CN118115851B - 一种基于人工智能的智慧型地理数据工厂构建方法 - Google Patents
一种基于人工智能的智慧型地理数据工厂构建方法 Download PDFInfo
- Publication number
- CN118115851B CN118115851B CN202410542858.4A CN202410542858A CN118115851B CN 118115851 B CN118115851 B CN 118115851B CN 202410542858 A CN202410542858 A CN 202410542858A CN 118115851 B CN118115851 B CN 118115851B
- Authority
- CN
- China
- Prior art keywords
- image
- capture
- interval
- virtual
- captured
- 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
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 14
- 238000010276 construction Methods 0.000 title claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims abstract description 41
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000010586 diagram Methods 0.000 claims abstract description 17
- 238000000605 extraction Methods 0.000 claims abstract description 10
- 230000011218 segmentation Effects 0.000 claims abstract description 10
- 238000005065 mining Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 abstract description 5
- 238000012544 monitoring process Methods 0.000 abstract 1
- 239000003086 colorant Substances 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Landscapes
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种基于人工智能的智慧型地理数据工厂构建方法，涉及人工智能技术领域，构建地理平面图，采集多源类型数据；对地理平面图进行等线分割和定位标记，获得位置区间标号，对多源类型数据进行图片提取并设置规范标准进行图像校准，获得规范多源图像；设置综合捕获矩阵对规范多源图像进行特征捕获，获得捕获特征图；构建虚拟地理空间对捕获特征图进行图文匹配并生成立体捕获像，对所获得的立体捕获像的位置区间标号进行位置匹配，获得虚拟捕获图，设置间隔周期对虚拟捕获图进行匹配和位置比对，获得偏差捕获图和合格捕获图；实现对地理数据的快速实时监控，提高自动化处理地理数据的效率，减少人为错误。
Description
技术领域
本发明涉及人工智能技术领域，具体是一种基于人工智能的智慧型地理数据工厂构建方法。
背景技术
人工智能是一门涉及计算机科学、数学、统计学、机器学习、神经科学等多个学科领域的前沿研究方向。其目标是让机器能够模拟和扩展人类的智能，实现自主学习、推理、感知、解决问题和完成复杂任务的能力。
智慧型地理数据工厂是一套融合云计算、人工智能等信息技术，面向多人云端协同生产，实现项目信息化管理的现代智慧多源数据生产体系，能够实现地理数据的采集、处理、存储、管理、分析、服务等功能，提高地理数据的质量、效率和管理水平，为测绘地理信息行业提供智能化工具软件服务和高质量地理信息数据服务；通过将采集的不同类型的地理数据进行多源数据融合，实现无感切换和一体化采集，便于操作，减少大量的人工辅助的采集与编辑工作；因此，通过人工智能构建智慧型地理数据工厂，具有重要的理论和现实意义。
如何利用人工智能技术，构建地理平面图，对采集的多源类型数据进行图片提取并设置规范标准进行图像校准，获得规范多源图像；设置综合捕获矩阵对规范多源图像进行特征捕获，获得捕获特征图；构建虚拟地理空间对捕获特征图进行虚拟匹配，获得虚拟捕获图，设置间隔周期对虚拟捕获图进行位置比对，获得偏差捕获图和合格捕获图，是我们需要解决的问题；为此，现提供一种基于人工智能的智慧型地理数据工厂构建方法。
发明内容
本发明的目的可以通过以下技术方案实现：
一种基于人工智能的智慧型地理数据工厂构建方法，包括以下步骤：
步骤S1：构建地理平面图，采集多源类型数据；
步骤S2：对地理平面图进行等线分割，获得等线地理平面图，对所获得的等线地理平面图进行匹配对应和定位标记，获得位置区间标号，对所获得的多源类型数据进行图片提取，获得多源类型图像，设置规范标准对多源类型图像进行图像校准，获得规范多源图像；
步骤S3：设置综合捕获矩阵，将所获得的综合捕获矩阵上传至规范多源图像，获得捕获作业区，根据所获得的综合捕获矩阵对捕获作业区进行特征捕获，获得捕获特征图；
步骤S4：构建虚拟地理空间对捕获特征图进行图文匹配并生成立体捕获像，对所获得的立体捕获像的位置区间标号进行位置匹配，获得虚拟捕获图，设置间隔周期对虚拟捕获图进行匹配，获得原始虚拟捕获图和间隔虚拟捕获图，并对原始虚拟捕获图和间隔虚拟捕获图进行位置比对，获得偏差捕获图和合格捕获图。
采集多源类型数据的过程包括：
设置地采区域，根据所设置的地采区域构建地理平面图；
对所获得的地理平面图进行区域标记，获得区域板块；
根据所获得的区域板块设置多源采集端，通过多源采集端对区域板块的综合数据进行采集，获得多源类型数据和采集时间；
将多源类型数据与对应的区域板块相关联。
获得规范多源图像的过程包括：
对所获得的地理平面图进行等线分割，获得等线地理平面图和位置区间；
将所获得的位置区间与区域板块进行匹配对应，获得板块位置区间；
对所获得的板块位置区间进行定位标记，获得位置区间标号；
将所获得的位置区间标号与对应的板块位置区间相关联；
对所获得的多源类型数据进行图片提取，获得多源类型图像；
设置规范标准，根据所获得的规范标准对多源类型图像进行图像校准，获得规范多源图像。
获得捕获作业区的过程包括：
设置综合捕获矩阵；
基于规范多源图像设置捕获起始点，将所获得的综合捕获矩阵上传至规范多源图像的捕获起始点，并将综合捕获矩阵在规范多源图像的对应区域标记为捕获作业区。
获得捕获特征图的过程包括：
根据所获得的综合捕获矩阵对捕获作业区进行区间卷积，获得区间捕获图；
将所获得的综合捕获矩阵在规范多源图像上进行平移卷积，直至覆盖规范多源图像的所有区域，并对所获得的区间捕获图进行边界组合，获得捕获特征图。
构建虚拟地理空间对捕获特征图进行图文匹配并生成立体捕获像的过程包括：
构建虚拟地理空间，根据所获得的等线地理平面图设置空间原点，根据所获得的空间原点构建虚拟坐标轴；
获取捕获特征图对应的多源类型数据，对所获得的多源类型数据进行图文匹配，获得捕获特征数据，并将所获得的捕获特征数据与对应的捕获特征图相关联；
根据所获得的捕获特征数据和捕获特征图生成立体捕获像；
将所获得的立体捕获像上传至虚拟地理空间。
获得偏差捕获图和合格捕获图的过程包括：
获取立体捕获像对应的区域板块相关联的位置区间标号，根据所获得的位置区间标号在虚拟坐标轴内进行位置匹配，获得虚拟捕获图；
根据所获得的采集时间设置间隔周期；
根据所获得的采集时间和间隔周期对虚拟捕获图进行匹配，获得原始虚拟捕获图和间隔虚拟捕获图；
对所获得的原始虚拟捕获图和间隔虚拟捕获图进行位置比对，获得偏差捕获图和合格捕获图。
与现有技术相比，本发明的有益效果是：对采集的多源类型数据进行图片提取，获得多源类型图像，设置规范标准对多源类型图像进行图像校准，获得规范多源图像，设置综合捕获矩阵对规范多源图像进行特征捕获，获得捕获特征图；将采集的不同来源和不同类型的地理数据进行处理和特征捕获，获得同一标准的捕获特征图，有利于对不同时期的地理数据进行比对，获得变化趋势；
构建地理平面图并进行等线分割，获得等线地理平面图和位置区间标号，构建虚拟地理空间对捕获特征图进行图文匹配并生成立体捕获像，对所获得的立体捕获像的位置区间标号进行位置匹配，获得虚拟捕获图，设置间隔周期对虚拟捕获图进行匹配和位置比对，获得偏差捕获图和合格捕获图；将提取的捕获特征图进行一体化立体转换，获得虚拟捕获图，并获取不同采集时间的虚拟捕获图进行比对分析，获得不同时间地理数据的差别，有利于资源整合，实现地理数据的直观可视化，提高自动化处理地理数据的效率，减少人为错误。
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，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地介绍，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他的附图。
图1为本发明的原理图。
具体实施方式
下面将结合实施例对本发明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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
如图1所示，一种基于人工智能的智慧型地理数据工厂构建方法，包括以下步骤：
步骤S1：构建地理平面图，采集多源类型数据；
步骤S2：对地理平面图进行等线分割，获得等线地理平面图，对所获得的等线地理平面图进行匹配对应和定位标记，获得位置区间标号，对所获得的多源类型数据进行图片提取，获得多源类型图像，设置规范标准对多源类型图像进行图像校准，获得规范多源图像；
步骤S3：设置综合捕获矩阵，将所获得的综合捕获矩阵上传至规范多源图像，获得捕获作业区，根据所获得的综合捕获矩阵对捕获作业区进行特征捕获，获得捕获特征图；
步骤S4：构建虚拟地理空间对捕获特征图进行图文匹配并生成立体捕获像，对所获得的立体捕获像的位置区间标号进行位置匹配，获得虚拟捕获图，设置间隔周期对虚拟捕获图进行匹配，获得原始虚拟捕获图和间隔虚拟捕获图，并对原始虚拟捕获图和间隔虚拟捕获图进行位置比对，获得偏差捕获图和合格捕获图。
需要进一步说明的是，在具体实施过程中，采集多源类型数据的过程包括：
设置地采区域，根据所设置的地采区域构建地理平面图；
进一步的，所述地采区域表示可采集的地表区域范围，且构建的地理平面图是矩形的；
对所获得的地理平面图进行区域标记，获得区域板块；
进一步的，所述区域标记表示根据现实中的地理区域的不同名称进行对应标记，获得区域板块；
根据所获得的区域板块设置多源采集端，通过多源采集端对区域板块的综合数据进行采集，获得多源类型数据，并标记上采集多源类型数据的时间，记作采集时间；
将多源类型数据与对应的区域板块相关联；
进一步的，将多源类型数据与对应的区域板块相关联表示获得的多源类型数据是区域板块内所对应的所有数据信息；
需要进一步说明的是，在具体实施过程中，所述多源采集端为SummitSensorKIT一体化多源引擎，能够采集不同来源和不同类型的地理数据；
所述多源类型数据是和地采区域有关的所有数据，表现形式为图像、视频以及文字数据。
对所获得的地理平面图进行等线分割，获得等线地理平面图；
进一步的，所述等线分割表示在地理平面图内设置若干互相垂直的横线和纵线，且横线和纵线的数目与区域板块的面积有关，区域板块面积越大，则横线和纵线的数目越少；获得的等线地理平面图是包含若干矩形的平面图；
将等线地理平面图进行等线分割的区域标记为位置区间，所述位置区间表示横线和纵线划分出来的矩形；
将所获得的位置区间与区域板块进行匹配对应，获得板块位置区间；
进一步的，所述匹配对应是将区域板块与对应的所有位置区间进行匹配，对匹配成功的位置区间进行整合，获得的板块位置区间包括区域板块的所有位置区间；
对所获得的板块位置区间进行定位标记，获得位置区间标号；
进一步的，所述定位标记是以等线地理平面图的一角为原点构建二维直角坐标系，即等线地理平面图的左下角为原点；根据等线地理平面图的矩形长和矩形宽生成横轴和纵轴，根据板块位置区间距离横轴和纵轴的综合距离，生成位置区间标号，例如，有位置区间为A，距离横轴m1，距离纵轴m2，则A的位置区间标号为（m2，m1）；
将所获得的位置区间标号与对应的板块位置区间相关联。
对所获得的多源类型数据进行图片提取，获得多源类型图像；
进一步的，所述图片提取是利用图像识别软件对采集的多源类型数据进行提取，获得的多源类型图像均为图像形式的；
设置规范标准，所述规范标准包括输入标准和识别标准；
进一步的，所述输入标准表示输入图像的像素要求，包括输入长度和输入宽度，所述输入长度表示图像在水平方向上的像素数量，所述输入宽度表示图像在垂直方向上的像素数量；所述识别标准表示能够识别出的颜色数目，例如，识别标准为红、绿、蓝，则表示允许红、绿、蓝这三种颜色通过；
根据所获得的规范标准对多源类型图像进行图像校准，获得规范多源图像；
所述图像校准是对多源类型图像进行像素统一和颜色统一，即获得的规范多源图像的像素在水平方向和垂直方向的像素数目相同，可识别颜色相同，使得来源不同的图像数据经过图像校准后，获得质量相同的图像数据。
设置综合捕获矩阵，所述综合捕获矩阵包括矩阵尺寸和矩阵数目；
进一步的，所述综合捕获矩阵内部是由若干元素组成，是随机元素任意生成的矩阵，所述矩阵尺寸包括矩阵长度和矩阵宽度，表示在规范多源图像上对应的范围，矩阵数目表示综合捕获矩阵的数目，与图像的清晰度有关，即矩阵数目越多，图像清晰度越高；
根据所获得的综合捕获矩阵对规范多源图像进行特征捕获，获得规范特征图；
需要进一步说明的是，在具体实施过程中，所述特征捕获的过程包括：
基于规范多源图像设置捕获起始点，将所获得的综合捕获矩阵上传至规范多源图像的捕获起始点，并将综合捕获矩阵在规范多源图像的对应区域标记为捕获作业区；
根据所获得的综合捕获矩阵对捕获作业区进行区间卷积，获得区间捕获图；
进一步的，所述区间卷积是将综合捕获矩阵内的元素与捕获作业区的像素进行对应卷积，获得区间捕获图；
将所获得的综合捕获矩阵从捕获起始点开始，在规范多源图像上进行平移卷积，直至覆盖规范多源图像的所有区域；
所述平移卷积是将综合捕获矩阵在规范多源图像内进行平移滑动，并与对应平移区域内的捕获作业区进行区间卷积；
对所获得的区间捕获图进行边界组合，获得捕获特征图；
进一步的，所述边界组合是根据规范多源图像对获得的区间捕获图进行顺序组合。
构建虚拟地理空间，并根据所获得的等线地理平面图设置空间原点，根据所获得的空间原点构建虚拟坐标轴；
所述空间原点与等线地理平面图的原点相同，且虚拟坐标轴是根据等线地理平面图的二维直角坐标系所构建的；
获取捕获特征图对应的多源类型数据，对所获得的多源类型数据进行图文匹配，获得捕获特征数据，并将所获得的捕获特征数据与对应的捕获特征图相关联；
进一步的，捕获特征图是由多源类型数据进行图片提取获得多源类型图像，再对多源类型图像进行处理得到的，则捕获特征数据表示对多源类型数据进行文字提取，获得与捕获特征图有关的文字数据信息，例如，捕获特征图的图像内容为山地，则对应的文字数据信息为山地海拔；
根据所获得的捕获特征数据和捕获特征图生成立体捕获像，对获得的立体捕获像进行体积统计，获得捕获体积；
进一步的，所述立体捕获像是由平面的捕获特征图加上捕获特征数据共同生成的三维立体图像；
将所获得的立体捕获像上传至虚拟地理空间；
获取立体捕获像对应的区域板块相关联的位置区间标号，根据所获得的位置区间标号在虚拟坐标轴内进行位置匹配，获得虚拟捕获图；
进一步的，所述位置匹配是根据位置区间标号将立体捕获像放置在虚拟坐标轴的对应位置，获得的虚拟捕获图中的立体捕获像的位置与等线地理平面图的板块位置区间的位置对应相同；
根据所获得的采集时间设置间隔周期，所述间隔周期表示当前采集时间和下一次选定的采集时间的时间间隔；
根据所获得的采集时间和间隔周期对虚拟捕获图进行匹配，获得原始虚拟捕获图和间隔虚拟捕获图；
将原始虚拟捕获图的空间原点标记为原始空间点，将间隔虚拟捕获图的空间原点标记为间隔空间点；
进一步的，所述原始虚拟捕获图表示当前采集时间的虚拟捕获图，间隔虚拟捕获图表示与当前采集时间相差间隔周期的虚拟捕获图；
对所获得的原始虚拟捕获图和间隔虚拟捕获图进行位置比对，获得偏差捕获图和合格捕获图；
需要进一步说明的是，在具体实施过程中，所述位置比对的过程包括：
在虚拟地理空间中将原始空间点与间隔空间点放置在同一位置，使得原始虚拟捕获图和间隔虚拟捕获图的虚拟坐标轴在同一位置；
根据所获得的原始虚拟捕获图的位置区间标号和间隔虚拟捕获图的位置区间标号获得原始间隔差，将所获得的原始间隔差标记为∆Z，其中，∆Z=YS-JG，YS表示原始虚拟捕获图的位置区间标号，JG表示间隔虚拟捕获图的位置区间标号；
若原始间隔差等于0，表示间隔虚拟捕获图的位置区间标号经过间隔周期后没有改变，并记作正常间隔差；
若原始间隔差不等于0，则表示间隔虚拟捕获图的位置区间标号经过间隔周期后有改变，并记作不正常间隔差；
对原始虚拟捕获图和间隔虚拟捕获图的捕获体积进行差值运算，获得原始体积差，并将所获得的原始体积差标记为∆F，其中，，表示原始虚拟捕获图的捕获体积，表示间隔虚拟捕获图的捕获体积；
若原始体积差等于0，表示间隔虚拟捕获图的捕获体积经过间隔周期后没有改变，并记作正常体积差；
若原始体积差不等于0，则表示间隔虚拟捕获图的捕获体积经过间隔周期后有改变，并记作不正常体积差；
将同时满足正常体积差和正常间隔差的间隔虚拟捕获图标记为合格捕获图，反之，则为偏差捕获图。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (1)
1.一种基于人工智能的智慧型地理数据工厂构建方法，其特征在于，包括以下步骤：
步骤S1：构建地理平面图，采集多源类型数据；
步骤S2：对地理平面图进行等线分割，获得等线地理平面图，对所获得的等线地理平面图进行匹配对应和定位标记，获得位置区间标号，对所获得的多源类型数据进行图片提取，获得多源类型图像，设置规范标准对多源类型图像进行图像校准，获得规范多源图像；
步骤S3：设置综合捕获矩阵，将所获得的综合捕获矩阵上传至规范多源图像，获得捕获作业区，根据所获得的综合捕获矩阵对捕获作业区进行特征捕获，获得捕获特征图；
步骤S4：构建虚拟地理空间对捕获特征图进行图文匹配并生成立体捕获像，对所获得的立体捕获像的位置区间标号进行位置匹配，获得虚拟捕获图，设置间隔周期对虚拟捕获图进行匹配，获得原始虚拟捕获图和间隔虚拟捕获图，并对原始虚拟捕获图和间隔虚拟捕获图进行位置比对，获得偏差捕获图和合格捕获图；
采集多源类型数据的过程包括：
设置地采区域，根据所设置的地采区域构建地理平面图；
对所获得的地理平面图进行区域标记，获得区域板块；
根据所获得的区域板块设置多源采集端，通过多源采集端对区域板块的综合数据进行采集，获得多源类型数据和采集时间；
将多源类型数据与对应的区域板块相关联；
获得位置区间标号的过程包括：
对所获得的地理平面图进行等线分割，获得等线地理平面图和位置区间；
将所获得的位置区间与区域板块进行匹配对应，获得板块位置区间；
对所获得的板块位置区间进行定位标记，获得位置区间标号；
获得规范多源图像的过程包括：
将所获得的位置区间标号与对应的板块位置区间相关联；
对所获得的多源类型数据进行图片提取，获得多源类型图像；
设置规范标准，根据所获得的规范标准对多源类型图像进行图像校准，获得规范多源图像；
获得捕获作业区的过程包括：
设置综合捕获矩阵；
基于规范多源图像设置捕获起始点，将所获得的综合捕获矩阵上传至规范多源图像的捕获起始点，并将综合捕获矩阵在规范多源图像的对应区域标记为捕获作业区；
获得捕获特征图的过程包括：
根据所获得的综合捕获矩阵对捕获作业区进行区间卷积，获得区间捕获图；
将所获得的综合捕获矩阵在规范多源图像上进行平移卷积，直至覆盖规范多源图像的所有区域，并对所获得的区间捕获图进行边界组合，获得捕获特征图；
构建虚拟地理空间对捕获特征图进行图文匹配并生成立体捕获像的过程包括：
构建虚拟地理空间，根据所获得的等线地理平面图设置空间原点，根据所获得的空间原点构建虚拟坐标轴；
获取捕获特征图对应的多源类型数据，对所获得的多源类型数据进行图文匹配，获得捕获特征数据，并将所获得的捕获特征数据与对应的捕获特征图相关联；
根据所获得的捕获特征数据和捕获特征图生成立体捕获像，对获得的立体捕获像进行体积统计，获得捕获体积；
将所获得的立体捕获像上传至虚拟地理空间；
获得原始虚拟捕获图和间隔虚拟捕获图的过程包括：
获取立体捕获像对应的区域板块相关联的位置区间标号，根据所获得的位置区间标号在虚拟坐标轴内进行位置匹配，获得虚拟捕获图；
根据所获得的采集时间设置间隔周期；
根据所获得的采集时间和间隔周期对虚拟捕获图进行匹配，获得原始虚拟捕获图和间隔虚拟捕获图；
获得偏差捕获图和合格捕获图的过程包括：
根据所获得的原始虚拟捕获图的位置区间标号和间隔虚拟捕获图的位置区间标号获得原始间隔差；
对原始虚拟捕获图和间隔虚拟捕获图的捕获体积进行差值比较，获得原始体积差；
根据所获得的原始间隔差和原始体积差获得偏差捕获图和合格捕获图。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410542858.4A CN118115851B (zh) | 2024-04-30 | 2024-04-30 | 一种基于人工智能的智慧型地理数据工厂构建方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410542858.4A CN118115851B (zh) | 2024-04-30 | 2024-04-30 | 一种基于人工智能的智慧型地理数据工厂构建方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118115851A CN118115851A (zh) | 2024-05-31 |
| CN118115851B true CN118115851B (zh) | 2024-07-09 |
Family
ID=91212900
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410542858.4A Active CN118115851B (zh) | 2024-04-30 | 2024-04-30 | 一种基于人工智能的智慧型地理数据工厂构建方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118115851B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104104887A (zh) * | 2013-04-04 | 2014-10-15 | 索尼公司 | 向图像施加边界的方法和设备 |
| CN110203253A (zh) * | 2019-05-31 | 2019-09-06 | 卡斯柯信号有限公司 | 一种非固定式虚拟应答器实现方法 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20220382929A1 (en) * | 2017-02-22 | 2022-12-01 | Middle Chart, LLC | Position based performance monitoring of equipment |
| WO2018186398A1 (ja) * | 2017-04-07 | 2018-10-11 | 日本電気株式会社 | 学習データ生成装置、学習データ生成方法、および記録媒体 |
| JP2022539603A (ja) * | 2019-07-12 | 2022-09-12 | マジック リープ， インコーポレイテッド | ディスプレイシステム較正のための眼球カメラシステムおよび方法 |
| US11682124B2 (en) * | 2020-06-29 | 2023-06-20 | Lytt, inc. | Systems and methods for transferring map data between different maps |
| CN112800157B (zh) * | 2021-01-11 | 2022-08-19 | 武汉旭云智慧交通有限公司 | 一种动态占位网格模型构建方法及其应用架构设计方法 |
| CN112860834A (zh) * | 2021-02-05 | 2021-05-28 | 深圳力维智联技术有限公司 | 一种基于webgis的第三方地图对接装置和方法 |
| CN114565677B (zh) * | 2022-01-14 | 2023-07-28 | 浙江大华技术股份有限公司 | 一种定位纠偏方法、监控设备和计算机可读存储介质 |
| CN116610747B (zh) * | 2023-07-21 | 2023-10-13 | 北京国遥新天地信息技术股份有限公司 | 一种基于三维数字的可视化智慧管理系统 |
| CN117372877A (zh) * | 2023-11-22 | 2024-01-09 | 深圳大学 | 一种基于神经网络的星图识别方法、装置及相关介质 |
-
2024
- 2024-04-30 CN CN202410542858.4A patent/CN118115851B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104104887A (zh) * | 2013-04-04 | 2014-10-15 | 索尼公司 | 向图像施加边界的方法和设备 |
| CN110203253A (zh) * | 2019-05-31 | 2019-09-06 | 卡斯柯信号有限公司 | 一种非固定式虚拟应答器实现方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118115851A (zh) | 2024-05-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111473739B (zh) | 一种基于视频监控的隧道塌方区围岩变形实时监测方法 | |
| CN109872401B (zh) | 一种无人机视频增强现实实现方法 | |
| CN104361314B (zh) | 基于红外与可见光图像融合的变电设备定位方法及装置 | |
| CN111062873A (zh) | 一种基于多对双目相机的视差图像拼接与可视化方法 | |
| CN111275759A (zh) | 基于无人机双光影像融合的变电站刀闸温度检测方法 | |
| CN109801301A (zh) | 一种基于bim与计算机视觉的铺砖进度信息自动收集方法 | |
| CN109919007B (zh) | 一种生成红外图像标注信息的方法 | |
| CN101697196A (zh) | 摄像机铭牌序列号数字识别系统及方法 | |
| CN113870267B (zh) | 缺陷检测方法、装置、计算机设备及可读存储介质 | |
| CN106023307A (zh) | 基于现场环境的快速重建三维模型方法及系统 | |
| CN103970901B (zh) | 一种地理信息图形数据整合方法 | |
| CN110853002A (zh) | 一种基于双目视觉的变电站异物检测方法 | |
| CN118115851B (zh) | 一种基于人工智能的智慧型地理数据工厂构建方法 | |
| CN110866945A (zh) | 一种倾斜摄影模型自动识别生成三维树的方法 | |
| CN111399634A (zh) | 一种手势引导物体识别的方法及装置 | |
| CN111669547B (zh) | 全景视频结构化方法 | |
| US20240046668A1 (en) | Real-time license plate detection and recognition method and device based on color augmentation | |
| Cai et al. | Improving CNN-based planar object detection with geometric prior knowledge | |
| CN113378754A (zh) | 一种工地裸土监测方法 | |
| CN116343100B (zh) | 一种基于自监督学习的目标识别方法及系统 | |
| CN111860035A (zh) | 图书封面检测方法、装置及存储介质和电子设备 | |
| CN111950433B (zh) | 光学卫星影像特征匹配深度学习训练样本集自动构建方法 | |
| CN114693749A (zh) | 一种用于关联不同的物理坐标系的方法及系统 | |
| CN112132898A (zh) | 光伏组件定位方法 | |
| CN117908498B (zh) | 一种基于mbs的车间生产监控系统 |
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 |