CN112562419A - 一种基于离线多目标跟踪的天气规避区划设方法 - Google Patents
一种基于离线多目标跟踪的天气规避区划设方法 Download PDFInfo
- Publication number
- CN112562419A CN112562419A CN202011210672.7A CN202011210672A CN112562419A CN 112562419 A CN112562419 A CN 112562419A CN 202011210672 A CN202011210672 A CN 202011210672A CN 112562419 A CN112562419 A CN 112562419A
- Authority
- CN
- China
- Prior art keywords
- weather
- weather avoidance
- contour
- avoidance area
- area
- 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
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0073—Surveillance aids
- G08G5/0091—Surveillance aids for monitoring atmospheric conditions
-
- 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
- G01S13/953—Radar or analogous systems specially adapted for specific applications for meteorological use mounted on aircraft
-
- 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
- G01S13/958—Theoretical aspects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/003—Flight plan management
-
- 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)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Atmospheric Sciences (AREA)
- Image Analysis (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及空中交通管理领域,具体涉及一种基于离线多目标跟踪的天气规避区划设方法,包括:首先,进行天气规避区静态识别:天气规避数据提取;图片二值化及轮廓提取;天气规避区轮廓聚类;凸多边形生成及合并。其次,进行天气规避区动态修正:凸多边形关联和修正。相比于现有技术,本发明在对多维数值气象数据图像化处理基础上,首先综合利用DBSCAN聚类和聚合聚类算法静态识别天气规避区,再结合离线多目标跟踪技术,通过追踪天气规避区的演变趋势对异常天气规避区进行修正,确保天气规避区在形态变化上的时空连续性,实现对天气规避区的精准动态划设,有效提高管制员量化评估天气对航空运行的影响的准确性和动态规划管制引导路径的鲁棒性。
Description
技术领域
本发明涉及空中交通管理技术领域,尤其涉及一种基于离线多目标跟踪的天气规避区划设方法。
背景技术
天气规避区是指当航路或空域受天气影响而无法正常使用时,为保障航班安全飞行而在陆地或海洋上空临时划定的在规定时间内航空器禁止飞行的空域。天气规避区是一个自动生成的多边形,其边界被认为是飞行员可能跟随飞行的雷暴边界。划设天气规避区是恶劣天气条件下有效评估空域通行能力和规划航空器改航路径的重要前提。动态性是天气规避区的固有属性。天气规避区的形状、大小、位置以及其包围区域天气强度等要素都会随时间的变化而改变。出于安全因素的考虑,航班改航通常从侧向绕过天气规避区。因此,天气规避区通常以二维方式表示,不考虑高度信息,即天气规避区范围内各高度层均禁用,不考虑从上方或下方飞越该区域。天气规避区划设的基础是航空气象部门提供的天气预报产品。现有天气规避区划设方法都依赖多源精细化的气象信息。现实情况下,大多数发展中国家的天气预报产品都难以提供多源精细化的气象信息,导致划设的天气规避区较为笼统,失真较大且缺少一定实际意义。另外,现有天气规避区多是根据同一时刻的气象预报信息生成,只在短时段内具备较高的精确性,无法确保时间相邻的天气规避区之间的空间连续性,鲁棒性弱,难以为后续应用提供有效支撑。因此,如何结合发展中国家如以中国的天气预报系统发展实际,利用单一气象信息源,综合考虑天气覆盖区域变化的时空连续性,设计一种鲁棒性更强的天气规避区划设方法具有重要的现实意义。
查阅国内外相关资料,尚未发现基于单一气象信息源,采用离线多目标跟踪技术利用天气覆盖区域形态动态变化趋势信息进行天气规避区划设的方法。
发明内容
针对上述问题,本发明的目的在于提供一种改进天气规避区时空连续性的精准划设天气规避区的自动化方法。
一种基于离线多目标跟踪的天气规避区划设方法,包括以下步骤:
步骤1,获取雷达回波图后,根据所述雷达回波图对天气规避区进行静态识别;具体的,本发明中,对航空气象部门按时间间隔Ts提供的预报雷达回波图进行遍历处理,确定反射率等级≥41dBZ的像素点,定义为天气规避像素点,所述时间间隔Ts通常取5 分钟。
步骤2,对所述天气规避区进行动态修正,输出所述天气规避区的划设结果。
进一步地,在一种实现方式中,所述步骤1包括:
步骤1.1,从所述雷达回波图中提取天气规避数据,所述天气规避数据包括天气规避像素点和天气像素点对应的经纬度坐标:
对所述雷达回波图进行遍历处理,将所述雷达回波图中反射率等级大于或等于预设反射率阈值的像素点定义为天气规避像素点,同时根据雷达所在位置的经纬度坐标以及所述雷达回波图的分辨率,确定每个所述天气规避像素点对应的经纬度坐标;
步骤1.2,根据所述天气规避数据,对所述雷达回波图二值化并提取天气规避区轮廓:
对所述雷达回波图进行二值化处理,凸显天气规避部分并灰度化背景后,获得天气规避区;提取所有所述雷达回波图中天气规避区的轮廓,并对所述所有雷达回波图中天气规避区的轮廓进行多边形逼近,获得所述天气规避区轮廓,输出天气规避区轮廓集合;
步骤1.3,根据所述天气规避区轮廓集合进行天气规避区轮廓聚类:
预设三个参数阈值,结合DBSCAN算法对天气规避区轮廓进行聚类,得到天气规避区轮廓聚类簇;所述三个参数阈值包括:轮廓面积阈值、邻域半径阈值和轮廓密度阈值,所述轮廓面积阈值即最小轮廓面积,所述轮廓密度阈值即邻域半径范围之内相交的最少轮廓数;
步骤1.4,根据所述天气规避区轮廓聚类簇生成并合并凸多边形:
将每个所述天气规避区轮廓聚类簇中的所有天气规避区轮廓套入一个凸包中,根据所述三个参数阈值自动生成一系列凸多边形;采用聚合聚类算法,将所述一系列凸多边形作为样本进行合并,生成一系列新的凸多边形,每个所述新的凸多边形的包围区域对应一个天气规避区。
进一步地,在一种实现方式中,所述步骤1.3,包括以下步骤:
步骤1.3.1,输入所述天气规避区轮廓集合;
步骤1.3.2,遍历所述天气规避区轮廓集合中的所有天气规避区轮廓,根据所述天气规避区轮廓的轮廓面积、邻域半径和轮廓密度,结合所述三个参数阈值,判断每个所述天气规避区轮廓是核心轮廓、边界轮廓还是离群轮廓;
步骤1.3.3,遍历所有所述核心轮廓,如果两个所述核心轮廓间的距离小于邻域半径阈值,将所述两个核心轮廓合并成一类;
步骤1.3.4,遍历所有所述边界轮廓,将所述边界轮廓分配到距离边界轮廓最近的核心轮廓所属类;
步骤1.3.5,遍历所有所述离群轮廓,如果两个所述离群轮廓间的距离小于邻域半径阈值,将两个所述离群轮廓合并成一类;
步骤1.3.6,根据所述步骤1.3.3、步骤1.3.4和步骤1.3.5获得天气规避区轮廓聚类簇,将所述天气规避区轮廓聚类簇输出,作为对所述天气规避区轮廓集合的聚类结果。
进一步地,在一种实现方式中,所述步骤1.3.2包括:
若所述天气规避区轮廓的轮廓密度大于轮廓密度阈值,确定所述天气规避区轮廓为核心轮廓;
若所述天气规避区轮廓的轮廓密度小于或等于轮廓密度阈值,但所述天气规避区轮廓的邻域范围内存在核心轮廓,确定所述天气规避区轮廓为边界轮廓;
若所述天气规避区轮廓的轮廓密度小于或等于轮廓密度阈值,且所述天气规避区轮廓的邻域范围内不存在核心轮廓,确定所述天气规避区轮廓为离群轮廓;
若所述天气规避区轮廓确定为离群轮廓,所述天气规避区轮廓的轮廓密度为0且轮廓面积小于轮廓面积阈值,将所述天气规避区轮廓删除。
进一步地,在一种实现方式中,所述步骤1.4中,采用聚合聚类算法,将所述一系列凸多边形作为样本进行合并,包括以下步骤:
步骤1.4.1,输入所述一系列凸多边形组成的凸多边形集合;
步骤1.4.2,计算所述凸多边形集合中每两个凸多边形样本之间的距离,所述每两个凸多边形即凸多边形对;
步骤1.4.3,完成对于某一时间片的所述雷达回波图中,所有满足合并条件的凸多边形对之间的合并操作,基于对应的所述雷达回波图输出的所有凸多边形形成新凸多边形集合,所述合并条件即凸多边形对之间的距离小于距离阈值;
步骤1.4.4,若所述新凸多边形集合中凸多边形的个数不变,终止计算,输出划设得到的天气规避多边形轮廓,并执行步骤1.4.6的操作;
若所述新凸多边形集合中凸多边形的个数变化,计算所述新凸多边形集合中每两个凸多边形样本之间的距离,执行步骤1.4.5的操作;
步骤1.4.5,若最小的所述每两个凸多边形样本之间的距离大于或等于距离阈值,终止计算,输出划设得到的天气规避多边形轮廓,并执行步骤1.4.6的操作;
若最小的所述每两个凸多边形样本之间的距离小于距离阈值,回到所述步骤1.4.3;
步骤1.4.6,输出对所述凸多边形集合的一个层次化聚类,即输出聚类结果,所述聚类结果为多个天气规避多边形集合,每个天气规避多边形集合中的元素为天气规避多边形轮廓,所述天气规避多边形轮廓用边界点序列表示。
进一步地,在一种实现方式中,所述步骤1.4.2包括:
分别计算两个天气规避区轮廓或凸包的其中一个天气规避区轮廓或凸包的所有点到另一个天气规避区轮廓或凸包之间距离的最小值,再取两个所述最小值中的较小值;
所述两个天气规避区轮廓或凸包间距离计算公式定义如下:
其中,和分别代表凸多边形i和j中的第m和n个点,pi代表一个凸多边形样本,凸多边形样本pi用点序列表示,记为pi={(xi1,yi1),(xi2,yi2),......,(xin,yin)},(xij,yij)表示第i个凸多边形的第j个边界点的坐标值;
其中,所述点到天气规避区轮廓或凸包之间的距离计算方法如下:
如果所述点在天气规避区轮廓或凸包内部,则所述点到天气规避区轮廓或凸包之间的距离为零;
如果所述点不在天气规避区轮廓或凸包内部,依次计算所述点到天气规避区轮廓或凸包每条边的欧式距离,取最小值为所述两个天气规避区轮廓或凸包之间的距离。
进一步地,在一种实现方式中,根据点到边上投影与边上端点的相对空间分布关系,将所述点分为两类:投影点在边上和投影点在边的延长线上;
如果所述点属于投影点在边上的情况,点到边的距离为点到投影点连线的长度;
如果所述点属于投影点在边的延长线上的情况,点到边的距离为点到最近端点连线的长度。
根据我国允许航空器绕飞的规定:在两个云体边界之间的最小距离不少于20公里的情况下,航空器可以从中间通过。根据航空器性能数据库,取420节作为航空器飞行速度,对于尺寸小于7海里的天气规避区,即在天气规避区内以420节速度飞行1分钟,可以忽略不计。因此,上述算法中涉及的轮廓间距离阈值和凸包间距离阈值均设置为20 公里,轮廓面积阈值设置49平方海里。另外,为防止重要天气区域丢失,轮廓密度阈值设置为2。
进一步地,在一种实现方式中,所述步骤1.4.3包括:
若所述两个凸多边形样本之间的距离小于距离阈值,将所述两个凸多边形样本合并成一类生成新凸多边形集合;
若所述两个凸多边形样本之间的距离等于0,且其中一个所述凸多边形包含另一个凸多边形,则以面积较大的凸多边形作为合并后的凸多边形,生成新的凸多边形;
若所述两个凸多边形样本之间的距离大于距离阈值,构建一个新的凸多边形,所述新的凸多边形涵盖两个凸多边形中面积较大的凸多边形,将所述新的凸多边形作为合并后的多边形。
进一步地,在一种实现方式中,所述步骤2包括:
步骤2.1,初始天气规避区关联:计算基于相邻时间的所述雷达回波图中所有初始天气规避区之间的交并比(IOU,Intersection over Union),生成交并比矩阵;
步骤2.2,所述初始天气规避区修正:通过分析相邻帧划设的初始天气规避区之间的关联关系对所述初始天气规避区进行修正;
针对T时刻所述雷达回波图中的某一初始天气规避区,根据交并比矩阵序列连续追踪所述初始天气规避区之前和之后2个时刻雷达回波图中的相关的初始天气规避区,分析所述相关的初始天气规避区的合并或分裂关系,修正T时刻的所述初始天气规避区;
如果T时刻所述雷达回波图中的初始天气规避区c1、c2和c3均由T-1时刻雷达回波图中的初始天气规避区C分裂而来,且在T+1时刻所述雷达回波图中合并成初始天气规避区C,则将T时刻所述雷达回波图中的初始天气规避区c1、c2和c3合并成新的天气规避区 NC;
如果T时刻所述雷达回波图中的初始天气规避区C由T-1时刻雷达回波图中的初始天气规避区c1、c2和c3合并而来,且在T+1时刻所述雷达回波图中分裂成初始天气规避区c1、c2和c3,则将T时刻所述雷达回波图中的初始天气规避区C分裂成新的天气规避区nc1、nc2和nc3。
进一步地,在一种实现方式中,所述步骤2.1包括:
IOU(ik+1,jk)表示k+1时刻雷达回波图中第i个天气规避区与k时刻雷达回波图中第j 个天气规避区之间的交并比,即两个时刻的天气规避区之间交集或并集;
因此相对于现有技术,本发明在对多维数值气象数据图像化处理基础上,首先综合利用DBSCAN聚类和聚合聚类算法静态识别天气规避区,再结合离线多目标跟踪技术,通过追踪天气规避区的演变趋势对异常天气规避区进行修正,确保天气规避区在形态变化上的时空连续性,实现对天气规避区的精准动态划设,有效提高管制员量化评估天气对航空运行的影响的准确性和动态规划管制引导路径的鲁棒性。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,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是本发明实施例部分提供的一种基于离线多目标跟踪的天气规避区划设方法的工作流程示意图;
图2是本发明实施例部分提供的一种基于离线多目标跟踪的天气规避区划设方法中天气规避区划设的工作流程示意图;
图3是本发明实施例部分提供的一种基于离线多目标跟踪的天气规避区划设方法中交并比计算示意图;
图4是本发明实施例部分提供的一种基于离线多目标跟踪的天气规避区划设方法的天气规避区合并修正示意图;
图5是本发明实施例部分提供的一种基于离线多目标跟踪的天气规避区划设方法的天气规避区分裂修正示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明实施例公开一种基于离线多目标跟踪的天气规避区划设方法,涉及空中交通管理领域,本方法应用于对流天气条件下辅助空中交通管制员动态高效引导航空器规避雷暴区域。相比于大多数天气规避区划设方法,本发明在对多维数值气象数据图像化处理基础上,首先综合利用DBSCAN(Density Based Spatial Clustering of Applicationwith Noise)聚类和聚合聚类算法静态识别天气规避区,再结合离线多目标跟踪技术,通过追踪天气规避区的演变轨迹对异常天气规避区进行修正,确保天气规避区在形态变化上的时空连续性,实现对天气规避区的精准动态划设,有效提高管制员量化评估天气对航空运行的影响的准确性和动态规划管制引导路径的鲁棒性。
如图1所示,本实施例提供的一种基于离线多目标跟踪的天气规避区划设方法,包括以下步骤:
步骤1,获取雷达回波图后,根据所述雷达回波图对天气规避区进行静态识别;
具体的,本实施例中,通过将航空气象部门按时间间隔Ts提供的预报雷达回波图依次根据自定义的雷达回波反射率阈值,自动识别天气规避区域像素,其中时间间隔Ts通常取5 分钟,将雷达回波图二值化成天气规避区域和非天气规避区域;然后通过使用DBSCAN聚类算法将天气规避区域像素分组成类,提取每一类区域边缘像素并用凸多边形拟合形成凸包;以规定的允许航空器从中间通过的两个云体之间的最小距离为阈值,采用层次聚类算法对凸包集进行二次合并;对合并后的凸包集进行去噪,以面积和直径为指标,过滤掉对航空器飞行影响足够小的凸包区域。
步骤2,对所述天气规避区进行动态修正,输出所述天气规避区的划设结果。
具体的,本实施例中,将相邻时刻图片中天气规避区进行关联,根据当前帧与前后相邻帧连续雷达回波图片中关联的天气规避区之间的聚散关系,对当前帧图片中天气规避区静态识别结果进行修正,确保沿着生成天气规避区边界的改航路径是安全高效且易操作的。
如图2所示,本实施例所述的一种基于离线多目标跟踪的天气规避区划设方法中,所述步骤1包括:
步骤1.1,从所述雷达回波图中提取天气规避数据,所述天气规避数据包括天气规避像素点和天气像素点对应的经纬度坐标:
对所述雷达回波图进行遍历处理,将所述雷达回波图中反射率等级大于或等于预设反射率阈值的像素点定义为天气规避像素点,同时根据雷达所在位置的经纬度坐标以及所述雷达回波图的分辨率,确定每个所述天气规避像素点对应的经纬度坐标;本实施例中,所述预设反射率阈值设定为41dBZ,具体实施时可以根据实际情况进行调整。
步骤1.2,根据所述天气规避数据,对所述雷达回波图二值化并提取天气规避区轮廓:
对所述雷达回波图进行二值化处理,凸显天气规避部分并灰度化背景后,获得天气规避区;提取所有所述雷达回波图中天气规避区的轮廓,并对所述所有雷达回波图中天气规避区的轮廓进行多边形逼近,获得所述天气规避区轮廓,输出天气规避区轮廓集合;本实施例中,提取一个天气规避区的轮廓能够通过现有技术中成熟的方法实现。
步骤1.3,根据所述天气规避区轮廓集合进行天气规避区轮廓聚类:
预设三个参数阈值,结合DBSCAN算法对天气规避区轮廓进行聚类,得到天气规避区轮廓聚类簇;所述三个参数阈值包括:轮廓面积阈值、邻域半径阈值和轮廓密度阈值,所述轮廓面积阈值即最小轮廓面积,所述轮廓密度阈值即邻域半径范围之内相交的最少轮廓数;本实施例中,所述三个参数阈值在具体实施时可以进行启发式调整。所述轮廓面积阈值可以表示为area,所述邻域半径阈值可以表示为eps,所述轮廓密度阈值可以表示为minpts。
步骤1.4,根据所述天气规避区轮廓聚类簇生成并合并凸多边形:
将每个所述天气规避区轮廓聚类簇中的所有天气规避区轮廓套入一个凸包中,根据所述三个参数阈值自动生成一系列凸多边形;采用聚合聚类算法,将所述一系列凸多边形作为样本进行合并,生成一系列新的凸多边形,每个所述新的凸多边形的包围区域对应一个天气规避区。
本实施例所述的一种基于离线多目标跟踪的天气规避区划设方法中,所述步骤1.3,包括以下步骤:
步骤1.3.1,输入所述天气规避区轮廓集合;
步骤1.3.2,遍历所述天气规避区轮廓集合中的所有天气规避区轮廓,根据所述天气规避区轮廓的轮廓面积、邻域半径和轮廓密度,结合所述三个参数阈值,判断每个所述天气规避区轮廓是核心轮廓、边界轮廓还是离群轮廓;
步骤1.3.3,遍历所有所述核心轮廓,如果两个所述核心轮廓间的距离小于邻域半径阈值,将所述两个核心轮廓合并成一类;
步骤1.3.4,遍历所有所述边界轮廓,将所述边界轮廓分配到距离边界轮廓最近的核心轮廓所属类;
步骤1.3.5,遍历所有所述离群轮廓,如果两个所述离群轮廓间的距离小于邻域半径阈值,将两个所述离群轮廓合并成一类;
步骤1.3.6,根据所述步骤1.3.3、步骤1.3.4和步骤1.3.5获得天气规避区轮廓聚类簇,将所述天气规避区轮廓聚类簇输出,作为对所述天气规避区轮廓集合的聚类结果。
本实施例所述的一种基于离线多目标跟踪的天气规避区划设方法中,所述步骤1.3.2 包括:
若所述天气规避区轮廓的轮廓密度大于轮廓密度阈值,确定所述天气规避区轮廓为核心轮廓;
若所述天气规避区轮廓的轮廓密度小于或等于轮廓密度阈值,但所述天气规避区轮廓的邻域范围内存在核心轮廓,确定所述天气规避区轮廓为边界轮廓;
若所述天气规避区轮廓的轮廓密度小于或等于轮廓密度阈值,且所述天气规避区轮廓的邻域范围内不存在核心轮廓,确定所述天气规避区轮廓为离群轮廓;
若所述天气规避区轮廓确定为离群轮廓,所述天气规避区轮廓的轮廓密度为0且轮廓面积小于轮廓面积阈值,将所述天气规避区轮廓删除。
本实施例所述的一种基于离线多目标跟踪的天气规避区划设方法中,所述步骤1.4 中,采用聚合聚类算法,将所述一系列凸多边形作为样本进行合并,包括以下步骤:
步骤1.4.1,输入所述一系列凸多边形组成的凸多边形集合;
步骤1.4.2,计算所述凸多边形集合中每两个凸多边形样本之间的距离,所述每两个凸多边形即凸多边形对;
步骤1.4.3,完成对于某一时间片的所述雷达回波图中,所有满足合并条件的凸多边形对之间的合并操作,基于对应的所述雷达回波图输出的所有凸多边形形成新凸多边形集合,所述合并条件即凸多边形对之间的距离小于距离阈值;
步骤1.4.4,若所述新凸多边形集合中凸多边形的个数不变,终止计算,输出划设得到的天气规避多边形轮廓,并执行步骤1.4.6的操作;
若所述新凸多边形集合中凸多边形的个数变化,计算所述新凸多边形集合中每两个凸多边形样本之间的距离,执行步骤1.4.5的操作;
本实施例中,所述凸多边形的个数根据距离阈值自动获得,最后聚合成凸多边形的数量不是事先指定的,只要任意两个凸多边形之间的距离大于事先设定的阈值,就结束聚类过程。
步骤1.4.5,若最小的所述每两个凸多边形样本之间的距离大于或等于距离阈值,终止计算,输出划设得到的天气规避多边形轮廓,并执行步骤1.4.6的操作;
若最小的所述每两个凸多边形样本之间的距离小于距离阈值,回到所述步骤1.4.3;
步骤1.4.6,输出对所述凸多边形集合的一个层次化聚类,即输出聚类结果,所述聚类结果为多个天气规避多边形集合,每个天气规避多边形集合中的元素为天气规避多边形轮廓,所述天气规避多边形轮廓用边界点序列表示。
本实施例所述的一种基于离线多目标跟踪的天气规避区划设方法中,所述步骤1.4.2 包括:
分别计算两个天气规避区轮廓或凸包的其中一个天气规避区轮廓或凸包的所有点到另一个天气规避区轮廓或凸包之间距离的最小值,再取两个所述最小值中的较小值;
所述两个天气规避区轮廓或凸包间距离计算公式定义如下:
其中,和分别代表凸多边形i和j中的第m和n个点,pi代表一个凸多边形样本,凸多边形样本pi用点序列表示,记为pi={(xi1,yi1),(xi2,yi2),......,(xin,yin)},(xij,yij)表示第i个凸多边形的第j个边界点的坐标值;
其中,所述点到天气规避区轮廓或凸包之间的距离计算方法如下:
如果所述点在天气规避区轮廓或凸包内部,则所述点到天气规避区轮廓或凸包之间的距离为零;
如果所述点不在天气规避区轮廓或凸包内部,依次计算所述点到天气规避区轮廓或凸包每条边的欧式距离,取最小值为所述两个天气规避区轮廓或凸包之间的距离。
本实施例所述的一种基于离线多目标跟踪的天气规避区划设方法中,根据点到边上投影与边上端点的相对空间分布关系,将所述点分为两类:投影点在边上和投影点在边的延长线上;
如果所述点属于投影点在边上的情况,点到边的距离为点到投影点连线的长度;
如果所述点属于投影点在边的延长线上的情况,点到边的距离为点到最近端点连线的长度。
具体的,本实施例中,根据我国允许航空器绕飞的规定:在两个云体边界之间的最小距离不少于20公里的情况下,航空器可以从中间通过。根据航空器性能数据库,取420节作为航空器飞行速度,对于尺寸小于7海里的天气规避区,即在天气规避区内以420节速度飞行 1分钟,可以忽略不计。因此,上述算法中涉及的轮廓间距离阈值和凸包间距离阈值均设置为20公里,轮廓面积阈值设置49平方海里。另外,为防止重要天气区域丢失,轮廓密度阈值设置为2。
本实施例所述的一种基于离线多目标跟踪的天气规避区划设方法中,所述步骤1.4.3 包括:
若所述两个凸多边形样本之间的距离小于距离阈值,将所述两个凸多边形样本合并成一类生成新凸多边形集合;具体的,本实施例中,所述距离阈值通常取20公里,与允许航空器穿越的雷雨区域间距一致。
若所述两个凸多边形样本之间的距离等于0,且其中一个所述凸多边形包含另一个凸多边形,则以面积较大的凸多边形作为合并后的凸多边形,生成新的凸多边形;
若所述两个凸多边形样本之间的距离大于距离阈值,构建一个新的凸多边形,所述新的凸多边形涵盖两个凸多边形中面积较大的凸多边形,将所述新的凸多边形作为合并后的多边形。
本实施例所述的一种基于离线多目标跟踪的天气规避区划设方法中,所述步骤2包括:
步骤2.1,初始天气规避区关联:计算基于相邻时间的所述雷达回波图中所有初始天气规避区之间的交并比,生成交并比矩阵;
本实施例中,天气规避多边形关联可以简单理解为寻找前后两帧气象雷达回波图片中的若干天气规避区的关联性问题。计算相邻时间雷达预报图中的天气规避区之间的相似度,相似度超过一定阈值,则认为两多边形相关。两多边形之间的相似度用交并比(IOU,Intersection over Union)定义,即IOU=两框交集/两框并集,其计算示意图如图3所示,黑色部分为两框交集,黑色加白色部分为两框并集。当IOU大于0就说明两个天气规避区相关。
步骤2.2,所述初始天气规避区修正:通过分析相邻帧划设的初始天气规避区之间的关联关系对所述初始天气规避区进行修正;
针对T时刻所述雷达回波图中的某一初始天气规避区,根据交并比矩阵序列连续追踪所述初始天气规避区之前和之后2个时刻雷达回波图中的相关的初始天气规避区,分析所述相关的初始天气规避区的合并或分裂关系,修正T时刻的所述初始天气规避区;
如图4所示,如果T时刻所述雷达回波图中的初始天气规避区c1、c2和c3均由T-1 时刻雷达回波图中的初始天气规避区C分裂而来,且在T+1时刻所述雷达回波图中合并成初始天气规避区C,则将T时刻所述雷达回波图中的初始天气规避区c1、c2和c3合并成新的天气规避区NC;
如图5所示,如果T时刻所述雷达回波图中的初始天气规避区C由T-1时刻雷达回波图中的初始天气规避区c1、c2和c3合并而来,且在T+1时刻所述雷达回波图中分裂成初始天气规避区c1、c2和c3,则将T时刻所述雷达回波图中的初始天气规避区C分裂成新的天气规避区nc1、nc2和nc3。
本实施例所述的一种基于离线多目标跟踪的天气规避区划设方法中,所述步骤2.1 包括:
IOU(ik+1,jk)表示k+1时刻雷达回波图中第i个天气规避区与k时刻雷达回波图中第j 个天气规避区之间的交并比,即两个时刻的天气规避区之间交集或并集;
因此相对于现有技术,本发明在对多维数值气象数据图像化处理基础上,首先综合利用DBSCAN聚类和聚合聚类算法静态识别天气规避区,再结合离线多目标跟踪技术,通过追踪天气规避区的演变趋势对异常天气规避区进行修正,确保天气规避区在形态变化上的时空连续性,实现对天气规避区的精准动态划设,有效提高管制员量化评估天气对航空运行的影响的准确性和动态规划管制引导路径的鲁棒性。
具体实现中,本发明还提供一种计算机存储介质,其中,该计算机存储介质可存储有程序,该程序执行时可包括本发明提供的一种基于离线多目标跟踪的天气规避区划设方法的各实施例中的部分或全部步骤。所述的存储介质可为磁碟、光盘、只读存储记忆体(英文: read-only memory,简称:ROM)或随机存储记忆体(英文:random access memory,简称:RAM)等。
本领域的技术人员可以清楚地了解到本发明实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,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或者实施例的某些部分所述的方法。
本说明书中各个实施例之间相同相似的部分互相参见即可。以上所述的本发明实施方式并不构成对本发明保护范围的限定。
Claims (10)
1.一种基于离线多目标跟踪的天气规避区划设方法,其特征在于,包括以下步骤:
步骤1,获取雷达回波图后,根据所述雷达回波图对天气规避区进行静态识别;
步骤2,对所述天气规避区进行动态修正,输出所述天气规避区的划设结果。
2.根据权利要求1所述的一种基于离线多目标跟踪的天气规避区划设方法,其特征在于,所述步骤1包括:
步骤1.1,从所述雷达回波图中提取天气规避数据,所述天气规避数据包括天气规避像素点和天气像素点对应的经纬度坐标:
对所述雷达回波图进行遍历处理,将所述雷达回波图中反射率等级大于或等于预设反射率阈值的像素点定义为天气规避像素点,同时根据雷达所在位置的经纬度坐标以及所述雷达回波图的分辨率,确定每个所述天气规避像素点对应的经纬度坐标;
步骤1.2,根据所述天气规避数据,对所述雷达回波图二值化并提取天气规避区轮廓:
对所述雷达回波图进行二值化处理,凸显天气规避部分并灰度化背景后,获得天气规避区;提取所有所述雷达回波图中天气规避区的轮廓,并对所述所有雷达回波图中天气规避区的轮廓进行多边形逼近,获得所述天气规避区轮廓,输出天气规避区轮廓集合;
步骤1.3,根据所述天气规避区轮廓集合进行天气规避区轮廓聚类:
预设三个参数阈值,结合DBSCAN算法对天气规避区轮廓进行聚类,得到天气规避区轮廓聚类簇;所述三个参数阈值包括:轮廓面积阈值、邻域半径阈值和轮廓密度阈值,所述轮廓面积阈值即最小轮廓面积,所述轮廓密度阈值即邻域半径范围之内相交的最少轮廓数;
步骤1.4,根据所述天气规避区轮廓聚类簇生成并合并凸多边形:
将每个所述天气规避区轮廓聚类簇中的所有天气规避区轮廓套入一个凸包中,根据所述三个参数阈值自动生成一系列凸多边形;采用聚合聚类算法,将所述一系列凸多边形作为样本进行合并,生成一系列新的凸多边形,每个所述新的凸多边形的包围区域对应一个天气规避区。
3.根据权利要求2所述的一种基于离线多目标跟踪的天气规避区划设方法,其特征在于,所述步骤1.3,包括以下步骤:
步骤1.3.1,输入所述天气规避区轮廓集合;
步骤1.3.2,遍历所述天气规避区轮廓集合中的所有天气规避区轮廓,根据所述天气规避区轮廓的轮廓面积、邻域半径和轮廓密度,结合所述三个参数阈值,判断每个所述天气规避区轮廓是核心轮廓、边界轮廓还是离群轮廓;
步骤1.3.3,遍历所有所述核心轮廓,如果两个所述核心轮廓间的距离小于邻域半径阈值,将所述两个核心轮廓合并成一类;
步骤1.3.4,遍历所有所述边界轮廓,将所述边界轮廓分配到距离边界轮廓最近的核心轮廓所属类;
步骤1.3.5,遍历所有所述离群轮廓,如果两个所述离群轮廓间的距离小于邻域半径阈值,将两个所述离群轮廓合并成一类;
步骤1.3.6,根据所述步骤1.3.3、步骤1.3.4和步骤1.3.5获得天气规避区轮廓聚类簇,将所述天气规避区轮廓聚类簇输出,作为对所述天气规避区轮廓集合的聚类结果。
4.根据权利要求3所述的一种基于离线多目标跟踪的天气规避区划设方法,其特征在于,所述步骤1.3.2包括:
若所述天气规避区轮廓的轮廓密度大于轮廓密度阈值,确定所述天气规避区轮廓为核心轮廓;
若所述天气规避区轮廓的轮廓密度小于或等于轮廓密度阈值,但所述天气规避区轮廓的邻域范围内存在核心轮廓,确定所述天气规避区轮廓为边界轮廓;
若所述天气规避区轮廓的轮廓密度小于或等于轮廓密度阈值,且所述天气规避区轮廓的邻域范围内不存在核心轮廓,确定所述天气规避区轮廓为离群轮廓;
若所述天气规避区轮廓确定为离群轮廓,所述天气规避区轮廓的轮廓密度为0且轮廓面积小于轮廓面积阈值,将所述天气规避区轮廓删除。
5.根据权利要求2所述的一种基于离线多目标跟踪的天气规避区划设方法,其特征在于,所述步骤1.4中,采用聚合聚类算法,将所述一系列凸多边形作为样本进行合并,包括以下步骤:
步骤1.4.1,输入所述一系列凸多边形组成的凸多边形集合;
步骤1.4.2,计算所述凸多边形集合中每两个凸多边形样本之间的距离,所述每两个凸多边形即凸多边形对;
步骤1.4.3,完成对于某一时间片的所述雷达回波图中,所有满足合并条件的凸多边形对之间的合并操作,基于对应的所述雷达回波图输出的所有凸多边形形成新凸多边形集合,所述合并条件即凸多边形对之间的距离小于距离阈值;
步骤1.4.4,若所述新凸多边形集合中凸多边形的个数不变,终止计算,输出划设得到的天气规避多边形轮廓,并执行步骤1.4.6的操作;
若所述新凸多边形集合中凸多边形的个数变化,计算所述新凸多边形集合中每两个凸多边形样本之间的距离,执行步骤1.4.5的操作;
步骤1.4.5,若最小的所述每两个凸多边形样本之间的距离大于或等于距离阈值,终止计算,输出划设得到的天气规避多边形轮廓,并执行步骤1.4.6的操作;
若最小的所述每两个凸多边形样本之间的距离小于距离阈值,回到所述步骤1.4.3;
步骤1.4.6,输出对所述凸多边形集合的一个层次化聚类,即输出聚类结果,所述聚类结果为多个天气规避多边形集合,每个天气规避多边形集合中的元素为天气规避多边形轮廓,所述天气规避多边形轮廓用边界点序列表示。
6.根据权利要求1所述的一种基于离线多目标跟踪的天气规避区划设方法,其特征在于,所述步骤1.4.2包括:
分别计算两个天气规避区轮廓或凸包的其中一个天气规避区轮廓或凸包的所有点到另一个天气规避区轮廓或凸包之间距离的最小值,再取两个所述最小值中的较小值;
所述两个天气规避区轮廓或凸包间距离计算公式定义如下:
其中,和分别代表凸多边形i和j中的第m和n个点,pi代表一个凸多边形样本,凸多边形样本pi用点序列表示,记为pi={(xi1,yi1),(xi2,yi2),......,(xin,yin)},(xij,yij)表示第i个凸多边形的第j个边界点的坐标值;
其中,所述点到天气规避区轮廓或凸包之间的距离计算方法如下:
如果所述点在天气规避区轮廓或凸包内部,则所述点到天气规避区轮廓或凸包之间的距离为零;
如果所述点不在天气规避区轮廓或凸包内部,依次计算所述点到天气规避区轮廓或凸包每条边的欧式距离,取最小值为所述两个天气规避区轮廓或凸包之间的距离。
7.根据权利要求6所述的一种基于离线多目标跟踪的天气规避区划设方法,其特征在于,根据点到边上投影与边上端点的相对空间分布关系,将所述点分为两类:投影点在边上和投影点在边的延长线上;
如果所述点属于投影点在边上的情况,点到边的距离为点到投影点连线的长度;
如果所述点属于投影点在边的延长线上的情况,点到边的距离为点到最近端点连线的长度。
8.根据权利要求4所述的一种基于离线多目标跟踪的天气规避区划设方法,其特征在于,所述步骤1.4.3包括:
若所述两个凸多边形样本之间的距离小于距离阈值,将所述两个凸多边形样本合并成一类生成新凸多边形集合;
若所述两个凸多边形样本之间的距离等于0,且其中一个所述凸多边形包含另一个凸多边形,则以面积较大的凸多边形作为合并后的凸多边形,生成新的凸多边形;
若所述两个凸多边形样本之间的距离大于距离阈值,构建一个新的凸多边形,所述新的凸多边形涵盖两个凸多边形中面积较大的凸多边形,将所述新的凸多边形作为合并后的多边形。
9.根据权利要求1所述的一种基于离线多目标跟踪的天气规避区划设方法,其特征在于,所述步骤2包括:
步骤2.1,初始天气规避区关联:计算基于相邻时间的所述雷达回波图中所有初始天气规避区之间的交并比,生成交并比矩阵;
步骤2.2,所述初始天气规避区修正:通过分析相邻帧划设的初始天气规避区之间的关联关系对所述初始天气规避区进行修正;
针对T时刻所述雷达回波图中的某一初始天气规避区,根据交并比矩阵序列连续追踪所述初始天气规避区之前和之后2个时刻雷达回波图中的相关的初始天气规避区,分析所述相关的初始天气规避区的合并或分裂关系,修正T时刻的所述初始天气规避区;
如果T时刻所述雷达回波图中的初始天气规避区c1、c2和c3均由T-1时刻雷达回波图中的初始天气规避区C分裂而来,且在T+1时刻所述雷达回波图中合并成初始天气规避区C,则将T时刻所述雷达回波图中的初始天气规避区c1、c2和c3合并成新的天气规避区NC;
如果T时刻所述雷达回波图中的初始天气规避区C由T-1时刻雷达回波图中的初始天气规避区c1、c2和c3合并而来,且在T+1时刻所述雷达回波图中分裂成初始天气规避区c1、c2和c3,则将T时刻所述雷达回波图中的初始天气规避区C分裂成新的天气规避区nc1、nc2和nc3。
10.根据权利要求9所述的一种基于离线多目标跟踪的天气规避区划设方法,其特征在于,所述步骤2.1包括:
IOU(ik+1,jk)表示k+1时刻雷达回波图中第i个天气规避区与k时刻雷达回波图中第j个天气规避区之间的交并比,即两个时刻的天气规避区之间交集或并集;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011210672.7A CN112562419B (zh) | 2020-11-03 | 2020-11-03 | 一种基于离线多目标跟踪的天气规避区划设方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011210672.7A CN112562419B (zh) | 2020-11-03 | 2020-11-03 | 一种基于离线多目标跟踪的天气规避区划设方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112562419A true CN112562419A (zh) | 2021-03-26 |
CN112562419B CN112562419B (zh) | 2022-04-08 |
Family
ID=75041856
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011210672.7A Active CN112562419B (zh) | 2020-11-03 | 2020-11-03 | 一种基于离线多目标跟踪的天气规避区划设方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112562419B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113284371A (zh) * | 2021-05-26 | 2021-08-20 | 南京恩瑞特实业有限公司 | 一种强对流天气条件下飞行禁止区划设方法 |
CN114814991A (zh) * | 2022-06-28 | 2022-07-29 | 成都信息工程大学 | 一种气象要素场空间分布区域的识别方法及装置 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102006053354A1 (de) * | 2006-11-10 | 2008-05-15 | Eurocopter Deutschland Gmbh | Rundum-Warnsystem für Hubschrauber |
US20120154209A1 (en) * | 2010-12-16 | 2012-06-21 | Honeywell International Inc. | Systems and methods for predicting locations of weather relative to an aircraft |
CN103455715A (zh) * | 2013-08-22 | 2013-12-18 | 南京莱斯信息技术股份有限公司 | 一种基于线性插值的气象云图剖面投影方法 |
CN103530704A (zh) * | 2013-10-16 | 2014-01-22 | 南京航空航天大学 | 一种终端空域空中交通动态容量预测系统及其方法 |
CN105005771A (zh) * | 2015-07-13 | 2015-10-28 | 西安理工大学 | 一种基于光流点轨迹统计的车道线实线的检测方法 |
CN106125087A (zh) * | 2016-06-15 | 2016-11-16 | 清研华宇智能机器人(天津)有限责任公司 | 基于激光雷达的舞蹈机器人室内行人跟踪方法 |
CN106323295A (zh) * | 2016-08-29 | 2017-01-11 | 中国船舶重工集团公司第七0九研究所 | 一种基于气象雷达数据的危险气象条件下的航空器改航方法 |
CN107194493A (zh) * | 2017-04-14 | 2017-09-22 | 南京航空航天大学 | 一种短期天气影响下终端空域空中交通延误预测方法 |
CN109409587A (zh) * | 2018-10-09 | 2019-03-01 | 南京航空航天大学 | 一种基于天气数据挖掘的机场进离场交通流量预测方法 |
CN109858460A (zh) * | 2019-02-20 | 2019-06-07 | 重庆邮电大学 | 一种基于三维激光雷达的车道线检测方法 |
CN110568433A (zh) * | 2019-09-09 | 2019-12-13 | 郑州天迈科技股份有限公司 | 基于毫米波雷达的高空抛物检测方法 |
CN110667536A (zh) * | 2019-09-04 | 2020-01-10 | 陕西九域通创轨道系统技术有限责任公司 | 一种列车aeb系统弯道控制决策方法 |
CN111179146A (zh) * | 2019-12-19 | 2020-05-19 | 胡友彬 | 一种基于卫星通信的气象海洋资料加密系统 |
CN111337941A (zh) * | 2020-03-18 | 2020-06-26 | 中国科学技术大学 | 一种基于稀疏激光雷达数据的动态障碍物追踪方法 |
CN111508279A (zh) * | 2020-03-18 | 2020-08-07 | 南京航空航天大学 | 一种天气避让场划设的方法 |
-
2020
- 2020-11-03 CN CN202011210672.7A patent/CN112562419B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102006053354A1 (de) * | 2006-11-10 | 2008-05-15 | Eurocopter Deutschland Gmbh | Rundum-Warnsystem für Hubschrauber |
US20120154209A1 (en) * | 2010-12-16 | 2012-06-21 | Honeywell International Inc. | Systems and methods for predicting locations of weather relative to an aircraft |
CN103455715A (zh) * | 2013-08-22 | 2013-12-18 | 南京莱斯信息技术股份有限公司 | 一种基于线性插值的气象云图剖面投影方法 |
CN103530704A (zh) * | 2013-10-16 | 2014-01-22 | 南京航空航天大学 | 一种终端空域空中交通动态容量预测系统及其方法 |
CN105005771A (zh) * | 2015-07-13 | 2015-10-28 | 西安理工大学 | 一种基于光流点轨迹统计的车道线实线的检测方法 |
CN106125087A (zh) * | 2016-06-15 | 2016-11-16 | 清研华宇智能机器人(天津)有限责任公司 | 基于激光雷达的舞蹈机器人室内行人跟踪方法 |
CN106323295A (zh) * | 2016-08-29 | 2017-01-11 | 中国船舶重工集团公司第七0九研究所 | 一种基于气象雷达数据的危险气象条件下的航空器改航方法 |
CN107194493A (zh) * | 2017-04-14 | 2017-09-22 | 南京航空航天大学 | 一种短期天气影响下终端空域空中交通延误预测方法 |
CN109409587A (zh) * | 2018-10-09 | 2019-03-01 | 南京航空航天大学 | 一种基于天气数据挖掘的机场进离场交通流量预测方法 |
CN109858460A (zh) * | 2019-02-20 | 2019-06-07 | 重庆邮电大学 | 一种基于三维激光雷达的车道线检测方法 |
CN110667536A (zh) * | 2019-09-04 | 2020-01-10 | 陕西九域通创轨道系统技术有限责任公司 | 一种列车aeb系统弯道控制决策方法 |
CN110568433A (zh) * | 2019-09-09 | 2019-12-13 | 郑州天迈科技股份有限公司 | 基于毫米波雷达的高空抛物检测方法 |
CN111179146A (zh) * | 2019-12-19 | 2020-05-19 | 胡友彬 | 一种基于卫星通信的气象海洋资料加密系统 |
CN111337941A (zh) * | 2020-03-18 | 2020-06-26 | 中国科学技术大学 | 一种基于稀疏激光雷达数据的动态障碍物追踪方法 |
CN111508279A (zh) * | 2020-03-18 | 2020-08-07 | 南京航空航天大学 | 一种天气避让场划设的方法 |
Non-Patent Citations (3)
Title |
---|
张兆宁等: "考虑危险天气的终端区动态容量评估", 《中国民航大学学报》 * |
蒋昕: "危险天气下的动态航班改航研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 * |
赵元棣等: "动态危险天气下改航路径快速规划方法", 《中国科技论文》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113284371A (zh) * | 2021-05-26 | 2021-08-20 | 南京恩瑞特实业有限公司 | 一种强对流天气条件下飞行禁止区划设方法 |
CN114814991A (zh) * | 2022-06-28 | 2022-07-29 | 成都信息工程大学 | 一种气象要素场空间分布区域的识别方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112562419B (zh) | 2022-04-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210302585A1 (en) | Smart navigation method and system based on topological map | |
CN108509820B (zh) | 障碍物分割方法及装置、计算机设备及可读介质 | |
KR20210078530A (ko) | 차선 속성 검출방법, 장치, 전자장치 및 가독 저장 매체 | |
WO2021082745A1 (zh) | 信息补全方法、车道线识别方法、智能行驶方法及相关产品 | |
CN108470174B (zh) | 障碍物分割方法及装置、计算机设备及可读介质 | |
CN112562419B (zh) | 一种基于离线多目标跟踪的天气规避区划设方法 | |
CN112150804B (zh) | 一种基于MaskRCNN算法的城市多类型交叉口识别方法 | |
CN113674287A (zh) | 高精地图的绘制方法、装置、设备以及存储介质 | |
US11790767B2 (en) | Method, apparatus, device and storage medium for pre-warning of aircraft flight threat evolution | |
US11741726B2 (en) | Lane line detection method, electronic device, and computer storage medium | |
CN113887418A (zh) | 车辆违规行驶的检测方法、装置、电子设备及存储介质 | |
CN113835102B (zh) | 车道线生成方法和装置 | |
CN115273039B (zh) | 一种基于摄像头的小障碍物探测方法 | |
CN114140592A (zh) | 高精地图生成方法、装置、设备、介质及自动驾驶车辆 | |
JP2022119973A (ja) | 画像識別に基づく飛行体強制着陸経路計画方法、システムおよび装置 | |
CN115100741A (zh) | 一种点云行人距离风险检测方法、系统、设备和介质 | |
US20220366167A1 (en) | Aircraft classification from aerial imagery | |
CN114241448A (zh) | 障碍物航向角的获取方法、装置、电子设备及车辆 | |
CN113537017A (zh) | 基于级联型回归修正的光学遥感图像飞机检测方法和装置 | |
CN115410173B (zh) | 多模态融合的高精地图要素识别方法、装置、设备及介质 | |
CN112651986B (zh) | 环境识别方法、识别装置、识别系统、电子设备及介质 | |
Mao et al. | City object detection from airborne Lidar data with OpenStreetMap‐tagged superpixels | |
CN114495049A (zh) | 识别车道线的方法和装置 | |
CN113706705A (zh) | 用于高精地图的图像处理方法、装置、设备以及存储介质 | |
CN113077520A (zh) | 碰撞预测方法、装置及边缘计算服务器 |
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 |