CN111488702B - 落点预测方法、装置和电子设备 - Google Patents

落点预测方法、装置和电子设备 Download PDF

Info

Publication number
CN111488702B
CN111488702B CN202010600083.3A CN202010600083A CN111488702B CN 111488702 B CN111488702 B CN 111488702B CN 202010600083 A CN202010600083 A CN 202010600083A CN 111488702 B CN111488702 B CN 111488702B
Authority
CN
China
Prior art keywords
coordinates
estimated
coordinate
initial
determining
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.)
Active
Application number
CN202010600083.3A
Other languages
English (en)
Other versions
CN111488702A (zh
Inventor
葛慧斌
王宇翔
沈均平
杜怡厂
巴晓娟
张纪华
袁枫
翟慧卿
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Aerospace Hongtu Information Technology Co Ltd
Original Assignee
Aerospace Hongtu Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Aerospace Hongtu Information Technology Co Ltd filed Critical Aerospace Hongtu Information Technology Co Ltd
Priority to CN202010600083.3A priority Critical patent/CN111488702B/zh
Publication of CN111488702A publication Critical patent/CN111488702A/zh
Application granted granted Critical
Publication of CN111488702B publication Critical patent/CN111488702B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明提供了一种落点预测方法、装置和电子设备，涉及数据处理的技术领域，包括：获取运动中的物体在其运动空间中的至少两个位置坐标以及运动空间内地面的数字高程模型；基于至少两个位置坐标和数字高程模型确定物体的落点坐标。本发明提供的落点预测方法，仅需获取运动中的物体在空间中的至少两个位置坐标以及该物体的运动空间内地面的数字高程模型即可确定出物体的落点坐标，对于没有物体运动视频或图片的情况下，也能够实现空间中运动物体的落点预测。

Description

落点预测方法、装置和电子设备
技术领域
本发明涉及数据处理的技术领域，尤其是涉及一种落点预测方法、装置和电子设备。
背景技术
现有技术中，对空间中从高空往地面有一定弧度飞行的某个物体的落点预测的方法有很多，例如，采用图像识别、飞行轨迹预测等技术手段，但是上述方法所存在的不足之处是均需要动态的影像纹理数据，也即，需要物体运动过程中的多个视频帧图片，但是对于没有视频或图片的情况下，则难以完成物体的落点预测。
发明内容
本发明的目的在于提供一种落点预测方法、装置和电子设备，以缓解了现有技术中的落点预测方法对于没有物体运动视频或图片的情况下，难以完成物体的落点预测的技术问题。
第一方面，本发明实施例提供一种落点预测方法，包括：获取运动中的物体在其运动空间中的至少两个位置坐标以及所述运动空间内地面的数字高程模型；基于所述至少两个位置坐标和所述数字高程模型确定所述物体的落点坐标。
在可选的实施方式中，基于所述至少两个位置坐标和所述数字高程模型确定所述运动中的物体的落点坐标，包括：基于所述至少两个位置坐标和所述数字高程模型确定所述物体的初始落点坐标，其中，所述初始落点坐标包括：初始高程值和初始平面坐标；重复执行以下步骤，直至第一预设区域达到预设阈值，并将达到所述预设阈值时的预估高程值和预估平面坐标作为所述运动中的物体的落点坐标：基于预估平面坐标在数字高程模型中确定第一预设区域，其中，初次确定所述第一预设区域时，所述预估平面坐标为所述初始平面坐标；计算所述第一预设区域内的第一平均高程值，并将所述第一平均高程值作为所述物体的落点坐标的预估高程值；基于目标位置坐标、所述预估高程值和所述预估平面坐标确定所述物体更新后的平面坐标，并将所述更新后的平面坐标作为所述预估平面坐标，并缩小所述第一预设区域，其中，所述目标位置坐标为所述至少两个位置坐标中高程值最低的位置坐标。
在可选的实施方式中，所述至少两个位置坐标包括：高程值依次降低的第一位置坐标
Figure 501751DEST_PATH_IMAGE002
和第二位置坐标
Figure 684471DEST_PATH_IMAGE004
；基于所述至少两个位置坐标和所述数字高程模型确定所述物体的初始落点坐标，包括：基于所述第二位置坐标在所述数字高程模型中确定第二预设区域，其中，所述第二预设区域大于所述第一预设区域；计算所述第二预设区域内的第二平均高程值，并将所述第二平均高程值作为所述初始高程值；基于所述第一位置坐标、所述第二位置坐标和所述初始高程值确定初始平面坐标
Figure 729787DEST_PATH_IMAGE006
，其中，
Figure 905422DEST_PATH_IMAGE008
，
Figure 985374DEST_PATH_IMAGE010
表示所述初始高程值，
Figure 73416DEST_PATH_IMAGE012
表示所述物体从第二位置下降到落点位置每下降一米的预估平均X方向位移，
Figure 606028DEST_PATH_IMAGE014
表示所述物体从第二位置下降到落点位置每下降一米的预估平均Y方向位移。
在可选的实施方式中，所述至少两个位置坐标包括：高程值依次降低的第三位置坐标
Figure 336087DEST_PATH_IMAGE016
，第四位置坐标
Figure 270545DEST_PATH_IMAGE018
和第五位置坐标
Figure 545799DEST_PATH_IMAGE020
；基于所述至少两个位置坐标和所述数字高程模型确定所述物体的初始落点坐标，包括：基于所述第五位置坐标在所述数字高程模型中确定第二预设区域，其中，所述第二预设区域大于所述第一预设区域；计算所述第二预设区域内的第二平均高程值，并将所述第二平均高程值作为所述初始高程值；基于所述第三位置坐标，所述第四位置坐标和所述第五位置坐标确定所述物体每下降一米的X方向位移误差
Figure 565708DEST_PATH_IMAGE022
和Y方向位移误差
Figure 568299DEST_PATH_IMAGE024
，其中，
Figure 357264DEST_PATH_IMAGE026
，
Figure 318266DEST_PATH_IMAGE028
表示所述物体从第四位置下降到第五位置每下降一米的实际平均X方向位移，
Figure 825471DEST_PATH_IMAGE030
表示所述物体从第四位置下降到第五位置每下降一米的预估平均X方向位移，
Figure 366174DEST_PATH_IMAGE032
表示所述物体从第四位置下降到第五位置每下降一米的实际平均Y方向位移，
Figure 793000DEST_PATH_IMAGE034
表示所述物体从第四位置下降到第五位置每下降一米的预估平均Y方向位移；基于所述X方向位移误差、所述Y方向位移误差、所述第三位置坐标、所述第五位置坐标和所述初始高程值确定初始平面坐标
Figure 393746DEST_PATH_IMAGE036
，其中，
Figure 388247DEST_PATH_IMAGE038
，
Figure 732641DEST_PATH_IMAGE040
表示所述初始高程值，
Figure 761776DEST_PATH_IMAGE042
表示所述物体从第五位置下降到落点位置每下降一米的预估平均X方向位移，
Figure 799003DEST_PATH_IMAGE044
表示所述物体从第五位置下降到落点位置每下降一米的预估平均Y方向位移。
在可选的实施方式中，基于预估平面坐标在数字高程模型中确定第一预设区域，包括：将所述预估平面坐标转换为所述数字高程模型中的像素坐标；以所述像素坐标为中心在所述数字高程模型中确定所述第一预设区域。
在可选的实施方式中，基于目标位置坐标、所述预估高程值和所述预估平面坐标确定所述物体更新后的平面坐标，包括：基于所述目标位置坐标、所述预估高程值和所述预估平面坐标确定所述物体从目标位置下降到落点位置每下降一米的预估平均X方向位移
Figure 765953DEST_PATH_IMAGE046
，以及所述物体从目标位置下降到落点位置每下降一米的预估平均Y方向位移
Figure 179616DEST_PATH_IMAGE048
，其中，
Figure 797680DEST_PATH_IMAGE050
，
Figure 5807DEST_PATH_IMAGE052
表示所述目标位置坐标，
Figure 974900DEST_PATH_IMAGE054
表示所述预估平面坐标，
Figure 661096DEST_PATH_IMAGE056
表示所述预估高程值；基于所述目标位置坐标、所述预估高程值、所述预估平均X方向位移
Figure 648513DEST_PATH_IMAGE058
，和预估平均Y方向位移
Figure 27542DEST_PATH_IMAGE060
确定所述物体更新后的平面坐标
Figure 483931DEST_PATH_IMAGE062
，其中，
Figure 973818DEST_PATH_IMAGE064
。
第二方面，本发明实施例提供一种落点预测装置，包括：获取模块，用于获取运动中的物体在其运动空间中的至少两个位置坐标以及所述运动空间内地面的数字高程模型；确定模块，用于基于所述至少两个位置坐标和所述数字高程模型确定所述物体的落点坐标。
在可选的实施方式中，所述确定模块具体用于：基于所述至少两个位置坐标和所述数字高程模型确定所述物体的初始落点坐标，其中，所述初始落点坐标包括：初始高程值和初始平面坐标；重复执行以下步骤，直至第一预设区域达到预设阈值，并将达到所述预设阈值时的预估高程值和预估平面坐标作为所述运动中的物体的落点坐标：基于预估平面坐标在数字高程模型中确定第一预设区域，其中，初次确定所述第一预设区域时，所述预估平面坐标为所述初始平面坐标；计算所述第一预设区域内的第一平均高程值，并将所述第一平均高程值作为所述物体的落点坐标的预估高程值；基于目标位置坐标、所述预估高程值和所述预估平面坐标确定所述物体更新后的平面坐标，并将所述更新后的平面坐标作为所述预估平面坐标，并缩小所述第一预设区域，其中，所述目标位置坐标为所述至少两个位置坐标中高程值最低的位置坐标。
第三方面，本发明实施例提供一种电子设备，包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述前述实施方式中任一项所述的方法的步骤。
第四方面，本发明实施例提供一种具有处理器可执行的非易失的程序代码的计算机可读介质，所述程序代码使所述处理器执行前述实施方式中任一项所述的方法。
本发明提供的落点预测方法，包括：获取运动中的物体在其运动空间中的至少两个位置坐标以及运动空间内地面的数字高程模型；基于至少两个位置坐标和数字高程模型确定物体的落点坐标。现有技术中的落点预测方法，均需要使用物体运动过程中的多个视频帧图片，若不能提供上述数据，则无法完成物体的落点预测。与现有技术相比，本发明提供的落点预测方法，仅需获取运动中的物体在空间中的至少两个位置坐标以及该物体的运动空间内地面的数字高程模型即可确定出物体的落点坐标，对于没有物体运动视频或图片的情况下，也能够实现空间中运动物体的落点预测。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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一种落点预测方法的流程图；
图2为本发明实施例提供的一种物体下落过程的示意图；
图3为本发明实施例提供的另一种物体下落过程的示意图；
图4为本发明实施例提供的一种落点预测装置的功能模块图；
图5为本发明实施例提供的一种电子设备的示意图。
具体实施方式
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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。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。
下面结合附图，对本发明的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
现有的落点预测方法大都是基于多个视频帧图片，采用图像识别、飞行轨迹预测等技术手段来完成视频中某个物体的落点预测，其不足之处就是需要动态的影像纹理数据（多个视频帧图片），如果没有上述充分的数据条件，则无法完成空间中运动物体的落点预测。有鉴于此，本发明实施例提供了一种落点预测方法，能够在不使用视频或图片的情况下，对物体落点进行预测。
实施例一
图1为本发明实施例提供的一种落点预测方法的流程图，如图1所示，该方法具体包括如下步骤：
步骤S12，获取运动中的物体在其运动空间中的至少两个位置坐标以及运动空间内地面的数字高程模型。
步骤S14，基于至少两个位置坐标和数字高程模型确定物体的落点坐标。
与现有技术中的落点预测方法相比，本发明实施例采用的方法与其有很大的区别，当空间中的运动中的物体从高空往地面有一定弧度飞行时，只要该物体装有GPS，或者能够通过其他技术手段获取到运动中的物体在空间中的至少两个位置坐标（空间三维坐标），再结合上述运动空间内地面的数字高程模型，通过逐步迭代空间插值的方法即可预测出运动物体的落点坐标，其中，落点坐标包括：平面坐标和高程值。
数字高程模型（Digital Elevation Model)，简称DEM，是通过有限的地形高程数据实现对地面地形的数字化模拟（即地形表面形态的数字化表达），它是用一组有序数值阵列形式表示地面高程的一种实体地面模型，DEM栅格数据的存储方式和普通的单波段影像并无差别，是一景带有地理坐标系的高程栅格数据，其每一个像素都有对应的地理坐标，该像素值代表着高程值。
本发明提供的落点预测方法，包括：获取运动中的物体在其运动空间中的至少两个位置坐标以及运动空间内地面的数字高程模型；基于至少两个位置坐标和数字高程模型确定物体的落点坐标。现有技术中的落点预测方法，均需要使用物体运动过程中的多个视频帧图片，若不能提供上述数据，则无法完成物体的落点预测。与现有技术相比，本发明提供的落点预测方法，仅需获取运动中的物体在空间中的至少两个位置坐标以及该物体的运动空间内地面的数字高程模型即可确定出物体的落点坐标，对于没有物体运动视频或图片的情况下，也能够实现空间中运动物体的落点预测。
上文中对本发明实施例提供的落点预测方法进行了简要的描述，下面对如何基于至少两个位置坐标和数字高程模型确定运动中的物体的落点坐标的过程进行详细介绍。
在一个可选的实施方式中，上述步骤S14，基于至少两个位置坐标和数字高程模型确定运动中的物体的落点坐标，具体包括如下步骤：
步骤S141，基于至少两个位置坐标和数字高程模型确定物体的初始落点坐标。
具体的，本发明实施例采用逐步迭代空间插值的方法求解运动中的物体的准确落点坐标，首先，需要根据已知的至少两个位置坐标以及上述数字高程模型预测一个粗略的落点位置坐标，也即，物体的初始落点坐标，然后再对上述初始落点坐标进行逐步的精确，其中，初始落点坐标包括：初始高程值和初始平面坐标。本发明实施例不对初始落点坐标的确定过程进行具体限定，可以采用落点预测相关知识进行推断，下文中也将对本发明实施例如何预测初始落点坐标的过程进行详细介绍。
在得到物体的初始落点坐标之后，重复执行以下步骤，直至第一预设区域达到预设阈值，并将达到预设阈值时的预估高程值和预估平面坐标作为运动中的物体的落点坐标。
步骤S142，基于预估平面坐标在数字高程模型中确定第一预设区域。
步骤S143，计算第一预设区域内的第一平均高程值，并将第一平均高程值作为物体的落点坐标的预估高程值。
具体的，上述步骤S141已经得到了物体的初始落点坐标，那么在对物体落点坐标进行迭代优化过程，可理解为是实际落点坐标和预估平面坐标之间的误差逐渐缩小的过程，所以在得到物体的预估平面坐标后，可以以上述预估平面坐标为中心，读取第一预设区域内的所有高程值，然后将第一预设区域内的第一平均高程值作为物体的落点坐标的新的预估高程值，需要说明的是，在初次确定第一预设区域时，预估平面坐标为初始平面坐标，初次执行下述步骤S144后，将得到下一个第一预设区域的中心坐标（预估平面坐标）。本发明实施例不对上述第一预设区域的形状进行具体限定，用户可以根据实际需求进行选择，可以选择为正方形、圆形等形状。
可选的，上述步骤S142，基于预估平面坐标在数字高程模型中确定第一预设区域，具体包括：首先，将预估平面坐标转换为数字高程模型中的像素坐标，然后，以像素坐标为中心在数字高程模型中确定第一预设区域。
具体的，要想以预估平面坐标为中心在数字高程模型中选取第一预设区域，首先要将预估平面坐标转换为DEM栅格坐标系中的像素坐标，从DEM栅格数据中可直接读取到平面坐标范围
Figure 300894DEST_PATH_IMAGE066
和行列方向的地理分辨率
Figure 116403DEST_PATH_IMAGE068
，因此，将预估平面坐标转换为像素坐标可采用如下公式：
Figure 545242DEST_PATH_IMAGE070
，其中，
Figure 838820DEST_PATH_IMAGE072
表示预估平面坐标，
Figure 285982DEST_PATH_IMAGE074
表示预估平面坐标对应的像素坐标。
然后以上述像素坐标为中心，在数字高程模型中选择第一预设区域。为了便于描述，下面以第一预设区域为正方形进行举例说明，首先以像素坐标
Figure 6813DEST_PATH_IMAGE076
为中心，上下左右各外扩N个像素，进而形成一个正方形的DEM读取区域，那么得到的正方形中将存在2N*2N个高程值，可以利用算式
Figure 172215DEST_PATH_IMAGE078
计算第一平均高程值（预估高程值），其中，w，h分别代表两个方向，分别是DEM栅格的列坐标和行坐标，N可根据实际情况进行取值，例如，N=100。
步骤S144，基于目标位置坐标、预估高程值和预估平面坐标确定物体更新后的平面坐标，并将更新后的平面坐标作为预估平面坐标，并缩小第一预设区域。
在得到预估平面坐标和预估高程值之后，结合目标位置坐标即可确定出物体更新后的平面坐标，其中，目标位置坐标为至少两个位置坐标中高程值最低的位置坐标，然后，再将上述更新后的平面坐标作为新的预估平面坐标进行迭代更新，且预估平面坐标每更新一次，求解新的预估高程值时所选取的第一预设区域将比上一次缩小，本发明实施例不对迭代过程中第一预设区域缩小的规则进行具体限定，用户可以根据实际需求进行设定，在本发明实施例中，若第一预设区域为正方形，可选择每次缩小时，上下左右外扩的像素缩小一倍，因此，可以在第一预设区域的面积缩小到预设阈值时，重复执行的步骤结束，或者当外扩的像素为缩小为1时，结束重复执行。
上文中对如何确定物体落点坐标的过程进行了描述，下面对本发明实施例如何确定物体的初始落点坐标的过程进行详细的介绍。
在一个可选的实施方式中，至少两个位置坐标包括：高程值依次降低的第一位置坐标
Figure 269484DEST_PATH_IMAGE080
和第二位置坐标
Figure 83070DEST_PATH_IMAGE082
；上述步骤S141，基于至少两个位置坐标和数字高程模型确定物体的初始落点坐标，具体包括如下步骤：
步骤S1411，基于第二位置坐标在数字高程模型中确定第二预设区域。
步骤S1412，计算第二预设区域内的第二平均高程值，并将第二平均高程值作为初始高程值。
具体的，在确定物体的初始落点坐标时，假设物体落点与上述第二位置较近，且地面高程值比较连续无重大突变，那么就可以以第二位置坐标为中心，读取第二预设区域内的所有高程值，然后将第二预设区域内的第二平均高程值作为物体的初始落点坐标的初始高程值，鉴于上述步骤S142-S144为对预估高程值和预估平面坐标进行细化的过程，因此在确定初始落点坐标时，其第二预设区域应大于第一预设区域，可以理解为在物体落点坐标预测过程中，从数字高程模型中选取的预设区域越来越小。确定初始高程值的过程具体为：将第二位置坐标转换为数字高程模型中的第二位置像素坐标；以第二位置像素坐标为中心在数字高程模型中确定第二预设区域，具体可参考上文中对步骤S142的具体介绍，此处不再赘述。
步骤S1413，基于第一位置坐标、第二位置坐标和初始高程值确定初始平面坐标
Figure 709223DEST_PATH_IMAGE084
。
其中，
Figure 627500DEST_PATH_IMAGE086
，
Figure 262881DEST_PATH_IMAGE088
表示初始高程值，
Figure 684635DEST_PATH_IMAGE090
表示物体从第二位置下降到落点位置每下降一米的预估平均X方向位移，
Figure 747269DEST_PATH_IMAGE092
表示物体从第二位置下降到落点位置每下降一米的预估平均Y方向位移。
图2示出了一种物体下落过程的示意图，如图2所示，第一位置坐标
Figure 637996DEST_PATH_IMAGE094
，第二位置坐标
Figure 77067DEST_PATH_IMAGE096
为已知数，当物体不是垂直向下的自由落体，那么由于风速等影响，空间物体每下降1米，所产生的X方向位移和Y方向位移是渐变的，那么每两个点之间都可以计算出X方向的位移速度和Y方向的位移速度，也即，根据第一位置坐标和第二位置坐标，可以计算出物体从第一位置下降到第二位置每下降1米的实际平均X方向位移
Figure 353328DEST_PATH_IMAGE098
和实际平均Y方向位移
Figure 852442DEST_PATH_IMAGE100
，其中，
Figure 214154DEST_PATH_IMAGE102
。同理，设物体的初始平面坐标为
Figure 191337DEST_PATH_IMAGE104
，初始高程值为
Figure 836951DEST_PATH_IMAGE106
，可得
Figure 241387DEST_PATH_IMAGE108
，将上述算式变形，可得到
Figure 90395DEST_PATH_IMAGE110
，通过该算式可知，要想求得初始平面坐标
Figure 605690DEST_PATH_IMAGE112
，在得到初始高程值
Figure 122122DEST_PATH_IMAGE114
后，还需确定物体从第二位置下降到落点位置每下降一米的平均X方向位移
Figure 697459DEST_PATH_IMAGE116
以及物体从第二位置下降到落点位置每下降一米的平均Y方向位移
Figure 50074DEST_PATH_IMAGE118
。
在本发明实施例中，将
Figure 369060DEST_PATH_IMAGE120
作为物体从第二位置下降到落点位置每下降一米的预估平均X方向位移，将
Figure 474420DEST_PATH_IMAGE122
作为物体从第二位置下降到落点位置每下降一米的预估平均Y方向位移，其中，
Figure 220659DEST_PATH_IMAGE124
作为物体下降的距离加速度权值，如第二位置距离落点很近，第二位置到落点的Z位移加权就很小，如果第二位置距离落点很远，则第二位置到落点的Z位移加权就会很大，符合物体抛物线下降的速度是越来越快的逻辑。
上文中对至少两个位置坐标为两个时，求解初始落点坐标的过程进行了详细的介绍，下面对至少两个位置坐标为三个时，求解初始落点坐标的过程进行描述。
在一个可选的实施方式中，如图3所示，至少两个位置坐标包括：高程值依次降低的第三位置坐标
Figure 44258DEST_PATH_IMAGE126
，第四位置坐标
Figure 166935DEST_PATH_IMAGE128
和第五位置坐标
Figure 644577DEST_PATH_IMAGE130
；上述步骤S141，基于至少两个位置坐标和数字高程模型确定物体的初始落点坐标，具体包括如下步骤：
步骤S141a，基于第五位置坐标在数字高程模型中确定第二预设区域。
其中，第二预设区域大于第一预设区域。
步骤S141b，计算第二预设区域内的第二平均高程值，并将第二平均高程值作为初始高程值。
具体的，步骤S141a-S141b的处理流程也是利用已知位置坐标中高程值最小的位置坐标进行初始高程值的估算，具体计算过程可参考上述步骤S1411-S1412中的具体内容，此处不再赘述。
步骤S141c，基于第三位置坐标，第四位置坐标和第五位置坐标确定物体每下降一米的X方向位移误差
Figure 561718DEST_PATH_IMAGE132
和Y方向位移误差
Figure 872613DEST_PATH_IMAGE134
。
其中，
Figure 533402DEST_PATH_IMAGE136
表示物体从第四位置下降到第五位置每下降一米的实际平均X方向位移，
Figure 613353DEST_PATH_IMAGE138
表示物体从第四位置下降到第五位置每下降一米的预估平均X方向位移，
Figure 966974DEST_PATH_IMAGE140
表示物体从第四位置下降到第五位置每下降一米的实际平均Y方向位移，
Figure 250319DEST_PATH_IMAGE142
表示物体从第四位置下降到第五位置每下降一米的预估平均Y方向位移。
当已知的位置坐标为第一位置坐标和第二位置坐标时，利用已知的
Figure 980378DEST_PATH_IMAGE144
和物体下降的距离加速度权值
Figure 649256DEST_PATH_IMAGE146
能够确定物体从第二位置下降到落点位置每下降一米的预估平均X/Y方向位移；如果已知位置坐标为3个，分别为第三位置坐标，第四位置坐标和第五位置坐标，那么可以利用同样的思路求得物体从第四位置下降到第五位置每下降一米的预估平均X/Y方向位移
Figure 173779DEST_PATH_IMAGE148
，结合物体从第四位置下降到第五位置每下降一米的实际平均X/Y方向位移
Figure 459266DEST_PATH_IMAGE150
，即可求得物体每下降一米的X方向位移误差
Figure 461858DEST_PATH_IMAGE152
和Y方向位移误差
Figure 500090DEST_PATH_IMAGE154
。
步骤S141d，基于X方向位移误差、Y方向位移误差、第三位置坐标、第五位置坐标和初始高程值确定初始平面坐标
Figure 461092DEST_PATH_IMAGE156
。
其中，
Figure 702718DEST_PATH_IMAGE158
，
Figure 509000DEST_PATH_IMAGE160
表示初始高程值，
Figure 683629DEST_PATH_IMAGE162
表示物体从第五位置下降到落点位置每下降一米的预估平均X方向位移，
Figure 284375DEST_PATH_IMAGE164
表示物体从第五位置下降到落点位置每下降一米的预估平均Y方向位移。
在没有得到物体每下降一米的X/Y方向位移误差时，
Figure 29608DEST_PATH_IMAGE166
，
Figure 639581DEST_PATH_IMAGE168
，在求得后
Figure 403138DEST_PATH_IMAGE170
和
Figure 440364DEST_PATH_IMAGE172
之后，利用
Figure 922161DEST_PATH_IMAGE170
和
Figure 70245DEST_PATH_IMAGE172
分别对
Figure 200226DEST_PATH_IMAGE174
和
Figure 408353DEST_PATH_IMAGE176
进行补偿，进而利用补偿后的X方向的位移速度和Y方向的位移速度、第五位置坐标和初始高程值计算初始平面坐标
Figure DEST_PATH_IMAGE178
。
上文中对如何求得初始高程值和初始平面坐标的过程进行了详细的介绍，下面对如何根据目标位置坐标、预估高程值和预估平面坐标确定物体更新后的平面坐标的过程进行描述。
在一个可选的实施方式中，上述步骤S144中，基于目标位置坐标、预估高程值和预估平面坐标确定物体更新后的平面坐标，具体包括如下步骤：
步骤S1441，基于目标位置坐标、预估高程值和预估平面坐标确定物体从目标位置下降到落点位置每下降一米的预估平均X方向位移
Figure DEST_PATH_IMAGE180
，以及物体从目标位置下降到落点位置每下降一米的预估平均Y方向位移
Figure DEST_PATH_IMAGE182
。
其中，
Figure DEST_PATH_IMAGE184
，
Figure DEST_PATH_IMAGE186
表示目标位置坐标，
Figure DEST_PATH_IMAGE188
表示预估平面坐标，
Figure DEST_PATH_IMAGE190
表示预估高程值。
步骤S1442，基于目标位置坐标、预估高程值、预估平均X方向位移
Figure DEST_PATH_IMAGE192
，和预估平均Y方向位移
Figure DEST_PATH_IMAGE194
确定物体更新后的平面坐标
Figure DEST_PATH_IMAGE196
，其中，
Figure DEST_PATH_IMAGE198
。
具体的，在得到预估平面坐标和预估高程值后，可根据预估平面坐标
Figure DEST_PATH_IMAGE200
、预估高程值
Figure DEST_PATH_IMAGE202
和目标位置坐标
Figure DEST_PATH_IMAGE204
求解物体从目标位置下降到落点位置每下降一米的预估平均X/Y方向位移
Figure DEST_PATH_IMAGE206
，然后再将求得的X/Y方向位移速度
Figure DEST_PATH_IMAGE208
、预估高程值
Figure DEST_PATH_IMAGE210
和目标位置坐标
Figure DEST_PATH_IMAGE212
带入算式
Figure DEST_PATH_IMAGE214
，计算物体更新后的平面坐标
Figure DEST_PATH_IMAGE216
。
在预估平面坐标和预估高程值的迭代计算中可以看出，落点的预估高程值从粗略到精确的过程中，求得的物体从目标位置下降到落点位置每下降一米的预估平均X/Y方向位移
Figure DEST_PATH_IMAGE218
也在逐步精确，从而更新后的平面坐标
Figure DEST_PATH_IMAGE220
也在逐步精确，继而下一次迭代过程中，根据新的平面坐标读取的DEM栅格数据的高程值也在逐步精确化，形成了完整的逐步逼近真值的迭代运算。
综上所述，本发明实施例提供的落点预测方法，能够利用空间物体在运动中的至少2个位置坐标（不同高度）和DEM栅格数据，提出空间物体在以抛物线下降的过程中，每下降一米所产生的X方向位移和Y方向的位移是渐变的思想，在有限数据的情况下，计算初始落点坐标到最后的迭代精确预测落点坐标，得到了不错的预测效果。对于没有物体运动视频或图片的情况下，也能够实现空间中运动物体的落点预测。如果能获取到更多的辅助数据（比如风向风力等），该方法也可以用来求取落点的初值，再利用其它辅助数据进行进一步的精确化。
实施例二
本发明实施例还提供了一种落点预测装置，该落点预测装置主要用于执行上述实施例一所提供的落点预测方法，以下对本发明实施例提供的落点预测装置做具体介绍。
图4是本发明实施例提供的一种落点预测装置的功能模块图，如图4所示，该装置主要包括：获取模块10，确定模块20，其中：
获取模块10，用于获取运动中的物体在其运动空间中的至少两个位置坐标以及运动空间内地面的数字高程模型。
确定模块20，用于基于至少两个位置坐标和数字高程模型确定物体的落点坐标。
本发明实施例提供的落点预测装置，包括：获取模块10，用于获取运动中的物体在其运动空间中的至少两个位置坐标以及运动空间内地面的数字高程模型；确定模块20，用于基于至少两个位置坐标和数字高程模型确定物体的落点坐标。现有技术中的落点预测方法，均需要使用物体运动过程中的多个视频帧图片，若不能提供上述数据，则无法完成物体的落点预测。与现有技术相比，本发明实施例提供的落点预测装置，仅需获取运动中的物体在空间中的至少两个位置坐标以及该物体的运动空间内地面的数字高程模型即可确定出物体的落点坐标，对于没有物体运动视频或图片的情况下，也能够实现空间中运动物体的落点预测。
可选的，确定模块20具体用于：
基于至少两个位置坐标和数字高程模型确定物体的初始落点坐标，其中，初始落点坐标包括：初始高程值和初始平面坐标。
重复执行以下步骤，直至第一预设区域达到预设阈值，并将达到预设阈值时的预估高程值和预估平面坐标作为运动中的物体的落点坐标：
基于预估平面坐标在数字高程模型中确定第一预设区域，其中，初次确定第一预设区域时，预估平面坐标为初始平面坐标。
计算第一预设区域内的第一平均高程值，并将第一平均高程值作为物体的落点坐标的预估高程值。
基于目标位置坐标、预估高程值和预估平面坐标确定物体更新后的平面坐标，并将更新后的平面坐标作为预估平面坐标，并缩小第一预设区域，其中，目标位置坐标为至少两个位置坐标中高程值最低的位置坐标。
可选的，至少两个位置坐标包括：高程值依次降低的第一位置坐标
Figure DEST_PATH_IMAGE222
和第二位置坐标
Figure DEST_PATH_IMAGE224
；确定模块20还用于：
基于第二位置坐标在数字高程模型中确定第二预设区域，其中，第二预设区域大于第一预设区域。
计算第二预设区域内的第二平均高程值，并将第二平均高程值作为初始高程值。
基于第一位置坐标、第二位置坐标和初始高程值确定初始平面坐标
Figure DEST_PATH_IMAGE226
，其中，
Figure DEST_PATH_IMAGE228
，
Figure DEST_PATH_IMAGE230
表示初始高程值，
Figure DEST_PATH_IMAGE232
表示物体从第二位置下降到落点位置每下降一米的预估平均X方向位移，
Figure DEST_PATH_IMAGE234
表示物体从第二位置下降到落点位置每下降一米的预估平均Y方向位移。
可选的，至少两个位置坐标包括：高程值依次降低的第三位置坐标
Figure DEST_PATH_IMAGE236
，第四位置坐标
Figure DEST_PATH_IMAGE238
和第五位置坐标
Figure DEST_PATH_IMAGE240
；确定模块20还用于：
基于第五位置坐标在数字高程模型中确定第二预设区域，其中，第二预设区域大于第一预设区域。
计算第二预设区域内的第二平均高程值，并将第二平均高程值作为初始高程值。
基于第三位置坐标，第四位置坐标和第五位置坐标确定物体每下降一米的X方向位移误差
Figure DEST_PATH_IMAGE242
和Y方向位移误差
Figure DEST_PATH_IMAGE244
，其中，
Figure DEST_PATH_IMAGE246
，
Figure DEST_PATH_IMAGE248
表示物体从第四位置下降到第五位置每下降一米的实际平均X方向位移，
Figure DEST_PATH_IMAGE250
表示物体从第四位置下降到第五位置每下降一米的预估平均X方向位移，
Figure DEST_PATH_IMAGE252
表示物体从第四位置下降到第五位置每下降一米的实际平均Y方向位移，
Figure DEST_PATH_IMAGE254
表示物体从第四位置下降到第五位置每下降一米的预估平均Y方向位移。
基于X方向位移误差、Y方向位移误差、第三位置坐标、第五位置坐标和初始高程值确定初始平面坐标
Figure DEST_PATH_IMAGE256
，其中，
Figure DEST_PATH_IMAGE258
，
Figure DEST_PATH_IMAGE260
表示初始高程值，
Figure DEST_PATH_IMAGE262
表示物体从第五位置下降到落点位置每下降一米的预估平均X方向位移，
Figure DEST_PATH_IMAGE264
表示物体从第五位置下降到落点位置每下降一米的预估平均Y方向位移。
可选的，确定模块20还用于：
将预估平面坐标转换为数字高程模型中的像素坐标。
以像素坐标为中心在数字高程模型中确定第一预设区域。
可选的，确定模块20还用于：
基于目标位置坐标、预估高程值和预估平面坐标确定物体从目标位置下降到落点位置每下降一米的预估平均X方向位移
Figure DEST_PATH_IMAGE266
，以及物体从目标位置下降到落点位置每下降一米的预估平均Y方向位移
Figure DEST_PATH_IMAGE268
，其中，
Figure DEST_PATH_IMAGE270
表示目标位置坐标，
Figure DEST_PATH_IMAGE272
表示预估平面坐标，
Figure 132375DEST_PATH_IMAGE202
表示预估高程值。
基于目标位置坐标、预估高程值、预估平均X方向位移
Figure 818571DEST_PATH_IMAGE058
，和预估平均Y方向位移
Figure DEST_PATH_IMAGE274
确定物体更新后的平面坐标
Figure DEST_PATH_IMAGE276
，其中，
Figure DEST_PATH_IMAGE278
。
实施例三
参见图5，本发明实施例提供了一种电子设备，该电子设备包括：处理器60，存储器61，总线62和通信接口63，所述处理器60、通信接口63和存储器61通过总线62连接；处理器60用于执行存储器61中存储的可执行模块，例如计算机程序。
其中，存储器61可能包含高速随机存取存储器（RAM，RandomAccessMemory），也可能还包括非不稳定的存储器（non-volatile memory），例如至少一个磁盘存储器。通过至少一个通信接口63（可以是有线或者无线）实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。
总线62可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
其中，存储器61用于存储程序，所述处理器60在接收到执行指令后，执行所述程序，前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器60中，或者由处理器60实现。
处理器60可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器60中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器60可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital SignalProcessing，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器61，处理器60读取存储器61中的信息，结合其硬件完成上述方法的步骤。
本发明实施例所提供的一种落点预测方法、装置和电子设备的计算机程序产品，包括存储了处理器可执行的非易失的程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。
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。
所述功能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，可以存储在一个处理器可执行的非易失的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、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
此外，术语“水平”、“竖直”、“悬垂”等术语并不表示要求部件绝对水平或悬垂，而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平，并不是表示该结构一定要完全水平，而是可以稍微倾斜。
在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，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，或者对其中部分或者全部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发明各实施例技术方案的范围。

Claims (8)

1.一种落点预测方法，其特征在于，包括：
获取运动中的物体在其运动空间中的至少两个位置坐标以及所述运动空间内地面的数字高程模型；
基于所述至少两个位置坐标和所述数字高程模型确定所述物体的落点坐标；
其中，基于所述至少两个位置坐标和所述数字高程模型确定所述运动中的物体的落点坐标，包括：
基于所述至少两个位置坐标和所述数字高程模型确定所述物体的初始落点坐标，其中，所述初始落点坐标包括：初始高程值和初始平面坐标；
重复执行以下步骤，直至第一预设区域达到预设阈值，并将达到所述预设阈值时的预估高程值和预估平面坐标作为所述运动中的物体的落点坐标：
基于预估平面坐标在数字高程模型中确定第一预设区域，其中，初次确定所述第一预设区域时，所述预估平面坐标为所述初始平面坐标；
计算所述第一预设区域内的第一平均高程值，并将所述第一平均高程值作为所述物体的落点坐标的预估高程值；
基于目标位置坐标、所述预估高程值和所述预估平面坐标确定所述物体更新后的平面坐标，并将所述更新后的平面坐标作为所述预估平面坐标，并缩小所述第一预设区域，其中，所述目标位置坐标为所述至少两个位置坐标中高程值最低的位置坐标。
2.根据权利要求1所述的方法，其特征在于，所述至少两个位置坐标包括：高程值依次降低的第一位置坐标
Figure 583772DEST_PATH_IMAGE001
和第二位置坐标
Figure 981255DEST_PATH_IMAGE002
；
基于所述至少两个位置坐标和所述数字高程模型确定所述物体的初始落点坐标，包括：
基于所述第二位置坐标在所述数字高程模型中确定第二预设区域，其中，所述第二预设区域大于所述第一预设区域；
计算所述第二预设区域内的第二平均高程值，并将所述第二平均高程值作为所述初始高程值；
基于所述第一位置坐标、所述第二位置坐标和所述初始高程值确定初始平面坐标
Figure 710177DEST_PATH_IMAGE003
，其中，
Figure 352773DEST_PATH_IMAGE004
，
Figure 850750DEST_PATH_IMAGE005
表示所述初始高程值，
Figure 684714DEST_PATH_IMAGE006
表示所述物体从第二位置下降到落点位置每下降一米的预估平均X方向位移，
Figure 635353DEST_PATH_IMAGE007
表示所述物体从第二位置下降到落点位置每下降一米的预估平均Y方向位移。
3.根据权利要求1所述的方法，其特征在于，所述至少两个位置坐标包括：高程值依次降低的第三位置坐标
Figure 580175DEST_PATH_IMAGE008
，第四位置坐标
Figure 932659DEST_PATH_IMAGE009
和第五位置坐标
Figure 937524DEST_PATH_IMAGE010
；
基于所述至少两个位置坐标和所述数字高程模型确定所述物体的初始落点坐标，包括：
基于所述第五位置坐标在所述数字高程模型中确定第二预设区域，其中，所述第二预设区域大于所述第一预设区域；
计算所述第二预设区域内的第二平均高程值，并将所述第二平均高程值作为所述初始高程值；
基于所述第三位置坐标，所述第四位置坐标和所述第五位置坐标确定所述物体每下降一米的X方向位移误差
Figure 375459DEST_PATH_IMAGE011
和Y方向位移误差
Figure 796076DEST_PATH_IMAGE012
，其中，
Figure 832427DEST_PATH_IMAGE013
，
Figure 945876DEST_PATH_IMAGE014
表示所述物体从第四位置下降到第五位置每下降一米的实际平均X方向位移，
Figure 933424DEST_PATH_IMAGE015
表示所述物体从第四位置下降到第五位置每下降一米的预估平均X方向位移，
Figure 157732DEST_PATH_IMAGE016
表示所述物体从第四位置下降到第五位置每下降一米的实际平均Y方向位移，
Figure 281546DEST_PATH_IMAGE017
表示所述物体从第四位置下降到第五位置每下降一米的预估平均Y方向位移；
基于所述X方向位移误差、所述Y方向位移误差、所述第三位置坐标、所述第五位置坐标和所述初始高程值确定初始平面坐标
Figure 565897DEST_PATH_IMAGE018
，其中，
Figure 40740DEST_PATH_IMAGE019
，
Figure 68739DEST_PATH_IMAGE020
表示所述初始高程值，
Figure 814104DEST_PATH_IMAGE021
表示所述物体从第五位置下降到落点位置每下降一米的预估平均X方向位移，
Figure 3776DEST_PATH_IMAGE022
表示所述物体从第五位置下降到落点位置每下降一米的预估平均Y方向位移。
4.根据权利要求1所述的方法，其特征在于，基于预估平面坐标在数字高程模型中确定第一预设区域，包括：
将所述预估平面坐标转换为所述数字高程模型中的像素坐标；
以所述像素坐标为中心在所述数字高程模型中确定所述第一预设区域。
5.根据权利要求1所述的方法，其特征在于，基于目标位置坐标、所述预估高程值和所述预估平面坐标确定所述物体更新后的平面坐标，包括：
基于所述目标位置坐标、所述预估高程值和所述预估平面坐标确定所述物体从目标位置下降到落点位置每下降一米的预估平均X方向位移
Figure 903599DEST_PATH_IMAGE023
，以及所述物体从目标位置下降到落点位置每下降一米的预估平均Y方向位移
Figure 532027DEST_PATH_IMAGE024
，其中，
Figure 833695DEST_PATH_IMAGE025
，
Figure 256586DEST_PATH_IMAGE026
表示所述目标位置坐标，
Figure 643705DEST_PATH_IMAGE027
表示所述预估平面坐标，
Figure 13507DEST_PATH_IMAGE028
表示所述预估高程值；
基于所述目标位置坐标、所述预估高程值、所述预估平均X方向位移
Figure 966419DEST_PATH_IMAGE029
，和预估平均Y方向位移
Figure 763474DEST_PATH_IMAGE030
确定所述物体更新后的平面坐标
Figure 936091DEST_PATH_IMAGE031
，其中，
Figure 109584DEST_PATH_IMAGE032
。
6.一种落点预测装置，其特征在于，包括：
获取模块，用于获取运动中的物体在其运动空间中的至少两个位置坐标以及所述运动空间内地面的数字高程模型；
确定模块，用于基于所述至少两个位置坐标和所述数字高程模型确定所述物体的落点坐标；
其中，所述确定模块具体用于：
基于所述至少两个位置坐标和所述数字高程模型确定所述物体的初始落点坐标，其中，所述初始落点坐标包括：初始高程值和初始平面坐标；
重复执行以下步骤，直至第一预设区域达到预设阈值，并将达到所述预设阈值时的预估高程值和预估平面坐标作为所述运动中的物体的落点坐标：
基于预估平面坐标在数字高程模型中确定第一预设区域，其中，初次确定所述第一预设区域时，所述预估平面坐标为所述初始平面坐标；
计算所述第一预设区域内的第一平均高程值，并将所述第一平均高程值作为所述物体的落点坐标的预估高程值；
基于目标位置坐标、所述预估高程值和所述预估平面坐标确定所述物体更新后的平面坐标，并将所述更新后的平面坐标作为所述预估平面坐标，并缩小所述第一预设区域，其中，所述目标位置坐标为所述至少两个位置坐标中高程值最低的位置坐标。
7.一种电子设备，包括存储器、处理器，所述存储器上存储有可在所述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计算机程序时实现上述权利要求1至5中任一项所述的方法的步骤。
8.一种具有处理器可执行的非易失的程序代码的计算机可读介质，其特征在于，所述程序代码使所述处理器执行权利要求1至5中任一项所述的方法。
CN202010600083.3A 2020-06-28 2020-06-28 落点预测方法、装置和电子设备 Active CN111488702B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010600083.3A CN111488702B (zh) 2020-06-28 2020-06-28 落点预测方法、装置和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010600083.3A CN111488702B (zh) 2020-06-28 2020-06-28 落点预测方法、装置和电子设备

Publications (2)

Publication Number Publication Date
CN111488702A CN111488702A (zh) 2020-08-04
CN111488702B true CN111488702B (zh) 2020-09-25

Family

ID=71813764

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010600083.3A Active CN111488702B (zh) 2020-06-28 2020-06-28 落点预测方法、装置和电子设备

Country Status (1)

Country Link
CN (1) CN111488702B (zh)

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180238690A1 (en) * 2017-02-17 2018-08-23 The Charles Stark Draper Laboratory, Inc. Stellar-Landscape/Horizon Image Navigation
CN108171732B (zh) * 2017-11-24 2020-11-06 中国人民解放军63920部队 一种基于多源图像融合的探测器月面着陆绝对定位方法
CN109815577B (zh) * 2019-01-18 2023-11-17 湖南苍树航天科技有限公司 落弹坐标声波定位方法及系统、计算机可读取的存储介质

Also Published As

Publication number Publication date
CN111488702A (zh) 2020-08-04

Similar Documents

Publication Publication Date Title
CN109685152B (zh) 一种基于dc-spp-yolo的图像目标检测方法
CN110889399B (zh) 基于深度学习的高分辨率遥感影像弱小目标检测方法
CN114140683A (zh) 一种航拍图像目标检测的方法、设备与介质
CN113570665A (zh) 路沿提取的方法、装置及电子设备
CN115082699B (zh) 一种轮廓形状提取方法、装置、电子设备及存储介质
CN114332134B (zh) 一种基于密集点云的建筑物立面提取方法和装置
CN112115926B (zh) 基于遥感图像的建筑物体块模型构建方法及相关设备
JP2010525491A (ja) 地理空間データのデータ間引きを提供する地理空間モデリングシステム及び関連する方法
CN109792530A (zh) 无人自主交通工具中的自适应图像处理
CN111353580A (zh) 目标检测网络的训练方法、电子设备及存储介质
CN112633066A (zh) 一种航拍小目标检测方法、装置、设备及存储介质
CN114494627A (zh) 城市模型的生成方法、装置、设备及计算机可读存储介质
CN111488702B (zh) 落点预测方法、装置和电子设备
CN111458691A (zh) 建筑物信息的提取方法、装置及计算机设备
CN113899367A (zh) 无人机降落的定位方法、装置、计算机设备及存储介质
CN115457202B (zh) 一种三维模型更新的方法、装置及存储介质
US20230186594A1 (en) Information processing apparatus, information processing method, and non-transitory computer readable medium
CN114386294B (zh) 一种台风环境模型生成方法和装置
CN116973891A (zh) 车辆的激光雷达标定方法、装置、电子设备及存储介质
CN113790711B (zh) 一种无人机低空飞行位姿无控多视测量方法及存储介质
CN112465878B (zh) 一种基于粒子滤波的位置预测方法及设备
CN114863031A (zh) 一种三维模型的重叠度计算方法、装置、设备及存储介质
CN113159426A (zh) 天气型相似性判断方法、装置、电子设备及可读存储介质
WO2023032334A1 (ja) 情報処理装置、情報処理方法、およびプログラム
CN113112554B (zh) 相机外参标定方法、装置、计算机设备和存储介质

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