[go: up one dir, main page]

CN110097595A - 一种基于图像处理的交通小区各类型用地面积统计方法 - Google Patents

一种基于图像处理的交通小区各类型用地面积统计方法 Download PDF

Info

Publication number
CN110097595A
CN110097595A CN201910285802.4A CN201910285802A CN110097595A CN 110097595 A CN110097595 A CN 110097595A CN 201910285802 A CN201910285802 A CN 201910285802A CN 110097595 A CN110097595 A CN 110097595A
Authority
CN
China
Prior art keywords
land
pixel
land use
cell
pixel point
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
Application number
CN201910285802.4A
Other languages
English (en)
Other versions
CN110097595B (zh
Inventor
王炜
戴随喜
杨洋
陈坦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN201910285802.4A priority Critical patent/CN110097595B/zh
Publication of CN110097595A publication Critical patent/CN110097595A/zh
Application granted granted Critical
Publication of CN110097595B publication Critical patent/CN110097595B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于图像处理的交通小区各类型用地面积统计方法，包括以下步骤，（A）读取城市用地规划图的每个像素点RGB值，并储存为像素点数据文件；（B）对像素点信息数据文件进行预处理；（C）读取小区的边界点文件、节点坐标文件以及小区面积文件；（D）将小区的边界点坐标转化为像素点坐标；（E）判断像素点是否在小区内，并统计小区内像素点总数以及各类型用地像素点个数；（F）根据小区内各用地类型像素点所占比例计算其用地面积。本发明可以迅速、准确的统计出规划年限交通小区的各类型用地面积，为城市交通规划提供支撑。

Description

一种基于图像处理的交通小区各类型用地面积统计方法
技术领域
本发明涉及交通小区用地面积自动统计技术,属于城市交通规划技术领域，特别是涉及一种基于图像处理的交通小区各类型用地面积统计方法。
背景技术
城市交通与土地利用之间存在着复杂的相互关系。土地利用在一定程度上决定了城市交通的发生、吸引、分布与方式选择，进而决定了城市交通需求及其结构模式。有关部分发布的城市土地利用规划图包含了城市各类型用地的信息，但人工统计交通小区内的各类型用地面积需要花费大量的时间和人力。随着计算机技术的不断发展，目前，从技术层面上已经实现了从图片上读取像素点的坐标和RGB值并存储到数组中，并且在城市土地利用规划图中，同一类型的用地用相同的颜色表示，这使得通过程序来统计小区内的各类型用地面积成为可能。鉴于此，本发明方法提出了一种基于图像处理的交通小区各类型用地面积统计方法，该方法从有关部分发布的城市土地利用规划图上读取像素点的坐标和RGB值，构建城市用地信息基本文件，统计交通小区内部各类型用地对应的像素点个数，根据某类型用地对应的像素点所占比例计算其面积，可以准确、迅速的统计出所有小区不同用地类型的面积。
发明内容
为了解决以上问题，本发明提供一种基于图像处理的交通小区各类型用地面积统计方法，本发明根据有关部门发布的城市用地规划图，可以快速、准确的统计出小区各类型用地面积，为达此目的，本发明提供一种基于图像处理的交通小区各类型用地面积统计方法，包括以下步骤：
(A)读取城市用地规划图的每个像素点RGB值，并储存为像素点数据文件；
(B)对像素点数据文件进行预处理；
(C)读取小区的边界点文件、边界点坐标文件和小区面积文件；、
(D)将小区的边界点坐标转化为像素点坐标；
(E)判断像素点是否在小区内，并统计小区内像素点总数以及各类型用地像素点个数；
(F)根据小区内各用地类型像素点所占比例计算其用地面积。
本发明的进一步改进，步骤(A)中所述的像素点数据文件，包括像素点信息文件和用地类型信息文件。
本发明的进一步改进，所述像素点信息文件中包括像素点坐标和像素点RGB值，所述的用地类型信息文件中包括用地类型及其对应的RGB值。
本发明的进一步改进，步骤(B)所述的像素点数据文件进行预处理过程，可采用如下方法，确定不同用地类型所对应的RGB值范围，对于处于某一用地类型范围内的RGB 值，令其等于用地类型信息文件中该类型用地所对应的RGB值。
本发明的进一步改进，步骤(C)中所述的小区边界点文件包括小区编号和小区边界点编号列表；边界点坐标文件包括边界点编号和边界点坐标；小区面积文件包括小区编号和小区面积。
本发明的进一步改进，步骤(D)中所述的将小区的边界点坐标转化为像素点坐标，包括以下步骤：
(D1)选取三个不在同一直线上的特征点1、2、3，其边界点坐标分别为(x1,y1)、(x2,y2)、(x3,y3)，像素点坐标分别为(x1′,y1′)、(x2′,y2′)、(x3′,y3′)；
(D2)计算两坐标系X和Y轴分别对应的拉伸比例T(x)和T(y)：
(D3)将所有小区边界点按照步骤(D2)所计算的拉伸比例缩放到像素点坐标系中：
(D4)计算坐标系的旋转角度θ、X轴偏移量a和Y轴偏移量b：
xs＝x′cos(θ)+y′sin(θ)+a；
ys＝y′cos(θ)-x′sin(θ)+b；
带入特征点1、2、3的边界点坐标和像素点坐标，即可求得θ、a和b的值；
(D5)计算各边界点的像素点坐标：
本发明的进一步改进，步骤(E)中所述的判断像素点是否在小区内，并统计小区内像素点总数以及各类型用地像素点个数包括以下步骤：
(E1)遍历所有像素点，以像素点为起点做一条射线；
(E2)判断步骤(E1)所做射线与小区边界交点的个数，若该射线与小区边界的交点数为奇数，则像素点在小区内，此时转至步骤(E3)，否则，表明像素点在小区外，开始判断下一个像素点，此时转至步骤(E1)；
(E3)将小区内像素点总数加1，并判断像素点对应的用地类型，将该类型用地像素点总数加1。
本发明的进一步改进，步骤(F)所述的根据小区内各用地类型像素点所占比例计算其用地面积可采用如下公式进行计算：
本发明公开了一种基于图像处理的交通小区各类型用地面积统计方法，包括以下步骤，(A)读取城市用地规划图的每个像素点RGB值，并储存为像素点数据文件；(B) 对像素点信息数据文件进行预处理；(C)读取小区的边界点文件、节点坐标文件以及小区面积文件；(D)将小区的边界点坐标转化为像素点坐标；(E)判断像素点是否在小区内，并统计小区内像素点总数以及各类型用地像素点个数；(F)根据小区内各用地类型像素点所占比例计算其用地面积。本发明可以迅速、准确的统计出规划年限交通小区的各类型用地面积，为城市交通规划提供支撑。
附图说明
图1为本发明方法中像素点所引射线与小区边界交点示意图；
图2为本发明方法实例分析中城市用地规划图；
图3为本发明方法实例分析中像素点(0,0)所作射线与小区边界交点示意图；
图4为本发明方法的基本流程图。
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细描述：
本发明提供一种基于图像处理的交通小区各类型用地面积统计方法，本发明根据有关部门发布的城市用地规划图，可以快速、准确的统计出小区各类型用地面积。
本发明一种基于图像处理的交通小区各类型用地面积统计方法基本流程图如图1所示，包括以下步骤：
(A)读取城市用地规划图的每个像素点RGB值，并储存为像素点数据文件；
所述的像素点数据文件，包括像素点信息文件和用地类型信息文件；
所述的像素点信息文件中包括像素点坐标和像素点RGB值，其存储方式如表1所示，所述的用地类型信息文件中包括用地类型和RGB值，其存储方式如表2所示；
表1像素点信息数据存储结构示意表
像素点坐标x 像素点坐标y RGB值
1 1 (255,255,255)
….. ….. …..
表2用地类型信息数据储存结构示意表
用地类型 RGB值
居住用地 (100,100,255)
….. …..
(B)对像素点信息数据文件进行预处理；
所述的像素点数据文件进行预处理过程，可采用如下方法，确定各类用地类型所对应的RGB值范围；对于处于某一用地类型范围内的RGB值，令其等于表2中该用地类型所对应的RGB值；
(C)读取小区的边界点文件、节点坐标文件和小区面积文件；
所述的小区边界点文件包括小区编号和小区边界点编号列表，其存储方式如表3所示，边界点坐标文件包括边界点编号和边界点坐标，其存储方式如表4所示，小区面积文件包括小区编号和小区面积，其存储方式如表5所示；
表3小区边界点信息数据存储结构示意表
表4边界点基本信息数据存储结构示意表
边界点编号 边界点坐标x 边界点坐标y
1 10.0 11.0
….. ….. …..
表5小区面积数据储存结构示意表
小区编号 小区面积
1 12245
….. …..
(D)将小区的边界点坐标转化为像素点坐标；
所述的将小区的边界点坐标转化为像素点坐标，包括以下步骤：
(D1)选取三个不在同一直线上的特征点1、2、3，其边界点坐标分别为(x1,y1)、(x2,y2)、(x3,y3)，像素点坐标分别为(x1',y1')、(x2',y2')、(x3',y3')；
(D2)计算两坐标系X和Y轴分别对应的拉伸比例T(x)和T(y)：
(D3)将所有小区边界点按照步骤(D2)所计算的拉伸比例缩放到像素点坐标系中：
(D4)计算坐标系的旋转角度θ、X轴偏移量a和Y轴偏移量b：
xs＝x′cos(θ)+y′sin(θ)+a
ys＝y′cos(θ)-x′sin(θ)+b
带入特征点1、2、3的边界点坐标和像素点坐标，即可求得θ、a和b的值；
(D5)计算各边界点的像素点坐标：
(E)判断像素点是否在小区内，并统计小区内像素点总数以及各类型用地像素点个数；
所述的判断像素点是否在小区内，并统计小区内像素点总数以及各类型用地像素点个数包括以下步骤：
(E1)遍历所有像素点，以像素点为起点做一条射线；
(E2)判断步骤(E1)所做射线与小区边界点的个数，若该射线与小区边界的交点数为奇数，如图1(b)所示，则像素点在小区内，此时转至步骤(E3)，否则，如图1(a)所示，像素点在小区外，开始判断下一个像素点，此时转至步骤(E1)；
(E3)将小区内像素点总数加1，并判断像素点对应的用地类型，将该类型用地像素点总数加1；
(F)根据小区内各用地类型像素点所占比例计算其用地面积；
所述的根据小区内各用地类型像素点所占比例计算其用地面积可采用如下公式进行计算：
本发明方法采用图2所示的城市用地规划图进行说明：
(A)读取城市用地规划图的每个像素点RGB值，并储存为像素点数据文件；
构建像素点数据文件，其中像素点信息数据如表1所示，用地类型信息数据如表2所示；
表1像素点信息存储表
表2用地类型信息数据存储表
(B)对像素点信息数据文件进行预处理；其中居住用地的RGB值范围为(250±5,192 ±5,0)、工业用地的RGB值范围为(146±5,208±5,80±5)、其它用地的范围为(197±5,90 ±5,17±5)。对于处于某一用地类型范围内的RGB值，令其等于表2中该用地类型所对应的 RGB值，处理后结果如表3所示；
表3预处理后像素点信息存储表
(C)读取小区的边界点文件、边界点坐标文件和小区面积文件，结果如表4—表6所示；
表4小区边界点数据表
表5边界点基本信息表
边界点编号 边界点坐标x 边界点坐标y
0 8.0 8.0
1 8.0 38.0
2 38.0 38.0
3 38.0 8.0
表6小区面积数据表
小区编号 小区面积
1 12580
(D)将小区的边界点坐标转化为像素点坐标；
(D1)选取三个不在同一直线上的特征点0、1、2，其边界点坐标分别为(8.0，8.0)、(8.0,38.0)、(38.0,38.0)，假定其对应的像素点坐标分别为(0.5，0.5)、(0.5，3.5)、(3.5，3.5)；
(D2)计算两坐标系X和Y轴分别对应的拉伸比例T(x)和T(y)：
(D3)将所有小区边界点按照步骤(D2)所计算的拉伸比例缩放到像素点坐标系中，结果如表6所示；
表7缩放后边界点基本信息表
(D4)计算坐标系的旋转角度θ、X轴偏移量a和Y轴偏移量b：
x＝x′cos(θ)+y′sin(θ)+a
y＝y′cos(θ)-x′sin(θ)+b
带入特征点1、2、3的边界点坐标和像素点坐标，求得θ、a和b的值如表6所示；
表8坐标转换参数表
参数 参数值
θ 0
a 0.3
b 0.3
(D5)计算各边界点的像素点坐标，结果如表7所示：
表9坐标转换后边界点基本信息表
边界点编号 边界点坐标x 边界点坐标y
0 0.5 0.5
1 0.5 3.5
2 3.5 3.5
3 3.5 0.5
(E)判断像素点是否在小区内，并统计小区内像素点总数以及各类型用地像素点个数；按像素点在像素点信息存储表中的存储顺序，逐一判断：
(E1)如图3所示以像素点(0,0)为起点做一条射线；
(E2)判断得出步骤(E1)所做射线与小区边界点的个数为2，交点个数不是奇数，像素点(0,0)不在小区内，转至步骤(E1)；
更换像素点，重复执行步骤(E1)、(E2)，可以发现像素点(0,1)、(0,2)、(0,3)、(1,0) 均不在交通小区内。
以像素点(1,1)为起点，执行步骤(E1)：
(E2)判断得出步骤(E1)以像素点(1,1)为起点所做射线与小区边界的交点数为1，交点个数是奇数，像素点(1,1)在小区内，执行步骤(E3)：小区内像素点总数加1，像素点(1,1)对应的用地类型其它用地，则其它用地对应的像素点数加1；
重复执行上述步骤，直至判断完所有像素点，最终得到小区内像素点总数为9，居住用地像素点个数为0，工业用地像素点个数为4，其它用地像素点个数为5；
(F)根据小区内各用地类型像素点所占比例计算其用地面积；
以上所述，仅是本发明的较佳实施例而已，并非是对本发明作任何其他形式的限制，而依据本发明的技术实质所作的任何修改或等同变化，仍属于本发明所要求保护的范围。

Claims (8)

1.一种基于图像处理的交通小区各类型用地面积统计方法，其特征在于，包括以下步骤：
(A)读取城市用地规划图的每个像素点RGB值，并储存为像素点数据文件；
(B)对像素点数据文件进行预处理；
(C)读取小区的边界点文件、边界点坐标文件和小区面积文件；
(D)将小区的边界点坐标转化为像素点坐标；
(E)判断像素点是否在小区内，并统计小区内像素点总数以及各类型用地像素点个数；
(F)根据小区内各用地类型像素点所占比例计算其用地面积。
2.根据权利要求1所述的一种基于图像处理的交通小区各类型用地面积统计方法，其特征在于：步骤(A)中所述的像素点数据文件，包括像素点信息文件和用地类型信息文件。
3.根据权利要求2所述的一种基于图像处理的交通小区各类型用地面积统计方法，其特征在于：所述像素点信息文件中包括像素点坐标和像素点RGB值，所述的用地类型信息文件中包括用地类型及其对应的RGB值。
4.根据权利要求1所述的一种基于图像处理的交通小区各类型用地面积统计方法，其特征在于：步骤(B)所述的像素点数据文件进行预处理过程，可采用如下方法，确定不同用地类型所对应的RGB值范围，对于处于某一用地类型范围内的RGB值，令其等于用地类型信息文件中该类型用地所对应的RGB值。
5.根据权利要求1所述的一种基于图像处理的交通小区各类型用地面积统计方法，其特征在于：步骤(C)中所述的小区边界点文件包括小区编号和小区边界点编号列表；边界点坐标文件包括边界点编号和边界点坐标；小区面积文件包括小区编号和小区面积。
6.根据权利要求1所述的一种基于图像处理的交通小区各类型用地面积统计方法，其特征在于：步骤(D)中所述的将小区的边界点坐标转化为像素点坐标，包括以下步骤：
(D1)选取三个不在同一直线上的特征点1、2、3，其边界点坐标分别为(x1,y1)、(x2,y2)、(x3,y3)，像素点坐标分别为(x1′,y1′)、(x2′,y2′)、(x3′,y3′)；
(D2)计算两坐标系X和Y轴分别对应的拉伸比例T(x)和T(y)：
(D3)将所有小区边界点按照步骤(D2)所计算的拉伸比例缩放到像素点坐标系中：
(D4)计算坐标系的旋转角度θ、X轴偏移量a和Y轴偏移量b：
xs＝x′cos(θ)+y′sin(θ)+a；
ys＝y′cos(θ)-x′sin(θ)+b；
带入特征点1、2、3的边界点坐标和像素点坐标，即可求得θ、a和b的值；
(D5)计算各边界点的像素点坐标：
7.根据权利要求1所述的一种基于图像处理的交通小区各类型用地面积统计方法，其特征在于：步骤(E)中所述的判断像素点是否在小区内，并统计小区内像素点总数以及各类型用地像素点个数包括以下步骤：
(E1)遍历所有像素点，以像素点为起点做一条射线；
(E2)判断步骤(E1)所做射线与小区边界交点的个数，若该射线与小区边界的交点数为奇数，则像素点在小区内，此时转至步骤(E3)，否则，表明像素点在小区外，开始判断下一个像素点，此时转至步骤(E1)；
(E3)将小区内像素点总数加1，并判断像素点对应的用地类型，将该类型用地像素点总数加1。
8.根据权利要求1所述的一种基于图像处理的交通小区各类型用地面积统计方法，其特征在于：步骤(F)所述的根据小区内各用地类型像素点所占比例计算其用地面积可采用如下公式进行计算：
CN201910285802.4A 2019-04-10 2019-04-10 一种基于图像处理的交通小区各类型用地面积统计方法 Active CN110097595B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910285802.4A CN110097595B (zh) 2019-04-10 2019-04-10 一种基于图像处理的交通小区各类型用地面积统计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910285802.4A CN110097595B (zh) 2019-04-10 2019-04-10 一种基于图像处理的交通小区各类型用地面积统计方法

Publications (2)

Publication Number Publication Date
CN110097595A true CN110097595A (zh) 2019-08-06
CN110097595B CN110097595B (zh) 2023-02-24

Family

ID=67444618

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910285802.4A Active CN110097595B (zh) 2019-04-10 2019-04-10 一种基于图像处理的交通小区各类型用地面积统计方法

Country Status (1)

Country Link
CN (1) CN110097595B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111046475A (zh) * 2019-12-24 2020-04-21 广州市城市建设工程监理公司 一种房屋建筑面积的计算方法、装置和存储介质
CN114706930A (zh) * 2022-03-07 2022-07-05 东南大学 一种基于AOI数据和GeoHash算法的交通小区各类型用地面积统计方法
CN114707805A (zh) * 2022-03-09 2022-07-05 东南大学 基于aoi数据的交通小区各类型用地面积获取方法及设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101510273A (zh) * 2008-08-28 2009-08-19 南京大学 快速统计城市规划用地面积的方法和计算机程序
CN101764941A (zh) * 2008-11-04 2010-06-30 新奥特（北京）视频技术有限公司 一种像素空间掩码矩阵的像素类型的确定方法
CN102289823A (zh) * 2011-06-14 2011-12-21 汉王科技股份有限公司 获取显示设备上图形面积的方法和装置
CN107909553A (zh) * 2017-11-02 2018-04-13 青岛海信电器股份有限公司 一种图像处理方法及设备
CN108961221A (zh) * 2018-06-15 2018-12-07 哈尔滨工业大学 一种航空插头现场静态图像检测算法
US20190139194A1 (en) * 2017-11-08 2019-05-09 Shenzhen Tunkey Technology Co., Ltd. Display method and display device

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101510273A (zh) * 2008-08-28 2009-08-19 南京大学 快速统计城市规划用地面积的方法和计算机程序
CN101764941A (zh) * 2008-11-04 2010-06-30 新奥特（北京）视频技术有限公司 一种像素空间掩码矩阵的像素类型的确定方法
CN102289823A (zh) * 2011-06-14 2011-12-21 汉王科技股份有限公司 获取显示设备上图形面积的方法和装置
CN107909553A (zh) * 2017-11-02 2018-04-13 青岛海信电器股份有限公司 一种图像处理方法及设备
US20190139194A1 (en) * 2017-11-08 2019-05-09 Shenzhen Tunkey Technology Co., Ltd. Display method and display device
CN108961221A (zh) * 2018-06-15 2018-12-07 哈尔滨工业大学 一种航空插头现场静态图像检测算法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111046475A (zh) * 2019-12-24 2020-04-21 广州市城市建设工程监理公司 一种房屋建筑面积的计算方法、装置和存储介质
CN114706930A (zh) * 2022-03-07 2022-07-05 东南大学 一种基于AOI数据和GeoHash算法的交通小区各类型用地面积统计方法
CN114706930B (zh) * 2022-03-07 2024-08-30 东南大学 一种基于AOI数据和GeoHash算法的交通小区各类型用地面积统计方法
CN114707805A (zh) * 2022-03-09 2022-07-05 东南大学 基于aoi数据的交通小区各类型用地面积获取方法及设备
CN114707805B (zh) * 2022-03-09 2024-07-26 东南大学 基于aoi数据的交通小区各类型用地面积获取方法及设备

Also Published As

Publication number Publication date
CN110097595B (zh) 2023-02-24

Similar Documents

Publication Publication Date Title
CN110097595B (zh) 一种基于图像处理的交通小区各类型用地面积统计方法
CN109978901B (zh) 一种快速、精确的圆形检测和圆心定位方法
CN113628180B (zh) 一种基于语义分割网络的遥感建筑物检测方法及系统
CN111937016B (zh) 一种基于街景图片及机器学习的城市内部贫困空间测度方法及系统
CN110704565A (zh) 一种基于遥感与gis的人口统计数据网格化建模方法
CN106934455B (zh) 基于cnn的遥感影像光学适配结构选取方法及系统
CN101707026A (zh) 数字地图线状要素化简的组合优化方法
CN110335355A (zh) 一种大型浅水湖泊水面高自动计算方法
CN110826454A (zh) 一种遥感影像变化检测方法及装置
CN102682441A (zh) 基于亚像元映射的高光谱图像超分辨重建方法
CN109444812B (zh) 一种引入动态阈值的rssi室内定位方法
CN101996515B (zh) Gis-t中基于局部控制的城市矢量路网配准方法
CN108875127A (zh) 一种计算机气象软件中基于风场数据的槽线修正方法
CN104154929A (zh) 基于星密集度的星图仿真器导航星优选方法
CN112465962B (zh) 一种面向大场景三维实景数据的动态更新方法
CN116071666A (zh) 一种基于高分辨率卫星影像的裸土扬尘源监测方法
CN108256015A (zh) 一种基于夜间灯光数据的中国人口空间格网化方法
CN105719236B (zh) 生成完整的高分辨率植被盖度图像季节变化序列的方法
CN119963686A (zh) 一种用于智能交通的数据可视化处理方法
CN118691666A (zh) 一种测绘用定位方法、装置及系统
CN116152503B (zh) 面向街景的城市天空可视域在线提取方法及系统
CN116524004B (zh) 基于HoughLines算法的钢筋尺寸检测方法及系统
CN117523403A (zh) 一种宅基地图斑变化检测方法、系统、设备及介质
CN110619134B (zh) 解决路网数据飞点、点密度问题一体化检测及修复方法
CN117634299A (zh) 一种电子地图的设备点位配置方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant