一种道路与居民地协同化简方法
    1.
    发明公开

    公开(公告)号:CN116414932A

    公开(公告)日:2023-07-11

    申请号:CN202310163946.9

    申请日:2023-02-24

    Abstract: 本发明涉及一种道路与居民地协同化简方法,属于数字制图技术领域。本发明首先利用Delaunay三角网提取毗邻的居民地轮廓片段,并提取居民地轮廓片段对应的道路片段;然后对提取的居民地轮廓片段和其对应的道路片段进行节点匹配;最后利用约束点化简道路,根据节点匹配结果将道路的节点取舍同步到对应的居民地轮廓,进行协同化简。本发明通过节点匹配建立道路与居民地在毗邻区域的节点级关联关系,将道路上的节点取舍同步至邻近的居民地轮廓,实现协同化简。相较于传统的道路与居民地化简方法,本发明能够有效保持要素间的形状相似性与拓扑一致性,能够大大减少拓扑冲突与形状冲突。

    基于深度学习的地貌晕渲图生成方法及系统

    公开(公告)号:CN115861552A

    公开(公告)日:2023-03-28

    申请号:CN202211292801.0

    申请日:2022-10-21

    Abstract: 本发明属于人工智能与地图制图相结合的技术领域,特别涉及一种基于深度学习的地貌晕渲图生成方法及系统,通过收集样本数据,并利用样本数据对构建的深度学习网络进行训练,其中,深度学习网络包含:用于对输入图像数据进行特征提取的特征提取子网络,和用于对提取的特征数据进行融合以重建图像的特征融合子网络,且特征提取子网络和特征融合子网络由多个残差块堆叠而成;以目标区域的DEM数据作为输入,利用训练后的深度学习网络来获取该目标区域的地貌晕渲图。本发明利用深度学习方法快速生成艺术风格、表现效果与手工晕渲作品接近的地貌晕渲图,降低高质量地貌晕渲图制作的时间成本和人力成本,改善当前地貌晕渲图制作难以同时顾及制作效率和晕渲效果的情况。

Patent Agency Ranking