[发明专利]一种基于公共数据的遥感影像地形图制图法有效
申请号: | 201610705455.2 | 申请日: | 2016-08-23 |
公开(公告)号: | CN106326544B | 公开(公告)日: | 2019-08-09 |
发明(设计)人: | 杜辉;王长进;赵海;肖慧琴 | 申请(专利权)人: | 中国铁路设计集团有限公司 |
主分类号: | G06F17/50 | 分类号: | G06F17/50 |
代理公司: | 天津市鼎和专利商标代理有限公司 12101 | 代理人: | 崔立增 |
地址: | 300142*** | 国省代码: | 天津;12 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 遥感影像 公共数据 地形图 数字高程模型数据 预处理 瓦片数据 地理信息数据 公共基础 符号化 等高线 基础地理信息 数据获取周期 遥感影像数据 后处理 高程数据 公共网络 技术步骤 文件格式 坐标系统 数据源 高程 可选 转换 | ||
本发明公开了一种基于公共数据的遥感影像地形图制图法,技术步骤包括:公共遥感影像瓦片数据的获取;公共DEM数字高程模型数据的获取,从公共网络平台获取SRTM、GDEM数字高程模型数据;公共基础地理信息数据的获取;公共遥感影像瓦片数据预处理,对获取的遥感影像瓦片数据进行文件格式、坐标系统的转换;公共DEM数字高程模型数据预处理;公共基础地理信息数据的预处理及符号化;高程点及等高线的生成及符号化;遥感影像地形图的制图综合。本发明涉及的基于公共数据的遥感影像地形图制图法,采用的遥感影像数据、DEM高程数据、基础地理信息数据均为公共数据,数据获取周期短,可选数据源多,采用的后处理方法技术先进,成图效率高。
技术领域
本发明涉及地图制图技术,特别是涉及一种基于公共数据的遥感影像地形图制图法。
背景技术
铁路、公路、管线等线状工程制图大多数采用带状图,以往这种带状地图主要采用国家测绘部门提供的标准分幅地图进行扫描、拼接或者直接采用标准分幅的电子图纸进行拼接。而2012年以来的国家保密新规定,禁止对国家标准大中比例尺地图进行扫描和打印,因此工程用图受到很大影响。此外,由于从国家相关部分申请、购买地形图手续繁琐,采购周期一般以月计,这很难快速适应,国内、国际竞争日趋激烈的铁路基础设施建设浪潮。
在网络技术逐渐成熟,全球卫星定位技术不再被少数国家垄断,特别是大数据时代的到来,遥感影像数据、DEM数字高程模型数据、基础地理信息数据(制图原始数据三要素)的获取不再过分依赖传统途径。如果数量巨大的公共数据没有得到合理利用,那将是更大程度上的浪费。因此,研究一种基于公共数据的遥感影像地形图制图法,是破解新保密形势下的数据困局最好的办法。
发明内容
针对新的保密形势,以及传统制图方法中存在的问题,本发明提出一种基于公共数据的遥感影像地形图制图法,其目的在于,合理使用公共遥感影像数据、公共DEM数字高程模型数据、公共基础地理信息数据,通过适当的数据预处理,进行数据间的无缝套合。遥感影像带状地图具有国际通用坐标系,在不违反保密规定的同时,为勘察设计行业提供可靠的数据支持。
本发明涉及的一种基于公共数据的遥感影像地形图制图法,技术步骤包括:公共遥感影像瓦片数据的获取(S1),公共DEM数字高程模型数据的获取(S2),公共基础地理信息数据的获取(S3),公共遥感影像瓦片数据预处理(S4),公共DEM数字高程模型数据预处理(S5),公共基础地理信息数据的预处理及符号化(S6),高程点及等高线的生成及符号化(S7),遥感影像地形图的制图综合(S8)。
S1、公共遥感影像瓦片数据的获取
获取时相两年以内,云雾覆盖少于10%的遥感影像瓦片数据。采用的高分辨率瓦片数据为DigitalGlobe系列数据:WorldView-2亚米级卫星数据。常用的高分辨率瓦片数据是通过商业软件在GoogleEarth、GoogleMap、BingMap、天地图、百度地图等公共平台上下载。
S2、公共DEM数字高程模型数据的获取
从公共网络平台获取SRTM(Shuttle Radar Topography Mission)数据,高程点原始采样间隔为3孤秒;GDEM(先进星载热发射和反射辐射仪全球数字高程模型)数据,高程点原始采样间隔为30米。
S3、公共基础地理信息数据的获取
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中国铁路设计集团有限公司,未经中国铁路设计集团有限公司许可,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/201610705455.2/2.html,转载请声明来源钻瓜专利网。
- 上一篇:一种视频索引分级方法及装置
- 下一篇:基于卷积神经网络的人群密度分布估计方法