CN117029804A - 一种基于车辆定位信息的矿区地形自动更新方法 - Google Patents
一种基于车辆定位信息的矿区地形自动更新方法 Download PDFInfo
- Publication number
- CN117029804A CN117029804A CN202310985614.9A CN202310985614A CN117029804A CN 117029804 A CN117029804 A CN 117029804A CN 202310985614 A CN202310985614 A CN 202310985614A CN 117029804 A CN117029804 A CN 117029804A
- Authority
- CN
- China
- Prior art keywords
- data
- vehicle
- range
- information
- terrain
- 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 39
- 238000012876 topography Methods 0.000 title claims abstract description 27
- 238000005065 mining Methods 0.000 title claims abstract description 26
- 230000004927 fusion Effects 0.000 claims abstract description 19
- 238000006243 chemical reaction Methods 0.000 claims abstract description 17
- 238000005520 cutting process Methods 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 21
- 238000012216 screening Methods 0.000 claims description 19
- 230000008859 change Effects 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 8
- 238000009826 distribution Methods 0.000 claims description 6
- 230000007704 transition Effects 0.000 claims description 5
- 238000004140 cleaning Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 230000006855 networking Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000003786 synthesis reaction Methods 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 claims description 2
- 239000000203 mixture Substances 0.000 claims description 2
- 230000008569 process Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000007794 visualization technique Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3811—Point data, e.g. Point of Interest [POI]
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
Abstract
本发明涉及地理信息更新技术领域,公开了一种基于车辆定位信息的矿区地形自动更新方法,包括以下步骤:步骤S1,数据获取;步骤S2、数据整理;步骤S3、格式转换;步骤S4、曲面拟合;步骤S5、掩膜提取;步骤S6、数据融合;步骤S7、服务更新。通过车载定位终端设备上传获取某时段内车辆行驶的点位数据,在此基础上,通过空间拟合算法生成矿区范围内地形拟合数据集,按照指定范围对拟合数据进行裁切,并和原始地形数据进行融合,最后进行数据服务发布,从而实现矿区范围内地形数据更新。实现了基于车辆定位信息进行大面积矿区地形自动更新的可行性,减少人工干预工作,设置好参数后,大大节省了人工工作量,提升工作效率。
Description
技术领域
本发明属于地理信息更新技术领域,具体地说,涉及一种基于车辆定位信息的矿区地形自动更新方法。
背景技术
矿山无人化运输作业的特殊性和复杂性,导致矿山无人化运输管理系统的实现面临诸多技术挑战,其中高效地监控矿山中车辆实时运行状态对实现无人化管理至关重要,地图具有的空间特征使其成为实现监控功能的有效载体。
现有研究存在一些问题和局限性:
现有技术中使用无人机作为采集地理数据的工具,侧重点在于快速更新,而采集数据的质量受地形覆盖情况、天气等影响较大,且拍摄范围不能精确控制。对矿区的一般行驶道路和区域无法区分识别,不适用露天矿无人运输场景。
现有技术中还有一种较为通用的三维地图切片处理,运用抽稀算法处理降低数据量对于区域范围较小的矿区而言较为复杂和耗时。
现有技术中的可视化方法使用条件判断将用户输入的组合条件数据与数据储存单元中的数据一一对比,筛选相等结果再输出至用户端浏览器,此方法中空间运算频繁计算量大,可视化系统的效率较低。
有鉴于此特提出本发明。
发明内容
为解决上述无人机采集数据的质量受地形覆盖情况、天气等影响较大的技术问题,本发明采用技术方案的基本构思是:
一种基于车辆定位信息的矿区地形自动更新方法,包括以下步骤:
步骤S1、数据获取:
车载定位终端设备进行组网,通过车辆移动定位终端设备,定位终端设备上传车辆信息;
步骤S2、数据整理:
数据访问端接收到车辆信息以后,对获取到的车辆信息进行整理,得到预处理数据;
步骤S3、格式转换:
将预处理数据转换为所需的矢量数据格式,为下一步进行曲面拟合提供数据源;
步骤S4、曲面拟合:
采用克里金地学插值法,根据离散定位信息进行拟合,预测周围未知点的空间分布,近似得到测区范围内的地形拟合数据成果;
步骤S5、掩膜提取:
根据车辆点位信息,生成裁切范围,对拟合数据成果进行面裁切,获得变化范围地形数据;
步骤S6、数据融合:
将裁切后的变化范围地形数据与原始地形数据进行叠加融合,得到模拟后的全矿地形数据;
步骤S7、服务更新:
进行地图切片及服务发布,完成地图服务更新操作。
根据所述的一种基于车辆定位信息的矿区地形自动更新方法,所述车辆信息包括车辆坐标、车牌号、车辆类型及行驶状态。
根据所述的一种基于车辆定位信息的矿区地形自动更新方法,所述步骤S2中的数据整理所包含的处理内容如下:
1)、数据转化:定位终端设备将车辆信息以JSON数据格式实时推送到数据接收端;对获取得到的信息进行序列化操作,从而将内存中的数据保存在计算机硬盘中;
2)、数据筛选:通过终端设备推送回的信息,将其根据数据处理的要求,提取能够反映车辆分布范围和行驶状态的有效内容,筛除不必要的离散数据点,降低数据干扰,用以后期道路和变化区域的创建;
3)、空间数据清理:通过拓扑分析,筛选排除不符合处理处理要求的点位信息,确保参与计算的点位信息符合计算要求。
根据所述的一种基于车辆定位信息的矿区地形自动更新方法,所述筛选排除不符合处理处理要求的点位信息包括:
根据测区矢量范围,删除范围以外的无效点,保留范围内部的车辆点位;删除高程值不满足实际地形高程范围的点位;删除异常点、零值点。
根据所述的一种基于车辆定位信息的矿区地形自动更新方法,所述步骤S3中的数据转换流程如下:
1)、导入原始车辆点位数据:通过车辆定位终端服务后台提供的访问接口,请求获取原始车辆点位信息,按照时间范围存储;
2)、坐标提取:从每一条对象化处理后的车辆点位数据记录中,分离XYZ字段,提取车辆点位坐标,并将其转换为坐标串队列;
3)、数据筛选:根据筛选原则去除不参与变化范围统计的坐标点,提取保留参与计算的点位信息;
4)、创建线串:根据保留的坐标点,按照时间戳顺序进行节点连接,构成车辆行驶的路程轨迹线;
5)、二值化转换:将上述线状要素进行按照一定的色度比照标准转换为灰度图像;在灰度图像中,根据灰度梯度变化和边界增强算法,采用二值化(黑、白),突出重要特征和背景的区别;
6)、矢量范围提取:栅格数据前景转回矢量数据,并进行矢量综合,提取变化范围;
7)、去除空洞;生成的变化范围由于栅格化的原因,其内部存在较多小面积空洞;根据内部空洞图斑面积大小,按照指定阈值对小面图斑进行融合消除;
8)、输出边界:输出得到地形变化范围矢量数据成果。
根据所述的一种基于车辆定位信息的矿区地形自动更新方法,所述筛选原则包括:
删除测区外部的坐标点,保留测区内部的坐标点;
删除测区高程范围之外的坐标点,保留测区高程范围内部坐标点;
删除计算条件之外的车辆类型坐标点,保留满足计算条件的车辆类型坐标点;
删除不符合计算条件的车辆状态点位坐标,保留满足计算条件的车辆状态的点位坐标。
根据所述的一种基于车辆定位信息的矿区地形自动更新方法,所述将裁切后的变化范围地形数据与原始地形数据进行叠加融合包括:
变化范围内地形融合:采用基于像元的图像融合方式,用替换数据在原始数据层上进行融合,对栅格数据进行相互间的几何配准,在各像元一一对应的前提下进行图像像元级的合并处理;
变化范围边缘与原始地形融合:原始地形和生成的地形按像元所在的位置,根据像素高程进行平均值处理,降低更新前后过渡区域的变化差异。
本发明与现有技术相比具有以下有益效果:
本发明中,通过车载定位终端设备上传获取某时段内车辆行驶的点位数据,在此基础上,通过空间拟合算法生成矿区范围内地形拟合数据集,按照指定范围对拟合数据进行裁切,并和原始地形数据进行融合,最后进行数据服务发布,从而实现矿区范围内地形数据更新。本发明的方法采集数据的质量不受地形覆盖情况、天气等影响,且数据采集方便。
本发明实现了基于车辆定位信息进行大面积矿区地形自动更新的可行性,减少人工干预工作,设置好参数后,大大节省了人工工作量,提升工作效率。
下面结合附图对本发明的具体实施方式作进一步详细的描述。
附图说明
在附图中:
图1为本发明地形更新处理流程图;
图2为本发明数据结构转化图;
图3为本发明数据转换流程图;
图4为本发明掩膜提取流程示意图;
图5为本发明变化地形融合更新示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对实施例中的技术方案进行清楚、完整地描述,以下实施例用于说明本发明。
如图1至图2所示,一种基于车辆定位信息的矿区地形自动更新方法,包括以下步骤:
步骤S1,数据获取
车载定位终端设备能够提供车辆基本信息和车辆信息,利用工业路由器进行智能组网,实现数据信息的传输。定位终端设备提供实时定位,按照设定的时间间隔、指定的时刻点或者距离间隔,让车载终端上报行驶状态。通过车辆移动定位终端设备,可以上传获取车辆信息,该车辆信息具体包括车辆坐标、车牌号、车辆类型、行驶状态等多种类型的信息。
步骤S2,数据整理
车辆信息通常以标准协议、按照网络通讯接口的方式提供给数据访问端,接收到车辆信息以后,需要对获取到的车辆信息进行整理,从而得到预处理数据。
其中,数据转化过程如图2所示,数据整理所包含的处理内容和步骤如下:
1、数据转化
车辆信息是以JSON数据格式实时推送到数据接收端。为了有效解析和处理原始车辆数据,需要对获取得到的车辆信息进行序列化操作,从而将内存中的数据保存在计算机硬盘中,便于后续的处理。
2、数据筛选
通过终端设备推送回的信息,包含各个部门以及各种类型的车辆定位描述。在此过程中,需要我们根据数据处理的要求,提取能够充分反映车辆分布范围和行驶状态的有效内容,筛除不必要的离散数据点,降低数据干扰,用以后期道路和变化区域的创建。
3、空间数据清理
空间数据清理是指通过拓扑分析,筛选排除不符合处理处理要求的点位信息,确保参与计算的点位信息符合计算要求。如:根据测区矢量范围,删除范围以外的无效点,保留范围内部的车辆点位;删除高程值不满足实际地形高程范围的点位;删除异常点、零值点等。
步骤S3,主要转换过程如图3所示,格式转换:
将整理完成以后的预处理数据转换为所需的矢量数据格式,为下一步进行曲面拟合提供数据源。同时,采用栅格二值化的过程,对上述离散点进行数据转换以提取聚合范围边界。其具体流程如下:
1、导入原始车辆点位数据
通过车辆定位终端服务后台提供的访问接口,请求获取原始车辆点位信息,按照时间范围存储。
2、坐标提取
从每一条对象化处理后的车辆点位数据记录中,分离XYZ字段,提取车辆点位坐标,并将其转换为坐标串队列。
3、数据筛选
数据筛选的主要目标是根据预设的筛选原则去除不参与变化范围统计的坐标点,提取保留参与计算的点位信息。其中,筛选原则包括:
删除测区外部的坐标点,保留测区内部的坐标点;
删除测区高程范围之外的坐标点,保留测区高程范围内部坐标点;
删除计算条件之外的车辆类型坐标点(如:指挥车辆、通勤车辆等),保留满足计算条件的车辆类型坐标点;
删除不符合计算条件的车辆状态点位坐标(如:离线车辆),保留满足计算条件的车辆状态的点位坐标。
4、创建线串
根据保留的坐标点,按照时间戳顺序进行节点连接,构成车辆行驶的路程轨迹线。
5、二值化转换
将上述线状要素进行按照一定的色度比照标准转换为灰度图像。在灰度图像中,根据灰度梯度变化和边界增强算法,采用二值化(黑、白),突出重要特征和背景的区别。在栅格二值化转换的过程中,可以有效去除离散点所产生的碎线段,保留主要的道路中心线所在的区域范围。
6、矢量范围提取
栅格数据前景转回矢量数据,并进行矢量综合,提取变化范围。
7、去除空洞
生成的变化范围由于栅格化的原因,其内部存在较多小面积空洞。根据内部空洞图斑面积大小,按照指定阈值对小面图斑进行融合消除。
8、输出边界
输出得到地形变化范围矢量数据成果。
步骤S4,曲面拟合:
采用克里金地学插值法,根据离散定位信息进行拟合,预测周围未知点的空间分布,近似得到测区范围内的地形拟合数据成果。
步骤S5,掩膜提取:根据车辆点位信息,生成裁切范围,对拟合数据成果进行面裁切,获得变化范围地形数据。掩膜提取流程如图4所示。
在遥感影像处理过程中,掩膜处理是指用选定的图像、图形或物体,对处理的图像(全部或局部)进行遮挡,来控制图像处理的区域或处理过程。按照矢量范围裁切栅格数据。根据第3步所提取的变化范围边界,获取变化范围内的地形
其中,具体的掩膜提取流程可以使用利用Arcgis创建掩膜并根据掩膜裁剪地图,简易教程链接如下:
https://blog.csdn.net/qq_46841162/article/details/123662884。
步骤S6,数据融合:将裁切后的变化范围地形数据与原始地形数据进行叠加融合,得到模拟后的全矿地形数据。变化地形融合更新过程如图5所示。
其中,将裁切后的变化范围地形数据与原始地形数据进行叠加融合具体包括变化范围内地形融合,以及变化范围边缘与原始地形融合两方面。
具体的,变化范围内地形融合即用更新道路地形数据对原始地形进行叠加替换。变化范围内地形融合采用基于像元的图像融合方式,直接用替换数据在原始数据层上进行融合,对栅格数据进行相互间的几何配准,在各像元一一对应的前提下进行图像像元级的合并处理。
在数据融合的过程中,重点要处理好变化范围边缘与原始地形之间的过渡关系。同一位置的道路边缘地形数据由于道路形态放生了变化,在与原始数据接边的时候,会出现较大的差异,严重影响整体更新效果。因此在处理边缘过渡区域的融合问题时,采取的主要手段是平均值滤波法。即将原始地形和生成的地形按像元所在的位置,根据像素高程进行平均值处理,降低更新前后过渡区域的变化差异。
Claims (7)
1.一种基于车辆定位信息的矿区地形自动更新方法,其特征在于,包括以下步骤:
步骤S1、数据获取:
车载定位终端设备进行组网,通过车辆移动定位终端设备,定位终端设备上传车辆信息;
步骤S2、数据整理:
数据访问端接收到车辆信息以后,对获取到的车辆信息进行整理,得到预处理数据;
步骤S3、格式转换:
将预处理数据转换为所需的矢量数据格式,为下一步进行曲面拟合提供数据源;
步骤S4、曲面拟合:
采用克里金地学插值法,根据离散定位信息进行拟合,预测周围未知点的空间分布,近似得到测区范围内的地形拟合数据成果;
步骤S5、掩膜提取:
根据车辆点位信息,生成裁切范围,对拟合数据成果进行面裁切,获得变化范围地形数据;
步骤S6、数据融合:
将裁切后的变化范围地形数据与原始地形数据进行叠加融合,得到模拟后的全矿地形数据;
步骤S7、服务更新:
进行地图切片及服务发布,完成地图服务更新操作。
2.根据权利要求1所述的一种基于车辆定位信息的矿区地形自动更新方法,其特征在于,所述车辆信息包括车辆坐标、车牌号、车辆类型及行驶状态。
3.根据权利要求2所述的一种基于车辆定位信息的矿区地形自动更新方法,其特征在于,所述步骤S2中的数据整理所包含的处理内容如下:
1)、数据转化:定位终端设备将车辆信息以JSON数据格式实时推送到数据接收端;对获取得到的信息进行序列化操作,从而将内存中的数据保存在计算机硬盘中;
2)、数据筛选:通过终端设备推送回的信息,将其根据数据处理的要求,提取能够反映车辆分布范围和行驶状态的有效内容,筛除不必要的离散数据点,降低数据干扰,用以后期道路和变化区域的创建;
3)、空间数据清理:通过拓扑分析,筛选排除不符合处理处理要求的点位信息,确保参与计算的点位信息符合计算要求。
4.根据权利要求3所述的一种基于车辆定位信息的矿区地形自动更新方法,其特征在于,所述筛选排除不符合处理处理要求的点位信息包括:
根据测区矢量范围,删除范围以外的无效点,保留范围内部的车辆点位;删除高程值不满足实际地形高程范围的点位;删除异常点、零值点。
5.根据权利要求3所述的一种基于车辆定位信息的矿区地形自动更新方法,其特征在于,所述步骤S3中的数据转换流程如下:
1)、导入原始车辆点位数据:通过车辆定位终端服务后台提供的访问接口,请求获取原始车辆点位信息,按照时间范围存储;
2)、坐标提取:从每一条对象化处理后的车辆点位数据记录中,分离XYZ字段,提取车辆点位坐标,并将其转换为坐标串队列;
3)、数据筛选:根据筛选原则去除不参与变化范围统计的坐标点,提取保留参与计算的点位信息;
4)、创建线串:根据保留的坐标点,按照时间戳顺序进行节点连接,构成车辆行驶的路程轨迹线;
5)、二值化转换:将上述线状要素进行按照一定的色度比照标准转换为灰度图像;在灰度图像中,根据灰度梯度变化和边界增强算法,采用二值化(黑、白),突出重要特征和背景的区别;
6)、矢量范围提取:栅格数据前景转回矢量数据,并进行矢量综合,提取变化范围;
7)、去除空洞;生成的变化范围由于栅格化的原因,其内部存在较多小面积空洞;根据内部空洞图斑面积大小,按照指定阈值对小面图斑进行融合消除;
8)、输出边界:输出得到地形变化范围矢量数据成果。
6.根据权利要求5所述的一种基于车辆定位信息的矿区地形自动更新方法,其特征在于,所述筛选原则包括:
删除测区外部的坐标点,保留测区内部的坐标点;
删除测区高程范围之外的坐标点,保留测区高程范围内部坐标点;
删除计算条件之外的车辆类型坐标点,保留满足计算条件的车辆类型坐标点;
删除不符合计算条件的车辆状态点位坐标,保留满足计算条件的车辆状态的点位坐标。
7.根据权利要求1所述的一种基于车辆定位信息的矿区地形自动更新方法,其特征在于,所述将裁切后的变化范围地形数据与原始地形数据进行叠加融合包括:
变化范围内地形融合:采用基于像元的图像融合方式,用替换数据在原始数据层上进行融合,对栅格数据进行相互间的几何配准,在各像元一一对应的前提下进行图像像元级的合并处理;
变化范围边缘与原始地形融合:原始地形和生成的地形按像元所在的位置,根据像素高程进行平均值处理,降低更新前后过渡区域的变化差异。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310985614.9A CN117029804B (zh) | 2023-08-07 | 2023-08-07 | 一种基于车辆定位信息的矿区地形自动更新方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310985614.9A CN117029804B (zh) | 2023-08-07 | 2023-08-07 | 一种基于车辆定位信息的矿区地形自动更新方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117029804A true CN117029804A (zh) | 2023-11-10 |
CN117029804B CN117029804B (zh) | 2024-04-26 |
Family
ID=88625635
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310985614.9A Active CN117029804B (zh) | 2023-08-07 | 2023-08-07 | 一种基于车辆定位信息的矿区地形自动更新方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117029804B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09260636A (ja) * | 1996-03-22 | 1997-10-03 | Toyota Motor Corp | 半導体装置の製造方法 |
US6201883B1 (en) * | 1998-01-22 | 2001-03-13 | Komatsu Ltd. | Topography measuring device |
US20040027344A1 (en) * | 2002-03-27 | 2004-02-12 | Sony Corporation | Three-dimensional terrain-information generating system and method, and computer program therefor |
CN105869168A (zh) * | 2016-04-01 | 2016-08-17 | 南京理工大学 | 基于多项式拟合的多源遥感图像形状配准方法 |
KR20180032138A (ko) * | 2016-09-21 | 2018-03-29 | 주식회사 지오제니컨설턴트 | Vr과 증강현실을 이용한 광산 측량 및 현장 감시 방법 |
WO2020051620A1 (en) * | 2018-05-16 | 2020-03-19 | Universal Field Robotics Pty Ltd | Automated vehicle |
CN111443360A (zh) * | 2020-04-20 | 2020-07-24 | 北京易控智驾科技有限公司 | 矿区无人驾驶系统道路边界自动采集装置和识别方法 |
CN112698362A (zh) * | 2020-12-15 | 2021-04-23 | 潍柴动力股份有限公司 | 一种三维地图地形更新方法和装置 |
CN114612631A (zh) * | 2022-03-02 | 2022-06-10 | 自然资源部重庆测绘院 | 一种基于InSAR技术的高精度无漏洞DSM提取方法 |
CN114842438A (zh) * | 2022-05-26 | 2022-08-02 | 重庆长安汽车股份有限公司 | 用于自动驾驶汽车的地形检测方法、系统及可读存储介质 |
CN114882181A (zh) * | 2022-04-14 | 2022-08-09 | 江苏徐工工程机械研究院有限公司 | 一种露天矿山无人化三维地图生成方法及系统 |
CN116182878A (zh) * | 2022-12-15 | 2023-05-30 | 禾多科技(北京)有限公司 | 道路曲面信息生成方法、装置、设备和计算机可读介质 |
CN116182875A (zh) * | 2023-02-20 | 2023-05-30 | 北京信息科技大学 | 一种基于图神经网络的临时道路路径规划方法及系统 |
CN116448078A (zh) * | 2023-04-17 | 2023-07-18 | 重庆地质矿产研究院 | 基于无人机倾斜摄影技术的矿山储量估算地形剖面方法 |
-
2023
- 2023-08-07 CN CN202310985614.9A patent/CN117029804B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09260636A (ja) * | 1996-03-22 | 1997-10-03 | Toyota Motor Corp | 半導体装置の製造方法 |
US6201883B1 (en) * | 1998-01-22 | 2001-03-13 | Komatsu Ltd. | Topography measuring device |
US20040027344A1 (en) * | 2002-03-27 | 2004-02-12 | Sony Corporation | Three-dimensional terrain-information generating system and method, and computer program therefor |
CN105869168A (zh) * | 2016-04-01 | 2016-08-17 | 南京理工大学 | 基于多项式拟合的多源遥感图像形状配准方法 |
KR20180032138A (ko) * | 2016-09-21 | 2018-03-29 | 주식회사 지오제니컨설턴트 | Vr과 증강현실을 이용한 광산 측량 및 현장 감시 방법 |
WO2020051620A1 (en) * | 2018-05-16 | 2020-03-19 | Universal Field Robotics Pty Ltd | Automated vehicle |
CN111443360A (zh) * | 2020-04-20 | 2020-07-24 | 北京易控智驾科技有限公司 | 矿区无人驾驶系统道路边界自动采集装置和识别方法 |
CN112698362A (zh) * | 2020-12-15 | 2021-04-23 | 潍柴动力股份有限公司 | 一种三维地图地形更新方法和装置 |
CN114612631A (zh) * | 2022-03-02 | 2022-06-10 | 自然资源部重庆测绘院 | 一种基于InSAR技术的高精度无漏洞DSM提取方法 |
CN114882181A (zh) * | 2022-04-14 | 2022-08-09 | 江苏徐工工程机械研究院有限公司 | 一种露天矿山无人化三维地图生成方法及系统 |
CN114842438A (zh) * | 2022-05-26 | 2022-08-02 | 重庆长安汽车股份有限公司 | 用于自动驾驶汽车的地形检测方法、系统及可读存储介质 |
CN116182878A (zh) * | 2022-12-15 | 2023-05-30 | 禾多科技(北京)有限公司 | 道路曲面信息生成方法、装置、设备和计算机可读介质 |
CN116182875A (zh) * | 2023-02-20 | 2023-05-30 | 北京信息科技大学 | 一种基于图神经网络的临时道路路径规划方法及系统 |
CN116448078A (zh) * | 2023-04-17 | 2023-07-18 | 重庆地质矿产研究院 | 基于无人机倾斜摄影技术的矿山储量估算地形剖面方法 |
Non-Patent Citations (7)
Title |
---|
JUNHUI WANG等: "Terrain Mapping for Autonomous Trucks in Surface Mine mine terrain vehicle kriging", 《TERRAIN MAPPING FOR AUTONOMOUS TRUCKS IN SURFACE MINE MINE TERRAIN VEHICLE KRIGING》, 1 November 2022 (2022-11-01), pages 4369 - 4374 * |
左继翔: "基于GIS与MATLAB平台的三维地质建模研究与应用", 《中国优秀硕士学位论文全文数据库 基础科学辑》, 15 May 2019 (2019-05-15), pages 011 - 166 * |
李兵;张传才;陈永春;: "基于智能无人船技术与GIS的采煤沉陷区水下地形构建方法研究", 中国煤炭, no. 01, 22 January 2020 (2020-01-22) * |
毛亚纯等: "基于无人机点云数据的露天采场矿车提取方法", 《东北大学学报》, vol. 42, no. 6, 15 June 2021 (2021-06-15), pages 842 - 848 * |
汤凯煌: "基于地形改正的GPS高程异常曲面的拟合", 《矿山测量》, no. 1, 31 March 2008 (2008-03-31), pages 35 - 37 * |
王宝山: "煤矿虚拟现实系统三维数据模型和可视化技术与算法研究", 《中国优秀博硕士学位论文全文数据库 (博士) 工程科技Ⅰ辑》, 15 June 2007 (2007-06-15), pages 021 - 1 * |
田彦;: "矿山环境遥感自动监测方法与应用分析", 资源节约与环保, no. 10, 25 October 2016 (2016-10-25) * |
Also Published As
Publication number | Publication date |
---|---|
CN117029804B (zh) | 2024-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022141911A1 (zh) | 一种基于路侧感知单元的动态目标点云快速识别及点云分割方法 | |
US11847740B2 (en) | Data compression algorithm for processing of point cloud data for digital terrain models (DTM) | |
CN111339893B (zh) | 基于深度学习和无人机的管道检测系统及方法 | |
Asif et al. | A Proposed Architecture for Traffic Monitoring & Control System via LiFi Technology in Smart Homes | |
CN105513127A (zh) | 基于密度峰值聚类的杆状物规则化三维建模方法及系统 | |
CN113408087B (zh) | 一种基于云边系统和视频智能分析的变电站巡视方法 | |
CN110428500A (zh) | 轨迹数据处理方法、装置、存储介质以及设备 | |
CN113256588B (zh) | 露天矿无人驾驶中的排土场及排土边缘线实时更新方法 | |
CN110087041B (zh) | 基于5g基站的视频数据处理及传输方法和系统 | |
CN112906812A (zh) | 基于带离群点去除的车辆轨迹聚类方法 | |
CN111144693A (zh) | 一种城市公厕选址的决策方法、装置和计算机可读存储介质 | |
CN108958231A (zh) | 一种移动机器人地图的多分辨率区域划分方法 | |
CN117128947B (zh) | 栅格地图的生成方法和服务器 | |
CN113902830B (zh) | 轨迹路网生成方法 | |
CN117029804B (zh) | 一种基于车辆定位信息的矿区地形自动更新方法 | |
CN112133087A (zh) | 一种轨道交通智慧客流分析与导引系统及其客流分析与导引的方法 | |
CN115619900B (zh) | 基于距离地图和概率路图的点云地图拓扑结构提取方法 | |
CN117007033A (zh) | 一种矿区地图更新方法、装置、芯片、终端、设备和介质 | |
Zhong et al. | Probabilistic fine-grained urban flow inference with normalizing flows | |
CN113609070B (zh) | 铁路线路动态检测数据协同采集方法、装置及系统 | |
CN112149562B (zh) | 基于多功能杆的道路智慧养护系统及方法 | |
CN111027441B (zh) | 一种基于机载高光谱遥感影像的道路提取方法 | |
CN117114197B (zh) | 基于深度学习的征迁范围识别方法 | |
CN115082835B (zh) | 基于小波视频分解和Faster RCNN的变电站故障识别方法 | |
CN111612869A (zh) | 一种基于栅格数据进行地质编图的分析方法 |
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 |