CN116011322A - 基于数字孪生的城市信息展示方法、装置、设备及介质 - Google Patents
基于数字孪生的城市信息展示方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116011322A CN116011322A CN202211627923.0A CN202211627923A CN116011322A CN 116011322 A CN116011322 A CN 116011322A CN 202211627923 A CN202211627923 A CN 202211627923A CN 116011322 A CN116011322 A CN 116011322A
- Authority
- CN
- China
- Prior art keywords
- display
- information
- real
- city
- displayed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000001514 detection method Methods 0.000 claims description 35
- 238000012549 training Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 12
- 238000005516 engineering process Methods 0.000 abstract description 16
- 238000013473 artificial intelligence Methods 0.000 abstract description 10
- 230000004044 response Effects 0.000 abstract description 7
- 238000013135 deep learning Methods 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 description 32
- 238000012545 processing Methods 0.000 description 17
- 238000007726 management method Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000011161 development Methods 0.000 description 7
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000005286 illumination Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000002776 aggregation Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 238000013136 deep learning model Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000004087 circulation Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 101000822695 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C1 Proteins 0.000 description 1
- 101000655262 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C2 Proteins 0.000 description 1
- 101000655256 Paraclostridium bifermentans Small, acid-soluble spore protein alpha Proteins 0.000 description 1
- 101000655264 Paraclostridium bifermentans Small, acid-soluble spore protein beta Proteins 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 230000004089 microcirculation Effects 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000008961 swelling Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Processing Or Creating Images (AREA)
Abstract
本公开提供了一种基于数字孪生的城市信息展示方法、装置、设备及介质,涉及人工智能领域,具体涉及深度学习和数字孪生技术,可应用在智慧城市、城市治理和应急管理场景下。具体实现方案为:获取待展示对象在三维城市空间中的空间信息和实时真实城市状态信息;根据所述空间信息和所述实时真实城市状态信息,确定所述待展示对象的相机采集参数;根据所述相机采集参数,对所述待展示对象进行图像采集,得到在目标视角下所述待展示对象的展示图像,并展示所述待展示对象的展示图像。本公开实施例可以提高数据展示响应速度。
Description
技术领域
本公开涉及人工智能领域,具体涉及深度学习和数字孪生技术,可应用在智慧城市、城市治理和应急管理场景下,尤其涉及一种基于数字孪生的城市信息展示方法、装置、设备及介质。
背景技术
智慧城市是当今世界城市发展的新理念和新模式,是新一代信息技术创新应用与城市经济社会发展深度融合的产物。
智慧城市是把信息技术充分运用在城市中各行各业的设备,实现信息化、工业化与城镇化深度融合,有助于提高城镇化质量,实现精细化和动态管理,并提升城市管理成效和改善市民生活质量。
发明内容
本公开提供了一种基于数字孪生的城市信息展示方法、装置、设备及介质。
根据本公开的一方面,提供了一种基于数字孪生的城市信息展示方法,包括:
获取待展示对象在三维城市空间中的空间信息和实时真实城市状态信息;
根据所述空间信息和所述实时真实城市状态信息,确定所述待展示对象的相机采集参数;
根据所述相机采集参数,对所述待展示对象进行图像采集,得到在目标视角下所述待展示对象的展示图像,并展示所述待展示对象的展示图像。
根据本公开的一方面,提供了一种基于数字孪生的城市信息展示装置,包括:
实时信息获取模块,用于获取待展示对象在三维城市空间中的空间信息和实时真实城市状态信息;
采集参数确定模块,用于根据所述空间信息和所述实时真实城市状态信息,确定所述待展示对象的相机采集参数;
模型图像采集模块,用于根据所述相机采集参数,对所述待展示对象进行图像采集,得到在目标视角下所述待展示对象的展示图像,并展示所述待展示对象的展示图像。
根据本公开的另一方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本公开任一实施例所述的人工智能的数据处理方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行本公开任一实施例所述的人工智能的数据处理方法。
根据本公开的另一方面,提供了一种计算机程序对象,包括计算机程序,所述计算机程序在被处理器执行时实现本公开任一实施例所述的人工智能的数据处理方法。
本公开实施例可以提高数据展示响应速度。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开实施例公开的一种基于数字孪生的城市信息展示方法的流程图;
图2是根据本公开实施例公开的一种参数检测模型的示意图;
图3是根据本公开实施例公开的另一种基于数字孪生的城市信息展示方法的流程图;
图4是根据本公开实施例公开的另一种基于数字孪生的城市信息展示方法的流程图;
图5是根据本公开实施例公开的另一种基于数字孪生的城市信息展示方法的流程图;
图6是根据本公开实施例公开的一种IOC数据结构模型的示意图;
图7是根据本公开实施例公开的一种基于数字孪生的城市信息展示方法的场景图;
图8是根据本公开实施例公开的一种基于数字孪生的城市信息展示装置的结构示意图;
图9是用来实现本公开实施例的基于数字孪生的城市信息展示方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本公开实施例公开的一种基于数字孪生的城市信息展示方法的流程图,本实施例可以适用于城市空间系统展示信息的情况。本实施例方法可以由基于数字孪生的城市信息展示装置来执行,该装置可采用软件和/或硬件的方式实现,并具体配置于具有一定数据运算能力的电子设备中,该电子设备可以是客户端设备或服务器设备,客户端设备例如手机、平板电脑、车载终端和台式电脑等。
S101、获取待展示对象在三维城市空间中的空间信息和实时真实城市状态信息。
三维城市空间是指基于城市数据结合地理信息构建三维模型所组成的立体空间,同时三维城市空间是真实城市的物理映射,三维城市空间还包括真实城市的动态数据,反映有真实城市的动态变化的状态信息。
在本公开实施例中,三维城市空间为基于智慧城市智能运行中心(IntelligentOperations Center,IOC)系统生成的三维城市空间,并在IOC系统屏幕上进行展示,通常展示的屏幕尺寸巨大,可以直接称为IOC大屏。IOC系统可以监控并管理城市服务,获取城市信息并展示在大屏上。用户可以通过在大屏上浏览城市信息,并制定城市管理策略等。本公开实施例中实现基于数字孪生的城市信息展示方法的电子设备可以包括IOC系统,其中IOC系统与IOC大屏连接。
待展示对象是用户指定需要进行展示的对象,待展示对象可以是一个区域、可以是一个建筑物、可以是一条道路、甚至是一个坐标点,对此不具体限定。空间信息可以是静态信息,随时间稳定不变,实时真实城市状态信息可以是动态信息,会随时间变化。空间信息可以是指待展示对象在三维城市空间中占用的空间的信息,此外,空间信息还可以是指所述三维城市空间中待展示对象周边环境中物体的空间信息。例如空间信息可以包括待展示对象的自身位置、自身模型结构(尺寸和形状等)和服务属性以及周边三维模型(道路、植被和其他建筑物等)的信息等。实时真实城市状态信息可以是指在当前时刻下三维城市空间对应的真实城市的状态信息,并且是待展示对象对应的真实地理位置所在真实城市的状态信息。实时真实城市状态信息可以包括下述至少一项:车流、人流、异常事件、天气(雨、雪、风或晴等)、光照(白天或夜晚)和植被(周围植被)等。例如,实时真实城市状态信息包括待展示对象对应的真实地理位置的光照、周围的车流人流植被和所在真实城市的天气等。
S102、根据所述空间信息和所述实时真实城市状态信息,确定所述待展示对象的相机采集参数。
空间信息用于确定待展示对象的自身形态,还可以确定待展示对象周边环境对待展示对象的遮挡情况,实时真实城市状态用于确定真实环境对待展示对象的图像的干扰。相机采集参数用于以最佳视角采集得到待展示对象的质量最好的图像。相机采集参数可以包括:相机在三维城市空间中的相机位置、相机旋转角度和相机参数。其中,相机位置可以是相对中心位置的坐标,相机参数可以包括相机缩放比例。此外,相机参数还可以包括相机时长范围或相机焦距等,对此不具体限定。
相机采集参数的确定,可以是根据空间信息和实时真实城市状态信息,确定图像质量最好的相机采集参数。其中,可以根据不同需求,确定相应的质量最好的图像具有的特征。图像质量最好可以根据遮挡、对象信息丰富度、清晰度、光线亮度和流量等至少一项特征进行限定。示例性的,根据空间信息和实时真实城市状态信息,确定能够采集到无遮挡、最清楚、亮度适中和对象信息最丰富的图像时的相机采集参数,确定为待展示对象的相机采集参数。又如,根据空间信息和实时真实城市状态信息,确定能够采集到无遮挡、最清楚、能观察到最多流量的相机采集参数,确定为待展示对象的相机采集参数。
具体的,可以通过计算预设的多个相机采集参数,检测各相机采集参数下的图像具有的特征,相应的,建立相机采集参数中各参数取值与特征之间的关系,从而,根据图像质量最好的图像的特征,计算各参数组合的得分,从而筛选相机采集参数。又如,可以通过预先训练的深度学习模型,检测待展示对象的相机采集参数。示例性的,深度学习模型可以是神经网络模型、卷积神经网络模型或循环神经网络模型等。
可选的,所述根据所述空间信息和所述实时真实城市状态信息,确定所述待展示对象的相机采集参数,包括:将所述空间信息和所述实时真实城市状态信息输入至预先训练的参数检测模型,得到所述参数检测模型输出的相机采集参数;其中,所述参数检测模型通过训练样本预先训练得到,所述训练样本包括样本对象的空间信息、样本真实城市状态信息和最佳视角下的样本模型图像对应的相机采集参数。
参数检测模型用于根据待展示对象的空间信息和实时真实城市状态信息,检测待展示对象的相机参数。示例性的,参数检测模型为神经网络模型,其结构如图2所示,参数检测模型包括3层网络,每层包括5个神经元。通过对比不同的神经元个数与层数下的准确率、精确率和召回率,实验确定在神经元个数为5,层数为3的时候得到最佳的拟合效果。同时对比了卷积神经网络、循环神经网络与传统计算法,拟合效果均不如图2所示的模型结构。
最佳视角下的样本模型图像对应的相机采集参数,可以在样本对象的空间信息以及样本真实城市状态信息固定的情况下,通过人工调整相机采集参数对样本对象进行图像采集,使得采集得到样本对象的图像为质量最好的图像。将此时的图像所对应的相机采集参数,和样本对象的空间信息以及样本真实城市状态信息作为同一个训练样本。
实际上,三维城市空间的展示过程中,用户可以随机选择待展示对象,难以对三维城市空间中全部的三维模型提前进行相机采集参数调试,以及调试结果也需要占据大量的空间进行存储。并且,由于实时真实城市状态信息会不断变化,因此,给相机采集参数调试增加了复杂性。
通过参数检测模型可以加快相机采集参数的检测速度,降低调参的人工成本,提高待展示对象的展示效率,
S103、根据所述相机采集参数,对所述待展示对象进行图像采集,得到在目标视角下所述待展示对象的展示图像,并展示所述待展示对象的展示图像。
相机采集参数采集得到展示图像,用于描述在以目标视角下观察待展示对象的情况。相机采集参数与目标视角对应。对展示图像进行展示。
在现有技术中,三维地图中建筑展示时,相机位置和角度通常是人工选择,并通过预览效果不断调整相机位置和角度,导致每次生成的视图需要耗费大量时间,并需要大量的人工操作才能实现。或者直接采用标准默认位置和默认角度,对建筑进行图像采集进行展示,这种展示图生成的图像可能会由于该建筑物周围环境的遮挡等原因导致展示图不清楚和建筑信息过少等图像质量低的情况。
根据本公开的技术方案,通过获取待展示对象在三维城市空间中的空间信息和实时真实城市状态信息,确定待展示对象在三维城市空间的相机采集参数,并基于该相机采集参数在三维城市空间中对该待展示对象进行图像采集,得到目标视角下的展示图像,并进行显示,可以减少调试相机采集参数的操作复杂性和人工成本,加快相机参数检测速度,从而提高对象模型的展示效率,并且,针对具有丰富的真实信息的三维城市空间,基于真实信息确定相机采集参数,增加真实信息因素,提高相机采集参数的准确性,提高展示图像的图像质量。
图3是根据本公开实施例公开的另一种基于数字孪生的城市信息展示方法的流程图,基于上述技术方案进一步优化与扩展,并可以与上述各个可选实施方式进行结合。获取待展示对象在三维城市空间中的空间信息和实时真实城市状态信息,具体化为:获取用户输入的待展示对象;向数字孪生地图系统请求所述待展示对象在三维城市空间中的空间信息,以及所述待展示对象的位置关联的实时真实城市状态信息;接收所述数字孪生地图系统反馈的所述空间信息和所述实时真实城市状态信息。
S301、获取用户输入的待展示对象。
由用户指定待展示对象。用户输入待展示对象的标识信息,或者是用户输入待展示对象的经纬度坐标。根据用户输入信息,确定用户输入的待展示对象。待展示对象可以包括用户输入的某个建筑物,和/或某个自定义区域。
S302、向数字孪生地图系统请求所述待展示对象在三维城市空间中的空间信息,以及所述待展示对象的位置关联的实时真实城市状态信息。
数字孪生技术是充分利用物理模型、传感器更新和运行历史等数据,集成多学科、多物理量、多尺度和多概率的仿真过程,在虚拟空间中完成映射,从而反映相对应的实体装备的全生命周期过程。基于数字孪生系统的三维城市空间不仅仅用于静态三维空间的构建,更关键的可实现空间场景内实时设备数据的感知、智能化算法应用、业务数据治理与空间融合,以及结合之后对未来的计算推演能力。在三维城市空间除了业务直接相关的空间要素,其他真实世界的要素(如植被、光照、风力等)也复刻完备;其空间数据细节远远高于传统的三维模型,并且采用高精地图还原道路,以及建筑信息模型(Building InformationModeling)还原建筑;三维城市空间还接入实时数据(车辆、人群和天气状况等),映射出一个真实的物理世界。
在本公开实施例中,三维城市空间为基于IOC系统结合数字孪生系统生成的三维城市空间。数字孪生地图系统可以提供三维地理信息,以及提供真实城市数据。通过数字孪生地图系统可以查询三维模型的尺寸(长、宽和高)和位置、车流人流、天气和光照等。
S303、接收所述数字孪生地图系统反馈的所述空间信息和所述实时真实城市状态信息。
S304、根据所述空间信息和所述实时真实城市状态信息,确定所述待展示对象的相机采集参数。
可选的,所述获取用户输入的待展示对象,包括:获取所述用户输入的目标区域和所述目标区域内至少一个关注建筑物;其中,所述空间信息包括所述目标区域在所述三维城市空间中的边界信息和各所述关注建筑物在所述三维城市空间中的三维模型尺寸信息和三维模型位置信息;所述实时真实城市状态信息包括所述目标区域相邻道路和内部道路的实时交通信息和所述目标区域关联的实时自然环境信息;所述相机采集参数包括目标区域的相机采集参数和各所述关注建筑物的相机采集参数;所述根据所述相机采集参数,对所述待展示对象进行图像采集,得到在目标视角下所述待展示对象的展示图像,并展示所述待展示对象的展示图像,包括:根据所述目标区域的相机采集参数,对所述目标区域进行图像采集,得到在所述目标区域的相机采集参数对应的目标视角下所述目标区域的展示图像。
待展示对象可以包括目标区域,目标区域的范围由用户确定,示例性的,目标区域包括行政区、园区或任意指定范围的区域等。关注建筑物可以是指在目标区域中建筑物。其中,展示图像为目标区域的图像,展示图像中显示有关注建筑物。在目标区域中,用户可以指定感兴趣的建筑物,确定为关注建筑物。此外,待展示对象可以仅包括目标区域,无关注建筑物,或者待展示对象可以仅包括某个关注建筑物,无目标区域。
边界信息用于限定目标区域在三维城市空间中的范围,边界信息可以包括目标区域在三维城市空间的边界线上的多个边界点的坐标。三维模型尺寸信息包括关注建筑物的长、宽和高。三维模型位置信息包括关注建筑物的三维模型在三维城市空间的位置,该位置与关注建筑物的地理位置对应。其中,关注建筑物的形状可以是不规整的空间立体,可以将最大长度、最大宽度和最大高度,作为三维模型尺寸信息。
目标区域相邻道路和内部道路的实时交通信息,可以包括目标区域附近道路的人流和车流以及内部道路的人流和车流等。目标区域关联的实时自然环境信息可以包括当前时刻的目标区域对应的真实区域的天气、光照、周围植被和区域内部植被等。
目标区域的相机采集参数用于采集最佳视角下的目标区域的图像。关注建筑物的相机采集参数用于采集最佳视角下的该关注建筑物的图像。关注建筑物为用户感兴趣的建筑物,当前展示内容为目标区域,关注建筑物可以为用户未来待展示的内容。而实时真实城市状态信息在短时间内稳定不变,因此,可以提前根据实时真实城市状态信息预先对每个关注建筑物都进行相机采集参数计算。相应的,此时相机采集参数包括目标区域的相机采集参数和目标区域内的关注建筑物的相机采集参数,其中,后者相机采集参数的数量为至少一个。
在当前时刻的展示内容为目标区域,则采用目标区域的相机采集参数,对目标区域进行采集得到展示图像,并展示。并存储关注建筑物的相机采集参数。
通过在用户指定目标区域为待展示对象时,还可以选定至少一个关注建筑物,并分别计算目标区域和关注建筑物的相机采集参数,可以预先生成关注建筑物的相机采集参数,加快关注建筑物的展示速度,并且,将空间信息具体化为模型尺寸和位置,实时真实城市状态信息具体化为交通和自然环境信息,进一步丰富待展示对象的信息,更加精准确定质量最好的图像。
可选的,基于数字孪生的城市信息展示方法,还包括:接收所述关注建筑物的展示指令;根据所述关注建筑物的相机采集参数,对所述关注建筑物进行图像采集,得到在所述关注建筑物的相机采集参数对应的目标视角下所述关注建筑物的展示图像;展示所述关注建筑物的展示图像。
展示指令用于展示关注建筑物的三维模型的展示图像。在前一步,关注建筑物的相机采集参数已经随着目标区域的相机采集参数共同计算得到,此时可以直接从存储的多个关注建筑物的相机采集参数中,查询到展示指令指向的关注建筑物的相机采集参数。并采用该相机采集参数采集该关注建筑的展示图像,并进行展示。
需要说明的是,展示指令指向的建筑物与关注建筑物不同,则需要重新根据指向的建筑物的空间信息和实时真实城市状态信息进行计算。
通过在接收到关注建筑物的展示指令时,快速获取提前计算得到的关注建筑物的相机采集参数,并生成相应展示图像进行展示,可以加快关注建筑物的展示速度,减少等待展示时长,提高关注建筑物的展示指令的响应速度。
可选的,待展示对象仅包括用户输入的目标区域,相应的,空间信息包括目标区域在三维城市空间中的边界信息。或者待展示对象仅包括用户输入的关注建筑物;相应的,空间信息包括关注建筑物在三维城市空间中的模型尺寸信息和模型位置信息,实时真实城市状态信息包括关注建筑物相邻道路的实时交通信息和关注建筑物关联的实时自然环境信息。
可选的,所述根据所述空间信息和所述实时真实城市状态信息,确定所述待展示对象的相机采集参数,包括:获取所述三维城市空间的展示维度;根据所述展示维度、所述空间信息和所述实时真实城市状态信息,确定所述待展示对象的相机采集参数。
展示维度用于确定三维空间城市的展示重点内容,可以通过IOC系统的重点关注内容确定,展示维度可以是IOC系统的展示主题。示例性的,展示维度为产业招商,IOC大屏的展示图像更多的包括当前建筑中各楼层的公司相关信息,或当前园区各个地块的租售情况。又如,展示维度为重大活动保障,相应的展示图像更多的包括重大活动所在地周边的交通、人流和可疑人员等情况。不同的展示维度对应用户不同的关注需求。示例性的,展示维度包括城市治理,智慧停车、重大活动保障、产业招商或智慧应急等。
可以针对不同展示维度,分别训练不同的参数检测模型。将空间信息和实时真实城市状态信息,输入至展示维度对应的参数检测模型中,得到待展示对象的相机采集参数。
通过对不同展示维度分别设计深度学习模型并调试选择相机的最佳角度,记录上述的输入输出信息得到1000个训练样本。随机选择800个训练样本作为参数检测模型的训练数据,完成参数检测模型的训练。剩余200个数据作为验证集对参数检测模型的拟合效果进行评估。
通过获取三维城市空间的展示维度,并将展示维度结合空间信息和实时真实城市状态信息确定待展示对象的相机采集参数,可以实时根据参数灵活调整需求,并精准根据需求检测相机采集参数,提高展示图像的视角灵活性,以及提高图像展示内容的精准性。
S305、根据所述相机采集参数,对所述待展示对象进行图像采集,得到在目标视角下所述待展示对象的展示图像,并展示所述待展示对象的展示图像。
根据本公开的技术方案,通过基于数字孪生地图获取空间信息以及实施真实城市状态信息,实现在兼顾静态三维空间的构建的基础上,实现对真实世界的要素进行完整映射,增加三维城市空间的真实性和内容丰富性,在基于数字孪生技术的三维城市空间的展示场景中,根据真实丰富的信息,确定待展示对象的相机采集参数,可以提高相机采集参数的检测精度,以及提高基于数字孪生技术的三维城市空间的模型展示效率。
图4是根据本公开实施例公开的另一种基于数字孪生的城市信息展示方法的流程图,基于上述技术方案进一步优化与扩展,并可以与上述各个可选实施方式进行结合。基于数字孪生的城市信息展示方法,还包括:在城市空间展示页面中,获取用户输入的展示层级;在所述展示层级为可选区域层级的情况下,获取所述用户输入的待展示对象。
S401、在城市空间展示页面中,获取用户输入的展示层级。
城市空间展示页面中显示有三维城市空间的模型图像,以及城市信息。三维城市空间包括大量的三维模型和对应的城市信息,可以对三维模型和对应的城市信息进行划分,每一类确定为一个展示层级。在一个展示层级中显示该展示层级对应的模型图像和城市信息。不同展示层级显示不同的模型图像和不同的城市信息。
S402、在所述展示层级为可选区域层级的情况下,获取所述用户输入的待展示对象。
可选区域层级是指用户可以指定待展示对象,获取最佳视角的图像的层级。通常可选区域层级可以是指模型图像可清晰浏览到城市细节的层级。示例性的,展示层级可以是行政区划的层级。例如,展示层级包括省、市、区、街道、社区、园区和建筑物等。其中,可选区域层级可以包括街道层级、社区层级、园区层级和建筑物层级。在用户选择街道层级、社区层级、园区层级和建筑物层级中任意一个层级时,用户可以指定待展示对象,获取相机采集参数并进行最佳视角展示。
S403、获取待展示对象在三维城市空间中的空间信息和实时真实城市状态信息。
S404、根据所述空间信息和所述实时真实城市状态信息,确定所述待展示对象的相机采集参数。
S405、根据所述相机采集参数,对所述待展示对象进行图像采集,得到在目标视角下所述待展示对象的展示图像,并展示所述待展示对象的展示图像。
可选的,基于数字孪生的城市信息展示方法,还包括:获取所述展示层级对应的展示内容类型;获取所述展示层级的展示内容类型对应的展示内容;所述展示所述待展示对象的展示图像,包括:根据所述展示层级的展示内容和所述展示图像,生成所述展示层级对应的展示页面,并显示所述展示层级对应的展示页面。
在除了需要显示待展示对象的展示图像之外,还需要展示当前层级对应的内容。例如,内容可以包括事件、事件处理流程、资源变化和人员流动等。展示内容类型与展示层级对应,不同展示层级可以配置相同或不同的展示内容类型。根据展示层级对应的展示内容类型,获取相应数据,并生成对应的展示内容,在展示页面中同时显示展示内容和展示图像。在除可选区域层级之外的展示层级中,按照标准的相机采集参数采集得到展示图像,或者直接获取预存的展示图像,和该展示层级对应的展示内容,在展示页面中进行展示。
具体的,城市空间展示页面用于与用户进行交互,接收用户指定的展示层级,获取展示层级的展示内容和展示图像,生成新的展示页面,并覆盖原城市空间展示页面显示或跳转至新的展示页面进行显示,实现显示展示层级对应的展示内容和展示图像。
示例性的,省层级对应的展示内容类型包括人口、天气和土地面积等类型。市层级对应的展示内容类型包括人口、车流量和房屋数量等类型。园区层级对应的展示内容类型包括人流量、企业数和租赁土地面积等类型。
通过对不同层级区分显示不同的展示内容,可以满足用户对不同层级的不同关注内容的展示需求,并且实现对城市中用户关心的重点点位的聚焦,增加数字孪生地图的应用场景,丰富IOC的展示内容。
可选的,基于数字孪生的城市信息展示方法,还包括:周期性获取所述三维城市空间对应的城市基础数据;对所述城市基础数据进行统计,得到各所述展示内容类型对应的展示内容;存储各所述展示内容类型对应的展示内容。
城市基础数据可以是指直接采集的城市信息。展示内容可以通过对城市基础数据进行加工处理得到。存储展示内容可以是指离线统计并存储,在存在展示需要时,直接从预存的数据中,获取展示内容,并进行展示,加快展示速度。
示例性的,城市基础数据包括事件的名称、类型、上报时间和上报地址。对城市基础数据进行统计可以是根据事件类型、网格级别、或网格标识(id)统计每日不同事件的分布数据。
通过避免实时计算,通过周期性获取城市基础数据并预先统计存储,可以解决大数据量下数据计算速度较慢的问题,提高数据统计接口的响应速度,提高数据展示效率。
根据本公开的技术方案,获取用户输入的展示层级,实现城市空间展示页面按照展示层级区分显示相应的内容,增加展示内容的层次,灵活调整展示内容,增加三维城市空间的展示内容的丰富性和多样性。
图5是根据本公开的技术方案提供的一种基于数字孪生的城市信息展示方法的流程图。如图5所示,该基于数字孪生的城市信息展示方法包括:
城市活力的发展往往以城市重要节点作为支撑,以此为锚点,实现城市各个功能业态的聚集,促进人的交往和消费的繁荣。在交通与业态聚合的加持下,城市锚点是吸引商业空间集聚、撬动城市消费空间发展和提升消费空间流量的一支杠杆。通过对城市各项数据指标进行监测,对各个聚合点逐级下钻分析,寻找增长城市活力的锚点并重点监测,及时采取措施促进城市经济持续发展、打造城市新的活力增长点和城市名片。在加快推进市域社会治理体系现代化背景下,可以打造城市-区-街道-社区-网格5级城市锚点,展示城市宏观态势、区域运行态势、街道、社区和网格社会治理概况信息,实现纵向到底、横向到边,社区自循环、街道微循环、区级小循环和市级大循环的社会治理现代化新模式。
S501,在城市空间展示页面中,获取用户输入的展示层级。
每个展示层级可以理解为三维城市空间的锚点。
S502,在所述展示层级为可选区域层级的情况下,获取所述用户输入的待展示对象。
S503,获取待展示对象在三维城市空间中的空间信息和实时真实城市状态信息。
S504,将所述空间信息和所述实时真实城市状态信息输入至预先训练的参数检测模型,得到所述参数检测模型输出的相机采集参数。
S505,根据所述相机采集参数,对所述待展示对象进行图像采集,得到在目标视角下所述待展示对象的展示图像。
相机采集参数可以理解为针对自定义范围的区域或者更具体的建筑物,设置更具体的展示锚点,实现聚焦锚点展示。
S506,获取所述展示层级对应的展示内容类型。
S507,获取所述展示层级的展示内容类型对应的展示内容。
展示内容可以通过如下方式获取:周期性获取所述三维城市空间对应的城市基础数据;对所述城市基础数据进行统计,得到各所述展示内容类型对应的展示内容;存储各所述展示内容类型对应的展示内容。
现有的IOC系统使用mvc三层模型(Model模型、View视图,及Controller控制器)。具体的,IOC系统中Model模型包括Service层(业务逻辑层)和Dao层(数据持久层)。IOC大屏接收到展示指令,并发送给Controller层(请求处理层)进行处理,Controller层确定需要展示的数据,并向Service层进行请求,Service层调用Dao层查询数据库,并对查询得到的数据进行统计计算,反馈给Controller层,并通过IOC大屏进行展示。通常是Service层调用Dao层查询数据库然后编写代码计算得到。Dao层直接读取底层数据直接在Service层计算为大屏统计数据,存在重复开发与计算复杂问题,开发时间较长,Service层臃肿,代码可读性较弱,后续迭代更新困难,bug修改难度较大。计算复杂,实时计算接口响应速度过慢,影响上屏展示效果。如果将计算过程放在Dao层就会出现sql(Structured Query Language,结构化查询语言)语句复杂,关联查询比较多的问题。
在本公开实施例中,如图6所示,基于Springboot设计了IOC数据结构模型,具体是在mvc三层模型中额外设置一个数据计算层(Calculate层)。数据计算层的数据来源于基础数据与外部数据。数据计算层通过项目需求设计统计表或者缓存表,利用底层数据或外部数据结合需求进行统计计算,根据数据刷新频率设计定时任务,定时计算得到统计数据存入统计表中。Service层直接请求数据计算层或者基础数据层的数据,根据需求完成对数据的组合,并反馈给Controller层,Controller层控制IOC大屏进行展示。此外,Service层还可以通过开放接口获取外部请求,并请求数据计算层或者基础数据层的数据,根据需求完成对数据的组合,得到响应结果,并反馈给调用开放接口的请求方。
通过配置数据计算层实现IOC系统统计数据与原始数据的半解耦状态。具体的实现是在mvc三层模型中添加了数据计算层,并对其他层的功能进行了重新的定义。其中Dao层直接关联数据表,只对数据进行最基本的增删改查。
S508,根据所述展示层级的展示内容和所述展示图像,生成所述展示层级对应的展示页面,并显示所述展示层级对应的展示页面。
在一个具体的例子中,本公开实施例可以应用于市域治理场景。如图7所示的数据架构图,数据分为基础数据与计算数据,基础数据与计算数据均通过Dao层直接访问。数据计算层负责实现从基础数据到计算统计数据的过程。
基础数据为项目中最细粒度的数据,根据市域治理的需求可以拆分为事件、网格和网格员等。基础数据记录的是市域治理过程中的事件处理的一整个流程。事件包含事件处理表与事件信息表。事件信息表在事件上报的时候插入数据,具体包含事件的名称、类型、上报时间和上报地址等。事件处理为事件的流转过程,一个事件的每个处理步骤均会在这个表中展示。网格包含五级网格,分别为市网格、区网格、街道网格、社区网格与小区网格,每个网格均包含中心位置坐标和名称等信息。网格员包含网格员名称、电话和所属网格等信息。网格员走访包含网格员每次的走访记录,具体包含走访人类型、走访详情和走访地址等。基础数据按照最细粒度进行采集,可以采用宽表记录,表中包含底层数据的所有字段。
计算统计数据来源于基础数据。根据基础数据与项目需求设计相应的表,包括事件统计、网格员统计、网格员走访统计和事件网格员等。例如:根据事件类型、网格级别和网格id统计每日不同事件的分布。数据计算层通过定时任务将基础数据层的数据进行分组计算后定时插入到计算统计表中。Service层根据业务逻辑调用数据计算层或者Dao层的数据,实现各种大屏场景,例如城市锚点和城乡治理等需求。
根据本公开的技术方案,可以针对用户对城市不同的展示需求,可应用于城市活力和市域治理等多个主题场景中。IOC大屏包含了多个层次从省到市到区最后到街道、社区和具体的建筑物等,其各层级的总数据量较大,统计计算逻辑复杂,通过数据计算层实现了计算与展示的解耦,并且,提高了IOC大屏的开发迭代速度,避免了Service层代码臃肿问题,提高了代码的可读性,降低了bug的修改难度,提高了接口的响应速度。大屏多层展示数据量巨大,用户每层关心的指标各有不同,IOC数据模型实现了大屏多层展示的目标,克服了大数据量下数据计算速度较慢的问题。参数检测模型主要应用于IOC大屏中对于自选区域和建筑物的聚焦展示,快速获得最佳的展示效果,并降低了人工成本。
根据本公开的实施例,图8是本公开实施例中的基于数字孪生的城市信息展示装置的结构图,本公开实施例适用于城市空间系统展示信息的情况。该装置采用软件和/或硬件实现,并具体配置于具备一定数据运算能力的电子设备中。
如图8所示的一种基于数字孪生的城市信息展示装置800,包括:实时信息获取模块801、采集参数确定模块802和模型图像采集展示模块803。其中,
实时信息获取模块801,用于获取待展示对象在三维城市空间中的空间信息和实时真实城市状态信息;
采集参数确定模块802,用于根据所述空间信息和所述实时真实城市状态信息,确定所述待展示对象的相机采集参数;
模型图像采集展示模块803,用于根据所述相机采集参数,对所述待展示对象进行图像采集,得到在目标视角下所述待展示对象的展示图像,并展示所述待展示对象的展示图像。
根据本公开的技术方案,通过获取待展示对象在三维城市空间中的空间信息和实时真实城市状态信息,确定待展示对象在三维城市空间的相机采集参数,并基于该相机采集参数在三维城市空间中对该待展示对象进行图像采集,得到目标视角下的展示图像,并进行显示,可以减少调试相机采集参数的操作复杂性和人工成本,加快相机参数检测速度,从而提高对象模型的展示效率,并且,针对具有丰富的真实信息的三维城市空间,基于真实信息确定相机采集参数,增加真实信息因素,提高相机采集参数的准确性,提高展示图像的图像质量。
进一步的,所述实时信息获取模块801,包括:待展示对象接收单元,用于获取用户输入的待展示对象;数字孪生数据请求单元,用于向数字孪生地图系统请求所述待展示对象在三维城市空间中的空间信息,以及所述待展示对象的位置关联的实时真实城市状态信息;数字孪生数据接收单元,用于接收所述数字孪生地图系统反馈的所述空间信息和所述实时真实城市状态信息。
进一步的,所述待展示对象接收单元,包括:目标区域接收子单元,用于获取所述用户输入的目标区域和所述目标区域内至少一个关注建筑物;其中,所述空间信息包括所述目标区域在所述三维城市空间中的边界信息和各所述关注建筑物在所述三维城市空间中的三维模型尺寸信息和三维模型位置信息;所述实时真实城市状态信息包括所述目标区域相邻道路和内部道路的实时交通信息和所述目标区域关联的实时自然环境信息;所述相机采集参数包括目标区域的相机采集参数和各所述关注建筑物的相机采集参数;所述模型图像采集展示模块803,包括:区域图像采集单元,用于根据所述目标区域的相机采集参数,对所述目标区域进行图像采集,得到在所述目标区域的相机采集参数对应的目标视角下所述目标区域的展示图像,并展示所述目标区域的展示图像。
进一步的,所述基于数字孪生的城市信息展示装置,还包括:展示指令接收模块,用于接收所述关注建筑物的展示指令;建筑物图像采集模块,用于根据所述关注建筑物的相机采集参数,对所述关注建筑物进行图像采集,得到在所述关注建筑物的相机采集参数对应的目标视角下所述关注建筑物的展示图像;建筑物图像展示模块,用于展示所述关注建筑物的展示图像。
进一步的,所述采集参数确定模块802,包括:展示维度获取单元,用于获取所述三维城市空间的展示维度;采集参数检测单元,用于根据所述展示维度、所述空间信息和所述实时真实城市状态信息,确定所述待展示对象的相机采集参数。
进一步的,所述采集参数确定模块802,包括:模型检测单元,用于将所述空间信息和所述实时真实城市状态信息输入至预先训练的参数检测模型,得到所述参数检测模型输出的相机采集参数;其中,所述参数检测模型通过训练样本预先训练得到,所述训练样本包括样本对象的空间信息、样本真实城市状态信息和最佳视角下的样本模型图像对应的相机采集参数。
进一步的,所述基于数字孪生的城市信息展示装置,还包括:展示层级检测模块,用于在城市空间展示页面中,获取用户输入的展示层级;可选区域层级展示模块,用于在所述展示层级为可选区域层级的情况下,获取所述用户输入的待展示对象。
进一步的,所述基于数字孪生的城市信息展示装置,还包括:层级类型获取模块,用于获取所述展示层级对应的展示内容类型;层级内容获取模块,用于获取所述展示层级的展示内容类型对应的展示内容;所述模型图像采集展示模块803,包括:层级内容展示单元,用于根据所述展示层级的展示内容和所述展示图像,生成所述展示层级对应的展示页面,并显示所述展示层级对应的展示页面。
进一步的,所述基于数字孪生的城市信息展示装置,还包括:城市数据获取模块,用于周期性获取所述三维城市空间对应的城市基础数据;城市数据统计模块,用于对所述城市基础数据进行统计,得到各所述展示内容类型对应的展示内容;
统计结果存储模块,用于存储各所述展示内容类型对应的展示内容。上述基于数字孪生的城市信息展示装置可执行本公开任意实施例所提供的基于数字孪生的城市信息展示方法,具备执行基于数字孪生的城市信息展示方法相应的功能模块和有益效果。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序对象。
图9示出了可以用来实施本公开的实施例的示例电子设备900的示意性区域图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图9所示,设备900包括计算单元901,其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序,来执行各种适当的动作和处理。在RAM 903中,还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
设备900中的多个部件连接至I/O接口905,包括:输入单元906,例如键盘、鼠标等;输出单元907,例如各种类型的显示器、扬声器等;存储单元908,例如磁盘、光盘等;以及通信单元909,例如网卡、调制解调器、无线通信收发机等。通信单元909允许设备900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理,例如基于数字孪生的城市信息展示方法。例如,在一些实施例中,基于数字孪生的城市信息展示方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元908。在一些实施例中,计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到RAM 903并由计算单元901执行时,可以执行上文描述的基于数字孪生的城市信息展示方法的一个或多个步骤。备选地,在其他实施例中,计算单元901可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行基于数字孪生的城市信息展示方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准对象(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或区域图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)区块链网络和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术及机器学习/深度学习技术、大数据处理技术、知识图谱技术等几大方向。
云计算(cloud computing),指的是通过网络接入弹性可扩展的共享物理或虚拟资源池,资源可以包括服务器、操作系统、网络、软件、应用和存储设备等,并可以按需、自服务的方式对资源进行部署和管理的技术体系。通过云计算技术,可以为人工智能、区块链等技术应用、模型训练提供高效强大的数据处理能力。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开提供的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (21)
1.一种基于数字孪生的城市信息展示方法,包括:
获取待展示对象在三维城市空间中的空间信息和实时真实城市状态信息;
根据所述空间信息和所述实时真实城市状态信息,确定所述待展示对象的相机采集参数;
根据所述相机采集参数,对所述待展示对象进行图像采集,得到在目标视角下所述待展示对象的展示图像,并展示所述待展示对象的展示图像。
2.根据权利要求1所述的方法,其中,所述获取待展示对象在三维城市空间中的空间信息和实时真实城市状态信息,包括:
获取用户输入的待展示对象;
向数字孪生地图系统请求所述待展示对象在三维城市空间中的空间信息,以及所述待展示对象的位置关联的实时真实城市状态信息;
接收所述数字孪生地图系统反馈的所述空间信息和所述实时真实城市状态信息。
3.根据权利要求2所述的方法,其中,所述获取用户输入的待展示对象,包括:
获取所述用户输入的目标区域和所述目标区域内至少一个关注建筑物;
其中,所述空间信息包括所述目标区域在所述三维城市空间中的边界信息和各所述关注建筑物在所述三维城市空间中的三维模型尺寸信息和三维模型位置信息;所述实时真实城市状态信息包括所述目标区域相邻道路和内部道路的实时交通信息和所述目标区域关联的实时自然环境信息;所述相机采集参数包括目标区域的相机采集参数和各所述关注建筑物的相机采集参数;
所述根据所述相机采集参数,对所述待展示对象进行图像采集,得到在目标视角下所述待展示对象的展示图像,并展示所述待展示对象的展示图像,包括:
根据所述目标区域的相机采集参数,对所述目标区域进行图像采集,得到在所述目标区域的相机采集参数对应的目标视角下所述目标区域的展示图像。
4.根据权利要求3所述的方法,还包括:
接收所述关注建筑物的展示指令;
根据所述关注建筑物的相机采集参数,对所述关注建筑物进行图像采集,得到在所述关注建筑物的相机采集参数对应的目标视角下所述关注建筑物的展示图像;
展示所述关注建筑物的展示图像。
5.根据权利要求1所述的方法,其中,所述根据所述空间信息和所述实时真实城市状态信息,确定所述待展示对象的相机采集参数,包括:
获取所述三维城市空间的展示维度;
根据所述展示维度、所述空间信息和所述实时真实城市状态信息,确定所述待展示对象的相机采集参数。
6.根据权利要求1所述的方法,其中,所述根据所述空间信息和所述实时真实城市状态信息,确定所述待展示对象的相机采集参数,包括:
将所述空间信息和所述实时真实城市状态信息输入至预先训练的参数检测模型,得到所述参数检测模型输出的相机采集参数;
其中,所述参数检测模型通过训练样本预先训练得到,所述训练样本包括样本对象的空间信息、样本真实城市状态信息和最佳视角下的样本模型图像对应的相机采集参数。
7.根据权利要求1所述的方法,还包括:
在城市空间展示页面中,获取用户输入的展示层级;
在所述展示层级为可选区域层级的情况下,获取所述用户输入的待展示对象。
8.根据权利要求7所述的方法,还包括:
获取所述展示层级对应的展示内容类型;
获取所述展示层级的展示内容类型对应的展示内容;
所述展示所述待展示对象的展示图像,包括:
根据所述展示层级的展示内容和所述展示图像,生成所述展示层级对应的展示页面,并显示所述展示层级对应的展示页面。
9.根据权利要求8所述的方法,还包括:
周期性获取所述三维城市空间对应的城市基础数据;
对所述城市基础数据进行统计,得到各所述展示内容类型对应的展示内容;
存储各所述展示内容类型对应的展示内容。
10.一种基于数字孪生的城市信息展示装置,包括:
实时信息获取模块,用于获取待展示对象在三维城市空间中的空间信息和实时真实城市状态信息;
采集参数确定模块,用于根据所述空间信息和所述实时真实城市状态信息,确定所述待展示对象的相机采集参数;
模型图像采集展示模块,用于根据所述相机采集参数,对所述待展示对象进行图像采集,得到在目标视角下所述待展示对象的展示图像,并展示所述待展示对象的展示图像。
11.根据权利要求10所述的装置,其中,所述实时信息获取模块,包括:
待展示对象接收单元,用于获取用户输入的待展示对象;
数字孪生数据请求单元,用于向数字孪生地图系统请求所述待展示对象在三维城市空间中的空间信息,以及所述待展示对象的位置关联的实时真实城市状态信息;
数字孪生数据接收单元,用于接收所述数字孪生地图系统反馈的所述空间信息和所述实时真实城市状态信息。
12.根据权利要求11所述的装置,其中,所述待展示对象接收单元,包括:
目标区域接收子单元,用于获取所述用户输入的目标区域和所述目标区域内至少一个关注建筑物;其中,所述空间信息包括所述目标区域在所述三维城市空间中的边界信息和各所述关注建筑物在所述三维城市空间中的三维模型尺寸信息和三维模型位置信息;所述实时真实城市状态信息包括所述目标区域相邻道路和内部道路的实时交通信息和所述目标区域关联的实时自然环境信息;所述相机采集参数包括目标区域的相机采集参数和各所述关注建筑物的相机采集参数;
所述模型图像采集展示模块,包括:
区域图像采集单元,用于根据所述目标区域的相机采集参数,对所述目标区域进行图像采集,得到在所述目标区域的相机采集参数对应的目标视角下所述目标区域的展示图像,并展示所述目标区域的展示图像。
13.根据权利要求12所述的装置,还包括:
展示指令接收模块,用于接收所述关注建筑物的展示指令;
建筑物图像采集模块,用于根据所述关注建筑物的相机采集参数,对所述关注建筑物进行图像采集,得到在所述关注建筑物的相机采集参数对应的目标视角下所述关注建筑物的展示图像;
建筑物图像展示模块,用于展示所述关注建筑物的展示图像。
14.根据权利要求10所述的装置,其中,所述采集参数确定模块,包括:
展示维度获取单元,用于获取所述三维城市空间的展示维度;
采集参数检测单元,用于根据所述展示维度、所述空间信息和所述实时真实城市状态信息,确定所述待展示对象的相机采集参数。
15.根据权利要求10所述的装置,其中,所述采集参数确定模块,包括:
模型检测单元,用于将所述空间信息和所述实时真实城市状态信息输入至预先训练的参数检测模型,得到所述参数检测模型输出的相机采集参数;
其中,所述参数检测模型通过训练样本预先训练得到,所述训练样本包括样本对象的空间信息、样本真实城市状态信息和最佳视角下的样本模型图像对应的相机采集参数。
16.根据权利要求10所述的装置,还包括:
展示层级检测模块,用于在城市空间展示页面中,获取用户输入的展示层级;
可选区域层级展示模块,用于在所述展示层级为可选区域层级的情况下,获取所述用户输入的待展示对象。
17.根据权利要求16所述的装置,还包括:
层级类型获取模块,用于获取所述展示层级对应的展示内容类型;
层级内容获取模块,用于获取所述展示层级的展示内容类型对应的展示内容;
所述模型图像采集展示模块包括,
层级内容展示单元,用于根据所述展示层级的展示内容和所述展示图像,生成所述展示层级对应的展示页面,并显示所述展示层级对应的展示页面。
18.根据权利要求17所述的装置,还包括:
城市数据获取模块,用于周期性获取所述三维城市空间对应的城市基础数据;
城市数据统计模块,用于对所述城市基础数据进行统计,得到各所述展示内容类型对应的展示内容;
统计结果存储模块,用于存储各所述展示内容类型对应的展示内容。
19.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-9中任一项所述的基于数字孪生的城市信息展示方法。
20.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-9中任一项所述的基于数字孪生的城市信息展示方法。
21.一种计算机程序对象,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-9中任一项所述的基于数字孪生的城市信息展示方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211627923.0A CN116011322A (zh) | 2022-12-16 | 2022-12-16 | 基于数字孪生的城市信息展示方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211627923.0A CN116011322A (zh) | 2022-12-16 | 2022-12-16 | 基于数字孪生的城市信息展示方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116011322A true CN116011322A (zh) | 2023-04-25 |
Family
ID=86022261
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211627923.0A Pending CN116011322A (zh) | 2022-12-16 | 2022-12-16 | 基于数字孪生的城市信息展示方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116011322A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116843845A (zh) * | 2023-06-07 | 2023-10-03 | 福州华仁拾宝网络科技有限公司 | 一种应用于数字孪生城市的空间数据集成方法及系统 |
CN117056997A (zh) * | 2023-10-13 | 2023-11-14 | 网思科技股份有限公司 | 一种城市数字孪生可视化协同方法、系统和介质 |
CN117112654A (zh) * | 2023-10-24 | 2023-11-24 | 北京白龙马云行科技有限公司 | 城市数据展示方法、装置、计算机设备和存储介质 |
CN118313143A (zh) * | 2024-04-29 | 2024-07-09 | 中建筑港集团有限公司 | 一种水泥搅拌施工数字孪生方法、系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111726535A (zh) * | 2020-07-03 | 2020-09-29 | 郑州迈拓信息技术有限公司 | 基于车辆感知的智慧城市cim视频大数据画质控制方法 |
WO2022064242A1 (en) * | 2020-09-22 | 2022-03-31 | Sarabi Soroush | The method of automatic 3d designing of constructions and colonies in an smart system using a combination of machine scanning and imaging and machine learning and reconstruction of 3d model through deep learning and with the help of machine learning methods |
-
2022
- 2022-12-16 CN CN202211627923.0A patent/CN116011322A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111726535A (zh) * | 2020-07-03 | 2020-09-29 | 郑州迈拓信息技术有限公司 | 基于车辆感知的智慧城市cim视频大数据画质控制方法 |
WO2022064242A1 (en) * | 2020-09-22 | 2022-03-31 | Sarabi Soroush | The method of automatic 3d designing of constructions and colonies in an smart system using a combination of machine scanning and imaging and machine learning and reconstruction of 3d model through deep learning and with the help of machine learning methods |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116843845A (zh) * | 2023-06-07 | 2023-10-03 | 福州华仁拾宝网络科技有限公司 | 一种应用于数字孪生城市的空间数据集成方法及系统 |
CN117056997A (zh) * | 2023-10-13 | 2023-11-14 | 网思科技股份有限公司 | 一种城市数字孪生可视化协同方法、系统和介质 |
CN117056997B (zh) * | 2023-10-13 | 2024-03-22 | 网思科技股份有限公司 | 一种城市数字孪生可视化协同方法、系统和介质 |
CN117112654A (zh) * | 2023-10-24 | 2023-11-24 | 北京白龙马云行科技有限公司 | 城市数据展示方法、装置、计算机设备和存储介质 |
CN117112654B (zh) * | 2023-10-24 | 2024-01-16 | 北京白龙马云行科技有限公司 | 城市数据展示方法、装置、计算机设备和存储介质 |
CN118313143A (zh) * | 2024-04-29 | 2024-07-09 | 中建筑港集团有限公司 | 一种水泥搅拌施工数字孪生方法、系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116011322A (zh) | 基于数字孪生的城市信息展示方法、装置、设备及介质 | |
Wu et al. | Using street view images to examine the association between human perceptions of locale and urban vitality in Shenzhen, China | |
Long et al. | Mapping block-level urban areas for all Chinese cities | |
CN108446293A (zh) | 一种基于城市多源异构数据构建城市画像的方法 | |
CN111401726A (zh) | 一种建筑设计方法、装置、系统及存储介质 | |
CN116090065B (zh) | 一种基于数字孪生的智慧城市绿化设计方法及装置 | |
CN110716935A (zh) | 基于网约车出行的轨迹数据分析与可视化方法及系统 | |
CN109242170A (zh) | 一种基于数据挖掘技术的城市道路管理系统及方法 | |
CN115758522A (zh) | 一种数字孪生城市管理系统及方法 | |
CN111080501A (zh) | 基于手机信令数据的真实人群密度时空分布估算方法 | |
Yuan et al. | Using street view images and a geographical detector to understand how street-level built environment is associated with urban poverty: A case study in Guangzhou | |
CN117079148A (zh) | 城市功能区的识别方法、装置、设备和介质 | |
CN112566029B (zh) | 基于手机定位数据的城市就业中心识别方法及装置 | |
CN114358660A (zh) | 一种城市街道品质评估方法、系统及存储介质 | |
CN114781768B (zh) | 基于城市资源数据的停车场设施规划方法、装置及设备 | |
Wang | The digital presentation of human-oriented urban design | |
CN110276387A (zh) | 一种模型的生成方法及装置 | |
CN110659427A (zh) | 基于多源数据的城市功能划分方法、装置和电子设备 | |
CN111026987A (zh) | 展示海量车辆位置分布信息的多层聚合方法及系统 | |
Liu et al. | Dual-environment feature fusion-based method for estimating building-scale population distributions | |
CN111382165A (zh) | 一种移动国土管理系统 | |
CN110633890A (zh) | 一种土地利用效率判断方法和系统 | |
CN115018536A (zh) | 区域确定方法、装置、电子设备和可读存储介质 | |
CN116151600A (zh) | 共享车辆的维护方法、装置、计算机设备和存储介质 | |
CN117521908B (zh) | 一种城市空间区域适配性评估方法、系统及终端 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |