CN114187351A - 一种应用于卫星的图像采集方法及装置 - Google Patents
一种应用于卫星的图像采集方法及装置 Download PDFInfo
- Publication number
- CN114187351A CN114187351A CN202111501170.4A CN202111501170A CN114187351A CN 114187351 A CN114187351 A CN 114187351A CN 202111501170 A CN202111501170 A CN 202111501170A CN 114187351 A CN114187351 A CN 114187351A
- Authority
- CN
- China
- Prior art keywords
- determining
- area
- satellite
- region
- detection
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种应用于卫星的图像采集方法及装置,以充分结合环境因素,更高效的获取观测图像,包括:根据卫星的当前位置,确定相应的探测区域;确定所述探测区域对应的环境数据;根据所述环境数据,确定所述探测区域中的目标区域;利用所述卫星对所述目标区域进行拍摄,以获取观测图像;本发明中方法基于人工智能计算,根据环境数据推算得到探测区域中的目标区域,并对目标区域进行拍摄以获取观测图像;使得观测图像清晰且无遮挡,避免了环境因素导致的观测图像质量差的问题;提高了对地观测效率。
Description
技术领域
本发明涉及卫星技术领域,尤其涉及一种应用于卫星的图像采集方法及装置。
背景技术
遥感卫星的作用之一是对地观测,即在卫星轨道上对地表拍摄观测照片。在自动化程度较高的遥感卫星当中,可以实现自动的对地拍摄;也就是通过控制程序实现控制,使得卫星在特定的位置、或者按照特定的周期进行拍摄。
不过,遥感卫星拍摄得到的照片质量受到多方面因素的影响。例如光线条件、云层遮挡等因素,都可能影响到照片中的图像效果。而传统控制程序的控制机制相对固化,并不能够有效的应对上述影响因素,从而导致大量的观测照片图像效果不佳,不具有观测价值。也就是说,现有技术中拍摄得到观测照片的效率较为低下。
发明内容
本发明提供一种应用于卫星的图像采集方法及装置,以充分结合环境因素,更高效的获取观测图像。
第一方面,本发明提供了一种应用于卫星的图像采集方法,包括:
根据卫星的当前位置,确定相应的探测区域;
确定所述探测区域对应的环境数据;
根据所述环境数据,确定所述探测区域中的目标区域;
利用所述卫星对所述目标区域进行拍摄,以获取观测图像。
优选的,所述根据卫星的当前位置,确定相应的探测区域包括:
根据所述卫星的当前位置和探测范围角确定所述探测区域,以及所述探测区域的地表属性;
所述探测区域的地表属性包括,陆地区域或海洋区域。
优选的,所述确定所述探测区域对应的环境数据包括:
当所述探测区域的地表属性为所述陆地区域,确定所述探测区域对应的环境数据;
所述环境数据包括,所述探测区域对应的云图数据和光照数据。
优选的,所述根据所述环境数据,确定所述探测区域中的目标区域包括:
利用预先建立的计算模型,根据所述云图数据和光照数据,计算得到所述探测区域中的目标区域。
优选的,所述根据所述云图数据和光照数据,计算得到所述探测区域中的目标区域包括:
根据所述云图数据,确定所述探测区域中的第一遮挡区域;
根据所述云图数据和所述光照数据,确定所述探测区域中的第二遮挡区域;
根据所述第一遮挡区域和所述第二遮挡区域,确定所述探测区域中的目标区域。
优选的,所述根据所述第一遮挡区域和所述第二遮挡区域,确定所述探测区域中的目标区域包括:
将所述探测区域中,除所述第一遮挡区域和所述第二遮挡区域之外的区域,确定为待定区域;
根据所述探测区域的地形数据,从所述待定区域中确定目标区域。
优选的,获取观测图像之后还包括:
利用预设的图像分析模型,对所述观测图像进行图像分析,以确定所述观测图像的画质参数;
将所述画质参数满足预设条件的观测图像,确定为目标观测图像。
第二方面,本发明提供了一种应用于卫星的图像采集装置,包括:
探测区域确定模块,用于根据卫星的当前位置,确定相应的探测区域;
环境数据确定模块,用于确定所述探测区域对应的环境数据;
目标区域确定模块,用于根据所述环境数据,确定所述探测区域中的目标区域;
观测图像确定模块,用于利用所述卫星对所述目标区域进行拍摄,以获取观测图像。
第三方面,本发明提供了一种可读介质,包括执行指令,当电子设备的处理器执行所述执行指令时,所述电子设备执行如第一方面中任一所述的方法。
第四方面,本发明提供了一种卫星,包括处理器、存储有执行指令的存储器以及能源系统,当所述处理器执行所述存储器存储的所述执行指令时,所述处理器执行如第一方面中任一所述的方法;所述能源系统包括,太阳能电池和太阳翼;所述能源系统的最大输出功率不低于100瓦。
本发明提供了一种应用于卫星的图像采集方法及装置,基于人工智能计算,根据环境数据推算得到探测区域中的目标区域,并对目标区域进行拍摄以获取观测图像;使得观测图像清晰且无遮挡,避免了环境因素导致的观测图像质量差的问题;提高了对地观测效率。
上述的非惯用的优选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
为了更清楚地说明本发明实施例或现有的技术方案,下面将对实施例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,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的一种应用于卫星的图像采集方法的流程示意图;
图2为本发明一实施例提供的另一种应用于卫星的图像采集方法的流程示意图;
图3为本发明一实施例提供的一种应用于卫星的图像采集装置的结构示意图;
图4为本发明一实施例提供的一种卫星的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合具体实施例及相应的附图对本发明的技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做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。
遥感卫星的作用之一是对地观测,即在卫星轨道上对地表拍摄观测照片。现实生活中大量所谓的卫星图像,均来自于上述的对地观测。传统的对地观测一般依靠人工,即人为控制卫星的进行拍摄,得到想要的观测照片。但是显然上述方式完全依赖人工,原理较为落后,未实现自动化。
在自动化程度较高的遥感卫星当中,可以实现自动的对地拍摄;也就是通过控制程序实现控制,使得卫星在特定的位置、或者按照特定的周期进行拍摄。不过,遥感卫星拍摄得到的照片质量受到多方面因素的影响。光线条件、云层遮挡等因素都可能影响到照片中的图像效果。例如,如果卫星的拍摄角度恰好被云层遮挡,便无法清晰的拍摄到地表。或者,如果卫星所拍摄的位置恰好处于云层的阴影范围内,则由于光线不足,亦可能无法满足拍摄需求。
可见,传统控制程序的控制机制相对固化,并不能够有效的应对上述情况,无法将拍摄当下的具体环境因素考虑在内。从而导致大量的观测照片图像效果不佳,不具有观测价值。也就是说,现有技术中拍摄得到观测照片的效率较为低下。
有鉴于此,本发明提供一种应用于卫星的图像采集方法。参见图1所示,为本发明提供的应用于卫星的图像采集方法的具体实施例。本实施例中,所述方法包括:
步骤101、根据卫星的当前位置,确定相应的探测区域。
该卫星一般指遥感卫星,亦可以指具有对地拍摄能力的其他类型卫星。卫星沿特定的轨道围绕地球运行,在这一过程中根据卫星位置的变化,可以拍摄到不同的地表范围。
也就是说,根据卫星的当前位置和探测范围角,能够确定卫星当前位置对应的探测区域。该探测区域也就是卫星当前能够拍摄到的地表范围。探测范围角是指卫星可拍摄的角度。其相机的固定拍摄夹角,以及机械结构可支持相机运动的夹角,共同决定了该探测范围角。
另外,还可进一步的确定探测区域的地表属性。探测区域的地表属性一般包括,陆地区域或海洋区域。也就是说,可以确定当前的探测区域对应的是地球表面的陆地或海洋。
步骤102、确定探测区域对应的环境数据。
在一些情况下可以认为,海洋区域的探测价值有限,所以卫星对地表的探测主要针对陆地区域。当然也不排除在其他情况下,可以同理的针对海洋区域进行探测。而实际上地球表面大部分区域为海洋区域。所以在专门针对陆地区域探测的情况下,对于大量的海洋区域其实是不需要进行探测和拍摄的。
也就是说,当探测区域的地表属性为陆地区域时,才需要执行后续的探测步骤,即确定探测区域对应的环境数据。而在探测区域的地表属性为海洋区域时,便可不进行其他操作,由此提高了探测效率,避免了探测得到大量关于海洋区域的无价值图像。
环境数据可以包括,探测区域对应的云图数据和光照数据。云层数据可以是,探测区域上空的云层分布情况。光照数据可以是,根据探测区域和太阳的相对位置关系,推算得到的光线照射角度;以及结合云图数据推算得到的云层对光线的遮挡情况。
步骤103、根据环境数据,确定探测区域中的目标区域。
前述已知的是,光线、云层可能影响到探测图像的图像效果。例如,如果卫星的拍摄角度恰好遇到云层遮挡,便只能拍摄到云雾,而无法清晰的拍摄到地表。或者,如果卫星所拍摄的位置恰好处于云层的阴影范围内,则由于光线不足,亦可能造成图像不清晰,无法满足拍摄需求。
所以在确定了环境数据,即云图数据和光照数据之后,即可通过计算分析排除类似的情况,转而寻找无遮挡、光线充足、满足拍摄条件的部分区域进行拍摄。从而避免拍摄得到无价值图像。所谓满足拍摄条件的部分区域,也就是本步骤中所指的目标区域。
在本实施例中,可以利用基于人工智能技术建立的计算模型实现上述的运算分析。即利用预先建立的计算模型,根据云图数据和光照数据,计算得到探测区域中的目标区域。也就是说,将云图数据、光照数据以及探测区域的地形数据输入到计算模型中,计算模型即可计算得到目标区域所在的位置和范围。
需要说明的是,该计算模型可以根据当前的人工智能技术建立并训练得到,本实施例中对此不作限定。任何能够实现相同或类似功能的计算模型,均可结合在本实施例整体技术方案中。
步骤104、利用卫星对目标区域进行拍摄,以获取观测图像。
在确定了目标区域之后,卫星即可控制其搭载的相机,指向该目标区域所在的位置,拍摄得到对于目标区域的观测图像。由于定位目标区域的过程中,已经充分的考虑了云层、光线等环境因素,所以理论上可拍摄得到质量较高的观测图像,避免了云层遮挡、光线不足等导致图像质量差的问题。
通过以上技术方案可知,本实施例存在的有益效果是:基于人工智能计算,根据环境数据推算得到探测区域中的目标区域,并对目标区域进行拍摄以获取观测图像;使得观测图像清晰且无遮挡,避免了环境因素导致的观测图像质量差的问题;提高了对地观测效率。
图1所示仅为本发明所述方法的基础实施例,在其基础上进行一定的优化和拓展,还能够得到所述方法的其他优选实施例。
如图2所示,为本发明所述应用于卫星的图像采集方法的另一个具体实施例。本实施例在前述实施例的基础上进行进一步的叙述。本实施例中,所述方法包括以下步骤:
步骤201、根据卫星的当前位置,确定相应的探测区域。
步骤202、确定探测区域对应的云图数据和光照数据。
上述步骤201~步骤202中内容与前述实施例一致,在此不重复叙述。
步骤203、根据云图数据和光照数据,确定探测区域中的目标区域。
本实施例中,根据云图数据和光照数据确定目标区域的计算方式可参考以下:根据云图数据,确定探测区域中的第一遮挡区域;根据云图数据和光照数据,确定探测区域中的第二遮挡区域;根据第一遮挡区域和第二遮挡区域,确定探测区域中的目标区域。
根据云图数据中云层的分布所确定的被云层遮挡的范围,就是第一遮挡区域。在第一遮挡区域内,由于云层遮挡往往只能拍摄到云雾,观测价值较低。根据云图数据中的云层分布,以及光照数据中的光照角度,可以确定云层的阴影范围,也就是第二遮挡区域。在第二遮挡区域内,由于光影的影响可能导致光照不足,所以观测价值也相对较低。另外,还可以额外通过云层的厚度、云雾的浓度、以及光照的强度来进一步的计算,云层的投影是否足够导致光线不足,从而进一步的确定第二遮挡区域的范围。若某些范围光线较强,同时云层厚度较低,则该范围内可能云层的投影不足以影响拍摄。则类似的范围则不需要被确定为第二遮挡区域,也就是可以认为此区域内并未被遮挡。
确定了第一遮挡区域和第二遮挡区域之后,可以将探测区域中除第一遮挡区域和第二遮挡区域之外的区域,确定为待定区域。也就是未被遮挡,可以正常进行拍摄的区域。
一些情况下,可直接将待定区域确定为目标区域。另一些情况下,进一步的还可以根据探测区域的地形数据,从待定区域中确定目标区域。也就是,结合地形进行进一步的筛选,确定需要观测的区域。例如,如果观测的主要目标是城市区域,则可以根据地形数据从待定区域中筛选出城市覆盖的范围,过滤掉乡村、山地等非城市范围,从而得到更加精确的目标区域。
步骤204、利用卫星对目标区域进行拍摄,以获取观测图像。
在确定了目标区域之后,卫星即可控制其搭载的相机,指向该目标区域所在的位置,拍摄得到对于目标区域的观测图像。
步骤205、利用预设的图像分析模型,对观测图像进行图像分析,以确定观测图像的画质参数。
步骤206、将画质参数满足预设条件的观测图像,确定为目标观测图像。
本实施例中,在获得了观测图像之后,还可通过上述步骤205~步骤206对观测图像进行进一步的分析与筛选。具体的,可以利用基于人工智能技术的图像分析模型,确定观测图像的画质参数。画质参数可以衡量观测图像的清晰度,判断其画面内容是否被遮挡,是否出现畸变,色彩和清晰度等指标是否达标等。从而去除掉画质不符合标准的观测图像。或者亦可通过图像分析,对连续拍摄的若干相似图像进行筛选和去重。完成上述筛选之后,可得到效果最为理想的观测图像,即目标观测图像。
另外需要说明的是,该图像分析模型可以根据当前的人工智能技术建立并训练得到,本实施例中对此不作限定。任何能够实现相同或类似功能的图像分析模型,均可结合在本实施例整体技术方案中。
如图3所示,为本发明所述应用于卫星的图像采集装置的一个具体实施例。本实施例所述装置,即用于执行图1~2所述方法的实体装置。其技术方案本质上与上述实施例一致,上述实施例中的相应描述同样适用于本实施例中。本实施例中所述装置包括:
探测区域确定模块301,用于根据卫星的当前位置,确定相应的探测区域。
环境数据确定模块302,用于确定探测区域对应的环境数据。
目标区域确定模块303,用于根据环境数据,确定探测区域中的目标区域。
观测图像确定模块304,用于利用卫星对目标区域进行拍摄,以获取观测图像。
另外在图3所示实施例的基础上,优选的,还包括:
探测区域确定模块301包括:
探测区域确定单元311,用于根据卫星的当前位置和探测范围角确定探测区域。
地表属性确定单元312,用于确定探测区域的地表属性;探测区域的地表属性包括,陆地区域或海洋区域。
目标区域确定模块303包括:
第一遮挡区域确定单元331,用于根据云图数据,确定探测区域中的第一遮挡区域。
第二遮挡区域确定单元332,用于根据云图数据和光照数据,确定探测区域中的第二遮挡区域。
待定区域确定单元333,用于将探测区域中,除第一遮挡区域和第二遮挡区域之外的区域,确定为待定区域。
目标区域确定单元334,用于根据探测区域的地形数据,从待定区域中确定目标区域。
还包括:图像分析模块305,用于利用预设的图像分析模型,对观测图像进行图像分析,以确定观测图像的画质参数;将画质参数满足预设条件的观测图像,确定为目标观测图像。
本发明实施例中还提供一种卫星。该卫星需执行如图1~2所示实施例中的方法,涉及大量的人工智能运算,需要相对于传统的遥感卫星更加强大的运算能力,所以需要搭载算力更高的处理器。而为了使得其处理器能够稳定的运行,所以该卫星的能源系统需要提供相对较高的功率。本实施例中,该卫星的能源系统包括,相对于传统卫星更大容量的太阳能电池,以及面积更大的太阳翼;从而确保能源系统的最大输出功率不低于100瓦。
图4是本发明实施例提供的一种卫星的结构示意图。在硬件层面,该电子设备包括处理器,可选地还包括内部总线、网络接口、存储器。其中,存储器可能包含内存,例如高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少1个磁盘存储器等。当然,该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接,该内部总线可以是ISA(Industry Standard Architecture,工业标准体系结构)总线、PCI(PeripheralComponent Interconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)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4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。
存储器,用于存放执行指令。具体地,执行指令即可被执行的计算机程序。存储器可以包括内存和非易失性存储器,并向处理器提供执行指令和数据。
在一种可能实现的方式中,处理器从非易失性存储器中读取对应的执行指令到内存中然后运行,也可从其它设备上获取相应的执行指令,以在逻辑层面上形成应用于卫星的图像采集装置。处理器执行存储器所存放的执行指令,以通过执行的执行指令实现本发明任一实施例中提供的应用于卫星的图像采集方法。
上述如本发明图3所示实施例提供的应用于卫星的图像采集装置执行的方法可以应用于处理器中,或者由处理器实现。处理器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。上述的处理器可以是通用处理器,包括中央处理器(Central ProcessingUnit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,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,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
本发明实施例还提出了一种可读介质,该可读存储介质存储有执行指令,存储的执行指令被电子设备的处理器执行时,能够使该电子设备执行本发明任一实施例中提供的应用于卫星的图像采集方法,并具体用于执行如图1或图2所示的方法。
前述各个实施例中所述的电子设备可以为计算机。
本领域内的技术人员应明白,本发明的实施例可提供为方法或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例,或软件和硬件相结合的形式。
本发明中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
还需要说明的是,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、商品或者设备不仅包括那些要素,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、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本发明的实施例而已,并不用于限制本发明。对于本领域技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (10)
1.一种应用于卫星的图像采集方法,其特征在于,包括:
根据卫星的当前位置,确定相应的探测区域;
确定所述探测区域对应的环境数据;
根据所述环境数据,确定所述探测区域中的目标区域;
利用所述卫星对所述目标区域进行拍摄,以获取观测图像。
2.根据权利要求1所述方法,其特征在于,所述根据卫星的当前位置,确定相应的探测区域包括:
根据所述卫星的当前位置和探测范围角确定所述探测区域,以及所述探测区域的地表属性;
所述探测区域的地表属性包括,陆地区域或海洋区域。
3.根据权利要求2所述方法,其特征在于,所述确定所述探测区域对应的环境数据包括:
当所述探测区域的地表属性为所述陆地区域,确定所述探测区域对应的环境数据;
所述环境数据包括,所述探测区域对应的云图数据和光照数据。
4.根据权利要求3所述方法,其特征在于,所述根据所述环境数据,确定所述探测区域中的目标区域包括:
利用预先建立的计算模型,根据所述云图数据和光照数据,计算得到所述探测区域中的目标区域。
5.根据权利要求4所述方法,其特征在于,所述根据所述云图数据和光照数据,计算得到所述探测区域中的目标区域包括:
根据所述云图数据,确定所述探测区域中的第一遮挡区域;
根据所述云图数据和所述光照数据,确定所述探测区域中的第二遮挡区域;
根据所述第一遮挡区域和所述第二遮挡区域,确定所述探测区域中的目标区域。
6.根据权利要求5所述方法,其特征在于,所述根据所述第一遮挡区域和所述第二遮挡区域,确定所述探测区域中的目标区域包括:
将所述探测区域中,除所述第一遮挡区域和所述第二遮挡区域之外的区域,确定为待定区域;
根据所述探测区域的地形数据,从所述待定区域中确定目标区域。
7.根据权利要求1~6任意一项所述方法,其特征在于,获取观测图像之后还包括:
利用预设的图像分析模型,对所述观测图像进行图像分析,以确定所述观测图像的画质参数;
将所述画质参数满足预设条件的观测图像,确定为目标观测图像。
8.一种应用于卫星的图像采集装置,其特征在于,包括:
探测区域确定模块,用于根据卫星的当前位置,确定相应的探测区域;
环境数据确定模块,用于确定所述探测区域对应的环境数据;
目标区域确定模块,用于根据所述环境数据,确定所述探测区域中的目标区域;
观测图像确定模块,用于利用所述卫星对所述目标区域进行拍摄,以获取观测图像。
9.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序用于执行上述权利要求1-7任一所述的应用于卫星的图像采集方法。
10.一种卫星,其特征在于,所述卫星包括:
处理器;用于存储所述处理器可执行指令的存储器;
所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现上述权利要求1-7任一所述的应用于卫星的图像采集方法;
能源系统;所述能源系统包括,太阳能电池和太阳翼;所述能源系统的最大输出功率不低于100瓦。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111501170.4A CN114187351B (zh) | 2021-12-09 | 2021-12-09 | 一种应用于卫星的图像采集方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111501170.4A CN114187351B (zh) | 2021-12-09 | 2021-12-09 | 一种应用于卫星的图像采集方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114187351A true CN114187351A (zh) | 2022-03-15 |
CN114187351B CN114187351B (zh) | 2022-07-26 |
Family
ID=80604081
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111501170.4A Active CN114187351B (zh) | 2021-12-09 | 2021-12-09 | 一种应用于卫星的图像采集方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114187351B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103604421A (zh) * | 2013-11-25 | 2014-02-26 | 上海航天测控通信研究所 | 一种基于光谱反射率特性的星载高光谱图像云检测方法 |
CN105550639A (zh) * | 2015-12-07 | 2016-05-04 | 国家测绘地理信息局卫星测绘应用中心 | 对地观测激光测高卫星高程控制点自动提取方法和数据处理方法 |
CN106289156A (zh) * | 2016-09-28 | 2017-01-04 | 航天东方红卫星有限公司 | 一种卫星以任意姿态成像时获取摄影点太阳高度角的方法 |
US20170357872A1 (en) * | 2015-12-07 | 2017-12-14 | The Climate Corporation | Cloud detection on remote sensing imagery |
CN109270554A (zh) * | 2018-11-20 | 2019-01-25 | 江苏智途科技股份有限公司 | 一种用于控制卫星成像的剖分调度方法 |
CN109284904A (zh) * | 2018-08-30 | 2019-01-29 | 北京控制工程研究所 | 用于成像任务有效规划的云层窗口自主感知决策方法 |
CN112488091A (zh) * | 2021-02-02 | 2021-03-12 | 中科星图股份有限公司 | 基于地球同步轨道卫星影像的火情监测方法及装置 |
US11010606B1 (en) * | 2019-11-15 | 2021-05-18 | Maxar Intelligence Inc. | Cloud detection from satellite imagery |
CN113393571A (zh) * | 2021-06-15 | 2021-09-14 | 北京市遥感信息研究所 | 一种无云卫星图像生成方法及装置 |
CN113568426A (zh) * | 2021-06-30 | 2021-10-29 | 中国资源卫星应用中心 | 一种基于多星多载荷的卫星集群协同规划方法 |
-
2021
- 2021-12-09 CN CN202111501170.4A patent/CN114187351B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103604421A (zh) * | 2013-11-25 | 2014-02-26 | 上海航天测控通信研究所 | 一种基于光谱反射率特性的星载高光谱图像云检测方法 |
CN105550639A (zh) * | 2015-12-07 | 2016-05-04 | 国家测绘地理信息局卫星测绘应用中心 | 对地观测激光测高卫星高程控制点自动提取方法和数据处理方法 |
US20170357872A1 (en) * | 2015-12-07 | 2017-12-14 | The Climate Corporation | Cloud detection on remote sensing imagery |
CN106289156A (zh) * | 2016-09-28 | 2017-01-04 | 航天东方红卫星有限公司 | 一种卫星以任意姿态成像时获取摄影点太阳高度角的方法 |
CN109284904A (zh) * | 2018-08-30 | 2019-01-29 | 北京控制工程研究所 | 用于成像任务有效规划的云层窗口自主感知决策方法 |
CN109270554A (zh) * | 2018-11-20 | 2019-01-25 | 江苏智途科技股份有限公司 | 一种用于控制卫星成像的剖分调度方法 |
US11010606B1 (en) * | 2019-11-15 | 2021-05-18 | Maxar Intelligence Inc. | Cloud detection from satellite imagery |
CN112488091A (zh) * | 2021-02-02 | 2021-03-12 | 中科星图股份有限公司 | 基于地球同步轨道卫星影像的火情监测方法及装置 |
CN113393571A (zh) * | 2021-06-15 | 2021-09-14 | 北京市遥感信息研究所 | 一种无云卫星图像生成方法及装置 |
CN113568426A (zh) * | 2021-06-30 | 2021-10-29 | 中国资源卫星应用中心 | 一种基于多星多载荷的卫星集群协同规划方法 |
Non-Patent Citations (2)
Title |
---|
SERGIISKAKUN ET AL.: "An experimental sky-image-derived cloud validation dataset for Sentinel-2 and Landsat 8 satellites over NASA GSFC", 《INTERNATIONAL JOURNAL OF APPLIED EARTH OBSERVATION AND GEOINFORMATION》, 31 March 2021 (2021-03-31) * |
朱政霖: "遥感卫星成像采集评估模型的建立和实现", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》, 15 April 2019 (2019-04-15) * |
Also Published As
Publication number | Publication date |
---|---|
CN114187351B (zh) | 2022-07-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110276767B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN108764372B (zh) | 数据集的构建方法和装置、移动终端、可读存储介质 | |
US8326048B2 (en) | Geo-relevance for images | |
Rashidi et al. | Optimized selection of key frames for monocular videogrammetric surveying of civil infrastructure | |
WO2020073310A1 (en) | Method and apparatus for context-embedding and region-based object detection | |
Verucchi et al. | Real-Time clustering and LiDAR-camera fusion on embedded platforms for self-driving cars | |
US20150302575A1 (en) | Sun location prediction in image space with astronomical almanac-based calibration using ground based camera | |
CN113052804A (zh) | 一种混凝土构件外观质量量化评估处理方法和装置 | |
James et al. | An innovative photogrammetry color segmentation based technique as an alternative approach to 3D scanning for reverse engineering design | |
Massaro et al. | Automatic image processing engine oriented on quality control of electronic boards | |
US20120082393A1 (en) | Attitude estimation with compressive sampling of starfield data | |
Shostko et al. | Optical-electronic system of automatic detection and higt-precise tracking of aerial objects in real-time. | |
CN114187351B (zh) | 一种应用于卫星的图像采集方法及装置 | |
CN117173580B (zh) | 水质参数的获取方法及装置、图像处理方法、介质 | |
CN113066173B (zh) | 三维模型构建方法、装置和电子设备 | |
WO2014206503A1 (en) | Automatic noise modeling for ghost-free image reconstruction | |
CN109883400B (zh) | 基于yolo-sitcol的固定站自动目标检测与空间定位方法 | |
CN114898068B (zh) | 三维建模方法、装置、设备及存储介质 | |
Wohlfeil et al. | Automated high resolution 3D reconstruction of cultural heritage using multi-scale sensor systems and semi-global matching | |
Schaefer et al. | Overview of ground based techniques for estimating LAI | |
CN115471777A (zh) | 基于视频识别的精细化水流速度场获取方法和系统 | |
CN112213244B (zh) | 基于机器学习的机动车尾气林格曼黑度测量装置及方法 | |
Jain et al. | Detecting blurred ground-based sky/cloud images | |
Rosso et al. | Stereo vision system for capture and removal of space debris | |
Motayyeb et al. | Effect of keyframes extraction from thermal infrared video stream to generate dense point cloud of the building's facade |
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 |