[发明专利]一种数字城市的继承式自动生成及实时更新方法有效

专利信息
申请号: 200710123797.4 申请日: 2007-10-10
公开(公告)号: CN101149843A 公开(公告)日: 2008-03-26
发明(设计)人: 朱定局;樊建平 申请(专利权)人: 深圳先进技术研究院
主分类号: G06T17/00 分类号: G06T17/00;G06F17/30
代理公司: 深圳市君胜知识产权代理事务所 代理人: 杨宏
地址: 518067广东省深圳市南山区蛇*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 数字 城市 继承 自动 生成 实时 更新 方法
【权利要求书】:

1.一种数字城市的继承式自动生成及实时更新方法,其应用于一通用计算机系统,利用已有的数字城市和知识库,并包括以下步骤:

A、获取不同时间的遥感影像进行变化监测,生成一变化的影像图;

B、在变化的影像图中进行物体识别,对识别出的物体与知识库中的三维模型进行匹配;

C、将匹配返回的三维模型植入所述数字城市中的对应位置,实时生成后一时间的数字城市。

2.根据权利要求1所述的方法,其特征在于,所述步骤A还包括以下步骤:

A1、找到不同时间的遥感影像中的同名点做为控制点自动提取,包括角点,拐点、道路交叉线的提取;

A2、基于仿射变换模型的几何配准方法,先寻找影像同名点,带入建立的仿射变换模型,通过多次计算得到最优仿射变换参数,按照最优配准参数对输入图像进行坐标变换,得到地理位置基本匹配的两时相图;

A3、在两时相图上做地物级别的比较,得到变化的影像图ΔP。

3.根据权利要求2所述的方法,其特征在于,所述步骤A2还包括在每次计算前剔除偏差最大的多个同名点。

4.根据权利要求1所述的方法,其特征在于,所述知识库的形成过程还设置一图像库,其包括步骤:

D1、从遥感影像中提取各种类型的个体的有代表性的图像,并且将

这些有代表性的图像进行分类,抽取其共性,形成第一级特征图像;

D2、在此级别中进行划分出子类,并在各子类的所有图像中分别抽取共性,给各子类分别赋予一个特征图像;

如此类推,直到其划分基本上代表了该个体有代表性的各种类型为止。

5.根据权利要求4所述的方法,其特征在于,设置一模型库的分类结构与所述图像库的分类结构一致,图像库中的一个图像与模型库中的一个模型相对应。

6.根据权利要求5所述的方法,其特征在于,所述模型库中的模型是使用建模的工具建起来的静态模型。

7.根据权利要求5所述的方法,其特征在于,所述模型库中的模型是使用参数描述的并在需要时实时渲染的三维模型。

8.根据权利要求5所述的方法,其特征在于,所述图像库与模型库之间的映射关系,包括以下步骤:

D3、根据图像库对遥感影像中的物体进行抽取和识别;

D4、将抽取出来的物体与图像库中的相应类别的子类进行相似度比较,并检索出图像库中与该物体相似度最大的图像,并映射到模型库中相应的模型;

D5、通过知识库对遥感影像中的个体进行自动建模。

9.根据权利要求8所述的方法,其特征在于,所述步骤D5还包括:

D51、根据图像库中的第一级特征图像对遥感影像进行扫描,得到每一个大类的物体的集合,判断该物体与这些特征图像之间的相似度;

D52、从图像库中找出该物体所属的最准确的分类。

10.根据权利要求9所述的方法,其特征在于,所述步骤D52包括:D521、将该物体图像与其所属分类的下一级分类的特征图像比较,

如果该个体图像与某一类的特征图像相似度最高,则判断该个体

图像属于该类;

D522、将该个体图像与该类的下一级各特征图像进行分别匹配,并算出其相似度,找到相似度最大特征图像所属的类别,作为该物体图像所属的类别;

如此类推,直到其相似度达到预期要求。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳先进技术研究院,未经深圳先进技术研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/200710123797.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top