CN112926532B - 信息处理方法、装置、设备、存储介质及计算机程序产品 - Google Patents
信息处理方法、装置、设备、存储介质及计算机程序产品 Download PDFInfo
- Publication number
- CN112926532B CN112926532B CN202110357927.0A CN202110357927A CN112926532B CN 112926532 B CN112926532 B CN 112926532B CN 202110357927 A CN202110357927 A CN 202110357927A CN 112926532 B CN112926532 B CN 112926532B
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- noise influence
- sensing image
- range
- drawn
- 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
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 54
- 238000003672 processing method Methods 0.000 title claims abstract description 24
- 238000004590 computer program Methods 0.000 title abstract description 9
- 238000005286 illumination Methods 0.000 claims abstract description 112
- 238000000034 method Methods 0.000 claims description 28
- 238000013507 mapping Methods 0.000 claims description 19
- 238000010586 diagram Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 10
- 238000013135 deep learning Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 238000009877 rendering Methods 0.000 claims 1
- 238000010276 construction Methods 0.000 description 21
- 238000004458 analytical method Methods 0.000 description 15
- 230000000694 effects Effects 0.000 description 8
- 238000011835 investigation Methods 0.000 description 7
- 230000003068 static effect Effects 0.000 description 7
- 238000005553 drilling Methods 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003756 stirring Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Astronomy & Astrophysics (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Circuit Arrangement For Electric Light Sources In General (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种信息处理方法、装置、设备、存储介质及计算机程序产品，所述方法包括：获取待绘制的遥感影像和所述待绘制的遥感影像所在区域对应的在夜间不同时刻的遥感影像；识别所述待绘制的遥感影像中目标区域范围内的装置；识别所述不同时刻的遥感影像中所述装置在夜间的光照程度；根据所述装置和所述光照程度，确定在所述目标区域范围内的噪音影响范围信息，并根据所述噪音影响范围信息，对所述待绘制的遥感影像进行绘制，用以表示噪音影响。本发明能够便捷、准确地分析噪音影响。
Description
技术领域
本发明涉及信息处理领域，尤其涉及一种信息处理方法、装置、设备、存储介质及计算机程序产品。
背景技术
基建建设在不断地大力发展，在发展过程中，遇到了很多建设中噪音相关的问题，尤其是在面临租住、购房、工作或者其他选择时，也会将相关的噪音影响纳入到考虑之中。
目前，针对噪音影响的分析，往往是目标对象亲临现场进行考察，但是在无法亲临现场或者亲临现场时的时间不太合适的情况下，很难相对准确的判断噪音对自身的影响。
发明内容
本发明的主要目的在于提供一种信息处理方法、装置、设备、存储介质及计算机程序产品，旨在解决无法便捷、准确地分析噪音影响的问题。
为实现上述目的，本发明提供一种信息处理方法，所述信息处理方法包括：
获取待绘制的遥感影像和所述待绘制的遥感影像所在区域对应的在夜间不同时刻的遥感影像；
识别所述待绘制的遥感影像中目标区域范围内的装置；
识别所述不同时刻的遥感影像中所述装置在夜间的光照程度；
根据所述装置和所述光照程度，确定在所述目标区域范围内的噪音影响范围信息，并根据所述噪音影响范围信息，对所述待绘制的遥感影像进行绘制，用以表示噪音影响。
在一种可能的实现方式中，所述识别所述待绘制的遥感影像中目标区域范围内的装置，包括：
根据所述待绘制的遥感影像，通过目标识别模型，确定所述待绘制的遥感影像中目标区域范围内的装置，所述目标识别模型是由多段已标记的遥感影像通过深度学习算法训练得到的；
根据预设分类规则，确定所述装置所属的装置类型；
在所述待绘制的遥感影像中目标区域范围内标记所述装置和/或装置类型。
在一种可能的实现方式中，所述识别所述不同时刻的遥感影像中所述装置在夜间的光照程度，包括：
获取所述不同时刻的遥感影像中近红外电磁波信息；
根据所述近红外电磁波信息，确定所述装置在夜间的灯光亮度，并统计所述不同时刻的遥感影像中所述装置对应的光照时长；
根据所述灯光亮度以及所述光照时长，确定所述装置在夜间的光照程度。
在一种可能的实现方式中，所述识别所述不同时刻的遥感影像中所述装置在夜间的光照程度，包括：
获取所述不同时刻的遥感影像中的各个遥感影像对应的目标图像，所述目标图像是由相机在所述不同时刻拍摄得到的，所述目标图像中包含所述装置；
根据各个所述目标图像的像素点，确定所述装置对应的超过预设灯光亮度阈值的时长；
根据所述装置对应的超过预设灯光亮度阈值的时长，确定所述装置在夜间的光照程度。
在一种可能的实现方式中，所述噪音影响范围信息包括噪音影响范围、平均噪音分贝以及噪音影响程度；所述根据所述装置和所述光照程度，确定在所述目标区域范围内的噪音影响范围信息，包括：
根据噪音影响范围映射表以及所述装置所属的装置类型，确定所述装置对应的噪音影响范围和平均噪音分贝，所述噪音影响范围映射表用于表示各个装置类型对应的噪音影响范围和平均噪音分贝的关系表；
根据预设的光照程度等级，确定所述光照程度对应的目标光照程度级别；
根据所述装置对应的噪音影响范围、平均噪音分贝以及所述目标光照程度级别，确定所述装置对应的噪音影响程度。
在一种可能的实现方式中，所述根据所述噪音影响范围信息，对所述待绘制的遥感影像进行绘制，用以表示噪音影响，包括：
根据所述装置对应的噪音影响范围，对所述待绘制的遥感影像进行范围绘制；
根据所述装置对应的噪音影响程度，对范围绘制后的遥感影像进行影响程度绘制，生成可视化的噪音影响图，用以表示噪音影响。
在一种可能的实现方式中，所述装置为多个；所述方法还包括：
根据各个所述装置对应的噪音影响范围，确定各个所述装置在所述待绘制的遥感影像中是否存在范围交叉；
若存在，则根据所述范围交叉的区域中的多个装置分别对应的噪音影响程度，确定所述范围交叉的区域对应的目标噪音影响程度。
本发明还提供一种信息处理装置，所述信息处理装置包括：
第一获取模块，用于获取待绘制的遥感影像和所述待绘制的遥感影像所在区域对应的在夜间不同时刻的遥感影像；
第一识别模块，用于识别所述待绘制的遥感影像中目标区域范围内的装置；
第二识别模块，用于识别所述不同时刻的遥感影像中所述装置在夜间的光照程度；
第一处理模块，用于根据所述装置和所述光照程度，确定在所述目标区域范围内的噪音影响范围信息，并根据所述噪音影响范围信息，对所述待绘制的遥感影像进行绘制，用以表示噪音影响。
本发明还提供一种信息处理设备，所述信息处理设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的信息处理程序，所述信息处理程序被所述处理器执行时实现如前述任一项所述的信息处理方法的步骤。
本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有信息处理程序，所述信息处理程序被处理器执行时实现如前述任一项所述的信息处理方法的步骤。
本发明还提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如前述任一项所述的信息处理方法的步骤。
本发明中，通过获取待绘制的遥感影像以及与该待绘制的遥感影像对应的在夜间采集到的不同时刻的遥感影像，然后对该待绘制的遥感影像进行识别，识别出该待绘制的遥感影像中目标区域范围内的装置，且识别不同时刻的遥感影像中装置在夜间的光照程度，再基于该装置以及对应的光照程度，确定目标区域范围内的噪音影响范围信息，并依据该噪音影响范围信息绘制遥感影像，可视化表示噪音影响(比如可视化展示噪音影响程度、影响范围等)。因此，通过采集遥感影像并识别，能够准确地识别出装置以及光照程度，然后基于识别到的装置以及光照程度来确定噪音影响范围并绘制遥感影像，代替了人工考察和分析，进而保证了噪音影响范围分析的准确性，并通过绘制好的遥感影像来展示噪音影响的效果图，无需自身亲临现场考察也无需考虑亲临现场的时机不合适的因素，即可便捷地通过可视化的图像直观的反馈给用户目标区域的噪音影响范围和程度。
附图说明
图1为本发明实施例提供的一种应用场景示意图；
图2为本发明实施例提供的一种信息处理方法的流程示意图；
图3为本发明实施例提供的另一种信息处理方法的流程示意图；
图4为本发明实施例提供的又一种信息处理方法的流程示意图；
图5为本发明实施例提供的另一种信息处理方法的流程示意图；
图6为本发明实施例提供的一种信息处理装置的结构示意图；
图7为本发明实施例提供的一种信息处理设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
目前，针对噪音影响的分析，往往是目标对象亲临现场进行考察，但是在无法亲临现场或者亲临现场时的时间不太合适的情况下，很难相对准确的判断噪音对自身的影响。因此，现有技术中无法便捷、准确地分析噪音影响。
为了解决这一问题，本发明的技术构思是采用遥感影像，并通过遥感影像本身的特征，能够精确地识别某一区域(比如工地)上的装置(比如机械装置等)以及所在位置，将容易产生噪音的装置进行标记，并结合不同装置的噪音影响范围，将影响范围绘制至遥感图像，同时基于夜间时序(不同时刻)的遥感影像信息，识别工地灯光的光照强度(比如亮度和时长)，基于统计的工地夜间施工时间结合影响范围等，确定影响程度，并将影响程度绘制至遥感图像，最后通过绘制的图像能够直观的反馈给用户工地的噪音影响范围和程度，实现了便捷、准确地分析噪音影响。
图1为本发明实施例提供的一种应用场景示意图。如图1所示，针对某一工地，可以通过卫星10遥感技术采集遥感影像，对需要绘制的遥感影像作为底图，即待绘制的遥感图像。同时，通过卫星10还可以采集同一工地对应的夜间的时序遥感影像即在夜间不同时刻的遥感影像，然后信息处理设备(比如终端设备或服务器等)，以终端设备20为例，终端设备20获取遥感影像(包含待绘制的遥感影像以及夜间的时序遥感影像，其中待绘制的遥感影像可以是时序遥感影像中的任一遥感影像，也可以是当天采集到的区别于时序遥感影像中的任一遥感影像)，在此不做具体限定，但是需要保证采集的是遥感影像是同一区域的。
具体地，终端设备20通过获取到的待绘制的遥感影像识别出工地上的施工装置(即目标区域范围内的装置，比如机械装置等)并标记和绘制噪音影响范围，结合通过时序遥感影像识别出的灯光亮度并统计夜间施工时间确定光照程度，并基于光照强度来绘制遥感影像，形成可视化的图像，用以表示噪音影响，即通过图像直观的反馈给用户工地的噪音影响范围和程度，实现了便捷、准确地分析噪音影响。
下面结合附图，对本发明的一些实施方式作详细说明。在各实施例之间不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
图2为本发明实施例提供的一种信息处理方法的流程示意图。本实施例中方法的执行主体可以为信息处理设备，比如终端设备、服务器等。该终端设备或服务器具有信息处理功能。本实施例中的方法可以通过软件、硬件或者软硬件结合的方式来实现。如图2所示，所述方法可以包括：
S201、获取待绘制的遥感影像和所述待绘制的遥感影像所在区域对应的在夜间不同时刻的遥感影像。
其中，遥感影像可以是通过卫星采集到的，为了通过图像直观的反馈给用户工地的噪音影响范围和程度，可以对遥感影像进行绘制，然后生成可视化的噪音影响效果图即绘制后的遥感影像，用以表示噪音影响。
具体地，获取遥感影像的方式可以是：通过公开数据源获取；通过向指定专业机构购买相应区域的遥感影像；通过无人机或者其他工具进行拍摄。
以卫星采集为例，通过卫星采集静态遥感影像，作为待绘制的遥感影像，同时，针对同一位置或同一区域，采集时序遥感影像即该待绘制的遥感影像所在区域对应的在夜间不同时刻的遥感影像。其中，采集的静态遥感影像可以作为用于绘制装置噪音影响范围以及影响程度的底图。此外，还可以以常规地图作为底图，均可以实现装置噪音影响范围以及影响程度的绘制和可视化。下述均以遥感影像作为底图进行详细说明。
S202、识别所述待绘制的遥感影像中目标区域范围内的装置。
具体地，基于深度学习利用目标识别算法，识别遥感影像中工地范围(即目标区域范围)的装置，为了便于分析，可以将装置进行分类分析，一类装置对应相同的噪音影响。
可选的，如何识别所述待绘制的遥感影像中目标区域范围内的装置，可以通过以下步骤实现：
步骤a1、根据所述待绘制的遥感影像，通过目标识别模型，确定所述待绘制的遥感影像中目标区域范围内的装置，所述目标识别模型是由多段已标记的遥感影像通过深度学习算法训练得到的。
步骤a2、根据预设分类规则，确定所述装置所属的装置类型。
步骤a3、在所述待绘制的遥感影像中目标区域范围内标记所述装置类型。
其中，深度学习算法包括但不限于基于region proposal(two stage)的RCNN系列算法或者基于回归(one-shot)的YOLO等算法。由于目标识别模型是由多段已标记的遥感影像通过深度学习算法训练得到的，则训练样本主要基于人工进行标注，避免对未在范围内的机器错误识别。
具体地，首先对已有的遥感影像进行人工标注，将对应的机械设备(即装置)打上标签，形成训练集；然后通过上述深度学习算法基于训练集进行模型训练，得出算法模型即目标识别模型；再通过算法模型对其他图片进行识别，比如将该待绘制的遥感影像输入到算法模型中，输出含有标记的遥感影像即在待绘制的遥感影像中标记出装置和/装置所属装置类型。
其中，装置类型的分类(预设分类规则)为：打桩机、钻孔机等属于桩工机械；振捣器等属于搅拌机械；挖掘机、推土机等属于挖掘机械；相对静态的机械属于其他机械。
示例性的，通过目标识别模型识别出遥感影像中有打桩机、钻孔机、挖掘机、推土机等，同时，对各个装置进行分类，则可以在待绘制的遥感影像中的相应位置标记出打桩机、钻孔机、挖掘机、推土机，和/或，在打桩机和钻孔机相应位置分别标记出桩工机械、在挖掘机和推土机相应位置分别标记出挖掘机械。
S203、识别所述不同时刻的遥感影像中所述装置在夜间的光照程度。
其中，基于图片识别算法，通过分析夜间遥感图像的灯光亮度，从而判断夜间的施工时长，进而确定各个装置或各个装置类型在夜间的光照程度。这里的光照程度与灯光亮度以及灯光的光照时长相关联，比如，灯光亮度越强且灯光的光照时长越强，则光照程度越强。
S204、根据所述装置和所述光照程度，确定在所述目标区域范围内的噪音影响范围信息，并根据所述噪音影响范围信息，对所述待绘制的遥感影像进行绘制，用以表示噪音影响。
其中，不同类型的装置对应的噪音影响范围可能不同，且不同的灯光亮度以及时长对应的光照程度也不同，因此，依据装置以及光照程度，可以精准地确定出各个装置或各个装置类型在目标区域范围内的噪音影响范围信息，比如噪音影响范围、平均噪音分贝以及噪音影响程度等。
具体地，为了便于分析，可以对装置先进行分类，然后基于每个装置对应的装置类型进行噪音影响分析。示例性的，识别出的待绘制的遥感影像中含有打桩机、钻孔机、挖掘机、推土机，其中，打桩机和钻孔机属于桩工机械，挖掘机和推土机属于挖掘机械，每个装置类型对应的噪音影响程度可以用同一色系表示，每个装置基于光照强度的不同，可以在该色系下选择不同的颜色深度作为该装置所属装置类型对应的噪音影响程度，比如桩工机械对应的噪音影响程度用灰色系表示，基于光照强度，打桩机所属的桩工机械对应的噪音影响程度可以用深灰表示，钻孔机所属的桩工机械对应的噪音影响程度可以用浅灰表示；挖掘机械对应的噪音影响程度用红色系表示，基于光照强度，挖掘机所属的挖掘机械对应的噪音影响程度用深红表示，推土机所属的挖掘机械对应的噪音影响程度用大红标识等。
或者，为了清楚地展示绘制的遥感影像，可以是一个装置对应一个颜色，如果存在两个或两个以上相同的装置，可以基于不同的光照强度采用相同色系的不同的颜色深度标识，具体匹配方式可以自定义，在此不再赘述。
需要说明的是，上述使用颜色来表示噪音影响程度仅仅是示例性的，还可以采用不同的填充方式进行展示等，在此不做具体限定。
本实施例提供的信息处理方法，通过获取待绘制的遥感影像以及与该待绘制的遥感影像对应的在夜间采集到的不同时刻的遥感影像，然后对该待绘制的遥感影像进行识别，识别出该待绘制的遥感影像中目标区域范围内的装置，且识别不同时刻的遥感影像中装置在夜间的光照程度，再基于该装置以及对应的光照程度，确定目标区域范围内的噪音影响范围信息，并依据该噪音影响范围信息绘制遥感影像，可视化的表示噪音影响。因此，通过采集遥感影像并识别，能够准确地识别出装置以及光照程度，然后基于识别到的装置以及光照程度来确定噪音影响范围并绘制遥感影像，代替了人工考察和分析，进而保证了噪音影响范围分析的准确性，并通过绘制好的遥感影像来展示噪音影响的效果图，无需自身亲临现场考察也无需考虑亲临现场的时机不合适的因素，即可便捷地通过可视化的图像直观的反馈给用户目标区域的噪音影响范围和程度。
可选的，识别所述不同时刻的遥感影像中所述装置在夜间的光照程度可以通过下述至少两种方式实现：
方式1：直接基于遥感影像进行光照强度分析。
步骤b1、获取所述不同时刻的遥感影像中近红外电磁波信息。
步骤b2、根据所述近红外电磁波信息，确定所述装置在夜间的灯光亮度，并统计所述不同时刻的遥感影像中所述装置对应的光照时长。
步骤b3、根据所述灯光亮度以及所述光照时长，确定所述装置在夜间的光照程度。
具体地，基于夜间的时序遥感影像中近红外电磁波信息，判断对应区域的光亮即灯光亮度，然后统计夜间施工时间即光照时长，基于灯光亮度结合光照时长，通过经过试验获得的预设映射表，查找与其匹配的光照程度。其中，经过试验获得的预设映射表是关于灯光亮度结合光照时长与光照程度的映射表。
方式2：基于遥感影像对应的普通影像进行光照强度分析。
步骤c1、获取所述不同时刻的遥感影像中的各个遥感影像对应的目标图像，所述目标图像是由相机在所述不同时刻拍摄得到的，所述目标图像中包含所述装置。
步骤c2、根据各个所述目标图像的像素点，确定所述装置对应的超过预设灯光亮度阈值的时长。
步骤c3、根据所述装置对应的超过预设灯光亮度阈值的时长，确定所述装置在夜间的光照程度。
具体地，基于普通影像(无人机拍摄等方式)的像素点进行判断，然后基于超过一定亮度的程度的时间进行时长统计即统计该装置对应的超过预设灯光亮度阈值的时长，通过该时长能够直接确定装置在夜间的光照程度。
可选的，噪音影响范围信息可以包括噪音影响范围、平均噪音分贝以及噪音影响程度；其中，如何根据所述装置和所述光照程度，确定在所述目标区域范围内的噪音影响范围信息，可以通过以下步骤实现：
步骤d1、根据噪音影响范围映射表以及所述装置所属的装置类型，确定所述装置对应的噪音影响范围和平均噪音分贝，所述噪音影响范围映射表用于表示各个装置类型对应的噪音影响范围和平均噪音分贝的关系表。
步骤d2、根据预设的光照程度等级，确定所述光照程度对应的目标光照程度级别。
步骤d3、根据所述装置对应的噪音影响范围、平均噪音分贝以及所述目标光照程度级别，确定所述装置对应的噪音影响程度。
示例性的，噪音影响范围映射表可以参见下表1所示：
表1
其中，上述表格中的数据可以是通过试验或是实地考察采集的装置对应的影响范围映射表，用以评估影响范围；其中，a、b、c、d均为实际的关联参数。其他机械类型的数据采集类似，在此不再赘述，且表1中的数据以及公式仅仅是示例性的，可以基于不同的场地结合不同的场景确定，在此不做具体限定。
为了便于分析，一个装置类型对应一个噪音分贝距离公式，即一个装置类型对应一个噪音影响范围和平均噪音分贝，因此，所属同一类装置类型的不同装置对应一个噪音影响范围和平均噪音分贝，所以基于噪音影响范围映射表以及该装置所属的装置类型，可以确定该装置对应的噪音影响范围和平均噪音分贝。此外，可以不局限于装置类型，即一个装置可以对应一个噪音影响范围和平均噪音分贝。
具体地，首先基于噪音影响范围映射表以及所述装置所属的装置类型，确定该装置对应的噪音影响范围和平均噪音分贝；然后基于该装置对应的光照程度，通过查找预设的光照程度等级(比如等级1、等级2…，等级n；其中等级越高可以表示光照程度越高或越强，在此不做具体限定)，确定该装置对应的光照程度匹配的目标光照程度级别。再通过噪音影响范围、平均噪音分贝结合该目标光照程度级别，确定装置对应的噪音影响程度，比如噪音影响范围越大、平均噪音分贝越大且目标光照程度级别越高，则装置对应的噪音影响程度越严重，这里的噪音影响程度可以通过颜色深浅来表示，具体方式可以参见上述实施例，在此不再赘述。
可选的，确定噪音影响范围信息之后，如何利用噪音影响范围信息对所述待绘制的遥感影像进行绘制，进而生成可视化的噪音影响图，可以通过以下步骤实现：
步骤e1、根据所述装置对应的噪音影响范围，对所述待绘制的遥感影像进行范围绘制。
具体地，参见图3所示，本发明实施例提供的另一种信息处理方法的流程示意图。首先基于遥感影像(即待绘制的遥感影像)，通过目标识别模型识别工地装置，比如机械装置；然后对识别到的机械装置进行分类：桩工机械(比如打桩机、钻孔机)、搅拌机械(比如振捣器)、挖掘机械(比如挖掘机、推土机)、其他机械(比如相对静态的机械)，然后基于不同装置所属的装置类型对应的噪音影响范围，在该遥感影像上进行范围绘制。
步骤e2、根据所述装置对应的噪音影响程度，对范围绘制后的遥感影像进行影响程度绘制，生成可视化的噪音影响图，用以表示噪音影响。
具体地，参见图4所示，本发明实施例提供的又一种信息处理方法的流程示意图。首先基于采集到的时序遥感影像，通过图片识别算法识别工地装置的灯光亮度，然后统计夜间施工时间，进而确定装置在夜间的光照程度，用以绘制该遥感影像即用以绘制范围绘制后的遥感影像，最后生成可视化的噪音影响图，用以表示噪音影响。
可选的，若装置为多个，比如多个相同的装置和/或多个不同的装置，各个装置在待绘制的遥感影像中可能存在范围交叉，在该场景下，如何确定范围交叉的区域对应的目标噪音影响程度，可以通过以下步骤实现：
步骤f1、根据各个所述装置对应的噪音影响范围，确定各个所述装置在所述待绘制的遥感影像中是否存在范围交叉。
步骤f2、若存在，则根据所述范围交叉的区域中的多个装置分别对应的噪音影响程度，确定所述范围交叉的区域对应的目标噪音影响程度。
其中，确定是否存在范围交叉，可以根据各个装置对应的噪音影响范围来确定，具体地，可以通过步骤e1中进行范围绘制后确定，也可以通过各个装置在待绘制的遥感影像中的实际坐标结合各个装置对应的噪音影响范围确定各个装置在待绘制的遥感影像中是否存在范围交叉。
如果存在交叉，可以基于范围交叉的区域中的多个装置分别对应的噪音影响程度来确定该范围交叉的区域对应的目标噪音影响程度。其中，该可以分为多个相同装置范围交叉的区域和/或多个不同装置范围交叉的区域，具体该范围交叉的区域对应的目标噪音影响程度可以基于上述范围交叉的区域是由哪些装置交叉以及各自对应的噪音影响程度来确定，比如，多个相同装置范围交叉的区域可以增加该装置对应的噪音影响程度使用的色系的颜色深度，多个不同装置范围交叉的区域可以换一个不同于多个不同装置对应的噪音影响程度使用的色系，或是增加该色系的颜色深度。比如，颜色越深表示噪音影响程度越大。
在实际应用中，参见图5所示，图5为本发明实施例提供的另一种信息处理方法的流程示意图。本发明通过深度学习利用目标识别算法初步识别各个装置(即装置)，基于装置识别结果(即识别出的各个装置和/或各个装置所属的装置类型)结合装置影像映射表(即噪音影响范围映射表)，绘制遥感影像；同时，通过图片识别算法对时序遥感影像进行灯光识别，得到灯光识别结果(比如灯光亮度)，然后对灯光进行时长统计，进而确定光照强度，绘制遥感影像，最终生成可视化的噪音影响图，实现了影响可视化。
具体地，通过初步识别各个装置，基于装置类型和光照程度得出影响范围，以遥感影像或者常规地图作为底图，将不同影响程度绘制出，基于可视化的效果设计，让用户可以直观的看到影响范围(例如不同程度的影响颜色深度不一致，涉及范围交叉的地方进行颜色加深等方式)。
因此，通过静态遥感影像识别工地上的施工装置，将容易产生噪音的装置进行标记，并结合不同装置的噪音影响范围清单，将影响范围绘制至遥感图像；同时基于夜间时序的遥感影像信息，识别工地灯光亮度，统计工地夜间施工时间，将影响程度绘制至遥感图像；最后通过图像直观的反馈给用户工地的噪音影响范围和程度，实现了便捷、准确地分析噪音影响。
图6为本发明实施例提供的一种信息处理装置的结构示意图。如图6所示，所述信息处理装置可以包括：
第一获取模块601，用于获取待绘制的遥感影像和所述待绘制的遥感影像所在区域对应的在夜间不同时刻的遥感影像；
第一识别模块602，用于识别所述待绘制的遥感影像中目标区域范围内的装置；
第二识别模块603，用于识别所述不同时刻的遥感影像中所述装置在夜间的光照程度；
第一处理模块604，用于根据所述装置和所述光照程度，确定在所述目标区域范围内的噪音影响范围信息，并根据所述噪音影响范围信息，对所述待绘制的遥感影像进行绘制，用以表示噪音影响。
本实施例提供的信息处理装置，配置了采样数据第一获取模块601、第一识别模块602、第二识别模块603以及第一处理模块604，用于通过获取待绘制的遥感影像以及与该待绘制的遥感影像对应的在夜间采集到的不同时刻的遥感影像，然后对该待绘制的遥感影像进行识别，识别出该待绘制的遥感影像中目标区域范围内的装置，且识别不同时刻的遥感影像中装置在夜间的光照程度，再基于该装置以及对应的光照程度，确定目标区域范围内的噪音影响范围信息，并依据该噪音影响范围信息绘制遥感影像，可视化表示噪音影响。因此，通过采集遥感影像并识别，能够准确地识别出装置以及光照程度，然后基于识别到的装置以及光照程度来确定噪音影响范围并绘制遥感影像，代替了人工考察和分析，进而保证了噪音影响范围分析的准确性，并通过绘制好的遥感影像来展示噪音影响的效果图，无需自身亲临现场考察也无需考虑亲临现场的时机不合适的因素，即可便捷地通过可视化的图像直观的反馈给用户目标区域的噪音影响范围和程度。
本实施例提供的信息处理装置，可以用于执行前述任一方法实施例提供的技术方案，其实现原理和技术效果类似，在此不再赘述。
在一种可能的实现方式中，所述第一识别模块602，具体用于：
根据所述待绘制的遥感影像，通过目标识别模型，确定所述待绘制的遥感影像中目标区域范围内的装置，所述目标识别模型是由多段已标记的遥感影像通过深度学习算法训练得到的；
根据预设分类规则，确定所述装置所属的装置类型；
在所述待绘制的遥感影像中目标区域范围内标记所述装置和/或装置类型。
在一种可能的实现方式中，所述第二识别模块603具体用于：
获取所述不同时刻的遥感影像中近红外电磁波信息；
根据所述近红外电磁波信息，确定所述装置在夜间的灯光亮度，并统计所述不同时刻的遥感影像中所述装置对应的光照时长；
根据所述灯光亮度以及所述光照时长，确定所述装置在夜间的光照程度。
在一种可能的实现方式中，所述第二识别模块具体用于：
获取所述不同时刻的遥感影像中的各个遥感影像对应的目标图像，所述目标图像是由相机在所述不同时刻拍摄得到的，所述目标图像中包含所述装置；
根据各个所述目标图像的像素点，确定所述装置对应的超过预设灯光亮度阈值的时长；
根据所述装置对应的超过预设灯光亮度阈值的时长，确定所述装置在夜间的光照程度。
在一种可能的实现方式中，所述噪音影响范围信息包括噪音影响范围、平均噪音分贝以及噪音影响程度；所述第一处理模块604，具体用于：
根据噪音影响范围映射表以及所述装置所属的装置类型，确定所述装置对应的噪音影响范围和平均噪音分贝，所述噪音影响范围映射表用于表示各个装置类型对应的噪音影响范围和平均噪音分贝的关系表；
根据预设的光照程度等级，确定所述光照程度对应的目标光照程度级别；
根据所述装置对应的噪音影响范围、平均噪音分贝以及所述目标光照程度级别，确定所述装置对应的噪音影响程度。
在一种可能的实现方式中，所述第一处理模块604，还具体用于：
根据所述装置对应的噪音影响范围，对所述待绘制的遥感影像进行范围绘制；
根据所述装置对应的噪音影响程度，对范围绘制后的遥感影像进行影响程度绘制，生成可视化的噪音影响图，用以表示噪音影响。
在一种可能的实现方式中，所述装置为多个；所述信息处理装置还可以包括：第二处理模块；第二处理模块，用于根据各个所述装置对应的噪音影响范围，确定各个所述装置在所述待绘制的遥感影像中是否存在范围交叉；若存在，则根据所述范围交叉的区域中的多个装置分别对应的噪音影响程度，确定所述范围交叉的区域对应的目标噪音影响程度。
因此，本发明通过静态遥感影像识别工地上的施工装置，将容易产生噪音的装置进行标记，并结合不同装置的噪音影响范围清单，将影响范围绘制至遥感图像；同时基于夜间时序的遥感影像信息，识别工地灯光亮度，统计工地夜间施工时间，将影响程度绘制至遥感图像；最后通过图像直观的反馈给用户工地的噪音影响范围和程度，实现了便捷、准确地分析噪音影响。
前述任一实施例提供的信息处理装置，用于执行前述任一方法实施例的技术方案，其实现原理和技术效果类似，在此不再赘述。
图7为本发明实施例提供的一种信息处理设备的结构示意图。如图7所示，所述设备可以包括：存储器701、处理器702及存储在所述存储器701上并可在所述处理器702上运行的信息处理程序，所述信息处理程序被所述处理器702执行时实现如前述任一实施例所述的信息处理方法的步骤。
可选地，存储器701既可以是独立的，也可以跟处理器702集成在一起。
本实施例提供的设备的实现原理和技术效果可以参见前述各实施例，此处不再赘述。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有信息处理程序，所述信息处理程序被处理器执行时实现如前述任一实施例所述的信息处理方法的步骤。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。例如，以上所描述的设备实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
上述以软件功能模块的形式实现的集成的模块，可以存储在一个计算机可读取存储介质中。上述软件功能模块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)或处理器执行本发明各个实施例所述方法的部分步骤。
应理解，上述处理器可以是中央处理单元(Central Processing Unit，简称CPU)，还可以是其它通用处理器、数字信号处理器(Digital Signal Processor，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)等。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。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器，还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。
上述存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(Application Specific Integrated Circuits，简称ASIC)中。当然，处理器和存储介质也可以作为分立组件存在于电子设备或主控设备中。
本发明还提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现本发明任一实施例提供的方法。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (9)
1.一种信息处理方法，其特征在于，所述方法包括：
获取待绘制的遥感影像和所述待绘制的遥感影像所在区域对应的在夜间不同时刻的遥感影像；
识别所述待绘制的遥感影像中目标区域范围内的装置；
基于图片识别算法，分析所述不同时刻的遥感影像中的灯光亮度和灯光的光照时长，并根据所述灯光亮度和所述灯光的光照时长确定各个装置或各个装置类型在夜间的光照程度；其中，所述灯光亮度越强且所述灯光的光照时长越强，则所述光照程度越强；
根据噪音影响范围映射表以及所述装置所属的装置类型，确定所述装置对应的噪音影响范围和平均噪音分贝，所述噪音影响范围映射表用于表示各个装置类型对应的噪音影响范围和平均噪音分贝的关系表；
根据预设的光照程度等级，确定所述光照程度对应的目标光照程度级别；
根据所述装置对应的噪音影响范围、平均噪音分贝以及所述目标光照程度级别，确定所述装置对应的噪音影响程度；
根据所述噪音影响范围和所述噪音影响程度，对所述待绘制的遥感影像进行绘制，用以表示噪音影响。
2.根据权利要求1所述的方法，其特征在于，所述识别所述待绘制的遥感影像中目标区域范围内的装置，包括：
根据所述待绘制的遥感影像，通过目标识别模型，确定所述待绘制的遥感影像中目标区域范围内的装置，所述目标识别模型是由多段已标记的遥感影像通过深度学习算法训练得到的；
根据预设分类规则，确定所述装置所属的装置类型；
在所述待绘制的遥感影像中目标区域范围内标记所述装置和/或装置类型。
3.根据权利要求2所述的方法，其特征在于，所述基于图片识别算法，分析所述不同时刻的遥感影像中的灯光亮度和灯光的光照时长，并根据所述灯光亮度和所述灯光的光照时长确定各个装置或各个装置类型在夜间的光照程度，包括：
获取所述不同时刻的遥感影像中近红外电磁波信息；
根据所述近红外电磁波信息，确定所述装置在夜间的灯光亮度，并统计所述不同时刻的遥感影像中所述装置对应的光照时长；
根据所述灯光亮度以及所述光照时长，确定所述装置在夜间的光照程度。
4.根据权利要求2所述的方法，其特征在于，所述基于图片识别算法，分析所述不同时刻的遥感影像中的灯光亮度和灯光的光照时长，并根据所述灯光亮度和所述灯光的光照时长确定各个装置或各个装置类型在夜间的光照程度，包括：
获取所述不同时刻的遥感影像中的各个遥感影像对应的目标图像，所述目标图像是由相机在所述不同时刻拍摄得到的，所述目标图像中包含所述装置；
根据各个所述目标图像的像素点，确定所述装置对应的超过预设灯光亮度阈值的时长；
根据所述装置对应的超过预设灯光亮度阈值的时长，确定所述装置在夜间的光照程度。
5.根据权利要求1所述的方法，其特征在于，所述根据所述噪音影响范围和所述噪音影响程度，对所述待绘制的遥感影像进行绘制，用以表示噪音影响，包括：
根据所述装置对应的噪音影响范围，对所述待绘制的遥感影像进行范围绘制；
根据所述装置对应的噪音影响程度，对范围绘制后的遥感影像进行影响程度绘制，生成可视化的噪音影响图，用以表示噪音影响。
6.根据权利要求1-4任一项所述的方法，其特征在于，所述装置为多个；所述方法还包括：
根据各个所述装置对应的噪音影响范围，确定各个所述装置在所述待绘制的遥感影像中是否存在范围交叉；
若存在，则根据所述范围交叉的区域中的多个装置分别对应的噪音影响程度，确定所述范围交叉的区域对应的目标噪音影响程度。
7.一种信息处理装置，其特征在于，所述装置包括：
第一获取模块，用于获取待绘制的遥感影像和所述待绘制的遥感影像所在区域对应的在夜间不同时刻的遥感影像；
第一识别模块，用于识别所述待绘制的遥感影像中目标区域范围内的装置；
第二识别模块，用于基于图片识别算法，分析所述不同时刻的遥感影像中的灯光亮度和灯光的光照时长，并根据所述灯光亮度和所述灯光的光照时长确定各个装置或各个装置类型在夜间的光照程度；其中，所述灯光亮度越强且所述灯光的光照时长越强，则所述光照程度越强；
第一处理模块，用于根据噪音影响范围映射表以及所述装置所属的装置类型，确定所述装置对应的噪音影响范围和平均噪音分贝，所述噪音影响范围映射表用于表示各个装置类型对应的噪音影响范围和平均噪音分贝的关系表；根据预设的光照程度等级，确定所述光照程度对应的目标光照程度级别；根据所述装置对应的噪音影响范围、平均噪音分贝以及所述目标光照程度级别，确定所述装置对应的噪音影响程度，并根据所述噪音影响范围和所述噪音影响程度，对所述待绘制的遥感影像进行绘制，用以表示噪音影响。
8.一种信息处理设备，其特征在于，所述信息处理设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的信息处理程序，所述信息处理程序被所述处理器执行时实现如权利要求1至6中任一项所述的信息处理方法的步骤。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有信息处理程序，所述信息处理程序被处理器执行时实现如权利要求1至6中任一项所述的信息处理方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110357927.0A CN112926532B (zh) | 2021-04-01 | 2021-04-01 | 信息处理方法、装置、设备、存储介质及计算机程序产品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110357927.0A CN112926532B (zh) | 2021-04-01 | 2021-04-01 | 信息处理方法、装置、设备、存储介质及计算机程序产品 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112926532A CN112926532A (zh) | 2021-06-08 |
| CN112926532B true CN112926532B (zh) | 2024-05-10 |
Family
ID=76173860
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110357927.0A Active CN112926532B (zh) | 2021-04-01 | 2021-04-01 | 信息处理方法、装置、设备、存储介质及计算机程序产品 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112926532B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113516449B (zh) * | 2021-06-30 | 2023-12-22 | 南通四建集团有限公司 | 一种降低建筑噪音的信息处理方法和装置 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104318544A (zh) * | 2014-09-25 | 2015-01-28 | 中国水产科学研究院东海水产研究所 | 基于夜间灯光卫星遥感数据光透捕作业渔船数量估算方法 |
| CN106156756A (zh) * | 2016-07-28 | 2016-11-23 | 广州地理研究所 | 建设用地效率空间分布的快速估算方法 |
| CN106683059A (zh) * | 2016-12-29 | 2017-05-17 | 中国科学院深圳先进技术研究院 | 夜间灯光数据序列构建方法及装置 |
| CN109636838A (zh) * | 2018-12-11 | 2019-04-16 | 北京市燃气集团有限责任公司 | 一种基于遥感影像变化检测的燃气隐患分析方法及装置 |
| CN111192239A (zh) * | 2019-12-18 | 2020-05-22 | 星际空间（天津）科技发展有限公司 | 遥感影像变化区域检测方法、装置、存储介质及电子设备 |
| CN111798383A (zh) * | 2020-06-09 | 2020-10-20 | 武汉大学 | 一种高分辨率夜间灯光影像的增强方法 |
| CN111949817A (zh) * | 2020-09-09 | 2020-11-17 | 中国农业科学院农业信息研究所 | 基于遥感影像的农作物信息展示系统、方法、设备及介质 |
| CN112101309A (zh) * | 2020-11-12 | 2020-12-18 | 北京道达天际科技有限公司 | 基于深度学习分割网络的地物目标识别方法和装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018081929A1 (zh) * | 2016-11-01 | 2018-05-11 | 深圳大学 | 一种高光谱遥感图像特征提取和分类方法及其系统 |
-
2021
- 2021-04-01 CN CN202110357927.0A patent/CN112926532B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104318544A (zh) * | 2014-09-25 | 2015-01-28 | 中国水产科学研究院东海水产研究所 | 基于夜间灯光卫星遥感数据光透捕作业渔船数量估算方法 |
| CN106156756A (zh) * | 2016-07-28 | 2016-11-23 | 广州地理研究所 | 建设用地效率空间分布的快速估算方法 |
| CN106683059A (zh) * | 2016-12-29 | 2017-05-17 | 中国科学院深圳先进技术研究院 | 夜间灯光数据序列构建方法及装置 |
| CN109636838A (zh) * | 2018-12-11 | 2019-04-16 | 北京市燃气集团有限责任公司 | 一种基于遥感影像变化检测的燃气隐患分析方法及装置 |
| CN111192239A (zh) * | 2019-12-18 | 2020-05-22 | 星际空间（天津）科技发展有限公司 | 遥感影像变化区域检测方法、装置、存储介质及电子设备 |
| CN111798383A (zh) * | 2020-06-09 | 2020-10-20 | 武汉大学 | 一种高分辨率夜间灯光影像的增强方法 |
| CN111949817A (zh) * | 2020-09-09 | 2020-11-17 | 中国农业科学院农业信息研究所 | 基于遥感影像的农作物信息展示系统、方法、设备及介质 |
| CN112101309A (zh) * | 2020-11-12 | 2020-12-18 | 北京道达天际科技有限公司 | 基于深度学习分割网络的地物目标识别方法和装置 |
Non-Patent Citations (2)
| Title |
|---|
| Experimental study of the effects on signal noise ratio and dynamic range caused by analog gain for CCD;Wang, DJ 等，;《ACTA PHYSICA SINICA》;第60卷(第7期);321-334 * |
| 基于夜间灯光影像的中国电力消耗量估算及时空动态;潘竟虎 等，;《地理研究》;第35卷(第4期);627-638 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112926532A (zh) | 2021-06-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7227975B2 (en) | System and method for analyzing aerial photos | |
| CN105283902B (zh) | 图像处理装置、图像处理方法、以及图像处理程序的存储介质 | |
| EP3848509A1 (en) | Crack analysis device, crack analysis method, and crack analysis program | |
| Grybas et al. | A comparison of unsupervised segmentation parameter optimization approaches using moderate-and high-resolution imagery | |
| CN110457501B (zh) | 一种基于图像识别的岩土芯样信息编录系统 | |
| WO2011023247A1 (en) | Generating raster image representing road existence probability based on probe measurements | |
| CN111346842A (zh) | 煤矸石分拣方法、装置、设备及存储介质 | |
| CN109242006A (zh) | 基于车型分类的识别车辆损伤的方法及装置 | |
| CN112926532B (zh) | 信息处理方法、装置、设备、存储介质及计算机程序产品 | |
| CN108268527A (zh) | 一种检测土地利用类型变化的方法 | |
| CN106611056B (zh) | 三维仿真地图的切图方法及装置 | |
| US20050123175A1 (en) | Systems and methods relating to AFIS recognition, extraction, and 3-D analysis strategies | |
| CN111199567B (zh) | 车道线绘制方法、装置及终端设备 | |
| Vogt | User guide of guidos toolbox | |
| CN117433830A (zh) | 一种场地调查钻孔采样辅助套件及数据采集与处理方法 | |
| CN107657262A (zh) | 一种计算机自动分类精度评价方法 | |
| JP3919722B2 (ja) | 肌形状計測方法及び肌形状計測装置 | |
| CN111401158A (zh) | 难样本发现方法、装置及计算机设备 | |
| KR20140137059A (ko) | 스마트폰용 어플리케이션 프로그램을 이용한 차량연비분석 방법 | |
| Morago et al. | Photograph LIDAR registration methodology for rock discontinuity measurement | |
| CN112949617B (zh) | 农村道路类型识别方法、系统、终端设备及可读存储介质 | |
| CN113807315A (zh) | 一种构建待识别对象识别模型的方法、装置、设备及介质 | |
| JP2000306105A (ja) | 画像形成装置 | |
| KR101683449B1 (ko) | 착과수의 열매와 나무 개체수 계산이 가능한 과수원손해사정조사앱을 탑재한 모바일기기 및 착과수의 열매 객체의 외곽선을 추출하는 방법 | |
| CN117217628B (zh) | 一种碳信用项目评级方法及装置 |
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 |