-
公开(公告)号：CN113486135B
公开(公告)日：2024-04-12
申请号：CN202110852651.3
申请日：2021-07-27
Applicant: 中南大学
IPC: G06F16/29 , G06F16/26 , G06Q10/0639 , G06T7/10 , G06N3/084 , G06N3/0464
Abstract: 本发明提供了一种基于深度学习网络的建筑物综合方法，包括：获取城市路网，根据城市路网将大比例尺地图和小比例尺地图上的建筑物要素划分至街区；将所有街区的矢量数据栅格化为栅格矩阵形式，并处理为训练样本的形式；根据所述训练样本的形式构建深度学习语义分割模型，并对所述深度学习语义分割模型进行训练，设定参数；利用训练完成的模型进行建筑物综合，并用交并比评价得到建筑物综合结果。本发明在没有人工干预的情况下实现对地图上建筑物要素的综合。
-
公开(公告)号：CN113485997B
公开(公告)日：2023-10-31
申请号：CN202110850984.2
申请日：2021-07-27
Applicant: 中南大学
IPC: G06F16/215 , G06F16/29
Abstract: 本发明提供了一种基于概率分布偏差估计的轨迹数据纠偏方法，所述轨迹数据包括每个采样点的车辆实时的位置，车辆的瞬时速度和采样时间，包括：根据轨迹的长度和采样间隔对所有轨迹进行清洗；对取出来的轨迹数据进行间隔为2m的插值处理，从所有轨迹中依次取出第一轨迹数据，并对第一轨迹数据中的每个形状点做一条长为30m的截线，计算所述第一轨迹数据在每个形状点处的空间方位角；求出所有与所述截线相交的第二轨迹数据，并求所述第二轨迹数据在交点处的方位角，计算所述第一轨迹数据和第二轨迹数据的方位角差异，若所述方位角差异小于60°，记录第二轨迹数据与所述截线的交点，否则忽略；对记录的所述截线的所有交点运用高斯混合模型，并进行迭代。
-
公开(公告)号：CN113486135A
公开(公告)日：2021-10-08
申请号：CN202110852651.3
申请日：2021-07-27
Applicant: 中南大学
Abstract: 本发明提供了一种基于深度学习网络的建筑物综合方法，包括：获取城市路网，根据城市路网将大比例尺地图和小比例尺地图上的建筑物要素划分至街区；将所有街区的矢量数据栅格化为栅格矩阵形式，并处理为训练样本的形式；根据所述训练样本的形式构建深度学习语义分割模型，并对所述深度学习语义分割模型进行训练，设定参数；利用训练完成的模型进行建筑物综合，并用交并比评价得到建筑物综合结果。本发明在没有人工干预的情况下实现对地图上建筑物要素的综合。
-
公开(公告)号：CN113485997A
公开(公告)日：2021-10-08
申请号：CN202110850984.2
申请日：2021-07-27
Applicant: 中南大学
IPC: G06F16/215 , G06F16/29
Abstract: 本发明提供了一种基于概率分布偏差估计的轨迹数据纠偏方法，所述轨迹数据包括每个采样点的车辆实时的位置，车辆的瞬时速度和采样时间，包括：根据轨迹的长度和采样间隔对所有轨迹进行清洗；对取出来的轨迹数据进行间隔为2m的插值处理，从所有轨迹中依次取出第一轨迹数据，并对第一轨迹数据中的每个形状点做一条长为30m的截线，计算所述第一轨迹数据在每个形状点处的空间方位角；求出所有与所述截线相交的第二轨迹数据，并求所述第二轨迹数据在交点处的方位角，计算所述第一轨迹数据和第二轨迹数据的方位角差异，若所述方位角差异小于60°，记录第二轨迹数据与所述截线的交点，否则忽略；对记录的所述截线的所有交点运用高斯混合模型，并进行迭代。
-
-
-
Search Results
4
records
(took 0.014 seconds)
