CN1573811A - 地图生成设备、地图发送方法以及地图生成程序 - Google Patents
地图生成设备、地图发送方法以及地图生成程序 Download PDFInfo
- Publication number
- CN1573811A CN1573811A CNA2004100024873A CN200410002487A CN1573811A CN 1573811 A CN1573811 A CN 1573811A CN A2004100024873 A CNA2004100024873 A CN A2004100024873A CN 200410002487 A CN200410002487 A CN 200410002487A CN 1573811 A CN1573811 A CN 1573811A
- Authority
- CN
- China
- Prior art keywords
- construction zone
- map
- polygon
- buildings
- color
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30184—Infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Processing Or Creating Images (AREA)
- Instructional Devices (AREA)
Abstract
依照本发明提供了一种地图生成设备,该设备从一个广阔的区域图像中提取具有复杂上部结构的建筑物的多边形形状。所述地图生成设备包括一个图像指定单元,用于接收对存在于一个航摄照片内的建筑物中的至少一个位置的指定,包括一个多边形提取单元,用于根据对指定位置周围的色彩的鉴别结果提取建筑物区域,并且提取建筑物区域的多边形线条,以及包括一个向量生成单元,用于生成建筑物区域的多边形线条的向量。
Description
技术领域
本发明涉及地图生成设备,该设备通过从航摄照片(从卫星或者飞机上拍摄的照片)中提取建筑物屋顶的多边形形状来生成地图。
背景技术
到目前为止,根据航摄照片来生成地图的方法的例子包括:使用解析绘图仪来人工描绘一个图像中所示建筑物的多边形形状的方法,以及包括从一个图像中自动地提取建筑物多边形形状的方法。
在使用解析绘图仪的方法中,对具有视差的两个图像照片进行估算并且校直,以便产生立体图像。然后,操作者通过手工操作、从所述立体图像中提取建筑物多边形形状(例如参见Ujihisa Kimoto的“Actuality of photogrammetry”,Sankaido,第91-97页)。
同时,在自动提取建筑物多边形形状的方法中,单目图像连同包括拍摄该图像的位置、角度以及日光方向的信息一起使用,以便根据在与作为边缘图像提取的线条有关的信息中所涉及的线性与位置关系,提取选取矩形的屋顶、墙壁、阴影等等的区域。由此,可以鉴别出建筑物的存在。例如,有人提出了通过将与图像被拍摄的位置、角度以及日光方向有关的信息设定为已知条件,并且通过根据从所述边缘图像处获得的线条信息来试验性地设定建筑物结构,来提取矩形屋顶形状的方法(例如参见1994年的,ARPA Image Understanding专题研究组的会议记录、C.O.Jaynes以及其他两个人提出的“TaskDriven Perceptual Organization for Extraction of RooftopPolygons″,第359-365页)。还有人提出了一种通过将与图像被拍摄的日光方向以及照相机方位的信息设定为已知条件,并且通过鉴别涉及屋顶、墙壁以及阴影的线条信息中所涉及的局部特性、相对位置关系等等,来提取矩形建筑物的立体信息的方法。(例如参见,1989年的Computer Vision and Image Understanding中第2期第72卷的第101-121页、C.Lin以及另一个人提出的“Building Detection andDescription from a Single Intensity Image”)。
依照上述使用解析绘图仪来生成地图的常规方法,通过操作者的操作来进行对建筑物多边形形状的提取,这样做难以正确地描绘该建筑物的多边形形状。此外,上述自动提取建筑物区域的常规方法仅仅适用于屋顶形状具有诸如平屋顶形状的简单结构的建筑物。当日光以不同的角度落到诸如人字屋顶的屋顶上、产生灰白的对比度时,或者当建筑物具有诸如其屋顶上的排气塔的结构时,则无法提取建筑物区域。
发明内容
本发明的目的在于(1)从一个广阔的区域图像中提取建筑物的多边形形状,(2)通过减少由操作者进行的操作来有效地生成地图,以及(3)提取具有复杂上部结构的建筑物的多边形形状,所述复杂的上部结构诸如是人字屋顶或者排气塔。
依照本发明,提供了一种地图生成设备,该设备包括图像指定单元,用于接收对存在于航摄照片内的建筑物中的至少一个位置的指定;多边形提取单元,用于根据对指定位置周围色彩的鉴别结果来提取建筑物区域、并且提取该建筑物区域的多边形线条;以及,向量生成单元,用于生成该建筑物区域的多边形线条的向量。
依照本发明,在预先指定了建筑物区域的位置中提取该建筑物的多边形形状,由此使能够提取广阔区域的建筑物多边形形状。此外,通过指定建筑物屋顶,可以限制用于估算该建筑物屋顶的处理范围,由此能够提取整个建筑物的多边形形状。
据此,地图生成变得十分容易,并且能够在短时间内并且以低成本来实现地图生成。
附图说明
图1是用于根据指定位置解释多边形形状提取以及地图生成的图表。
图2是依照本发明一个实施例的地图生成设备的功能框图。
图3是用于解释建筑物特征分类的图表。
图4是依照本发明实施例的建筑物多边形形状提取过程的流程图。
图5是依照本发明实施例的建筑物屋顶纹理分析过程的流程图。
图6是依照本发明实施例的解释用于匹配的采样像素的选择的图表。
图7是依照本发明实施例的多边形形状提取过程的流程图。
图8是用于解释依照本发明实施例的提取建筑物区域的图表。
图9是用于解释依照本发明实施例的建筑物区域距离修正的图表。
图10是用于解释依照本发明实施例的建筑物区域平滑过程的图表。
图11是依照本发明实施例的多边形形状修正过程的流程图。
图12是用于解释依照本发明实施例的修正多边形线条的图表。
图13是用于解释依照本发明实施例的多边形线条的位置修正的图表。
图14是依照本发明实施例的建筑物区域合成过程的流程图。
图15是用于解释依照本发明实施例的建筑物区域的合成图案的图表。
图16是用于解释依照本发明实施例的建筑物区域的其他合成图案的图表。
图17是依照本发明实施例的、多边形形状的地面投影过程的流程图。
图18是用于解释依照本发明实施例的多边形形状的地面投影的图表。
图19是用于解释使用依照本发明实施例的地图生成设备来传输地图资料的图表。
具体实施方式
如本发明所描述的地图生成设备,目的在于使用单目图像以及原图像和立体图像来生成地图。此外,所述地图生成设备根据单色图像以及根据彩色图像来生成地图。如图1中所示,所述地图生成设备指定图像上的建筑物屋顶,以便限制用于估算该建筑物屋顶的处理范围,提取包括指定位置的建筑物区域的多边形形状,并且将该建筑物的多边形形状投影在地面上,由此来获得地图中的一个图形,而不是进行手工绘图或者完全自动地识别。
图2是依照本发明一个实施例的地图生成设备的功能框图。
依照本发明的地图生成设备包括控制单元201、图像指定单元202、屋顶纹理分析单元203、多边形提取单元204、多边形修正单元205、临时记录单元206、临时数据库207、结构分析与合成单元208、地面投影单元209、向量生成单元210、用于建筑物多边形数据的存储单元211、向量地图数据库212以及修正接收单元213。
所述控制单元201监控依照此实施例的地图生成设备,并且在建筑物多边形形状提取过程中控制每个单元的操作。换言之,在建筑物多边形形状提取过程中,所述控制单元201确定将要激活的下一个功能。更具体地说,所述控制单元201接收涉及图像输入、建筑物多边形形状提取的起始和结束、删除结果、累加结果以及建筑物结构合成的命令,监控该建筑物多边形形状提取过程的执行状态,并且确定接下来要激活的功能。
所述图像指定单元202接收对至少一个位置的指定,其中所述位置位于将要提取多边形形状的航摄照片的建筑物上。
所述屋顶纹理分析单元203分析由图像指定单元202接收到的输入信息位置周围、诸如色彩以及纹理的特征,以便借此确定用于匹配的采样色彩和鉴别阈值以及用于建筑物区域检测的搜索范围。
所述多边形提取单元204在由屋顶纹理分析单元203确定的区域检测的搜索范围之内、鉴别与用于匹配的采样色彩之间的相似性(例如,在灰度级方面的相似性),所述用于匹配的采样色彩也是由屋顶纹理分析单元203确定的,并且提取与用于匹配的采样色彩具有相似色彩的建筑物区域像素。然后,所述多边形提取单元204使用与所提取的建筑物区域边界周围有关的信息来修正该建筑物的区域范围,并且使用该建筑物的边界、依照该建筑物区域的倾角提取多边形线条。
所述多边形修正单元205使用链接图案来修正由多边形提取单元204提取的多边形线条,并且使用若干建筑物区域的边界信息来修正多边形线条的位置。
所述临时记录单元206临时存储建筑物的多边形形状的中间结果,其中该建筑物的多边形形状是由多边形修正单元205修正的。
所述临时数据库207累积该建筑物的多边形形状的中间结果。
在该建筑物屋顶具有独特色彩或者独特结构的情况下,诸如具有人字屋顶的建筑物,所述结构分析与合成单元208根据建筑物结构知识来估算该建筑物区域,并且合成该建筑物区域。在无法仅仅通过一个指定来提取整个多边形线条的情况下,指定多个位置以便合成指定的建筑物区域。
为了将提取的建筑物多边形形状转换为在地面上的图样,所述地面投影单元209使用该建筑物的垂直方向的脊线,在地面上投影该建筑物区域的多边形线条。
所述向量生成单元210基于根据该建筑物区域的多边形线条得到的向量来生成该建筑物的多边形形状,其中所述建筑物区域的多边形线条是通过所述地面投影单元209获得的。
建筑物多边形数据存储单元211存储最后生成的建筑物区域的多边形线条的向量信息。
所述向量地图数据库212累积根据图像获得的向量地图信息。
修正接收单元213接收由操作者对所生成的向量地图信息进行的修正。
图3是用于解释建筑物特征分类的图表。
所述建筑物可以分类为其上部结构(屋顶)具有单一色彩(单个灰度级)的建筑物301,以及其屋顶均具有多个色彩的组合(多种色彩的组合)的建筑物302到305。可以将具有多个色彩组合的建筑物分类为其屋顶具有局部色彩差异(例如,由于暴露于风和雨中而显出色彩差异的部分)的建筑物302,以及由于屋顶的多种结构而均具有多个色彩的建筑物303到305。可以将具有多种结构的建筑物分类为具有不同灰度级部分的建筑物303,其中所述不同灰度级是因为其屋顶不是平面、从而因日光的不同光照角度产生的;配有诸如排气塔或者八角窗的小型结构的建筑物304;以及,其屋顶由大型的多种结构建造的建筑物305。
在使用单色照片的情况下,可以根据灰度级来鉴别那些建筑物屋顶的特征,但是在使用彩色照片的情况下需要根据屋顶的色彩来鉴别。在后者的情况中,通过获得三原色(红、绿和蓝)的每种颜色的灰度级、可以鉴别所述特征。也就是说,根据所述灰度级鉴别色彩。此外,后面将说明的用于匹配的采样色彩由三原色相应的灰度级限定。
图4是依照本发明实施例的建筑物多边形形状提取过程的流程图。
首先,操作者在将提取其多边形形状的建筑物上指定一个位置,并且这些内容在航摄照片中被示出(步骤401)。应该注意的是,对建筑物上的位置的指定可以对所述建筑物上的一个点或者具有确定面积的区域进行。然后,分析指定的建筑物的屋顶的灰度级或者纹理,并且根据对所述建筑物屋顶的灰度级的分析结果来提取用于匹配的采样像素,并且确定用于匹配的采样色彩、用于匹配的鉴别阈值以及用于区域检测的搜索范围(步骤402)。
然后确定用于区域检测的搜索范围中的像素是否在相对于步骤402中设置的、用于匹配的采样色彩的阈值范围之内,并且提取所述建筑物屋顶的多边形形状(步骤403)。
接下来,进行多边形形状修正过程(步骤404)。在所述多边形形状修正过程中,将在步骤403中提取的多边形线条与一个预定链接图案进行匹配,以便修正所述建筑物的多边形形状。此外,使用所述建筑物区域的边界来修正所述多边形线条的位置。
而后,进行结构分析与合成过程(步骤405)。在所述结构分析与合成过程中,分析所述建筑物屋顶的结构,并且识别所述屋顶的分布。在此,根据屋顶结构知识来估算所述建筑物屋顶,并且还估算所述建筑物区域,以及合成这些信息单元。在无法仅仅通过一个指定来提取整个建筑物区域的情况下,可指定多个位置来提取若干建筑物区域并且合成提取的建筑物区域。
接下来,进行多边形形状的地面投影过程(步骤406)。通过直到步骤405的过程提取的所述建筑物区域的多边形线条,不局限于地平面上的一条线。在航摄照片外围中的高层建筑物是从倾斜拍摄的,这使得必需要将所述建筑物屋顶转换为地平面图样。因此,使用所述建筑物垂直方向的脊线、将所述建筑物区域的多边形线条投影在地面上。
随后,说明将由图4中所示的建筑物多边形形状析取过程的细节构成。
图5是建筑物屋顶纹理分析处理的流程图(图4的步骤402)。
具体来讲,首先在指定位置周围计算像素的灰度级方差(步骤501)。在灰度级方差计算过程中,提取包括在一预定区域(例如,10点×10点)中的像素,其中在步骤401中指定的位置被设置在其中心处,并且计算提取的像素的灰度级方差。
接下来,选择用于匹配的采样像素(步骤502)。在选择用于匹配的采样像素的过程中,根据在步骤401中获得的指定位置周围的像素的灰度级方差与预定阈值之间的比较结果,由用于确定采样色彩的像素组成选定区域,其中所述采样色彩用于与建筑物区域抽取相匹配。也就是说,如果所述灰度级方差大于预定阈值,那么仅仅选择所述指定位置作为用于匹配的采样像素。这是因为灰度级方面的变化较大,以致通过下述方法获得的鉴别阈值也变得过大,所述方法根据该方差来确定所述鉴别阈值,这使得难以精确地提取建筑物区域。
另一方面,如果所述灰度级方差等于或者小于预定阈值,那么从预定区域中选出预定数量的用于匹配的采样像素,其中所述预定区域具有设置在其中心的指定位置。因为需要一些面积用于进行匹配的范围,故而将所述预定区域设定为大约15点×15点的范围。图6示出了用于匹配的采样像素的选定区域。将所述指定位置设定为预定范围的中心,并且选择沿预定区域的对角线方向、距离指定位置最远的位置(例如,具有四角形的预定区域的四个顶点)作为用于匹配的采样像素(在附图中用●表示)。
此外,选择远离已经确定的五个用于匹配的采样像素位置的位置(包括所述指定位置)作为用于匹配的采样像素。例如,位于经过指定位置纵向以及横向的线条上的位置之间的位置作为用于匹配的采样像素(在附图中由○表示)。据此,能够选择包括指定位置的用于匹配的九个采样像素。
接下来,计算用于匹配的采样色彩(灰度级)(步骤503)。在计算用于匹配的采样色彩的过程中,对包括在预定区域中的像素的色彩(灰度级)计算平均数,其中所述预定区域具有在步骤502中选择的、设置在其中心的用于匹配的每个采样像素。可以从相邻区域处(例如,3点×3点)获得与预定区域有关的信息,所述相邻区域具有设置在其中心的用于匹配的采样像素,以便计算灰度级平均数并且降低噪声。
接下来,选择用于建筑物区域检测的鉴别阈值以及搜索范围(步骤504)。在选择用于建筑物区域检测的鉴别阈值以及搜索范围的过程中,首先根据在步骤501中获得的色彩(灰度级)方差来确定用于建筑物区域检测的鉴别阈值。更具体地说,通过参考一个匹配表,可以根据所述灰度级方差来确定用于建筑物区域检测的鉴别阈值,其中所述匹配表存储有对应于灰度级方差的鉴别阈值,且所述灰度级方差被分成若干范围。将存储在所述匹配表中的鉴别阈值如此设定,即当所述灰度级方差较大时(当所述色彩是离散的时),将一个宽范围区域归入建筑物区域中。应该注意的是,所述鉴别阈值可以使用灰度级方差作为预定函数来运算(例如,用于将灰度级方差乘以一个预定值的线性函数),以便确定用于建筑物区域检测的鉴别阈值。
根据在步骤501中获得的色彩(灰度级)方差来确定用于建筑物区域检测的搜索范围。如此设定所述搜索范围,即当所述灰度级方差较小时,查找一个较宽范围中的外围像素,并且当所述灰度级方差较大时,查找窄范围中的外围像素。更具体地说,通过参考一个匹配表,可以根据所述灰度级方差确定用于建筑物区域检测的搜索范围,所述匹配表存储对应于在灰度级方差中的各步骤的搜索范围。应该注意的是,用于建筑物区域检测的搜索范围可以使用所述灰度级方差作为预定函数来运算(例如,用于将所述灰度级方差乘以预定值的线性函数),以便确定用于建筑物区域检测的搜索范围。
由此,在建筑物屋顶纹理分析过程中(图5),分析一个预定范围内的色彩特征或者图像纹理(步骤402),所述预定范围邻近于在步骤401中指定的位置,并且根据建筑物屋顶纹理的分析结果,将用于匹配的采样色彩、用于匹配的鉴别阈值以及用于区域检测的搜索范围确定为用于区域抽取的参数。据此,即使在建筑物屋顶根据它上面的位置而具有单色或者具有不同色彩的情况下,也能够确定用于区域抽取的适当参数。
图7是多边形形状提取过程的流程图(图4的步骤403)。
将用于提取建筑物区域的多边形线条的步骤分为两组,包括建筑物区域提取(步骤701到706)以及区域多边形线条提取(步骤707以及708)。
在建筑物区域提取过程中,使用在步骤503中获得的用于匹配的采样色彩(灰度级)以及在步骤504中获得的用于区域提取的参数(用于建筑物区域检测的鉴别阈值以及用于建筑物区域检测的搜索范围)来提取建筑物区域。在该情况下,通过如下所述的以下四个规则、根据指定位置周围的像素来进行建筑物区域检测。
(1)从用于区域检测的搜索范围中提取要被归入建筑物区域的像素,其中所述搜索范围在已经提取的建筑物区域周围。
(2)将像素的色彩(灰度级)与已经提取的建筑物区域内的邻近像素、以及与用于匹配的采样像素相比较,并且确定所述色彩(灰度级)的改变量,借此鉴别搜索到的像素是否属于建筑物区域。
(3)在已经提取的建筑物区域中的像素的色彩(灰度级)以及搜索范围中的那些象素的色彩显示出急剧变化的情况下,可以确定已经到达建筑物的边界,并且停止所述检测。此外,超过所提取的建筑物边界的区域不作为建筑物区域进行提取。
(4)使用与已经提取的建筑物区域以及建筑物区域周围的线条有关的信息来修正建筑物区域。
此外,在依据此实施例的多边形线条提取过程中,提取建筑物区域的多边形的顶点,并且追踪所述多边形以便提取一个闭合的多边形形状。
更具体地说,首先计算所述边缘图像(步骤701)。在所述边缘图像计算过程中,为每个像素计算相对于相邻像素的色彩(灰度级)方面的方向以及变化。然后,根据指示在色彩方面大规模地变化的方向,分别为相应象素获得指示大的灰度梯度的方向。例如,在通过将南北方向设定为参考轴而设定的0°到180°的范围之内(南北方向为0°、而东西方向为90°),表示出灰度梯度的方向。此外,将所述色彩(灰度级)转换为8位数字形式,并且按照256阶中以0到255来表示改变值。检测在色彩方面具有大于预定阈值的较大改变值的像素,以便用作边缘像素。
接下来,提取具有相似色彩(灰度级)的像素(步骤702)。在提取具有相似色彩的像素的过程中,提取具有类似于在步骤503中获得的用于匹配的采样色彩(灰度级)的色彩(灰度级)。在此,在边缘图像中的像素数目小于预定阈值的情况中,其中所述边缘图像是在已经提取的建筑物区域中的像素周围的预定区域中所包括的,将具有相似色彩(灰度级)的像素设定为建筑物区域的候选者。在边缘图像中的像素数目大于预定阈值的其他情况中,其中所述边缘图像是包括在已经提取的建筑物区域的像素周围的预定区域中所包括的,因为所提取的像素被鉴别为接近于边界,所以不将具有相似色彩(灰度级)的像素设定为建筑物区域的候选者。然后,将在前一种情况下选择的用于匹配的采样像素设定为建筑物区域的代表像素。
在只有指定位置的像素被选择用于在步骤502中进行匹配的采样像素的情况中(在仅仅选择了单个用于匹配的采样像素的情况中),使用欧几里德距离来计算用于匹配的采样像素的色彩(灰度级)与候选像素的色彩(灰度级)之间的差异。然后,根据灰度级差异与建筑物区域检测的鉴别阈值之间的比较结果,确定是否将候选像素设定为建筑物区域的像素。更具体地说,当所述灰度级差异(欧几里德距离)小于用于建筑物区域检测的鉴别阈值时,将候选像素设定为建筑物区域的像素。
同时,如表达式1中所示,在选择九个用于匹配的像素的情况中,使用欧几里德距离计算用于匹配的九个采样像素之间的灰度级差异。如果用于匹配的九个采样像素中的两个或更多像素相对于候选像素的色彩(灰度级)、具有小于用于建筑物区域检测(CM(i,j)≥2)的鉴别阈值的灰度级差异(欧几里德距离),那么提取候选像素作为建筑物区域像素。
在表达式1中,CM(i,j)表示用于匹配的采样像素数目,所述采样像素具有比用于建筑物区域检测的鉴别阈值小的、与像素(i,j)匹配的色度。
表达式1:
在表达式2中,f(x)表示用于鉴别条件x是真还是假的函数。当x是真时,f(x)返回1,而当x是假时,f(x)返回0。TH表示用于建筑物区域检测的鉴别阈值
表达式2:
表达式3表示像素(i,j)的色彩(灰度级)的值(m=R,G,B)。
表达式3:
PCi,j(m)
表达式4表示用于匹配(灰度级))))的采样色彩(m=R,G,B)。
表达式4:
此外,在候选像素和候选像素周围、用于区域检测的搜索范围中的像素之间,以及在候选像素和用于匹配的采样像素之间进行比较匹配。换言之,使用欧几里德距离计算候选像素的灰度级和用于区域检测的搜索范围中的像素的灰度级之间的差异。然后,根据用于建筑物区域检测的距离和鉴别阈值之间的比较结果,确定是否将候选像素设定为建筑物区域的像素。更具体地说,当所述灰度级差异(欧几里德距离)小于用于建筑物区域检测的鉴别阈值时,将候选像素设定为建筑物区域的像素。当所述灰度级差异等于或者大于用于建筑物区域检测的鉴别阈值时,因为当从建筑物区域提取出时鉴别出候选像素,故而不将候选像素设定为建筑物区域的像素。
如图8中所示,通过重复步骤702的上述过程,从已经提取的建筑物区域(指定位置)向附近来扩展建筑物区域的范围,借此提取建筑物区域。
接下来,修正建筑物区域(步骤703)。在建筑物区域修正过程中,使用与在步骤701中获得的边缘图像有关的信息来修正建筑物区域,以便增强提取建筑物区域的精确度。换言之,使用建筑物区域的边缘图像的边缘信息,以便通过霍夫变换将具有相同灰度梯度方向的像素彼此链接,并且获得所述灰度梯度的倾角以及线段的端点。在那之后,使用所获得的线条信息来修正建筑物区域。如图9中所示,在所述修正过程中,选择线条602,其中所述线条602彼此邻近以便围绕在步骤702中提取出的建筑物区域601,并且将建筑物区域扩大到所述邻近线条602。
接下来,计算区域倾角(步骤704)。在区域倾角的计算过程中,在于步骤703中修正的建筑物区域的边界之中选择最长的边界,以便调整区域倾角。
接下来,旋转建筑物区域(步骤705)。在建筑物区域旋转过程中,相对于在步骤704中获得的区域倾角,执行依照仿射变换以及平行位移的线性变换,以便旋转建筑物区域。建筑物区域往往由矩形或者矩形的组合形成,因此边界相对于轴线方向变得水平或者垂直。这能够简化处理多边形提取的操作,改善运算速度,并且增强操作精度。
接下来,在建筑物区域上执行平滑处理(步骤706)。在区域平滑过程中,如图10中所示,不平滑的建筑物区域边界被消除,并且被修正为直线。此外,填满区域内的洞,以便修正建筑物区域。
接下来,提取建筑物区域的多边形线条(步骤707)。在多边形线条提取过程中,首先将建筑物区域边界上的顶点作为多边形特征点来检测。然后,连接(追踪)多边形特征点以便借此提取作为向量信息的多边形线条。
接下来,将多边形线条修正为直线(步骤708)。在多边形线条修正过程中,将由若干短线段组成的多边形线条修正为单条直线。例如,将以Z字形方式(逐步的)连接的短线段转换为单条斜线。
在那之后,以与在步骤705中相同的角度、沿相反方向旋转建筑物区域的多边形线条的向量信息,以便将建筑物区域返回到正常方向。
如上所述,依照所述建筑物区域提取过程,使用在步骤503和504中获得的用于区域提取的参数来提取包括指定位置的建筑物区域。结果,在建筑物屋项根据它上面的位置而具有单色或者具有不同色彩的情况中,可以适当地提取建筑物区域。
此外,依照所述多边形线条提取过程,提取建筑物区域的多边形顶点并且对其进行描绘,以便具有闭合多边形形状。结果,可以获得建筑物区域的多边形线条的向量信息。
图11是多边形形状修正的流程图(图4的步骤404)。
在多边形形状修正过程中,为了进一步增强在建筑物多边形形状方面的精确度,根据建筑物区域往往由直线形成这一实事,来修正建筑物区域的多边形线条,以便与建筑物区域的实际边界排成直线。作为多边形形状修正,执行多边形形状的修正(步骤1101到1103)以及多边形线条的位置修正(步骤1104到1106)。
首先,计算建筑物区域的多边形线条的长度和方向(步骤1101)。在多边形线条计算过程中,计算每个多边形线条的长度以及每个多边形线条与水平方向之间的角度。
接下来,修正多边形形状(步骤1102)。在所述多边形形状修正过程中,如图12中所示,当所述多边形线条对应于预定修正图案时,修正所述多边形线条。例如,在于长线之间插入短线的情况中,将三条线判定为连续的直线,并且删去所述短线以便连接两条长线(图12的P1)。作为选择,在短线存在于两条线条之间的交点附近的情况中,将所述两条线条判定为交叉,并且删去所述短线以便使两条长线交叉(图12的P2)。此外,在两条直线处于基本为直角的位置关系(例如,两条线以85°到95°的角度交叉)的情况中,这两条线被判定为以直角交叉,并且修正这两条线之间的交叉点,以便形成两个长线条之间的直角(图12的P4)。此外,在相邻的两条直线相交成170°到190°的角度的情况中,将这两条线判定为是单条线条,并且将这两条线归并到单条直线中(图12的P5)。
然后,鉴别对应于预定图案的线条是否保留在建筑物区域的多边形线条中,并且确定整个形状修正是否已经结束(步骤1103)。当鉴别所述形状修正是未完成的时,过程返回到步骤1102,以便进一步执行多边形形状修正过程。
另一方面,当鉴别整个形状修正已经结束时,过程前进到步骤1104以便计算建筑物区域的整个界线的分布直方图。在计算区域边界分布直方图的过程中(步骤1104),沿水平方向以及垂直方向对边界线进行投影以便计算建筑物区域的边界线分布直方图。为所有已提取的建筑物计算直方图,并且对所述直方图进行累积操作,用于统计处理。
接下来,检测边界位置(步骤1105)。在边界位置检测过程中,沿水平方向和垂直方向、从相应的直方图中检测多边形线条直方图的峰值位置,其中所述相应的直方图是在步骤1104中获得的。沿水平方向和垂向获得的相应的峰值位置被用于在所述图像上形成网格(例如由图13中所示的网格线1302到1305组成)。
接下来,进行多边形线条的位置修正(步骤1106)。在多边形位置修正过程中,将沿水平方向和垂直方向的多边形线条被移到最接近的网格的位置,并且可以获得其位置已经修正了的多边形线条。例如,如图13中所示,在直方图的峰值位置形成的网格线1302到1305用来移动多边形1301的位置,其中所述直方图是沿水平方向和垂直方向检测的,并且可以获得其位置已经修正了的多边形1306。
如上所述,依照所述多边形形状修正过程,修正基于建筑物多边形形状的特征(也就是说,使用建筑物多边形线条的线性或者正交性)的建筑物多边形形状,这能够增强建筑物多边形形状方面的精确度。此外,依照所述多边形位置修正过程,由于建筑物多边形易于在具体位置中收集,诸如沿公路的位置,故而建筑物多边形形状被修正为恰当的位置,这样做能够增强在建筑物多边形形状的位置方面的精确度。
图14是建筑物区域的分析与合成的流程图(图4的步骤405)。
在建筑物区域合成过程中,例如,如在建筑物具有人字屋顶的场合下,具有倾斜面的建筑物屋顶根据目光落到所述屋顶上的多少、引起了在屋顶表面的色彩(灰度级)中的差异,并且可以被作为不同的建筑物区域提取,以致于许多建筑物区域需要合成。因此,基于所提取的建筑物区域的边界以及建筑物区域内的线条来合成建筑物区域。
首先,对建筑物区域的边界以及建筑物区域内的线条进行检测(步骤1401)。在线条提取过程中,利用在步骤703中提取的建筑物区域的边界以及与建筑物区域内的线条有关的信息来检测所述线条。
接下来,检测交叉线组(步骤1402)。在交叉线组检测过程中,从在步骤1401提取的线条中检测彼此交叉的线条,并且将这些线条分组。然后,对已分组的线条计算交叉位置以及交叉角度。
接下来,鉴别交叉线的形状图案(步骤1403)。在鉴别交叉线形状图案的过程中,鉴别所述交叉线的位置关系(交叉位置以及交叉角度)是否对应于图15和16中所示的任意预定合成图案。更具体地说,示出了将要合成的建筑物的上部结构的合成图案包括T形图案,其中一条线接触另一条线的端点,并且两条线处于正交关系,此外,所述合成图案还包括其中两条线彼此交叉的X形图案,其中三条线交汇于一点的Y形图案,以及其中一条线的一端与另一条线的一端重合的V形图案(具有三个类型V1、V2以及V3)。
接下来,鉴别对应的合成图案存在与否(步骤1404)。在用于鉴别相应的合成图案存在与否的过程中,鉴别建筑物区域的边界或者建筑物区域内部的线条是否对应于图15和16中所示的任意合成图案。当存在对应于合成图案T、X、Y、V1、V2和V3的任意一个的线条时,进程前进到步骤1405的过程。当没有线条对应于任何一个合成图案时,结束用于合成建筑物结构的过程。
接下来,估算建筑物区域(步骤1405)。在建筑物区域估算过程中,当所述线条对应于图15中所示的合成图案T、X或者Y时,获得一根轴,该轴经过所述线条之间的交点并且具有所述线条的最小力矩。然后,在将轴线方向设定为参考的同时,计算包含由交叉图案组成的线条的矩形的最小范围。作为选择,当所述线条对应于图16中所示的线条图案V1或者V3时,在将最长线条的方向设定为参考的同时,计算包含由交叉图案组成的线条的矩形最小范围,并且将其归入建筑物区域。此外,当所述线条对应于图16中所示的线条图案V2时,在与最长线条的方向正交的线条为中心轴的同时,估算建筑物区域也存在于相对侧,并且这也被归入在所述建筑物区域中。
接下来,合成建筑物区域(步骤1406)。在建筑物区域合成过程中,通过将所估算的建筑物区域增加到原始建筑物区域上,可以生成新建筑物区域。在那之后,进程返回到步骤1401,并且为新建筑物区域的线条检测合成图案。
然后,当建筑物结构合成过程结束时,所述进程返回到步骤402,并且从最新合成的建筑物区域中提取多边形形状(步骤403)。另一方面,当不存在将要合成的建筑物区域时,所述进程前进到用于多边形形状的地面投影的过程(步骤406)。
对于即便使用图15和16中所示的合成图案也无法合成建筑物的情况,操作者指定构成一个建筑物的建筑物区域,以便借此合成建筑物区域。
如上所述,依照建筑物区域合成过程,根据在基于建筑物结构知识预定的合成图案与所提取的建筑物区域的线条之间的比较结果,在相同建筑物中包括的上部结构可以被识别并且合成,而且具有更复杂的上部结构的建筑物可以被检测。
图17是用于多边形形状地面投影的过程(图4的步骤406)的流程图。
在用于多边形形状的地面投影的过程中,首先检测在垂直方向上、在建筑物墙壁之间由棱形成的线条(脊线:图18的1802到1804)(步骤1701)。在脊线检测过程中,相对于所提取的建筑物区域的多边形信息(图18的1801)使用与步骤703相同的方法,以便检测所述脊线(图18的1802到1804),它们沿多边形形状的顶点周围、在长度和倾角之间的差异小于重新确定的阈值。
接下来,计算屋顶和地面之间的距离(步骤1702)。在计算屋顶和地面之间的距离的过程中,计算所检测的脊线的长度的平均值,以便将其设定为屋顶和所述地面之间的距离。
接下来,计算屋顶形状的减小比例(步骤1703)。在计算减小比例的过程中,选择从屋顶形状的两个邻顶圆周伸出的脊线。然后,当所述多边形线条从所述顶层沿两条脊线并行移动到地平面时,计算位于两条脊线之间的屋顶形状的多边形线条的减小比例,以便将其设定为所述屋顶形状的减小比例。
接下来,将所述建筑物区域的多边形形状投影到所述地面上(步骤1704)。在所述地面投影过程中,使用在步骤1702中获得的屋顶和地面之间的距离以及在步骤1703中获得的减小比例来依照仿射变换和在建筑物区域的多边形形状上的平行位移,来进行线性变换,借此将缩小的建筑物区域的多边形形状投影在地面上。结果,可以获得在地平面上的形状(图18的1805)。
如上所述,依照多边形形状的地面投影的过程,使用由在垂直方向上的建筑物墙壁之间的棱形成的所述线条(脊线)、在地面上投影建筑物屋顶的多边形。据此,因拍摄照片的位置而产生的失真图像以及建筑物的高度可以被转换为地平面上的形状。
随后,说明将由使用依照本发明实施例的地图生成设备来传输地图资料这一内容组成。如图19中所示,GIS中心1903接收来自于用户1904的一个命令(地图成本),并且令本发明的地图生成设备通过使用来源于图像供应商1902的图像来创建一个地图,所述地图具有详细的建筑物多边形形状。这时,添加信息,以便使所述地图创建源图像与所创建的地图相关联。更具体地说,在根据本发明实施例的位置指定步骤中所指定的、在地图创建源图像内的建筑物等等的位置,与通过将相同的标识号添加到它们两者等而创建的地图内的该建筑物等等相关联。此外,可以在每个建筑物的屋顶数据(建筑物的名称、地址、高度等等)与已完成的地图数据相关联的同时,存储所述数据。
将与所述图像相关联的地图提供给用户1904。
Claims (18)
1.一种地图生成设备,包括:
图像指定单元,用于接收对存在于一个航摄照片内的建筑物中的至少一个位置的指定;
多边形提取单元,用于根据对在所述指定位置周围的色彩的鉴别结果,提取一个建筑物区域,并提取所述建筑物区域的多边形线条;以及
向量生成单元,用于生成所述建筑物区域的多边形线条的向量。
2.如权利要求1所述的地图生成设备,还包括屋顶纹理分析单元,用于分析所述指定位置周围的色彩,以便确定用于匹配的采样色彩、鉴别阈值以及区域搜索范围,
其中,所述多边形提取单元根据所述搜索区间范围中的建筑物屋顶的色彩与用于匹配的采样色彩之间的鉴别结果,来提取建筑物区域像素,并且提取在所提取的建筑物区域像素周围的线条作为多边形线条。
3.如权利要求2所述的地图生成设备,其中所述屋顶纹理分析单元从包括所述指定位置的预定区域中提取若干像素,并且根据对多个像素的色彩的统计分析结果、确定用于匹配的采样色彩、鉴别阈值以及区域搜索范围。
4.如权利要求3所述的地图生成设备,其中当从包括指定位置的预定区域中提取的许多像素的色彩中存在大的方差时,所述屋顶纹理分析单元扩大所述鉴别阈值的区域,并且降低所述区域搜索范围。
5.如权利要求1所述的地图生成设备,其中所述多边形提取单元提取在色彩方面与相邻象素具有很大差异的像素作为边缘像素,根据所述边缘像素确定边界线,将已提取的建筑物区域扩大到接近建筑物区域的边界线,以便修正建筑物区域。
6.如权利要求1所述的地图生成设备,其中所述多边形提取单元旋转建筑物区域以便沿预定轴线方向设定建筑物区域的多边形线条,并且平滑所述多边形线条。
7.如权利要求1所述的地图生成设备,还包括多边形修正单元,用于在由所述多边形提取单元提取的多边形线条对应于预定链接图案的情况下,将所述多边形线条修正为一条直线和以预定角度彼此相交的线条中的一种。
8.如权利要求1所述的地图生成设备,还包括结构分析与合成单元,用于在建筑物屋顶的线条对应于预定合成图案的情况下,合成建筑物区域以便包括所述线条。
9.如权利要求1所述的地图生成设备,其中所述结构分析与合成单元合成由若干输入位置指定的建筑物区域。
10.如权利要求1所述的地图生成设备,还包括地面投影单元,在所述航摄照片倾斜地示出建筑物的情况下,修正因为该建筑物高度而产生的失真,并且将建筑物多边形形状投影在地面上。
11.一种地图递送方法,用来通过使由依照权利要求1的任何一种地图生成设备创建的地图与所述航摄照片相关联来递送地图。
12.一种用于生成地图的计算机程序产品,所述计算机程序产品包括:
接收对存在于航摄照片内的建筑物中的至少一个位置的指定;
根据对指定位置周围的色彩的鉴别结果来提取建筑物区域,并且提取建筑物区域的多边形线条;以及
生成建筑物区域的多边形线条的向量。
13.如权利要求12所述的计算机程序产品,进一步包括:
分析指定位置周围的色彩以便确定用于匹配的采样色彩、鉴别阈值以及区域搜索范围;
根据对在区域搜索范围中的建筑物屋顶色彩与用于匹配的采样色彩之间的相似性的鉴别结果,来提取建筑物区域像素,以及
提取所述已提取的建筑物区域像素周围的线条作为所述多边形线条。
14.如权利要求12所述的计算机程序产品,包括:
从相邻像素中提取在色彩方面具有很大差异的像素作为边缘像素,并且根据所述边缘像素来确定边界线;
将所提取的建筑物区域扩大到接近建筑物区域的边界线,并且修正建筑物区域。
15.如权利要求12所述的计算机程序产品,进一步包括:
旋转建筑物区域以便沿预定轴线方向设定建筑物区域的多边形线条;以及在旋转之后平滑所述多边形线条。
16.如权利要求12所述的计算机程序产品,在由所述多边形提取单元提取的多边形线条对应于预定链接图案的情况下,还包括将所述多边形线条修正为一条直线以及以预定角度彼此相交的线条中的一种。
17.如权利要求12所述的计算机程序产品,进一步包括:
在建筑物屋顶的线条对应于一个预定合成图案的情况下,合成建筑物区域以便包括所述线条;以及
合成由若干输入位置指定的建筑物区域。
18.如权利要求12所述的计算机程序产品,还包括:在所述航摄照片倾斜地示出建筑物的情况下,修正因为该建筑物高度产生的失真,并且将建筑物多边形形状投影在地面上。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP140472/2003 | 2003-05-19 | ||
JP2003140472A JP4319857B2 (ja) | 2003-05-19 | 2003-05-19 | 地図作成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1573811A true CN1573811A (zh) | 2005-02-02 |
CN100349185C CN100349185C (zh) | 2007-11-14 |
Family
ID=33529193
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2004100024873A Expired - Fee Related CN100349185C (zh) | 2003-05-19 | 2004-01-20 | 地图生成设备、地图发送方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US7515153B2 (zh) |
JP (1) | JP4319857B2 (zh) |
CN (1) | CN100349185C (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101828093B (zh) * | 2007-10-19 | 2012-07-25 | 株式会社博思科 | 房屋变动判断方法 |
CN101978395B (zh) * | 2008-04-23 | 2012-10-03 | 株式会社博思科 | 建筑物屋顶轮廓识别装置及建筑物屋顶轮廓识别方法 |
WO2013104127A1 (en) * | 2012-01-12 | 2013-07-18 | Google Inc. | Generating an indoor map model |
US9173069B2 (en) | 2012-01-12 | 2015-10-27 | Google Inc. | Navigating using an indoor map representation |
CN105143909A (zh) * | 2012-06-26 | 2015-12-09 | 多伦多大学理事会 | 用于无线电地图的动态生成的系统、方法和计算机程序 |
CN116051430A (zh) * | 2023-03-31 | 2023-05-02 | 厦门精图信息技术有限公司 | 一种界线地图检查修复系统及方法 |
Families Citing this family (61)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050195096A1 (en) * | 2004-03-05 | 2005-09-08 | Ward Derek K. | Rapid mobility analysis and vehicular route planning from overhead imagery |
JP4521235B2 (ja) * | 2004-08-25 | 2010-08-11 | 日立ソフトウエアエンジニアリング株式会社 | 撮影画像の変化抽出装置及び方法 |
JP4602074B2 (ja) * | 2004-12-28 | 2010-12-22 | シャープ株式会社 | 太陽光発電装置設置支援システム及びプログラム |
KR100657943B1 (ko) * | 2005-01-07 | 2006-12-14 | 삼성전자주식회사 | 2차원 건물 데이터의 실시간 3차원 변환 방법 및 장치,그리고 이를 이용한 2차원 건물 데이터의 실시간 3차원시각화 방법 및 장치 |
JP4766992B2 (ja) * | 2005-10-31 | 2011-09-07 | アイシン・エィ・ダブリュ株式会社 | 道路ペイント認識システム、道路ペイント認識方法及び道路ペイントデータベースの作成方法 |
JP5074622B2 (ja) * | 2005-11-01 | 2012-11-14 | 株式会社日立ソリューションズ | 地理画像処理システム |
JP4908867B2 (ja) * | 2005-11-01 | 2012-04-04 | 株式会社日立ソリューションズ | 地理画像処理システム |
WO2007069294A1 (ja) * | 2005-12-12 | 2007-06-21 | Atsuhiro Ueda | 画像診断用データ・サンプリング・デバイス並びに該デバイスに用いられる撮像用アダプタ |
US7917292B1 (en) | 2006-10-17 | 2011-03-29 | Jpmorgan Chase Bank, N.A. | Systems and methods for flood risk assessment |
US8655595B1 (en) | 2006-10-17 | 2014-02-18 | Corelogic Solutions, Llc | Systems and methods for quantifying flood risk |
US8077927B1 (en) | 2006-11-17 | 2011-12-13 | Corelogic Real Estate Solutions, Llc | Updating a database with determined change identifiers |
US8542884B1 (en) | 2006-11-17 | 2013-09-24 | Corelogic Solutions, Llc | Systems and methods for flood area change detection |
US8649567B1 (en) | 2006-11-17 | 2014-02-11 | Corelogic Solutions, Llc | Displaying a flood change map with change designators |
US8538918B1 (en) | 2006-12-05 | 2013-09-17 | Corelogic Solutions, Llc | Systems and methods for tracking parcel data acquisition |
JP4914266B2 (ja) * | 2007-03-29 | 2012-04-11 | 株式会社野村総合研究所 | 人口推定装置およびプログラム |
JP4904449B2 (ja) * | 2007-04-27 | 2012-03-28 | 国立大学法人 宮崎大学 | 画像処理による稜線・尾根線の判定方法とその装置 |
US20090089018A1 (en) * | 2007-09-28 | 2009-04-02 | Harris Corporation | Geospatial modeling system providing building generation based upon user input on 3d model and related methods |
US20090234692A1 (en) * | 2008-03-13 | 2009-09-17 | Tigo Energy, Inc. | Method and System for Configuring Solar Energy Systems |
JP5347117B2 (ja) * | 2008-03-28 | 2013-11-20 | 株式会社ジオ技術研究所 | 地物抽出装置 |
WO2010045271A1 (en) * | 2008-10-14 | 2010-04-22 | Joshua Victor Aller | Target and method of detecting, identifying, and determining 3-d pose of the target |
JP5412791B2 (ja) * | 2008-10-27 | 2014-02-12 | 株式会社ニコン | デジタルカメラ、および画像処理プログラム |
US8732592B2 (en) * | 2009-06-08 | 2014-05-20 | Battelle Energy Alliance, Llc | Methods and systems relating to an augmented virtuality environment |
JP5360989B2 (ja) | 2009-09-29 | 2013-12-04 | 株式会社日立ソリューションズ | 地理情報生成システム及び地理情報生成方法 |
US8614703B1 (en) * | 2010-10-14 | 2013-12-24 | Google Inc. | Automatic border alignment of objects in map data |
US8817049B2 (en) * | 2011-04-29 | 2014-08-26 | Microsoft Corporation | Automated fitting of interior maps to general maps |
JP5592308B2 (ja) * | 2011-05-19 | 2014-09-17 | 富士重工業株式会社 | 環境認識装置 |
US20140081605A1 (en) * | 2011-06-09 | 2014-03-20 | Kyoto University | Dtm estimation method, dtm estimation program, dtm estimation device, and method for creating 3-dimensional building model, and region extraction method, region extraction program, and region extraction device |
US9086484B2 (en) * | 2011-06-30 | 2015-07-21 | The Boeing Company | Context-based target recognition |
US9639757B2 (en) * | 2011-09-23 | 2017-05-02 | Corelogic Solutions, Llc | Building footprint extraction apparatus, method and computer program product |
US20130155109A1 (en) * | 2011-11-29 | 2013-06-20 | Pictometry International Corp. | System for automatic structure footprint detection from oblique imagery |
US10515414B2 (en) | 2012-02-03 | 2019-12-24 | Eagle View Technologies, Inc. | Systems and methods for performing a risk management assessment of a property |
US9933257B2 (en) | 2012-02-03 | 2018-04-03 | Eagle View Technologies, Inc. | Systems and methods for estimation of building wall area |
US10663294B2 (en) | 2012-02-03 | 2020-05-26 | Eagle View Technologies, Inc. | Systems and methods for estimation of building wall area and producing a wall estimation report |
US8774525B2 (en) * | 2012-02-03 | 2014-07-08 | Eagle View Technologies, Inc. | Systems and methods for estimation of building floor area |
US9599466B2 (en) | 2012-02-03 | 2017-03-21 | Eagle View Technologies, Inc. | Systems and methods for estimation of building wall area |
US9317966B1 (en) * | 2012-02-15 | 2016-04-19 | Google Inc. | Determine heights/shapes of buildings from images with specific types of metadata |
US9501700B2 (en) | 2012-02-15 | 2016-11-22 | Xactware Solutions, Inc. | System and method for construction estimation using aerial images |
US9582932B2 (en) * | 2012-06-05 | 2017-02-28 | Apple Inc. | Identifying and parameterizing roof types in map data |
US20140153789A1 (en) * | 2012-11-30 | 2014-06-05 | Qualcomm Incorporated | Building boundary detection for indoor maps |
US9292747B2 (en) * | 2013-03-15 | 2016-03-22 | The Boeing Company | Methods and systems for automatic and semi-automatic geometric and geographic feature extraction |
CA2920251A1 (en) | 2013-08-02 | 2015-02-05 | Xactware Solutions, Inc. | System and method for detecting features in aerial images using disparity mapping and segmentation techniques |
KR101347270B1 (ko) | 2013-08-05 | 2014-01-06 | 동국지리정보(주) | 항공영상이미지의 편집을 위한 고정밀 영상도화 제작시스템 |
KR101347248B1 (ko) | 2013-08-05 | 2014-01-15 | 동국지리정보(주) | 수치지도 수정제작 정확도 확보를 위한 기준점 조정 및 gps 정보 기반을 활용한 영상도화 처리시스템 |
KR101347260B1 (ko) | 2013-08-05 | 2014-01-06 | 동국지리정보(주) | 촬영이미지별 수치데이터 합성을 처리하는 영상도화이미지 제작시스템 |
KR102279026B1 (ko) * | 2014-11-07 | 2021-07-19 | 삼성전자주식회사 | 적어도 하나의 객체를 포함하는 영상에서 객체를 추출하여 보정한 영상을 제공하는 장치 및 방법 |
JP6045625B2 (ja) * | 2015-03-20 | 2016-12-14 | 株式会社Pfu | 画像処理装置、領域検出方法及びコンピュータプログラム |
US10049434B2 (en) | 2015-10-15 | 2018-08-14 | The Boeing Company | Systems and methods for object detection |
JP2017134596A (ja) * | 2016-01-27 | 2017-08-03 | 株式会社東芝 | 画像処理方法及びプロセスシミュレーション装置 |
JP2018151994A (ja) * | 2017-03-14 | 2018-09-27 | 富士通株式会社 | 画像処理方法、画像処理プログラム、及び画像処理装置 |
US10504283B2 (en) * | 2018-03-16 | 2019-12-10 | Here Global B.V. | Method and apparatus for regularizing building footprints using taxicab distance |
US10762681B2 (en) * | 2018-06-26 | 2020-09-01 | Here Global B.V. | Map generation system and method for generating an accurate building shadow |
US11164031B2 (en) | 2018-06-26 | 2021-11-02 | Here Global B.V. | System and method for analyzing an image of a vehicle |
JP7077913B2 (ja) * | 2018-10-24 | 2022-05-31 | 日本電信電話株式会社 | 中心線簡素化装置、ネットワークデータ生成システム、及びプログラム |
US10922881B2 (en) * | 2018-11-02 | 2021-02-16 | Star Global Expert Solutions Joint Stock Company | Three dimensional/360 degree (3D/360°) real-time full information smart management integrated mapping system (SMIMS) and process of generating the same |
US20220179063A1 (en) * | 2019-03-28 | 2022-06-09 | Nec Corporation | Image processing device, image processing method, and image processing computer program |
US11455894B2 (en) * | 2019-10-28 | 2022-09-27 | Skydio, Inc. | Structure scan using unmanned aerial vehicle |
US11094113B2 (en) | 2019-12-04 | 2021-08-17 | Geomni, Inc. | Systems and methods for modeling structures using point clouds derived from stereoscopic image pairs |
KR102569366B1 (ko) * | 2020-04-23 | 2023-08-23 | 주식회사 키센스 | 인공지능을 이용한 사용자 참여형 인식 플랫폼에서 시설물 설치 가능 지점 판별 방법 및 그 장치 |
US11868377B2 (en) * | 2020-05-01 | 2024-01-09 | CACI, Inc.—Federal | Systems and methods for providing geodata similarity |
CN112348836B (zh) * | 2020-11-06 | 2024-03-12 | 二十一世纪空间技术应用股份有限公司 | 一种自动提取建筑物轮廓的方法及装置 |
JPWO2023026441A1 (zh) * | 2021-08-26 | 2023-03-02 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4811409A (en) * | 1985-09-12 | 1989-03-07 | Insystems, Inc. | Method and apparatus for detecting defect information in a holographic image pattern |
FR2674354A1 (fr) * | 1991-03-22 | 1992-09-25 | Thomson Csf | Procede d'analyse de sequences d'images routieres, dispositif pour sa mise en óoeuvre et son application a la detection d'obstacles. |
US5602564A (en) * | 1991-11-14 | 1997-02-11 | Hitachi, Ltd. | Graphic data processing system |
JPH06203157A (ja) * | 1992-10-14 | 1994-07-22 | Fujitsu Ltd | カラー画像処理方法および装置 |
TW371334B (en) * | 1994-03-18 | 1999-10-01 | Hitachi Ltd | Method for retrieving database with image information |
JP3611351B2 (ja) * | 1994-11-21 | 2005-01-19 | 株式会社日立製作所 | 立体図形データの記録方法 |
JP4088386B2 (ja) | 1999-04-28 | 2008-05-21 | 株式会社日立製作所 | 地図情報更新方法 |
US6619406B1 (en) * | 1999-07-14 | 2003-09-16 | Cyra Technologies, Inc. | Advanced applications for 3-D autoscanning LIDAR system |
JP4094219B2 (ja) * | 2000-09-19 | 2008-06-04 | アルパイン株式会社 | 車載用ナビゲーション装置の立体地図表示方法 |
JP3788378B2 (ja) * | 2002-03-27 | 2006-06-21 | ソニー株式会社 | 3次元モデル生成システム及び方法、並びにコンピュータ・プログラム |
CN1152341C (zh) * | 2002-08-27 | 2004-06-02 | 上海交通大学 | 房屋数字地图自动生成方法 |
JP2004163480A (ja) * | 2002-11-11 | 2004-06-10 | Hitachi Ltd | 地図生成システム及び地図管理システム |
-
2003
- 2003-05-19 JP JP2003140472A patent/JP4319857B2/ja not_active Expired - Fee Related
-
2004
- 2004-01-20 US US10/759,234 patent/US7515153B2/en not_active Expired - Fee Related
- 2004-01-20 CN CNB2004100024873A patent/CN100349185C/zh not_active Expired - Fee Related
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101828093B (zh) * | 2007-10-19 | 2012-07-25 | 株式会社博思科 | 房屋变动判断方法 |
CN101978395B (zh) * | 2008-04-23 | 2012-10-03 | 株式会社博思科 | 建筑物屋顶轮廓识别装置及建筑物屋顶轮廓识别方法 |
WO2013104127A1 (en) * | 2012-01-12 | 2013-07-18 | Google Inc. | Generating an indoor map model |
US9052206B2 (en) | 2012-01-12 | 2015-06-09 | Google Inc. | Generating an indoor map model |
US9173069B2 (en) | 2012-01-12 | 2015-10-27 | Google Inc. | Navigating using an indoor map representation |
US9472004B2 (en) | 2012-01-12 | 2016-10-18 | Google Inc. | Navigating using an indoor map representation |
CN105143909A (zh) * | 2012-06-26 | 2015-12-09 | 多伦多大学理事会 | 用于无线电地图的动态生成的系统、方法和计算机程序 |
CN116051430A (zh) * | 2023-03-31 | 2023-05-02 | 厦门精图信息技术有限公司 | 一种界线地图检查修复系统及方法 |
CN116051430B (zh) * | 2023-03-31 | 2023-06-30 | 厦门精图信息技术有限公司 | 一种界线地图检查修复系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2004341422A (ja) | 2004-12-02 |
CN100349185C (zh) | 2007-11-14 |
JP4319857B2 (ja) | 2009-08-26 |
US20040263514A1 (en) | 2004-12-30 |
US7515153B2 (en) | 2009-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1573811A (zh) | 地图生成设备、地图发送方法以及地图生成程序 | |
CN108596066B (zh) | 一种基于卷积神经网络的字符识别方法 | |
CN106468543B (zh) | 一种基于图像处理的叶片面积测量方法 | |
CN1924899A (zh) | 复杂背景下qr码图像符号区域的精确定位方法 | |
CN1696612A (zh) | 导航装置及地图显示方法 | |
CN105308944A (zh) | 对移动设备捕获的数字图像中的对象进行分类的系统和方法 | |
CN1185850A (zh) | 活动视频图象中的对象识别 | |
US20140133741A1 (en) | Device for generating three dimensional feature data, method for generating three-dimensional feature data, and recording medium on which program for generating three-dimensional feature data is recorded | |
CN100351647C (zh) | 基于遥感影像和gis数据的面状地物变化检测方法 | |
CN110446906A (zh) | 三维扫描设备和方法 | |
CN1159036A (zh) | 图象编辑装置 | |
CN101029824A (zh) | 基于车辆特征的车辆定位方法和装置 | |
CN1738426A (zh) | 一种视频运动目标分割与跟踪方法 | |
CN1539120A (zh) | 三维电子地图数据的生成方法 | |
CN1851555A (zh) | 实现二维全景真实成像的方法 | |
CN110473221B (zh) | 一种目标物体自动扫描系统及方法 | |
US11170536B2 (en) | Systems and methods for home improvement visualization | |
CN101303231A (zh) | 正射镶嵌线的自动选择与正射影像无缝镶嵌方法 | |
CN101059435A (zh) | 基于彩色ccd图像分析的森林火情烟雾检测方法 | |
CN103544685A (zh) | 一种基于主体调整的图像构图美化方法及系统 | |
CN1873647A (zh) | Cad方法、cad系统以及存储其cad程序的程序存储介质 | |
CN109118588B (zh) | 一种基于块分解的彩色lod模型自动生成方法 | |
CN108491786A (zh) | 一种基于分级网络和聚类合并的人脸检测方法 | |
CN108022245B (zh) | 基于面线基元关联模型的光伏面板模板自动生成方法 | |
CN1804861A (zh) | 一种文稿图像几何畸变的校正方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CI03 | Correction of invention patent |
Correction item: Instruction ninth Correct: Reprint the correct instructions, page ninth False: Incorrect instructions, Ninth pages Number: 46 Volume: 23 |
|
COR | Change of bibliographic data |
Free format text: CORRECT: DESCRIPTION PAGE 9; FROM: FALSE INSTRUCTIONS PAGE 9 TO: REPUBLISH PAGES 9 OF THE CORRECT SPECIFICATION |
|
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20071114 Termination date: 20120120 |