【技术实现步骤摘要】
本专利技术涉及建筑用地地图定位的，特别是涉及基于数字模型实现建筑用地地图定位系统。
技术介绍
1、城区内建筑用地地图定位是用于在城区内寻找建筑用地，方便对城区内设施进行完善或开发，一般通过如公开号为cn109035396a的专利技术专利中公开的一种城市三维数字地图的生成方法和公开号为cn113505188a的专利技术专利中公开的一种基于大数据的城市地图测绘更新系统及方法等，以遥感或无人机的方式对城区内的图像进行获取，再根据获取的数据进行城市三维数字建模。
2、但是在使用过程中发现，通过遥感的方式较难获取城区内的精准数据，影响三维数字建模的精度，而通过无人机的方式，较难对整个城区的数据进行获取，并且拍摄的图像中容易出现涉嫌个人隐私的部分，还需要后期进行处理，再有发现建筑用地后，不方便为工作人员提供参考数据，还需要工作人员对建筑用地的价值进行分析，导致实用性较差，因此亟需基于数字模型实现建筑用地地图定位系统。
技术实现思路
1、为解决上述技术问题，本专利技术提供一种通过用电数据对高密度用电区域和低密度用电区域进行区分，再采用无人机对低密度用电区域进行现场拍摄，同时与规划的正规建筑地图数据进行对比，判断是否符合建筑用地或违建的要求，再通过多方面数据对该建筑用地的价值进行预估，为工作人员提供参考数据，提高对城区内建筑用地定位和分析的便捷性，并且通过生成三维数字模型，提高工作人员对该建筑用地分析的便捷性的基于数字模型实现建筑用地地图定位系统。
2、本专利技术的基于数字
3、数据获取模块：对城区的用电数据、低密度用电区域的图像、网络上低密度用电区域的相关数据和规划的正规建筑地图数据进行获取；
4、数据处理模块：对获取的低密度用电区域的图像数据的清晰度进行调节，并且将图像中涉嫌个人隐私的部分进行修整，再将修整的图像传输至数据分析模块中；
5、数据分析模块：结合修整后的图像数据，对获得的网络上低密度用电区域的相关数据进行清洗，提取其中的关键信息，再对图像中的建筑用地的价值进行预估，为工作人员提供参考数据，并且建立三维数字模型，方便工作人员对该区域进行观察；
6、数据储存模块：对获取的数据、预估结果和工作人员的操作数据进行储存；
7、中控管理模块：对登录的工作人员的身份信息进行核实，同时对工作人员的操作流程过程进行记录，并且辅助工作人员对数据获取模块、数据处理模块、数据分析模块和数据储存模块进行集中管理；
8、通过用电数据对高密度用电区域和低密度用电区域进行区分，再采用无人机对低密度用电区域进行现场拍摄，同时与规划的正规建筑地图数据进行对比，判断是否符合建筑用地或违建的要求，再通过多方面数据对该建筑用地的价值进行预估，为工作人员提供参考数据，提高对城区内建筑用地定位和分析的便捷性，并且通过生成三维数字模型，提高工作人员对该建筑用地分析的便捷性。
9、优选的，所述数据获取模块包括：
10、相关数据获取单元：在网络上查找低密度用电区域的相关数据；
11、用电数据获取单元：对城区内的用电数据进行获取，并对高密度用电区域和低密度用电区域进行区分；
12、图像数据获取单元：对低密度用电区域进行拍摄，获取低密度用电区域的图像数据；
13、地图数据获取单元：对规划的正规建筑地图数据进行获取，并由地图中将低密度用电区域截取出来。
14、优选的，所述图像数据获取单元：
15、路径规划单元：进行图像获取前，对无人机群的飞行路线进行规划，保障该区域图像获取的完整性和获取效率；
16、无人机群：每台无人机内均设置有避障单元，使每台无人机根据规划的线路飞行过程中，对路线上的障碍物进行规避；
17、拍摄单元：数量与无人机群中的无人机数量相同，无人机起飞前，将由地图中截取的该低密度用电区域的地图传输至拍摄单元中，在无人机群飞行过程中对该区域进行高空或低空拍摄，获取该区域的图像数据，并将拍摄的图像与该低密度用电区域的地图对比，判断是否有违建。
18、优选的，所述数据处理模块包括：
19、图像清晰度调整单元：对图像进行噪声去除，减少图像中的随机噪声，再通过锐化算法增强图像的边缘和细节，之后通过对图像局部对比度调整的方式，进一步增强图像的细节和层次感；
20、图像隐私和谐单元：根据设定的阈值对图像中的人类图像进行马赛克处理，并对处理位置进行标记；
21、数据传输单元：根据tcp协议将处理后的图像数据传输至数据分析模块中。
22、优选的，所述数据分析模块包括：
23、数据清洗单元：对网络上查找的低密度用电区域的相关数据进行清洗，获取相关数据中的关键信息；
24、深度学习单元：对获取的图像和关键信息进行分析处理，预估该建筑用地的价值，为工作人员提供参考数据；
25、三维建模单元：采用cityengine软件，根据获取的图像数据进行三维数字建模；
26、数据库：对深度学习单元的训练数据进行储存。
27、优选的，所述深度学习处理单元采用pytorch框架和卷积神经网络，并通过预训练合格的模型对获取的图像和关键信息进行分析处理，预估该建筑用地的价值。
28、优选的，所述数据储存模块包括：
29、数据分类单元：对接收的数据进行分类，将各个用电数据、相关数据、图像数据和地图数据进行分类；
30、数据管理单元：对分类后的数据进行压缩处理，并对超出储存期限的数据进行处理；
31、数据储存单元：对压缩处理后的数据进行储存，并且对储存的数据的储存期限进行限定。
32、优选的，所述数据管理单元包括：
33、数据压缩单元：对分类后的数据进行压缩处理；
34、数据删除单元：对超出储存期限的数据进行删除；
35、数据恢复单元：对为超出恢复期限的误删数据进行恢复。
36、优选的，所述中控管理模块包括：
37、人机交互单元：为工作人员操控系统提供平台；
38、登录人员管理单元：对登录系统的工作人员的身份信息进行核实，保障系统的安全性；
39、集中控制单元：辅助工作人员对数据获取模块、数据处理模块、数据分析模块和数据储存模块进行集中管理。
40、优选的，由权利要求3中所述的基于数字模型实现建筑用地地图定位系统进行城区内建筑用地寻找的方法，包括以下步骤：
41、s1、通过数据获取模块对城区的用电数据，同时实现高密度用电区域和低密度用电区域的区分，再采用无人机群拍摄的方式实现低密度用电区域的图像，在网络上查找低密度用电区域的相关数据，获取规划的正规建筑地图数据；
42、s2、通过数据处理模块对获取的低密度用电区域的图像数据的清晰度进行调节，并且将图像中涉嫌个人隐私的部分进行修整，再将修整的图本文档来自技高网...
【技术保护点】
1.基于数字模型实现建筑用地地图定位系统，其特征在于，包括：
2.如权利要求1所述的基于数字模型实现建筑用地地图定位系统，其特征在于，所述数据获取模块包括：
3.如权利要求1所述的基于数字模型实现建筑用地地图定位系统，其特征在于，所述图像数据获取单元：
4.如权利要求1所述的基于数字模型实现建筑用地地图定位系统，其特征在于，所述数据处理模块包括：
5.如权利要求1所述的基于数字模型实现建筑用地地图定位系统，其特征在于，所述数据分析模块包括：
6.如权利要求5所述的基于数字模型实现建筑用地地图定位系统，其特征在于，所述深度学习处理单元采用PyTorch框架和卷积神经网络，并通过预训练合格的模型对获取的图像和关键信息进行分析处理，预估该建筑用地的价值。
7.如权利要求1所述的基于数字模型实现建筑用地地图定位系统，其特征在于，所述数据储存模块包括：
8.如权利要求7所述的基于数字模型实现建筑用地地图定位系统，其特征在于，所述数据管理单元包括：
9.如权利要求1所述的基于数字模型实现建筑用地地
10.如权利要求3所述的基于数字模型实现建筑用地地图定位系统，其特征在于，基于数字模型实现建筑用地地图定位系统进行城区内建筑用地寻找的方法，包括以下步骤：
...【技术特征摘要】
1.基于数字模型实现建筑用地地图定位系统，其特征在于，包括：
2.如权利要求1所述的基于数字模型实现建筑用地地图定位系统，其特征在于，所述数据获取模块包括：
3.如权利要求1所述的基于数字模型实现建筑用地地图定位系统，其特征在于，所述图像数据获取单元：
4.如权利要求1所述的基于数字模型实现建筑用地地图定位系统，其特征在于，所述数据处理模块包括：
5.如权利要求1所述的基于数字模型实现建筑用地地图定位系统，其特征在于，所述数据分析模块包括：
6.如权利要求5所述的基于数字模型实现建筑用地地图定位系统，其特征在于，所述深度学习处理单元采用p...
【专利技术属性】
技术研发人员：尚峰，周涛，崔开明，史春杰，
申请(专利权)人：济南慧谷数字科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。