-
公开(公告)号：CN111125285B
公开(公告)日：2023-05-16
申请号：CN201911353088.4
申请日：2019-12-25
Applicant: 南京大学
Abstract: 本发明涉及一种基于物种空间分布关系的动物地理区划方法，实现了依据空间分布范围重叠面积占比建立物种关系网络，以此识别相似物种群并形成物种地理区划图。该方法根据任意两个物种的分布范围及其重叠范围，采用叠置分析确定重叠面积占比，建立反映空间分布相似度的指标，并以此建立物种相关性矩阵。在图模型上根据物种相关性矩阵生成物种关系网络图，并在关系网络图上应用社团检测方法，检测得若干联系紧密的物种聚类社团。最后根据出图精度统计图像像元所属社团，得到物种地理区划图。该方法将物种空间分布范围量化为物种关系并以此得到物种区划图，与以往主要依靠专家知识经验的区划方法相比存在合理性，同时能较好地识别出小范围聚集的物种群。
-
公开(公告)号：CN103092933B
公开(公告)日：2015-10-28
申请号：CN201310003742.5
申请日：2013-01-06
Applicant: 南京大学
IPC: G06F17/30
Abstract: 本发明涉及一种面向海量点云数据的基于矩形拼合的Delaunay三角网并行构网方法，该方法包括以下步骤:第一步、对平面空间进行矩形划分得到若干互相拼接的矩形区域，将落在同一矩形区域内的所有点作为该矩形区域的子点集合，在划分的矩形顶点处插入角点，并将该角点添加到与其相邻的矩形区域的子点集合内；第二步、分别对添加角点后的子点集合构建Delaunay三角子网；第三步、利用每个矩形区域的子点集合的四个角点将所有Delaunay三角子网进行拼接，得到整个平面空间的Delaunay三角网；第四步、从Delaunay三角网中删除所述第一步中添加的角点以及与所述角点相关的Delaunay三角形；第五步、对Delaunay三角网进行优化，完成平面空间的Delaunay三角网构网。该方法可以简化Delaunay三角子网的拼合过程，提高Delaunay三角网构网的效率。
-
公开(公告)号：CN102938064B
公开(公告)日：2015-06-17
申请号：CN201210483627.8
申请日：2012-11-23
Applicant: 南京大学
IPC: G06K9/46
Abstract: 本发明涉及一种基于LiDAR数据与正射影像的停车场结构提取方法，该方法利用LiDAR数据将停车场分为空地区域和非空地区域，从LiDAR数据中生成非空地区域的车辆面片的中轴线，从正射影像数据中得到空地区域中的停车场车位线；套合非空地区域中的车辆中轴线和空地区域中的车位线，依其最大相交方向划分停车道；计算停车场结构参数，生成停车道的分割线，完成对停车场结构的提取。该方法能够解决停车场结构提取过程中面临的光照变化、阴影效应、透视变形以及车辆遮盖等问题，准确且高精度地提取停车场的结构。
-
公开(公告)号：CN102682115B
公开(公告)日：2013-11-20
申请号：CN201210146965.2
申请日：2012-05-11
Applicant: 南京大学
Abstract: 基于Voronoi图的点密度专题图制作方法，首先读取离散点数据，以离散点构建V图；然后对整个V图区域进行栅格化，并根据像元与V多边形的隶属关系及V多边形内部像元中心点距离散点的距离来计算像元的密度值。为使结果更加合理，本发明中对生成栅格进行了邻域均值平滑处理，并进行重分类，赋予不同的灰度值；最后，渲染所有栅格。基于离散点构建的V图通过基于最短距离约束的空间划分为每个离散点生成影响范围，在此范围内进行局部密度计算保证了各影响范围之间计算结果的可比性及可靠性；另外，本方法中考虑了影响范围内不同像元点密度的差异，在各点所在的V多边形内部采用了基于距离的密度值分配办法，使结果更加合理准确。
-
公开(公告)号：CN102236721B
公开(公告)日：2012-12-12
申请号：CN201110219571.0
申请日：2011-08-02
Applicant: 南京大学
IPC: G06F17/30
Abstract: 空间数据引擎中复杂窗口空间信息提取方法，提出一种将线及多边形图层数据按照扫描带分带存储的思想，为线和多边形数据库表构建相应的辅助表，空间数据实现分带存储，以借助这种辅助表加速空间信息提取运算效率；复杂窗口空间信息提取时，将复杂的空间关系运算转化为同一条带上的单元之间的相交或重叠判断，大大简化运算的复杂程度，避免大量的弧段求交和弧段打断重组等过程，提高运算效率，杜绝运算错误。本方法相对于传统矢量图元素空间关系运算具有无可比拟的优越性，主要体现在算法简单、程序量少、处理效率高；而相对于传统纯栅格图的元素空间关系运算方法而言，又具有运算量小、运算速度快、精度高的优点。
-
Patent Agency Ranking
公开(公告)号：CN102495856A
公开(公告)日：2012-06-13
申请号：CN201110372253.8
申请日：2011-11-22
Applicant: 南京大学
IPC: G06F17/30
Abstract: 本发明基于电子地图的步行商圈生成方法，充分利用了电子地图中道路结点之间的拓扑结构，从机会点起始，从内而外的进行结点筛选，并将至机会点距离小于临界距离值的结点存放于关闭表中，最终结合临界弧段上的内插点，生成步行商圈；正因为本方法利用了道路结点之间的拓扑关系，使得本发明结点的筛选过程快速而有序，其带来另一大优点在于：当关闭表中结点添加完毕后，开启表中的结点正好是商圈外围最近的结点，从而有利于方便快速的找到临界弧段；并且本发明方法考虑了人行天桥和斑马线的因素，使生成的步行商圈更贴合于实际，为选址决策提供准确有效的信息。本发明构思巧妙，能快速准确的生成步行商圈，提高选址效率。
-
公开(公告)号：CN103336783B
公开(公告)日：2016-09-14
申请号：CN201310215282.2
申请日：2012-05-11
Applicant: 南京大学
Abstract: 联合泰森多边形与反距离加权的密度图制图方法，首先读取离散点数据，以离散点构建V图；然后对整个V图区域进行栅格化，并根据像元与V多边形的隶属关系及V多边形内部像元中心点距离散点的距离来计算像元的密度值。为使结果更加合理，本发明中对生成栅格进行了邻域均值平滑处理，并进行重分类，赋予不同的灰度值；最后，渲染所有栅格。基于离散点构建的V图通过基于最短距离约束的空间划分为每个离散点生成影响范围，在此范围内进行局部密度计算保证了各影响范围之间计算结果的可比性及可靠性；另外，本方法中考虑了影响范围内不同像元点密度的差异，在各点所在的V多边形内部采用了基于距离的密度值分配办法，使结果更加合理准确。
-
公开(公告)号：CN102495856B
公开(公告)日：2013-11-27
申请号：CN201110372253.8
申请日：2011-11-22
Applicant: 南京大学
IPC: G06F17/30
Abstract: 本发明基于电子地图的步行商圈生成方法，充分利用了电子地图中道路结点之间的拓扑结构，从机会点起始，从内而外的进行结点筛选，并将至机会点距离小于临界距离值的结点存放于关闭表中，最终结合临界弧段上的内插点，生成步行商圈；正因为本方法利用了道路结点之间的拓扑关系，使得本发明结点的筛选过程快速而有序，其带来另一大优点在于：当关闭表中结点添加完毕后，开启表中的结点正好是商圈外围最近的结点，从而有利于方便快速的找到临界弧段；并且本发明方法考虑了人行天桥和斑马线的因素，使生成的步行商圈更贴合于实际，为选址决策提供准确有效的信息。本发明构思巧妙，能快速准确的生成步行商圈，提高选址效率。
-
公开(公告)号：CN103020342A
公开(公告)日：2013-04-03
申请号：CN201210512462.2
申请日：2012-12-04
Applicant: 南京大学
IPC: G06F17/50
Abstract: 本发明涉及一种从地面LiDAR数据中提取建筑物轮廓和角点的方法，首先使用分层次的格网密度方法从地面LiDAR数据中提取建筑物轮廓；在此基础上使用轮廓延伸密度方法对提取的建筑物轮廓进行恢复，即得到完整的建筑物轮廓；若需提取角点则将完整的建筑物轮廓投影到三维坐标系的XY平面内寻找二维相交点，如果任两条构成相交点的轮廓的高程差小于1m，则判定两条轮廓在实际的三维空间中相交，两条轮廓的相交点为一个地面角点，并将所述两条轮廓的高程均值作为该地面角点的高程。本发明所用的格网密度方法、格网密度阈值的理论估计确定方法、轮廓密度延伸的方法，保证了从地面LiDAR数据中提取准确的建筑物轮廓线段和高精度的地面角点；并且实现了自动化提取，大大提高了数据处理效率。
-
公开(公告)号：CN102930561A
公开(公告)日：2013-02-13
申请号：CN201210401900.8
申请日：2012-10-22
Applicant: 南京大学
Abstract: 本发明涉及一种单要素的栅格地图矢量化方法，属于栅格地图矢量化技术领域。该方法对单要素栅格图进行黑白二值化后进行分组，寻找所述单要素栅格图中的线划要素，然后提取各线划要素对应的栅格图的边界栅格，从而获得各线划要素对应的边界栅格图；基于各边界栅格图的边界栅格中心点分别生成Delaunay三角网；剔除不在所述线划要素范围内的干扰三角形；并利用Delaunay三角网三角形间的拓扑关系提取线划要素骨架线，即得到单要素栅格图的矢量化结果。该方法解决了传统栅格图矢量化过程中骨架线提取的难题，在速度和效果上均能较好地满足实际需求，最终获得的矢量图几乎不需要再进行人工修正。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.02 seconds)
