一种网络协同处理测绘数据的方法与流程

技术特征：

1.一种网络协同处理测绘数据的方法，其特征在于：该处理方法步骤为：

2.根据权利要求1所述的一种网络协同处理测绘数据的方法，其特征在于：所述s1中所提到的多种方式，其包括有无人机、卫星图像、实地测量三种方式。

3.根据权利要求1所述的一种网络协同处理测绘数据的方法，其特征在于：所述s3中所提到的特征，其包括有地形、地貌、建筑物信息。

4.根据权利要求1所述的一种网络协同处理测绘数据的方法，其特征在于：所述s3中所提到的模型，其包括有：卷积神经网络(cnn)、循环神经网络(rnn)或长短期记忆网络(lstm)；lstm在处理一些具有时间序列性质的数据时，发挥出其独特优势。

5.根据权利要求1所述的一种网络协同处理测绘数据的方法，其特征在于：所述s5中提到的挖掘方法包括有：分类、回归分析、聚类、关联规则、特征、变化和偏差分析七种方法。

6.根据权利要求2所述的一种网络协同处理测绘数据的方法，其特征在于：所述卫星图像的测绘方法为：

7.根据权利要求6所述的一种网络协同处理测绘数据的方法，其特征在于：所述空间位置和特征信息的提取方法有：传统图像特征提取方法、基于深度学习的特征提取方法、像控点匹配方法、遥感图像分类方法和三维重建方法。

8.根据权利要求所述的一种网络协同处理测绘数据的方法，其特征在于：所述时间序列性质的数据：时间序列性质的数据指的是在时间上具有连续性或周期性的数据；这些数据在时间上具有先后顺序，通常以时间为横轴，以某一指标为纵轴，描述该指标在时间上的变化趋势和规律；时间序列数据是不同时间、同一个体的一个或多个指标组成的数据。

9.根据权利要求1所述的一种网络协同处理测绘数据的方法，其特征在于：所述结果评估的方法包括有：

技术总结
本发明属于智能测绘技术领域，且公开了一种网络协同处理测绘数据的方法，该处理方法步骤为：S1,数据收集；S2,数据预处理；S3,特征提取与分析；S4,模型训练；S5,数据挖掘；S6,数据预测；S7,自动化处理流程；S8,结果评估与优化；S9,数据输出。本发明人工智能技术可以自动化地进行数据分类、识别、处理和绘制，减轻了测绘人员的工作负担，提高了工作效率，人工智能可以对海量的遥感图像和测绘数据进行自动分类和识别，实现高精度和准确性的绘制，使得测绘结果更加直观和生动，人工智能的加入极大地提升了测绘工作的效率和精度，同时降低了人为因素的干扰，有利于更好地进行地理空间数据的管理、分析和应用。

技术研发人员：魏永强,齐东兰,刘状,卢学良,吕源
受保护的技术使用者：中国人民解放军61540部队
技术研发日：
技术公布日：2024/3/12