CN117351166A - 一种基于大数据的土地管理绘测系统 - Google Patents

一种基于大数据的土地管理绘测系统 Download PDF

Info

Publication number
CN117351166A
CN117351166A CN202311644560.6A CN202311644560A CN117351166A CN 117351166 A CN117351166 A CN 117351166A CN 202311644560 A CN202311644560 A CN 202311644560A CN 117351166 A CN117351166 A CN 117351166A
Authority
CN
China
Prior art keywords
model
area
land
verified
dimensional model
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
Application number
CN202311644560.6A
Other languages
English (en)
Other versions
CN117351166B (zh
Inventor
王洁
李家豪
高景安
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.)
Wang Jie
Original Assignee
Shandong Xinke Kaibang Communication Equipment 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 Shandong Xinke Kaibang Communication Equipment Co ltd filed Critical Shandong Xinke Kaibang Communication Equipment Co ltd
Priority to CN202311644560.6A priority Critical patent/CN117351166B/zh
Publication of CN117351166A publication Critical patent/CN117351166A/zh
Application granted granted Critical
Publication of CN117351166B publication Critical patent/CN117351166B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/17—Terrestrial scenes taken from planes or by drones

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Remote Sensing (AREA)
  • Computer Graphics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Architecture (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于大数据的土地管理绘测系统，具体涉及土地绘测技术领域，包括，模型搭建模块和模型修正模块，模型修正模块将监测目标划分为若干监测区域，基于人工测绘获取待验证区域的实际测绘数据，从中获取实际特征向量参数；从搭建的土地三维立体获取标记位置点对应的位置信息，得到三维重建特征向量参数；特征向量参数的相似度参数获取每个监测区域对应初始三维模型的准确性指数，基于验证结果得到待修正区域，同时生成模型修正指令；基于多源融合数据获取待修正区域的修正模型，用修正模型更新待修正区域对应的初始三维模型，得到修正后的目标土地三维模型，与现有技术相比更加省时省力。

Description

一种基于大数据的土地管理绘测系统
技术领域
本发明涉及土地测绘技术领域，更具体地说，本发明涉及一种基于大数据的土地管理绘测系统。
背景技术
土地管理绘测系统是指利用信息技术手段，对土地资源进行调查、规划、管理、保护和利用等方面的系统。该系统以土地资源为基础，以信息技术为手段，通过对土地信息的采集、处理、分析和管理，实现土地资源的科学管理和优化利用。土地管理绘测系统的主要功能包括：通过遥感技术、GPS手段对土地资源进行调查和测量，获取土地资源的分布、面积、质量信息；根据土地资源的实际情况和社会经济发展的需要，制定合理的土地资源规划方案，包括土地利用总体规划、城市规划、耕地保护规划等；对土地资源的开发、利用、保护和治理等方面进行管理和监督，确保土地资源的合理利用和可持续发展；通过遥感技术、GIS等手段对土地资源进行实时监测和动态管理，及时掌握土地资源的动态变化和趋势；对土地资源的价值、适宜性、生态保护等方面进行评价和分析，为土地资源的科学管理和优化利用提供依据。
在专利申请为CN116070887A,名称为一种土地测绘数据智能分析管理系统，该发明涉及土地测绘数据分析领域，根据目标农业土地对应遥感影像模型和人工实测模型，筛选各异常区域，并根据各异常区域对应遥感影像模型与人工实测模型的重合比例指数得到对应目标模型，进而得到目标农业土地的整合模型，从而实现对目标农业土地进行多方面、多层次的测绘管理，提高农业土地模型的精确性，进而增加农业土地测绘数据的可靠性与准确性，为后期农业土地管理奠定良好基础。有利于农业土地管理部门的土地管理有效性和高效性。
但是其在实际使用时，现有的土地管理测绘系统仍旧存在较多缺点，如现有的管理测绘中根据目标农业土地对应遥感影像模型和人工实测模型，筛选目标农业土地模型对应各异常区域，基于目标农业土地对应遥感影像模型和人工实测模型的贴合度，得到各异常区域的模型数据，采用这种方式获取融合模型需要的工作量太大，导致土地管理、土地资源监测困难。
发明内容
为了克服现有技术的上述缺陷，本发明提供一种基于大数据的土地管理绘测系统，通过实际测量获取目标土地的特征向量参数，基于特征向量参数和特征向量参数的权重系数获取目标土地三维模型的异常区域，基于实际测量数据完成对土地三维模型的更新，基于测绘获取土地的时序数据，基于时序获取土地的利用率随时间变化情况，量化评估目标土地的利用情况，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种基于大数据的土地管理绘测系统，包括：
模型搭建模块，用于搭建目标土地的立体模型，得到目标土地三维模型，通过无人机搭载遥感采集设备，利用遥感技术搭建得到待监测目标的初始目标土地三维模型；
模型修正模块，用于验证获取的初始目标土地三维模型的准确性完成初始目标土地三维模型的更新，得到修正后的目标土地三维模型；
模型修正模块将监测目标划分为若干监测区域，验证每个监测区域对应初始三维模型的准确性指数，基于验证结果得到待修正区域，同时生成模型修正指令；基于多源融合数据获取待修正区域的修正模型，用修正模型更新待修正区域对应的初始三维模型，得到修正后的目标土地三维模型，并将修正结果存储在数据库中等待调用；
所述准确性指数的获取方式为：通过模型计算得到待验证区域对应三维模型的准确性指数Zp，其中，ci表示第i个特征的相似度参数，n表示特征向量参数的个数，kci表示第i个特征向量参数的权重系数，η1表示人工测绘的精度影响因子，η2表示预设的三维重建精度影响因子，且0.9＜η1＜1.0，0.8＜η2＜1.0，具体基于实际情况设置；
其中，n表示特征向量参数的个数，且n的数量与位置点的数量成正相关，位置点的数量越多，分析得到的准确性指数的精度越高，因为位置点是构成位置线、位置面的重要部分，位置点数量越多，得到的特征向量参数越多，向量特征参数越多则分析结果越准确，在获取准确性指数前，通过对待监测区域的预估得到起伏程度参数，基于起伏程度参数设置位置点的数量，能够节省人力。
优选的，所述目标土地三维模型的搭建包括下列步骤：
数据采集：采集包含土地信息的遥感图像，遥感图像由无人机搭载的设备采集，遥感图像能够清晰地反映出土地的表面特征和纹理信息；
数据预处理：对获取的遥感图像进行预处理，来解决遥感图像存在噪声、失真的问题，预处理包括去噪、增强、配准操作；
三维模型建立：在预处理后的图像基础上，对遥感图像进行深度学习和图像分割，识别和区分出不同的地形特征和地物类型；
数据输出和存储：以图形或数据的方式输出监测目标的初始目标土地三维模型，将获取的初始目标土地三维模型存储在数据库中。
优选的，所述模型修正模块包括区域划分单元、修正指令生成单元，以及模型修正执行单元，所述区域划分单元用于将目标土地三维模型按照等面积划分为若干待验证区域，并进行编号；所述修正指令生成单元用于生成修正指令，计算待验证区域的准确性指数，基于准确性指数和预设的准确性指数，得到待修正区域和修正指令；所述模型修正执行单元用于生成待修正区域的修正模型，用待修正区域的修正模型替换监测区域，得到修正后的目标土地三维模型。
优选的，修正指令生成单元中准确性指数的获取方式为，在待验证区域中随机标记位置点、位置线、位置面中的一种或多种，从待验证区域对应的三维模型中获取位置点、位置线，以及位置面的信息，得到三维重建特征向量参数；通过人工测绘获取位置点、位置线、位置面的信息，得到实际特征向量参数，包括下列步骤：
基于人工测绘获取待验证区域的实际测绘数据，从中获取实际特征向量参数；
从搭建的土地三维立体获取标记位置点对应的位置信息，得到三维重建特征向量参数；
基于测绘特征向量参数和三维重建特征向量参数计算得到特征向量参数的相似度参数，特征的相似度参数的计算方式为，si表示实际特征向量参数，gi表示三维重建特征向量参数，i表示特征向量参数的编号，i的取值为[1,n]，其中，为提高特征向量参数相似度的准确性，位置点、位置线、位置面的分布密度与土地的起伏程度参数、面积呈正相关，具体基于实际情况设置，例如在面积为10亩的平整土地上，位置点的数量为20，在面积为10亩的丘陵土地上，位置点的数量为60，在面积为5亩的丘陵土地上，位置点的数量为35；
通过模型计算得到待验证区域对应三维模型的准确性指数Zp，特征向量参数权重系数的计算满足模型/>。
优选的，点的位置信息为点的三维坐标，线的位置信息为线的三维坐标、线向量，面的位置信息包括面端点的三维坐标、面积、面中点的位置信息、面中线段的位置信息。
优选的，在指令生成单元中，当Zp低于预设准确性指数Z预，表明待验证区域的目标土地三维模型准确性不足，提示需要对待验证区域的三维模型进行修正，生成待修正区域和修正指令；当Zp不低于预设准确性指数Z预，表明待验证区域的目标土地三维模型的准确性满足要求，不需要对待验证区域进行修正，所述预设准确性指数Z预是基于精度要求设置的，基于管理人员根据经验值设置。
优选的，模型修正执行单元中修正模型的获取方式为：当准确性指数满足预设值tha时，基于三维模型的极值点对模型进行修正，用实际测量的位置点和极值点分别替换待修正区域的位置点和极值点，生成修正模型；当准确性指数超出预设值tha时，重新获取待修正区域的多源数据，所述多源数据包括不同图像采集设备获取的遥感图像，基于多源数据加权求和取平均获取新的遥感图像，重新构建待修正区域的融合模型，验证融合模型的准确性指数，将满足准确性指数的融合模型记为修正模型；当准确性指数满足预设值tha时，证明获取的三维模型与实际情况偏差不大，直接用获取的位置点替换初始三维模型中的位置点，能够快速完成对模型的轻微程度修正，同时，三维模型的极值点对于模型的影响程度大于其他点，当三维模型偏离实际情况不严重时，通过调整极值点的参数，能够迅速对三维模型进行调整，更加快速，节省时间；例如，设三维模型偏离实际情况5%属于偏离情况不严重的情形，预设值tha的获取方式为：设置准确性指数偏离预设准确性指数的比例低于10%，预设值tha=Zp*（1+5%）。
优选的，根据待验证区域的起伏程度、面积确定位置点数量方法，包括下列步骤：
步骤S1、设置在平整地面中的单位面积需要的位置点数量为△C，基于待验证区域的面积，计算得到待验证区域的基础位置点个数，其中，表示面积单位为亩；
步骤S2、根据监测区域的极值点个数、极值点海拔、平均海拔，获取待监测区域的起伏程度参数QF；
待监测区域的起伏程度参数满足模型，/>，其中m1表示待验证区域的极值点个数，hb均表示待验证区域海拔平均值,使用激光高度计获取待验证区域的平均海拔，hbj表示第j个极值点的海拔，JZj表示第j个极值点相对于待验证区域海拔平均值的偏离程度，海拔单位为米；
步骤S3、通过模型获取待验证区域的需要的位置点数量，其中nd表示待监测区域中的位置点数量,M表示待监测区域的面积，QF表示经过线性归一化后的起伏程度参数。
为了克服现有技术的上述缺陷，本发明提供一种基于大数据的土地管理绘测方法,包括下列步骤：
S001、通过无人机搭载遥感采集设备采集监测目标图像，利用遥感技术搭建得到待监测目标的初始目标土地三维模型；
S002、将监测目标划分为若干监测区域，并进行编号；
S003、在待验证区域中随机标记位置点、位置线、位置面中的一种或多种，从待验证区域对应的三维模型中获取位置点、位置线，以及位置面的信息，得到三维重建特征向量参数；通过人工测绘获取位置点、位置线、位置面的信息，得到实际特征向量参数，基于三维重建特征向量参数和实际特征向量参数，得到每个监测区域对应初始三维模型的准确性指数；
S004、基于准确性指数和预设的准确性指数，得到待修正区域和修正指令；
S005、基于多源融合数据获取待修正区域的修正模型，用修正模型更新待修正区域对应的初始三维模型，得到修正后的目标土地三维模型，并将修正结果存储在数据库中等待调用。
本发明的技术效果和优点：
(1)本发明提供的基于大数据的土地管理绘测系统，通过无人机搭载的遥感图像采集设备，采集得到监测目标的图像，经过三维重建技术得到监测目标的土地三维模型，经过对三维模型的验证，保证三维模型的准确性和可靠性，能够提高分析精度，避免绘测结果导致三维模型异常；
(2)本发明通过获取目标土地的特征向量参数，获取三维模型的准确性指数，基于准确性指数能够快速完成对目标土地三维模型的准确性验证，与现有技术相比更加省事省力，解决了现有技术中的根据目标农业土地对应遥感影像模型和人工实测模型，筛选目标农业土地模型对应各异常区域需要耗费更多人力成本的问题；
(3)本发明通过模型修正执行单元的设置当准确性指数满足预设值tha时，基于三维模型的极值点对模型进行修正，用实际测量的位置点和极值点分别替换待修正区域的位置点和极值点，生成修正模型；当准确性指数超出预设值tha时，重新获取待修正区域的多源数据，所述多源数据包括不同图像采集设备获取的遥感图像，基于多源数据加权求和取平均获取新的遥感图像，重新构建待修正区域的融合模型，验证融合模型的准确性指数，将满足准确性指数的融合模型记为修正模型，解决了现有技术中基于目标农业土地对应遥感影像模型和人工实测模型的贴合度，得到各异常区域的模型数据，采用这种方式获取融合模型需要的工作量太大，导致土地管理、土地资源监测困难的问题。
附图说明
图1为本发明基于大数据的土地管理绘测系统的整体结构框图。
图2为本发明中获取位置点数量的方法流程图。
图3为本发明基于大数据的土地管理绘测方法流程图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整地传达给本领域的技术人员。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本申请及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
计算机系统/服务器可以在由计算机系统执行的计算机系统可执行指令（诸如程序模块）的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
实施例，参阅图1，本发明提供一种基于大数据的土地管理绘测系统，包括：
模型搭建模块，用于搭建目标土地的立体模型，得到目标土地三维模型，通过无人机搭载遥感采集设备，利用遥感技术搭建得到待监测目标的初始目标土地三维模型；
模型修正模块，用于验证获取的初始目标土地三维模型的准确性完成初始目标土地三维模型的更新，得到修正后的目标土地三维模型；
模型修正模块将监测目标划分为若干监测区域，验证每个监测区域对应初始三维模型的准确性指数，基于验证结果得到待修正区域，同时生成模型修正指令；基于多源融合数据获取待修正区域的修正模型，用修正模型更新待修正区域对应的初始三维模型，得到修正后的目标土地三维模型，并将修正结果存储在数据库中等待调用；
展示模块：展示修正后的目标土地的三维模型。
在本发明实施例中需要解释说明的是，所述目标土地三维模型的搭建包括下列步骤：
数据采集：采集包含土地信息的遥感图像，遥感图像由无人机搭载的设备采集，遥感图像能够清晰地反映出土地的表面特征和纹理信息；
数据预处理：对获取的遥感图像进行预处理，来解决遥感图像存在噪声、失真的问题，预处理包括去噪、增强、配准操作；
三维模型建立：在预处理后的图像基础上，对遥感图像进行深度学习和图像分割，识别和区分出不同的地形特征和地物类型；
数据输出和存储：以图形或数据的方式输出监测目标的初始目标土地三维模型，将获取的初始目标土地三维模型存储在数据库中。
在本发明实施例中需要解释说明的是，所述模型修正模块包括区域划分单元、修正指令生成单元，以及模型修正执行单元，所述区域划分单元用于将目标土地三维模型按照等面积划分为若干待验证区域，并进行编号；所述修正指令生成单元用于生成修正指令，计算待验证区域的准确性指数，基于准确性指数和预设的准确性指数，得到待修正区域和修正指令；所述模型修正执行单元用于生成待修正区域的修正模型，用待修正区域的修正模型替换监测区域，得到修正后的目标土地三维模型。
在本发明实施例中需要解释说明的是，修正指令生成单元中准确性指数的获取方式为，在待验证区域中随机标记位置点、位置线、位置面中的一种或多种，从待验证区域对应的三维模型中获取位置点、位置线，以及位置面的信息，得到三维重建特征向量参数；通过人工测绘获取位置点、位置线、位置面的信息，得到实际特征向量参数，包括下列步骤：
基于人工测绘获取待验证区域的实际测绘数据，从中获取实际特征向量参数；
从搭建的土地三维立体获取标记位置点对应的位置信息，得到三维重建特征向量参数；
基于测绘特征向量参数和三维重建特征向量参数计算得到特征向量参数的相似度参数，特征的相似度参数的计算方式为其中，si表示实际特征向量参数，gi表示三维重建特征向量参数，i表示特征向量参数的编号，i的取值为[1,n]；
通过模型计算得到待验证区域对应三维模型的准确性指数Zp，其中，ci表示第i个特征的相似度参数，n表示特征向量参数的个数，kci表示第i个特征向量参数的权重系数，特征向量参数权重系数的计算满足/>，η1表示人工测绘的精度影响因子，η2表示预设的三维重建精度影响因子，且0.9＜η1＜1.0，0.8＜η2＜1.0，具体基于实际情况设置。
进一步的，为提高特征向量参数相似度的准确性，位置点、位置线、位置面的分布密度与土地的起伏程度参数、面积呈正相关，具体基于实际情况设置，例如在面积为10亩的平整土地上，位置点的数量为20，在面积为10亩的丘陵土地上，位置点的数量为60，在面积为5亩的丘陵土地上，位置点的数量为35；
参阅图2，提供一种获取位置点数量的方法，包括下列步骤：
步骤S1、设置在平整地面中的单位面积需要的位置点数量为△C，基于待验证区域的面积，计算得到待验证区域的基础位置点个数；
其中，表示面积单位为亩；
步骤S2、根据监测区域的极值点个数、极值点海拔、平均海拔，获取待监测区域的起伏程度参数QF；
其中，待监测区域的起伏程度参数满足模型，/>，其中m1表示待验证区域的极值点个数，hb均表示待验证区域海拔平均值,使用激光高度计获取待验证区域的平均海拔，hbj表示第j个极值点的海拔，JZj表示第j个极值点相对于待验证区域海拔平均值的偏离程度，海拔单位为米；
步骤S3、基于待验证区域的基础位置点个数、起伏程度参数、极值点个数，获取待验证区域的位置点数量。
其中，待验证区域的需要的位置点数量的获取模型满足，其中nd表示待监测区域中的位置点数量,M表示待监测区域的面积，QF表示经过线性归一化后的起伏程度参数。
在本发明实施例中需要解释说明的是，点的位置信息为点的三维坐标，线的位置信息为线的三维坐标、线向量，面的位置信息包括面端点的三维坐标、面积、面中点的位置信息、面中线段的位置信息。
在本发明实施例中需要解释说明的是，在指令生成单元中，当Zp低于预设准确性指数Z预，表明待验证区域的目标土地三维模型准确性不足，提示需要对待验证区域的三维模型进行修正，生成待修正区域和修正指令；当Zp不低于预设准确性指数Z预，表明待验证区域的目标土地三维模型的准确性满足要求，不需要对待验证区域进行修正，所述预设准确性指数Z预是基于精度要求设置的，基于管理人员根据经验值设置。
在本发明实施例中需要解释说明的是，模型修正执行单元中修正模型的获取方式为：当准确性指数满足预设值tha时，基于三维模型的极值点对模型进行修正，用实际测量的位置点和极值点分别替换待修正区域的位置点和极值点，生成修正模型；当准确性指数超出预设值tha时，重新获取待修正区域的多源数据，所述多源数据包括不同图像采集设备获取的遥感图像，基于多源数据加权求和取平均获取新的遥感图像，重新构建待修正区域的融合模型，验证融合模型的准确性指数，将满足准确性指数的融合模型记为修正模型，三维模型的极值点对于模型的影响程度大于其他点，当三维模型偏离实际情况不严重时，通过调整极值点的参数，能够迅速对三维模型进行调整，更加快速，节省时间；例如，设三维模型偏离实际情况5%属于偏离情况不严重的情形，预设值tha的获取方式为：设置准确性指数偏离预设准确性指数的比例低于10%，预设值tha=Zp*（1+5%）。
在本发明实施例中，基于多源数据加权求和取平均获取新的遥感图像，重新构建待修正区域的融合模型的方式为：
选择待修正区域的多源遥感图像，这些图像是不同时间、不同角度、不同分辨率的数据；
对多源遥感图像进行预处理，包括辐射定标、大气校正、地理编码。
采用多源数据加权求和取平均的方法对预处理后的图像进行融合，得到新的遥感图像，将不同来源的图像数据进行加权求和取平均，得到新的遥感图像；
利用新的遥感图像和待修正区域的地形数据信息，构建待修正区域的融合模型。
参阅图3，在本发明实施例中需要解释说明的是，一种基于大数据的土地管理绘测方法，包括下列步骤：
S001、通过无人机搭载遥感采集设备采集监测目标图像，利用遥感技术搭建得到待监测目标的初始目标土地三维模型；
S002、将监测目标划分为若干监测区域，并进行编号；
S003、基于三维重建特征向量参数和实际特征向量参数，得到每个监测区域对应初始三维模型的准确性指数；
S004、基于准确性指数和预设的准确性指数，得到待修正区域和修正指令；
S005、基于多源融合数据获取待修正区域的修正模型，用修正模型更新待修正区域对应的初始三维模型，得到修正后的目标土地三维模型。
在本发明实施例中需要解释说明的是，待验证区域对应三维模型的准确性指数Zp的获取方式为：通过模型计算得到待验证区域对应三维模型的准确性指数Zp，其中，ci表示第i个特征的相似度参数，n表示特征向量参数的个数，kci表示第i个特征向量参数的权重系数，特征向量参数权重系数的计算满足/>，η1表示人工测绘的精度影响因子，η2表示预设的三维重建精度影响因子，且0.9＜η1＜1.0，0.8＜η2＜1.0，具体基于实际情况设置。
最后：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于大数据的土地管理绘测系统，其特征在于，包括：
模型搭建模块，用于搭建目标土地的立体模型，得到目标土地三维模型，通过无人机搭载遥感采集设备，利用遥感技术搭建得到待监测目标的初始目标土地三维模型；
模型修正模块，用于验证获取的初始目标土地三维模型的准确性完成初始目标土地三维模型的更新，得到修正后的目标土地三维模型；
模型修正模块将监测目标划分为若干监测区域，验证每个监测区域对应初始三维模型的准确性指数，基于验证结果得到待修正区域，同时生成模型修正指令；基于多源融合数据获取待修正区域的修正模型，用修正模型更新待修正区域对应的初始三维模型，得到修正后的目标土地三维模型，并将修正结果存储在数据库中等待调用；
所述准确性指数的获取方式为：通过模型计算得到待验证区域对应三维模型的准确性指数Zp，其中，ci表示第i个特征的相似度参数，n表示特征向量参数的个数，kci表示第i个特征向量参数的权重系数，η1表示人工测绘的精度影响因子，η2表示预设的三维重建精度影响因子，且0.9＜η1＜1.0，0.8＜η2＜1.0，具体基于实际情况设置。
2.根据权利要求1所述的一种基于大数据的土地管理绘测系统，其特征在于：所述目标土地三维模型的搭建包括下列步骤：
数据采集：采集包含土地信息的遥感图像，遥感图像由无人机搭载的设备采集，遥感图像能够清晰地反映出土地的表面特征和纹理信息；
数据预处理：对获取的遥感图像进行预处理，来解决遥感图像存在噪声、失真的问题，预处理包括去噪、增强、配准操作；
三维模型建立：在预处理后的图像基础上，对遥感图像进行深度学习和图像分割，识别和区分出不同的地形特征和地物类型；
数据输出和存储：以图形或数据的方式输出监测目标的初始目标土地三维模型，将获取的初始目标土地三维模型存储在数据库中。
3.根据权利要求2所述的一种基于大数据的土地管理绘测系统，其特征在于：所述模型修正模块包括区域划分单元、修正指令生成单元，以及模型修正执行单元，所述区域划分单元用于将目标土地三维模型按照等面积划分为若干待验证区域，并进行编号；所述修正指令生成单元用于生成修正指令，计算待验证区域的准确性指数，基于准确性指数和预设的准确性指数，得到待修正区域和修正指令；所述模型修正执行单元用于生成待修正区域的修正模型，用待修正区域的修正模型替换监测区域，得到修正后的目标土地三维模型。
4.根据权利要求3所述的一种基于大数据的土地管理绘测系统，其特征在于：修正指令生成单元中准确性指数的获取方式为，在待验证区域中随机标记位置点、位置线、位置面中的一种或多种，从待验证区域对应的三维模型中获取位置点、位置线，以及位置面的信息，得到三维重建特征向量参数；通过人工测绘获取位置点、位置线、位置面的信息，得到实际特征向量参数，包括下列步骤：
基于人工测绘获取待验证区域的实际测绘数据，从中获取实际特征向量参数；
从搭建的土地三维立体获取标记位置点对应的位置信息，得到三维重建特征向量参数；
基于测绘特征向量参数和三维重建特征向量参数计算得到特征向量参数的相似度参数，特征的相似度参数的计算方式为，si表示实际特征向量参数，gi表示三维重建特征向量参数，i表示特征向量参数的编号，i的取值为[1,n]；
通过模型计算得到待验证区域对应三维模型的准确性指数Zp，特征向量参数权重系数的计算满足模型/>。
5.根据权利要求4所述的一种基于大数据的土地管理绘测系统，其特征在于：点的位置信息为点的三维坐标，线的位置信息为线的三维坐标、线向量，面的位置信息包括面端点的三维坐标、面积、面中点的位置信息、面中线段的位置信息。
6.根据权利要求4所述的一种基于大数据的土地管理绘测系统，其特征在于：在指令生成单元中，当Zp低于预设准确性指数Z预，表明待验证区域的目标土地三维模型准确性不足，提示需要对待验证区域的三维模型进行修正，生成待修正区域和修正指令；当Zp不低于预设准确性指数Z预，表明待验证区域的目标土地三维模型的准确性满足要求，不需要对待验证区域进行修正，所述预设准确性指数Z预是基于精度要求设置的，基于管理人员根据经验值设置。
7.根据权利要求6所述的一种基于大数据的土地管理绘测系统，其特征在于：模型修正执行单元中修正模型的获取方式为：当准确性指数满足预设值tha时，基于三维模型的极值点对模型进行修正，用实际测量的位置点和极值点分别替换待修正区域的位置点和极值点，生成修正模型；当准确性指数超出预设值tha时，重新获取待修正区域的多源数据，所述多源数据包括不同图像采集设备获取的遥感图像，基于多源数据加权求和取平均获取新的遥感图像，重新构建待修正区域的融合模型，验证融合模型的准确性指数，将满足准确性指数的融合模型记为修正模型。
8.根据权利要求7所述的一种基于大数据的土地管理绘测系统，其特征在于：提供一种获取位置点数量的方法，包括下列步骤：
步骤S1、设置在平整地面中的单位面积需要的位置点数量为△C，基于待验证区域的面积，计算得到待验证区域的基础位置点个数；
步骤S2、根据监测区域的极值点个数、极值点海拔、平均海拔，获取待监测区域的起伏程度参数QF；
步骤S3、基于待验证区域的基础位置点个数、起伏程度参数、极值点个数，获取待验证区域的位置点数量。
9.根据权利要求8所述的一种基于大数据的土地管理绘测系统，其特征在于：待监测区域的起伏程度参数满足模型，/>，其中m1表示待验证区域的极值点个数，hb均表示待验证区域海拔平均值,使用激光高度计获取待验证区域的平均海拔，hbj表示第j个极值点的海拔，JZj表示第j个极值点相对于待验证区域海拔平均值的偏离程度，海拔单位为米；待验证区域的需要的位置点数量的获取模型满足，其中nd表示待监测区域中的位置点数量,M表示待监测区域的面积，QF表示经过线性归一化后的起伏程度参数。/>
CN202311644560.6A 2023-12-04 2023-12-04 一种基于大数据的土地管理绘测系统 Active CN117351166B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311644560.6A CN117351166B (zh) 2023-12-04 2023-12-04 一种基于大数据的土地管理绘测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311644560.6A CN117351166B (zh) 2023-12-04 2023-12-04 一种基于大数据的土地管理绘测系统

Publications (2)

Publication Number Publication Date
CN117351166A true CN117351166A (zh) 2024-01-05
CN117351166B CN117351166B (zh) 2024-03-26

Family

ID=89371452

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311644560.6A Active CN117351166B (zh) 2023-12-04 2023-12-04 一种基于大数据的土地管理绘测系统

Country Status (1)

Country Link
CN (1) CN117351166B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070075996A1 (en) * 2005-10-03 2007-04-05 Konica Minolta Holdings, Inc. Modeling system, and modeling method and program
EP2372611A2 (en) * 2010-03-31 2011-10-05 Aisin AW Co., Ltd. Scene matching reference data generation system and position measurement system
CN103218783A (zh) * 2013-04-17 2013-07-24 国家测绘地理信息局卫星测绘应用中心 基于控制点影像数据库的卫星遥感图像快速几何纠正方法
CN110146099A (zh) * 2019-05-31 2019-08-20 西安工程大学 一种基于深度学习的同步定位与地图构建方法
CN116070887A (zh) * 2023-04-06 2023-05-05 平原县自然资源服务中心 一种土地测绘数据智能分析管理系统
CN116538996A (zh) * 2023-07-04 2023-08-04 云南超图地理信息有限公司 基于激光雷达的地形测绘系统及方法
CN116778105A (zh) * 2023-08-17 2023-09-19 云南高阳科技有限公司 基于多精度三维测绘数据融合建模方法
CN116958452A (zh) * 2023-09-18 2023-10-27 北京格镭信息科技有限公司 三维重建方法和系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070075996A1 (en) * 2005-10-03 2007-04-05 Konica Minolta Holdings, Inc. Modeling system, and modeling method and program
EP2372611A2 (en) * 2010-03-31 2011-10-05 Aisin AW Co., Ltd. Scene matching reference data generation system and position measurement system
CN103218783A (zh) * 2013-04-17 2013-07-24 国家测绘地理信息局卫星测绘应用中心 基于控制点影像数据库的卫星遥感图像快速几何纠正方法
CN110146099A (zh) * 2019-05-31 2019-08-20 西安工程大学 一种基于深度学习的同步定位与地图构建方法
CN116070887A (zh) * 2023-04-06 2023-05-05 平原县自然资源服务中心 一种土地测绘数据智能分析管理系统
CN116538996A (zh) * 2023-07-04 2023-08-04 云南超图地理信息有限公司 基于激光雷达的地形测绘系统及方法
CN116778105A (zh) * 2023-08-17 2023-09-19 云南高阳科技有限公司 基于多精度三维测绘数据融合建模方法
CN116958452A (zh) * 2023-09-18 2023-10-27 北京格镭信息科技有限公司 三维重建方法和系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
ZHU QIUMING ET AL: "DEMO Abstract: An UAV-based 3D Spectrum Real-time Mapping System", 《 IEEE CONFERENCE ON COMPUTER COMMUNICATIONS WORKSHOPS (INFOCOM WKSHPS)》, 31 December 2022 (2022-12-31) *
刘英 等: "3S技术在区域土地利用现状测绘中的应用分析", 《科技经济导刊》, 5 December 2015 (2015-12-05) *
阚酉浔: "基于多源测量数据融合的三维实景重建技术研究", 《中国博士学位论文全文数据库电子期刊 基础科学辑》, vol. 2018, no. 1, 15 January 2018 (2018-01-15) *

Also Published As

Publication number Publication date
CN117351166B (zh) 2024-03-26

Similar Documents

Publication Publication Date Title
CN114818391B (zh) 一种基于多溯源模型的污染源浓度分析方法
CN111126662B (zh) 基于大数据的灌溉决策制定方法、装置、服务器和介质
CN114168906B (zh) 一种基于云计算的测绘地理信息数据采集系统
CN116150897A (zh) 一种基于数字孪生的机床主轴性能测评方法及系统
CN113901384A (zh) 顾及全局空间自相关性和局部异质性的地面pm2.5浓度建模方法
CN114493052B (zh) 多模型融合自适应新能源功率预测方法和系统
CN112163381B (zh) 一种适用于复杂地形风场流动数值模拟的侧向边界条件设置方法
CN115438726A (zh) 一种基于数字孪生技术的设备寿命与故障类型预测方法及系统
CN108269197A (zh) 风电机组功率特性评估方法及装置
CN115239105A (zh) 一种在役风电场的风资源的评估方法以及装置
y Garcia et al. Evaluation of an improved daily solar radiation generator for the southeastern USA
CN100478650C (zh) 改善发电设备故障检测的方法和装置
CN114492984A (zh) 粉尘浓度的时空分布预测方法、装置、设备和存储介质
CN113255999B (zh) 基于多模型的农作物产量评估方法、装置、设备及介质
CN114384547A (zh) 一种基于雷达传感器模型的保真度检测的评估方法及系统
CN117351166B (zh) 一种基于大数据的土地管理绘测系统
CN112700349A (zh) 测风塔选址方法和装置
CN115983511B (zh) 基于改进统计降尺度方法的降水预估方法和系统
CN114088015A (zh) 一种岩体三维裂隙网络模型快速智能生成和剖切方法
CN115184563B (zh) 一种基于数字孪生的化工车间现场数据采集方法
CN112182888B (zh) 小型滑移式危岩体主控结构面力学参数识别方法及装置
CN118013300B (zh) 一种用于风电机组的短期风电功率预测方法及系统
TW201423439A (zh) 計算隨機誤差的方法與系統
CN116258023B (zh) 风电场的风速预测方法及终端设备
CN117933308A (zh) 一种基于组合赋权法的区域土壤侵蚀脆弱性评价方法

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
TR01 Transfer of patent right

Effective date of registration: 20240521

Address after: Room 401, Unit 3, Building 49, No. 1001 Huxinan Road, Dancheng Town, Shan County, Heze City, Shandong Province, 274300

Patentee after: Wang Jie

Country or region after: China

Address before: 274300 northeast corner of intersection of north section of Junzi road and Beiyuan Road, Shan county, Heze City, Shandong Province

Patentee before: Shandong Xinke KaiBang communication equipment Co.,Ltd.

Country or region before: China