CN110674324A - 雷达数据存储方法、装置、计算机设备和存储介质 - Google Patents
雷达数据存储方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN110674324A CN110674324A CN201910910754.3A CN201910910754A CN110674324A CN 110674324 A CN110674324 A CN 110674324A CN 201910910754 A CN201910910754 A CN 201910910754A CN 110674324 A CN110674324 A CN 110674324A
- Authority
- CN
- China
- Prior art keywords
- radar
- observation data
- data
- image matrix
- observation
- 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
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000013500 data storage Methods 0.000 title claims abstract description 49
- 239000011159 matrix material Substances 0.000 claims abstract description 140
- 238000013507 mapping Methods 0.000 claims description 34
- 238000004590 computer program Methods 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 230000000007 visual effect Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 10
- 238000012800 visualization Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 5
- 206010065042 Immune reconstitution inflammatory syndrome Diseases 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 238000002310 reflectometry Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/95—Radar or analogous systems specially adapted for specific applications for meteorological use
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Library & Information Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Software Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请涉及一种雷达数据存储方法、装置、计算机设备和存储介质。所述方法包括:解析雷达源数据得到雷达观测数据;所述雷达观测数据包括多个通道对应的观测数据矩阵;合并所述多个通道对应的观测数据矩阵,形成图像矩阵;将所述图像矩阵转换为便携式网络图形进行存储。采用本方法能够降低雷达观测数据存储空间,在提升存储效率的同时,提升了雷达观测数据的读取效率,使该雷达观测数据具有可视化性质。
Description
技术领域
本申请涉及数据处理技术领域,特别是涉及一种雷达数据存储方法、装置、计算机设备和存储介质。
背景技术
强对流天气的天气系统属于中小尺度的天气系统,很难被常规的气象观测网捕捉到,而且具有生命史短、局地性和突发性强的特征,采用常规观察手段和方法难以检测和预报其发展态势,预报难度较大。新一代多普勒雷达已成为短时临近预报中不可替代的工具。多普勒雷达存在不同仰角,从而可以获取多层高度的大气状态。
传统技术中,多普勒雷达生成的雷达源数据都是直接存放,对于气象预报过程,气象预报人员通常需要在雷达源数据获取雷达回波图的等高面图,并基于等高面图分析各种气象要素。
但是,上述方法存在数据读取速度较慢、且占用大量储存空间的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种高效的雷达数据存储方法、装置、计算机设备和存储介质。
第一方面,本发明实施例提供一种雷达数据存储方法,所述方法包括:
解析雷达源数据得到雷达观测数据;所述雷达观测数据包括多个通道对应的观测数据矩阵;
合并所述多个通道对应的观测数据矩阵,形成图像矩阵;
将所述图像矩阵转换为便携式网络图形进行存储。
在本申请的一个实施例中,所述根据雷达源数据获取雷达观测数据,包括:
获取所述雷达源数据的数据类型;
根据所述数据类型选择对应的解析方式,对所述雷达源数据进行解析,得到对应的雷达观测数据。
在本申请的一个实施例中,所述合并所述多个通道对应的观测数据矩阵,形成图像矩阵,包括:
获取每一所述观测数据矩阵对应通道的通道号;
按照各所述观测数据矩阵的通道号顺序,依次排列各所述观测数据矩阵以形成所述图像矩阵。
在本申请的一个实施例中,所述雷达源数据包括C个通道,各所述通道对应M*N的观测数据矩阵,所述依次排列各所述观测数据矩阵以形成所述图像矩阵,包括:
将各所述观测数据矩阵转换为M*(N*C)的图像矩阵。
在本申请的一个实施例中,所述雷达源数据包括C个通道,各所述通道对应M*N的观测数据矩阵,所述依次排列各所述观测数据矩阵以形成所述图像矩阵,包括:
根据通道数量C获得横向矩阵数量A及纵向矩阵数量B;
将各所述观测数据矩阵转换为(M*A)*(N*B)的图像矩阵。
在本申请的一个实施例中,所述将所述图像矩阵转换为便携式网络图形,包括:
将所述图像矩阵中的观测数据映射为灰度值;
将观测数据映射为灰度值后的图像矩阵转换为便携式网络图形。
在本申请的一个实施例中,所述将所述图像矩阵中的观测数据映射为灰度值,包括:
获取所述图像矩阵中观测数据的最大值及最小值;
根据所述最大值及所述最小值及灰度区间,生所述观测数据与所述灰度值的映射关系;
根据所述映射关系将所述图像矩阵中的观测数据映射为灰度值。
在本申请的一个实施例中,所述方法还包括:
将所述雷达源数据的生成时间、探测显示属性、通道范围添加至所述便携式网络图形的文件名上。
第二方面,本发明实施例提供一种雷达数据存储装置,所述装置包括:
解析模块,用于解析雷达源数据得到雷达观测数据;所述雷达观测数据包括多个通道对应的观测数据矩阵;
合并模块,用于合并所述多个通道对应的观测数据矩阵,形成图像矩阵;
转换模块,用于将所述图像矩阵转换为便携式网络图形进行存储。
在本申请的一个实施例中,所述解析模块,具体用于:
获取雷达源数据的数据类型;
根据数据类型选择对应的解析方式,对雷达源数据进行解析,得到对应的雷达观测数据。
在本申请的一个实施例中,所述合并模块,具体用于:
获取每一观测数据矩阵对应通道的通道号;
按照各观测数据矩阵的通道号顺序,依次排列各观测数据矩阵以形成图像矩阵。
在本申请的一个实施例中,雷达源数据包括C个通道,各通道对应M*N的观测数据矩阵,所述合并模块1102,还具体用于:
将各观测数据矩阵转换为M*(N*C)的图像矩阵。
在本申请的一个实施例中,雷达源数据包括C个通道,各通道对应M*N的观测数据矩阵,所述合并模块1102,还具体用于:
根据通道数量C获得横向矩阵数量A及纵向矩阵数量B;
将各观测数据矩阵转换为(M*A)*(N*B)的图像矩阵。
在本申请的一个实施例中,所述转换模块,具体用于:
将图像矩阵中的观测数据映射为灰度值;
将观测数据映射为灰度值后的图像矩阵转换为便携式网络图形。
在本申请的一个实施例中,所述转换模块,还具体用于:
获取图像矩阵中观测数据的最大值及最小值;
根据最大值及最小值及灰度区间,生成观测数据与灰度值的映射关系;
根据映射关系将图像矩阵中的观测数据映射为灰度值。
在本申请的一个实施例中,所述转换模块,还具体用于:
将雷达源数据的生成时间、探测显示属性、通道范围添加至便携式网络图形的文件名上。
第三方面,本发明实施例提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
解析雷达源数据得到雷达观测数据;所述雷达观测数据包括多个通道对应的观测数据矩阵;
合并所述多个通道对应的观测数据矩阵,形成图像矩阵;
将所述图像矩阵转换为便携式网络图形进行存储。
第四方面,本发明实施例提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
解析雷达源数据得到雷达观测数据;所述雷达观测数据包括多个通道对应的观测数据矩阵;
合并所述多个通道对应的观测数据矩阵,形成图像矩阵;
将所述图像矩阵转换为便携式网络图形进行存储。
上述雷达数据存储方法、装置、计算机设备和存储介质,通过解析雷达源数据得到雷达观测数据;雷达观测数据包括多个通道对应的观测数据矩阵;合并多个通道对应的观测数据矩阵,形成图像矩阵;将图像矩阵转换为便携式网络图形进行存储。通过将雷达源数据转换为便携式网络图形,降低了雷达观测数据存储空间,在提升存储效率的同时,提升了雷达观测数据的读取效率,使该雷达观测数据具有可视化性质。
附图说明
图1为本申请实施例提供的雷达数据存储方法的实施环境图;
图2为本申请实施例提供的一种雷达数据存储方法的流程图;
图3为本申请实施例提供的一种雷达观测数据示意图;
图4为本申请实施例提供的另一种雷达数据存储方法的流程图;
图5为本申请实施例提供的另一种雷达数据存储方法的流程图;
图6为本申请实施例提供的一种图像矩阵示意图;
图7为本申请实施例提供的另一种雷达数据存储方法的流程图;
图8为本申请实施例提供的另一种图像矩阵示意图;
图9为本申请实施例提供的另一种雷达数据存储方法的流程图;
图10为本申请实施例提供的另一种雷达数据存储方法的流程图;
图11为本申请实施例提供的一种雷达数据存储装置的框图;
图12为本申请实施例提供的一种计算机设备的框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的雷达数据存储方法,可以应用于如图1所示的应用环境中。其中,存储装置102与雷达104进行通信。其中,存储装置102可以但不限于是独立的服务器、多个服务器组成的服务器集群、个人计算机及笔记本电脑,雷达104可以但不限于是各种常规气象雷达或多普勒雷达,具体的,可以是测云雷达,测雨雷达,圆极化雷达及调频连续波雷达等。雷达104通过扫描当前环境以生成当前环境对应的雷达源数据,该存储装置102用于接收并存储该雷达源数据。
请参考图2,其示出了本实施例提供的一种雷达数据存储方法,以该方法应用于图1中的存储装置102为例进行说明,包括以下步骤:
步骤202,解析雷达源数据得到雷达观测数据;雷达观测数据包括多个通道对应的观测数据矩阵。
在本申请的一个实施例中,在雷达104对当前环境进行扫描操作后,会生成对应的雷达源数据,该雷达源数据中至少包含了该雷达104所在的经度,纬度,高度,扫描的时间,雷达方位仰角,雷达观测数据及雷达观测数据的显示模式。其中,该雷达观测数据的显示模式包括平面位置显示图PPI,距离高度显示图RHI及等高平面位置显示图CAPPI。
在本申请的一个实施例中,通过解析该雷达源数据,可以获得其中的雷达观测数据,具体的,该雷达观测数据包括多个通道对应的观测数据矩阵,如图3所示的雷达观测数据示意图,该雷达观测数据包含了C个通道,每一个通道包含对应的M*N的观测数据矩阵。
在本申请的一个实施例中,当该雷达观测数据的显示模式为平面位置显示图PPI,不同的通道表示不同仰角的通道号;当该雷达观测数据的显示模式为等高平面位置显示图CAPPI,不同的通道表示不同等高面的通道号。C表示当前雷达观测数据的通道总数。
步骤204,合并多个通道对应的观测数据矩阵,形成图像矩阵。
在本申请的一个实施例中,对于解析得到的多个观测数据矩阵,通过合并的方式将该多个观测数据矩阵合并为一个二维矩阵,将得到的二维矩阵作为所述图像矩阵。
步骤206,将图像矩阵转换为便携式网络图形进行存储。
在本申请的一个实施例中,提取该图像矩阵中每一个数值,通过OPENCV将其写成便携式网络图形(Portable Network Graphics,PNG)格式。
根据本申请实施例提供的雷达数据存储方法,针对其中一个观测数据矩阵,其对应的长度为M,宽度为N,由于雷达的扫描图为以雷达为中心的360度的圆形,其最大半径为MAX(M,N)/2,因此,在该观测数据矩阵中,至少存在4个角落的空白区域,在原始的观测数据矩阵中,该空白区域中常常以缺省值的形式填充,一般为对应雷达观测数据的最大值或最小值中的一个。也就是说,该空白区域内并未存储有效的雷达观测数据,且数据大小相同。根据便携式网络图形的生成原理可得,对于相邻像素点数值差异越小,压缩率越高,因此,将由观测数据矩阵合并的图像矩阵转换为便携式网络图形,可以在不损失任何原始数据的同时,将该图像矩阵转换为存储空间小且具有可视化性质的存储格式,进而,相对于原始的雷达源数据,对应的便携式网络图形不但存储空间小,且具有可视化的特点。
在本申请实施例提供的雷达数据存储方法中,通过解析雷达源数据得到雷达观测数据;雷达观测数据包括多个通道对应的观测数据矩阵;合并多个通道对应的观测数据矩阵,形成图像矩阵;将图像矩阵转换为便携式网络图形进行存储。通过将雷达源数据转换为便携式网络图形,降低了雷达观测数据存储空间,在提升存储效率的同时,提升了雷达观测数据的读取效率,使该雷达观测数据具有可视化性质。
请参考图4,其示出了本实施例提供的另一种雷达数据存储方法的流程图,该雷达数据存储方法可以应用于上文所述的实施环境中的存储装置102中。在上述图2所示实施例的基础上,上述步骤202具体可以包括以下步骤:
步骤302,获取雷达源数据的数据类型。
在本申请的一个实施例中,该雷达源数据可以以二进制,NCL,IRIS等格式进行存储,依次对于不同的存储格式,需要采用不同的解析方式进行解析。首先可以通过获取雷达源数据的文件后缀名或者是数据文件报头的方式获取该雷达源数据的数据类型。
步骤304,根据数据类型选择对应的解析方式,对雷达源数据进行解析,得到对应的雷达观测数据。
在本申请的一个实施例中,该存储装置中预设有各数据类型对应的解析方式,例如,针对二进制格式的雷达源数据,可以采用与该雷达专用文档对应的解析程序对其进行解析;针对NCL,IRIS等格式的雷达源数据,可以采用专用的程序库对其进行解析。
在本申请实施例提供的雷达数据存储方法中,通过获取雷达源数据的数据类型;根据数据类型选择对应的解析方式,对雷达源数据进行解析,得到对应的雷达观测数据。可以根据雷达源数据的数据类型,选取对应的解析程序,实现了雷达观测数据的快速解析。
请参考图5,其示出了本实施例提供的另一种雷达数据存储方法的流程图,该雷达数据存储方法可以应用于上文所述的实施环境中的存储装置102中。在上述图2所示实施例的基础上,上述步骤204具体可以包括以下步骤:
步骤402,获取每一观测数据矩阵对应通道的通道号。
步骤404,按照各观测数据矩阵的通道号顺序,依次排列各观测数据矩阵以形成图像矩阵。
在本申请的一个实施例中,解析得到的雷达观测数据中各观测数据矩阵均携带对应的通道号。例如,以该雷达观测数据的显示模式为等高平面位置显示图CAPPI为例,该雷达观测数据的通道总数为C,其中,各观测数据矩阵对应的通道号可以分别为第一通道号,第二通道号,第三通道号,直至第C通道号,其中,该第一通道号对应的观测数据矩阵为等高面位置为250m的雷达扫描数据,第二通道号对应的观测数据矩阵为等高面位置为500m(250m+间隔250m)的雷达扫描数据,以此类推。
在本申请的一个实施例中,根据各观测矩阵的通道号顺序,即按照第一通道号至第N通道号的顺序,依次排列并合并以形成一个二维矩阵,并将其作为图像矩阵,该通道号的顺序用于表征雷达在扫描过程中对于各观测数据矩阵的获取顺序。
在本申请实施例提供的雷达数据存储方法中,通过获取每一观测数据矩阵对应通道的通道号;按照各观测数据矩阵的通道号顺序,依次排列各观测数据矩阵以形成图像矩阵。得到的图像矩阵可以清晰的反映各个通道间雷达观测数据的变化,进而也提升了便携式网络图形的可视化程度。
本实施例提供的另一种雷达数据存储方法的流程图,该雷达数据存储方法可以应用于上文所述的实施环境中的存储装置102中。在上述图5所示实施例的基础上,所述雷达源数据包括C个通道,各通道对应M*N的观测数据矩阵,上述步骤404具体可以包括以下步骤:
将各观测数据矩阵转换为M*(N*C)的图像矩阵。
在本申请的一个实施例中,如图6所示的图像矩阵示意图,存储装置将C个通道的观测数据矩阵,按照通道号的顺序,依次排列成M*(N*C)的二维矩阵,通过本申请提供的雷达数据存储方法可以更加清晰的反映各个通道间雷达观测数据的变化,进而也提升了便携式网络图形的可视化程度。
请参考图7,其示出了本实施例提供的另一种雷达数据存储方法的流程图,该雷达数据存储方法可以应用于上文所述的实施环境中的存储装置102中。在上述图5所示实施例的基础上,上述步骤404还具体可以包括以下步骤:
步骤502,根据通道数量C获得横向矩阵数量A及纵向矩阵数量B。
步骤504,将各观测数据矩阵转换为(M*A)*(N*B)的图像矩阵。
在本申请的一个实施例中,在雷达源数据的生成过程中,由于扫描精度的提高,通常会生成较为密集的雷达观测数据,即该雷达观测数据的通道总数C非常大,往往为几十个通道,甚至是上百个通道,为了保证最终生成的便携式网络图形的可视化程度,可以将该多个观测数据矩阵按照一定的排列规则,生成更加方便查看的图像矩阵及便携式网络图形。
具体的,可以通过根据通道数量C获得横向矩阵数量A及纵向矩阵数量B,该横向矩阵数量A与纵向矩阵数量B的乘积小于或等于通道数量C。在一个较优的实施例中,该横向矩阵数量A与纵向矩阵数量B的差值较小。
例如,当存在一个通道数量C为40的雷达观测数据时,若采用横向矩阵数量A为40,纵向矩阵数量B为1的排列方式,根据该得到的图像矩阵转换后的便携式网格图形为细长的图像,不便于同时显示在显示设备上,可视化程度较弱。此时,应当采用横向矩阵数量A为8,纵向矩阵数量B为5的排列方式,可得到如图8所示的图像矩阵示意图,该图像矩阵为(M*A)*(N*B)的二维矩阵。可以看到,此时的图像矩阵中各观测数据矩阵较为集中,最终转换后的便携式网格图形也相对容易查看,可视化程度较高。
在本申请实施例提供的雷达数据存储方法中,通过根据通道数量C获得横向矩阵数量A及纵向矩阵数量B;将各观测数据矩阵转换为(M*A)*(N*B)的图像矩阵。可以使得最终转换后的便携式网格图形更加容易查看,可视化程度较高。
请参考图9,其示出了本实施例提供的另一种雷达数据存储方法的流程图,该雷达数据存储方法可以应用于上文所述的实施环境中的存储装置102中。在上述图2所示实施例的基础上,上述步骤206具体可以包括以下步骤:
步骤602,将图像矩阵中的观测数据映射为灰度值。
步骤604,将观测数据映射为灰度值后的图像矩阵转换为便携式网络图形。
在本申请的一个实施例中,该观测数据矩阵中的数据可以为反映当前环境信息的任意一种数据类别,当该数据类别中存在数据值超过灰度范围时,在将图像矩阵转换为便携式网络图形的过程中可能会发生异常。因此,需要将图像矩阵中的观测数据映射为灰度值,以保证映射操作完成后的图像矩阵中各个数据值均处于灰度范围内。将观测数据映射为灰度值后的图像矩阵转换为便携式网络图形。
在本申请实施例提供的雷达数据存储方法中,通过将图像矩阵中的观测数据映射为灰度值;将观测数据映射为灰度值后的图像矩阵转换为便携式网络图形。根据本申请实施例提供的雷达数据存储方法,避免了因图像矩阵中因存在观测数据超出灰度范围,而导致的便携式网络图形转换过程中的异常问题。
请参考图10,其示出了本实施例提供的另一种雷达数据存储方法的流程图,该雷达数据存储方法可以应用于上文所述的实施环境中的存储装置102中。在上述图9所示实施例的基础上,上述步骤602具体可以包括以下步骤:
步骤702,获取图像矩阵中观测数据的最大值及最小值。
步骤704,根据最大值及最小值及灰度区间,生成观测数据与灰度值的映射关系。
步骤706,根据映射关系将图像矩阵中的观测数据映射为灰度值。
在本申请的一个实施例中,对于不同的观测数据,其数据范围也各不相同,因此,在将图像矩阵中的观测数据映射为灰度值的过程中,需要对各个数据范围的观测数据适应性的调整映射方法。具体的,先获取该图像矩阵中观测数据的最大值及最小值,并依据灰度区间,生成观测数据与灰度值的映射关系,根据映射关系将图像矩阵中的观测数据映射为灰度值。
例如,当该图像矩阵中的观测数据为雷达反射率时,该雷达反射率的数据范围一般为-20至70,而在部分观测数据中,缺省值为-32,图像矩阵中四个角的值均为95.5,因此该图像矩阵中的最大值为95.5,最小值为-32。利用该最大值95.5,该最小值-32及灰度区间0至255,生成观测数据与灰度值线性映射关系,即-32映射为0,-31映射为1,以此类推,直至95.5映射为128;或-32映射为0,-31映射为2,以此类推,直至95.5映射为255。根据上述生成的映射关系,将图像矩阵中的观测数据映射为对应的灰度值。
在本申请实施例提供的雷达数据存储方法中,通过获取图像矩阵中观测数据的最大值及最小值;根据最大值及最小值及灰度区间,生成观测数据与灰度值的映射关系;根据映射关系将图像矩阵中的观测数据映射为灰度值。根据本申请实施例提供的雷达数据存储方法,对不同数据类型的观测数据,均可以实现图像矩阵中的观测数据至灰度值的映射过程,提升了本申请对于不同类型的观测数据的应用性。
本实施例提供的另一种雷达数据存储方法的流程图,该雷达数据存储方法可以应用于上文所述的实施环境中的存储装置102中。在上述图2所示实施例的基础上,所述方法还可以包括以下步骤:
将雷达源数据的生成时间、探测显示属性、通道范围添加至便携式网络图形的文件名上。
在本申请的一个实施例中,在步骤202中解析雷达源数据的过程中,可以得到该雷达源数据的生成时间、探测显示属性、通道范围,在将图像矩阵转换为便携式网络图形进行存储之后,可以以文件名的形式对便携式网格图形进行标记。根据本申请实施例提供的雷达数据存储方法,可以使得气象人员在查看或读取便携式网络图形时,可以直观的获取该便携式网络图形对应的雷达源数据信息,提升了雷达数据信息获取的便捷性。
应该理解的是,虽然上述流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,上述流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
请参考图11,其示出了本申请实施例提供的一种雷达数据存储装置1100的框图。如图11所示,所述雷达数据存储装置1100可以包括:解析模块1101、合并模块1102及转换模块1103,其中:
解析模块1101,用于解析雷达源数据得到雷达观测数据;雷达观测数据包括多个通道对应的观测数据矩阵。
合并模块1102,用于合并多个通道对应的观测数据矩阵,形成图像矩阵。
转换模块1103,用于将图像矩阵转换为便携式网络图形进行存储。
在本申请的一个实施例中,所述解析模块1101,具体用于:
获取雷达源数据的数据类型;
根据数据类型选择对应的解析方式,对雷达源数据进行解析,得到对应的雷达观测数据。
在本申请的一个实施例中,所述合并模块1102,具体用于:
获取每一观测数据矩阵对应通道的通道号;
按照各观测数据矩阵的通道号顺序,依次排列各观测数据矩阵以形成图像矩阵。
在本申请的一个实施例中,雷达源数据包括C个通道,各通道对应M*N的观测数据矩阵,所述合并模块1102,还具体用于:
将各观测数据矩阵转换为M*(N*C)的图像矩阵。
在本申请的一个实施例中,雷达源数据包括C个通道,各通道对应M*N的观测数据矩阵,所述合并模块1102,还具体用于:
根据通道数量C获得横向矩阵数量A及纵向矩阵数量B;
将各观测数据矩阵转换为(M*A)*(N*B)的图像矩阵。
在本申请的一个实施例中,所述转换模块1103,具体用于:
将图像矩阵中的观测数据映射为灰度值;
将观测数据映射为灰度值后的图像矩阵转换为便携式网络图形。
在本申请的一个实施例中,所述转换模块1103,还具体用于:
获取图像矩阵中观测数据的最大值及最小值;
根据最大值及最小值及灰度区间,生成观测数据与灰度值的映射关系;
根据映射关系将图像矩阵中的观测数据映射为灰度值。
在本申请的一个实施例中,所述转换模块1103,还具体用于:
将雷达源数据的生成时间、探测显示属性、通道范围添加至便携式网络图形的文件名上。
关于雷达数据存储装置的具体限定可以参见上文中对于雷达数据存储方法的限定,在此不再赘述。上述雷达数据存储装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图12所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种雷达数据存储方法。
本领域技术人员可以理解,图12中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
解析雷达源数据得到雷达观测数据;雷达观测数据包括多个通道对应的观测数据矩阵;
合并多个通道对应的观测数据矩阵,形成图像矩阵;
将图像矩阵转换为便携式网络图形进行存储。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
解析雷达源数据得到雷达观测数据;雷达观测数据包括多个通道对应的观测数据矩阵;
合并多个通道对应的观测数据矩阵,形成图像矩阵;
将图像矩阵转换为便携式网络图形进行存储。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种雷达数据存储方法,其特征在于,所述方法包括:
解析雷达源数据得到雷达观测数据;所述雷达观测数据包括多个通道对应的观测数据矩阵;
合并所述多个通道对应的观测数据矩阵,形成图像矩阵;
将所述图像矩阵转换为便携式网络图形进行存储。
2.根据权利要求1所述的方法,其特征在于,所述根据雷达源数据获取雷达观测数据,包括:
获取所述雷达源数据的数据类型;
根据所述数据类型选择对应的解析方式,对所述雷达源数据进行解析,得到对应的雷达观测数据。
3.根据权利要求1所述的方法,其特征在于,所述合并所述多个通道对应的观测数据矩阵,形成图像矩阵,包括:
获取每一所述观测数据矩阵对应通道的通道号;
按照各所述观测数据矩阵的通道号顺序,依次排列各所述观测数据矩阵以形成所述图像矩阵。
4.根据权利要求3所述的方法,其特征在于,所述雷达源数据包括C个通道,各所述通道对应M*N的观测数据矩阵,所述依次排列各所述观测数据矩阵以形成所述图像矩阵,包括:
将各所述观测数据矩阵转换为M*(N*C)的图像矩阵。
5.根据权利要求3所述的方法,其特征在于,所述雷达源数据包括C个通道,各所述通道对应M*N的观测数据矩阵,所述依次排列各所述观测数据矩阵以形成所述图像矩阵,包括:
根据通道数量C获得横向矩阵数量A及纵向矩阵数量B;
将各所述观测数据矩阵转换为(M*A)*(N*B)的图像矩阵。
6.根据权利要求1所述的方法,其特征在于,所述将所述图像矩阵转换为便携式网络图形,包括:
将所述图像矩阵中的观测数据映射为灰度值;
将观测数据映射为灰度值后的图像矩阵转换为便携式网络图形。
7.根据权利要求6所述的方法,其特征在于,所述将所述图像矩阵中的观测数据映射为灰度值,包括:
获取所述图像矩阵中观测数据的最大值及最小值;
根据所述最大值及所述最小值及灰度区间,生所述观测数据与所述灰度值的映射关系;
根据所述映射关系将所述图像矩阵中的观测数据映射为灰度值。
8.一种雷达数据存储装置,其特征在于,所述装置包括:
解析模块,用于根据雷达源数据获取雷达观测数据;所述雷达观测数据包括多个通道对应的观测数据矩阵;
合并模块,用于合并所述多个通道对应的观测数据矩阵,形成图像矩阵;
转换模块,用于将所述图像矩阵转换为便携式网络图形。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
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,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910910754.3A CN110674324A (zh) | 2019-09-25 | 2019-09-25 | 雷达数据存储方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910910754.3A CN110674324A (zh) | 2019-09-25 | 2019-09-25 | 雷达数据存储方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110674324A true CN110674324A (zh) | 2020-01-10 |
Family
ID=69079303
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910910754.3A Pending CN110674324A (zh) | 2019-09-25 | 2019-09-25 | 雷达数据存储方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110674324A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111445460A (zh) * | 2020-03-30 | 2020-07-24 | 上海眼控科技股份有限公司 | 雷达云图的预测方法、装置、计算机设备和存储介质 |
WO2024040911A1 (zh) * | 2022-08-26 | 2024-02-29 | 上海禾赛科技有限公司 | 数据传输方法及装置、数据解析方法及装置、激光雷达 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103576151A (zh) * | 2013-10-15 | 2014-02-12 | 中国科学院电子学研究所 | 基于压缩感知的方位向多通道sar成像方法及系统 |
CN103984773A (zh) * | 2014-06-05 | 2014-08-13 | 南京信息工程大学 | 一种多格式天气雷达基数据文件转NetCDF文件方法 |
CN104111458A (zh) * | 2014-07-29 | 2014-10-22 | 西安电子科技大学 | 基于双重稀疏约束的压缩感知合成孔径雷达成像方法 |
US8896480B1 (en) * | 2011-09-28 | 2014-11-25 | Rockwell Collins, Inc. | System for and method of displaying an image derived from weather radar data |
CN104614726A (zh) * | 2015-03-05 | 2015-05-13 | 北京航空航天大学 | 一种阵列可伸缩式便携mimo-sar测量雷达系统及其成像方法 |
CN105607059A (zh) * | 2016-01-20 | 2016-05-25 | 中国科学院电子学研究所 | 一种合成孔径雷达地面运动目标指示实现方法和装置 |
CN109001736A (zh) * | 2018-06-12 | 2018-12-14 | 中国人民解放军国防科技大学 | 一种基于深度时空预测神经网络的雷达回波外推方法 |
-
2019
- 2019-09-25 CN CN201910910754.3A patent/CN110674324A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8896480B1 (en) * | 2011-09-28 | 2014-11-25 | Rockwell Collins, Inc. | System for and method of displaying an image derived from weather radar data |
CN103576151A (zh) * | 2013-10-15 | 2014-02-12 | 中国科学院电子学研究所 | 基于压缩感知的方位向多通道sar成像方法及系统 |
CN103984773A (zh) * | 2014-06-05 | 2014-08-13 | 南京信息工程大学 | 一种多格式天气雷达基数据文件转NetCDF文件方法 |
CN104111458A (zh) * | 2014-07-29 | 2014-10-22 | 西安电子科技大学 | 基于双重稀疏约束的压缩感知合成孔径雷达成像方法 |
CN104614726A (zh) * | 2015-03-05 | 2015-05-13 | 北京航空航天大学 | 一种阵列可伸缩式便携mimo-sar测量雷达系统及其成像方法 |
CN105607059A (zh) * | 2016-01-20 | 2016-05-25 | 中国科学院电子学研究所 | 一种合成孔径雷达地面运动目标指示实现方法和装置 |
CN109001736A (zh) * | 2018-06-12 | 2018-12-14 | 中国人民解放军国防科技大学 | 一种基于深度时空预测神经网络的雷达回波外推方法 |
Non-Patent Citations (2)
Title |
---|
SHENLANZIFA: "Scala读雷达数据文件,生成png", 《HTTPS://BLOG.CSDN.NET/SHENLANZIFA/ARTICLE/DETAILS/43303651》 * |
STRAWBERRYBOY: "MATLAB中将数值矩阵转换为灰度图像", 《HTTPS://BLOG.CSDN.NET/LHW19931201/ARTICLE/DETAILS/99588656》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111445460A (zh) * | 2020-03-30 | 2020-07-24 | 上海眼控科技股份有限公司 | 雷达云图的预测方法、装置、计算机设备和存储介质 |
WO2024040911A1 (zh) * | 2022-08-26 | 2024-02-29 | 上海禾赛科技有限公司 | 数据传输方法及装置、数据解析方法及装置、激光雷达 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10372728B2 (en) | System and method providing a scalable and efficient space filling curve approach to point cloud feature generation | |
CN111862292B (zh) | 输电线路走廊的数据渲染方法、装置和计算机设备 | |
CN110674324A (zh) | 雷达数据存储方法、装置、计算机设备和存储介质 | |
CN112967357A (zh) | 一种基于卷积神经网络的频谱地图构建方法 | |
CN110956677A (zh) | 雷达图的预测方法、装置、计算机设备和存储介质 | |
KR20210027269A (ko) | 깊이 이미지 보완 방법 및 장치, 컴퓨터 판독 가능한 저장 매체 | |
CN111239739A (zh) | 气象雷达回波图预测方法、装置、计算机设备和存储介质 | |
CN114677494B (zh) | 基于剖分网格的雷达探测能力计算方法、装置及设备 | |
CN111028260A (zh) | 图像预测方法、装置、计算机设备和存储介质 | |
CN111179274A (zh) | 地图地面分割方法、装置、计算机设备和存储介质 | |
US20170276785A1 (en) | Systems and methods for hail activity display | |
CN110673146A (zh) | 气象预测图检测方法、装置、计算机设备和可读存储介质 | |
CN111651411B (zh) | 一种复杂地形遥感土壤水分产品降尺度方法 | |
CN111538013A (zh) | 雷达回波外推方法、装置、计算机设备和存储介质 | |
CN114723869A (zh) | 影像处理方法以及装置 | |
CN113822839A (zh) | 医学图像的处理方法、装置、计算机设备和存储介质 | |
CN117391544B (zh) | 一种基于bim的装修工程管理方法及系统 | |
CN111105076A (zh) | 天气预报数据的生成方法、装置、计算机设备和存储介质 | |
CN112765299B (zh) | 非规则栅格数据的可视化方法、装置、电子设备、存储介质 | |
Morais et al. | Altimetry assessment of Aster Gdem V2 and SRTM V3 Digital Elevation Models: a case study in urban area of Belo Horizonte, MG, Brazil | |
CN116303368B (zh) | 一种双偏振雷达体扫数据插值方法、装置、设备及介质 | |
EP4310745A1 (en) | Methods and systems for high resolution and scalable crop yield forecasting | |
CN111898742A (zh) | 一种用于监控神经网络模型训练状态的方法与设备 | |
CN110879817A (zh) | 气象数据处理方法、装置、计算机设备和存储介质 | |
Salvi et al. | Decadal temperature predictions over the continental United States: Analysis and Enhancement |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200110 |