技术新讯 > 计算推算,计数设备的制造及其应用技术 > 微地图制图实体的自动提取系统  >  正文

微地图制图实体的自动提取系统

  • 国知局
  • 2024-12-06 12:19:56

本发明涉及地图制图学与地理信息工程的,更具体的说是涉及一种微地图制图实体的自动提取系统。

背景技术:

1、微地图(we-map),一种自媒体时代的新型地图,旨在弥补传统地图在制作和传播方面的不足。较之于传统地图,其具有方便传播、表达内容既不冗余也不会不足、且对制图者几乎无任何门槛要求等特点。然而,在实现地图低门槛制作的过程中,提取制图实体不可或缺,因为制图实体是地图表达的基础支撑。

2、国家发明专利cn202310592267.3公开了一种栅格地图目标线提取方法、系统、存储介质及计算设备,旨在确保同一条线状要素的连贯性,避免在提取现状要素时存在大量伪节点所造成断线和部分线状要素精度丢失等问题,降低人工编辑的工作量。该发明虽然能够降低人工编辑的工作量,但并未明确指出是否需要有一定地图制图基础知识的制图员继续参与工作,地图制图门槛是否有所降低,且针对栅格类型的地图进行自动提取。具体而言,该发明解决的技术问题是,依赖于人工提取栅格地图线要素费时费力且精度不高的问题,无法解决如何通过自动提取制图实体进而降低地图制图门槛的技术问题。

3、国家发明专利cn201811186664.6公开了一种地图要素提取方法、装置及服务器,以解决人工手动编辑地图要素耗时长、工序复杂、效率低,并最终影响高精地图生成效率的技术问题。然而,对于如何通过自动提取制图实体以降低地图制作门槛的技术问题仍然束手无策。

4、综上所述,无论是公开的栅格地图目标线提取,还是地图要素提取,他们解决的技术问题集中于如何提高地图精度和效率,而非是降低地图制作的门槛,且通过人工编辑地图时,仍然需要具有一定地图知识的制图员参与地图编辑工作,并未实现全自动提取。

技术实现思路

1、本发明要解决的技术问题是提供一种微地图制图实体的自动提取系统,以克服地图制作中需要对制图员进行专业培训、且无法全自动提取制图实体的技术缺陷。

2、为解决上述问题,本发明提供了一种微地图制图实体的自动提取系统,为降低微地图制图门槛提供支撑,有效避免微地图无法全自动制作,而导致仍需要专业制图员参与地图编辑工作的局限,解决微地图基础要素提取、自动制图,且无需专业制图员参与的技术问题。

3、为了实现上述目的,本发明采用如下技术方案:

4、一种微地图制图实体的自动提取系统,其特征在于,包括制图实体的几何因子选取和计算模块、几何因子融合器和自动提取器三部分,旨在解决在地图制作过程中需要受专业地图制图训练的制图员参与地图编辑和绘制的技术问题,克服微地图无法全自动提取制图实体的缺陷,降低制图门槛;

5、所述制图实体的几何因子选取和计算模块涉及几何因子的选取方法和几何因子的计算方案两个子模块,用以解决选取制图实体的几何因子时哪些因子和因子特征更具代表性的问题,为几何因子的深度融合提供基础支撑;

6、所述几何因子的选取方法是指选取涉及保留制图实体的视觉感染力、反映制图实体全局形状特征和视觉上具有冲击力的几何因子;

7、所述几何因子的计算方法是指计算所选取因子特征值的方法,以及对计算方法中涉及参数的描述;

8、所述几何因子融合器是由深度融合器和初代融合器组成,旨在克服如何有效融合所有几何因子特征信息的缺陷,进而确保深度融合后的几何因子包含丰富特征信息,以支持自动提取器的构建;

9、所述深度融合器是指根据不同几何因子的权重系数通过加权法分别构建几何因子融合器,包括获取几何因子的权重系数和几何因子的深度融合;

10、深度融合器被描述为,其中,f表示深度融合器,wi表示if的权重系数,且,if = [v, g, s],v、g和s分别表示可视性、几何特征和尺寸;

11、所述几何因子权重系数的获取方法是指确定各个几何因子的价值,判断各几何因子携带有用信息的多寡;

12、所述自动提取器包括定义制图实体的提取规则、计算制图实体的分层提取特征和自动提取器的训练,以避免需要受过专业地图制图培训的制图员参与地图编辑和绘制,进而致使地图制作的门槛并未降低的问题;

13、所述定义制图实体的提取规则是指根据制图实体能够影响的区域层次深浅确定制图实体的层级,若制图实体影响的区域层次越深,则制图时优先考虑这类制图实体,且这类制图实体的层级就越高;

14、所述制图实体的分层提取特征是指用于分割制图实体层级的特征值;

15、制图实体的分层提取特征被描述为si = s [ j ],其中, i = 1,2,3,4,5,,k = ci ⅹ n,s表示从小到大依此排列的深度融合后的所有值,ci表示分割制图实体层级特征值si的分位数,n表示s的数量,表示向下取整,s [ j ]表示全部值中索引为j的值;

16、所述自动提取器的训练是指数据集的划分、最优超参数的计算和最优特征的选取;

17、结束。

18、优选地,所述制图实体的几何因子选取和计算,包括选取的几何因子、几何因子的计算方法及其参数的描述;

19、所述选取的几何因子涉及初代融合器融合后的因子和融合前的因子;

20、所述初代融合器融合后的因子包括可视性v、几何特征g和尺寸s;

21、所述几何因子的计算方法及其参数描述包括几何因子的计算方法和计算几何因子所用到的参数描述;

22、所述几何因子的计算方法是指计算融合前因子的方法;

23、所述计算几何因子所用到的参数描述是指计算融合前因子所涉及到的参数,融合前因子和参数包括但不限于密度、voronoi图的面积、制图实体的面积、矩形度、纵横轴比、周长凹凸比、面积凹凸比、球状性、偏心率、圆形度、球状因子、周长、制图实体外接矩形的面积和周长。

24、优选地,初代融合器是为了计算可视性v、几何特征g和尺寸s的值。

25、优选地,所述自动提取器,包括:

26、所述定义制图实体的提取规则是指根据制图实体能够影响的区域层次深浅确定制图实体的层级,若制图实体影响的区域层次越深,则制图时优先考虑这类制图实体,且这类制图实体的层级就越高;

27、数据集的划分是指在自动提取器的训练模型中,将数据集按1:1的比例分割为训练集和测试集两部分;

28、最优参数的计算是指以贝叶斯优化作为嵌套验证的方法,高效计算最优超参数;

29、最优特征的确定是指分别以深度融合后的因子、初代融合后的因子和融合前的因子作为样本特征,包括但不限于准确度、精确度、交叉验证报告等评估值计算最优特征,比较不同因子作为样本特征的评估值,选取评估值高的因子作为样本特征。

30、优选地,在深度融合器和初代融合器中,对于所有需要融合的因子全部进行归一化处理,变换至[0,1]的区间内。

31、经由上述的技术方案可知,与现有技术相比,本发明公开提供了一种微地图制图实体的自动提取系统,该方法易于实现,有效避免了微地图无法全自动制作而导致仍需要专业制图员参与地图编辑工作的局限,解决了微地图基础要素提取、自动制图,且无需专业制图员参与的技术问题,为微地图的制作降低门槛,使得人人都能参与地图制作。

本文地址:https://www.jishuxx.com/zhuanli/20241204/340668.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。