CN116775797A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN116775797A CN116775797A CN202311042061.XA CN202311042061A CN116775797A CN 116775797 A CN116775797 A CN 116775797A CN 202311042061 A CN202311042061 A CN 202311042061A CN 116775797 A CN116775797 A CN 116775797A
- Authority
- CN
- China
- Prior art keywords
- abnormal
- area
- confirming
- map
- constructing
- 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
- 238000010276 construction Methods 0.000 title claims abstract description 22
- 230000004927 fusion Effects 0.000 title claims abstract description 16
- 230000002159 abnormal effect Effects 0.000 claims abstract description 69
- 238000012937 correction Methods 0.000 claims description 30
- 238000000034 method Methods 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 16
- 238000009966 trimming Methods 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 15
- 241000375392 Tana Species 0.000 claims description 3
- 238000012790 confirmation Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
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)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了基于多源大数据融合的城市空间全息地图的构建方法,本发明涉及全息地图构建技术领域,解决了并不能及时对全息地图进行修正,也无法快速确认出全息地图内所存在的异常区域,并同时无法对异常区域进行精准修整的问题,本发明通过将标准区域与异常区域进行比对分析,生成不同的处理信号,后续根据对应的处理信号,进行不同的形式的处理,对全息地图进行自适应修正,为了确保此类异常区域是否真实存在异常,便需要对此类异常区域进行自适应修正,优先根据比对结果,判定需要修正的区域或边线,使全息地图在进行修正过程中,更为精准,效率更高,便可提升此全息地图的整体修正效率,以此提升此全息地图的整体准确度。
Description
技术领域
本发明涉及全息地图构建技术领域,具体为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。
背景技术
全息地图是计算机全息技术、信息通信技术和激光技术为基础,机载相干雷达用高度相干的微波发生器,一方面发出信号照射地面,一方面发出一束参考波;
专利公开号为CN106897417B的申请公开了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,将城市全空间覆盖范围内的绿量植被、市政工程、物理环境、产业机构POI、人车活动、人文感受评价通过不同图层映射到云数据库,结合城市空间形态将不同类型的数据空间特征直观、动态地显示输出,可供城市各系统实时检测,利于对城市规划设计工程实践;本申请基于云数据端,能够应对海量数据的处理,进行实时的快速查询显示;通过将多源大数据与城市空间形态数据叠合在同一个数字地图系统下,实现基于城市坐标体系的多源数据借口的无缝衔接采集与空间特征的模拟动态显示;
根据城市空间内部所产生的多源大数据,对全息地图进行构建,但在具体构建过程中,只是单纯的进行地图构建,并不能及时对全息地图进行修正,也无法快速确认出全息地图内所存在的异常区域,并同时对异常区域进行精准修整,提升全息地图的整体精准度。
发明内容
针对现有技术的不足,本发明提供了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,解决了并不能及时对全息地图进行修正,也无法快速确认出全息地图内所存在的异常区域,并同时无法对异常区域进行精准修整的问题。
为实现以上目的,本发明通过以下技术方案予以实现: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,包括以下步骤:
S1、对城市空间的多源地图数据进行获取,并根据所获取的多源地图数据对全息地图进行构建,并对全息地图内不同倾斜区域的采用不同的区域标记对不同的全息地图进行标记,具体方式为:
S11、确认一组城市区域,获取此城市区域的多源地图数据,优先根据地理数据,构建此城市区域的初步轮廓图;
S12、再根据绿化数据以及规划数据和建筑数据,对初步轮廓图进行调整,将各种数据填补至初步轮廓图内,完成全息地图的整体构建;
S2、从所构建的全息地图内,对带有不同标记的不同倾斜区域进行点位分析,分析确认对应倾斜区域的点位是否存在异常,若存在异常,则将对应倾斜区域标记为异常区域,若不存在异常,则不进行任何处理,具体方式为:
S21、对若干组不同的倾斜区域进行确认,完成确认后,从所确认的不同倾斜区域内,选定带有角度倾斜的倾斜面,并从所选定的倾斜面内,将带有倾斜角度的倾斜边侧线进行确认,从所确认的倾斜边侧线内锁定边缘的两组端点;
S22、建立高度较低端点的一组基准面,再根据此基准面以及另一端点,构建另一端点与此基准面的垂线,并记录垂直记录以及垂点,将垂点与高度较低端点进行连线,得到水平基准线;
S23、将垂线的距离值标记为Ji-1,将水平基准线的距离值标记为Ji-2,其中i代表不同的倾斜边侧线,采用TanAi=Ji-1÷Ji-2,得到此倾斜边侧线的倾斜角度Ai;
S24、再根据此倾斜边侧线的具体位置,在倾斜面内,再选取所对立的一组倾斜边侧线,再执行步骤S22-S23,确认另一倾斜角度,将其标记为Bi;
S25、分析两组倾斜角度是否满足Ai=Bi,若满足,将此倾斜区域标记为正常区域,当Ai≠Bi时,将此倾斜区域标记为异常区域;
S3、根据所标记的异常区域的具体位置,从遥感图像内确认相同区域并拟定为标准区域,将两组区域进行比对分析,具体方式为:
S31、从所确认的异常区域内,确认此异常区域上下高度不同的两组边线,并确认两组边线的中心点,根据所确认的中心点,构建两组水平的平行面,分别为上端平行面以及下端平行面;
S32、确认此异常区域的中心点,并获取此中心点与上端平行面以及下端平行面之间的垂直距离,并将其拟定为上端垂距以及下端垂距;
S33、再对标准区域采用步骤S31-S32相同的方式进行处理,获取属于此标准区域的上端垂距以及下端垂距离,再将两组区域的上端垂距以及下端垂距进行比对,若比对结果一致时,则生成中间修正信号,若比对结果不一致时,则生成集中修正信号;
S34、后续,根据不同的处理信号,进行不同形式的处理;
S4、根据中间修正信号,从所确定的标准区域内,确认出对应的基准面,再以此基准面,对异常区域的倾斜面进行自适应修整,使异常区域的倾斜面标准化,具体方式为:
S41、从标准区域内,将标准区域的倾斜面进行确认,并将其拟定为基准面,后续根据倾斜面内所确认的中心点,使此基准面根据中心点向上平移X1m,其中X1为预设值;
S42、再确认异常区域倾斜面的中心点,将基准面置于此中心点上端X1m处,并按照距离值X1,将倾斜面若干个点位进行自适应调整,当点位与基准面对应点位之间的距离值不是X1时,则调整为X1,使倾斜面调整为标准状态;
S5、根据集中修正信号,优先对此异常区域的倾斜面进行调整,使倾斜面调整为标准状态,再对倾斜面的边线进行自适应调整,具体方式为:
S51、从标准区域内确认边缘的边线,结合二维坐标系确认边线内部点位的具体坐标参数,构建属于此边线的直线方程;
S52、根据所构建的直线方程,结合二维坐标系对异常区域的边线进行自适应调整,使边线内部的坐标点位均可落入此直线方程内,完成对此异常区域的边线调整工作,完成对整个全息地图的整体修正,使全息地图更为精准。
有益效果
本发明提供了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。与现有技术相比具备以下有益效果:
本发明通过所获取的多源数据,构建对应的全息地图,再对全息地图不同倾斜区域进行点位分析,确认异常区域,再根据异常区域的具体位置,从遥感数据内选定指定的标准区域,通过将标准区域与异常区域进行比对分析,生成不同的处理信号,后续根据对应的处理信号,进行不同的形式的处理,对全息地图进行自适应修正,为了确保此类异常区域是否真实存在异常,便需要对此类异常区域进行自适应修正,优先根据比对结果,判定需要修正的区域或边线,使全息地图在进行修正过程中,更为精准,效率更高,便可提升此全息地图的整体修正效率,以此提升此全息地图的整体准确度。
附图说明
图1为本发明方法流程示意图;
图2为本发明原理框架示意图。
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。
实施例一
请参阅图1,本申请提供了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,包括以下步骤:
S1、对城市空间的多源地图数据进行获取,并根据所获取的多源地图数据对全息地图进行构建,并对全息地图内不同倾斜区域的采用不同的区域标记对不同的全息地图进行标记,其中,进行构建的具体方式为:
S11、确认一组城市区域,获取此城市区域的多源地图数据,优先根据地理数据,构建此城市区域的初步轮廓图;
S12、再根据绿化数据以及规划数据和建筑数据,对初步轮廓图进行调整,将各种数据填补至初步轮廓图内,完成全息地图的整体构建;
S2、从所构建的全息地图内,对带有不同标记的不同倾斜区域进行点位分析,分析确认对应倾斜区域的点位是否存在异常,若存在异常,则将对应倾斜区域标记为异常区域,若不存在异常,则不进行任何处理,其中,分析对应倾斜区域点位是否存在异常的具体方式为:
S21、对若干组不同的倾斜区域进行确认,完成确认后,从所确认的不同倾斜区域内,选定带有角度倾斜的倾斜面,并从所选定的倾斜面内,将带有倾斜角度的倾斜边侧线进行确认,从所确认的倾斜边侧线内锁定边缘的两组端点;
S22、建立高度较低端点的一组基准面,再根据此基准面以及另一端点,构建另一端点与此基准面的垂线,并记录垂直记录以及垂点,将垂点与高度较低端点进行连线,得到水平基准线;
S23、将垂线的距离值标记为Ji-1,将水平基准线的距离值标记为Ji-2,其中i代表不同的倾斜边侧线,采用TanAi=Ji-1÷Ji-2,得到此倾斜边侧线的倾斜角度Ai;
S24、再根据此倾斜边侧线的具体位置,在倾斜面内,再选取所对立的一组倾斜边侧线,再执行步骤S22-S23,确认另一倾斜角度,将其标记为Bi;
S25、分析两组倾斜角度是否满足Ai=Bi,若满足,将此倾斜区域标记为正常区域,若不满足,将此倾斜区域标记为异常区域;
具体的,之所以判定为异常区域,便是此区域首先为倾斜区域,但在此倾斜区域内,其两侧的倾斜角度不相同,在正常的城市空间构建过程中,很少出现此类情况,故直接将对应的区域标记为异常区域,便于后续进行分析;
S3、根据所标记的异常区域的具体位置,从遥感图像内确认相同区域并拟定为标准区域,将两组区域进行比对分析,根据不同的比对结果,生成中间修正信号或集中修正信号,其中,进行比对分析的具体方式为:
S31、从所确认的异常区域内,确认此异常区域上下高度不同的两组边线,并确认两组边线的中心点,根据所确认的中心点,构建两组水平的平行面,分别为上端平行面以及下端平行面;
S32、确认此异常区域的中心点,并获取此中心点与上端平行面以及下端平行面之间的垂直距离,并将其拟定为上端垂距以及下端垂距;
S33、再对标准区域采用步骤S31-S32相同的方式进行处理,获取属于此标准区域的上端垂距以及下端垂距离,再将两组区域的上端垂距以及下端垂距进行比对,若比对结果一致时,则生成中间修正信号,若比对结果不一致时,则生成集中修正信号;
S34、后续,根据不同的处理信号,进行不同形式的处理;
具体的,之所以要进行此次处理,是为了确认此异常区域异常是否是因为两组边线出现偏差引起还是其他因素引起,若两个区域之间的距离一致时,代表两组边线不存在问题,那么此区域之所以异常,便可能是因为存在其他问题;
S4、根据中间修正信号,从所确定的标准区域内,确认出对应的基准面,再以此基准面,对异常区域的倾斜面进行自适应修整,使异常区域的倾斜面标准化,其中,进行自适应修整的具体方式为:
S41、从标准区域内,将标准区域的倾斜面进行确认,并将其拟定为基准面,后续根据倾斜面内所确认的中心点,使此基准面根据中心点向上平移X1m,其中X1为预设值,其具体取值由操作人员根据经验拟定,且X1一般取值0.5m;
S42、再确认异常区域倾斜面的中心点,将基准面置于此中心点上端X1m处,并按照距离值X1,将倾斜面若干个点位进行自适应调整,当点位与基准面对应点位之间的距离值不是X1时,则调整为X1,使倾斜面调整为标准状态;
S5、根据集中修正信号,优先对此异常区域的倾斜面进行调整,使倾斜面调整为标准状态,再对倾斜面的边线进行自适应调整,其调整标准由标准区域提供,其中,进行自适应调整的具体方式为:
S51、从标准区域内确认边缘的边线,结合二维坐标系确认边线内部点位的具体坐标参数,构建属于此边线的直线方程;
S52、根据所构建的直线方程,结合二维坐标系对异常区域的边线进行自适应调整,使边线内部的坐标点位均可落入此直线方程内,完成对此异常区域的边线调整工作,完成对整个全息地图的整体修正,使全息地图更为精准。
具体的,一般全息地图构建完毕后,内部的数据均由操作人员设定,但根据所设定的数据,会存在一些异常区域,为了确保此类异常区域是否真实存在异常,便需要对此类异常区域进行自适应修正,优先根据比对结果,判定需要修正的区域或边线,使全息地图在进行修正过程中,更为精准,效率更高,便可提升此全息地图的整体修正效率,以此提升此全息地图的整体准确度。
实施例二
本实施例在具体实施过程中,相比于上述实施例,其具体区别在于:所述步骤S41中,从标准区域内,将标准区域的倾斜面进行确认,并将其拟定为基准面,后续根据倾斜面内所确认的中心点,使此基准面根据中心点向上平移X1m,其中X1为预设值,其具体取值由操作人员根据经验拟定,且X1一般取值0.8m。
实施例三
基于上述实施例,本实施例在具体实施过程中,相比于上述实施例,其具体区别在于:
该全息地图的构建方法,由全息地图的构建系统进行执行,且构建系统包括数据获取端、地图构建中心以及展示单元,其中数据获取端与地图构建中心输入端电性连接,所述地图构建中心与展示单元输入端电性连接;
所述地图构建中心包括地图构建单元、区域点位分析单元以及修整校验端和遥感单元,其中地图构建单元与区域点位分析单元输入端电性连接,所述区域点位分析单元与修整校验端输入端电性连接,所述遥感单元与修整校验端输入端电性连接,所述修整校验端包括画面分析单元、基面修整单元以及角度修整单元,其中画面分析单元与基面修整单元输入端电性连接,所述基面修整单元与角度修整单元输入端电性连接;
其中,数据获取端,对地图数据进行获取,并将所获取的地图数据传输至地图构建单元内;
其中地图构建单元根据所获取的地图数据,构建对应区域的全息地图;
所述区域点位分析单元,对带有不同标记的不同倾斜区域进行点位分析,分析确认对应倾斜区域的点位是否存在异常;
所述画面分析单元,根据所标记的异常区域的具体位置,从遥感图像内确认相同区域并拟定为标准区域,将两组区域进行比对分析,根据不同的比对结果,生成中间修正信号或集中修正信号;
基面修整单元,根据中间修正信号,从所确定的标准区域内,确认出对应的基准面,再以此基准面,对异常区域的倾斜面进行自适应修整,使异常区域的倾斜面标准化;
角度调整单元,根据集中修正信号,优先对此异常区域的倾斜面进行调整,使倾斜面调整为标准状态,再对倾斜面的边线进行自适应调整,其调整标准由标准区域提供。
实施例四
本实施例在具体实施过程中,包含上述三组实施例的全部实施过程。
上述公式中的部分数据均是去其纲量进行数值计算,同时本说明书中未作详细描述的内容均属于本领域技术人员公知的现有技术。
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (7)
1.一种基于多源大数据融合的城市空间全息地图的构建方法,其特征在于,包括以下步骤:
S1、对城市空间的多源地图数据进行获取,并根据所获取的多源地图数据对全息地图进行构建,并对全息地图内不同倾斜区域的采用不同的区域标记对不同的全息地图进行标记;
S2、从所构建的全息地图内,对带有不同标记的不同倾斜区域进行点位分析,分析确认对应倾斜区域的点位是否存在异常,若存在异常,则将对应倾斜区域标记为异常区域,若不存在异常,则不进行任何处理;
S3、根据所标记的异常区域的具体位置,从遥感图像内确认相同区域并拟定为标准区域,将两组区域进行比对分析,根据不同的比对结果,生成中间修正信号或集中修正信号;
S4、根据中间修正信号,从所确定的标准区域内,确认出对应的基准面,再以此基准面,对异常区域的倾斜面进行自适应修整,使异常区域的倾斜面标准化;
S5、根据集中修正信号,优先对此异常区域的倾斜面进行调整,使倾斜面调整为标准状态,再对倾斜面的边线进行自适应调整,其调整标准由标准区域提供。
2.根据权利要求1所述的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,其特征在于,步骤S1中,对全息地图进行构建的具体方式为:
S11、确认一组城市区域,获取此城市区域的多源地图数据,优先根据地理数据,构建此城市区域的初步轮廓图;
S12、再根据绿化数据以及规划数据和建筑数据,对初步轮廓图进行调整,将各种数据填补至初步轮廓图内,完成全息地图的整体构建。
3.根据权利要求2所述的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,其特征在于,步骤S2中,分析对应倾斜区域点位是否存在异常的具体方式为:
S21、对若干组不同的倾斜区域进行确认,完成确认后,从所确认的不同倾斜区域内,选定带有角度倾斜的倾斜面,并从所选定的倾斜面内,将带有倾斜角度的倾斜边侧线进行确认,从所确认的倾斜边侧线内锁定边缘的两组端点;
S22、建立高度较低端点的一组基准面,再根据此基准面以及另一端点,构建另一端点与此基准面的垂线,并记录垂直记录以及垂点,将垂点与高度较低端点进行连线,得到水平基准线;
S23、将垂线的距离值标记为Ji-1,将水平基准线的距离值标记为Ji-2,其中i代表不同的倾斜边侧线,采用TanAi=Ji-1÷Ji-2,得到此倾斜边侧线的倾斜角度Ai;
S24、再根据此倾斜边侧线的具体位置,在倾斜面内,再选取所对立的一组倾斜边侧线,再执行步骤S22-S23,确认另一倾斜角度,将其标记为Bi;
S25、分析两组倾斜角度是否满足Ai=Bi,若满足,将此倾斜区域标记为正常区域。
4.根据权利要求3所述的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,其特征在于,步骤S25中,当Ai≠Bi时,将此倾斜区域标记为异常区域。
5.根据权利要求4所述的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,其特征在于,步骤S3中,将两组区域进行比对分析的具体方式为:
S31、从所确认的异常区域内,确认此异常区域上下高度不同的两组边线,并确认两组边线的中心点,根据所确认的中心点,构建两组水平的平行面,分别为上端平行面以及下端平行面;
S32、确认此异常区域的中心点,并获取此中心点与上端平行面以及下端平行面之间的垂直距离,并将其拟定为上端垂距以及下端垂距;
S33、再对标准区域采用步骤S31-S32相同的方式进行处理,获取属于此标准区域的上端垂距以及下端垂距离,再将两组区域的上端垂距以及下端垂距进行比对,若比对结果一致时,则生成中间修正信号,若比对结果不一致时,则生成集中修正信号;
S34、后续,根据不同的处理信号,进行不同形式的处理。
6.根据权利要求5所述的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,其特征在于,步骤S4中,对异常区域的倾斜面进行自适应修整的具体方式为:
S41、从标准区域内,将标准区域的倾斜面进行确认,并将其拟定为基准面,后续根据倾斜面内所确认的中心点,使此基准面根据中心点向上平移X1m,其中X1为预设值;
S42、再确认异常区域倾斜面的中心点,将基准面置于此中心点上端X1m处,并按照距离值X1,将倾斜面若干个点位进行自适应调整,当点位与基准面对应点位之间的距离值不是X1时,则调整为X1,使倾斜面调整为标准状态。
7.根据权利要求6所述的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,其特征在于,步骤S5中,对倾斜面的边线进行自适应调整的具体方式为:
S51、从标准区域内确认边缘的边线,结合二维坐标系确认边线内部点位的具体坐标参数,构建属于此边线的直线方程;
S52、根据所构建的直线方程,结合二维坐标系对异常区域的边线进行自适应调整,使边线内部的坐标点位均可落入此直线方程内,完成对此异常区域的边线调整工作,完成对整个全息地图的整体修正,使全息地图更为精准。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311042061.XA CN116775797B (zh) | 2023-08-18 | 2023-08-18 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311042061.XA CN116775797B (zh) | 2023-08-18 | 2023-08-18 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116775797A true CN116775797A (zh) | 2023-09-19 |
CN116775797B CN116775797B (zh) | 2023-10-31 |
Family
ID=87993396
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311042061.XA Active CN116775797B (zh) | 2023-08-18 | 2023-08-18 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116775797B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117349478A (zh) * | 2023-10-08 | 2024-01-05 | 国网江苏省电力有限公司经济技术研究院 | 一种基于数字化转型企业的资源数据重构整合系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100959943B1 (ko) * | 2009-10-28 | 2010-05-27 | 새한항업(주) | 3차원 모델 데이터를 기반으로 하는 항공촬영이미지의 수직영상 보정방법 |
KR101692781B1 (ko) * | 2015-10-05 | 2017-01-04 | 금오공과대학교 산학협력단 | 드론 및 모니터링 센서 연동 기반의 재난 관리 시스템 |
KR101705704B1 (ko) * | 2016-12-13 | 2017-02-27 | 삼부기술 주식회사 | 수치지도 수시수정을 위한 지형현황 측량 시스템 |
CN106897417A (zh) * | 2017-02-22 | 2017-06-27 | 东南大学 | 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 |
CN107943936A (zh) * | 2017-11-23 | 2018-04-20 | 烟台大学 | 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 |
CN111830528A (zh) * | 2020-06-29 | 2020-10-27 | 西安交通大学 | 基于激光点云的杆塔特征点自动识别及倾斜参数自动测量方法 |
CN114239694A (zh) * | 2021-11-24 | 2022-03-25 | 北京望云家德智能技术有限公司 | 局部全息准实时地图路景分布式数据融合方法 |
CN115936673A (zh) * | 2022-12-07 | 2023-04-07 | 云南鸿堃科技有限公司 | 一种智慧城市的绿化维护方法及系统 |
CN115993096A (zh) * | 2023-02-08 | 2023-04-21 | 金陵科技学院 | 一种高层建筑变形测量方法 |
CN116503705A (zh) * | 2023-06-28 | 2023-07-28 | 成都市数字城市运营管理有限公司 | 一种数字城市多源数据的融合方法 |
-
2023
- 2023-08-18 CN CN202311042061.XA patent/CN116775797B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100959943B1 (ko) * | 2009-10-28 | 2010-05-27 | 새한항업(주) | 3차원 모델 데이터를 기반으로 하는 항공촬영이미지의 수직영상 보정방법 |
KR101692781B1 (ko) * | 2015-10-05 | 2017-01-04 | 금오공과대학교 산학협력단 | 드론 및 모니터링 센서 연동 기반의 재난 관리 시스템 |
KR101705704B1 (ko) * | 2016-12-13 | 2017-02-27 | 삼부기술 주식회사 | 수치지도 수시수정을 위한 지형현황 측량 시스템 |
CN106897417A (zh) * | 2017-02-22 | 2017-06-27 | 东南大学 | 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 |
CN107943936A (zh) * | 2017-11-23 | 2018-04-20 | 烟台大学 | 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 |
CN111830528A (zh) * | 2020-06-29 | 2020-10-27 | 西安交通大学 | 基于激光点云的杆塔特征点自动识别及倾斜参数自动测量方法 |
CN114239694A (zh) * | 2021-11-24 | 2022-03-25 | 北京望云家德智能技术有限公司 | 局部全息准实时地图路景分布式数据融合方法 |
CN115936673A (zh) * | 2022-12-07 | 2023-04-07 | 云南鸿堃科技有限公司 | 一种智慧城市的绿化维护方法及系统 |
CN115993096A (zh) * | 2023-02-08 | 2023-04-21 | 金陵科技学院 | 一种高层建筑变形测量方法 |
CN116503705A (zh) * | 2023-06-28 | 2023-07-28 | 成都市数字城市运营管理有限公司 | 一种数字城市多源数据的融合方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117349478A (zh) * | 2023-10-08 | 2024-01-05 | 国网江苏省电力有限公司经济技术研究院 | 一种基于数字化转型企业的资源数据重构整合系统 |
CN117349478B (zh) * | 2023-10-08 | 2024-05-24 | 国网江苏省电力有限公司经济技术研究院 | 一种基于数字化转型企业的资源数据重构整合系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116775797B (zh) | 2023-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101942063B1 (ko) | 영상이미지의 오류 지점을 자동으로 확인해 갱신 및 처리하는 영상이미지 검수시스템 | |
JP6985301B2 (ja) | 鉄道車両用の線路の保守のための方法およびシステム | |
CN116775797B (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 | |
AU2008250604B2 (en) | Position determination method for a geodetic measuring device | |
KR101938402B1 (ko) | 사각지대 지형지물에 대한 수치도화 이미지 합성처리시스템 | |
CN101657767B (zh) | 用于控制焊接工件的机器人的方法和装置 | |
KR101155816B1 (ko) | 3차원 계측을 행하는 화상 처리 장치 및 화상 처리 방법 | |
US8086019B2 (en) | Method of creating master data used for inspecting concave-convex figure | |
KR101938401B1 (ko) | 갱신대상 지역의 부분 도화를 위한 수치도화 수정시스템 | |
CN111805131B (zh) | 一种焊缝轨迹实时定位方法、装置、存储介质及终端 | |
CN112282847A (zh) | 一种煤矿井下巷道形变监测系统及其监测方法 | |
US7046377B2 (en) | Method for determining corresponding points in three-dimensional measurement | |
JP7300930B2 (ja) | 測量データ処理装置、測量データ処理方法および測量データ処理用プログラム | |
CN114662336A (zh) | 基于三维激光扫描技术的露天矿山台阶爆破智能布孔方法 | |
WO2001088566A2 (en) | System and method for acquiring tie-point location information on a structure | |
CN108917711A (zh) | 一种隧道工程三维激光扫描分段测量方法及系统 | |
CN105651202A (zh) | 一种用于测量矿山体积的三维扫描方法及装置 | |
CN113269729A (zh) | 一种基于深度图像对比的装配体多视角检测方法和系统 | |
US20230278282A1 (en) | Compensating laser alignment for irregularities in an additive manufacturing machine powderbed | |
CN106182088B (zh) | 工业机器人及格子间的定位方法、装置 | |
Tucci et al. | Photogrammetry and 3d scanning: Assessment of metric accuracy for the digital model of danatello’s maddalena | |
TW469392B (en) | Computer-aided synchronous measuring method | |
CN114493549A (zh) | 一种基于大数据分析的建筑工程造价评估管理系统 | |
JP4308106B2 (ja) | 建て入れ精度管理方法及び建て入れ方法 | |
CN109708665A (zh) | 一种利用全站仪检验插秧机自动导航路径准确度的方法 |
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 |