CN109086715A - 基于通导遥数据中间件的系统、装置和数据处理的方法 - Google Patents
基于通导遥数据中间件的系统、装置和数据处理的方法 Download PDFInfo
- Publication number
- CN109086715A CN109086715A CN201810857887.4A CN201810857887A CN109086715A CN 109086715 A CN109086715 A CN 109086715A CN 201810857887 A CN201810857887 A CN 201810857887A CN 109086715 A CN109086715 A CN 109086715A
- Authority
- CN
- China
- Prior art keywords
- data
- remotely
- module
- sensed data
- image
- 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
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
- G06V20/13—Satellite images
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于通导遥数据中间件的系统、装置和数据处理的方法。其中，该系统包括：导航模块，用于采集目标区域的位置信息，提供高精度导航服务；通信模块，用于获取导航模块采集到的位置信息及在该位置上传感器采集到的其它信息，并根据位置信息采集遥感数据；遥感模块，用于对目标区域处的遥感数据进行预处理，对处理后的遥感数据进行基于深度学习方法的图像语义分割，并提取矢量数据以及栅格数据，然后对矢量数据以及栅格数据进行空间统计分析，得到分析结果。本发明解决了三个问题：一是复杂条件下传感器信息通信的问题；二是单点定位，卫星移动定位精度不高的问题；三是传统的遥感影像分析算法不易提取信息的技术问题。
Description
技术领域
本发明涉及遥感技术领域，具体而言，涉及一种基于通导遥数据中间件的系统、装置和数据处理的方法。
背景技术
随着遥感数据空间分辨率、时间分辨率、光谱分辨率以及辐射分辨率的不断提高，遥感数据类型也在不断增加。另外，随着遥感平台的多样化，遥感数据量也急剧增加。由于遥感数据是重要的地理信息数据源，同时也包含了丰富的地理信息，因此，遥感数据呈现出明显的大数据特征。
在遥感技术领域中，遥感图像的处理和分析是遥感应用的技术核心。另外，通信技术和导航技术也得到了迅猛的发展，通信和导航有成熟的标准和技术体系。然而，由于传统算法难以克服遥感图像分类中的“椒盐噪声”和“同物异谱、同谱异物”等问题，因此，现有技术中，基于大数据的遥感图像处理方法更侧重于遥感图像的预处理，不易提取信息。另外，通信和导航是遥感技术成功应用的必备条件，而现有技术并没有将三者结合起来形成体系的。
针对上述传统的遥感影像分析算法不易提取信息的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种基于通导遥数据中间件的系统、装置和数据处理的方法，以至少解决传统的遥感影像分析算法不易提取信息的技术问题。
根据本发明实施例的一个方面，提供了一种基于通导遥数据中间件的系统，包括：导航模块，用于采集目标区域的位置信息；通信模块，用于获取导航模块采集到的位置信息及在该位置上传感器采集到的其它信息，并根据位置信息采集遥感数据；遥感模块，用于对目标区域处的遥感数据进行预处理，对处理后的遥感数据进行基于深度学习方法的图像语义分割，并提取矢量数据以及栅格数据，然后对矢量数据以及栅格数据进行空间统计分析，得到分析结果。
根据本发明实施例的另一方面，还提供了一种处理数据的方法，包括：获取目标区域处的遥感数据；对遥感数据进行预处理，得到处理后的遥感数据；对处理后的遥感数据进行基于深度学习方法的图像语义分割，提取矢量数据以及栅格数据；对矢量数据以及栅格数据进行空间统计分析，得到分析结果。
根据本发明实施例的另一方面，还提供了一种基于通导遥数据中间件的装置，包括：获取模块，用于获取目标区域处的遥感数据；处理模块，用于对遥感数据进行预处理，得到处理后的遥感数据；提取模块，用于对处理后的遥感数据进行基于深度学习方法的图像语义分割，提取矢量数据以及栅格数据；分析模块，用于对矢量数据以及栅格数据进行空间统计分析，得到分析结果。
根据本发明实施例的另一方面，还提供了一种存储介质，该存储介质包括存储的程序，其中，在程序运行时由处理器执行处理数据的方法。
根据本发明实施例的另一方面，还提供了一种计算设备，包括处理器，该处理器用于运行程序，其中，程序运行时执行处理数据的方法。
在本发明实施例中，采用通信、导航和遥感三合一的方式，通过导航模块采集目标区域的位置信息，通信模块用于获取导航模块采集到的位置信息及在该位置上传感器采集到的其它信息，并根据位置信息采集遥感数据，遥感模块对目标区域处的遥感数据进行预处理，对处理后的遥感数据进行基于深度学习方法的图像语义分割，并提取矢量数据以及栅格数据，然后对矢量数据以及栅格数据进行空间统计分析，得到分析结果
由上述内容可知，上述方案将通信、导航和遥感功能有机结合，可以为用户提供一站式综合解决方案，极大地提升了工作人员的工作效率。另外，遥感模块对目标区域处的遥感数据进行预处理，对处理后的遥感数据进行基于深度学习方法的图像语义分割，并提取矢量数据以及栅格数据，然后对矢量数据以及栅格数据进行空间统计分析，得到分析结果
由此可见，本申请所提供的方案可以解决传统的遥感影像分析算法不易提取信息的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的一种基于通导遥数据中间件的系统的结构示意图；
图2是根据本发明实施例的一种可选的遥感模块的结构示意图；
图3是根据本发明实施例的一种可选的遥感数据预处理的方法流程图；
图4是根据本发明实施例的一种可选的信息提取的架构图；
图5是根据本发明实施例的一种可选的通信模块和导航模块的交互过程示意图；
图6是根据本发明实施例的一种可选的基于通导遥数据中间件的系统的结构示意图；
图7是根据本发明实施例的一种处理数据的方法流程图；
图8是根据本发明实施例的一种基于通导遥数据中间件的装置的结构示意图；以及
图9是根据本发明实施例的一种计算设备的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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，所描述的实施例仅仅是本发明一部分的实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本发明实施例，提供了一种基于通导遥数据中间件的系统实施例，其中，图1是根据本发明实施例的基于通导遥数据中间件的系统结构示意图，如图1所示，该系统包括：导航模块10、通信模块20以及遥感模块30。
其中，导航模块10，用于采集目标区域的位置信息；通信模块20，用于获取导航模块采集到的位置信息及在该位置上传感器采集到的其它信息，并根据位置信息采集遥感数据；遥感模块30，用于对目标区域处的遥感数据进行预处理，对处理后的遥感数据进行基于深度学习方法的图像语义分割，并提取矢量数据以及栅格数据，然后对矢量数据以及栅格数据进行空间统计分析，得到分析结果。
需要说明的是，目标区域可以为工作人员通过客户端确定的需要采集遥感数据的区域，例如，矿区、河道等。其中，目标区域的位置信息为目标区域所在的经纬度。
另外，导航模块可以使用但不限于北斗卫星导航系统(BeiDou NavigationSatellite System，简称BDS)。由于北斗卫星导航系统具有成本低、通信受限条件少等优势，其广泛应用在了交通运输、水文监测、测绘地理信息、救灾减灾、应急搜救等领域。此外，通信模块包括但不限于基于北斗的短报文通信模块。
此外，还需要说明的是，遥感模块基于卷积神经网络(Convolutional NeuralNetwork简称CNN)中的图像语义分析模块对遥感数据进行信息提取，解决了传统的物理提取算法存在的“椒盐噪声”和“同物异谱、同谱异物”等问题。
由此可见，采用通信、导航和遥感三合一的方式，通过导航模块采集目标区域的位置信息，通信模块获取导航模块采集到的位置信息及在该位置上传感器采集到的其它信息，并根据位置信息采集遥感数据，遥感模块对目标区域处的遥感数据进行预处理，对处理后的遥感数据进行基于深度学习方法的图像语义分割，并提取矢量数据以及栅格数据，然后对矢量数据以及栅格数据进行空间统计分析，得到分析结果。
由上述内容可知，上述方案将通信、导航和遥感功能有机结合，可以为用户提供一站式综合解决方案，极大地提升了工作人员的工作效率。另外，遥感模块对遥感数据进行基于深度学习方法的图像语义分析，并根据语义分析的结果提取矢量数据以及栅格数据，从而达到了对遥感数据进行信息提取的目的。
由此可见，本申请所提供的方案可以解决传统的遥感影像分析算法不易提取信息的技术问题。
在一种可选的方案中，如图2所示的一种可选的遥感模块的结构示意图，由图2可知，遥感模块包括：预处理模块、信息提取模块以及空间分析模块。其中，预处理模块，用于对遥感数据进行预处理，其中，预处理至少包括如下之一：雷达数据预处理、高分数据预处理、高光谱数据预处理以及航测数据预处理；信息提取模块，用于采用卷积神经网络创建图像语义分割模型，并根据图像语义分割模型从遥感数据中提取矢量数据和栅格数据；空间分析模块，用于对矢量数据以及栅格数据进行空间运算，并对运算结果进行统计，得到分析结果。
在一种可选的方案中，预处理模块可基于图3所示的遥感数据预处理的方法流程图对遥感数据进行预处理。具体的，首先，获取遥感数据的多光谱影像和全色影像，然后对多光谱影像进行第一处理，得到处理后的多光谱影像；对全色影像进行第二处理，得到处理后的全色影像。最后，分别对处理后的多光谱影像和处理后的全色影像进行图像融合，得到处理后的遥感数据。
需要说明的是，对多光谱影像进行的第一处理可以包括辐射定标、大气校正、正射校正、几何精校正；对全色影像进行的第二处理可以包括辐射定标、正射校正、几何精校正，其中，在对全色影像进行辐射定标的过程中，辐射定标为表观反射率。另外，可采用数字高程模型(Digital Elevation Model，简称DEM)与地面控制点(Ground Control Point，简称GCP)相结合的方式进行正射校正，采用地面控制点与基准影像相结合的方式进行几何精准校正。
在一种可选的方案中，信息提取模块可基于图4所示的信息提取的架构图对不同地面类别进行信息提取，例如，对水域、植被、建筑等进行信息提取。由图4可知，信息提取模块可基于Keras或Tensorflow等深度学习框架，使用卷积神经网络对遥感数据进行语义分割，以提取遥感影像中的地理信息。其中，信息提取模块还具有底层驱动，用于保障信息提取模块的正常运行。
由此可见，本申请所提供的方案以地理信息技术、物联网、大数据、云计算、人工智能、智能化计算、移动互联网等新型技术为依托，并利用通信、导航技术为地理行业提供更便捷高效的大数据技术解决方案。
在一种可选的方案中，通信模块包括：传感器、北斗报文通信模块以及数据中心。其中，传感器，用于根据目标区域的位置信息采集数据；北斗报文通信模块，用于发送传感器数据及位置信息至数据中心；数据中心，用于对传感器发回的数据进行短报文解析，将解析后的数据进行存储，并发送至遥感模块。需要说明的是，北斗报文通信模块通过北斗短报文实时发送传感器数据及位置信息至数据中心，数据中心通过卫星接收机实时获取并解析短报文数据，并将解析好的信息进行存储，然后结束数据共享渠道，进而实现了传感器数据在业务层面的实时更新。
在一种可选的方案中，导航模块可以包括：导航接收机、地基增强模块以及坐标转换模块。其中，导航接收机，用于采集目标区域的位置信息；地基增强模块，用于对位置信息进行优化，得到优化后的位置信息；坐标转换模块，用于基于预设的空间参考模型对位置信息进行空间转换。
需要说明的是，导航模块可以通过地基增强模块的数据进行位置信息的高精优化，另外，基于移动通信终端的基于位置的服务(Location Based Service，简称LBS)，可以定位当前位置指定范围内的传感器、移动终端等相关设备，实现实时的地理数据传输和地理信息服务。其中，通信模块和导航模块的交互过程可以如图5所示。在图5中，导航模块基于全球导航卫星系统(Global Navigation Satellite System，简称GNSS)进行定位，并通过通信模块完成GNSS系统与连续运行参考站(Continuously Operating ReferenceStations，简称CORS)系统的接入。
在一种可选的方案中，如图6所示的一种可选的基于通导遥数据中间件的系统的结构示意图，由图6可知，本申请所提供的基于通导遥数据中间件的系统还包括：数据仓库、数据引擎模块以及访问驱动模块。其中，数据仓库，用于存储遥感数据，其中，数据仓库包含多个数据库，包括但不限于图6所示的MySQL数据库、Postgres数据库、HBASE数据库，每个数据库存储的数据类型包括如下至少之一：关系型数据和非关系型数据。数据引擎模块，用于访问数据仓库中的多个数据库，并读取多个数据库中存储的遥感数据，并建立多个数据库的空间索引；访问驱动模块，用于为数据引擎模块访问多个数据库提供驱动。
需要说明的是，数据引擎模块包括关系型数据库的空间数据引擎以及非关系型数据库的空间数据引擎。其中，非关系型数据库的空间数据引擎可访问非关系型数据库，并读写空间数据，建立非关系型数据库的空间索引。另外，基于非关系型数据库的矢量数据空间分析算法，包括但不限于矢量数据裁剪、空间查询、统计、集合运算、缓冲区分析和变化检测算法等。基于非关系型数据库的栅格数据空间分析算法可以包括空间统计、裁剪和变化检测算法。
在一种应用场景中，本申请所提供的基于通导遥数据中间件的系统可通过遥感影像检测目标区域是否存在违规采矿的问题，并对违规采矿在各县区的面积以及中心经纬度进行统计。在另一种应用场景中，本申请所提供的基于通导遥数据中间件的系统可通过遥感影像检测河道是否违规采砂，并以不同的颜色在基于通导遥数据中间件的系统的显示界面上标注河道保护范围、采砂厂所在区域以及采砂厂侵占各类农田的面积等。
由上述内容可知，本申请所提供的方案利用先进的人工智能深度学习算法，结合图像语义分割技术，以创新的CNN网络进行遥感影像的地物信息提取，极大的克服了传统方法带来的“椒盐噪声”和“同物异谱、同谱异物”现象。另外，本申请所提供的方案将遥感技术与通信技术和导航技术相结合，为地理行业提供了必须的技术方案，降低了技术门槛，提高了行业应用效率。最后，通信技术和导航技术可以实现实时的传送传感器监测数据和地理信息，使得本申请所提供的方案可以用于地理物联网的建设，充分立足于地理行业的未来发展。
实施例2
根据本发明实施例，还提供了一种处理数据的方法实施例，该方法可以在实施例1所提供的基于通导遥数据中间件的系统中执行，其中，图7是根据本发明实施例的处理数据的方法流程图，如图7所示，该方法可以包括如下步骤：
步骤S702，获取目标区域处的遥感数据。
需要说明的是，目标区域可以为工作人员通过客户端确定的需要采集遥感数据的区域，例如，矿区、河道等。其中，目标区域的位置信息为目标区域所在的区域范围。另外，导航模块可采集目标区域处的位置信息，通信模块获取导航模块采集到的位置信息及在该位置上传感器采集到的其它信息，并根据位置信息采集遥感数据。其中，导航模块可以使用但不限于北斗卫星导航系统(BeiDou Navigation Satellite System，简称BDS)。由于北斗卫星导航系统具有成本低、通信受限条件少等优势，其广泛应用在了交通运输、水文监测、测绘地理信息、救灾减灾、应急搜救等领域。此外，通信模块包括但不限于基于北斗的短报文通信模块。
步骤S704，对遥感数据进行预处理，得到处理后的遥感数据。其中，遥感模块可对遥感数据进行预处理。
步骤S706，对处理后的遥感数据进行基于深度学习方法的图像语义分割，提取矢量数据以及栅格数据。
需要说明的是，遥感模块基于卷积神经网络(Convolutional Neural Network简称CNN)中的图像语义分析模块对遥感数据进行信息提取，解决了传统的物理提取算法存在的“椒盐噪声”和“同物异谱、同谱异物”等问题。
步骤S708，对矢量数据以及栅格数据进行空间统计分析，得到分析结果。
在一种可选的方案中，基于通导遥数据中间件的系统可通过遥感影像检测目标区域是否存在违规采矿的问题，并对违规采矿在各县区的面积以及中心经纬度进行统计。在另一种可选的方案中，本申请所提供的基于通导遥数据中间件的系统可通过遥感影像检测河道是否违规采砂，并以不同的颜色在基于通导遥数据中间件的系统的显示界面上标注河道保护范围、采砂厂所在区域以及采砂厂侵占各类农田的面积等。
由此可见，采用通信、导航和遥感三合一的方式，通过导航模块采集目标区域的位置信息，通信模块获取导航模块采集到的位置信息及在该位置上传感器采集到的其它信息，并根据位置信息采集遥感数据，遥感模块对目标区域处的遥感数据进行预处理，对处理后的遥感数据进行基于深度学习方法的图像语义分割，并提取矢量数据以及栅格数据，然后对矢量数据以及栅格数据进行空间统计分析，以得到分析结果。
由上述内容可知，上述方案将通信、导航和遥感功能有机结合，可以为用户提供一站式综合解决方案，极大地提升了工作人员的工作效率。另外，遥感模块对遥感数据进行基于深度学习方法的图像语义分析，并根据语义分析的结果提取矢量数据以及栅格数据，从而达到了对遥感数据进行信息提取的目的。
由此可见，本申请所提供的方案可以解决传统的遥感影像分析算法不易提取信息的技术问题。
在一种可选的方案中，如图3所示，对遥感数据进行预处理，得到处理后的遥感数据可以包括：
步骤S7040，获取遥感数据的多光谱影像和全色影像；
步骤S7042，对多光谱影像进行第一处理，得到处理后的多光谱影像；
步骤S7044，对全色影像进行第二处理，得到处理后的全色影像；
步骤S7046，分别对处理后的多光谱影像和处理后的全色影像进行图像融合，得到处理后的遥感数据。
需要说明的是，对多光谱影像进行的第一处理可以包括辐射定标、大气校正、正射校正、几何精校正；对全色影像进行的第二处理可以包括辐射定标、正射校正、几何精校正，其中，在对全色影像进行辐射定标的过程中，辐射定标为表观反射率。另外，可采用数字高程模型(Digital Elevation Model，简称DEM)与地面控制点(Ground Control Point，简称GCP)相结合的方式进行正射校正，采用地面控制点与基准影像相结合的方式进行几何精准校正。
在一种可选的方案中，可基于图4所示的信息提取的架构图对不同地面类型的遥感数据进行信息提取，例如，对水域、植被、建筑等进行信息提取。由图4可知，基于通导遥数据中间件的系统可基于Keras、Tensorflow等深度学习框架，构建用于语义分割的卷积神经网络，并使用cuDNN、CUDA等深度神经网络加速库实现对遥感数据的信息提取。其中，信息提取模块还具有底层驱动，用于保障信息提取模块的正常运行。
由此可见，本申请所提供的方案以地理信息技术、物联网、大数据、云计算、人工智能、智能化计算、移动互联网等新型技术为依托，并利用通信、导航技术为地理行业提供更便捷高效的大数据技术解决方案。
在一种可选的方案中，可采用北斗短报文的方式实现各个模块之间的数据传输。具体的，通信模块包括：传感器、北斗报文通信模块以及数据中心。其中，北斗报文通信模块可通过北斗短报文实时发送传感器数据及位置信息至数据中心，数据中心通过卫星接收机实时获取并解析短报文数据，并将解析好的信息进行存储，然后结束数据共享渠道，进而实现了传感器数据在业务层面的实时更新。
在一种可选的方案中，导航模块可以包括：导航接收机、地基增强模块以及坐标转换模块。其中，导航接收机，用于采集目标区域的位置信息；地基增强模块，用于对位置信息进行优化，得到优化后的位置信息；坐标转换模块，用于基于预设的空间参考模型对位置信息进行空间转换。
需要说明的是，导航模块可以通过地基增强模块的数据进行位置信息的高精优化，另外，基于移动通信终端的基于位置的服务(Location Based Service，简称LBS)，可以定位当前位置指定范围内的传感器、移动终端等相关设备，实现实时的地理数据传输和地理信息服务。其中，通信模块和导航模块的交互过程可以如图5所示。在图5中，导航模块基于全球导航卫星系统(Global Navigation Satellite System，简称GNSS)进行定位，并通过通信模块完成GNSS系统与连续运行参考站(Continuously Operating ReferenceStations，简称CORS)系统的接入。
由上述内容可知，本申请所提供的方案利用先进的人工智能深度学习算法，结合图像语义分割技术，以创新的CNN网络进行遥感影像的地物信息提取，极大的克服了传统方法带来的“椒盐噪声”和“同物异谱、同谱异物”现象。另外，本申请所提供的方案将遥感技术与通信技术和导航技术相结合，为地理行业提供了必须的技术方案，降低了技术门槛，提高了行业应用效率。最后，通信技术和导航技术可以实现实时的传送传感器监测数据和地理信息，使得本申请所提供的方案可以用于地理物联网的建设，充分立足于地理行业的未来发展。
实施例3
根据本发明实施例，还提供了一种基于通导遥数据中间件的装置实施例，该装置可执行实施例2中的处理数据的方法，其中，图8是根据本发明实施例的基于通导遥数据中间件的装置的结构示意图，如图8所示，该装置可以包括：获取模块801、处理模块803、提取模块805以及分析模块807。
其中，获取模块801，用于获取目标区域处的遥感数据；处理模块803，用于对遥感数据进行预处理，得到处理后的遥感数据；提取模块805，用于对处理后的遥感数据进行基于深度学习方法的图像语义分割，提取矢量数据以及栅格数据；分析模块807，用于对矢量数据以及栅格数据进行空间统计分析，得到分析结果。
需要说明的是，上述获取模块801、处理模块803、提取模块805以及分析模块807对应于实施例2中的步骤S702至步骤S708，四个模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例2所公开的内容。
处理模块包括：第一获取模块、第一处理模块、第二处理模块以及第三处理模块。其中，第一获取模块，用于获取遥感数据的多光谱影像和全色影像；第一处理模块，用于对多光谱影像进行第一处理，得到处理后的多光谱影像；第二处理模块，用于对全色影像进行第二处理，得到处理后的全色影像；第三处理模块，用于分别对处理后的多光谱影像和处理后的全色影像进行图像融合，得到处理后的遥感数据。
需要说明的是，上述第一获取模块、第一处理模块、第二处理模块以及第三处理模块对应于实施例2中的步骤S7040至步骤S7046，四个模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例2所公开的内容。
实施例4
本发明的实施例还提供了一种存储介质。可选地，在本实施例中，上述存储介质可以用于保存上述实施例2所提供的处理数据的方法所执行的程序代码。
可选地，在本实施例中，上述存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：获取目标区域处的遥感数据；对遥感数据进行预处理，得到处理后的遥感数据；对处理后的遥感数据进行基于深度学习方法的图像语义分割，提取矢量数据以及栅格数据；对矢量数据以及栅格数据进行空间统计分析，得到分析结果。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：获取遥感数据的多光谱影像和全色影像；对多光谱影像进行第一处理，得到处理后的多光谱影像；对全色影像进行第二处理，得到处理后的全色影像；分别对处理后的多光谱影像和处理后的全色影像进行图像融合，得到处理后的遥感数据。
实施例5
本发明的实施例可以提供一种计算设备，该计算设备可以是计算机终端群中的任意一个计算机终端设备。可选地，在本实施例中，上述计算机终端也可以替换为移动终端等终端设备。
可选地，在本实施例中，上述计算设备可以位于计算机网络的多个网络设备中的至少一个网络设备。
在本实施例中，上述计算设备可以执行处理数据的方法中以下步骤的程序代码：获取目标区域处的遥感数据；对遥感数据进行预处理，得到处理后的遥感数据；对处理后的遥感数据进行基于深度学习方法的图像语义分割，提取矢量数据以及栅格数据；对矢量数据以及栅格数据进行空间统计分析，得到分析结果。
可选地，图9是根据本发明实施例的一种计算设备的结构框图。如图9所示，该计算机终端(即计算设备)A可以包括：一个或多个(图9中仅示出一个)处理器902、存储器904以及外设接口906。
其中，存储器可用于存储软件程序以及模块，如本发明实施例中的处理数据的方法和装置对应的程序指令/模块，处理器通过运行存储在存储器内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述处理数据的方法。存储器可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至终端A。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
处理器可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤：获取目标区域处的遥感数据；对遥感数据进行预处理，得到处理后的遥感数据；对处理后的遥感数据进行基于深度学习方法的图像语义分割，提取矢量数据以及栅格数据；对矢量数据以及栅格数据进行空间统计分析，得到分析结果。
可选的，上述处理器还可以执行如下步骤的程序代码：获取遥感数据的多光谱影像和全色影像；对多光谱影像进行第一处理，得到处理后的多光谱影像；对全色影像进行第二处理，得到处理后的全色影像；分别对处理后的多光谱影像和处理后的全色影像进行图像融合，得到处理后的遥感数据。
本领域普通技术人员可以理解，图9所示的结构仅为示意，计算机终端也可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑以及移动互联网设备(MobileInternetDevices，MID)、PAD等终端设备。图9其并不对上述电子装置的结构造成限定。例如，计算机终端A还可包括比图9中所示更多或者更少的组件(如网络接口、显示装置等)，或者具有与图9所示不同的配置。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(RandomAccess Memory，RAM)、磁盘或光盘等。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种基于通导遥数据中间件的系统，其特征在于，包括：
导航模块，用于采集目标区域的位置信息，提供高精度导航服务；
通信模块，用于获取所述导航模块采集到的位置信息及在该位置上传感器采集到的其他信息，并根据所述位置信息采集遥感数据；
遥感模块，用于对所述目标区域处的遥感数据进行预处理，对处理后的遥感数据进行基于深度学习方法的图像语义分割，并提取矢量数据以及栅格数据，然后对所述矢量数据以及所述栅格数据进行空间统计分析，得到分析结果。
2.根据权利要求1所述的系统，其特征在于，所述遥感模块包括：
预处理模块，用于对所述遥感数据进行所述预处理，其中，所述预处理至少包括如下之一：雷达数据预处理、高分数据预处理、高光谱数据预处理以及航测数据预处理；
信息提取模块，用于采用卷积神经网络创建图像语义分割模型，并根据所述图像语义分割模型从所述遥感数据中提取所述矢量数据和所述栅格数据；
空间分析模块，用于对所述矢量数据以及所述栅格数据进行空间运算，并对运算结果进行统计，得到所述分析结果。
3.根据权利要求1所述的系统，其特征在于，所述通信模块包括：
传感器，用于根据所述目标区域的位置信息采集所述遥感数据；
北斗报文通信模块，用于发送所述传感器数据及位置信息至数据中心；
所述数据中心，用于对所述传感器数据进行短报文解析，将解析后的数据进行存储，并与遥感模块处理后的数据结合使用。
4.根据权利要求1所述的系统，其特征在于，所述导航模块包括：
导航接收机，用于采集所述目标区域的位置信息；
地基增强模块，用于对所述位置信息进行优化，得到优化后的位置信息；
坐标转换模块，用于基于预设的空间参考模型对所述位置信息进行空间转换。
5.根据权利要求1所述的系统，其特征在于，所述系统还包括：
数据仓库，用于存储所述遥感数据，其中，所述数据仓库包含多个数据库，每个数据库存储的数据类型包括如下至少之一：关系型数据和非关系型数据。
6.根据权利要求5所述的系统，其特征在于，所述系统还包括：
数据引擎模块，用于访问所述数据仓库中的多个数据库，并读取所述多个数据库中存储的遥感数据，并建立所述多个数据库的空间索引；
访问驱动模块，用于为所述数据引擎模块访问所述多个数据库提供驱动。
7.一种处理数据的方法，其特征在于，包括：
获取目标区域处的遥感数据；
对所述遥感数据进行预处理，得到处理后的遥感数据；
对所述处理后的遥感数据进行基于深度学习方法的图像语义分割，提取矢量数据以及栅格数据；
对所述矢量数据以及所述栅格数据进行空间统计分析，得到分析结果。
8.根据权利要求7所述的方法，其特征在于，对所述遥感数据进行预处理，得到处理后的遥感数据包括：
获取所述遥感数据的多光谱影像和全色影像；
对所述多光谱影像进行第一处理，得到处理后的多光谱影像；
对所述全色影像进行第二处理，得到处理后的全色影像；
分别对所述处理后的多光谱影像和所述处理后的全色影像进行图像融合，得到所述处理后的遥感数据。
9.一种基于通导遥数据中间件的装置，其特征在于，包括：
获取模块，用于获取目标区域处的遥感数据；
处理模块，用于对所述遥感数据进行预处理，得到处理后的遥感数据；
提取模块，用于对所述处理后的遥感数据进行基于深度学习方法的图像语义分割，提取矢量数据以及栅格数据；
分析模块，用于对所述矢量数据以及所述栅格数据进行空间统计分析，得到分析结果。
10.一种计算设备，包括处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求7至8中任意一项所述的处理数据的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810857887.4A CN109086715A (zh) | 2018-07-31 | 2018-07-31 | 基于通导遥数据中间件的系统、装置和数据处理的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810857887.4A CN109086715A (zh) | 2018-07-31 | 2018-07-31 | 基于通导遥数据中间件的系统、装置和数据处理的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109086715A true CN109086715A (zh) | 2018-12-25 |
Family
ID=64831104
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810857887.4A Pending CN109086715A (zh) | 2018-07-31 | 2018-07-31 | 基于通导遥数据中间件的系统、装置和数据处理的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109086715A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110084817A (zh) * | 2019-03-21 | 2019-08-02 | 西安电子科技大学 | 基于深度学习的数字高程模型生产方法 |
| CN111126028A (zh) * | 2019-12-30 | 2020-05-08 | 中国联合网络通信集团有限公司 | 数据处理方法、装置及设备 |
| CN112149711A (zh) * | 2020-08-14 | 2020-12-29 | 南方科技大学 | 水文地形数据生成方法、装置、计算机设备和存储介质 |
| CN113109812A (zh) * | 2021-04-19 | 2021-07-13 | 北京理工雷科电子信息技术有限公司 | 一种面向遥感数据应用的软件处理平台的构建方法 |
| CN115858519A (zh) * | 2023-02-27 | 2023-03-28 | 航天宏图信息技术股份有限公司 | 一种dem平整方法和装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6174290B1 (ja) * | 2016-05-10 | 2017-08-02 | 株式会社プロドローン | 無人移動体の確認システム |
| CN107247938A (zh) * | 2017-06-08 | 2017-10-13 | 中国科学院遥感与数字地球研究所 | 一种高分辨率遥感影像城市建筑物功能分类的方法 |
| CN107271998A (zh) * | 2017-07-01 | 2017-10-20 | 东华理工大学 | 一种集成D‑InSAR和GIS技术的地下非法采矿识别方法及系统 |
| CN107831168A (zh) * | 2017-10-25 | 2018-03-23 | 吉林省林业科学研究院 | 遥感技术测量水田防护林防护效果的方法 |
-
2018
- 2018-07-31 CN CN201810857887.4A patent/CN109086715A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6174290B1 (ja) * | 2016-05-10 | 2017-08-02 | 株式会社プロドローン | 無人移動体の確認システム |
| CN107247938A (zh) * | 2017-06-08 | 2017-10-13 | 中国科学院遥感与数字地球研究所 | 一种高分辨率遥感影像城市建筑物功能分类的方法 |
| CN107271998A (zh) * | 2017-07-01 | 2017-10-20 | 东华理工大学 | 一种集成D‑InSAR和GIS技术的地下非法采矿识别方法及系统 |
| CN107831168A (zh) * | 2017-10-25 | 2018-03-23 | 吉林省林业科学研究院 | 遥感技术测量水田防护林防护效果的方法 |
Non-Patent Citations (1)
| Title |
|---|
| 李德仁: "建设军民深度融合的空天信息实时服务系统", 《网信军民融合》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110084817A (zh) * | 2019-03-21 | 2019-08-02 | 西安电子科技大学 | 基于深度学习的数字高程模型生产方法 |
| CN110084817B (zh) * | 2019-03-21 | 2021-06-25 | 西安电子科技大学 | 基于深度学习的数字高程模型生产方法 |
| CN111126028A (zh) * | 2019-12-30 | 2020-05-08 | 中国联合网络通信集团有限公司 | 数据处理方法、装置及设备 |
| CN112149711A (zh) * | 2020-08-14 | 2020-12-29 | 南方科技大学 | 水文地形数据生成方法、装置、计算机设备和存储介质 |
| CN112149711B (zh) * | 2020-08-14 | 2023-10-10 | 南方科技大学 | 水文地形数据生成方法、装置、计算机设备和存储介质 |
| CN113109812A (zh) * | 2021-04-19 | 2021-07-13 | 北京理工雷科电子信息技术有限公司 | 一种面向遥感数据应用的软件处理平台的构建方法 |
| CN115858519A (zh) * | 2023-02-27 | 2023-03-28 | 航天宏图信息技术股份有限公司 | 一种dem平整方法和装置 |
| CN115858519B (zh) * | 2023-02-27 | 2023-05-16 | 航天宏图信息技术股份有限公司 | 一种dem平整方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109086715A (zh) | 基于通导遥数据中间件的系统、装置和数据处理的方法 | |
| CN110147706B (zh) | 障碍物的识别方法和装置、存储介质、电子装置 | |
| WO2021121306A1 (zh) | 视觉定位方法和系统 | |
| JP2019514123A (ja) | 地理的領域におけるコンテナ内に格納された量の遠隔決定 | |
| CN110443898A (zh) | 一种基于深度学习的ar智能终端目标识别系统及方法 | |
| CN108801268A (zh) | 目标对象的定位方法、装置及机器人 | |
| US11111785B2 (en) | Method and device for acquiring three-dimensional coordinates of ore based on mining process | |
| CN110033018A (zh) | 图形相似度判断方法、装置及计算机可读存储介质 | |
| CN104834784A (zh) | 一种铁路应急辅助救援三维虚拟电子沙盘系统 | |
| US11724721B2 (en) | Method and apparatus for detecting pedestrian | |
| CN108182218A (zh) | 一种基于地理信息系统的视频人物识别方法、系统及电子设备 | |
| Tran et al. | Pp-linknet: Improving semantic segmentation of high resolution satellite imagery with multi-stage training | |
| CN115114480A (zh) | 数据处理方法、装置、设备、可读存储介质及程序产品 | |
| CN112836590B (zh) | 洪涝灾害监测方法、装置、电子设备及存储介质 | |
| US11557059B2 (en) | System and method for determining position of multi-dimensional object from satellite images | |
| CN117349784A (zh) | 遥感数据的处理方法、装置及设备 | |
| US9240055B1 (en) | Symmetry-based interpolation in images | |
| CN112700464B (zh) | 地图信息的处理方法、装置、电子设备以及存储介质 | |
| CN115019204A (zh) | 一种知识图谱的战场目标识别方法、装置、设备及介质 | |
| Yao et al. | Lane marking detection algorithm based on high‐precision map and multisensor fusion | |
| Deren et al. | Automatic change detection of geo-spatial data from imagery | |
| CN117808873B (zh) | 冗余道路检测方法、装置、电子设备及存储介质 | |
| Miyazato et al. | Development of a free viewpoint pedestrian recognition system using deep learning for multipurpose flying drone | |
| CN115376025B (zh) | 一种无人机目标检测方法、系统、设备及存储介质 | |
| CN111681255B (zh) | 一种对象识别方法和相关装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181225 |
|
| RJ01 | Rejection of invention patent application after publication |