CN109685835A - 一种海量卫星影像数据输电线路火点提取的方法和装置 - Google Patents
一种海量卫星影像数据输电线路火点提取的方法和装置 Download PDFInfo
- Publication number
- CN109685835A CN109685835A CN201811626844.1A CN201811626844A CN109685835A CN 109685835 A CN109685835 A CN 109685835A CN 201811626844 A CN201811626844 A CN 201811626844A CN 109685835 A CN109685835 A CN 109685835A
- Authority
- CN
- China
- Prior art keywords
- transmission line
- data
- fire point
- point
- electricity
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- 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
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本申请公开了一种海量卫星影像数据输电线路火点提取的方法和装置,通过获取预置时长内的卫星图片,对卫星图片进行网格化数据分包,分别传送至不同的GPU,在GPU中对网格数据包进行处理,将网格数据包宇GIS坐标模型进行投影坐标匹配,提取匹配的网格数据包进行火点位置的提取处理,不匹配的网格数据包则不需要处理,减少了对无用的数据处理过程,最后再将各GPU的火点处理数据进行合并,结合输电线路杆塔GIS得到输电线路附近火点的数据并进行火点报警,提高了输电线路火点卫星影像数据处理效率,解决了现有的极轨气象卫星对输电线路山火进行检测,输电线路火点卫星影像数据处理效率低下,影响输电线路防火工作的技术问题。
Description
技术领域
本申请涉及输电线路山火技术领域,尤其涉及一种海量卫星影像数据输电线路火点提取的方法和装置。
背景技术
近年来,输电线路附近山火发生频率呈逐年上升的趋势,输电线路上火已经成为当前影响智能电网安全运行的重大隐患,严重时甚至会造成电网崩溃,引发大面积停电。
目前采用极轨气象卫星对输电线路山火进行检测,在高分辨率的极轨气象卫星星下点空间分辨率达到400m,单幅卫星数据图片将近10G,数据量巨大,如果将一轨数据全部接收完成,对海量数据进行快视与投影,而海量数据中的无用数据占比较高,大大浪费了处理器的时间,影响处理效率,影响输电线路防火工作的进行。
发明内容
本申请实施例提供了一种海量卫星影像数据输电线路火点提取的方法和装置,解决了现有的极轨气象卫星对输电线路山火进行检测,输电线路火点卫星影像数据处理效率低下,影响输电线路防火工作的技术问题。
有鉴于此,本申请提供了海量卫星影像数据输电线路火点提取的方法,包括:
获取预置时长内的卫星图片,对所述卫星图片进行网格化数据分包,将得到的若干个网格数据包分别推送至不同的GPU;
将所有所述GPU中的所述网格数据包分别与建立的GIS坐标模型进行投影坐标匹配,提取与所述GIS坐标模型匹配的所述网格数据包;
将提取的所述网格数据包进行投影并标注带位置信息的第一处理帧,得到投影数据;
根据所述投影数据提取火点,得到火点数据,对所述火点数据进行投影并标注带位置信息的第二处理帧;
计算每个第二处理帧与每个所述第一处理帧的位置信息,将所有GPU并行处理的所述火点数据进行合并;
根据所述火点数据的所述第二处理帧和输电线路杆塔GIS,得到输电线路附近火点的位置信息和报警数据。
优选地,所述获取预置时长内的卫星图片,对所述卫星图片进行网格化数据分包,将得到的若干个网格数据包分别推送至不同的GPU,之前还包括:
在GPU中建立输电线路走廊的GIS坐标模型。
优选地,所述预置时长为2秒。
优选地,每个所述网格数据包的大小不超过200M。
优选地,所述提取火点的算法为MODIS火点自动提取算法。
优选地,所述MODIS火点自动提取算法具体包括:
根据MODIS云检测算法确定云,若所述云在0.64μm的反射率大于0.2,则认为无辐射信号透出,排除所述云的像素元点;
对4μm和11μm通道数据根据6S辐射传输模型进行大气纠正;
提取满足火点判断条件的像元点作为火点,所述火点判断条件为:
T4>360K(夜间为330K)
T4>320K(夜间为315K)且ΔT41>50K(夜间为20K);
其中,T4为第4通道的亮温值,ΔT41=T4-T11,T11为11μm通道的亮温值。
本申请第二方面提供了一种海量卫星影像数据输电线路火点提取的装置,包括:
获取单元,用于获取预置时长内的卫星图片,对所述卫星图片进行网格化数据分包,将得到的若干个网格数据包分别推送至不同的GPU;
提取单元,用于将所有所述GPU中的所述网格数据包分别与建立的GIS坐标模型进行投影坐标匹配,提取与所述GIS坐标模型匹配的所述网格数据包;
第一投影单元,用于将提取的所述网格数据包进行投影并标注带位置信息的第一处理帧,得到投影数据;
第二投影单元,用于根据所述投影数据提取火点,得到火点数据,对所述火点数据进行投影并标注带位置信息的第二处理帧;
合并单元,用于计算每个第二处理帧与每个所述第一处理帧的位置信息,将所有GPU并行处理的所述火点数据进行合并;
生成单元,用于根据所述火点数据的所述第二处理帧和输电线路杆塔GIS,得到输电线路附近火点的位置信息和报警数据。
优选地,还包括:
建模单元,用于在GPU中建立输电线路走廊的GIS坐标模型。
本申请第三方面提供了一种海量卫星影像数据输电线路火点提取的设备,所述设备包括处理器以及存储器;
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行第一方面所述的海量卫星影像数据输电线路火点提取的方法。
本申请第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行第一方面所述的海量卫星影像数据输电线路火点提取的方法。
从以上技术方案可以看出,本申请实施例具有以下优点:
本申请中,提供了一种海量卫星影像数据输电线路火点提取的方法,包括:获取预置时长内的卫星图片,对卫星图片进行网格化数据分包,将得到的若干个网格数据包分别推送至不同的GPU;将所有GPU中的网格数据包分别与建立的GIS坐标模型进行投影坐标匹配,提取与GIS坐标模型匹配的网格数据包;将提取的网格数据包进行投影并标注带位置信息的第一处理帧,得到投影数据;根据投影数据和火点提取算法提取火点,得到火点数据,对火点数据进行投影并标注带位置信息的第二处理帧;计算每个第二处理帧与每个第一处理帧的位置信息,将所有GPU并行处理的火点数据进行合并;根据火点数据的第二处理帧和输电线路杆塔GIS,得到输电线路附近火点的位置信息和报警数据。本申请提供的方法,通过获取预置时长内的卫星图片,对卫星图片进行网格化数据分包,分别传送至不同的GPU,在GPU中对网格数据包进行处理,将网格数据包宇GIS坐标模型进行投影坐标匹配,提取匹配的网格数据包进行火点位置的提取处理,不匹配的网格数据包则不需要处理,减少了对无用的数据处理过程,最后再将各GPU的火点处理数据进行合并,结合输电线路杆塔GIS得到输电线路附近火点的数据并进行火点报警,提高了输电线路火点卫星影像数据处理效率,解决了现有的极轨气象卫星对输电线路山火进行检测,输电线路火点卫星影像数据处理效率低下,影响输电线路防火工作的技术问题。
附图说明
图1为本申请实施例中的一种海量卫星影像数据输电线路火点提取的方法的流程示意图;
图2为本申请实施例中的一种海量卫星影像数据输电线路火点提取的方法另一流程示意图;
图3为本申请实施例中的一种海量卫星影像数据输电线路火点提取的装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
为了便于理解,请参阅图1,本申请实施例中提供的一种海量卫星影像数据输电线路火点提取的方法,包括:
步骤101、获取预置时长内的卫星图片,对卫星图片进行网格化数据分包,将得到的若干个网格数据包分别推送至不同的GPU。
需要说明的是,鉴于持续获取卫星图片数据量巨大,处理起来比较吃力耗时,因此本申请实施例中单次仅获取预置时长内的卫星图片进行处理,将卫星图片进行网格化,然后进行数据分包,每个网格数据包发送至对应的GPU进行单独处理,实现了数据的并行细化处理,数据量的减小,数据处理速度也会得到相应的提升。
步骤102、将所有GPU中的网格数据包分别与建立的GIS坐标模型进行投影坐标匹配,提取与GIS坐标模型匹配的网格数据包。
需要说明的是,将网格数据包发送至GPU之后,将网格数据包与建立好的GIS坐标模型进行投影坐标匹配,若匹配成功,说明该GPU中的网格数据包符合输电线路走廊的区域坐标,则提取出该网格数据包进行后续处理,若匹配不成功,则说明该网格数据包不符合输电线路走廊的区域坐标,该网格数据包对火点提取来说是无用数据,不需要进行后续处理,节省了处理时间。
步骤103、将提取的网格数据包进行投影并标注带位置信息的第一处理帧,得到投影数据。
需要说明的是,每个GPU分别对网格数据包进行投影,得到投影后的影像,投影关系是从地心空间直角坐标系到带有位置信息的处理帧坐标的转换关系,第一处理帧可以是像素的经纬度值。
步骤104、根据投影数据和火点提取算法提取火点,得到火点数据,对火点数据进行投影并标注带位置信息的第二处理帧。
需要说明的是,在得到网格数据包的投影数据之后,可以利用预置的火点提取算法进行火点的提取,得到火点数据,然后对火点数据进行投影,得到带有位置信息的第二处理帧,第二处理帧可以是像素的经纬度值。
步骤105、计算每个第二处理帧与每个第一处理帧的位置信息,将所有GPU并行处理的火点数据进行合并。
需要说明的是,在得到每个GPU的火点位置信息之后,将各火点所在网格数据包中的位置信息进行归纳计算,将火点数据进行合并,即可得到所有的火点位置信息。
步骤106、根据火点数据的第二处理帧和输电线路杆塔GIS,得到输电线路附近火点的位置信息和报警数据。
需要说明的是,将火点数据的第二处理帧位置信息与输电线路杆塔GIS中的数据进行匹配,判断每个第二处理帧的预置范围内是否有输电线路或输电线路杆塔,若有,则判断第二处理帧位置处的火点是输电线路附近的火点,此时,应重点对该范围进行实时监测,并生成相应的报警数据进行报警处理,否则,判断第二处理帧位置处的或点不上输电线路附近的火点,不进行报警处理。
本申请实施例中,提供了一种海量卫星影像数据输电线路火点提取的方法,包括:获取预置时长内的卫星图片,对卫星图片进行网格化数据分包,将得到的若干个网格数据包分别推送至不同的GPU;将所有GPU中的网格数据包分别与建立的GIS坐标模型进行投影坐标匹配,提取与GIS坐标模型匹配的网格数据包;将提取的网格数据包进行投影并标注带位置信息的第一处理帧,得到投影数据;根据投影数据和火点提取算法提取火点,得到火点数据,对火点数据进行投影并标注带位置信息的第二处理帧;计算每个第二处理帧与每个第一处理帧的位置信息,将所有GPU并行处理的火点数据进行合并;根据火点数据的第二处理帧和输电线路杆塔GIS,得到输电线路附近火点的位置信息和报警数据。本申请提供的方法,通过获取预置时长内的卫星图片,对卫星图片进行网格化数据分包,分别传送至不同的GPU,在GPU中对网格数据包进行处理,将网格数据包宇GIS坐标模型进行投影坐标匹配,提取匹配的网格数据包进行火点位置的提取处理,不匹配的网格数据包则不需要处理,减少了对无用的数据处理过程,最后再将各GPU的火点处理数据进行合并,结合输电线路杆塔GIS得到输电线路附近火点的数据并进行火点报警,提高了输电线路火点卫星影像数据处理效率,解决了现有的极轨气象卫星对输电线路山火进行检测,输电线路火点卫星影像数据处理效率低下,影响输电线路防火工作的技术问题。
为了便于理解,请参阅图2,本申请实施例中另一种海量卫星影像数据输电线路火点提取的方法,包括:
步骤201、在GPU中建立输电线路走廊的GIS坐标模型。
需要说明的是,本申请实施例中,首先在GPU中建立输电线路走廊的GIS坐标模型,该GIS坐标模型可以作为有用数据的参照模型。
步骤202、获取预置时长内的卫星图片,对卫星图片进行网格化数据分包,将得到的若干个网格数据包分别推送至不同的GPU。
需要说明的是,本申请实施例中的步骤202与上一实施例中的步骤101一致,在此不再进行详细赘述。
步骤203、将所有GPU中的网格数据包分别与建立的GIS坐标模型进行投影坐标匹配,提取与GIS坐标模型匹配的网格数据包。
需要说明的是,本申请实施例中,步骤203与上一实施例中的步骤102一致,在此不再进行详细赘述。
步骤204、将提取的网格数据包进行投影并标注带位置信息的第一处理帧,得到投影数据。
需要说明的是,本申请实施例中,步骤204与上一实施例中的步骤103一致,在此不再进行详细赘述。
步骤205、根据投影数据和火点提取算法提取火点,得到火点数据,对火点数据进行投影并标注带位置信息的第二处理帧。
需要说明的是,本申请实施例中,步骤205与上一实施例中的步骤104一致,在此不再进行详细赘述。
步骤206、计算每个第二处理帧与每个第一处理帧的位置信息,将所有GPU并行处理的火点数据进行合并。
需要说明的是,本申请实施例中,步骤206与上一实施例中的步骤105一致,在此不再进行详细赘述。
步骤207、根据火点数据的第二处理帧和输电线路杆塔GIS,得到输电线路附近火点的位置信息和报警数据。
需要说明的是,本申请实施例中,步骤207与上一实施例中的步骤106一致,在此不再进行详细赘述。
进一步地,预置时长为2秒。
需要说明的是,为了避免获取的卫星图片数据量过大,本申请实施例中将预置时长设置为2秒。
进一步地,每个网格数据包的大小不超过200M。
需要说明的是,为了避免网格数据包的数据量过大,影响处理速度,本申请实施例中将每个网格数据包的大小限制为不超过200M。
进一步地,提取火点的算法为MODIS火点自动提取算法。
进一步地,MODIS火点自动提取算法具体包括:
根据MODIS云检测算法确定云,若所述云在0.64μm的反射率大于0.2,则认为无辐射信号透出,排除云的像素元点;
对4μm和11μm通道数据根据6S辐射传输模型进行大气纠正;
提取满足火点判断条件的像元点作为火点,所述火点判断条件为:
T4>360K(夜间为330K)
T4>320K(夜间为315K)且ΔT41>50K(夜间为20K);
其中,T4为第4通道的亮温值,ΔT41=T4-T11,T11为11μm通道的亮温值。
需要说明的是,MODIS是第一个在仪器特征参数设计上考虑了火灾监测需求的卫星,MODIS火点自动提取算法的火点提取精度达到90%以上,可以同时适用于昼夜情况。
为了便于理解,请参阅图3,本申请实施例提供了一种海量卫星影像数据输电线路火点提取的装置,包括:
获取单元301,用于获取预置时长内的卫星图片,对卫星图片进行网格化数据分包,将得到的若干个网格数据包分别推送至不同的GPU。
提取单元302,用于将所有GPU中的网格数据包分别与建立的GIS坐标模型进行投影坐标匹配,提取与GIS坐标模型匹配的网格数据包。
第一投影单元303,用于将提取的网格数据包进行投影并标注带位置信息的第一处理帧,得到投影数据。
第二投影单元304,用于根据投影数据提取火点,得到火点数据,对火点数据进行投影并标注带位置信息的第二处理帧。
合并单元305,用于计算每个第二处理帧与每个第一处理帧的位置信息,将所有GPU并行处理的火点数据进行合并。
生成单元306,用于根据火点数据的第二处理帧和输电线路杆塔GIS,得到输电线路附近火点的位置信息和报警数据。
建模单元307,用于在GPU中建立输电线路走廊的GIS坐标模型。
本申请实施例中提供了一种海量卫星影像数据输电线路火点提取的设备,设备包括处理器以及存储器:
存储器用于存储程序代码,并将程序代码传输给处理器;
处理器用于根据程序代码中的指令执行前述的实施例中的一种海量卫星影像数据输电线路火点提取的方法。
本申请实施例中提供了一种计算机可读存储介质,计算机可读存储介质用于存储程序代码,程序代码用于执行前述的实施例中的一种海量卫星影像数据输电线路火点提取的方法。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)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,以便这里描述的本申请的实施例例如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、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。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,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,仅仅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,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
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网络单元上。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,在本申请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,本申请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(可以是个人计算机,服务器,或者网络设备等)执行本申请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、移动硬盘、只读存储器(英文全称:Read-OnlyMemory,英文缩写:ROM)、随机存取存储器(英文全称:Random Access Memory,英文缩写:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种海量卫星影像数据输电线路火点提取的方法,其特征在于,包括:
获取预置时长内的卫星图片,对所述卫星图片进行网格化数据分包,将得到的若干个网格数据包分别推送至不同的GPU;
将所有所述GPU中的所述网格数据包分别与建立的GIS坐标模型进行投影坐标匹配,提取与所述GIS坐标模型匹配的所述网格数据包;
将提取的所述网格数据包进行投影并标注带位置信息的第一处理帧,得到投影数据;
根据所述投影数据和火点提取算法提取火点,得到火点数据,对所述火点数据进行投影并标注带位置信息的第二处理帧;
计算每个第二处理帧与每个所述第一处理帧的位置信息,将所有GPU并行处理的所述火点数据进行合并;
根据所述火点数据的所述第二处理帧和输电线路杆塔GIS,得到输电线路附近火点的位置信息和报警数据。
2.根据权利要求1所述的海量卫星影像数据输电线路火点提取的方法,其特征在于,所述获取预置时长内的卫星图片,对所述卫星图片进行网格化数据分包,将得到的若干个网格数据包分别推送至不同的GPU,之前还包括:
在GPU中建立输电线路走廊的GIS坐标模型。
3.根据权利要求1所述的海量卫星影像数据输电线路火点提取的方法,其特征在于,所述预置时长为2秒。
4.根据权利要求1所述的海量卫星影像数据输电线路火点提取的方法,其特征在于,每个所述网格数据包的大小不超过200M。
5.根据权利要求1所述的海量卫星影像数据输电线路火点提取的方法,其特征在于,所述提取火点的算法为MODIS火点自动提取算法。
6.根据权利要求5所述的海量卫星影像数据输电线路火点提取的方法,其特征在于,所述MODIS火点自动提取算法具体包括:
根据MODIS云检测算法确定云,若所述云在0.64μm的反射率大于0.2,则认为无辐射信号透出,排除所述云的像素元点;
对4μm和11μm通道数据根据6S辐射传输模型进行大气纠正;
提取满足火点判断条件的像元点作为火点,所述火点判断条件为:
T4>360K(夜间为330K)
T4>320K(夜间为315K)且ΔT41>50K(夜间为20K);
其中,T4为第4通道的亮温值,ΔT41=T4-T11,T11为11μm通道的亮温值。
7.一种海量卫星影像数据输电线路火点提取的装置,其特征在于,包括:
获取单元,用于获取预置时长内的卫星图片,对所述卫星图片进行网格化数据分包,将得到的若干个网格数据包分别推送至不同的GPU;
提取单元,用于将所有所述GPU中的所述网格数据包分别与建立的GIS坐标模型进行投影坐标匹配,提取与所述GIS坐标模型匹配的所述网格数据包;
第一投影单元,用于将提取的所述网格数据包进行投影并标注带位置信息的第一处理帧,得到投影数据;
第二投影单元,用于根据所述投影数据提取火点,得到火点数据,对所述火点数据进行投影并标注带位置信息的第二处理帧;
合并单元,用于计算每个第二处理帧与每个所述第一处理帧的位置信息,将所有GPU并行处理的所述火点数据进行合并;
生成单元,用于根据所述火点数据的所述第二处理帧和输电线路杆塔GIS,得到输电线路附近火点的位置信息和报警数据。
8.根据权利要求7所述的海量卫星影像数据输电线路火点提取的装置,其特征在于,还包括:
建模单元,用于在GPU中建立输电线路走廊的GIS坐标模型。
9.一种海量卫星影像数据输电线路火点提取的设备,其特征在于,所述设备包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行权利要求1-6任一项所述的海量卫星影像数据输电线路火点提取的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行权利要求1-6任一项所述的海量卫星影像数据输电线路火点提取的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811626844.1A CN109685835B (zh) | 2018-12-28 | 2018-12-28 | 一种海量卫星影像数据输电线路火点提取的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811626844.1A CN109685835B (zh) | 2018-12-28 | 2018-12-28 | 一种海量卫星影像数据输电线路火点提取的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109685835A true CN109685835A (zh) | 2019-04-26 |
CN109685835B CN109685835B (zh) | 2021-08-27 |
Family
ID=66190912
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811626844.1A Active CN109685835B (zh) | 2018-12-28 | 2018-12-28 | 一种海量卫星影像数据输电线路火点提取的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109685835B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110765931A (zh) * | 2019-10-22 | 2020-02-07 | 黑龙江惠达科技发展有限公司 | 检测秸秆覆盖率的方法、装置、存储介质和农机 |
CN114092547A (zh) * | 2021-11-26 | 2022-02-25 | 国网四川省电力公司达州供电公司 | 一种基于卫星图片技术的防火设备定位方法和装置 |
CN115862754A (zh) * | 2022-11-16 | 2023-03-28 | 中科三清科技有限公司 | 生物质燃烧排放清单确定方法、装置及设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090262978A1 (en) * | 2006-07-28 | 2009-10-22 | Telespazio S.P.A. | Automatic Detection Of Fires On Earth's Surface And Of Atmospheric Phenomena Such As Clouds, Veils, Fog Or The Like, Using A Satellite System |
CN105117520A (zh) * | 2015-07-29 | 2015-12-02 | 国家电网公司 | 基于卫星数据图片的输电线路火点处理方法及装置 |
CN105208348A (zh) * | 2015-10-08 | 2015-12-30 | 成都时代星光科技有限公司 | 铁路线空中无人机自动巡查与实时图像采集传输系统 |
CN107481268A (zh) * | 2017-08-16 | 2017-12-15 | 北京信德智图科技有限公司 | 基于modis遥感数据的森林防火监控方法 |
CN107844897A (zh) * | 2017-10-25 | 2018-03-27 | 国网湖南省电力公司 | 一种基于分治法的电网山火监测告警杆塔计算方法 |
CN108229738A (zh) * | 2017-12-29 | 2018-06-29 | 国网湖南省电力有限公司 | 输电线路卫星山火监测及次危害火点统计的方法、系统及存储介质 |
-
2018
- 2018-12-28 CN CN201811626844.1A patent/CN109685835B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090262978A1 (en) * | 2006-07-28 | 2009-10-22 | Telespazio S.P.A. | Automatic Detection Of Fires On Earth's Surface And Of Atmospheric Phenomena Such As Clouds, Veils, Fog Or The Like, Using A Satellite System |
CN105117520A (zh) * | 2015-07-29 | 2015-12-02 | 国家电网公司 | 基于卫星数据图片的输电线路火点处理方法及装置 |
CN105208348A (zh) * | 2015-10-08 | 2015-12-30 | 成都时代星光科技有限公司 | 铁路线空中无人机自动巡查与实时图像采集传输系统 |
CN107481268A (zh) * | 2017-08-16 | 2017-12-15 | 北京信德智图科技有限公司 | 基于modis遥感数据的森林防火监控方法 |
CN107844897A (zh) * | 2017-10-25 | 2018-03-27 | 国网湖南省电力公司 | 一种基于分治法的电网山火监测告警杆塔计算方法 |
CN108229738A (zh) * | 2017-12-29 | 2018-06-29 | 国网湖南省电力有限公司 | 输电线路卫星山火监测及次危害火点统计的方法、系统及存储介质 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110765931A (zh) * | 2019-10-22 | 2020-02-07 | 黑龙江惠达科技发展有限公司 | 检测秸秆覆盖率的方法、装置、存储介质和农机 |
CN114092547A (zh) * | 2021-11-26 | 2022-02-25 | 国网四川省电力公司达州供电公司 | 一种基于卫星图片技术的防火设备定位方法和装置 |
CN115862754A (zh) * | 2022-11-16 | 2023-03-28 | 中科三清科技有限公司 | 生物质燃烧排放清单确定方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN109685835B (zh) | 2021-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109685835A (zh) | 一种海量卫星影像数据输电线路火点提取的方法和装置 | |
CN106682592A (zh) | 一种基于神经网络方法的图像自动识别系统及方法 | |
CN108960048B (zh) | 一种基于大数据的用于景区失踪游客的搜索方法及系统 | |
CN106251637A (zh) | 一种智能停车场车牌识别方法 | |
CN104834920A (zh) | 一种无人机多光谱图像的智能林火识别方法及装置 | |
CN105117520B (zh) | 基于卫星数据图片的输电线路火点处理方法 | |
CN108648169A (zh) | 高压输电塔绝缘子缺陷自动识别的方法及装置 | |
CN103268449B (zh) | 一种手机恶意代码的高速检测方法和系统 | |
CN105023304A (zh) | 一种考勤方法、终端设备和服务器 | |
CN103412296B (zh) | 无序激光点云数据中自动提取电力塔方法 | |
US11429923B2 (en) | Method and device for determining mail path information | |
CN102625083B (zh) | 一种视频监控网络的建设方法 | |
CN108573529A (zh) | 一种变电站虚拟现实场景的构建方法和系统 | |
CN107844897A (zh) | 一种基于分治法的电网山火监测告警杆塔计算方法 | |
CN107576269A (zh) | 一种输电线路山火定位方法 | |
CN109920099A (zh) | 可移动模块化智慧消防执勤保障装备及相关产品 | |
CN111008599A (zh) | 一种基于时间尺度特征评估的山火同步卫星监测预警方法及系统 | |
CN112291536A (zh) | 一种消防识别方法和消防系统 | |
CN113359829B (zh) | 一种基于大数据的无人机电厂智能巡检方法 | |
CN102831295B (zh) | 基于纹理聚类的电力塔杆图像描述方法 | |
CN105261011A (zh) | 一种无人机巡检航拍复杂背景影像中绝缘子的提取方法 | |
CN114241012A (zh) | 一种高空抛物的判定方法及装置 | |
CN114445782A (zh) | 基于边缘ai和北斗短报文的输电线路图像采集系统 | |
CN113628172A (zh) | 一种人员手持武器智能检测算法及智慧城市安防系统 | |
CN108460339A (zh) | 行李查找方法、终端、设备及计算机可读介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |