-
公开(公告)号:CN117408000B
公开(公告)日:2024-04-09
申请号:CN202311382578.3
申请日:2023-10-24
Applicant: 哈尔滨航天恒星数据系统科技有限公司
IPC: G06F30/18 , G06F30/20 , G06T11/20 , G06F113/14 , G06F113/16
Abstract: 一种管线点坐标引出注记自动标注与避让的方法、电子设备及存储介质,属于市政工程技术领域。为提高城市地下管线普查效率,本发明对城市地下管线普查或对竣工测量CAD电子图数据进行预处理,遍历筛选出管线图中的管点图元,以采集的管点图元坐标值为注记的标注位置,构建坐标引出标注文字注记图元,以文字注记图元尺寸为模拟选位矩形尺寸,并根据管点图元坐标为中心环绕构建模拟选位矩形阵列;顺时针轮询模拟选位矩形阵列中各圈内的选位矩形,获取管线图中模拟选位矩形与管点图元、坐标引出注记图元无拓扑相交的模拟选位矩形,并根据获取的注记图元无拓扑相交的模拟选位矩形,结合管点图元坐标对管点图元坐标引出注记进行标注。
-
公开(公告)号:CN117635982A
公开(公告)日:2024-03-01
申请号:CN202311671780.8
申请日:2023-12-07
Applicant: 哈尔滨航天恒星数据系统科技有限公司
IPC: G06V10/74 , G06V10/80 , G06V10/44 , G06V10/52 , G06V10/82 , G06V10/26 , G06V20/10 , G06V20/70 , G06N3/0464 , G06N3/045 , G06N3/0499 , G06N3/0985
Abstract: 本发明公开了一种基于深度学习的面向遥感图像的路网匹配方法,属于路网匹配技术领域。解决了现有技术中传统的路网匹配框架不易提取复杂路网遥感图像数据特征的问题;本发明对路网遥感图像数据进行预处理,得到处理后的路网遥感图像数据;对骨干和颈部网络进行改造,基于处理后的路网遥感图像数据,构造提取路网特征图的ResNet‑101‑FPN网络模型;基于ResNet‑101‑FPN网络模型,构造端到端的多功能路网匹配框架,迭代训练内核更新头;将处理后的路网遥感图像数据作为端到端多功能路网匹配框架的输入,设置内核损失函数,得到训练好的路网匹配模型。本发明提升了目标检测和匹配的精度,可以应用于多种情况的路网匹配。
-
公开(公告)号:CN117495093A
公开(公告)日:2024-02-02
申请号:CN202311478702.6
申请日:2023-11-08
Applicant: 哈尔滨航天恒星数据系统科技有限公司
IPC: G06Q10/0635 , G06Q10/067 , G06Q50/26
Abstract: 一种排水管网缺陷隐患风险评估方法、电子设备及存储介质,属于排水管网缺陷评估技术领域。为解决常规管网缺陷评估结果表达不直观、数据不平衡的问题,本发明对排水管网多源数据,进行数据整理得到排水管网多源数据集;定义排水管网缺陷隐患风险变量因子,构建排水管网缺陷隐患风险变量因子评估模型;构建排水管网缺陷隐患风险分级评估模型,设定排水管网缺陷隐患风险等级矩阵,确定排水管网缺陷隐患风险等级标准;计算排水管网缺陷管段的隐患风险危害值,构建排水管网缺陷隐患风险库;对构建的排水管网缺陷隐患风险库自动渲染生成排水管网缺陷隐患风险分级统计专题图。本发明更高效地指导管网运管单位制定管网修复或养护方案与计划。
-
公开(公告)号:CN115935569A
公开(公告)日:2023-04-07
申请号:CN202211672638.0
申请日:2022-12-26
Applicant: 哈尔滨航天恒星数据系统科技有限公司
IPC: G06F30/18 , G06F30/20 , G06F113/14
Abstract: 本发明涉及排水工程技术领域,更具体的说是一种城市排水管道瓶颈分析方法,该方法包括以下步骤:步骤一:获取到基于SWMM模型建立的排水管网模型模拟结果数据,然后采用熵权法以模拟结果数据作为输入特征指标数据确定评价管道瓶颈的指标权重;步骤二:采用综合指数法对管道瓶颈的指标权重进行综合指数计算,得到管道超载程度综合评价指数,即管道瓶颈指数;可以定量化的确定一个城市排水管网中每根超负荷排输雨污水的管道的超载程度大小,即管道瓶颈指数。
-
公开(公告)号:CN112699173A
公开(公告)日:2021-04-23
申请号:CN202110024086.1
申请日:2021-01-08
Applicant: 哈尔滨航天恒星数据系统科技有限公司
IPC: G06F16/2458 , G06F16/2455
Abstract: 本发明是一种基于Spark的分布式时空对象邻近查询方法,为了解决查询过程中,缺乏支撑海量数据频繁更新和并行查询的索引结构,导致对海量时空数据分布式存储和维护的支持性较差的问题;该方法以Spark为计算引擎,以Cassandra为存储引擎的分布式时空对象邻近查询,根据查询的空间网格集合,然后运用分布式计算模型对Cassandra的索引模型与存储模型进行查询,计算出每一个时空对象距离目标位置的最近距离;通过自定义的排序方法,计算距离目标位置最近的K个时空对象,完成K个邻近时空对象的查询。本方法实现了索引与数据分离,保证了数据的局部性,并结合时空网格索引,进行分布式时空对象邻近查询,具有快速查询、有效查询等特点。
-
-
-
-