System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种面向高层次任务需求的地图构建方法及系统技术方案_技高网

一种面向高层次任务需求的地图构建方法及系统技术方案

技术编号:43862999 阅读:9 留言:0更新日期:2024-12-31 18:50
本发明专利技术公开了一种面向高层次任务需求的地图构建方法及系统,涉及地图构建技术领域,该方法包括:引入图像显著识别策略对目标区域的全局图像进行显著识别分析,得到最显著区块;匹配所述最显著区块的最显著图像帧,并将所述最显著图像帧作为初始帧;进行三维点云分析,构建得到初始地图;建立所述初始特征向量中初始节点的一级邻域空间,并匹配所述一级邻域空间的一级邻域节点集;基于预定图神经网络增强机制,对所述初始地图进行增强更新,得到增强地图。本发明专利技术解决了现有技术中存在无法高效准确地从复杂图像中识别关键区域,构建的地图精度低的技术问题,达到了提高地图构建效率和准确性,满足复杂应用场景需求的技术效果。

【技术实现步骤摘要】

本专利技术涉及地图构建,具体涉及一种面向高层次任务需求的地图构建方法及系统


技术介绍

1、在地理信息系统于智能交通、城市规划等高层次任务应用场景对地图精度等要求愈发严苛的背景下,传统地图构建方法面临诸多困境。其多依赖单一数据来源,卫星遥感图像构建地图细节缺失,车载激光扫描数据范围有限且处理复杂。初始阶段,缺乏有效显著识别策略,受噪声等因素干扰,难以快速精准定位关键区域,构建初始地图时校验机制不足致误差较大,而在地图增强更新方面,未充分挖掘邻域节点信息,无法满足自动驾驶、城市规划及虚拟现实等对地图的高精度、语义丰富度等要求,限制了地图在高层次任务中的有效应用。

2、现有技术存在无法高效准确地从复杂图像中识别关键区域,构建的地图精度低的技术问题。


技术实现思路

1、本申请提供了一种面向高层次任务需求的地图构建方法及系统,用于针对解决现有技术中无法高效准确地从复杂图像中识别关键区域,构建的地图精度低的技术问题。

2、鉴于上述问题,本申请提供了一种面向高层次任务需求的地图构建方法及系统。

3、本申请的第一个方面,提供了一种面向高层次任务需求的地图构建方法,所述方法包括:

4、引入图像显著识别策略对目标区域的全局图像进行显著识别分析,得到最显著区块;在所述目标区域的图像帧数据库中匹配所述最显著区块的最显著图像帧,并将所述最显著图像帧作为初始帧;结合所述初始帧的初始特征向量进行三维点云分析,构建得到初始地图;建立所述初始特征向量中初始节点的一级邻域空间,并在所述图像帧数据库中匹配所述一级邻域空间的一级邻域节点集;基于预定图神经网络增强机制,利用所述一级邻域节点集对所述初始地图进行增强更新,得到增强地图。

5、本申请的第二个方面,提供了一种面向高层次任务需求的地图构建系统,所述系统包括:

6、最显著区块获取模块,所述最显著区块获取模块用于引入图像显著识别策略对目标区域的全局图像进行显著识别分析,得到最显著区块;初始帧获取模块,所述初始帧获取模块用于在所述目标区域的图像帧数据库中匹配所述最显著区块的最显著图像帧,并将所述最显著图像帧作为初始帧;初始地图构建模块,所述初始地图构建模块用于结合所述初始帧的初始特征向量进行三维点云分析,构建得到初始地图;一级邻域空间建立模块,所述一级邻域空间建立模块用于建立所述初始特征向量中初始节点的一级邻域空间,并在所述图像帧数据库中匹配所述一级邻域空间的一级邻域节点集;增强地图获取模块,所述增强地图获取模块基于预定图神经网络增强机制,利用所述一级邻域节点集对所述初始地图进行增强更新,得到增强地图。

7、本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:

8、引入图像显著识别策略对目标区域的全局图像进行显著识别分析,得到最显著区块;匹配所述最显著区块的最显著图像帧,并将所述最显著图像帧作为初始帧;结合所述初始帧的初始特征向量进行三维点云分析,构建得到初始地图;建立所述初始特征向量中初始节点的一级邻域空间,并匹配所述一级邻域空间的一级邻域节点集;基于预定图神经网络增强机制,利用所述一级邻域节点集对所述初始地图进行增强更新,得到增强地图。达到了提高地图构建效率和准确性,满足复杂应用场景需求的技术效果。

本文档来自技高网...

【技术保护点】

1.一种面向高层次任务需求的地图构建方法,其特征在于,包括:

2.根据权利要求1所述一种面向高层次任务需求的地图构建方法,其特征在于,引入图像显著识别策略对目标区域的全局图像进行显著识别分析,得到最显著区块,包括:

3.根据权利要求2所述一种面向高层次任务需求的地图构建方法,其特征在于,引入所述图像显著识别策略对所述分割处理结果中的多个区块进行分析,得到所述最显著区块,包括:

4.根据权利要求3所述一种面向高层次任务需求的地图构建方法,其特征在于,根据所述区块特征量化预案对所述任意区块的结构特征和基色调特征进行加权计算,得到所述任意区块特征值,其中,所述基色调特征包括红色特征、绿色特征和蓝色特征。

5.根据权利要求1所述一种面向高层次任务需求的地图构建方法,其特征在于,结合所述初始帧的初始特征向量进行三维点云分析,构建得到初始地图,包括:

6.根据权利要求5所述一种面向高层次任务需求的地图构建方法,其特征在于,取第一校验点云与所述第一地图样本的第一点云匹配度的均值,作为所述第一校验结果,其中,所述第一校验点云是指所述第一校验点云样本中的任意一个校验点云。

7.根据权利要求1所述一种面向高层次任务需求的地图构建方法,其特征在于,基于预定图神经网络增强机制,利用所述一级邻域节点集对所述初始地图进行增强更新,得到增强地图,包括:

8.根据权利要求7所述一种面向高层次任务需求的地图构建方法,其特征在于,所述预定图神经网络增强机制包括预定采样预案,且所述预定采样预案是指分层采样。

9.根据权利要求7所述一种面向高层次任务需求的地图构建方法,其特征在于,还包括:

10.一种面向高层次任务需求的地图构建系统,其特征在于,包括:

...

【技术特征摘要】

1.一种面向高层次任务需求的地图构建方法,其特征在于,包括:

2.根据权利要求1所述一种面向高层次任务需求的地图构建方法,其特征在于,引入图像显著识别策略对目标区域的全局图像进行显著识别分析,得到最显著区块,包括:

3.根据权利要求2所述一种面向高层次任务需求的地图构建方法,其特征在于,引入所述图像显著识别策略对所述分割处理结果中的多个区块进行分析,得到所述最显著区块,包括:

4.根据权利要求3所述一种面向高层次任务需求的地图构建方法,其特征在于,根据所述区块特征量化预案对所述任意区块的结构特征和基色调特征进行加权计算,得到所述任意区块特征值,其中,所述基色调特征包括红色特征、绿色特征和蓝色特征。

5.根据权利要求1所述一种面向高层次任务需求的地图构建方法,其特征在于,结合所述初始帧的初始特征向量进行三维点云分析,...

【专利技术属性】
技术研发人员:刘丹昝学彦李飞军赵华祥陈斯源邹家帅李发频蒋干胜徐波
申请(专利权)人:珠海创智科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1