CN108427902A - 基于地面站识别灰霾源的方法、装置及系统 - Google Patents
基于地面站识别灰霾源的方法、装置及系统 Download PDFInfo
- Publication number
- CN108427902A CN108427902A CN201711206928.5A CN201711206928A CN108427902A CN 108427902 A CN108427902 A CN 108427902A CN 201711206928 A CN201711206928 A CN 201711206928A CN 108427902 A CN108427902 A CN 108427902A
- Authority
- CN
- China
- Prior art keywords
- gray haze
- earth station
- target area
- cruise
- source region
- 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.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/176—Urban or other man-made structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/758—Involving statistics of pixels or of feature values, e.g. histogram matching
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于地面站识别灰霾源的方法,所述方法包括地面站控制无人机对若干个嫌疑区域进行一次巡航拍摄,通过一次巡航获取若干个所述嫌疑区域各自所对应的当前现场图片信息,地面站依据该当前现场图片信息判断所述嫌疑区域是否是目标区域;在确定了目标区域后,在通过地面站控制无人机二次巡航拍摄获取目标区域的现场基础图片信息,并依据所述现场基础图片来确定所述目标区域是否是灰霾源区域;若是,则地面站标记目标区域是灰霾源区域,有效的解决了现有技术中所存在的针对部分地区无法对灰霾源进行识别的技术问题,达到了通过地面站能对灰霾源进行准确识别的技术效果,具有准确度高、适用性广的特点。
Description
技术领域
本发明属于环境保护技术领域,特别涉及一种识别灰霾源的方法、装置及系统。
背景技术
灰霾是指空气中的灰尘、硫酸、硝酸、有机碳氢化合物等大量极细微的干尘粒子均匀的浮游在空中,使空气浑浊,视野模糊并导致能见度恶化的天气现象。如果水平能见度小于1000米时,这种非水成物组成的气溶胶系统会造成视程障碍,灰霾这种天气现象给人类的生产、生活出行、健康带来了极坏的影响。
现在灰霾源的主要来源是一些制造工厂或建筑工地等,然而如何对这些地区的灰霾源进行识别,一直是环保领域及时解决的技术难题。
发明内容
本发明提供一种基于地面站识别灰霾源的方法、装置及系统,用以解决现有技术中的如何对灰霾源进行识别的技术问题。
第一方面,本发明实施例提供了一种基于地面站识别灰霾源的方法,所述方法包括:所述地面站控制无人机对若干个嫌疑区域进行一次巡航拍摄;所述地面站获取若干个所述嫌疑区域各自所对应的当前现场图片信息;所述地面站依据每一个所述嫌疑区域所对应的所述当前现场图片信息,判断所述嫌疑区域是否是目标区域;若是,则所述地面站控制无人机对所述目标区域进行二次巡航拍摄;获取所述目标区域的现场基础图片信息;所述地面站对所述现场基础图片信息进行解析,确定所述目标区域的灰霾等级;所述地面站依据所述灰霾等级判断所述目标区域是否是灰霾源区域;若是,则所述地面站标记所述目标区域是灰霾源区域,并记录确定的所述灰霾源区域的个数;所述地面站当所述灰霾源区域的个数为1时,则获取所述灰霾源区域地理位置坐标;所述地面站依据所述灰霾源区域地理位置坐标,搜索所述灰霾源区域所对应的距离最近的一个执行终端;所述地面站将所述灰霾源区域生成一个对应的灰霾源示警标识信号;向所述灰霾源区域所对应的执行终端发送所述灰霾源示警标识信号。
在第一方面中,可选的,所述地面站控制无人机对目标区域进行二次巡航拍摄具体包括:所述地面站获取目标区域的位置数据信息;所述地面站依据所述位置数据信息生成与所述目标区域相对应的巡航线路;所述地面站控制无人机依据所述巡航线路对所述目标区域进行巡航拍摄。
在第一方面中,可选的,所述地面站对所述现场基础图片信息进行解析,确定所述目标区域的灰霾等级具体包括:所述地面站提取所述现场基础图片的三原色数据信息;所述地面站依据所述三原色数据信息作出基础灰度直方图;所述地面站将所述基础灰度直方图与标准灰度直方图进行对比;所述地面站依据对比结果确定所述目标区域的灰霾等级。
在第一方面中,可选的,所述灰霾等级至少包括如下等级:轻度灰霾、中度灰霾和重度灰霾;所述依据所述灰霾等级判断所述目标区域是否是灰霾源区域具体包括:若所述灰霾等级是重度灰霾,则所述地面站判断所述目标区域是灰霾源区域。
第二方面,本发明实施例还提供了一种识别灰霾源的系统,所述系统包括:一次巡航模块,被配置为所述地面站控制无人机对若干个嫌疑区域进行一次巡航拍摄;当前现场基础图片获取模块,被配置为所述地面站获取若干个所述嫌疑区域各自所对应的当前现场图片信息;目标区域确定模块,被配置为所述地面站依据每一个所述嫌疑区域所对应的所述当前现场图片信息,判断所述嫌疑区域是否是目标区域;二次巡航模块,被配置为若是,则所述地面站控制无人机对所述目标区域进行二次巡航拍摄;第一获取模块,被配置为所述地面站获取所述目标区域的现场基础图片信息;灰霾等级确定模块,被配置为所述地面站对所述现场基础图片信息进行解析,确定所述目标区域的灰霾等级;灰霾源区域判断模块,被配置为所述地面站依据所述灰霾等级判断所述目标区域是否是灰霾源区域;灰霾源区域标记模块,被配置为若是,则所述地面站标记所述目标区域是灰霾源区域,并记录确定的所述灰霾源区域的个数;第二获取模块,被配置为当所述灰霾源区域的个数为1时,则所述地面站获取所述灰霾源区域地理位置坐标;搜索模块,被配置为所述地面站依据所述灰霾源区域地理位置坐标,搜索所述灰霾源区域所对应的距离最近的一个执行终端;示警标识信息生成模块,被配置为所述地面站将所述灰霾源区域生成一个对应的灰霾源示警标识信号;示警标识信息发送模块,被配置为所述地面站向所述灰霾源区域所对应的执行终端发送所述灰霾源示警标识信号。
在第二方面中,可选的,所述二次巡航模块包括:第一巡航子模块,被配置为所述地面站获取目标区域的位置数据信息;第二巡航子模块,被配置所述地面站依据所述位置数据信息生成与所述目标区域相对应的巡航线路;第三巡航子模块,被配置所述地面站控制无人机依据所述巡航线路对所述目标区域进行巡航拍摄。
在第二方面中,可选的,所述灰霾等级确定模块具体包括:第一灰霾等级确定子模块,被配置为所述地面站提取所述现场基础图片的三原色数据信息;第二灰霾等级确定子模块,被配置为所述地面站依据所述三原色数据信息作出基础灰度直方图;第三灰霾等级确定子模块,被配置为所述地面站将所述基础灰度直方图与标准灰度直方图进行对比;第四灰霾等级确定子模块,被配置为所述地面站依据对比结果确定所述目标区域的灰霾等级。
在第二方面中,可选的,所述灰霾等级至少包括如下等级:轻度灰霾、中度灰霾和重度灰霾;所述灰霾源区域判断模块还被配置为:若所述灰霾等级是重度灰霾,则所述地面站判断所述目标区域是灰霾源区域。
第三方面,本发明实施例还提供了一种识别灰霾源的装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述的第一方面或者第二方面。
第四方面,本发明实施例还提供了该程序被处理器执行时实现上述的第一方面或者第二方面。本发明实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本发明提供的一种识别灰霾源的方法,首先所述地面站控制无人机通过对若干个嫌疑区域进行一次巡航拍摄,通过一次巡航获取若干个所述嫌疑区域各自所对应的当前现场图片信息,然后所述地面站依据该当前现场图片信息判断所述嫌疑区域是否是目标区域;在确定了目标区域后,所述地面站在通过控制无人机二次巡航拍摄获取目标区域的现场基础图片信息,并依据所述现场基础图片来确定所述目标区域是否是灰霾源区域;若是,则所述地面站标记目标区域是灰霾源区域,实现了基于地面站对灰霾源进行识别,有效的解决了现有技术中所存在的针对部分地区无法对灰霾源进行识别技术问题,达到了能对灰霾源进行准确识别的技术效果,具有准确度高、适用性广的特点。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的识别灰霾源的方法流程示意图;以及
图2为本发明实施例提供的直方图一;
图3为本发明实施例提供的直方图二;
图4为本发明实施例提供的直方图三;
图5为本发明实施例提供的直方图四;
图6为本发明实施例提供的直方图五;
图7为本发明实施例提供的直方图六;
图8为本发明实施例提供的直方图七;
图9为本发明实施例提供的直方图八;
图10为本发明实施例提供的识别灰霾源的系统框图;
图11为本发明实施例提供的识别灰霾源的装置框图;
图12为本发明实施例提供的计算机可读介质的示意图。
具体实施方式
本发明实施例提的供一种识别灰霾源的方法、装置及系统,用以解决现有技术中所存在的针对部分地区无法对灰霾源进行识别示警的技术问题,达到了能对灰霾源进行准确识别并示警的技术效果,具有准确度高、适用性广的特点。
本发明实施例中的技术方案,总体思路如下:
一种识别灰霾源的方法,所述方法包括:
地面站控制无人机对若干个嫌疑区域进行一次巡航拍摄;
所述地面站获取若干个所述嫌疑区域各自所对应的当前现场图片信息;
所述地面站依据每一个所述嫌疑区域所对应的所述当前现场图片信息,判断所述嫌疑区域是否是目标区域;
若是,则所述地面站控制无人机对所述目标区域进行二次巡航拍摄;
所述地面站获取所述目标区域的现场基础图片信息;
所述地面站对所述现场基础图片信息进行解析,确定所述目标区域的灰霾等级;
所述地面站依据所述灰霾等级判断所述目标区域是否是灰霾源区域;
若是,则所述地面站标记所述目标区域是灰霾源区域。
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一
本发明实施例一提供一种识别灰霾源的方法,请参考图1,所述方法包括:
步骤S101;地面站控制无人机对若干个嫌疑区域进行一次巡航拍摄;
步骤S102;所述地面站获取若干个所述嫌疑区域各自所对应的当前现场图片信息;
步骤S103;所述地面站依据每一个所述嫌疑区域所对应的所述当前现场图片信息,判断所述嫌疑区域是否是目标区域;
步骤S104;若是,则所述地面站控制无人机对所述目标区域进行二次巡航拍摄;
步骤S105;所述地面站获取所述目标区域的现场基础图片信息;
步骤S106;所述地面站对所述现场基础图片信息进行解析,确定所述目标区域的灰霾等级;
步骤S107;所述地面站依据所述灰霾等级判断所述目标区域是否是灰霾源区域;
步骤S108;若是,则所述地面站标记所述目标区域是灰霾源区域。
具体来讲,现有技术中的灰霾是指空气中的灰尘、硫酸、硝酸、有机碳氢化合物等大量极细微的干尘粒子均匀的浮游在空中,使空气浑浊,视野模糊并导致能见度恶化的天气现象。如果水平能见度小于1000米时,这种非水成物组成的气溶胶系统会造成视程障碍,灰霾这种天气现象给人类的生产、生活出行、健康带来了极坏的影响。现在灰霾源的主要来源是一些制造工厂或建筑工地等,然而如何对这些地区的灰霾源进行识别示警,一直是环保领域及时解决的技术难题。
基于此,本发明实施例一提供了基于地面站对灰霾源进行示警的方法,用于解决上述技术问题。
下面,结合图1对本发明实施例一提供的于对灰霾源进行示警的方法进行详细介绍:
首先,执行步骤S101,地面站控制无人机对若干个嫌疑区域进行一次巡航拍摄;
具体而言,在该步骤S101中,可以通过无人机,或者通过地面站控制无人机,或者通过手动遥控器控制无人机来对若干个嫌疑区域进行一次巡航拍摄,嫌疑区域可以理解为是日常生活中污染较严重的区域,也即重点怀疑的区域。若干个可以是3个,4个,5个等。在该步骤S101中,具体包括如下子步骤:所述地面站获取每一个嫌疑区域的位置数据信息;所述地面站依据每一个嫌疑区域的所述位置数据信息生成与每一个所述嫌疑区域相对应的巡航线路;所述地面站依据各自对应的所述巡航线路对若干个所述嫌疑区域进行巡航拍摄。其中,在依据每一个嫌疑区域的所述位置数据信息生成与每一个所述嫌疑区域相对应的巡航线路过程中,每一个所述嫌疑区域相对应的巡航线路均为最短距离的直线巡航线路,在获取到若干个基础直线巡航线路中,为了避免无人机在该基础直线巡航线路撞击高楼大厦,本步骤S101中还包括所述地面站对每一个基础直线巡航线路中所途径的每一个建筑物的高度数据信息进行采集,该采集方式可以是通过从无人机起飞位置到对应的每一个嫌疑区域位置发射直线激光的方式,来判断从无人机起飞位置到对应的嫌疑区域位置是否存在激光被遮挡,若被遮挡,则所述地面站判断从无人机起飞位置到对应的嫌疑区域位置这一条直线巡航线路中存在障碍物,此时获取遮挡直线激光的障碍物的高度数据信息,并将此高度数据信息设定为无人机飞行的最低高度,进而进一步确定飞行方向和飞行高度,来最终确定无人机在飞往对应嫌疑区域的标准直线巡航线路,使得无人机能够在该标准直线巡航线路直线飞行达到嫌疑区域。
值得一提的是,在每一个无人机在各自对应的标准直线巡航线路中飞行时,还会出现若干个标准直线巡航线路有交叉的位置,此时如果存在,则多个无人机在该标准直线巡航线路有交叉的位置还会存在相撞的可能,此时为了避免该相撞情况的发生,本步骤S101中还包括所述地面站对若干个嫌疑区域所对应的若干条(N1条)标准直线巡航线路是否存在交叉位置进行检测,若是,则所述地面站挑选出相互交叉的M1条(M1大于等于2,小于等于N1)标准直线巡航线路,并将该交叉位置标记为交叉点;然后以该交叉点为圆心,以10米为半径形成交叉圆,并在该交叉圆上等分M1个点,形成M1个等分点;使得每相邻的两个点与交叉点所形成扇形夹角为M1/360°;然后所述地面站将相互交叉的M1条标准直线巡航线路的飞行起点,分别与交叉圆上的一个等分点连接,然后将该条标准直线巡航线路的目标终点(嫌疑区域的坐标点)与飞行起点所连接的那个等分点进行连接,最终形成以该等分点为节点,以飞行起点和目标终点为两个端点的两条折线,即为一条标准直线巡航线路最终所对应的两条标准子直线巡航线路,这样就使得N1条标准直线巡航线路均各自对应有两条标准子直线巡航线路,以此使得每一架无人机在各自对应的该两条标准子直线巡航线路进行飞行,以避免无人机之间的碰撞,具有安全性能高的特点。
然后执行步骤S102;所述地面站获取若干个所述嫌疑区域各自所对应的当前现场图片信息;
具体而言,在该步骤S102中,可以通过无人机,或者通过地面站控制无人机,或者通过手动遥控器控制无人机来获取若干个所述嫌疑区域各自所对应的当前现场图片信息,当前现场图片信息可以是若干个所述嫌疑区域当前时刻所对应的现场图片信息,该图片信息可以是通过无人机携带的摄像机或者照相机所拍摄的照片信息,或者是从所拍摄的视频信息中所提取出来的照片信息。当然,每一个所述嫌疑区域所对应的当前现场图片信息可以是一张,也可以是多张,当为多张时,则每一个张当前现场图片信息反应的是对应嫌疑区域不同角度的现场图片。
再然后,执行步骤S103;所述地面站依据每一个所述嫌疑区域所对应的所述当前现场图片信息,判断所述嫌疑区域是否是目标区域;
具体而言,在该步骤S103中,可以通过无人机,或者通过地面站控制无人机,或者通过手动遥控器控制无人机来依据每一个所述嫌疑区域所对应的所述当前现场图片信息,判断所述嫌疑区域是否是目标区域。需要说明的是,这里的目标区域是指确定有灰霾存在的区域,嫌疑区域是指怀疑有灰霾存在但不一定存在灰霾的区域。判断所述嫌疑区域是否是目标区域具体可以包括:所述地面站获取每一个所述嫌疑区域未存在灰霾时的清洁图片信息;所述地面站将每一个所述嫌疑区域所对应的所述当前现场图片信息与各自对应的清洁图片信息进行对比;若所述当前现场图片信息与各自对应的清洁图片信息的灰度相同,则所述地面站判断所述嫌疑区域是非目标区域,此时对该非目标区域的位置坐标生成安全标示信号,并将该安全标示信号发送至执行终端进行安全备录。同时在针对该非目标区域巡航的无人机装在有示警信号灯,此时判断所述嫌疑区域是非目标区域后,所述示警信号灯显示黄色,进行闪亮,以提示操控该地面站的操控人员该嫌疑区域为非目标区域。
需要注意的是,当判断所述嫌疑区域是非目标区域后,且所述地面站向执行终端发送非目标区域的安全标示信号之后,为了对无人机进行充分利用,其也为了结果的准确下。在步骤S103之后还包括:所述地面站将除去以确定为非目标区域后的剩余嫌疑区域的位置数据信息发送至已经向执行终端发送非目标区域的安全标示信号之后无人机,该地面站获取到其他剩余嫌疑区域的位置数据信息后,进行对比,判断每一个剩余嫌疑区域距离该无人机的直线距离;所述地面站选择距离该无人机最近的一个剩余嫌疑区域,然后向无人机发送飞往该剩余嫌疑区域的直线路径,控制无人机飞行至该剩余嫌疑区域。然后针对该剩余嫌疑区域执行上述步骤S101、步骤S102和步骤S103;所述地面站进而对该剩余嫌疑区域是否是目标区域进行判断。
紧接上述步骤S103之后,继续步骤S104:若是,则所述地面站对所述目标区域进行二次巡航拍摄;
其中,在步骤S103判断所述嫌疑区域是目标区域后,则对所述目标区域进行二次巡航拍摄。需要说明的是之所以对目标区域需要进行二次巡航拍摄,是因为第一次巡航拍摄时仅仅只是拍摄了该目标区域(在第一次巡航拍摄时还称之为嫌疑区域)的一张当前现场图片信息,该一张当前现场图片信息也仅仅只是为了识别出该嫌疑区域是否是目标区域,如果需要对目标区域的灰霾程度、等级进行进一步判断,则必须再次对目标区域进行二次巡航拍摄,以获得更多的现场基础图片信息。这样就使得只有在确定该嫌疑区域是目标区域后,才会对嫌疑区域进行二次拍摄,避免在进行一次巡航时,由于并不确定该嫌疑区域是否是目标区域就进行多张现场基础图片信息而出现的,由于该嫌疑区域有可能并不是目标区域而带来的拍摄资源浪费。
继续执行步骤S105;所述地面站获取所述目标区域的现场基础图片信息;
正如上述步骤S104中所言,该步骤中的现场基础图片信息是若干张(至少是2张以上),且若干张现场基础图片信息是针对目标区域的不同角度进行拍摄。换句话说,若干张现场基础图片拍摄角度是不相同的。
继续执行步骤S106;所述地面站对所述现场基础图片信息进行解析,确定所述目标区域的灰霾等级;
其中,对于步骤S105所获取的若干张现场基础图片信息,在该步骤S106中进行解析,以获取该目标区域的灰霾等级,具体包括如下子步骤:所述地面站提取所述现场基础图片的三原色数据信息;所述地面站依据所述三原色数据信息作出基础灰度直方图;所述地面站将所述基础灰度直方图与标准灰度直方图进行对比;依据对比结果确定所述目标区域的灰霾等级。
实际操作过程中,可以通过将目标区域未污染或者不存在灰霾情况的图片标记为现场标准图片信息,该现场标准图片信息的数量与现场基础图片信息的数量相同,且每一张现场标准图片信息所对应的拍摄角度和每一张现场基础图片信息所对应的拍摄角度是完全相同的。然后预先的将每一张标准图片信的三个分量(R,G,B)提取出来分别作出直方图,会看到直方图的值很集中。请参阅图2-5,以一张现场标准图片信息为列,图2为正常天气时拍摄的目标区域(武汉长江大桥)的图像直接转化为灰度图,图3为R分量的直方图,图4为G分量的直方图,图5为B分量的直方图。可以看出R,G,B三分量的直方图中G分量的直方图会和直接得到的灰度图的形状是基本相似的,但是单从R,G,B三个分量的直方图来看,这三个分量的直方图的的波形的关联程度并不是非常的大,或者说至少有一个和其他的两个的关联程度非常小。
在这里需要解释的是,本步骤106中所涉及的现场标准图片信息与步骤S103中所涉及的清洁图片信息并非完全等同。可以理解为步骤S103中所涉及的清洁图片信息仅为嫌疑区域未存在灰霾时的任一角度所拍摄的图片信息,并不要求与步骤S103中当前现场图片信息拍摄角度相同。且在步骤S103中将当前现场图片信息与各自对应的清洁图片信息进行对比时,仅仅从照片的角度判断灰度是否相同即可,无需对图片信息按照步骤S106进行解析。换句话说,将当前现场图片信息与各自对应的清洁图片信息进行对比时只是粗略对比,判断灰度是否相同即可。而步骤S106所进行的对比是精细对比,用于确定灰霾等级。此处先予以澄清。
下面,请继续参阅图6-9,图6是与图2相对应拍摄角度的灰霾天气时拍摄的目标区域(武汉长江大桥)的图像直接转化为灰度图,图7为R分量的直方图,图8为G分量的直方图,图9为B分量的直方图。图中可以清楚看到,这四个图像的直方图的波形几乎是一致的。换句话说,这种情况下R,G,B的三个分量的灰度图的波形的相关性非常高。另外,R,G,B三个分量的直方图所跨的灰度区域几乎也是在同一灰度区域,这一区域称为跨度。这四个直方图有一个共同的特点:较低的灰度级区域和较高灰度级区域出现的像素点的个数是为零的。
通过以上对比可知,在正常天气下即没有灰霾的情况下,拍摄图片的光线好,拍摄得到图像中的物体的细节非常清楚分明,故而处理时会得到如图2-5所示的四个直方图。灰霾天气下,拍摄得到的图像对比度低,像素点之间的差异相对较小,图像中的物体的细节不是非常清晰,故而得到如图6-9所示的四个直方图。基于此,可以现场标准图片信息所得到的直方图为标准灰度直方图,然后将灰霾情况下的基础灰度直方图依据其不清晰度划分不清晰等级。如与标准灰度直方图相比,不清晰度从低到高依次为一级不清晰度0-10%、二级不清晰度11-50%、三级不清晰度51-100%。其中,一级不清晰度为轻度灰霾、二级不清晰度为中度灰霾和三级不清晰度重度灰霾。对于百分比的具体确定,在本实施例中可以不用太精确,只需将基础灰度直方图与标准灰度直方图对比时,以像素点之间的差异程度为参考粗略分级即可。
然后继续步骤S107;所述地面站依据所述灰霾等级判断所述目标区域是否是灰霾源区域;
其中,当判断所述目标区域的灰霾等级为三级不清晰度51-100%,即重度灰霾时,则判断所述目标区域是灰霾源区域。
继续执行步骤S108;若是,则所述地面站标记所述目标区域是灰霾源区域。
基于此,以对灰霾源区域进行标识。
需要说明的是,在执行步骤S108时,还可记录确定的所述灰霾源区域的个数;因为在在步骤S101中由于是对若干个嫌疑区域进行一次巡航拍摄,因此由若干个嫌疑区域通过一次巡航拍摄所确定的目标区域也有可能是若干个,同样的,由若干个目标区域通过二次巡航拍摄所确定的灰霾源区域也有可能是多个,因此可在步骤S108中对灰霾源区域的个数进行记录。
在本发明实施例的提供的步骤S101-108的基础之上,继续依次执行步骤S109、S110、S111和S112:当所述灰霾源区域的个数为1时,则所述地面站获取所述灰霾源区域地理位置坐标;所述地面站依据所述灰霾源区域地理位置坐标,搜索所述灰霾源区域所对应的距离最近的一个执行终端;所述地面站将所述灰霾源区域生成一个对应的灰霾源示警标识信号;所述地面站向所述灰霾源区域所对应的执行终端发送所述灰霾源示警标识信号。
具体而言,在步骤S108已经说明灰霾源区域的个数有可能是若干个,此时就有两种情况:
第一种情况,当灰霾源区域个数为1时,此时只需获取该灰霾源区域的地理位置坐标,然后在搜索灰霾源区域附近的执行终端,该执行终端可以是对该灰霾源区域进行治理的环保部门。也可以是对环境保护进行监测的监测部门等,本发明实施例并不局限。在搜索灰霾源区域附近的执行终端时,可以是预先建立每一个嫌疑区域的执行终端地理位置坐标数据库,该地理位置坐标数据库中预先存储了每一个嫌疑区域附近的执行终端的地理位置坐标。
当确认嫌疑区域为目标区域,并进一步确认为灰霾源区域后,则获取距离该灰霾源区域最近的一个执行终端的地理位置坐标,该“最近的”是指灰霾源区域附近的若干个执行终端与灰霾源区域的直线距离最近的地理位置坐标。然后将灰霾源区域生成一个可以标识该灰霾源区域的灰霾源示警标识信号,该灰霾源示警标识信号可以是包含该灰霾源区域的灰霾等级、该灰霾源区域的当前现场图片信息、现场基础图片信息的数据包,然后将该灰霾源示警标识信号发送至对应的(距离最近的)执行终端。同时在针对该灰霾源区域巡航的无人机装在有示警信号灯,此时示警信号灯显示红色,进行闪亮,以提示操控该地面站的操控人员该目标区域为灰霾源区域。
值得一提的是,将该灰霾源示警标识信号发送至对应的(距离最近的)执行终端可以是通过无线传输的方式直接传输至执行终端,但有时也会出现网络传输障碍无法进行数据传输,因此在本发明实施例中该灰霾源示警标识信号发送至对应的(距离最近的)执行终端还可以是通过控制针对该灰霾区域进行巡航拍摄的无人机直接飞行至对应的(距离最近的)执行终端,以实现直接将拍摄数据信息带回至执行终端。具体为:依据灰霾源区域的地理位置坐标信息和对应的(距离最近的)执行终端的地理位置坐标信息生成对应的巡航线路,且该巡航线路为最短距离的直线巡航线路,使得该无人机通过该直线巡航线路飞行至对应的(距离最近的)执行终端。
同样的,为了避免无人机在该直线巡航线路撞击高楼大厦,在该过程中还包括对巡航线路中所途径的每一个建筑物的高度数据信息进行采集,该采集方式可以是通过从无人机起飞位置到对应的执行终端区域位置发射直线激光的方式,来判断从无人机起飞位置到执行终端区域位置是否存在激光被遮挡,若被遮挡,则判断从无人机起飞位置到对应的执行终端区域位置这一条直线巡航线路中存在障碍物,此时获取遮挡直线激光的障碍物的高度数据信息,并将此高度数据信息设定为无人机飞行的最低高度,进而进一步确定飞行方向和飞行高度,来最终确定无人机在飞往对应执行终端区域的标准直线巡航线路,使得无人机能够在该标准直线巡航线路直线飞行达到执行终端。
第二种情况,当灰霾源区域个数为多个时(大于等于2),此时需要获取每一个灰霾源区域的地理位置坐标,然后在搜索每一个灰霾源区域所各自对应的附近的执行终端,该执行终端可以是对该灰霾源区域进行治理的环保部门。也可以是对环境保护进行监测的监测部门等,本发明实施例并不局限。在搜索灰霾源区域附近的执行终端时,可以是预先建立每一个嫌疑区域的执行终端地理位置坐标数据库,该地理位置坐标数据库中预先存储了每一个嫌疑区域附近的执行终端的地理位置坐标。
当确认嫌疑区域为目标区域,并进一步确认为灰霾源区域后,则获取距离该灰霾源区域最近的一个执行终端的地理位置坐标,该“最近的”是指灰霾源区域附近的若干个执行终端与灰霾源区域的直线距离最近的地理位置坐标。然后将灰霾源区域生成一个可以标识该灰霾源区域的灰霾源示警标识信号,该灰霾源示警标识信号可以是包含该灰霾源区域的灰霾等级、该灰霾源区域的当前现场图片信息、现场基础图片信息的数据包,然后将该灰霾源示警标识信号发送至对应的(距离最近的)执行终端。同时在针对该灰霾源区域巡航的无人机装在有示警信号灯,此时示警信号灯显示红色,进行闪亮,以提示操控该无人机的操控人员该目标区域为灰霾源区域。
例如,假设此时灰霾源区域的数量是3个,分别命名为一号灰霾源区域、二号灰霾源区域和三号灰霾源区域;那么一号灰霾源区域对应的有一个距离最近的一号执行终端,二号灰霾源区域对应的有一个距离最近的二号执行终端,三号灰霾源区域对应的有一个距离最近的三号执行终端,一号执行终端、二号执行终端、三号执行终端有可能是同一个执行终端,也有可能是不同的执行终端。
同样的,将每一个灰霾源示警标识信号发送至对应的(距离最近的)执行终端可以是通过无线传输的方式直接传输至执行终端,但有时也会出现网络传输障碍无法进行数据传输,因此在本发明实施例中该灰霾源示警标识信号发送至对应的(距离最近的)执行终端还可以是通过控制针对该灰霾区域进行巡航拍摄的无人机直接飞行至对应的(距离最近的)执行终端,以实现直接将拍摄数据信息带回至执行终端。具体为:依据每一个灰霾源区域的地理位置坐标信息和对应的(距离最近的)执行终端的地理位置坐标信息生成对应的巡航线路,且该巡航线路为最短距离的直线巡航线路,使得该无人机通过该直线巡航线路飞行至对应的(距离最近的)执行终端。
同样的,为了避免无人机在该直线巡航线路撞击高楼大厦,在该过程中还包括对巡航线路中所途径的每一个建筑物的高度数据信息进行采集,该采集方式可以是通过从无人机起飞位置到对应的执行终端区域位置发射直线激光的方式,来判断从无人机起飞位置到执行终端区域位置是否存在激光被遮挡,若被遮挡,则判断从无人机起飞位置到对应的执行终端区域位置这一条直线巡航线路中存在障碍物,此时获取遮挡直线激光的障碍物的高度数据信息,并将此高度数据信息设定为无人机飞行的最低高度,进而进一步确定飞行方向和飞行高度,来最终确定无人机在飞往对应执行终端区域的标准直线巡航线路,使得无人机能够在该标准直线巡航线路直线飞行达到执行终端。
更进一步的,针对每一个无人机飞行至对应的执行终端过程中,每一个无人机在各自对应的标准直线巡航线路中飞行时,还会出现若干个标准直线巡航线路有交叉的位置,此时如果存在,则多个无人机在该标准直线巡航线路有交叉的位置还会存在相撞的可能,此时为了避免该相撞情况的发生,在该过程中还包括对若干个灰霾源区域飞往若干个执行终端所对应的若干条(N2条)标准直线巡航线路是否存在交叉位置进行检测,若是,则挑选出相互交叉的M2条(M2大于等于2,小于等于N2)标准直线巡航线路,并将该交叉位置标记为交叉点;然后以该交叉点为圆心,以10米为半径形成交叉圆,并在该交叉圆上等分M2个点,形成M2个等分点;使得每相邻的两个点与交叉点所形成扇形夹角为M2/360°;然后将相互交叉的M2条标准直线巡航线路的飞行起点,分别与交叉圆上的一个等分点连接,然后将该条标准直线巡航线路的目标终点(执行终端的坐标点)与飞行起点所连接的那个等分点进行连接,最终形成以该等分点为节点,以飞行起点和目标终点为两个端点的两条折线,即为一条标准直线巡航线路最终所对应的两条标准子直线巡航线路,这样就使得N2条标准直线巡航线路均各自对应有两条标准子直线巡航线路,以此使得每一架无人机在各自对应的该两条标准子直线巡航线路进行飞行,以避免无人机之间的碰撞,具有安全性能高的特点。
基于同一发明构思,本发明实施例还提供了与实施例一中方法对应的装置,见实施例二。
实施例二
本发明实施例二提供了一种识别灰霾源的系统,请参阅图10,所述系统包括:一次巡航模块201,被配置为所述地面站控制无人机对若干个嫌疑区域进行一次巡航拍摄;当前现场基础图片获取模块202,被配置为所述地面站获取若干个所述嫌疑区域各自所对应的当前现场图片信息;目标区域确定模块203,被配置为所述地面站依据每一个所述嫌疑区域所对应的所述当前现场图片信息,判断所述嫌疑区域是否是目标区域;二次巡航模块204,被配置为若是,则所述地面站控制无人机对所述目标区域进行二次巡航拍摄;第一获取模块205,被配置为所述地面站获取所述目标区域的现场基础图片信息;灰霾等级确定模块206,被配置为所述地面站对所述现场基础图片信息进行解析,确定所述目标区域的灰霾等级;灰霾源区域判断模块207,被配置为所述地面站依据所述灰霾等级判断所述目标区域是否是灰霾源区域;灰霾源区域标记模块208,被配置为若是,则所述地面站标记所述目标区域是灰霾源区域,并记录确定的所述灰霾源区域的个数;第二获取模块209,被配置为当所述灰霾源区域的个数大于等于2时,则所述地面站获取每一个所述灰霾源区域地理位置坐标;搜索模块210,被配置为所述地面站依据每一个所述灰霾源区域地理位置坐标,搜索每一个所述灰霾源区域所对应的距离最近的一个执行终端;示警标识信息生成模块211,被配置为所述地面站将每一个所述灰霾源区域生成一个对应的灰霾源示警标识信号;示警标识信息发送模块212,被配置为所述地面站向每一个所述灰霾源区域所对应的执行终端发送所述灰霾源示警标识信号。
在本发明实施例二中,所述二次巡航模块包括:第一巡航子模块,被配置为所述地面站获取目标区域的位置数据信息;第二巡航子模块,被配置所述地面站依据所述位置数据信息生成与所述目标区域相对应的巡航线路;第三巡航子模块,被配置所述地面站控制无人机依据所述巡航线路对所述目标区域进行巡航拍摄。
在本发明实施例二中,所述灰霾等级确定模块具体包括:第一灰霾等级确定子模块,被配置为所述地面站提取所述现场基础图片的三原色数据信息;第二灰霾等级确定子模块,被配置为所述地面站依据所述三原色数据信息作出基础灰度直方图;第三灰霾等级确定子模块,被配置为所述地面站将所述基础灰度直方图与标准灰度直方图进行对比;第四灰霾等级确定子模块,被配置为所述地面站依据对比结果确定所述目标区域的灰霾等级。
在本发明实施例二中,所述灰霾等级至少包括如下等级:轻度灰霾、中度灰霾和重度灰霾;所述灰霾源区域判断模块还被配置为:若所述灰霾等级是重度灰霾,则所述地面站判断所述目标区域是灰霾源区域。
由于本发明实施例二所介绍的装置,为实施本发明实施例一的方法所采用的装置,故而基于本发明实施例一所介绍的方法,本领域所属人员能够了解该装置的具体结构及变形,故而在此不再赘述。凡是本发明实施例一的方法所采用的装置都属于本发明所欲保护的范围。
实施例三
请参阅图11,需要说明的是,基于上述实施例一、实施例二同样的发明沟通,本发明实施例三提供了一种装置,包括:射频(Radio Frequency,RF)电路310、存储器320、输入单元330、显示单元340、音频电路350、WiFi模块360、处理器370、以及电源380等部件。其中,存储器320上存储有可在处理器370上运行的计算机程序,处理器370执行所述计算机程序时实现实施例一中所述的步骤S101、步骤S102、步骤S103、步骤S104、步骤S105、步骤S106、步骤S107、步骤S108、步骤S109、步骤S110、步骤S111、步骤S112。
在具体实施过程中,处理器执行计算机程序时,可以实现实施例一、二三中的任一实施方式。
本领域技术人员可以理解,图11中示出的装置结构并不构成对装置本身的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
下面结合图11对计算机设备的各个构成部件进行具体的介绍:
RF电路310可用于信号的接收和发送,特别地,将基站的下行信息接收后,给处理器370处理。通常,RF电路310包括但不限于至少一个放大器、收发信机、耦合器、低噪声放大器(Low Noise Amplifier,LNA)、双工器等。
存储器320可用于存储软件程序以及模块,处理器370通过运行存储在存储器320的软件程序以及模块,从而执行计算机设备的各种功能应用以及数据处理。存储器320可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等;存储数据区可存储根据计算机设备的使用所创建的数据等。此外,存储器320可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
输入单元330可用于接收输入的数字或字符信息,以及产生与计算机设备的用户设置以及功能控制有关的键信号输入。具体地,输入单元330可包括键盘331以及其他输入设备332。键盘331,可收集用户在其上的输入操作,并根据预先设定的程式驱动相应的连接装置。键盘331采集到输出信息后再送给处理器370。除了键盘331,输入单元330还可以包括其他输入设备332。具体地,其他输入设备332可以包括但不限于触控面板、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元340可用于显示由用户输入的信息或提供给用户的信息以及计算机设备的各种菜单。显示单元340可包括显示面板341,可选的,可以采用液晶显示器(LiquidCrystal Display,LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板341。进一步的,键盘331可覆盖显示面板341,当键盘331检测到在其上或附近的触摸操作后,传送给处理器370以确定触摸事件的类型,随后处理器370根据输入事件的类型在显示面板341上提供相应的视觉输出。虽然在图3中键盘331与显示面板341是作为两个独立的部件来实现计算机设备的输入和输入功能,但是在某些实施例中,可以将键盘331与显示面板341集成而实现计算机设备的输入和输出功能。
音频电路350、扬声器351,传声器352可提供用户与计算机设备之间的音频接口。音频电路350可将接收到的音频数据转换后的电信号,传输到扬声器351,由扬声器351转换为声音信号输出;
WiFi属于短距离无线传输技术,计算机设备通过WiFi模块360可以帮助用户收发电子邮件、浏览网页和访问流式媒体等,它为用户提供了无线的宽带互联网访问。虽然图4示出了WiFi模块360,但是可以理解的是,其并不属于计算机设备的必须构成,完全可以根据需要在不改变发明的本质的范围内而省略。
处理器370是计算机设备的控制中心,利用各种接口和线路连接整个计算机设备的各个部分,通过运行或执行存储在存储器320内的软件程序和/或模块,以及调用存储在存储器320内的数据,执行计算机设备的各种功能和处理数据,从而对计算机设备进行整体监控。可选的,处理器370可包括一个或多个处理单元;优选的,处理器370可集成应用处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等。
计算机设备还包括给各个部件供电的电源380(比如电源适配器),优选的,电源可以通过电源管理系统与处理器370逻辑相连。
实施例四
基于同一发明构思,如图12所示,本实施例五提供了一种计算机可读存储介质400,其上存储有计算机程序411,该计算机程序411被处理器执行时实现实施例一中所述的步骤S101、步骤S102、步骤S103、步骤S104、步骤S105、步骤S106、步骤S107、步骤S108、步骤S109、步骤S110、步骤S111、步骤S112。
在具体实施过程中,该计算机程序411被处理器执行时,可以实现实施例一、二和三中的任一实施方式。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明实施例进行各种改动和变型而不脱离本发明实施例的精神和范围。这样,倘若本发明实施例的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于地面站识别灰霾源的方法,其特征在于,所述方法包括:
地面站控制无人机对若干个嫌疑区域进行一次巡航拍摄;
所述地面站获取若干个所述嫌疑区域各自所对应的当前现场图片信息;
所述地面站依据每一个所述嫌疑区域所对应的所述当前现场图片信息,判断所述嫌疑区域是否是目标区域;
若是,则所述地面站控制无人机对所述目标区域进行二次巡航拍摄;
所述地面站获取所述目标区域的现场基础图片信息;
所述地面站对所述现场基础图片信息进行解析,确定所述目标区域的灰霾等级;
所述地面站依据所述灰霾等级判断所述目标区域是否是灰霾源区域;
若是,则所述地面站标记所述目标区域是灰霾源区域。
2.如权利要求1所述的方法,其特征在于,所述地面站对目标区域进行二次巡航拍摄具体包括:
所述地面站获取目标区域的位置数据信息;
所述地面站依据所述位置数据信息生成与所述目标区域相对应的巡航线路;
所述地面站控制无人机依据所述巡航线路对所述目标区域进行巡航拍摄。
3.如权利要求1所述的方法,其特征在于,所述地面站对所述现场基础图片信息进行解析,确定所述目标区域的灰霾等级具体包括:
所述地面站提取所述现场基础图片的三原色数据信息;
所述地面站依据所述三原色数据信息作出基础灰度直方图;
所述地面站将所述基础灰度直方图与标准灰度直方图进行对比;
所述地面站依据对比结果确定所述目标区域的灰霾等级。
4.如权利要求1所述的方法,其特征在于:
所述灰霾等级至少包括如下等级:轻度灰霾、中度灰霾和重度灰霾;
所述依据所述灰霾等级判断所述目标区域是否是灰霾源区域具体包括:
若所述灰霾等级是重度灰霾,则所述地面站判断所述目标区域是灰霾源区域。
5.一种识别灰霾源的系统,其特征在于,所述系统包括:
一次巡航模块,被配置为所述地面站控制无人机对若干个嫌疑区域进行一次巡航拍摄;
当前现场基础图片获取模块,被配置为所述地面站获取若干个所述嫌疑区域各自所对应的当前现场图片信息;
目标区域确定模块,被配置为所述地面站依据每一个所述嫌疑区域所对应的所述当前现场图片信息,判断所述嫌疑区域是否是目标区域;
二次巡航模块,被配置为若是,则所述地面站控制无人机对所述目标区域进行二次巡航拍摄;
第一获取模块,被配置为所述地面站获取所述目标区域的现场基础图片信息;
灰霾等级确定模块,被配置为所述地面站对所述现场基础图片信息进行解析,确定所述目标区域的灰霾等级;
灰霾源区域判断模块,被配置为所述地面站依据所述灰霾等级判断所述目标区域是否是灰霾源区域;
灰霾源区域标记模块,被配置为若是,则所述地面站标记所述目标区域是灰霾源区域。
6.如权利要求5所述的系统,其特征在于,所述二次巡航模块包括:
第一巡航子模块,被配置为所述地面站获取目标区域的位置数据信息;
第二巡航子模块,被配置所述地面站依据所述位置数据信息生成与所述目标区域相对应的巡航线路;
第三巡航子模块,被配置所述地面站依据所述巡航线路对所述目标区域进行巡航拍摄。
7.如权利要求5所述的系统,其特征在于,所述灰霾等级确定模块具体包括:
第一灰霾等级确定子模块,被配置为所述地面站提取所述现场基础图片的三原色数据信息;
第二灰霾等级确定子模块,被配置为所述地面站依据所述三原色数据信息作出基础灰度直方图;
第三灰霾等级确定子模块,被配置为所述地面站将所述基础灰度直方图与标准灰度直方图进行对比;
第四灰霾等级确定子模块,被配置为所述地面站依据对比结果确定所述目标区域的灰霾等级。
8.如权利要求5所述的系统,其特征在于:
所述灰霾等级至少包括如下等级:轻度灰霾、中度灰霾和重度灰霾;
所述灰霾源区域判断模块还被配置为:
若所述灰霾等级是重度灰霾,则所述地面站判断所述目标区域是灰霾源区域。
9.一种识别灰霾源的装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现以下步骤:
地面站控制无人机对若干个嫌疑区域进行一次巡航拍摄;
所述地面站获取若干个所述嫌疑区域各自所对应的当前现场图片信息;
所述地面站依据每一个所述嫌疑区域所对应的所述当前现场图片信息,判断所述嫌疑区域是否是目标区域;
若是,则所述地面站控制无人机对所述目标区域进行二次巡航拍摄;
所述地面站获取所述目标区域的现场基础图片信息;
所述地面站对所述现场基础图片信息进行解析,确定所述目标区域的灰霾等级;
所述地面站依据所述灰霾等级判断所述目标区域是否是灰霾源区域;
若是,则所述地面站标记所述目标区域是灰霾源区域。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现以下步骤:
地面站控制无人机对若干个嫌疑区域进行一次巡航拍摄;
所述地面站获取若干个所述嫌疑区域各自所对应的当前现场图片信息;
所述地面站依据每一个所述嫌疑区域所对应的所述当前现场图片信息,判断所述嫌疑区域是否是目标区域;
若是,则所述地面站控制无人机对所述目标区域进行二次巡航拍摄;
所述地面站获取所述目标区域的现场基础图片信息;
所述地面站对所述现场基础图片信息进行解析,确定所述目标区域的灰霾等级;
所述地面站依据所述灰霾等级判断所述目标区域是否是灰霾源区域;
若是,则所述地面站标记所述目标区域是灰霾源区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711206928.5A CN108427902A (zh) | 2017-11-27 | 2017-11-27 | 基于地面站识别灰霾源的方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711206928.5A CN108427902A (zh) | 2017-11-27 | 2017-11-27 | 基于地面站识别灰霾源的方法、装置及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108427902A true CN108427902A (zh) | 2018-08-21 |
Family
ID=63155782
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711206928.5A Withdrawn CN108427902A (zh) | 2017-11-27 | 2017-11-27 | 基于地面站识别灰霾源的方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108427902A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109448365A (zh) * | 2018-10-16 | 2019-03-08 | 北京航空航天大学 | 一种跨尺度空基平台区域道路交通系统综合监视方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103218622A (zh) * | 2013-04-22 | 2013-07-24 | 武汉大学 | 一种基于计算机视觉的雾霾监测方法 |
CN104132830A (zh) * | 2014-08-05 | 2014-11-05 | 江苏恒创软件有限公司 | 一种基于无人机的空气采集装置及方法 |
CN105699378A (zh) * | 2016-02-22 | 2016-06-22 | 佛山市稚蒙环境科技有限公司 | 一种采用无人飞行器对大型水域水质进行监测的监测方法 |
CN105809647A (zh) * | 2016-03-31 | 2016-07-27 | 北京奇虎科技有限公司 | 一种自动去雾拍照方法、装置和设备 |
CN106203265A (zh) * | 2016-06-28 | 2016-12-07 | 江苏大学 | 一种基于无人机采集图像的施工扬尘污染源自动监测及影响范围预测系统及方法 |
CN106355166A (zh) * | 2016-10-13 | 2017-01-25 | 北京师范大学 | 一种基于监控视频与遥感图像的灰霾扩散路径绘制与来源确定方法 |
CN107038885A (zh) * | 2017-05-23 | 2017-08-11 | 奇瑞汽车股份有限公司 | 交通状况提示方法及装置 |
CN107315381A (zh) * | 2017-08-02 | 2017-11-03 | 宿松县玖索科技信息有限公司 | 一种农作物病虫害的监测方法 |
-
2017
- 2017-11-27 CN CN201711206928.5A patent/CN108427902A/zh not_active Withdrawn
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103218622A (zh) * | 2013-04-22 | 2013-07-24 | 武汉大学 | 一种基于计算机视觉的雾霾监测方法 |
CN104132830A (zh) * | 2014-08-05 | 2014-11-05 | 江苏恒创软件有限公司 | 一种基于无人机的空气采集装置及方法 |
CN105699378A (zh) * | 2016-02-22 | 2016-06-22 | 佛山市稚蒙环境科技有限公司 | 一种采用无人飞行器对大型水域水质进行监测的监测方法 |
CN105809647A (zh) * | 2016-03-31 | 2016-07-27 | 北京奇虎科技有限公司 | 一种自动去雾拍照方法、装置和设备 |
CN106203265A (zh) * | 2016-06-28 | 2016-12-07 | 江苏大学 | 一种基于无人机采集图像的施工扬尘污染源自动监测及影响范围预测系统及方法 |
CN106355166A (zh) * | 2016-10-13 | 2017-01-25 | 北京师范大学 | 一种基于监控视频与遥感图像的灰霾扩散路径绘制与来源确定方法 |
CN107038885A (zh) * | 2017-05-23 | 2017-08-11 | 奇瑞汽车股份有限公司 | 交通状况提示方法及装置 |
CN107315381A (zh) * | 2017-08-02 | 2017-11-03 | 宿松县玖索科技信息有限公司 | 一种农作物病虫害的监测方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109448365A (zh) * | 2018-10-16 | 2019-03-08 | 北京航空航天大学 | 一种跨尺度空基平台区域道路交通系统综合监视方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108062349A (zh) | 基于视频结构化数据及深度学习的视频监控方法和系统 | |
US20150208058A1 (en) | Method and system for reconstructing 3d trajectory in real time | |
CN113963475A (zh) | 一种变电站人员安全管理方法与系统 | |
CN110602438A (zh) | 一种基于路网的视频监控布局优化方法及装置 | |
CN110703760B (zh) | 一种用于安防巡检机器人的新增可疑物体检测方法 | |
CN113887418A (zh) | 车辆违规行驶的检测方法、装置、电子设备及存储介质 | |
CN106875081A (zh) | 一种用于电力变电站的增强虚拟现实方法 | |
WO2023138163A1 (zh) | 一种基于深度图像修复的室内移动机器人玻璃检测与地图更新方法 | |
CN108427907A (zh) | 基于地面站对灰霾源进行示警的方法、装置及系统 | |
CN108052873A (zh) | 基于地面站对灰霾源进行标识的方法、装置及系统 | |
CN108121947A (zh) | 基于地面站示警灰霾源的方法、装置及系统 | |
Yin et al. | A deep learning based illegal parking detection platform | |
CN108427902A (zh) | 基于地面站识别灰霾源的方法、装置及系统 | |
CN108229311A (zh) | 基于无人机识别灰霾源的方法、装置及系统 | |
CN108427903A (zh) | 基于无人机对灰霾源进行示警的方法、装置及系统 | |
CN108154079A (zh) | 基于无人机对灰霾源进行示警的方法、装置及系统 | |
CN108427906A (zh) | 基于地面站对灰霾源进行示警的方法、装置及系统 | |
CN108596007A (zh) | 用于对灰霾源进行标识的方法、装置及系统 | |
CN108108660A (zh) | 基于无人机对灰霾源进行标识的方法、装置及系统 | |
CN108428223A (zh) | 基于无人机示警灰霾源的方法、装置及系统 | |
CN108229310A (zh) | 识别灰霾源的方法、装置及系统 | |
CN108427904A (zh) | 基于无人机识别灰霾源的方法、装置及系统 | |
CN108197528A (zh) | 用于对灰霾源进行示警的方法、装置及系统 | |
CN108229309A (zh) | 用于对灰霾源进行示警的方法、装置及系统 | |
CN108108661A (zh) | 基于无人机示警灰霾源的方法、装置及系统 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20180821 |