本发明涉及数据压缩领域,具体涉及基于bim和gis的海量地图数据优化压缩处理方法。
背景技术:
1、由于地图数据的信息量极大,为节省存储空间,提高网络传输效率,加快渲染和查询速度,所以非常有必要对地图数据进行压缩处理。
2、但在现有的压缩算法道格拉斯-普克算法中,所选取的道格拉斯-普克算法的阈值越小,压缩后的矢量数据越精确,但会使矢量数据得不到有效的压缩;反之,若阈值越大,压缩后的矢量数据可能会失去某些形状细节。
3、为避免上述情况的发生,本发明通过多角度分析矢量数据,最终求得一个最优的道格拉斯-普克算法的阈值,使得压缩后的地图矢量数据在得到有效压缩的同时,并且极大地保留了地图矢量数据中的细节部分。
技术实现思路
1、本发明提供基于bim和gis的海量地图数据优化压缩处理方法,以解决现有的问题。
2、本发明的基于bim和gis的海量地图数据优化压缩处理方法采用如下技术方案:
3、本发明一个实施例提供了基于bim和gis的海量地图数据优化压缩处理方法,该方法包括以下步骤:
4、采集地图数据,并将地图数据转化为矢量数据;
5、通过矢量数据中的局部差异,计算矢量数据中的点为特征点的第一概率参数;
6、通过矢量数据中的整体差异,计算矢量数据中的点为特征点的第二概率参数;
7、通过矢量数据,基于道格拉斯-普克算法,计算矢量数据中的点为特征点的第三概率参数;
8、根据矢量数据中的点为特征点的第一概率参数、矢量数据中的点为特征点的第二概率参数和矢量数据中的点为特征点的第三概率参数,获取道格拉斯-普克算法中的最优阈值;
9、根据道格拉斯-普克算法中的最优阈值,对矢量数据进行压缩,完成对地图矢量数据的压缩。
10、优选的,所述计算矢量数据中的点为特征点的第一概率参数,包括的具体步骤如下:
11、在线上设置一个分界点,将线分为两个部分,计算被分为两个部分线的标准差之和,并对被分为两个部分线的标准差之和进行归一化并记为,将被分为两个部分线的标准差之和归一化后的值作为矢量数据中线上的分界点为特征点的第一概率参数;同理得到线上所有点为特征点的特征点的第一概率参数。
12、优选的,所述计算矢量数据中的点为特征点的第二概率参数,包括的具体步骤如下:
13、通过计算线上点的数据值与线上数据均值的差的绝对值,并对线上的点的数据值与线上数据均值的差的绝对值进行归一化并记为,将线上的点的数据值与线上数据均值的差的绝对值归一化后的值作为矢量数据中的线上的点为特征点的第二概率参数;同理得到线上所有点为特征点的特征点的第二概率参数。
14、优选的,所述计算矢量数据中的点为特征点的第三概率参数,包括的具体步骤如下:
15、通过将线的首尾坐标点用直线连接,并将连接线首尾坐标点的直线记为直线,计算线上的点与直线之间的距离,对线上的点与直线之间的距离进行归一化并记为,将线上的点与直线之间的距离归一化的值作为矢量数据中的线上的点为特征点的第三概率参数;同理得到线上所有点为特征点的特征点的第三概率参数。
16、优选的,所述获取道格拉斯-普克算法中的最优阈值的具体计算公式如下:
17、
18、式中,所计算的表示判断线上第个点为最优矢量数据特征点的参数,表示线上第个点为特征点的第一概率参数,表示线上第个点为特征点的第二概率参数,表示线上第个点为特征点的第三概率参数;
19、统计所得到的中最大的值记为,所对应的线上的点记为点,点直线之间的距离,即为该矢量数据的道格拉斯-普克算法中的最优阈值。
20、优选的,所述对矢量数据进行压缩,包括的具体步骤如下:
21、首先将矢量数据的首尾数据点相连,并将矢量数据的首尾数据点相连的直线记为直线,统计矢量数据中各个拐点与直线之间的距离,若矢量数据中的拐点与直线的之间的距离小于该矢量数据的最优阈值,则认为该拐点不是特征点,故将该拐点舍去;
22、若拐点到直线的距离大于该矢量数据的最优阈值,则认为该拐点是特征点,保留该拐点,并将该拐点与首尾数据点用直线连接得到新的矢量图像;
23、迭代操作,直到找不到新的特征点为止。
24、本发明的技术方案的有益效果是:在现有的压缩算法道格拉斯-普克算法中,所选取的道格拉斯-普克算法的阈值越小,压缩后的矢量数据越精确,但会使矢量数据得不到有效的压缩;反之,若阈值越大,压缩后的矢量数据可能会失去某些形状细节。
25、为避免上述情况的发生,本发明通过多角度分析矢量数据,最终求得一个最优的道格拉斯-普克算法的阈值,使得压缩后的地图矢量数据在得到有效压缩的同时,并且极大地保留了地图矢量数据中的细节部分。
1.基于bim和gis的海量地图数据优化压缩处理方法,其特征在于,该方法包括以下步骤:
2.根据权利要求1所述基于bim和gis的海量地图数据优化压缩处理方法,其特征在于,所述计算矢量数据中的点为特征点的第一概率参数,包括的具体步骤如下:
3.根据权利要求1所述基于bim和gis的海量地图数据优化压缩处理方法,其特征在于,所述计算矢量数据中的点为特征点的第二概率参数,包括的具体步骤如下:
4.根据权利要求1所述基于bim和gis的海量地图数据优化压缩处理方法,其特征在于,所述计算矢量数据中的点为特征点的第三概率参数,包括的具体步骤如下:
5.根据权利要求1所述基于bim和gis的海量地图数据优化压缩处理方法,其特征在于,所述获取道格拉斯-普克算法中的最优阈值的具体计算公式如下:
6.根据权利要求1所述基于bim和gis的海量地图数据优化压缩处理方法,其特征在于,所述对矢量数据进行压缩,包括的具体步骤如下: