国土变更调查拓扑错误自动化修复工具的研究
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档
-
目录
一、拓扑错误的形成原因
1.边界不一致
2.不规则图形
3.尖锐角
4.局部狭长
5.细小碎面
6.更新层相互重叠
二、修复成果展示
1.边界不一致
2.不规则图形
3.尖锐角
4.局部狭长
5.细小碎面
三、修复率统计
四、如何使用
总结
前言
随着国土变更调查,在土地管理中的重要程度越来越高,对其数据的要求也越来越高。数据能通过质检软件,作为年度国土变更调查每年能否将数据汇交至部的硬性要求,每年从事该行业的人会耗费大量的精力和时间在质检错误修改上,而修改的重点主要在拓扑错误上面,往往一个面积大一点的区县,初次建库的拓扑错误量都非常高,有些甚至是好几万个错误,虽然市面上目前有一些批量修复工具,但是整体效果都不尽人意,修复率只能到百分之60左右。针对这一行业痛点,在深入了解变更调查的技术规范和建库流程后,终于开发出了修复率能稳定在百分之90以上的修复工具。
提示:以下是本篇文章正文内容,下面案例可供参考
一、拓扑错误的形成原因
1.边界不一致
边界不一致主要是地类图斑更新层和对应的更新过程层的边界不一致,以及更新过程层和去年的基础库边界不一致。这个错误的产生原因大部分是因为建库软件容差系统和arcgis的不一样导致的,因为变更图斑多为从举证平台下载而来,因为平台采用的是4490经纬度坐标系,因为坐标保留小数位的问题,在转换为对应的高斯2000横轴墨脱卡坐标系的时候,会出现细微误差,一些建库软件因为容差问题可能会认为该图斑和对应的基础库边界是一致的,于是就导致了该问题。就如下图所示:


左边是DLTBGX层,右边是DLTB,明显看到基础库是没有拓扑错误的,但是建库软件因为容差原因,将这个错误忽略了,就导致DLTBGX层出现了边界不一致的情况。
2.不规则图形
不规则图形的主要表现特征是图形过于狭长,而判断面几何要素是否是狭长,一般有如下几种方法:
周长与面积比(P/A 指数):这个指标是多边形的周长与其面积之比。通常来说,紧凑的多边形具有较小的周长与面积比,而非紧凑的多边形则可能有较大的比值。
Boyce-Clark半径形状指数:该指数是通过计算多边形内切圆的半径与外接圆的半径之比来度量多边形的形状规则度。规则的多边形会有较小的Boyce-Clark半径形状指数。
等周指数(Isoperimetric Quotient):这是通过计算多边形的实际面积与等周多边形(相同周长的正多边形)的面积之比来度量紧凑度。规则的多边形具有较大的等周指数。
方向性(Aspect Ratio):方向性是指多边形的主要轴与次要轴之比。一个正方形的方向性为1,而长条形的方向性较大。规则的多边形通常有较小的方向性。
Reock 紧凑度指数:Reock指数是通过计算多边形内切圆的半径与外接圆的半径之比来度量多边形的紧凑度。
Feret Diameter 指数:Feret Diameter是指多边形在不同方向上的最大宽度与最小宽度之比,用于度量多边形的细长程度。
形状指数(Shape Index):形状指数是通过计算多边形边缘曲率的平均值来度量多边形的形状规则度
这里很难推测出质检软件采用的那种方法进行的判断,但是如果我是开发,从性能,综合稳定性来判定的话,我大概率会采用周长面积比进行判断,形成这个错误的原因也很简单,大部分都是因为变更图斑和基础库裁剪后,因为边界上的细缝导致的。

3.尖锐角
尖锐角的形成原因的多种多样的,有本身图形就存在尖锐角,也有因为平台下载图斑边界和基础库不一致然后叠加造成的。但是尖锐角的查找是相对非常简单的,只需要遍历每个图形,并计算每个节点的角度,并找出角度小于10度的或者大于350度的部分即可。
4.局部狭长
局部狭长的产生原因主要是在变更图斑和基础库相交的时候,两个相邻图斑,一个和基础库贴合,另外一个和基础库边界存在缝隙,在相交后就产生了局部狭长。如下图所示,A地块和基础库完美贴合,B地块和基础库存在缝隙,就产生了局部狭长

局部狭长的检查方式有很多,比如将图形向内buff对比前后几何的一致性,也有建立三角网TIN并判断是否存在长宽比超限的三角形等方法,这里很难推断出质检软件使用的那种,但是这个并不重要,只需要搞懂产生原因即可写出针对性的算法进行修复。
5.细小碎面
这个算是最好理解的拓扑错误,产生原因也很多,只要面积小于30平米的多边形就会被质检软件检测出碎片多边形,需要值得注意的是,很多狭长面、尖锐角、不规则图形本身也是碎片多边形。
6.更新层相互重叠
这个质检错误很难出现,目前大部分的建库软件都会规避这个问题, 修复方式也相对简单,找出重叠部分,再将重叠部分合并到空间关系中共边占比最多的面即可。
二、修复成果展示
展示前做个统一说明,所有的修复都考虑了村级行政区和203城镇村用地,保证修复的准确性
1.边界不一致
修复前 修复后


2.不规则图形
修复前

修复后

3.尖锐角
修复前

修复后

4.局部狭长
修复前

修复后

5.细小碎面
修复前

修复后

三、修复率统计
目前已经测试过三个区县单位的成果修复情况,直接上统计图

可以看到,不管是面积较大的区县还是面积较少的区县,修复率都能稳定百分之90以上,并且在使用其他市面上的修复工具后,依旧还能有百分之90以上的修复成功率。
四、如何使用
使用方式也很简单,无需安装任何插件,软件。登录网站即可使用修复工具。只需要准备好成果包和质检错误表即可。

总结
对该工具感兴趣的伙伴,可以后台联系。告别人海战术、告别通宵加班、科技改变生产!
相关文章:
国土变更调查拓扑错误自动化修复工具的研究
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 目录 一、拓扑错误的形成原因 1.边界不一致 2.不规则图形 3.尖锐角 4.局部狭长 5.细小碎面 6.更新层相互重叠 二、修复成果展示 1.边界不一致 2.不规则图形 3.尖锐角 4.局部狭…...
深度学习图像视觉 RKNN Toolkit2 部署 RK3588S边缘端 过程全记录
深度学习图像视觉 RKNN Toolkit2 部署 RK3588S边缘端 过程全记录 认识RKNN Toolkit2 工程文件学习路线: Anaconda Miniconda安装.condarc 文件配置镜像源自定义conda虚拟环境路径创建Conda虚拟环境 本地训练环境本地转换环境安装 RKNN-Toolkit2:添加 lin…...
Linux应用编程(C语言编译过程)
目录 1. 举例 2.预处理 2.1 预处理命令 2.2 .i文件内容解读 3.编译 4.汇编 5.链接 5.1 链接方式 5.1.1 静态链接 5.1.2 动态链接 5.1.3 混合链接 1. 举例 Linux的C语言开发,一般选择GCC工具链进行编译,通过下面的例子来演示GCC如何使用&#…...
ssm实战项目──哈米音乐(二)
目录 1、流派搜索与分页 2、流派的添加 3、流派的修改 4、流派的删除 接上篇:ssm实战项目──哈米音乐(一),我们完成了项目的整体搭建,接下来进行后台模块的开发。 首先是流派模块: 在该模块中采用分…...
Python 获取微博用户信息及作品(完整版)
在当今的社交媒体时代,微博作为一个热门的社交平台,蕴含着海量的用户信息和丰富多样的内容。今天,我将带大家深入了解一段 Python 代码,它能够帮助我们获取微博用户的基本信息以及下载其微博中的相关素材,比如图片等。…...
Flink学习连载第二篇-使用flink编写WordCount(多种情况演示)
使用Flink编写代码,步骤非常固定,大概分为以下几步,只要牢牢抓住步骤,基本轻松拿下: 1. env-准备环境 2. source-加载数据 3. transformation-数据处理转换 4. sink-数据输出 5. execute-执行 DataStream API开发 //n…...
拉格朗日乘子(Lagrange Multiplier)是数学分析中用于解决带有约束条件的优化问题的一种重要方法,特别是SVM
拉格朗日乘子(Lagrange Multiplier)是数学分析中用于解决带有约束条件的优化问题的一种重要方法,也称为拉格朗日乘数法。 例如之前博文写的2月7日 SVM&线性回归&逻辑回归在支持向量机(SVM)中,为了…...
鸿蒙征文|鸿蒙心路旅程:始于杭研所集训营,升华于横店
始于杭研所 在2024年7月,我踏上了一段全新的旅程,前往风景如画的杭州,参加华为杭研所举办的鲲鹏&昇腾集训营。这是一个专门为开发者设计的培训项目,中途深入学习HarmonyOS相关技术。对于我这样一个对技术充满热情的学生来说&…...
c语言数据结构与算法--简单实现线性表(顺序表+链表)的插入与删除
老规矩,点赞评论收藏关注!!! 目录 线性表 其特点是: 算法实现: 运行结果展示 链表 插入元素: 删除元素: 算法实现 运行结果 线性表是由n个数据元素组成的有限序列ÿ…...
MySQL底层概述—1.InnoDB内存结构
大纲 1.InnoDB引擎架构 2.Buffer Pool 3.Page管理机制之Page页分类 4.Page管理机制之Page页管理 5.Change Buffer 6.Log Buffer 1.InnoDB引擎架构 (1)InnoDB引擎架构图 (2)InnoDB内存结构 (1)InnoDB引擎架构图 下面是InnoDB引擎架构图,主要分为内存结构和磁…...
MySQL:DATEDIFF()计算两个日期天数之差
题目需求: 计算出比前一天温度要高的日期。 select a.id from weather a, weather b where a.temperature > b.temperature and datediff(a.recordDate, b.recordDate) 1; DATEDIFF(date1, date2)函数用于计算两个日期之间的天数差。函数返回date1和date2之…...
Linux 编译Ubuntu24内核
参考来源: 编译并更新内核:https://www.cnblogs.com/smlile-you-me/p/18248433 编译报错–sub-make: https://forum.linuxfoundation.org/discussion/865005/facing-error-in-building-the-kernel 1.下载源码,执行如下命令,会在/usr/src下多…...
Android系统中init进程、zygote进程和SystemServer进程简单学习总结
Android系统中,init、zygote和SystemServer进程是系统启动和运行的关键进程,它们之间有着密切的关系,本文针对这三个进程的学习做一个简单汇总,方便后续查询。 1、init进程 Android用户空间执行的第一个程序就是它,可…...
Flask 基于wsgi源码启动流程
1. 点击 __call__ 进入到源码 2. 找到 __call__ 方法 return 执行的是 wsgi方法 3. 点击 wsgi 方法 进到 wsgi return 执行的是 response 方法 4. 点击response 方法 进到 full_dispatch_request 5. full_dispatch_request 执行finalize_request 方法 6. finalize_request …...
leetcode代码 50道答案
简单难度:两数之和 def twoSum(nums, target): for i in range(len(nums)): for j in range(i 1, len(nums)): if nums[i] nums[j] target: return [i, j] return [] 简单难度:有效的括号 def isVa…...
Centos-stream 9,10 add repo
Centos-stream repo前言 Centos-stream 9,10更换在线阿里云创建一键更换repo 自动化脚本 华为centos-stream 源 , 阿里云centos-stream 源 华为epel 源 , 阿里云epel 源vim /centos9_10_repo.sh #!/bin/bash # -*- coding: utf-8 -*- # Author: make.h...
【隐私计算大模型】联邦深度学习之拆分学习Split learning原理及安全风险、应对措施以及在大模型联合训练中的应用案例
Tips:在两方场景下,设计的安全算法,如果存在信息不对等性,那么信息获得更多的一方可以有概率对另一方实施安全性攻击。 1. 拆分学习原理 本文介绍了一种适用于隐私计算场景的深度学习实现方案——拆分学习,又称分割…...
DataWhale—PumpkinBook(TASK05决策树)
课程开源地址及相关视频链接:(当然这里也希望大家支持一下正版西瓜书和南瓜书图书,支持文睿、秦州等等致力于开源生态建设的大佬✿✿ヽ(▽)ノ✿) Datawhale-学用 AI,从此开始 【吃瓜教程】《机器学习公式详解》(南瓜…...
elasticsearch7.10.2集群部署带认证
安装elasticsearch rpm包安装 下载地址 https://mirrors.aliyun.com/elasticstack/7.x/yum/7.10.2/ 生成证书 #1.生成CA证书 # 生成CA证书,执行命令后,系统还会提示你输入密码,可以直接留空 cd /usr/share/elasticsearch/bin ./elasticsearch-certutil ca#会在/usr/share/el…...
Java基础-I/O流
(创作不易,感谢有你,你的支持,就是我前行的最大动力,如果看完对你有帮助,请留下您的足迹) 目录 字节流 定义 说明 InputStream与OutputStream示意图 说明 InputStream的常用方法 说明 OutputStrea…...
基于ASP.NET+ SQL Server实现(Web)医院信息管理系统
医院信息管理系统 1. 课程设计内容 在 visual studio 2017 平台上,开发一个“医院信息管理系统”Web 程序。 2. 课程设计目的 综合运用 c#.net 知识,在 vs 2017 平台上,进行 ASP.NET 应用程序和简易网站的开发;初步熟悉开发一…...
1688商品列表API与其他数据源的对接思路
将1688商品列表API与其他数据源对接时,需结合业务场景设计数据流转链路,重点关注数据格式兼容性、接口调用频率控制及数据一致性维护。以下是具体对接思路及关键技术点: 一、核心对接场景与目标 商品数据同步 场景:将1688商品信息…...
深入理解JavaScript设计模式之单例模式
目录 什么是单例模式为什么需要单例模式常见应用场景包括 单例模式实现透明单例模式实现不透明单例模式用代理实现单例模式javaScript中的单例模式使用命名空间使用闭包封装私有变量 惰性单例通用的惰性单例 结语 什么是单例模式 单例模式(Singleton Pattern&#…...
Android 之 kotlin 语言学习笔记三(Kotlin-Java 互操作)
参考官方文档:https://developer.android.google.cn/kotlin/interop?hlzh-cn 一、Java(供 Kotlin 使用) 1、不得使用硬关键字 不要使用 Kotlin 的任何硬关键字作为方法的名称 或字段。允许使用 Kotlin 的软关键字、修饰符关键字和特殊标识…...
【网络安全】开源系统getshell漏洞挖掘
审计过程: 在入口文件admin/index.php中: 用户可以通过m,c,a等参数控制加载的文件和方法,在app/system/entrance.php中存在重点代码: 当M_TYPE system并且M_MODULE include时,会设置常量PATH_OWN_FILE为PATH_APP.M_T…...
多模态图像修复系统:基于深度学习的图片修复实现
多模态图像修复系统:基于深度学习的图片修复实现 1. 系统概述 本系统使用多模态大模型(Stable Diffusion Inpainting)实现图像修复功能,结合文本描述和图片输入,对指定区域进行内容修复。系统包含完整的数据处理、模型训练、推理部署流程。 import torch import numpy …...
解析奥地利 XARION激光超声检测系统:无膜光学麦克风 + 无耦合剂的技术协同优势及多元应用
在工业制造领域,无损检测(NDT)的精度与效率直接影响产品质量与生产安全。奥地利 XARION开发的激光超声精密检测系统,以非接触式光学麦克风技术为核心,打破传统检测瓶颈,为半导体、航空航天、汽车制造等行业提供了高灵敏…...
MySQL 主从同步异常处理
阅读原文:https://www.xiaozaoshu.top/articles/mysql-m-s-update-pk MySQL 做双主,遇到的这个错误: Could not execute Update_rows event on table ... Error_code: 1032是 MySQL 主从复制时的经典错误之一,通常表示ÿ…...
深入浅出Diffusion模型:从原理到实践的全方位教程
I. 引言:生成式AI的黎明 – Diffusion模型是什么? 近年来,生成式人工智能(Generative AI)领域取得了爆炸性的进展,模型能够根据简单的文本提示创作出逼真的图像、连贯的文本,乃至更多令人惊叹的…...
如何配置一个sql server使得其它用户可以通过excel odbc获取数据
要让其他用户通过 Excel 使用 ODBC 连接到 SQL Server 获取数据,你需要完成以下配置步骤: ✅ 一、在 SQL Server 端配置(服务器设置) 1. 启用 TCP/IP 协议 打开 “SQL Server 配置管理器”。导航到:SQL Server 网络配…...
