CN112292620B - 云观测装置、云观测系统、云观测方法及存储介质 - Google Patents

云观测装置、云观测系统、云观测方法及存储介质 Download PDF

Info

Publication number
CN112292620B
CN112292620B CN201980040829.5A CN201980040829A CN112292620B CN 112292620 B CN112292620 B CN 112292620B CN 201980040829 A CN201980040829 A CN 201980040829A CN 112292620 B CN112292620 B CN 112292620B
Authority
CN
China
Prior art keywords
cloud
distribution data
day
scale
unit
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
CN201980040829.5A
Other languages
English (en)
Other versions
CN112292620A (zh
Inventor
高岛祐弥
箕轮昌裕
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.)
Furuno Electric Co Ltd
Original Assignee
Furuno Electric 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 Furuno Electric Co Ltd filed Critical Furuno Electric Co Ltd
Publication of CN112292620A publication Critical patent/CN112292620A/zh
Application granted granted Critical
Publication of CN112292620B publication Critical patent/CN112292620B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/12—Sunshine duration recorders
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • 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
    • G06T7/00—Image analysis
    • G06T7/97—Determining parameters from multiple pictures
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/90—Arrangement of cameras or camera modules, e.g. multiple cameras in TV studios or sports stadiums
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W2001/006—Main server receiving weather information from several sub-stations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G06T2207/10012—Stereo images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30192—Weather; Meteorology
    • 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)
  • Computer Vision & Pattern Recognition (AREA)
  • Environmental & Geological Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

课题在于，提供能够恰当地确定云的位置及高度的云观测系统。解决手段在于，云观测装置(11)具有：取得部(12)，取得由被配置在位置关系已知的相互不同的位置(P1、P2)处的多个全天相机(10)摄像的全天图像(G3、G4)；云分布数据生成部(13)，按每个全天图像，生成表现云的分布的云分布数据(B3、B4)；比例尺决定部(14)，对云分布数据(B3、B4)进行扩大或者缩小，决定使得已知的位置关系被维持的状态的评价对象的区域(Ar1)中存在的各个云分布数据(B3、B4)中的云最为重复的比例尺；以及目标云决定部(15a)，从基于比例尺被扩大或者缩小的各个云分布数据(B3、B4)中包含的云中，决定目标云。

Description

云观测装置、云观测系统、云观测方法及存储介质
技术领域
本公开涉及云观测装置、云观测系统、云观测方法及程序。
背景技术
以往的云观测主要使用卫星。卫星由于从上空观测云，因此无法得到地面附近的云的细致的分布。因此，也无法掌握地面的日照量及日照时间。
作为替代卫星的手段，已知使用设置于地面的全天相机。例如在专利文献1中有如下记载：由1个全天相机对天空摄像并取得不同的时刻的全天图像，并对全天图像中映现的相同的云的移动进行追踪，从而决定云的速度及云流动的方向。
在专利文献2中有如下记载：使用2个全天相机，计算处于距2个全天相机的距离已知的设施的铅直上方的云的高度。
在先技术文献
专利文献
专利文献1:日本实开昭57－160681号公报
专利文献2:日本特开2012－242322号公报
发明内容
本发明所要解决的课题
但是，专利文献1的方法由于云的高度是未知的，因此假定高度，并基于假定的高度计算云的速度等，所以计算结果不能说准确。
另外，专利文献2的方法只能计算处于距相机的距离已知的场所的正上的云的高度。
本公开着眼于这样的课题而做出，其目的在于，提供能够恰当地确定包含高度在内的云的位置的云观测装置、云观测系统、云观测方法及程序。
用于解决课题的手段
本公开的云观测装置具备：
取得部，取得由被配置在位置关系已知的相互不同的位置处的多个全天相机摄像的全天图像；
云分布数据生成部，按每个所述全天图像，生成表现云的分布的云分布数据；
比例尺决定部，对所述云分布数据进行扩大或者缩小，决定使得所述已知的位置关系被维持的状态的评价对象的区域中存在的各个所述云分布数据中的云相互最为重复的比例尺；以及
目标云决定部，从基于所述比例尺被扩大或者缩小的各个所述云分布数据中包含的云中，决定目标云。
像这样，对云分布数据进行扩大或者缩小，决定使得已知的位置关系被维持的状态的评价对象的区域中存在的各个云分布数据中的云最为重复的比例尺，因此能够确定任意的目标云的位置(包含云高度及水平方向的距离)。
附图说明
图1是表示本公开的云观测系统的构成的图。
图2是表示云观测装置的框图。
图3是与云高度低的情况下的全天图像、从相机位置到云的水平方向的距离及云高度、恰当的比例尺的云分布数据相关的说明图。
图4是与云高度高的情况下的全天图像、从相机位置到云的水平方向的距离及云高度、恰当的比例尺的云分布数据相关的说明图。
图5是表示从各全天相机得到的全天图像的图。
图6是表示云分布数据的比例尺比恰当的比例尺小的例子的图。
图7是表示云分布数据的比例尺比恰当的比例尺大的例子的图。
图8表示云分布数据的比例尺是恰当的比例尺的例子，是表示评价对象的区域的图。
图9是与决定云分布数据的比例尺的方法相关的说明图。
图10是与决定评价对象的区域的一个方法相关的说明图。
图11是表示从3个全天相机得到的3个云分布数据的图。
图12是表示基于2个云分布数据被显示的云图像的例子的图。
图13是表示基于3个云分布数据被显示的云图像的例子的图。
图14是与在全天图像中映入了太阳的情况下的问题相关的说明图。
图15是与全天图像中的太阳和云的亮度特性相关的说明图。
图16是与背阴区域的计算相关的说明图。
图17是与指定的陆地的背阴判定相关的说明图。
图18是表示本公开的云观测方法的流程图。
具体实施方式
以下，参照附图说明本公开的一个实施方式。
[云观测系统]
如图1及图2所示，本实施方式的云观测系统1具有多个全天相机10、以及对由各个全天相机10摄像的多个全天图像进行处理的计算机11。
多个全天相机10被配置在位置关系已知的不同的位置。在图1的例子中，配置了2个全天相机10a、10b，但不限定于此。相机的数量只要是2个以上，则能够适宜变更。在图1的例子中，第1全天相机10a被配置在地点(位置)P1，第2全天相机10b被配置在地点(位置)P2。两个地点(位置)P1、P2之间的距离D及方位的关系被预先存储。全天相机10朝向正上对周围360°进行摄像。全天相机10与作为目标的云CL的关系如图3及图4所示，能够利用以北等基准方位作为基准由角度β表示的方位β以及仰角θ表示。从全天相机10(10a、10b)得到的全天图像G1、G2中，中心为正上(仰角90°)，随着从中心朝向图像的端部而仰角θ变小。全天图像G1、G2为：中心成为相机位置，且具有与在水平面上表现云的位置的云的分布相关的信息。
图3以云高度低的情况为例。如同图所示，如果云高度是h1，则从相机的位置P1到云CL的水平方向的距离d1由d1＝h1/tanθ表现。图4是与图3的例子相比云高度较高的例子。如同图所示，如果云高度是h2(h2＞h1)，则从相机的位置P1到云CL的水平方向的距离成为d2(d2＞d1)。但是，如图3及图4所示，即使在云高度不同的情况下，只要从相机的位置P1到云CL的方位β及仰角θ是相同的，则得到的全天图像G1、G2就是相同的。因此，仅通过一个全天图像，无法确定云的位置及高度，与其相伴，根据实际的云的高度所能够观测的范围发生变化。
本实施方式的通过计算机实现的云观测装置11根据多个全天图像确定云的位置及高度。具体而言，如图2所示，云观测装置11具有取得部12、云分布数据生成部13、比例尺决定部14、目标云决定部15a和确定部15b。上述各部12～15通过在具备CPU等处理器11b、存储器11a、各种接口等的计算机11中由处理器11b执行预先被存储在存储器11a中的程序从而使得软件及硬件协同动作来实现。
图2所示的取得部12如图5所示，取得由被配置在位置关系已知的不同的位置P1、P2处的全天相机10(10a、10b)摄像的多个全天图像G3、G4。只要能够从各个全天相机(10a、10b)取得全天图像G3、G4，则通信路径及取得定时是任意的。全天图像G3、G4包含RGB成分，映现着蓝色的天空SK及白色的云CL。
图2所示的云分布数据生成部13基于取得部12所取得的全天图像G3[G4]，如图6所示，按每个全天图像G3[G4]，生成表现云的分布的云分布数据B3[B4]。云分布数据B3[B4]中，中心成为相机的位置P1[P2]，在水平面上表现云CL的位置。具体地，云分布数据生成部13从全天图像中对是云的像素进行识别，生成表示全天图像中的云的分布的云分布数据B3[B4]。在本实施方式中，对全天图像进行二值化，生成值1是云而值0不是云的云分布图像作为云分布数据，但只要是表现云分布，则对图像不作限定。如图6所示，云分布数据B3中云所存在的区域以从左下朝向右上的斜线表示，云分布数据B4中云所存在的区域以从左上朝向右下的斜线表示。
图2所示的比例尺决定部14决定使得包含云的高度在内的云的位置准确的云分布数据B3、B4的比例尺。比例尺决定部14决定使得已知的位置关系被维持的状态的评价对象的区域Ar1中存在的各个云分布数据B3[B4]中的云最为重复的比例尺。具体而言，比例尺决定部14如图6所示，以成为维持已知的位置关系的状态的方式配置各个云分布数据B3、B4。具体而言，以第1云分布数据B3的中心与第2云分布数据B4的中心的位置关系与表示已知的相机位置的数据相符的方式，配置第1云分布数据B3和第2云分布数据B4。接下来，比例尺决定部14对云分布数据B3、B4以中心作为基点进行扩大或者缩小，如图7及图8所示，使云分布数据B3、B4的外缘重复，决定使得评价对象的区域Ar1中存在的云最为重复的比例尺。图8的例子中的评价对象的区域Ar1如在图8的左下部以斜线例示的那样，是各个云分布数据B3、B4重合的范围。图8表示云分布数据B3、B4的比例尺适当的例子。图6表示云分布数据B3、B4的比例尺比适当值小的例子。图7表示云分布数据B3、B4的比例尺比恰当的比例尺大的例子。比例尺决定部14对云分布数据B3、B4进行扩大或者缩小并多次变更比例尺，计算在各个比例尺下评价对象的区域Ar1中存在的云的位置的匹配值。比例尺决定部14探索匹配值最高的比例尺，并决定比例尺。
作为上述的变形例，也可以对云分布数据B3[B4]以作为全天相机位置的中心以外作为基点进行扩大或者缩小，进行偏移以使扩大或者缩小后的各个云分布数据B3[B4]中的全天相机的位置关系与已知的位置关系相符，并决定比例尺。
说明匹配值的计算方法的一例。如图9所示，将评价对象的区域Ar1划分为以矩阵状配置的多个单位区域Ar2。在图中，将某一个单位区域Ar2以斜线例示。按每个单位区域Ar2，计算表示第1云分布数据B3的云的存在与第2云分布数据B4的云的存在是否重复的匹配值。决定全部单位区域的匹配值的合计值最高的比例尺。
具体而言，将一个单位区域Ar2中的云的有无，利用clouldP1 i j、clouldP2 i j这样的变量表示。第1云分布数据B3中的云的有无由clouldP1 ij表现，第2云分布数据B4中的云的有无由clouldP2 i j表现。为了对单位区域Ar2进行区别，由i坐标及j坐标表示。在图9中以黑圆点表示的单位区域Ar2为i＝5，j＝4，云的存在表现为clouldP1 5 4＝0，clouldP25 4＝1。在云存在的情况下，在变量中存放1，在不存在的情况下在变量中存放0。匹配值的合计值score_h能够由下式(1)表现。如果score_h大，则意味着匹配。
[数1]
Figure GDA0003860951250000051
N是i轴上的单位区域的数量(格网数量)。M是j轴上的单位区域的数量(格网数量)。在此，表示单位区域Ar2中的云的存在是否重复的匹配值是{1－|clouldP1 i j－clouldP2 i j|}。
图2所示的目标云决定部15a从基于比例尺被扩大或者缩小的各个云分布数据中包含的云中，决定目标云。决定方法既可以将从用户等的外部指定的云作为目标云，也可以将各个云分布数据中包含的云之中最为重复的云作为同一云，将该同一云作为目标云。
图2所示的确定部15b根据基于比例尺决定部14所决定的比例尺被扩大或者缩小的云分布数据B3、B4、多个全天相机10的位置P1、P2的关系、目标云相对于全天相机10的仰角、以及目标云相对于全天相机10的方位，决定目标云的位置(包含水平面中的坐标位置、高度)。云在水平面中的位置能够利用相机位置的坐标、距云分布数据的中心的距离、以及方位计算。云的高度能够利用距云分布数据的中心的距离及仰角计算。在此，仰角对全天图像的每个像素是已知的，因此既可以计算仰角之后求出以仰角作为自变量的三角函数的值，也可以按每个像素预先存储三角函数的值，不求出仰角而使用所对应的三角函数的值。
像这样，能够确定比例尺，即云高度及从相机到云的水平方向的距离。
在上述中，以匹配2个云分布数据为例进行了说明，但3个以上的云分布数据的匹配也能够利用相同的方法实现。
＜评价对象的区域的变形例＞
图8的例子中的评价对象的区域Ar1如图8的左下部所例示的那样，是各个云分布数据B3、B4重合的范围，但不限定于此。例如，也可以如图10所示，设置对云分布数据B5、B6中包含的多个云朵的配置模式进行识别的配置模式识别部14a(参照图2)。作为配置模式的识别的一例，使用标记算法等，对云朵(bk1～bkj10)进行识别，对各个云朵的中心进行识别，基于连结云朵的中心的直线彼此的角度的关系决定配置模式，判断所决定的配置模式彼此是否相符。在该情况下，如图10所示，评价对象的区域Ar2被设定为包含配置模式相符的云(bk3～5、bk6～bk8)的区域。
像这样，在存在多个云朵的情况下，去除与配置模式不相符的成为噪声的云(bk1～2、bk9～10)，因此能够提高云分布数据的匹配判定的精度。
＜云图像的显示＞
云观测系统1也可以具有：云图像输出部16(参照图2)，基于比例尺被决定的云分布数据B7、B8、B9(参照图11)，输出表示云的分布的云图像(参照图12、图13)。云图像输出部16既可以使显示器显示云图像，也可以构成为向远程的显示器或者计算机输出图像数据。如图11所例示的那样，云分布数据B7是从在相机的位置P1处摄像的全天图像得到的数据，云分布数据B8是从在相机的位置P3处摄像的全天图像得到的数据，云分布数据B9是从在相机的位置P2处摄像的全天图像得到的数据。各个云分布数据中的圆记号表示云存在。
＜云图像的显示方式＞
另外，薄的云或高度低的云等有时不映现在多个全天图像中，而仅映现在一个全天图像中。可以想到，知晓映现在多个全天图像中的云的存在不仅是有用的，有时知晓这样的云的存在也是有用的。
于是，如图12及图13所示，针对与多个云分布数据不匹配且在单一的云分布数据中存在的云、和与多个云分布数据匹配的云，变更显示方式是有用的。这是为了易于观察。图12表示基于2个云分布数据B7、B8的云图像。在图12的例子中，多个云分布数据包含第1云分布数据B7、以及1个第2云分布数据B8。第1云分布数据B7中包含的云包括：与第2云分布数据B8匹配的第1云C1、以及与第2云分布数据B8不匹配的第2云C 2。云图像输出部16以第1云C1与第2云C 2的显示方式不同的方式输出云图像。在图12的例子中，为了便于说明，第1云C1以具有叉号的圆表现，第2云C 2以没有叉号的圆表现，但显示方式能够适宜变更。例如也可以使颜色、浓度不同。
图13表示基于3个云分布数据B7、B8、B9的云图像。在基于3个以上的云分布数据显示云图像的情况下，与匹配的云分布数据的数量相应地变更第1云C1的显示方式是有用的。即，在图13的例子中，多个云分布数据包含第1云分布数据B7、以及多个第2云分布数据B8、B9。第1云分布数据B7中包含的云包括：与多个第2云分布数据B8、B9匹配的第1云C1、以及与多个第2云分布数据B8、B9不匹配的第2云C 2。云图像输出部16以第1云C1与第2云C 2的显示方式不同的方式输出云图像。进而，第1云C1以与匹配的第2云分布数据的数量相应的显示方式被显示。第1云C1具有与3个云分布数据匹配的云C10、以及与2个云分布数据匹配的云C11。在图13中，为了便于说明，与3个云分布数据匹配的云C10以黑圆点表示，与2个云分布数据匹配的云C11以具有叉号的圆表现。
＜云的识别＞
在云分布数据生成部13生成云分布数据时，需要对全天图像中映现的云进行识别。在本实施方式中，如图2所示，设置了云判定部13a，但不限定于此，也可以采用其他云判定算法。
说明用于判定云与天空的算法。设为亮度值255是白，亮度值0是黑。作为本发明人们研究的结果发现：云的蓝色成分的亮度值及红色成分的亮度值都成为0～255的值，天空的蓝色成分的亮度值成为0～255的值，但天空的红色成分的亮度成为0或者大致成为0。即，在蓝色成分的亮度与红色成分的亮度之差大的情况下，能够判定为天空，在两者之差小的情况下能够判定为云。
于是，在本实施方式中，设置针对构成全天图像的多个图像基于像素的亮度判定是否为云的云判定部13a。具体而言，云判定部13a在从蓝色成分的亮度减去红色成分的亮度而得到的差值小于规定阈值的情况下，判定为该像素是云，在所述差值为规定阈值以上的情况下，判定为该像素不是云。
＜太阳的去除＞
另外，如图14所示，在全天图像中映现了太阳的情况下，太阳也与云同样以无彩色映现，因此通过云判定部13a的识别方法，有可能错误判定为云。于是，在图2所示的实施方式中，具有太阳判定部13b和太阳去除部13c。太阳判定部13b基于规定的条件，从构成所述全天图像的多个像素中判定映现了太阳的像素。太阳去除部13c从云判定部13a判定为云的像素中，去除太阳判定部13b判定为太阳的像素。
作为用于判定太阳的第1方法，如果利用天文学，则利用如下情况：基于相机位置(纬度经度)及摄像的日期时间，能够确定在全天图像中映入的像素的位置。因此，太阳判定部13b基于相机位置及摄像的日期时间对是太阳的像素进行判定。
作为用于判定太阳的第2方法，利用太阳及云的亮度特性的差异。在图15的上部，表示映入了太阳的图像、以及该图像中的A点、B点、C点。在同图的下部，表示从A点经过B点到C点的直线部的亮度值的分布。在作为太阳的中心的A点成为最大的亮度，越从中心远离，亮度值逐渐变小。作为云与太阳的亮度值的分布的差异，从作为太阳的中心的A点到作为天空部分的B点呈现出一定的亮度的减少，从映现了云的B点到C点由于光的反射、云的凹凸，呈现出亮度值的增减(脉动)。因此，利用该亮度值的差异来判定是否为太阳。
具体而言，太阳判定部13b将全天图像中的从亮度最大的像素群的中心(A点)以放射状扩展、随着从中心(A点)远离而亮度无脉动地渐减而且直到亮度的脉动开始为止的区域，判定为太阳。
＜云速度计算＞
为了计算云的速度，如图2所示，也可以在云观测系统1中设置云信息存储部17a、以及云速度计算部17b。云信息存储部17a是以时序存储确定部15b所确定的云的位置及高度的数据库。云速度计算部17b基于云信息存储部17a中存储的云的位置及高度中的至少1个的时间变化率，计算云的移动速度。
＜背阴区域的计算＞
为了计算背阴的区域，如图2所示，也可以设置太阳光信息取得部18a、以及背阴区域计算部18b。如图16所示，太阳光信息取得部18a取得太阳光的朝向SD。太阳光的朝向SD能够由相对于地面的仰角θ及方位β表现。太阳光信息取得部18a能够基于日期时间计算或者从外部取得太阳光的朝向SD。背阴区域计算部18b基于确定部15b所确定的云的位置CL＿xy(纬度经度、坐标)及高度CL＿h、以及太阳光的朝向SD，计算陆地的背阴区域Sh＿Ar。
＜指定的陆地的背阴判定＞
为了判定所指定的陆地是否背阴，如图2所示，也可以设置太阳光信息取得部18a、以及背阴判定部18c。如图17所示，背阴判定部18c基于确定部15b所确定的云的位置CL＿xy及高度CL＿h、太阳光的朝向SD、以及陆地的位置LA＿xy及高度LA＿h，计算表示所指定的陆地是否背阴的信息。
[云观测方法]
关于上述云观测系统1执行的确定云的位置及高度的方法，参照图18进行说明。
首先，在步骤ST1中，取得部12如图5所示，取得由被配置在位置关系已知的相互不同的位置P1、P2处的多个全天相机10摄像的多个全天图像G3、G4。
在下一步骤ST2中，云分布数据生成部13如图6所示，基于全天图像G3、G4，按每个全天图像生成表现云的分布的云分布数据B3、B4。
在下一步骤ST3中，比例尺决定部14如图6、图7及图8所示，对云分布数据B3、B4进行扩大或者缩小，决定使得已知的位置关系被维持的状态的评价对象的区域Ar1中存在的各个云分布数据B3、B4中的云最为重复的比例尺。图8表示比例尺被决定的云分布数据B3、B4。
在下一步骤ST4中，目标云决定部15a从基于比例尺被扩大或者缩小的各个云分布数据B3、B4中包含的云中，决定目标云。
在下一步骤ST5中，确定部15b根据基于比例尺被扩大或者缩小的云分布数据B3、B4、多个全天相机10的位置P1、P2的关系、目标云相对于全天相机10的仰角θ、以及目标云相对于全天相机10的方位β，确定目标云的位置(包含高度)。
如上，本实施方式的云观测装置11具备：
取得部12，取得由被配置在位置关系已知的相互不同的位置P1、P2处的多个全天相机10摄像的全天图像G3、G4；
云分布数据生成部13，按每个全天图像，生成表现云的分布的云分布数据B3、B4；
比例尺决定部14，对所述云分布数据B3、B4进行扩大或者缩小，决定使得已知的位置关系被维持的状态的评价对象的区域Ar1中存在的云相互最为重复的比例尺；以及
目标云决定部15a，从基于比例尺被扩大或者缩小的各个云分布数据B3、B4中包含的云中，决定目标云。
像这样，对云分布数据B3、B4进行扩大或者缩小，决定使得已知的位置关系被维持的状态的评价对象的区域Ar1中存在的云最为重复的比例尺，因此能够确定任意的目标云的位置(包含云高度及水平方向的距离)。
在本实施方式中，还具备：确定部15b，根据基于比例尺被扩大或者缩小的云分布数据B3、B4、多个全天相机10的位置P1、P2的关系、目标云相对于全天相机10的仰角θ、以及目标云相对于全天相机10的方位β，确定目标云的位置(包含高度)。
根据该构成，能够计算目标云的位置(包含高度)。
在本实施方式中，比例尺决定部14对云分布数据B3、B4，以全天相机的位置P1、P2作为基点进行扩大或者缩小。作为用于决定比例尺的一个实施方式是优选的。
在本实施方式中，比例尺决定部14对云分布数据B3、B4，以全天相机的位置P1、P2以外作为基点进行扩大或者缩小，进行偏移以使扩大或者缩小后的各个云分布数据B3、B4中的全天相机的位置关系与已知的位置关系相符。作为用于决定比例尺的一个实施方式是优选的。
在图8所示的实施方式中，评价对象的区域Ar1是各个云分布数据B3、B4重合的范围。
根据该构成，能够易于设定评价对象的区域Ar1。
在图9所示的实施方式中，具备：配置模式识别部14a，确定云分布数据B5、B6中包含的多个云朵(bk1～10)的配置模式，
评价对象的区域Ar1是包含配置模式相符的云的区域。
根据该构成，在存在多个云朵的情况下，去除与配置模式不相符的成为噪声的云(bk1～2、bk9～10)，因此能够提高云分布数据的匹配判定的精度。
在图9所示的实施方式中，将评价对象的区域Ar1划分为以矩阵状配置的多个单位区域Ar2，按每个单位区域Ar2，计算表示云的存在是否重复的匹配值{1－|clouldP1 i j－clouldP2 i j|}，决定使得全部单位区域的匹配值的合计值score_h最高的比例尺。
根据该构成，不是根据一部分区域的匹配值，而是根据评价对象的区域Ar1整体的匹配值判断是否匹配，因此即使在包含噪声的情况下也能够进行平滑的判断。
在图1、图12及图13所示的实施方式中，具备：云图像输出部16，基于比例尺被决定的云分布数据B7、B8、B9，输出表示云的分布的云图像。
根据该构成，云的观测结果能够以视觉被识别，因此用户易于理解。
在图12及图13所示的实施方式中，多个云分布数据包含第1云分布数据B7、以及1个或者多个第2云分布数据B8、B9，
第1云分布数据B7中包含的云包括：与1个或者多个第2云分布数据B8、B9中的至少1个匹配的第1云C1、以及与1个或者多个第2云分布数据B8、B9不匹配的第2云C 2，
第1云C1与第2云C 2的显示方式不同。
根据该构成，能够识别是从多个相机位置观测到的云、还是从单一的相机位置观测到的云，因此是有用的。
在图13所示的实施方式中，第1云C1以与匹配的第2云分布数据的数量相应的显示方式被显示。
根据该构成，能够识别观测到的相机的数量，因此是有用的。
在本实施方式中，具备：云判定部13a，针对构成全天图像的多个像素，在从蓝色成分的亮度减去红色成分的亮度而得到的差值小于规定阈值的情况下，将该像素判定为云，在所述差值为所述规定阈值以上的情况下，将该像素判定为不是云。
根据该构成，使用了天空及云的亮度特性，因此能够提高判定为云的精度。
在本实施方式中，具备：太阳判定部13b，基于规定的条件，从构成全天图像的多个像素中判定映现了太阳的像素；以及
太阳去除部13c，从云判定部13a判定为云的像素中，去除太阳判定部13b判定为太阳的像素。
根据该构成，即使在全天图像中映入了太阳的情况下，也能够抑制或者防止云的误识别，能够提高判定为云的精度。
在图15所示的本实施方式中，太阳判定部13b将全天图像中的从亮度最大的像素群的中心(A点)以放射状扩展、随着从中心远离而亮度无脉动地渐减而且直到亮度的脉动开始为止的区域，判定为太阳。
根据该构成，利用了云与太阳的亮度特性的差异，因此能够恰当地识别太阳。
在本实施方式中，太阳判定部13b基于相机位置及摄像的日期时间对是太阳的像素进行判定。
根据该构成，能够通过计算来简洁地进行太阳的判定。
在本实施方式中，具备：云信息存储部17a，以时序存储确定部15b所确定的云的位置及高度；以及云速度计算部17b，基于云信息存储部17a中存储的云的位置及高度中的至少1个的时间变化率，计算云的移动速度。
根据该构成，能够计算云的速度、即云的高度下的风速。
在图1及图16所示的实施方式中，具备：太阳光信息取得部18a，取得太阳光的朝向SD；以及背阴区域计算部18b，基于确定部15所确定的云的位置CL＿xy及高度CL＿h、以及太阳光的朝向SD，计算陆地的背阴区域Sh＿Ar。
根据该构成，能够基于指定的参数，确定背阴区域Sh＿Ar。
在图1及图17所示的实施方式中，具备：太阳光信息取得部18a，取得太阳光的朝向SD；以及
背阴判定部18c，基于确定部15b所确定的云的位置CL＿xy及高度CL＿h、太阳光的朝向SD、以及陆地的位置LA＿xy及高度LA＿h，计算表示所指定的陆地是否背阴的信息。
根据该构成，能够确定所指定的陆地是否背阴。
本实施方式所涉及的云观测系统1具备被配置在相互不同的位置处的多个全天相机10、以及上述的云观测装置11。
本实施方式所涉及的云观测方法中，
取得由被配置在位置关系已知的相互不同的位置P1、P2处的多个全天相机10摄像的全天图像G3、G4，
按每个全天图像，生成表现云的分布的云分布数据B3、B4，
对云分布数据B3、B4进行扩大或者缩小，决定使得已知的位置关系被维持的状态的评价对象的区域Ar1中存在的各个云分布数据B3、B4中的云最为重复的比例尺，
从基于比例尺被扩大或者缩小的各个云分布数据B3、B4中包含的云中，决定目标云。
根据该方法，也能够得到上述云观测装置所具有的效果。
本实施方式所涉及的程序是使计算机执行上述方法的程序。
以上，基于附图关于本公开的实施方式进行了说明，但具体性的构成应该理解为不限定于这些实施方式。本公开的范围不仅通过上述的实施方式的说明而且通过权利要求书表示，还包含与权利要求书等同的含义及范围内的全部变更。
例如，权利要求书、说明书及附图中表示的装置、系统、程序及方法中的动作、次序、步骤及阶段等的各处理的执行顺序，只要不是在之后的处理中使用之前的处理的输出，就能够以任意的顺序实现。关于权利要求书、说明书及附图中的流程，即使为了方便而使用“首先”、“接下来”等进行了说明，也不意味着必须以该顺序执行。
例如，图2所示的各部12、13、14、15a、15b、16、13a、13b、13c、14a、17a、17b、18a、18b、18c通过由计算机的CPU执行规定程序来实现，但也可以由专用存储器、专用电路构成各部。
本实施方式的云观测系统1在一个计算机11中安装了各部12、13、14、15a、15b、16、13a、13b、13c、14a、17a、17b、18a、18b、18c，但也可以使各部10～15分散地在多个计算机、云中安装。
能够将上述的各实施方式中采用的构造用于其他任意的实施方式。在图1中，为了便于说明，安装了各部12、13、14、15a、15b、16、13a、13b、13c、14a、17a、17b、18a、18b、18c，但能够任意地省略它们的一部分。例如，能够举出安装各部12～14的实施方式。
各部的具体性的构成不是仅限定于上述的实施方式，能够在不脱离本公开的主旨的范围内进行各种变形。
附图标记说明：
12……取得部
13……云分布数据生成部
13a……云判定部
13b……太阳判定部
13c……太阳去除部
14……比例尺决定部
14a……配置模式识别部
15a……目标云决定部
15b……确定部
16……云图像输出部
17a……云信息存储部
17b……云速度计算部
18a……太阳光信息取得部
18b……背阴区域计算部
18c……背阴判定部
Ar1……评价对象的区域
Ar2……单位区域
用语：
不一定是全部的目的或者效果/优点都能够依照本说明书中记载的任意的特定实施方式达成。因此，例如本领域技术人员能够想到：特定实施方式能够构成为以达成或优化如本说明书中教导的1个或者多个效果/优点的方式动作，而不一定能够达成如本说明书中教导或者启示的其他目的或者效果/优点。
本说明书中记载的全部处理能够通过由包含1个或者多个计算机或者处理器的计算系统执行的软件代码模块具体实现，并完全自动化。代码模块能够存储于任意类型的非易失性的计算机可读介质或者其他计算机存储装置。一部分或者全部方法能够利用专用的计算机硬件具体实现。
除了本说明书中记载的方式以外，还有很多其他变形例，这根据本公开是显然的。例如，按照实施方式，本说明书中记载的算法的任一个特定动作、事件或者功能能够以不同的时序执行，能够追加、合并或者完全排除(例如，不是说所描述的全部行为或者事象都是算法的执行所必须的)。进而，在特定实施方式中，动作或者事件例如通过多线程处理、中断处理或者多个处理器或者处理器核心，或者在其他并列体系结构上，能够不是逐次(顺序)地而是并列(并行)地执行。进而，不同的任务或者进程也能够通过可一起发挥功能的不同机器以及/或者计算系统执行。
与本说明书中公开的实施方式相关联地说明的各种例示性逻辑模块及模组能够由处理器等机器实施或者执行。处理器可以是微处理器，但也可以替代于此，处理器是控制器、微控制器或状态机、或者它们的组合等。处理器能够包含以处理计算机可执行命令的方式构成的电气电路。在别的实施方式中，处理器包含专用集成电路(ASIC)、现场可编程逻辑门阵列(FPGA)、或者不处理计算机可执行命令而执行逻辑运算的其他可编程设备。处理器另外还能够作为计算设备的组合、例如数字信号处理器(数字信号处理装置)与微处理器的组合、多个微处理器、与DSP核心组合的1个以上的微处理器、或者任意的其他这样的构成来安装。在本说明书中，主要关于数字技术进行说明，但处理器也能够主要包含模拟元件。例如，本说明书中记载的信号处理算法的一部分或者全部能够通过模拟电路或者模拟与数字的混合电路安装。计算环境包含基于微处理器、主机架计算机、数字信号处理器、便携式计算设备、设备控制器或者装置内的计算引擎的计算机系统，但能够包含不限定于此的任意类型的计算机系统。
只要没有特别注明，“能够”、“能做成”、“可能”或者“有可能性”等带条件的词语应理解为：为了传达“特定实施方式包含特定的特征、要素以及/或者步骤，但其他实施方式不包含”而一般使用的上下文内的含义。因此，这样的带条件的词语一般并不表示：特征、要素以及/或者步骤在1个以上的实施方式中被作为必须的任意的方法、或者1个以上的实施方式必然包含用于决定这些特征、要素以及/或者步骤是否被包含在任意的特定实施方式中或者是否被执行的逻辑。
如词语“X、Y、Z中的至少1个”那样的选择性语言只要没有特别记载，应该在为了表示项目、用语等可以是X、Y、Z中的任一个或者其任意的组合而一般使用的上下文中理解(例：X、Y、Z)。因此，这样的选择性词语一般不表示：特定实施方式需要分别存在的X的至少1个、Y的至少1个或者Z的至少1个中的各个。
本说明书中记载而且/或者在附图中示出的流程图中的任意的进程描述、要素或者模块，应该理解为包含用于安装进程中的特定的逻辑功能或者要素的1个以上可执行命令在内的、潜在地表示模组、段或者代码的一部分的对象。替代的实施方式被包含在本说明书中记载的实施方式的范围内，在此，要素或者功能如本领域技术人员理解的那样，按照所关联的功能性，能够在实质上同时或者以相反的顺序，从图示或者说明的内容中删除、或者以不同顺序执行。
只要没有特别明示，如“一个”这样的数词一般应该解释为：包含1个以上的被描述的项目。因此，“以……方式被设定的一个设备”等语句，意味着包含1个以上的被列举的设备。这样的1个或者多个被列举的设备也能够以执行所记载的引用内容的方式集合性地构成。例如，“以执行以下的A、B及C的方式构成的处理器”，能够包含以执行A的方式构成的第1处理器、以及以执行B及C的方式构成的第2处理器。而且，即使被导入的实施例的具体的数字被明示地列举，本领域技术人员也应该解释为：这样的列举典型地至少意味着被列举的数字(例如，未使用其他修饰语的“列举2个”这样的简单列举通常意味着列举至少2个、或者列举2个以上)。
一般而言，本说明书中使用的用语一般由本领域技术人员判断为意味着“非限定”用语(例如，“包含……”这样的用语应该解释为“不止于此，至少包含……”，“具有……”这样的用语应该解释为“至少具有……”，“包含”这样的用语应该解释为“包含以下，但不限定于此”等)。
为了说明的目的，本说明书中使用的“水平”这样的用语与其方向无关，作为说明的系统被使用的区域的底面的平面或者与表面平行的平面、或者说明的方法被实施的平面来定义。“底面”这样的用语能够与“地面”或者“水面”这样的用语置换。“垂直/铅直”这样的用语指的是与被定义的水平线垂直/铅直的方向。“上侧”、“下侧”、“下”、“上”、“侧面”、“更高”、“更低”、“在上方”、“越过……”“下的”等用语相对于水平面被定义。
本说明书中使用的用语中“附着”、“连接”、“成对”及其他关联用语只要没有特别注释，应该解释为包含可拆卸、可移动、固定、可调节、及/或可拆卸的连接或者连结。连接/连结包含直接连接以及/或者具有所说明的2个构成要素之间的中间构造的连接。
只要没有特别明示，本说明书中使用的像“大约”、“大致”及“实质上”这样的用语之后的数字包含被列举的数字，另外，进而表示与执行所期望的功能或者达成所期望的结果的被记载的量相近的量。例如，“大约”、“大致”及“实质上”只要没有特别明示，指的是小于被记载的数值的10％的值。如本说明书中使用的那样，“大约”、“大致”及“实质上”等用语之后公开的实施方式的特征，进而表示执行所期望的功能或者达成关于该特征所期望的结果的若干个具有可变性的特征。
在上述的实施方式中，能够追加很多变形例及修正例，这些要素应该理解为包含在其他能够允许的例子之中。像这样全部修正及变形都意图包含在本公开的范围内，通过以下的权利要求书保护。

Claims (19)

1.一种云观测装置，具备：
取得部，取得由被配置在位置关系已知的相互不同的位置处的多个全天相机分别摄像的全天图像；
云分布数据生成部，按每个所述全天图像，生成表现云的分布的云分布数据；
比例尺决定部，对多个所述云分布数据进行扩大或者缩小以决定比例尺，该比例尺是扩大或者缩小的比例，而且该比例尺使得所述已知的位置关系被维持的状态的评价对象的区域中存在的各个所述云分布数据中的云相互最为重复；
目标云决定部，从基于所述比例尺被扩大或者缩小的各个所述云分布数据中包含的云中，决定目标云；以及
确定部，根据基于所述比例尺被扩大或者缩小的所述云分布数据、所述多个全天相机的位置关系、目标云相对于所述全天相机的仰角、以及所述目标云相对于所述全天相机的方位，确定所述目标云的位置。
2.如权利要求1所述的云观测装置，
所述比例尺决定部对所述云分布数据，以所述全天相机的位置作为基点进行扩大或者缩小。
3.如权利要求1所述的云观测装置，
所述比例尺决定部对所述云分布数据，以所述全天相机的位置以外作为基点进行扩大或者缩小，进行偏移以使扩大或者缩小后的各个所述云分布数据中的所述全天相机的位置关系与所述已知的位置关系相符。
4.如权利要求1所述的云观测装置，
所述评价对象的区域是所述各个云分布数据重合的范围。
5.如权利要求1所述的云观测装置，具备：
配置模式识别部，对所述云分布数据中包含的多个云朵的配置模式进行识别，
所述评价对象的区域是包含所述配置模式相符的云的区域。
6.如权利要求1所述的云观测装置，
将所述评价对象的区域划分为以矩阵状配置的多个单位区域，按每个单位区域，计算表示云的存在是否重复的匹配值，决定使得全部单位区域的匹配值的合计值最高的所述比例尺。
7.如权利要求1所述的云观测装置，具备：
云图像输出部，基于所述比例尺被决定的云分布数据，输出表示云的分布的云图像。
8.如权利要求7所述的云观测装置，
所述多个云分布数据包含第1云分布数据、以及1个或者多个第2云分布数据，
所述第1云分布数据中包含的云包括：与所述1个或者多个第2云分布数据中的至少1个匹配的第1云、以及与所述1个或者多个第2云分布数据不匹配的第2云，
所述第1云与所述第2云的显示方式不同。
9.如权利要求8所述的云观测装置，
所述第1云以与匹配的所述第2云分布数据的数量相应的显示方式被显示。
10.如权利要求1所述的云观测装置，具备：
云判定部，针对构成所述全天图像的多个像素，在从蓝色成分的亮度减去红色成分的亮度而得到的差值小于规定阈值的情况下，将该像素判定为云，在所述差值为所述规定阈值以上的情况下，将该像素判定为不是云。
11.如权利要求10所述的云观测装置，具备：
太阳判定部，基于规定的条件，从构成所述全天图像的多个像素中，判定映现了太阳的像素；以及
太阳去除部，从所述云判定部判定为云的像素中，去除所述太阳判定部判定为太阳的像素。
12.如权利要求11所述的云观测装置，
所述太阳判定部将所述全天图像中的从亮度最大的像素群的中心以放射状扩展、随着从中心远离而亮度无脉动地渐减而且直到亮度的脉动开始为止的区域，判定为太阳。
13.如权利要求11所述的云观测装置，
所述太阳判定部基于相机位置及摄像的日期时间，对是太阳的像素进行判定。
14.如权利要求1所述的云观测装置，具备：
云信息存储部，以时序存储所述确定部所确定的云的位置及高度；以及
云速度计算部，基于所述云信息存储部中存储的云的位置及高度中的至少1个的时间变化率，计算云的移动速度。
15.如权利要求1所述的云观测装置，具备：
太阳光信息取得部，取得太阳光的朝向；以及
背阴区域计算部，基于所述确定部所确定的云的位置及高度、以及所述太阳光的朝向，计算陆地的背阴区域。
16.如权利要求1所述的云观测装置，具备：
太阳光信息取得部，取得太阳光的朝向；以及
背阴判定部，基于所述确定部所确定的云的位置及高度、所述太阳光的朝向、以及陆地的位置及高度，计算表示所指定的所述陆地是否背阴的信息。
17.一种云观测方法，
由被配置在位置关系已知的相互不同的位置处的多个全天相机摄像多个全天图像，
由计算机取得所述多个全天图像，
由计算机按每个所述全天图像，生成表现云的分布的云分布数据，
由计算机对多个所述云分布数据进行扩大或者缩小以决定比例尺，该比例尺是扩大或者缩小的比例，而且该比例尺使得所述已知的位置关系被维持的状态的评价对象的区域中存在的各个所述云分布数据中的云最为重复，
由计算机从基于所述比例尺被扩大或者缩小的各个所述云分布数据中包含的云中，决定目标云，
根据基于所述比例尺被扩大或者缩小的所述云分布数据、所述多个全天相机的位置关系、目标云相对于所述全天相机的仰角、以及所述目标云相对于所述全天相机的方位，确定所述目标云的位置。
18.一种云观测系统，具备：
被配置在相互不同的位置处的多个全天相机；以及
如权利要求1至权利要求16中任一项权利要求所述的云观测装置。
19.一种存储有使计算机执行如权利要求17所述的云观测方法的程序的存储介质。
CN201980040829.5A 2018-06-19 2019-05-14 云观测装置、云观测系统、云观测方法及存储介质 Active CN112292620B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2018-116470 2018-06-19
JP2018116470 2018-06-19
PCT/JP2019/019019 WO2019244510A1 (ja) 2018-06-19 2019-05-14 雲観測装置、雲観測システム、雲観測方法、及びプログラム

Publications (2)

Publication Number Publication Date
CN112292620A CN112292620A (zh) 2021-01-29
CN112292620B true CN112292620B (zh) 2023-06-06

Family

ID=68983543

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980040829.5A Active CN112292620B (zh) 2018-06-19 2019-05-14 云观测装置、云观测系统、云观测方法及存储介质

Country Status (5)

Country Link
US (1) US20210110565A1 (zh)
EP (1) EP3812800A4 (zh)
JP (1) JP6947927B2 (zh)
CN (1) CN112292620B (zh)
WO (1) WO2019244510A1 (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7261861B2 (ja) * 2019-03-06 2023-04-20 古野電気株式会社 雲観測装置、雲観測方法、及びプログラム
WO2020241130A1 (ja) * 2019-05-29 2020-12-03 古野電気株式会社 情報処理システム、方法、及びプログラム
JPWO2021235155A1 (zh) * 2020-05-20 2021-11-25
JPWO2022034764A1 (zh) 2020-08-12 2022-02-17
CN112731569B (zh) * 2020-12-24 2022-07-12 中国极地研究中心 基于恒星辐射光谱及通量的全天空成像仪辐射定标方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013105244A1 (ja) * 2012-01-12 2013-07-18 株式会社日立製作所 影位置予測システム及び影位置予測方法
CN103472501A (zh) * 2013-09-06 2013-12-25 中国气象科学研究院 云检测及全天空总云量检测方法和系统
CN103513295A (zh) * 2013-09-25 2014-01-15 青海中控太阳能发电有限公司 一种基于多相机实时拍摄与图像处理的天气监测系统与方法
WO2015160604A1 (en) * 2014-04-17 2015-10-22 Siemens Aktiengesellschaft Short term cloud coverage prediction using ground-based all sky imaging
CN107917880A (zh) * 2017-11-06 2018-04-17 中国科学院寒区旱区环境与工程研究所 一种基于地基云图的云底高度反演方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS57160681U (zh) * 1981-04-03 1982-10-08
AU2002236415A1 (en) * 2002-01-22 2003-09-04 National University Of Singapore Method for producing cloud free, and cloud-shadow free, images
JP5486298B2 (ja) * 2009-12-28 2014-05-07 キヤノン株式会社 画像処理装置および画像処理方法
US8594375B1 (en) * 2010-05-20 2013-11-26 Digitalglobe, Inc. Advanced cloud cover assessment
JP2012242322A (ja) * 2011-05-23 2012-12-10 Kansai Electric Power Co Inc:The 空中物位置測定装置、空中物位置測定システム及び空中物位置測定方法
JP6387986B2 (ja) * 2016-02-26 2018-09-12 三菱電機株式会社 光学望遠鏡の観測計画作成支援装置およびシステム
WO2017193172A1 (en) * 2016-05-11 2017-11-16 Commonwealth Scientific And Industrial Research Organisation "solar power forecasting"

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013105244A1 (ja) * 2012-01-12 2013-07-18 株式会社日立製作所 影位置予測システム及び影位置予測方法
CN103472501A (zh) * 2013-09-06 2013-12-25 中国气象科学研究院 云检测及全天空总云量检测方法和系统
CN103513295A (zh) * 2013-09-25 2014-01-15 青海中控太阳能发电有限公司 一种基于多相机实时拍摄与图像处理的天气监测系统与方法
WO2015160604A1 (en) * 2014-04-17 2015-10-22 Siemens Aktiengesellschaft Short term cloud coverage prediction using ground-based all sky imaging
CN107917880A (zh) * 2017-11-06 2018-04-17 中国科学院寒区旱区环境与工程研究所 一种基于地基云图的云底高度反演方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
《Automatic cloud classification of whole sky images》;A. Heinle etal;《Atmospheric Measurement Techniques》;20100331;第3卷(第3期);560-566页 *
《Cloud-Base-Height Estimation from Paired Ground-Based Hemispherical Observations》;EVGUENI KASSIANOV etal;《JOURNAL OF APPLIED METEOROLOGY》;20050831;第44卷(第8期);1221-1233页 *
《Intra-hour forecasting with a total sky imager at the UC San Diego solar energy testbed》;Chi Wai Chow etal;《Solar Energy》;20110819;第85卷(第11期);2881-2893页 *
《Stereographic methods for cloud base height determination using two sky imagers》;Dung (Andu) Nguyen etal;《Solar Energy》;20140930;第107卷;496-509页 *

Also Published As

Publication number Publication date
EP3812800A1 (en) 2021-04-28
EP3812800A4 (en) 2022-04-06
CN112292620A (zh) 2021-01-29
WO2019244510A1 (ja) 2019-12-26
JP6947927B2 (ja) 2021-10-13
US20210110565A1 (en) 2021-04-15
JPWO2019244510A1 (ja) 2021-06-24

Similar Documents

Publication Publication Date Title
CN112292620B (zh) 云观测装置、云观测系统、云观测方法及存储介质
CN112793564B (zh) 一种基于全景鸟瞰图和深度学习的自主泊车辅助系统
CN110832501B (zh) 用于姿态不变面部对准的系统和方法
US9547935B2 (en) Method and a system for building a three-dimensional model from satellite images
CN111080526B (zh) 航拍图像的农田面积的测算方法、装置、设备及介质
US11989907B2 (en) Cloud observation device, cloud observation method, and program
US20220198721A1 (en) Method, apparatus, and computer program product for training a signature encoding module and a query processing module using augmented data
CN114494905B (zh) 基于卫星遥感图像的建筑物的识别和建模方法和装置
CN107742276A (zh) 一种基于无人机遥感图像机载一体化快速处理系统和方法
CN112348885A (zh) 视觉特征库的构建方法、视觉定位方法、装置和存储介质
Zingoni et al. Real-time 3D reconstruction from images taken from an UAV
WO2021042552A1 (zh) 区域三维重建方法、装置及计算机可读存储介质
US20220084242A1 (en) Information processing system, method, and program
US20240193987A1 (en) Face liveness detection method, terminal device and non-transitory computer-readable storage medium
US20230177803A1 (en) Cloud observation system, cloud observation method, and computer-readable recording medium
US12067727B2 (en) Visibility determination system, visibility determination method, and non-transitory computer-readable medium
CN107843240B (zh) 一种海岸带区域无人机影像同名点信息快速提取方法
CN114119760B (zh) 机动车定位方法和装置、电子设备和存储介质
CN109919998A (zh) 卫星姿态确定方法、装置和终端设备
CN111052062A (zh) 位置校正装置和位置校正方法
WO2022209583A1 (ja) 情報処理装置、情報処理方法、およびプログラム
JP2023069619A (ja) 雲位置算出システム、雲位置算出方法、及びプログラム
Sorgi et al. Color-coded pattern for non metric camera calibration
CN118379472A (zh) 基于深度学习的安全壳外观采集设备自动定向方法及设备
CN114418881A (zh) 图像处理方法、装置、电子设备及存储介质

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