CN118013312B - 一种海陆统筹一体化三维空间仿真规划方法及系统 - Google Patents
一种海陆统筹一体化三维空间仿真规划方法及系统 Download PDFInfo
- Publication number
- CN118013312B CN118013312B CN202410415449.8A CN202410415449A CN118013312B CN 118013312 B CN118013312 B CN 118013312B CN 202410415449 A CN202410415449 A CN 202410415449A CN 118013312 B CN118013312 B CN 118013312B
- Authority
- CN
- China
- Prior art keywords
- cluster
- observation
- observation point
- structural
- target
- 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.)
- Active
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000012512 characterization method Methods 0.000 claims abstract description 35
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000011156 evaluation Methods 0.000 claims description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 8
- 230000010354 integration Effects 0.000 abstract description 6
- 230000000694 effects Effects 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 4
- 238000009499 grossing Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000000739 chaotic effect Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000031018 biological processes and functions Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000003874 inverse correlation nuclear magnetic resonance spectroscopy Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012732 spatial analysis Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
-
- 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
-
- 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
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Graphics (AREA)
- Remote Sensing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及电数字处理技术领域，具体涉及一种海陆统筹一体化三维空间仿真规划方法及系统。方法包括：获取观测点的地理位置信息数据；根据每个观测点与其他观测点之间的位置差异情况，得到每个观测点的结构表征值，基于结构表征值对观测点进行划分获得多个聚类簇；根据每个聚类簇内观测点的结构表征值的分布以及每个聚类簇与其他聚类簇内观测点的结构表征值之间的差异，确定目标聚类簇；基于目标聚类簇内观测点的位置分布确定目标聚类簇内每个观测点对应的目标距离，进而采用反距离加权法对所有观测点进行处理获得海陆统筹一体化三维空间仿真结果。本发明提高了海陆统筹一体化三维空间仿真结果的可信度。
Description
技术领域
本发明涉及电数字处理技术领域，具体涉及一种海陆统筹一体化三维空间仿真规划方法及系统。
背景技术
海陆统筹一体化三维空间仿真规划方法及系统涉及到多个领域的融合，比如地理信息系统（GIS）、三维建模、海洋与陆地空间规划，以及仿真技术。具体来说，一种用于规划和管理海洋与陆地资源的技术方法结合三维空间分析和仿真模拟，以帮助决策者更好地理解和规划空间资源。其中，仿真结果对于决策者的统筹规划具有重要的影响。
为了使海陆统筹一体化三维空间的建模结果更加真实有效，在建模过程中，一般采用反距离加权法（Inverse Distance Weighted，IDW）对采集到的数据进行插值优化，生成有效的建模结果。在采用IDW算法进行处理时，海陆统筹场景中存在大量的观测点，计算量较大，如果计算点与点之间的距离作为权重，极易引起过渡平滑效应，使得插值效果较差，进而导致海陆统筹一体化三维空间的仿真结果的可信度较低。
发明内容
为了解决现有方法在对海陆统筹一体化三维空间进行插值时存在的插值效果较差，进而导致海陆统筹一体化三维空间的仿真结果的可信度较低的问题，本发明的目的在于提供一种海陆统筹一体化三维空间仿真规划方法及系统，所采用的技术方案具体如下：
第一方面，本发明提供了一种海陆统筹一体化三维空间仿真规划方法，该方法包括以下步骤：
获取观测点的地理位置信息数据；
根据每个观测点与其他观测点之间的位置差异情况，得到每个观测点的结构表征值；基于所述结构表征值对所有观测点进行划分，获得若干个聚类簇；
根据每个聚类簇内观测点的结构表征值的分布情况以及每个聚类簇与其他聚类簇内观测点的结构表征值之间的差异情况，得到每个聚类簇对应的结构关系值；基于所述结构关系值确定目标聚类簇；基于目标聚类簇内观测点的位置分布确定目标聚类簇内每个观测点对应的目标距离；
基于目标聚类簇内每个观测点对应的目标距离，采用反距离加权法对所有观测点进行处理，获得海陆统筹一体化三维空间仿真结果。
优选的，所述根据每个观测点与其他观测点之间的位置差异情况，得到每个观测点的结构表征值，包括：
对于第i个观测点：
根据第i个观测点与其他所有观测点之间的位置差异，分别得到第i个观测点在每个平面下对应的结构分布评价值；所述平面包括：XOY平面、XOZ平面和YOZ平面；
将第i个观测点在所有平面下对应的结构分布评价值的平均值，作为第i个观测点的结构表征值。
优选的，采用如下公式计算第i个观测点在XOY平面下对应的结构分布评价值：
其中，表示第i个观测点在第k个平面下对应的结构分布评价值，N表示观测点的总数量，表示第i个观测点在X轴的坐标值，表示第i个观测点在Y轴的坐标值，表示与第i个观测点距离最近的观测点在X轴的坐标值，表示与第i个观测点距离最近的观测点在Y轴的坐标值，表示除第i个观测点外的第j个观测点在X轴的坐标值，表示除第i个观测点外的第j个观测点在Y轴的坐标值，Norm( )表示归一化函数，为取绝对值符号。
优选的，所述基于所述结构表征值对所有观测点进行划分，获得若干个聚类簇，包括：
基于每个观测点的结构表征值，采用超像素分割算法对所有观测点进行划分，获得若干个聚类簇。
优选的，所述根据每个聚类簇内观测点的结构表征值的分布情况以及每个聚类簇与其他聚类簇内观测点的结构表征值之间的差异情况，得到每个聚类簇对应的结构关系值，包括：
对于第u个聚类簇：
分别计算第u个聚类簇内所有观测点的平均结构表征值以及除第u个聚类簇外其他所有聚类簇内所有观测点的平均结构表征值；
根据第u个聚类簇内所有观测点的平均结构表征值、除第u个聚类簇外其他所有聚类簇内所有观测点的平均结构表征值以及第u个聚类簇内观测点的结构表征值的波动情况，得到第u个聚类簇对应的结构关系值。
优选的，采用如下公式计算第u个聚类簇对应的结构关系值：
其中，表示第u个聚类簇对应的结构关系值，表示第u个聚类簇内所有观测点的平均结构表征值，表示除第u个聚类簇外其他所有聚类簇内所有观测点的平均结构表征值，表示第u个聚类簇内观测点的数量，表示第u个聚类簇内第r个观测点的结构表征值，Norm( )表示归一化函数。
优选的，所述基于所述结构关系值确定目标聚类簇，包括：
将结构关系值大于预设结构阈值的聚类簇，确定为目标聚类簇。
优选的，所述基于目标聚类簇内观测点的位置分布确定目标聚类簇内每个观测点对应的目标距离，包括：
对于第v个目标聚类簇：
获取第v个目标聚类簇的中心点；分别将第v个目标聚类簇的每个边缘点与所述中心点之间的距离，作为每个边缘点的特征距离；
将第v个目标聚类簇的所有边缘点的平均特征距离，作为第v个目标聚类簇的特征指标；
将第v个目标聚类簇内所有观测点对应的目标距离设置为所述特征指标。
优选的，所述基于目标聚类簇内每个观测点对应的目标距离，采用反距离加权法对所有观测点进行处理，获得海陆统筹一体化三维空间仿真结果，包括：
将除目标聚类簇外的聚类簇作为非目标聚类簇；采用反距离加权法获得非目标聚类簇内每个观测点对应的目标距离；
基于每个观测点对应的目标距离，采用反距离加权法对所有观测点进行处理获得海陆统筹一体化三维空间仿真结果。
第二方面，本发明提供了一种海陆统筹一体化三维空间仿真规划系统，包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现上述所述的一种海陆统筹一体化三维空间仿真规划方法。
本发明至少具有如下有益效果：
本发明考虑到采用反距离加权法对获取到的海陆统筹一体化场景中的观测点的数据进行插值过程中，会因为影响范围的选取不当，导致过渡平滑效应，使得插值效果较差，进而影响海陆统筹一体化三维空间的仿真结果，本发明根据每个观测点与其他观测点之间的位置差异情况，获得了每个观测点的结构表征值，结合结构表征值对观测点进行了划分获得了多个聚类簇，同一聚类簇内的观测点在三维空间中呈现的结构特征较为相似，不同聚类簇内的观测点在三维空间中呈现的结构特征差异较大，然后对每个聚类簇内观测点的结构表征值的分布情况以及每个聚类簇与其他聚类簇内观测点的结构表征值之间的差异情况进行了分析筛选了目标聚类簇，进而确定了目标聚类簇内观测点对应的目标距离，也即依据观测点的空间结构关系确定了三维仿真关联区域，并将该关联区域作为影响范围，得到影响范围对应的距离，采用反距离加权法对观测点进行处理，获得了准确的海陆统筹一体化三维空间仿真结果，本发明提供的方法消除了插值过程中过渡平滑及边缘效应，使得插值结果更准确，提高了海陆统筹一体化三维空间仿真结果的可信度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
图1为本发明实施例所提供的一种海陆统筹一体化三维空间仿真规划方法的流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种海陆统筹一体化三维空间仿真规划方法进行详细说明如下。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种海陆统筹一体化三维空间仿真规划方法的具体方案。
一种海陆统筹一体化三维空间仿真规划方法实施例：
本实施例所针对的具体场景为：在采用IDW算法对采集到的海陆统筹一体化中地理位置数据进行分析的过程中，影响范围选取的不当会使得权重设置不当，导致边缘效应及过渡平滑效应，进而影响到最终的插值结果，使得海陆统筹一体化三维空间的仿真结果的可信度较低，本实施例将采集观测点的地理位置信息，对采集到的地理位置信息进行分析，筛选出目标聚类簇，并自适应地调整目标聚类簇在IDW算法中的距离，也即调整了权重，进而结合IDW算法对所有观测点进行处理，获得准确的海陆统筹一体化三维空间仿真结果。
本实施例提出了一种海陆统筹一体化三维空间仿真规划方法，如图1所示，本实施例的一种海陆统筹一体化三维空间仿真规划方法包括以下步骤：
步骤S1，获取观测点的地理位置信息数据。
在海陆统筹一体化场景中，首先采集所有观测点的地理位置信息数据，并将采集到的数据导入ArcGIS中，导入数据是为了确定插值结果，得到插值面。采用数据清洗和去噪算法对采集到的数据进行预处理，减小或者消除噪声数据对于插值结果带来的干扰。数据清洗以及数据去噪为现有技术，此处不再过多赘述。需要说明的是：后续提到的数据均为预处理后的数据。
至此，本实施例获取了每个观测点的地理位置信息数据。
步骤S2，根据每个观测点与其他观测点之间的位置差异情况，得到每个观测点的结构表征值；基于所述结构表征值对所有观测点进行划分，获得若干个聚类簇。
海陆统筹一体化三维空间仿真重点在于突出该仿真的真实度和有效性，而对于生成该仿真结果的数据，其主要集中于较为重要的特征区域，例如仿真结果的结构区域，该结构区域是指较为重要的仿真角点区域，例如：对于楼体的仿真结果，楼体的体积大小反映在其楼体的角点部分，对于此类人造物，其最大的特征为规则性，旨在保证各类建筑物的稳定性。所以该场景下采集到的观测点数据最大特征为集中在较为规则的角点区域。
为了消除使用IDW算法得到插值面时存在的平滑效应和边缘效应，需要确定不同观测点的影响范围。进一步地，为了确定最优影响范围，需要结合插值点的形成原理进行分析，插值点依据观测点与其它观测点之间的距离进行权重的赋予，而在该场景下，非角点部分的观测点与需要插值的目标观测点之间的空间距离较远，非角点部分的观测点对于插值结果的影响较小，其参与计算的必要性较低。因此为了获取上述不参与距离权重赋予的观测点，需要进行空间结构关系的分析，因为越是角点区域，其空间结果就越规整，数据分布越规则，越为关联区域，进而属于该规则区域的观测点与目标观测点的最大距离就为所需要的距离阈值。基于此，本实施例将根据每个观测点与其他观测点之间的位置差异情况，对每个观测点的结构关系进行分析，获得每个观测点对应的结构表征值。
具体地，对于第i个观测点：
根据第i个观测点与其他所有观测点之间的位置差异，分别得到第i个观测点在每个平面下对应的结构分布评价值；所述平面包括：XOY平面、XOZ平面和YOZ平面；因此，本实施例获得了第i个观测点在XOY平面下对应的结构分布评价值、在XOZ平面下对应的结构分布评价值和在YOZ平面下对应的结构分布评价值。将第i个观测点在所有平面下对应的结构分布评价值的平均值，作为第i个观测点的结构表征值。其中，第i个观测点在XOY平面下对应的结构分布评价值的具体计算公式为：
其中，表示第i个观测点在第k个平面下对应的结构分布评价值，N表示观测点的总数量，表示第i个观测点在X轴的坐标值，表示第i个观测点在Y轴的坐标值，表示与第i个观测点距离最近的观测点在X轴的坐标值，表示与第i个观测点距离最近的观测点在Y轴的坐标值，表示除第i个观测点外的第j个观测点在X轴的坐标值，表示除第i个观测点外的第j个观测点在Y轴的坐标值，Norm( )表示归一化函数，为取绝对值符号。
用于表示第i个观测点与除第i个观测点外和第i个观测点距离最近的观测点的连线构成的直线的斜率，用于表示除第i个观测点外的第j个观测点和第i个观测点距离最近的观测点的连线构成的直线的斜率，表示两个斜率之间的差异情况，当该差异越小时，说明第i个观测点与其他观测点之间的分布方向越一致，第i个观测点所处位置越可能为规则区域，第i个观测点在第k个平面下对应的结构分布评价值越大；当该差异越大时，说明第i个观测点与其他观测点之间的分布方向越不一致，第i个观测点所处位置越可能为不规则区域，第i个观测点在第k个平面下对应的结构分布评价值越小。
采用上述方法，能够获得每个观测点的结构表征值，接下来本实施例基于每个观测点的结构表征值，采用超像素分割算法对所有观测点进行划分，获得了多个区域，将每个区域记为一个聚类簇；需要说明的是：原超像素分割算法依据像素点之间的灰度值差异和距离差异，而本实施例中利用结构表征值代替灰度值，利用观测点之间的距离代替像素点之间的距离，超像素分割算法为现有技术，此处不再过多赘述。
至此，本实施例获得了多个聚类簇，每个聚类簇内包含多个观测点，同一聚类簇内的关键点呈现出的特征较相似，不同聚类簇内的关键点呈现出的特征的差异较大。
步骤S3，根据每个聚类簇内观测点的结构表征值的分布情况以及每个聚类簇与其他聚类簇内观测点的结构表征值之间的差异情况，得到每个聚类簇对应的结构关系值；基于所述结构关系值确定目标聚类簇；基于目标聚类簇内观测点的位置分布确定目标聚类簇内每个观测点对应的目标距离。
本实施例已经获得了每个聚类簇内每个观测点的结构表征值，结构表征值越大的聚类簇的结构性越强，规则程度越高，在构建插值面的过程中权重就需要越高，进而使得插值信息具备结构性，提高仿真结果的真实性。而不同的聚类簇之间位置关系反映空间聚类簇之间的结构关系，结构表征值越相同的聚类簇具备的空间结构关系越相似，因为其内部观测点的分布越相近。基于此，本实施例将根据每个聚类簇内观测点的结构表征值的分布情况以及每个聚类簇与其他聚类簇内观测点的结构表征值之间的差异情况，得到每个聚类簇对应的结构关系值。
具体地，对于第u个聚类簇：
计算第u个聚类簇内所有观测点的平均结构表征值，计算除第u个聚类簇外其他所有聚类簇内所有观测点的平均结构表征值。根据第u个聚类簇内所有观测点的平均结构表征值、除第u个聚类簇外其他所有聚类簇内所有观测点的平均结构表征值以及第u个聚类簇内观测点的结构表征值的波动情况，得到第u个聚类簇对应的结构关系值。第u个聚类簇对应的结构关系值的具体计算公式为：
其中，表示第u个聚类簇对应的结构关系值，表示第u个聚类簇内所有观测点的平均结构表征值，表示除第u个聚类簇外其他所有聚类簇内所有观测点的平均结构表征值，表示第u个聚类簇内观测点的数量，表示第u个聚类簇内第r个观测点的结构表征值，Norm( )表示归一化函数。
表征第u个聚类簇内所有观测点的结构表征值的类方差，本实施例将作为方差权值对方差计算公式进行了调整，获得了第u个聚类簇内所有观测点的结构表征值的类方差，第u个聚类簇内观测点的结构关系值的类方差越大，说明第u个聚类簇内观测点的结构分布越混乱，越不具备场景所需要具备的规则性特征信息。而方差权重旨在突出海陆统筹一体化场景内观测点的规则性。本实施例用作为方差权值对方差进行调整，使得结构性越强，规则性越高的观测点在构建插值面的过程中的权重越高，进而使得插值信息具备结构性，提高仿真结果的真实性。
采用上述方法能够获得每个聚类簇对应的结构关系值，结构关系值越大，说明对应聚类簇内观测点的结构关系越弱，也即聚类簇内观测点的结构分布越混乱；基于此，本实施例将结构关系值大于预设结构阈值的聚类簇，确定为目标聚类簇；将结构关系值小于或等于预设结构阈值的聚类簇，确定为非目标聚类簇。本实施例中的预设结构阈值为0.8，在具体应用中，实施者可根据具体情况进行设置。
至此，采用本实施例提供的方法将所有聚类簇划分为了两类，分别为目标聚类簇和非目标聚类簇，接下来本实施例将对目标聚类簇内观测点在采用反距离加权法处理时对应的距离值进行调整，具体地，对于第v个目标聚类簇：获取第v个目标聚类簇的中心点；分别将第v个目标聚类簇的每个边缘点与所述中心点之间的距离，作为每个边缘点的特征距离；将第v个目标聚类簇的所有边缘点的平均特征距离，作为第v个目标聚类簇的特征指标；将第v个目标聚类簇内所有观测点对应的目标距离设置为所述特征指标。采用上述方法，能够获得目标聚类簇内每个观测点对应的目标距离。
步骤S4，基于目标聚类簇内每个观测点对应的目标距离，采用反距离加权法对所有观测点进行处理，获得海陆统筹一体化三维空间仿真结果。
本实施例已经对目标聚类簇内每个观测点在采用反距离加权法处理时对应的距离值进行了调整，也即获得了目标聚类簇内每个观测点对应的目标距离，本实施例不对非目标聚类簇内观测点在采用反距离加权法处理时对应的距离值进行调整，也即直接采用采用反距离加权法获得非目标聚类簇内每个观测点对应的距离，并作为非目标聚类簇内每个观测点对应的目标距离。至此，获得了所有观测点对应的目标距离，基于每个观测点对应的目标距离，采用反距离加权法对所有观测点进行处理获得插值面。反距离加权法为现有技术，此处不再过多赘述。
基于插值面得到海陆统筹一体化三维空间仿真结果。设定模拟参数，配置仿真环境，包括物理、化学和生物过程的模拟。规划方案设计，根据需求制定多种规划方案。使用三维模型进行视觉化展示和分析。方案评估与优化，运用多准则决策分析对方案进行评估。根据评估结果调整和优化规划方案。仿真实验，在三维仿真环境中对选定的规划方案进行模拟实验。分析实验结果，评估方案的可行性和影响。结果呈现与决策支持，将仿真结果以图形、表格和报告的形式呈现给决策者，提供基于数据分析的决策支持。
本实施例考虑到采用反距离加权法对获取到的海陆统筹一体化场景中的观测点的数据进行插值过程中，会因为影响范围的选取不当，导致过渡平滑效应，使得插值效果较差，进而影响海陆统筹一体化三维空间的仿真结果，本实施例根据每个观测点与其他观测点之间的位置差异情况，获得了每个观测点的结构表征值，结合结构表征值对观测点进行了划分获得了多个聚类簇，同一聚类簇内的观测点在三维空间中呈现的结构特征较为相似，不同聚类簇内的观测点在三维空间中呈现的结构特征差异较大，然后对每个聚类簇内观测点的结构表征值的分布情况以及每个聚类簇与其他聚类簇内观测点的结构表征值之间的差异情况进行了分析筛选了目标聚类簇，进而确定了目标聚类簇内观测点对应的目标距离，也即依据观测点的空间结构关系确定了三维仿真关联区域，并将该关联区域作为影响范围，得到影响范围对应的距离，采用反距离加权法对观测点进行处理，获得了准确的海陆统筹一体化三维空间仿真结果，本实施例提供的方法消除了插值过程中过渡平滑及边缘效应，使得插值结果更准确，提高了海陆统筹一体化三维空间仿真结果的可信度。
一种海陆统筹一体化三维空间仿真规划系统实施例：
本实施例一种海陆统筹一体化三维空间仿真规划系统包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现上述所述的一种海陆统筹一体化三维空间仿真规划方法。
由于一种海陆统筹一体化三维空间仿真规划方法已经在一种海陆统筹一体化三维空间仿真规划方法实施例中进行了说明，所以本实施例不再对一种海陆统筹一体化三维空间仿真规划方法进行赘述。
需要说明的是：以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的原则之内，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 (6)
1.一种海陆统筹一体化三维空间仿真规划方法，其特征在于，该方法包括以下步骤：
获取观测点的地理位置信息数据；
根据每个观测点与其他观测点之间的位置差异情况，得到每个观测点的结构表征值；基于所述结构表征值对所有观测点进行划分，获得若干个聚类簇；
根据每个聚类簇内观测点的结构表征值的分布情况以及每个聚类簇与其他聚类簇内观测点的结构表征值之间的差异情况，得到每个聚类簇对应的结构关系值；基于所述结构关系值确定目标聚类簇；基于目标聚类簇内观测点的位置分布确定目标聚类簇内每个观测点对应的目标距离；
基于目标聚类簇内每个观测点对应的目标距离，采用反距离加权法对所有观测点进行处理，获得海陆统筹一体化三维空间仿真结果；
所述根据每个观测点与其他观测点之间的位置差异情况，得到每个观测点的结构表征值，包括：
对于第i个观测点：
根据第i个观测点与其他所有观测点之间的位置差异，分别得到第i个观测点在每个平面下对应的结构分布评价值；所述平面包括：XOY平面、XOZ平面和YOZ平面；
将第i个观测点在所有平面下对应的结构分布评价值的平均值，作为第i个观测点的结构表征值；
采用如下公式计算第i个观测点在XOY平面下对应的结构分布评价值：
；
其中，表示第i个观测点在第k个平面下对应的结构分布评价值，N表示观测点的总数量，表示第i个观测点在X轴的坐标值，表示第i个观测点在Y轴的坐标值，表示与第i个观测点距离最近的观测点在X轴的坐标值，表示与第i个观测点距离最近的观测点在Y轴的坐标值，表示除第i个观测点外的第j个观测点在X轴的坐标值，表示除第i个观测点外的第j个观测点在Y轴的坐标值，Norm( )表示归一化函数，为取绝对值符号；
所述根据每个聚类簇内观测点的结构表征值的分布情况以及每个聚类簇与其他聚类簇内观测点的结构表征值之间的差异情况，得到每个聚类簇对应的结构关系值，包括：
对于第u个聚类簇：
分别计算第u个聚类簇内所有观测点的平均结构表征值以及除第u个聚类簇外其他所有聚类簇内所有观测点的平均结构表征值；
根据第u个聚类簇内所有观测点的平均结构表征值、除第u个聚类簇外其他所有聚类簇内所有观测点的平均结构表征值以及第u个聚类簇内观测点的结构表征值的波动情况，得到第u个聚类簇对应的结构关系值；
采用如下公式计算第u个聚类簇对应的结构关系值：
；
其中，表示第u个聚类簇对应的结构关系值，表示第u个聚类簇内所有观测点的平均结构表征值，表示除第u个聚类簇外其他所有聚类簇内所有观测点的平均结构表征值，表示第u个聚类簇内观测点的数量，表示第u个聚类簇内第r个观测点的结构表征值，Norm( )表示归一化函数。
2.根据权利要求1所述的一种海陆统筹一体化三维空间仿真规划方法，其特征在于，所述基于所述结构表征值对所有观测点进行划分，获得若干个聚类簇，包括：
基于每个观测点的结构表征值，采用超像素分割算法对所有观测点进行划分，获得若干个聚类簇。
3.根据权利要求1所述的一种海陆统筹一体化三维空间仿真规划方法，其特征在于，所述基于所述结构关系值确定目标聚类簇，包括：
将结构关系值大于预设结构阈值的聚类簇，确定为目标聚类簇。
4.根据权利要求1所述的一种海陆统筹一体化三维空间仿真规划方法，其特征在于，所述基于目标聚类簇内观测点的位置分布确定目标聚类簇内每个观测点对应的目标距离，包括：
对于第v个目标聚类簇：
获取第v个目标聚类簇的中心点；分别将第v个目标聚类簇的每个边缘点与所述中心点之间的距离，作为每个边缘点的特征距离；
将第v个目标聚类簇的所有边缘点的平均特征距离，作为第v个目标聚类簇的特征指标；
将第v个目标聚类簇内所有观测点对应的目标距离设置为所述特征指标。
5.根据权利要求1所述的一种海陆统筹一体化三维空间仿真规划方法，其特征在于，所述基于目标聚类簇内每个观测点对应的目标距离，采用反距离加权法对所有观测点进行处理，获得海陆统筹一体化三维空间仿真结果，包括：
将除目标聚类簇外的聚类簇作为非目标聚类簇；采用反距离加权法获得非目标聚类簇内每个观测点对应的目标距离；
基于每个观测点对应的目标距离，采用反距离加权法对所有观测点进行处理获得海陆统筹一体化三维空间仿真结果。
6.一种海陆统筹一体化三维空间仿真规划系统，包括存储器和处理器，其特征在于，所述处理器执行所述存储器存储的计算机程序，以实现如权利要求1-5任一项所述的一种海陆统筹一体化三维空间仿真规划方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410415449.8A CN118013312B (zh) | 2024-04-08 | 2024-04-08 | 一种海陆统筹一体化三维空间仿真规划方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410415449.8A CN118013312B (zh) | 2024-04-08 | 2024-04-08 | 一种海陆统筹一体化三维空间仿真规划方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118013312A CN118013312A (zh) | 2024-05-10 |
| CN118013312B true CN118013312B (zh) | 2024-06-28 |
Family
ID=90943614
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410415449.8A Active CN118013312B (zh) | 2024-04-08 | 2024-04-08 | 一种海陆统筹一体化三维空间仿真规划方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118013312B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118411476B (zh) * | 2024-06-26 | 2024-09-27 | 山东联峰精密科技有限公司 | 一种用于精密五金产品的三维建模方法及系统 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105184370B (zh) * | 2015-10-26 | 2018-01-23 | 中国海洋大学 | 一种基于som分类技术的河口流域水环境质量评价方法 |
| CN109871886B (zh) * | 2019-01-28 | 2023-08-01 | 平安科技（深圳）有限公司 | 基于谱聚类的异常点比例优化方法、装置及计算机设备 |
| CN110765941B (zh) * | 2019-10-23 | 2022-04-26 | 北京建筑大学 | 一种基于高分遥感影像的海水污染区域识别方法和设备 |
| CN111008989B (zh) * | 2019-12-24 | 2023-08-11 | 辽宁工程技术大学 | 一种基于多值体元的机载多光谱lidar三维分割方法 |
-
2024
- 2024-04-08 CN CN202410415449.8A patent/CN118013312B/zh active Active
Non-Patent Citations (2)
| Title |
|---|
| 顾及空间各向异性的IDW插值算法;孙梦楠;刘少华;刘京城;;计算机工程与设计;20200416(04);全文 * |
| 黄思华 ; 濮励杰 ; 解雪峰 ; 朱明 ; 阚博颖 ; 谭言飞 ; .面向数字土壤制图的土壤采样设计研究进展与展望.土壤学报.(02),全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118013312A (zh) | 2024-05-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN118013312B (zh) | 一种海陆统筹一体化三维空间仿真规划方法及系统 | |
| CN107038717B (zh) | 一种基于立体栅格自动分析3d点云配准误差的方法 | |
| Zhang et al. | An efficient approach to directly compute the exact Hausdorff distance for 3D point sets | |
| CN103177451B (zh) | 基于图像边缘的自适应窗口和权重的立体匹配算法 | |
| WO2021093275A1 (zh) | 一种人群计数系统中自适应计算高斯核大小的方法 | |
| CN112164145B (zh) | 基于点云数据快速提取室内三维线段结构的方法 | |
| CN110503721B (zh) | 基于加权径向基函数插值的断裂地形保持方法 | |
| Chen et al. | Extraction of indoor objects based on the exponential function density clustering model | |
| CN105678252A (zh) | 依据人脸三角网格自适应细分和高斯小波的迭代插值方法 | |
| Su et al. | Uncertainty guided multi-view stereo network for depth estimation | |
| CN109766866A (zh) | 一种基于三维重建的人脸特征点实时检测方法和检测系统 | |
| CN104851127A (zh) | 一种基于交互的建筑物点云模型纹理映射方法及装置 | |
| CN111626321A (zh) | 一种图像数据的聚类方法及装置 | |
| CN116188716B (zh) | 不规则复杂建筑物三维模型重建方法及装置 | |
| CN102682115A (zh) | 一种基于Voronoi图的点密度专题图制作方法 | |
| CN117793857A (zh) | 无线路由器接入方法及系统 | |
| CN108871342A (zh) | 基于纹理特征的水下重力辅助惯性导航适配区选取方法 | |
| CN114417685A (zh) | 一种多约束条件下的声纳参数推荐方法 | |
| CN117576087A (zh) | 基于点云法线的物体表面凹凸性的检测方法 | |
| CN118134984A (zh) | 一种基于特征边界线的三维重建算法及三维重建系统 | |
| CN108008446B (zh) | 基于线形自适应灰阶化理论的地震属性突变界线求取方法 | |
| CN105740867A (zh) | 图像纹理窗口形状与尺度的选择方法 | |
| CN112541897A (zh) | 一种基于人工智能的面瘫程度评估系统 | |
| Shi et al. | A Framework of Point Cloud Simplification Based on Voxel Grid and Its Applications | |
| Yang et al. | Evolutionary algorithms with a coarse-to-fine function smoothing |
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 |