及存储介质 | |
US11790483B2 (en) | Method, apparatus, and device for identifying human body and computer readable storage medium | |
CN108573505B (zh) | 虚拟视场合理性检测的方法及其系统、存储介质 | |
CN111630569B (zh) | 双目匹配的方法、视觉成像装置及具有存储功能的装置 |
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 |