[發明專利]一種基于深度學習的地形數據庫更新方法及系統

有效

• 申請號: 202210566029.0
• 申請日: 2022-05-24
• 公開（公告）號: CN114661744B
• 公開（公告）日: 2022-09-09
• 發明（設計）人: 劉立;董先敏;劉娟;李維慶;楊本勇;范亞軍
• 申請（專利權）人: 自然資源部第三地理信息制圖院
• 主分類號: G06F16/23
• 分類號: G06F16/23;G06F16/29;G06F16/51;G06V20/10;G06V20/70;G06V10/82;G06N3/04
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 王愛濤

1.一種基于深度學習的地形數據庫更新方法，其特征在于，所述基于深度學習的地形數據庫更新方法包括：

獲取地理文本語料數據集、管線設施點樣本數據集及其他地形樣本數據集；所述地理文本語料數據集中包括多個地理實體文本及各地理實體間的依存關系；所述管線設施點樣本數據集中包括多張第一樣本影像及各第一樣本影像中樣本管線設施點的外接矩形框和樣本管線設施點類型；所述其他地形樣本數據集中包括多張第二樣本影像及各第二樣本影像中地形要素的空間幾何輪廓及地形要素類別；

根據所述地理文本語料數據集，對第一深度學習神經網絡進行訓練，得到地理文本關系抽取模型；

根據所述管線設施點樣本數據集，對第二深度學習神經網絡進行訓練，得到管線設施點檢測模型；

根據所述其他地形樣本數據集，對第三深度學習神經網絡進行訓練，得到其他地形要素類語義分割模型；

獲取存量地形數據庫、目標網絡數據、第一新時相影像及第二新時相影像；

基于所述地理文本關系抽取模型，根據所述目標網絡數據，確定多個目標地理實體及各目標地理實體間的依存關系；

根據各目標地理實體及各目標地理實體間的依存關系，對存量地形數據庫中的目標地理實體要素進行更新，得到第一增量圖層；

基于所述管線設施點檢測模型，根據所述第一新時相影像，確定所述第一新時相影像中各管線設施點的外接矩形框及管線設施點類型；

根據各管線設施點的外接矩形框及管線設施點類型，對存量地形數據庫中的管線設施要素進行更新，得到第二增量圖層；

基于所述其他地形要素類語義分割模型，根據所述第二新時相影像，確定所述第二新時相影像中各地形要素的空間幾何輪廓及地形要素類別；

根據各地形要素的空間幾何輪廓及地形要素類別，對存量地形數據庫中的其他地形要素進行更新，得到第三增量圖層；

根據所述第一增量圖層、所述第二增量圖層及所述第三增量圖層，確定增量地形數據庫，以形成新版地形數據庫。

2.根據權利要求1所述的基于深度學習的地形數據庫更新方法，其特征在于，所述獲取地理文本語料數據集、管線設施點樣本數據集及其他地形樣本數據集，具體包括：

獲取網絡地理文本數據，并篩選出引起地理實體空間變化和語義變化的地理事件，得到非結構化文本列表集合；

將所述非結構化文本列表集合中的文本分解為多個詞語，得到詞語集合；

遍歷所述詞語集合，對各詞語的詞性進行標注；

根據各詞語的詞性，從所述詞語集合中篩選出多個地理實體文本，并確定各地理實體間的相互依存關系；

獲取多張第一樣本影像，并對各第一樣本影像中的管線設施點的類型進行標注，采用外接矩形框對各第一樣本影像中的管線設施點的形狀進行標注；

獲取多張第二樣本影像，并對各第二樣本影像中的地形要素類的空間幾何輪廓及類別進行標注。

3.根據權利要求1所述的基于深度學習的地形數據庫更新方法，其特征在于，所述存量地形數據庫中包括地名要素類及境界與政區要素類；所述地名要素類及所述境界與政區要素類中均包括多個地理實體要素；

所述根據各目標地理實體及各目標地理實體間的依存關系，對存量地形數據庫中的目標地理實體要素進行更新，得到第一增量圖層，具體包括：

采用逆地理編碼服務引擎對各目標地理實體進行空間定位，并將各目標地理實體映射至所述地名要素類和所述境界與政區要素類中，確定與各目標地理實體對應的地理實體要素；

基于各目標地理實體間的依存關系，確定各目標地理實體的更新類型；所述更新類型為消失、出現或修改；

針對任一目標地理實體，若更新類型為消失，則將所述地名要素類及境界與政區要素類中對應的地理實體要素的記錄刪除；

若更新類型為出現，則根據所述目標地理實體及各目標地理實體間的依存關系，在所述地名要素類及境界與政區要素類中新增一條地理實體要素的記錄，并確定所述地理實體要素的空間幾何，添加屬性信息；

若更新類型為修改，則根據所述目標地理實體及各目標地理實體間依存關系，修改所述地名要素類及境界與政區要素類中對應的地理實體要素的空間幾何或屬性信息；

根據修改后的地名要素類及境界與政區要素類，確定第一增量圖層。