一种公路宗地测量方法和系统与流程

本发明涉及公路宗地测量，具体涉及一种公路宗地测量方法和系统。

背景技术：

1、在现有技术中，在无土地权属来源资料情况下，在对公路宗地进行测量时，需要先确定公路宗地的边界，公路宗地的边界通常依赖人工测量和标记。但通过人为确定公路宗地边界存在以下弊端：主观性：人为确定公路宗地边界容易受到个人主观意识和主观判断的影响，不同人对于公路宗地的边界判定可能存在差异，导致结果的不一致性。人力成本高：人工确定公路宗地边界需要大量的人力资源投入，包括专业测绘人员、土地规划师等，而且需要耗费大量的时间和精力进行实地调查和测量。误差风险：人为确定公路宗地边界存在一定的误差风险。由于环境复杂性和人为判断的主观性，可能导致边界的定位不准确或者存在偏差，从而影响后续的土地规划和管理工作。不适应大规模数据处理：对于大规模的公路宗地数据，人工确定边界的方法效率低下，难以满足大规模数据处理的要求。同时，人为确定边界难以对大规模数据进行一致性和标准化处理，容易出现数据不一致和数据质量问题。

2、因此，如何快速准确的确定公路宗地边界是当前亟待解决的问题。

技术实现思路

1、本发明主要解决的技术问题是如何快速准确的确定公路宗地边界。

2、根据第一方面，本发明提供一种公路宗地测量方法，包括：获取公路宗地全景图像、公路宗地的三维点云数据、公路宗地历史档案；基于档案分析模型确定所述公路宗地历史档案的可信度；判断所述公路宗地历史档案的可信度是否大于可信度阈值，若所述公路宗地历史档案的可信度大于可信度阈值，则基于所述公路宗地全景图像、公路宗地的三维点云数据、公路宗地历史档案使用卷积神经网络模型确定多条初始公路宗地边界；基于所述多条初始公路宗地边界将所述公路宗地分为多个公路宗地路段；获取所述多个公路宗地路段所对应的全景图像、所述多个公路宗地路段所对应的三维点云数据、所述多个公路宗地路段所对应的公路宗地历史档案；基于图神经网络模型判断所述多条初始公路宗地边界是否准确，所述图神经网络模型的输入为多个节点和所述多个节点之间的多条边，所述多个节点为所述多个公路宗地路段，所述多个节点中的每个节点包括多个节点特征，所述多个节点特征包括公路宗地路段所对应的全景图像、公路宗地路段所对应的三维点云数据、公路宗地路段所对应的公路宗地历史档案，所述多条边为所述多条初始公路宗地边界，所述图神经网络模型的输出为准确或不准确；若所述图神经网络模型的输出为准确，则将所述多条初始公路宗地边界确定为多条目标公路宗地边界，并通知用户基于所述多条目标公路宗地边界进行公路宗地测量，若所述图神经网络模型的输出为不准确，则通知用户对公路宗地边界进行人工确定。

3、更进一步地，所述根据所述档案来源、所述档案完整性、所述档案时效性、所述档案时效性以及所述潜在偏见，计算所述公路宗地历史档案的可信度，包括：配置所述档案来源、所述档案完整性、所述档案时效性以及所述档案时效性的权重系数，得到档案来源权重、档案完整性权重以及档案时效性权重；根据所述档案来源权重、所述档案完整性权重、所述档案时效性权重以及所述潜在偏见，利用下述公式计算所述公路宗地历史档案的可信度：

4、

5、其中，表示可信度，t2cc表示公路宗地历史档案的偏见提取器，t2ccd表示潜在偏见，d表示公路宗地历史档案，bt表示公路宗地历史档案的档案来源权重，et表示公路宗地历史档案的档案完整性权重，ct表示公路宗地历史档案的档案时效性权重，θ表示正则参数，t表示潜在偏见的数量。

6、更进一步地，所述方法还包括：若所述公路宗地历史档案的可信度小于可信度阈值，则通知用户补充公路宗地历史档案。

7、更进一步地，所述卷积神经网络模型的输入为所述公路宗地全景图像、公路宗地的三维点云数据、公路宗地历史档案，所述卷积神经网络模型的输出为多条初始公路宗地边界。

8、根据第二方面，本发明提供一种公路宗地测量系统，包括：第一获取模块，用于获取公路宗地全景图像、公路宗地的三维点云数据、公路宗地历史档案；

9、可信度确定模块，用于基于档案分析模型确定所述公路宗地历史档案的可信度；

10、可信度判断模块，用于判断所述公路宗地历史档案的可信度是否大于可信度阈值，若所述公路宗地历史档案的可信度大于可信度阈值，则基于所述公路宗地全景图像、公路宗地的三维点云数据、公路宗地历史档案使用卷积神经网络模型确定多条初始公路宗地边界；

11、分割模块，用于基于所述多条初始公路宗地边界将所述公路宗地分为多个公路宗地路段；

12、第二获取模块，用于获取所述多个公路宗地路段所对应的全景图像、所述多个公路宗地路段所对应的三维点云数据、所述多个公路宗地路段所对应的公路宗地历史档案；

13、准确性判断模块，用于基于图神经网络模型判断所述多条初始公路宗地边界是否准确，所述图神经网络模型的输入为多个节点和所述多个节点之间的多条边，所述多个节点为所述多个公路宗地路段，所述多个节点中的每个节点包括多个节点特征，所述多个节点特征包括公路宗地路段所对应的全景图像、公路宗地路段所对应的三维点云数据、公路宗地路段所对应的公路宗地历史档案，所述多条边为所述多条初始公路宗地边界，所述图神经网络模型的输出为准确或不准确；

14、目标公路宗地边界确定模块，用于若所述图神经网络模型的输出为准确，则将所述多条初始公路宗地边界确定为多条目标公路宗地边界，并通知用户基于所述多条目标公路宗地边界进行公路宗地测量，若所述图神经网络模型的输出为不准确，则通知用户对公路宗地边界进行人工确定。

15、更进一步地，所述根据所述边界影响因子和所述边界函数，利用所述图神经网络模型的差值层计算所述多条初始公路宗地边界的边界差值，包括：

16、根据所述边界影响因子和所述边界函数，利用下述公式计算所述多条初始公路宗地边界的边界差值：

17、

18、其中，m表示边界差值，g(l,h)表示边界函数，l表示边界函数的第一自变量，表示边界函数在水平方向上的位移，a表示l的最大值，0～a表示多条初始公路宗地边界在水平方向上的位移，h表示所述边界函数的第二自变量，表示边界函数在垂直方向上的位移，b表示h的最大值，0～b表示多条初始公路宗地边界在垂直方向上的位移，qc表示第c个边界影响因子，pc表示第c个边界影响因子的因子权重系数。

19、更进一步地，所述系统还用于：若所述公路宗地历史档案的可信度小于可信度阈值，则通知用户补充公路宗地历史档案。

20、更进一步地，所述卷积神经网络模型的输入为所述公路宗地全景图像、公路宗地的三维点云数据、公路宗地历史档案，所述卷积神经网络模型的输出为多条初始公路宗地边界。

21、根据第三方面，本发明提供一种电子设备，包括：存储器；处理器；以及计算机程序；其中，所述计算机程序存储在所述存储器中，并配置为由所述处理器执行以实现上述的方法。

22、根据第四方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述方面中任一项所述的方法。

23、本发明提供的一种公路宗地测量方法和系统，该方法包括获取公路宗地全景图像、公路宗地的三维点云数据、公路宗地历史档案；基于档案分析模型确定所述公路宗地历史档案的可信度；判断所述公路宗地历史档案的可信度是否大于可信度阈值，若所述公路宗地历史档案的可信度大于可信度阈值，则基于所述公路宗地全景图像、公路宗地的三维点云数据、公路宗地历史档案使用卷积神经网络模型确定多条初始公路宗地边界；基于所述多条初始公路宗地边界将所述公路宗地分为多个公路宗地路段；获取所述多个公路宗地路段所对应的全景图像、所述多个公路宗地路段所对应的三维点云数据、所述多个公路宗地路段所对应的公路宗地历史档案；基于图神经网络模型判断所述多条初始公路宗地边界是否准确，所述图神经网络模型的输入为多个节点和所述多个节点之间的多条边，所述多个节点为所述多个公路宗地路段，所述多个节点中的每个节点包括多个节点特征，所述多个节点特征包括公路宗地路段所对应的全景图像、公路宗地路段所对应的三维点云数据、公路宗地路段所对应的公路宗地历史档案，所述多条边为所述多条初始公路宗地边界，所述图神经网络模型的输出为准确或不准确；若所述图神经网络模型的输出为准确，则将所述多条初始公路宗地边界确定为多条目标公路宗地边界，并通知用户基于所述多条目标公路宗地边界进行公路宗地测量，若所述图神经网络模型的输出为不准确，则通知用户对公路宗地边界进行人工确定，该方法能够快速准确的确定公路宗地边界。