CN116881386A - 一种空间环境时空基准模型的构建方法及系统 - Google Patents

Abstract

本发明提供了一种空间环境时空基准模型的构建方法及系统，涉及数据处理技术领域，方法包括：依据目标空间区域的区域地图数据和标识数据进行目标空间区域的区域划分，构建区域标识、区域地图数据和构建精度分布初始网格节点，将区域标识、标识数据输入特征筛选模型，输出建筑的引力特征，基于引力特征与建筑的聚合构建更新网格节点作为基准点，通过基准点将无人机图像采集结果拟合至区域地图数据，构建空间环境时空基准模型，本发明解决了现有技术中对空间环境辩护的管控不足，导致对空间环境变化的统计与预测效率低的技术问题，实现了通过建立时空基准模型对空间环境进行有效管理，用于提高空间环境变化的统计与预测的效果。

Description

一种空间环境时空基准模型的构建方法及系统

技术领域

本发明涉及数据处理技术领域，具体涉及一种空间环境时空基准模型的构建方法及系统。

背景技术

近年来，国内城市建设步伐的不断加快，带动了房地产市场的快速发展，房产信息也随着频繁的变更。因此，在房产信息管理过程中产生了大量的历史数据和现状数据，这对房产信息的管理工作提出了新的要求。

而在现有技术中对空间环境辩护的管控不足，导致对空间环境变化的统计与预测效率低的技术问题，实现了通过建立时空基准模型对空间环境进行有效管理，用于提高空间环境变化的统计与预测。

发明内容

本申请提供了一种空间环境时空基准模型的构建方法及系统，用于针对解决现有技术中存在的空间环境辩护的管控不足，导致对空间环境变化的统计与预测效率低的技术问题。

鉴于上述问题，本申请提供了一种空间环境时空基准模型的构建方法及系统。

第一方面，本申请提供了一种空间环境时空基准模型的构建方法，所述方法包括：交互目标空间区域的区域地图数据，并读取所述目标空间区域的标识数据；依据所述区域地图数据和所述标识数据进行所述目标空间区域的区域划分，构建区域标识；读取模型的构建精度，根据所述区域标识、所述区域地图数据和所述构建精度分布初始网格节点；将所述区域标识、所述标识数据输入特征筛选模型，输出建筑的引力特征，其中，所述引力特征表征了对应建筑对于所述初始网格节点的聚合关联值；基于所述引力特征对所述初始网格节点进行节点与建筑的聚合，根据聚合结果构建更新网格节点；将所述更新网格节点作为基准点，对所述目标空间区域执行周期性无人机图像采集；通过所述基准点将无人机图像采集结果拟合至所述区域地图数据，构建空间环境时空基准模型。

第二方面，本申请提供了一种空间环境时空基准模型的构建系统，所述系统包括：数据读取模块，所述数据读取模块用于交互目标空间区域的区域地图数据，并读取所述目标空间区域的标识数据；区域划分模块，所述区域划分模块用于依据所述区域地图数据和所述标识数据进行所述目标空间区域的区域划分，构建区域标识；初始网格节点模块，所述初始网格节点模块用于读取模型的构建精度，根据所述区域标识、所述区域地图数据和所述构建精度分布初始网格节点；特征输出模块，所述特征输出模块用于将所述区域标识、所述标识数据输入特征筛选模型，输出建筑的引力特征，其中，所述引力特征表征了对应建筑对于所述初始网格节点的聚合关联值；聚合模块，所述聚合模块用于基于所述引力特征对所述初始网格节点进行节点与建筑的聚合，根据聚合结果构建更新网格节点；图像采集模块，所述图像采集模块用于将所述更新网格节点作为基准点，对所述目标空间区域执行周期性无人机图像采集；模型构建模块，所述模型构建模块用于通过所述基准点将无人机图像采集结果拟合至所述区域地图数据，构建空间环境时空基准模型。

本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

本申请提供的一种空间环境时空基准模型的构建方法及系统，涉及数据处理技术领域，解决了现有技术中对空间环境辩护的管控不足，导致对空间环境变化的统计与预测效率低的技术问题，实现了通过建立时空基准模型对空间环境进行有效管理，用于提高空间环境变化的统计与预测的效果。

附图说明

图1为本申请提供了一种空间环境时空基准模型的构建方法流程示意图；

图2为本申请提供了一种空间环境时空基准模型的构建方法中聚合结果流程示意图；

图3为本申请提供了一种空间环境时空基准模型的构建方法中进行空间环境时空基准模型的节点数据存储更新流程示意图；

图4为本申请提供了一种空间环境时空基准模型的构建系统结构示意图。

附图标记说明：数据读取模块1，区域划分模块2，初始网格节点模块3，特征输出模块4，聚合模块5，图像采集模块6，模型构建模块7。

具体实施方式

本申请通过提供一种空间环境时空基准模型的构建方法及系统，用于解决现有技术中对空间环境辩护的管控不足，导致对空间环境变化的统计与预测效率低的技术问题。

实施例一：

如图1所示，本申请实施例提供了一种空间环境时空基准模型的构建方法，该方法包括：

步骤S100：交互目标空间区域的区域地图数据，并读取所述目标空间区域的标识数据；

具体而言，本申请实施例提供的一种空间环境时空基准模型的构建方法应用于一种空间环境时空基准模型的构建系统，为保证后期对时空基准模型构建的准确性，因此首先需要将系统与目标空间区域的区域地图数据进行数据交互是指当系统想要获得某些数据，将传入参数通过URL接口地址，传递给目标空间区域的区域地图数据，目标空间区域的区域地图数据根据传入的参数了解到系统所需要获得的目标空间区域数据去数据库查询并读取对应数据，再将所需数据返回给系统，系统拿到数据后对目标空间区域中具有标识的数据进行提取，其中具有标识的数为历史标记区域，从而对目标空间区域的标识数据进行获取，为后期实现对空间环境时空基准模型进行构建时作为重要参考依据。

步骤S200：依据所述区域地图数据和所述标识数据进行所述目标空间区域的区域划分，构建区域标识；

具体而言，以交互所获目标空间区域的区域地图数据以及所读取目标空间区域的标识数据作为划分标准数据，对目标空间区域进行区域划分，是指在区域地图数据的基础上，根据区域地图数据中所呈现的特征重点对标识数据进行筛查，根据标识数据对空间环境的影响程度对目标空间区域进行目标区域的标识，其中，当影响程度大于80%时，则标识目标空间区域中所对应的目标区域，将根据影响程度所标识的目标区域进行汇总，基于汇总标识结果完成对目标空间区域内的区域标识，进而为实现对空间环境时空基准模型进行构建做保障。

步骤S300：读取模型的构建精度，根据所述区域标识、所述区域地图数据和所述构建精度分布初始网格节点；

具体而言，为保证后期所构建时空基准模型的精准度，首先通过对时空基准模型进行模型构建精准度的读取，其所读取的模型构建精准度可以是描述时空基准元素中的最小维度、空间、数量等数据，并以上述所获的区域标识、区域地图数据作为基础构建数据，进一步的根据不同精度的数据对区域地图数据中进行区域标识的节点标记，并将每一个节点标记根据目标空间区域中的最小维度的分布、空间容量的分布、标记点数量的分布等作为参照数据，对每一个节点标记之间进行相邻连接，获取与目标空间区域所对应的网格信息，根据网格信息完成对根据精度分布的初始网格节点的构建，为后续实现对空间环境时空基准模型进行构建夯实基础。

步骤S400：将所述区域标识、所述标识数据输入特征筛选模型，输出建筑的引力特征，其中，所述引力特征表征了对应建筑对于所述初始网格节点的聚合关联值；

具体而言，为确定上述所构建的精度分布初始网格节点中目标建筑的引力特征，因此需要以上述目标空间中初始的标识数据以及划分构建的区域标识作为输入数据，将其输入至特征筛选模型中，特征筛选模型是通过搭建全连接神经网络所构建的，利用所述神经网络对输入的区域标识、标识数据进行训练，其全连接神经网络是指一种多层的感知机结构的神经网络，进一步对特征筛选模型进行构建，且全连接神经网络的每一层的每一个节点都与上下层节点全部连接，在特征筛选模型中包含输入层、隐藏层、输出层，输入层是用于数据输入的层级，隐藏层是用于更好的对数据特征进行分离，输出层是用于结果输出的层级，特征筛选模型通过训练数据集和监督数据集训练获得，其中，训练数据集中的每组训练数据均包括目标建筑物在初始网格节点内之间的关联值，监督数据集为与训练数据集一一对应的监督数据。

进一步的，将训练数据集中每一组训练数据输入特征筛选模型，通过这组训练数据对应的监督数据进行特征筛选模型的输出监督调整，当特征筛选模型的输出结果与监督数据一致，则当前组训练结束，将训练数据集中全部的训练数据均训练结束，则全连接神经网络训练完成。

为了保证特征筛选模型的收敛以及准确性，其收敛过程可以是当特征筛选模型中的输出数据会聚于一点时，向某一个值靠近则为收敛，其准确性可以通过测试数据集进行特征筛选模型的测试处理，举例而言，测试准确率可以设定为80%，当测试数据集的测试准确率满足80%时，则特征筛选模型构建完成，当特征筛选模型训练至收敛时输出目标建筑的引力特征，且引力特征表征了对应建筑对于所述初始网格节点的聚合关联值，该聚合关联值是指当目标建筑与初始网络节点之间存在包含关系，所存在的包含关系越紧密则该聚合关联值越高，实现对空间环境时空基准模型进行构建有着限定的作用。

步骤S500：基于所述引力特征对所述初始网格节点进行节点与建筑的聚合，根据聚合结果构建更新网格节点；

进一步而言，如图2所示，本申请步骤S500还包括：

步骤S510：根据所述构建精度配置网格节点的节点距离约束，其中，所述节点距离约束包括最短距离约束和最长距离约束；

步骤S520：基于所述引力特征对所述初始网格节点进行节点与建筑的聚合拟合；

步骤S530：对任意两点聚合结果进行所述节点距离约束的约束比对；

步骤S540：若不能满足所述节点距离约束时，则生成淘汰指令；

步骤S550：根据所述淘汰指令淘汰两点中弱吸引结果的节点，根据淘汰结果获得所述聚合结果。

具体而言，为提升根据精度所分布的初始网格节点的精准度，因此需要将上述特征筛选模型所输出的引力特征作为聚合基础数据，对初始网络节点进行节点与目标建筑的聚合，是指根据上述所构建的模型精度对网格节点的节点距离约束进行配置，是指在模型精度中所包含的目标空间区域中的最小维度数据、空间容量数据、标记点数量数据的基础上，对网格节点之间的下限距离，即最短距离以及上限距离，即最长距离进行约束，进一步的，通过所输出的建筑引力特征对初始网络节点进行每个节点与建筑物之间进行聚合拟合，是指通过检出引力特征对建筑物进行分类处理，并将分类处理后的建筑物与初始网络节点中所对应的节点进行拟合，由此获取建筑物与节点之间存在的数据规律与趋势，进一步的，对初始网络节点中的任意两点之间的聚合结果与节点距离约束的约束距离数据中所包含的上限距离与下限距离进行比对，当两个节点不满足节点距离约束时，则生成淘汰指令，若两点之间的聚合结果中的距离小于下限距离，则视为两点之间聚合距离过近，此时选取两个节点中建筑对于初始网格节点的聚合关联值大的节点，通过淘汰指令将聚合关联值小的节点进行淘汰，若两点之间的聚合结果中的距离大于上限距离，则视为两点之间聚合距离过远，将远离目标空间区域的中心点的节点作为边缘节点进行筛除，通过淘汰指令将边缘节点进行淘汰，进一步的，根据淘汰指令淘汰两点中弱吸引结果的节点，同时为保证模型中数据的一致性和稳定性，从而通过将淘汰过后所剩余的节点进行整合记作聚合结果，最终以所获聚合节点的基础上对初始网格节点进行筛除更新，将筛除更新后的网格节点记作更新网格节点进行输出，以便为后期对空间环境时空基准模型进行构建时作为参照数据。

步骤S600：将所述更新网格节点作为基准点，对所述目标空间区域执行周期性无人机图像采集；

具体而言，为确保对空间环境时控基准模型的构建准确性，首先将上述搜构建的更新网络节点作为基准点，是指作为对目标空间区域进行测量时的标准点，可以作为辅助无人机在目标空间区域作业时的基准特征，定义无人机在目标空间内所需要采集的位置，在此基础上，对目标空间区域执行周期性的无人机巡航，在无人机巡航的过程中对目标空间区域进行图像采集，无人机的执行周期性可以设为30天，即每隔30天对目标空间区域进行巡航式图像采集，其图像采集是通过遍历更新网络节点中的每个网络节点所获的，提高后期实现对空间环境时空基准模型进行构建准确率。

步骤S700：通过所述基准点将无人机图像采集结果拟合至所述区域地图数据，构建空间环境时空基准模型。

进一步而言，如图3所示，本申请步骤S700还包括：

步骤S710：读取所述无人机图像采集结果的图像采集节点标识；

步骤S720：根据所述图像采集节点标识确定初始图像集，基于所述初始图像集构建所述空间环境时空基准模型的初始节点模型数据；

步骤S730：对所述无人机图像采集结果进行相邻采集节点间的数据偏离认证，获得数据偏离认证结果；

步骤S740：根据所述数据偏离认证结果和所述初始图像集进行所述空间环境时空基准模型的节点数据存储更新。

具体而言，以更新网络节点作为基础的基准点对无人机所采集到的采集结果与目标空间区域的区域地图数据进行拟合，是指将空间环境时空基准模型应用于现有数据中，以估计出一组图像采集结果与目标空前区域的区域地图数据参数值，使得空间环境时空基准模型能够尽可能准确地描述数据的过程，其空间环境时空基准模型的构建过程可以先通过对无人机图像采集结果的图像采集节点标识进行读取，是指将无人机所采集到的采集结果与目标空前区域的区域地图数据的拟合结果中具有目标空间区域标识的图像采集结果，进一步的，以图像采集节点标识对目标空间区域中的具有标识的图像进行整合汇总后对初始图像集进行确定，同时以初始图像集作为构建空间环境时空基准模型的初始节点模型数据，初始节点模型数据是用于对空间环境中建筑的起点进行标记，是指对标记了空间环境中建筑中的一个位置，更新网络节点流会从初始节点开始，进一步的，对无人机图像采集结果中两两相邻的节点进行相邻采集节点间的数据偏离认证，其中数据偏离认证的数据偏离标准由相关技术人员根据相邻节点间的数据量进行预设，在此基础上，对数据偏离认证结果进行获得，并根据数据偏离认证结果以及初始图像集对空间环境时空基准模型的节点进行数据存储更新，从而根据数据存储更新的节点完成对空间环境时空基准模型的构建，达到为后期实现对空间环境时空基准模型进行构建提供重要依据的技术效果。

进一步而言，本申请步骤S740包括：

步骤S741：基于所述初始节点模型数据进行建筑数据评价，生成建筑复杂度标识；

步骤S742：配置偏离认证比例，其中，所述偏离认证比例包括最小偏离比例和最大偏离比例；

步骤S743：通过所述建筑复杂度标识和所述偏离认证比例进行相邻采集节点间的数据偏离认证；

步骤S744：当相邻节点间的数据偏离在所述最小偏离比例内时，则生成不更新标识；

步骤S745：根据所述不更新标识进行后置节点与前置节点的标识，并根据标识结果进行所述后置节点的节点数据存储更新。

具体而言，为保证对空间环境时空基准模型的节点进行数据存储的更新准确性，首先通过初始节点模型数据对更新网格节点中的建筑进行建筑数据评价，建筑数据可以包含建筑属性信息、建筑空间信息等对建筑复杂度进行标识，其中建筑复杂度是根据建筑在更新网格节点中不同的建筑属性以及建筑空间所需计算机语言的描述长度进行衡量，若所需计算机语言的描述长度越长，则对应所生成的建筑复杂度越高，并根据建筑复杂度对建筑进行复杂度标识，进一步的，对偏离认证比例配置，该偏离认证比例是由相关技术人员根据建筑复杂度数据量进行预设，且偏离认证比例中包括建筑之间的最小偏离比例和最大偏离比例，同时通过建筑复杂度标识和偏离认证比例对相邻采集节点间的数据进行偏离认证，是指在更新网格节点中对每两两相邻的节点之间的数据偏离与偏离认证比例进行比对，当相邻节点间的数据偏离处于偏离认证比例中的最小偏离比例内时，则对更新网格节点生成不更新标识，使得更新网格节点保持当前节点位置以及节点数量，进一步的，根据不更新标识对后置节点与前置节点进行标识，前置节点和后置节点是指处于更新网格节点中的不同节点，前置节点是指任意选取一个节点作为目标节点的前面一个节点，后置节点是指任意选取一个节点作为目标节点的后面一个节点，最终根据标识结果对后置节点的节点进行数据存储更新，是指向后置节点中插入新的标识结果数据以及对已有数据进行修改与删除，由此完成对后置节点的数据存储更新，以此保证后期对空间环境时空基准模型进行更好的构建。

进一步而言，本申请步骤S745包括：

步骤S7451：当相邻节点间的数据偏离在所述最小偏离比例与所述最大偏离比例间时，则提取后置节点与前置节点的区别特征，并将所述区别特征与前置节点关联；

步骤S7452：根据关联结果和所述区别特征进行后置节点的节点数据存储更新。

进一步而言，本申请步骤S7452包括：

步骤S74521：当相邻节点间的数据偏离不能满足所述最大偏离比例时，则生成数据更新标识；

步骤S74522：通过所述数据更新标识保留后置节点的节点采集数据，以完成节点数据存储更新。

具体而言，为使得对后置节点进行数据存储更新时的数据更为准确，因此需要对后置节点进行数据存储更新的过程进行细化，即对更新网格节点中相邻点间的数据偏移量进行判断，当相邻节点间的数据偏离在偏离认证比例中的最小偏离比例与最大偏离比例之间时，则视为当前相邻节点间的数据偏离在正常范围内，从而提取该节点的后置节点与前置节点，并对所提取的后置节点与前置节点进行相似特征的剔除，从而获取后置节点与前置节点的区别特征，并将所获后置节点与前置节点的区别特征与该节点的前置节点进行数据关联，是指为了响应节点的前置节点而返回后置节点与前置节点的区别特征的数据，当相邻节点间的数据偏离不能满足偏离认证比例中的最大偏离比例时，则视为当前相邻节点间的数据偏离大，并对该节点生成数据更新标识，是指通过更新标识对此时相邻节点中基于数据更新标识保留后置节点的节点采集数据，是指可以根据关联结果中具有区别特征的前置节点和后置节点与前置节点的区别特征对后置节点的节点进行数据存储更新，其节点内的实际存储的数据量会很少，同时对前置节点的节点采集数据进行更新剔除，由此以完成节点数据存储更新，达到对空间环境时空基准模型进行构建的技术效果。

进一步而言，本申请步骤S745包括：

步骤S7453：当相邻节点间的数据偏离在所述最小偏离比例内时，生成标识验证指令；

步骤S7454：通过所述标识验证指令验证当前节点前带有不更新标识的连续节点数量；

步骤S7455：若所述连续节点数量满足预设阈值，则进行当前节点的节点数据存储更新。

具体而言，对相邻节点间的数据偏离与偏离认证比例进行比对，若当相邻节点间的数据偏离处于偏离认证比例的最小偏离比例内时，即相邻节点间的数据偏离小于最小偏离比例时，则视为相邻两个节点之间的数据偏离过小，因此需要对相邻两个节点通过所生成的标识验证指令，进行节点的标识的验证，是指对该相邻两节点通过标识检验所得到的证实结果，该证实结果中包含相邻节点中是否存在标识信息的证实，进一步的，再通过标识验证指令验证当前节点前带有不更新标识的连续节点数量，是指将此时所处节点处向前的节点进行依次遍历，将带有不更新标识的节点进行提取并计算节点个数，若连续节点数量满足预设阈值时，其中预设阈值由相关技术人员根据标识节点的数据量进行预设，则视为带有不更新标识的节点的个数过多，因此需要对当前节点进行节点数据存储更新，将带有不更新标识的节点进行数据保持，以保证在对空间环境时空基准模型进行构建时的高效性。

综上所述，本申请实施例提供的一种空间环境时空基准模型的构建方法，至少包括如下技术效果，实现了通过建立时空基准模型对空间环境进行有效管理，用于提高空间环境变化的统计与预测的效果。

实施例二：

基于与前述实施例中一种空间环境时空基准模型的构建方法相同的发明构思，如图4所示，本申请提供了一种空间环境时空基准模型的构建系统，系统包括：

数据读取模块1，所述数据读取模块1用于交互目标空间区域的区域地图数据，并读取所述目标空间区域的标识数据；

区域划分模块2，所述区域划分模块2用于依据所述区域地图数据和所述标识数据进行所述目标空间区域的区域划分，构建区域标识；

初始网格节点模块3，所述初始网格节点模块3用于读取模型的构建精度，根据所述区域标识、所述区域地图数据和所述构建精度分布初始网格节点；

特征输出模块4，所述特征输出模块4用于将所述区域标识、所述标识数据输入特征筛选模型，输出建筑的引力特征，其中，所述引力特征表征了对应建筑对于所述初始网格节点的聚合关联值；

聚合模块5，所述聚合模块5用于基于所述引力特征对所述初始网格节点进行节点与建筑的聚合，根据聚合结果构建更新网格节点；

图像采集模块6，所述图像采集模块6用于将所述更新网格节点作为基准点，对所述目标空间区域执行周期性无人机图像采集；

模型构建模块7，所述模型构建模块7用于通过所述基准点将无人机图像采集结果拟合至所述区域地图数据，构建空间环境时空基准模型。

进一步而言，系统还包括：

节点标识模块，所述节点标识模块用于读取所述无人机图像采集结果的图像采集节点标识；

数据构建模块，所述数据构建模块用于根据所述图像采集节点标识确定初始图像集，基于所述初始图像集构建所述空间环境时空基准模型的初始节点模型数据；

偏离认证模块，所述偏离认证模块用于对所述无人机图像采集结果进行相邻采集节点间的数据偏离认证，获得数据偏离认证结果；

第一存储更新模块，所述第一存储更新模块用于根据所述数据偏离认证结果和所述初始图像集进行所述空间环境时空基准模型的节点数据存储更新。

进一步而言，系统还包括：

建筑数据评价模块，所述建筑数据评价模块用于基于所述初始节点模型数据进行建筑数据评价，生成建筑复杂度标识；

偏离认证比例模块，所述偏离认证比例模块用于配置偏离认证比例，其中，所述偏离认证比例包括最小偏离比例和最大偏离比例；

偏离认证模块，所述偏离认证模块用于通过所述建筑复杂度标识和所述偏离认证比例进行相邻采集节点间的数据偏离认证；

第一标识模块，所述第一标识模块用于当相邻节点间的数据偏离在所述最小偏离比例内时，则生成不更新标识；

第二存储更新模块，所述第二存储更新模块用于根据所述不更新标识进行后置节点与前置节点的标识，并根据标识结果进行所述后置节点的节点数据存储更新。

进一步而言，系统还包括：

特征提取模块，所述特征提取模块用于当相邻节点间的数据偏离在所述最小偏离比例与所述最大偏离比例间时，则提取后置节点与前置节点的区别特征，并将所述区别特征与前置节点关联；

第三存储更新模块，所述第三存储更新模块用于根据关联结果和所述区别特征进行后置节点的节点数据存储更新。

进一步而言，系统还包括：

第一判断模块，所述第一判断模块用于当相邻节点间的数据偏离不能满足所述最大偏离比例时，则生成数据更新标识；

第四存储更新模块，所述第四存储更新模块用于通过所述数据更新标识保留后置节点的节点采集数据，以完成节点数据存储更新。

进一步而言，系统还包括：

第一验证模块，所述第一验证模块用于当相邻节点间的数据偏离在所述最小偏离比例内时，生成标识验证指令；

第二验证模块，所述第二验证模块用于通过所述标识验证指令验证当前节点前带有不更新标识的连续节点数量；

第五存储更新模块，所述第五存储更新模块用于若所述连续节点数量满足预设阈值，则进行当前节点的节点数据存储更新。

进一步而言，系统还包括：

距离约束模块，所述距离约束模块用于根据所述构建精度配置网格节点的节点距离约束，其中，所述节点距离约束包括最短距离约束和最长距离约束；

聚合拟合模块，所述聚合拟合模块用于基于所述引力特征对所述初始网格节点进行节点与建筑的聚合拟合；

约束比对模块，所述约束比对模块用于对任意两点聚合结果进行所述节点距离约束的约束比对；

第二判断模块，所述第二判断模块用于若不能满足所述节点距离约束时，则生成淘汰指令；

聚合结果获取模块，所述聚合结果获取模块用于根据所述淘汰指令淘汰两点中弱吸引结果的节点，根据淘汰结果获得所述聚合结果。

本说明书通过前述对一种空间环境时空基准模型的构建方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种空间环境时空基准模型的构建系统，对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其他实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (8)

1.一种空间环境时空基准模型的构建方法，其特征在于，所述方法包括：

交互目标空间区域的区域地图数据，并读取所述目标空间区域的标识数据；

依据所述区域地图数据和所述标识数据进行所述目标空间区域的区域划分，构建区域标识；

读取模型的构建精度，根据所述区域标识、所述区域地图数据和所述构建精度分布初始网格节点；

将所述区域标识、所述标识数据输入特征筛选模型，输出建筑的引力特征，其中，所述引力特征表征了对应建筑对于所述初始网格节点的聚合关联值；

基于所述引力特征对所述初始网格节点进行节点与建筑的聚合，根据聚合结果构建更新网格节点；

将所述更新网格节点作为基准点，对所述目标空间区域执行周期性无人机图像采集；

通过所述基准点将无人机图像采集结果拟合至所述区域地图数据，构建空间环境时空基准模型。

2.如权利要求1所述的方法，其特征在于，所述方法还包括：

读取所述无人机图像采集结果的图像采集节点标识；

根据所述图像采集节点标识确定初始图像集，基于所述初始图像集构建所述空间环境时空基准模型的初始节点模型数据；

对所述无人机图像采集结果进行相邻采集节点间的数据偏离认证，获得数据偏离认证结果；

根据所述数据偏离认证结果和所述初始图像集进行所述空间环境时空基准模型的节点数据存储更新。

3.如权利要求2所述的方法，其特征在于，所述方法还包括：

基于所述初始节点模型数据进行建筑数据评价，生成建筑复杂度标识；

配置偏离认证比例，其中，所述偏离认证比例包括最小偏离比例和最大偏离比例；

通过所述建筑复杂度标识和所述偏离认证比例进行相邻采集节点间的数据偏离认证；

当相邻节点间的数据偏离在所述最小偏离比例内时，则生成不更新标识；

根据所述不更新标识进行后置节点与前置节点的标识，并根据标识结果进行所述后置节点的节点数据存储更新。

4.如权利要求3所述的方法，其特征在于，所述方法还包括：

当相邻节点间的数据偏离在所述最小偏离比例与所述最大偏离比例间时，则提取后置节点与前置节点的区别特征，并将所述区别特征与前置节点关联；

根据关联结果和所述区别特征进行后置节点的节点数据存储更新。

5.如权利要求4所述的方法，其特征在于，所述方法还包括：

当相邻节点间的数据偏离不能满足所述最大偏离比例时，则生成数据更新标识；

通过所述数据更新标识保留后置节点的节点采集数据，以完成节点数据存储更新。

6.如权利要求3所述的方法，其特征在于，所述方法还包括：

当相邻节点间的数据偏离在所述最小偏离比例内时，生成标识验证指令；

通过所述标识验证指令验证当前节点前带有不更新标识的连续节点数量；

若所述连续节点数量满足预设阈值，则进行当前节点的节点数据存储更新。

7.如权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述构建精度配置网格节点的节点距离约束，其中，所述节点距离约束包括最短距离约束和最长距离约束；

基于所述引力特征对所述初始网格节点进行节点与建筑的聚合拟合；

对任意两点聚合结果进行所述节点距离约束的约束比对；

若不能满足所述节点距离约束时，则生成淘汰指令；

根据所述淘汰指令淘汰两点中弱吸引结果的节点，根据淘汰结果获得所述聚合结果。

8.一种空间环境时空基准模型的构建系统，其特征在于，所述系统包括：

数据读取模块，所述数据读取模块用于交互目标空间区域的区域地图数据，并读取所述目标空间区域的标识数据；

区域划分模块，所述区域划分模块用于依据所述区域地图数据和所述标识数据进行所述目标空间区域的区域划分，构建区域标识；

初始网格节点模块，所述初始网格节点模块用于读取模型的构建精度，根据所述区域标识、所述区域地图数据和所述构建精度分布初始网格节点；

特征输出模块，所述特征输出模块用于将所述区域标识、所述标识数据输入特征筛选模型，输出建筑的引力特征，其中，所述引力特征表征了对应建筑对于所述初始网格节点的聚合关联值；

聚合模块，所述聚合模块用于基于所述引力特征对所述初始网格节点进行节点与建筑的聚合，根据聚合结果构建更新网格节点；

图像采集模块，所述图像采集模块用于将所述更新网格节点作为基准点，对所述目标空间区域执行周期性无人机图像采集；

模型构建模块，所述模型构建模块用于通过所述基准点将无人机图像采集结果拟合至所述区域地图数据，构建空间环境时空基准模型。