[发明专利]一种地形图中地物要素的提取方法在审

专利信息
申请号: 202010177467.9 申请日: 2020-03-13
公开(公告)号: CN111382715A 公开(公告)日: 2020-07-07
发明(设计)人: 张刚;孟航;王涛 申请(专利权)人: 北京四维远见信息技术有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62;G06N3/04;G06N3/08
代理公司: 北京汇信合知识产权代理有限公司 11335 代理人: 王维新
地址: 100039 *** 国省代码: 北京;11
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 地形图 地物 要素 提取 方法
【权利要求书】:

1.一种地形图中地物要素的提取方法,其特征在于,包括:

获取遥感影像立体像对;

基于所述遥感影像,生成正射影像和DSM;

通过训练后的每类要素样本的神经网络样本库,对影像中不同的地物进行匹配,得到地物要素面状区域,探面并提取地物边界矢量;其中,建筑物在原始遥感影像上进行匹配,非建筑物在所述正射影像上进行匹配;

对所述地物边界矢量进行精化处理;

将精化处理后的二维曲线转换为三维曲线;其中,建筑物边界采用有理多项式变换或前方交会从二维曲线转换为三维曲线,非建筑物边界采用DSM插值的算法从二维曲线转换为三维曲线;

对所述三维曲线进行处理,得到地形图。

2.如权利要求1所述的提取方法,其特征在于,所述每类要素样本的神经网络样本库的训练方法,包括:

获取预设数量的遥感影像;

对每个所述遥感影像中的每一类地物要素分别进行识别,并将每类要素样本标记为正样本和负样本;

对所述正样本进行样本变换;

通过深度卷积神经网络训练负样本和变换后的正样本,得到每类要素样本的神经网络样本库。

3.如权利要求2所述的提取方法,其特征在于,

所分类的地物要素类型包括:水体、植被、道路和建筑物。

4.如权利要求1所述的提取方法,其特征在于,

所述地物边界矢量的精化处理包括去除毛刺、密集点抽稀、多段线拟合、有条件直角化。

5.如权利要求1所述的提取方法,其特征在于,非建筑物边界采用与平面坐标对应的DSM插值获得高程,从二维曲线转换为三维曲线。

6.如权利要求1所述的提取方法,其特征在于,所述建筑物边界采用有理多项式变换或前方交会从二维曲线转换为三维曲线,包括:

计算建筑物边界的重心;

将DSM从大地坐标变换为对应的原始影像的像方坐标;

遍历每个边界矢量上的重心点,查找该点在像方坐标系DSM的位置,插值计算重心的高程;

采用有理多项式变换或前方交会,根据边界上各节点的像点坐标和高程计算对应的大地坐标,得到三维边界。

7.如权利要求6所述的提取方法,其特征在于,

如果数据来源是卫星影像,则利用有理多项式变换获得建筑物边界线的高程;

如果数据来源是航空影像,则利用前方交会获得建筑物边界线的高程。

8.如权利要求6所述的提取方法,其特征在于,采用有理多项式变换,计算对应的大地坐标的公式为:

式中,X,Y,Z为各节点的大地坐标,a0~d19为卫星参数文件中提供的有理多项式参数,(xn,yn)为图像上对应点规格化后的图像坐标。

9.如权利要求8所述的提取方法,其特征在于,像方坐标转换为规格化后的像方坐标的公式为:

x=(xn-SAMP_OFF)÷SAMP_SCALE

y=(yn-LINE_OFF)÷LINE_SCALE

式中:(x,y)为对应点规格化后的像方坐标;(xn,yn)为像方坐标,左上角为0,单位为像素;SAMP_SCALE,SAMP_OFF,LINE_SCALE,LINE_OFF为像方规格化参数。

10.如权利要求1所述的提取方法,其特征在于,所述三维曲线的处理,包括:

将所述三维曲线导入到交互式测量软件中进行检查、修改、补测,得到地形图。

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北京四维远见信息技术有限公司,未经北京四维远见信息技术有限公司许可,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/202010177467.9/1.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