[发明专利]自定义地图风格的制图方法、系统、存储介质及设备在审

专利信息
申请号: 202110958001.7 申请日: 2021-08-20
公开(公告)号: CN113409420A 公开(公告)日: 2021-09-17
发明(设计)人: 李靖;郑驰 申请(专利权)人: 深圳市图元科技有限公司
主分类号: G06T11/20 分类号: G06T11/20;G06T11/40;G06T5/00;G06K9/62;G06F16/29;G06N3/04;G06N3/08
代理公司: 深圳市科进知识产权代理事务所(普通合伙) 44316 代理人: 曹卫良
地址: 518063 广东省深圳市南山区西丽街道西*** 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: 自定义 地图 风格 制图 方法 系统 存储 介质 设备
【权利要求书】:

1.自定义地图风格的制图方法,其特征在于,包括以下步骤:

基于图片影像样本集,训练卷积神经网络分类模型;

基于所述卷积神经网络的模型提取图像中的目标地物,对所述目标地物进行计算,得到图片中地物分类的栅格数据集;

将所述栅格数据集进行矢量化处理,得到矢量化处理后的矢量图像要素;

通过输入地图参数对所述矢量图像要素进行编辑完成自定义风格的地图制图,以输出自定义风格地图。

2.根据权利要求1所述的自定义地图风格的制图方法,其特征在于,在所述通过输入地图参数对所述矢量图像要素进行编辑完成自定义风格的地图制图,以输出自定义风格地图之前还包括:

选择预设的地图风格,以输出预设风格地图。

3.根据权利要求1所述的自定义地图风格的制图方法,其特征在于,所述基于图片影像样本,训练卷积神经网络的模型具体为:

收集图片影像样本,生成所述图片影像样本集;

将所述图片影像样本集按照统一格式解析为训练数据;

将所述训练数据组合并进行训练,生成训练卷积神经网络的模型。

4.根据权利要求1所述的自定义地图风格的制图方法,其特征在于,所述基于所述卷积神经网络的模型提取图像中的目标地物,对所述目标地物进行计算,得到图片中地物分类的栅格数据集具体为:

将训练好的所述卷积神经网络分类模型应用到新的数据区域进行地物分类,提取图片中的目标地物;

基于所述目标地物,得到图片的地物分类的栅格数据集。

5.根据权利要求1所述的自定义地图风格的制图方法,其特征在于,所述将所述栅格数据集进行矢量化处理,得到矢量化处理后的矢量图像要素具体为:

对所述栅格数据集的彩色影像进行灰度化,得到灰度图像,对所述灰度图像进行二值化处理;

将二值化处理后的所述灰度图像进行降噪处理;

对降噪处理后的图像进行细化处理,提取图像的主体骨架;

将提取到的所述主体骨架转换为矢量图形的坐标序列,对所述矢量图形的坐标序列进行拓扑化处理得到矢量化数据;

针对所述矢量化数据寻找出不合理数据,并对所述不合理数据进行删除处理,得到删除不合理数据后的矢量图像要素。

6.根据权利要求5所述的自定义地图风格的制图方法,其特征在于,在所述针对所述矢量化数据寻找出不合理数据,并对所述不合理数据进行删除处理,得到删除不合理数据后的矢量图像要素之后还包括:

将矢量化后的矢量图像要素与栅格图像同样的位置进行对比,判断矢量化后图像的精确程度和合理程度。

7.自定义地图风格的制图系统,其特征在于,包括:

模型训练模块,用于基于图片影像样本集,训练卷积神经网络的模型;

目标提取模块,用于基于所述卷积神经网络的模型提取图像中的目标地物,对所述目标地物进行计算,得到图片中地物分类的栅格数据集;

栅格化模块,用于将所述栅格数据集进行矢量化处理,得到矢量化处理后的矢量图像要素;

风格设置模块,通过输入地图参数对所述矢量图像要素进行编辑完成自定义风格的地图制图,以输出自定义风格地图。

8.根据权利要求7所述的自定义地图风格的制图系统,其特征在于,所述系统还包括:

风格选择模块,用于选择预设的地图风格,以输出预设风格地图。

9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序可被一个或多个处理器执行,以实现如权利要求1-6任意一项所述的自定义地图风格的制图方法中的步骤。

10.一种终端设备,其特征在于,包括:处理器、存储器及通信总线;所述存储器上存储有可被所述处理器执行的计算机可读程序;

所述通信总线实现处理器和存储器之间的连接通信;

所述处理器执行所述计算机可读程序时实现权利要求1-6任意一项所述的自定义地图风格的制图方法中的步骤。

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市图元科技有限公司,未经深圳市图元科技有限公司许可,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/202110958001.7/1.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