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。

    一种建筑物多边形聚合方法
    2.
    发明公开

    公开(公告)号:CN116612209A

    公开(公告)日:2023-08-18

    申请号:CN202310650074.9

    申请日:2023-06-02

    Abstract: 本发明属于地理信息系统技术领域,具体涉及一种建筑物多边形聚合方法。首先顾及障碍要素对视觉粘连建筑物多边形进行聚类,为类簇构建距离自适应的约束Delaunay三角网,并删除从边缘三角形开始不合理的三角形实现视觉粘连区域提取;然后结合边缘三角形特征点数量设计了8种桥接处理模式,对视觉粘连区域进行桥接处理;最后将坐标点抽象为结点、坐标点之间的序列连接关系和三角网关联关系抽象为链接构建路径连接图,引入图论方法,通过最小环路查找建立轮廓边界实现聚合过程。本发明的聚合结果更加符合视觉清晰性的要求,同时兼顾了数量消减能力、面积保持能力和空地表达能力,结合局部形状特征的桥接处理效果较好。

    基于改进火烈鸟搜索算法的机器人路径规划方法及装置

    公开(公告)号:CN115755913A

    公开(公告)日:2023-03-07

    申请号:CN202211474542.3

    申请日:2022-11-23

    Abstract: 本发明提供一种基于改进火烈鸟搜索算法的机器人路径规划方法及装置。该方法包括:步骤1、利用栅格法将机器人运行环境建模为栅格地图;步骤2、设置算法参数;步骤3、初始化种群,包括:在所述栅格地图中随机生成路径节点,每条路径由相同数量的路径节点组成,每条路径作为一个火烈鸟个体,P个火烈鸟个体构成初始种群;步骤4、利用反向学习策略对当前种群进行更新;步骤5、根据种群中火烈鸟个体的适应度值确定觅食者和迁徙者;步骤6、更新觅食者和迁徙者的位置;步骤7、根据萤火虫算法进一步更新种群;步骤8、判断是否达到最大迭代次数,若达到则执行步骤9,否则返回执行步骤4进行下一次迭代;步骤9、输出机器人最优路径。

Patent Agency Ranking