一种利用人工智能自动标注城镇信息系统及方法

摘要

本发明公开了一种利用人工智能自动标注城镇信息系统及方法，定期更新城镇地图，通过识别更新后城镇地图的特征点，形成第二神经网络模型，将第二神经网络模型与城镇地图基于特征点所形成的第一神经网络模型进行匹配，实现对地图的统一，并且每次更新城镇地图均匀上一版本城镇地图相匹配，这样能够保证所有版本轮廓的一致性，实现新老版本地图的对应，能够有效防止因城市发展，特征点的变化，而导致对城镇信息标注出现错位的问题。

说明书

技术领域

本发明涉及数字地图技术领域，尤其涉及一种利用人工智能自动标注城镇信息系统及方法。

背景技术

随着社会发展，城市发生了巨大的变化，在城市建设的过程中，许多老建筑被拆除，当离家很久的人回归故里，在城市中无法再找到老建筑的影子。为了方便回归故里的居民对城市的回忆，特研发了一种利用人工智能自动标注城镇信息系统及方法。

发明内容

本发明提供了一种利用人工智能自动标注城镇信息系统及方法，通过将老版本的地图与新版本的地图通过特征点进行匹配，实现新老版本地图的对应，能够有效防止因城市发展，特征点的变化，而导致对城镇信息标注出现错位的问题。

一种利用人工智能的地图匹配方法，方法包括：

S11：将城镇地图依据特征点划分为多个特征区域，基于人工智能对特征区域进行扫描并形成第一神经网络模型；

S12：将更新后版本的城镇地图依据特征点划分为多个特征区域，基于人工智能对特征区域进行扫描并形成第二神经网络模型；

S13：通过对比第一神经网络模型与第二神经网络模型，实现对原始地图与更新后地图的匹配。

优选的，特征点可以为高楼、河流、公园、道路中一种或多种的组合。

优选的，步骤S13的匹配方法为，第一神经网络模型与第二神经网络模型寻找两处或以上的相似特征点，依据相识特征点进行模拟、整合，将原始地图与更新后的地图进行对应匹配。

一种利用人工智能自动标注城镇信息的方法，方法包括：

S21：采集城镇信息，通过对城镇信息中的特征点进行识别；

S22：人工智能扫描特征点，并形成第三神经网络模型；

S23：将第三神经网络模型与城镇信息采集时间最接近版本的城镇地图所形成的网络模型进行匹配；

S24：匹配成功后，将城镇信息自动标注在城镇地图的特征区域内。

优选的，城镇信息包括小区、楼房、店面、景点的基本概述、地理位置、实景照片以及与特征点的距离。

优选的，城镇信息定期更新，并标注在最接近版本的地图上，同时标注了城镇信息的版本的城镇地图均会上传至云服务器，方便后续查看。

一种利用人工智能的自动标注城镇信息系统，包括数据收集模块，用于收集城镇信息以及城镇地图；图片处理模块，用于城镇地图进行处理；神经网络模型模块，用于将处理后的城镇地图依据特征点进行区域划分并形成第一神经网络模型或第二神经网络模型，用于识别城镇信息中的特征点并形成第三神经网络模型；识别显示模块，用于将城镇地图的第一神经网络模型与更新后版本城镇地图中第二神经网络模型进行识别，用于将城镇信息特征点所形成的第三神经网络模型与最接近版本的城镇地图的神经网络模型进行匹配；自动标注模块，将匹配好的城镇信息自动标注在城镇地图上；云服务器，用于收集所有完成城镇信息标注的城镇地图。

有益效果：

1、定期更新城镇地图，通过识别更新后城镇地图的特征点，形成第二神经网络模型，将第二神经网络模型与城镇地图基于特征点所形成的第一神经网络模型进行匹配，实现对地图的统一，并且每次更新城镇地图均匀上一版本城镇地图相匹配，这样能够保证所有版本轮廓的一致性，实现新老版本地图的对应，能够有效防止因城市发展，特征点的变化，而导致对城镇信息标注出现错位的问题。

2、将城镇信息基于特征点进行标注，能够实现对城镇信息标准的准确性。

3、所有标注城镇信息的城镇地图均上传至云服务器进行保存，当离家很久的人回归故里，能够通过云服务器下载老版本号的城镇地图，通过在老版本号城镇地图的城镇信息的查阅，能够方便回归故里的居民对城市的回忆。

附图说明

图1是本发明专利利用人工智能的地图匹配方法；

图2是本发明专利利用人工智能自动标注城镇信息的方法；

图3是本发明专利利用人工智能的自动标注城镇信息系统结构图。

具体实施方式

下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。

一种利用人工智能的地图匹配方法，所述方法包括：

S11：将城镇地图依据特征点划分为多个特征区域，基于人工智能对特征区域进行扫描并形成第一神经网络模型；

S12：将更新后版本的城镇地图依据特征点划分为多个特征区域，基于人工智能对特征区域进行扫描并形成第二神经网络模型；

S13：通过对比第一神经网络模型与第二神经网络模型，实现对新老版本的匹配。

特征点可以为高楼、河流、公园、道路中一种或多种的组合。通过将城镇地图依据特征点进行划分，分成多个小的模块，形成特征区域，神经网络模型模块30对将每个特征区域进行扫描形成对应的神经网络模型，老版本的设为第一神经网络模型，新版本的设为第二神经网络模型。

在新版本的城镇地图中找出两个或以上的特征区域，通过识别显示模块40，基于特征区域所形成的第二神经网络模型对应到老版本地图的第一神经网络模型，通过将特征区域的特征点进行模拟整合，基于人工智能进行识别，相似度达到90％以上的进行匹配，以特征区域的匹配实现对新老版本地图的匹配，基本实现新老版本地图能够重叠。能够有效防止因城市发展，特征点的变化，而导致对城镇信息标注出现错位的问题。

一种利用人工智能自动标注城镇信息的方法，所述方法包括：

S21：采集城镇信息，通过对城镇信息中的特征点进行识别；

S22：人工智能扫描特征点，并形成第三神经网络模型；

S23：将第三神经网络模型与城镇信息采集时间最接近版本的城镇地图所形成的网络模型进行匹配；

S24：匹配成功后，将城镇信息自动标注在城镇地图的特征区域内。

城镇信息包括小区、楼房、店面、景点的基本概述、地理位置、实景照片以及与特征点的距离。城镇信息定期更新，并标注在最接近版本的地图上，同时标注了城镇信息的版本的城镇地图均会上传至云服务器60，方便后续查看。所有标注城镇信息的城镇地图均上传至云服务器进行保存，当离家很久的人回归故里，能够通过云服务器下载老版本号的城镇地图，通过在老版本号城镇地图的城镇信息的查阅，能够方便回归故里的居民对城市的回忆。

一种利用人工智能的自动标注城镇信息系统包括：

数据收集模块10，用于收集城镇信息以及城镇地图；

图片处理模块20，用于城镇地图进行处理；

神经网络模型模块30，用于将处理后的城镇地图依据特征点进行区域划分并形成第一神经网络模型或第二神经网络模型，用于识别城镇信息中的特征点并形成第三神经网络模型；

识别显示模块40，用于将城镇地图的第一神经网络模型与更新后版本城镇地图中第二神经网络模型进行识别，用于将城镇信息特征点所形成的第三神经网络模型与最接近版本的城镇地图的神经网络模型进行匹配；

自动标注模块50，将匹配好的城镇信息自动标注在城镇地图上；

云服务器60，用于收集所有完成城镇信息标注的城镇地图。

利用数据收集模块10收集城镇信息，神经网络模型模块30识别城镇信息中的特征点并形成第三神经网络模型，识别显示模块40将第三神经网络模型与城镇信息采集时间最接近版本的城镇地图所形成的网络模型进行匹配，匹配度达到90％以上确认为匹配通过，以此来确定城镇信息所述的特征区域，自动标注模块50，将城镇信息标注在所述的特征区域内，完成对城镇信息的自动标注。