CN115222909A - 一种三维图像检测模型构建方法 - Google Patents
一种三维图像检测模型构建方法 Download PDFInfo
- Publication number
- CN115222909A CN115222909A CN202211133590.6A CN202211133590A CN115222909A CN 115222909 A CN115222909 A CN 115222909A CN 202211133590 A CN202211133590 A CN 202211133590A CN 115222909 A CN115222909 A CN 115222909A
- Authority
- CN
- China
- Prior art keywords
- sea
- island
- model
- determining
- unmanned aerial
- 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
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- Multimedia (AREA)
- Architecture (AREA)
- Computer Hardware Design (AREA)
- Library & Information Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明涉及三维建模技术领域,具体公开了一种三维图像检测模型构建方法,所述方法包括获取海岛的备案编号,根据所述备案编号查询海岛的区域量级,根据所述区域量级建立与海岛为映射关系的基准模型;获取采样点处的海拔高度,根据所述海拔高度修正所述基准模型,得到海岛模型;获取边界条件下的海深数据,基于所述海深数据和所述海岛模型确定无人机工作参数;实时接收无人机获取到的含有时间信息的海面图像,基于所述海面图像确定海面模型。本发明确定待检范围,根据待检范围确定无人机的工作参数,从而搭建一个具有相同工作参数的绕海岛转动的闭环无人机组,基于这一无人机组获取海面图像,从而能够更加真实的反映动态的海浪状态。
Description
技术领域
本发明涉及三维建模技术领域,具体是一种三维图像检测模型构建方法。
背景技术
准确、可靠、系统的获取岛礁及其周边海洋信息数据,建立岛礁水上水下一体化高精度模型,实现岛礁信息的“数字化”和“透明化”,可为海洋经济发展、环境保护、权益维护提供科学的数据和信息依据。
现有的海岛模型大都是基于卫星数据生成的模型,由于距离方面的原因,尽管卫星的性能极其强大,获取某个海岛的细节图像依旧很困难,尤其是海浪状态;此外,由于卫星需要监控的区域较大,对于某个海岛来说,只会定期的拍摄一些图像,由于潮汐现象,海浪及相应的海岸线是实时变化的,通过定期拍摄的图像很难反映出海浪状态。
发明内容
本发明的目的在于提供一种三维图像检测模型构建方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种三维图像检测模型构建方法,所述方法包括:
获取海岛的备案编号,根据所述备案编号查询海岛的区域量级,根据所述区域量级建立与海岛为映射关系的基准模型;其中,所述区域量级用于表征基准模型的范围参数;
生成采样网格,对基准模型进行切分,确定采样点,获取采样点处的海拔高度,根据所述海拔高度修正所述基准模型,得到海岛模型;
基于验潮站获取边界条件下的海深数据,基于所述海深数据和所述海岛模型确定无人机工作参数;所述边界条件为潮位最高点和潮位最低点;所述工作参数包括工作路径和工作高度;
实时接收无人机获取到的含有时间信息的海面图像,基于所述海面图像确定海面模型;
根据所述海面模型和所述海岛模型生成动态模型。
作为本发明进一步的方案:所述获取海岛的备案编号,根据所述备案编号查询海岛的区域量级,根据所述区域量级建立与海岛为映射关系的基准模型的步骤包括:
接收用户输入的备案编号,根据所述备案编号查询海岛备案信息中的海岛量级;
根据所述海岛量级确定监测范围;
获取显示参数,根据所述显示参数和所述监测范围确定比例尺;
根据地图服务获取海岛在预设数量的时间点的俯视图像,确定海岛轮廓,根据海岛轮廓、监测范围和比例尺生成基准模型。
作为本发明进一步的方案:所述生成采样网格,对基准模型进行切分,确定采样点,获取采样点处的海拔高度,根据所述海拔高度修正所述基准模型,得到海岛模型的步骤包括:
接收用户输入的清晰度,读取基准模型的监测范围,根据所述清晰度和所述监测范围确定采样网格中网格单元的尺寸;
基于确定尺寸后的采样网格对基准模型的顶面进行切分;
根据所述比例尺在海岛中确定与所述采样网格中各网格点对应的采样点;
根据预设的采集设备获取采样点处的海拔高度,根据所述海拔高度和所述比例尺,确定基准模型中各网格点处的高度;
根据含有高度的网格点拟合出新的模型,得到海岛模型。
作为本发明进一步的方案:所述采集设备包括无人机和无人艇。
作为本发明进一步的方案:所述基于验潮站获取边界条件下的海深数据,基于所述海深数据和所述海岛模型确定无人机工作参数的步骤包括:
根据阴历日期确定两个待检时段;所述两个待检时段分别为大涨潮时段和大退潮时段;
建立与验潮站的连接通道,读取待检时段的海深数据;
根据待检时段的海深数据拟合海深变化曲线,并计算所述海深变化曲线的极值;
根据所述比例尺和所述极值在海岛模型确定映射点,根据所述映射点确定无人机工作高度和工作路径。
作为本发明进一步的方案:所述根据所述比例尺和所述极值在海岛模型确定映射点,根据所述映射点确定无人机工作高度和工作路径的步骤包括:
读取比例尺,根据所述比例尺在海岛模型中确定两个极值对应的模型边界;
根据所述比例尺将两个模型边界转换为实际范围;其中,所述模型边界之间的距离为矢量;
获取无人机的监测广角,根据所述监测广角建立图像获取范围与高度之间的函数关系;
比对所述图像获取范围和所述实际范围,确定二者在所述距离的方向上的包含关系,当所述图像获取范围包含所述实际范围时,读取工作高度;
读取海岛轮廓,根据海廓轮廓确定含有拍摄点的工作路径。
作为本发明进一步的方案:所述读取海岛轮廓,根据海廓轮廓确定含有拍摄点的工作路径的步骤包括:
读取所述工作高度及对应的图像获取范围;
读取海岛轮廓,根据所述海岛轮廓生成工作路径;
根据所述工作路径和所述图像获取范围确定采集范围;
根据所述采集范围对实际范围进行切分,确定拍摄点。
作为本发明进一步的方案:所述读取海岛轮廓,根据海廓轮廓确定工作路径的步骤还包括:
对所述采集范围与所述实际范围进行逻辑运算,确定异常段;所述异常段用于表征图像获取范围未包含所述实际范围的区域;
调整无人机在所述异常段处的工作高度。
作为本发明进一步的方案:所述实时接收无人机获取到的含有时间信息的海面图像,基于所述海面图像确定海面模型的步骤包括:
建立与拍摄点对应的图像存储库;
当接收到无人机上传的含有时间信息的海面图像时,实时获取无人机的拍摄点,根据所述拍摄点确定所述无人机对应的图像存储库;
基于时间信息将所述海面图像插入所述图像存储库中;
根据预设的步进式时间点依次在各图像存储库中提取一个时间间隔最小的海面图像;
根据海面图像和图像存储库的排列顺序确定海面模型。
作为本发明进一步的方案:所述根据海面图像和图像存储库的排列顺序确定海面模型的步骤包括:
根据预设的图像蒙版对海面图像进行色值调整;
对色值调整后的海面图像进行轮廓识别,确定海岸线;
读取图像存储库对应的拍摄点的排列顺序;
根据排列顺序对海岸线进行拼接,得到海面轮廓;
根据海面轮廓生成海面模型。
与现有技术相比,本发明的有益效果是:本发明生成一个基准模型,然后根据海拔数据对基准模型进行修正,得到一个海岛模型,根据潮汐数据,确定待检范围,根据待检范围确定无人机的工作参数,从而搭建一个具有相同工作参数的绕海岛转动的闭环无人机组,基于这一无人机组获取海面图像,从而能够更加真实的反映动态的海浪状态。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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的一些实施例。
图1为三维图像检测模型构建方法的流程框图。
图2为三维图像检测模型构建方法的第一子流程框图。
图3为三维图像检测模型构建方法的第二子流程框图。
图4为三维图像检测模型构建方法的第三子流程框图。
图5为三维图像检测模型构建方法的第四子流程框图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
图1为三维图像检测模型构建方法的流程框图,本发明实施例中,一种三维图像检测模型构建方法,所述方法包括步骤S100至步骤S500:
步骤S100:获取海岛的备案编号,根据所述备案编号查询海岛的区域量级,根据所述区域量级建立与海岛为映射关系的基准模型;其中,所述区域量级用于表征基准模型的范围参数;
需要进行检测的海岛大都是经过备案的海岛,这些海岛在备案时,会生成一个备案编号,根据这个备案编号可以查询海岛的区域量级,根据区域量级可以生成一个基准的模型;所述区域量级是预设的,多大面积对应何种量级也是预设的。
步骤S200:生成采样网格,对基准模型进行切分,确定采样点,获取采样点处的海拔高度,根据所述海拔高度修正所述基准模型,得到海岛模型;
基准模型是一个标准模型,可以想象为一个粗胚,获取各点处的海拔高度,不断的调整所述粗胚中各点位的高度,最后可以拟合出一个与海岛对应的海岛模型。
步骤S300:基于验潮站获取边界条件下的海深数据,基于所述海深数据和所述海岛模型确定无人机工作参数;所述边界条件为潮位最高点和潮位最低点;所述工作参数包括工作路径和工作高度;
本发明技术方案的目的是获取海岸线状态,由于潮汐现象,海岸线是一直变动的,但是其变化在一定范围内,换而言之,潮位存在最高点和最低点,根据验潮站获取海面高度,根据海面高度的变化率,即可确定最高点或最低点的潮位;根据潮位信息,可以计算潮位最高点和潮位最低点在平面方向上的差距,根据这一差距可以确定无人机的工作参数;需要满足的条件是,无人机的高度可以使得获取到的图像包括潮位最高点和潮位最低点这两个位置边界;无人机的工作路径与海岛轮廓相似。
具体的,在本发明技术方案的一个实例中,无人机不断的绕海岛转动,在转动过程中,获取海面图像,基于海面图像确定海岸线;其中,无人机的数量不唯一,数量越多,获取到的数据越多,确定的海岸线更加准确;无人机的工作参数与工作路径都是相同的;比如,对于一个海岛,已经使用的无人机是100个,若想要获取颗粒度更加细化的数据,可以将无人机数量提升至500个。
步骤S400:实时接收无人机获取到的含有时间信息的海面图像,基于所述海面图像确定海面模型;
步骤S500:根据所述海面模型和所述海岛模型生成动态模型;
步骤S400和步骤S500是海岛图像的应用过程,由于海面与海滩的色值都比较稳定,海岛图像的色值一般不会发现大的变化,而且对轮廓的清晰度不作要求,只需要偏差不太大即可,根据海面图像确定海岸与海面边界线的过程并不困难;统计某一时段海岛一圈的海面图像中确定的海岸线,即可得到该时段的岸线状态;
将一个时间周期分为多个时段,可以得到多个海面模型,按时间周期的顺序对海面模型进行排列,即可得到动态模型。
图2为三维图像检测模型构建方法的第一子流程框图,所述获取海岛的备案编号,根据所述备案编号查询海岛的区域量级,根据所述区域量级建立与海岛为映射关系的基准模型的步骤包括步骤S101至步骤S104:
步骤S101:接收用户输入的备案编号,根据所述备案编号查询海岛备案信息中的海岛量级;
步骤S102:根据所述海岛量级确定监测范围;
步骤S103:获取显示参数,根据所述显示参数和所述监测范围确定比例尺;
步骤S104:根据地图服务获取海岛在预设数量的时间点的俯视图像,确定海岛轮廓,根据海岛轮廓、监测范围和比例尺生成基准模型。
上述内容对基准模型的生成过程进行了具体的限定,首先,显示参数是固定的,根据显示参数和海岛量级,可以确定一个合适的比例尺,所述比例尺作为模型数据与实际数据之间的转换桥梁;然后,借助现有的地图服务,获取海岛俯视图像,确定一个大致的轮廓,根据轮廓即可生成一个基准模型,基准模型可以是一个柱状体,任一横截面都是监测范围对应的轮廓。
图3为三维图像检测模型构建方法的第二子流程框图,所述生成采样网格,对基准模型进行切分,确定采样点,获取采样点处的海拔高度,根据所述海拔高度修正所述基准模型,得到海岛模型的步骤包括步骤S201至步骤S205:
步骤S201:接收用户输入的清晰度,读取基准模型的监测范围,根据所述清晰度和所述监测范围确定采样网格中网格单元的尺寸;
海岛模型的清晰度用于表征海岛模型与实际海岛之间的相似程度,这个清晰度由用户输入,根据清晰度和监测范围,可以确定一个采样网格;采样网格的确定过程就是确定其子网格的大小;
步骤S202:基于确定尺寸后的采样网格对基准模型的顶面进行切分;
采样网格应用于基准模型的顶面,因为海拔高度是容易测量的数据,不断的调节基准模型在各点处的高度,即可将基准模型“修正”为与海岛相似的海岛模型;
步骤S203:根据所述比例尺在海岛中确定与所述采样网格中各网格点对应的采样点;
采样网格的各个节点就是采样点;
步骤S204:根据预设的采集设备获取采样点处的海拔高度,根据所述海拔高度和所述比例尺,确定基准模型中各网格点处的高度;
获取到实际的海拔高度后,经过比例尺即可转换为基准模型中各网格点的高度;
步骤S205:根据含有高度的网格点拟合出新的模型,得到海岛模型;
当所有网格点的高度都确定后,根据这些高度可以拟合出海岛模型;
其中,所述采集设备包括无人机和无人艇;
无人机用于获取高于海面部分的网格点的海拔高度,无人艇用于获取低于海面部分的网格点的海拔高度。
图4为三维图像检测模型构建方法的第三子流程框图,所述基于验潮站获取边界条件下的海深数据,基于所述海深数据和所述海岛模型确定无人机工作参数的步骤包括步骤S301至步骤S304:
步骤S301:根据阴历日期确定两个待检时段;所述两个待检时段分别为大涨潮时段和大退潮时段;
步骤S302:建立与验潮站的连接通道,读取待检时段的海深数据;
步骤S303:根据待检时段的海深数据拟合海深变化曲线,并计算所述海深变化曲线的极值;
步骤S304:根据所述比例尺和所述极值在海岛模型确定映射点,根据所述映射点确定无人机工作高度和工作路径。
上述内容对无人机工作参数的确定过程进行了具体的描述,首先,根据阴历日期确定一个大致的监测时段,潮汐现象的原因是月球的引力,这使得海水存在周期性涨落规律,如:在每日里出现两次大潮和两次小潮。通过长期实践、观察、发现每日的高湖大多出现在月亮的上、下中天(即过当地子午线时)前后;根据这一规律可以大致的确定大涨潮时段和大退潮时段,这两个时段中包括潮位最高点和潮位最低点;然后,读取验潮站测量的海深数据,也可以说是水位数据,可以得到一些参数,根据这些参数可以拟合出一个海深变化曲线,所述海深变化曲线的自变量是时间,因变量是海深;最后,根据海深变化曲线可以确定极值点及相应的极值,极值点就代表着潮位最高点或潮位最低点对应的时间,极值就代表着潮位最高点或潮位最低点对应的海深。
进一步的,所述根据所述比例尺和所述极值在海岛模型确定映射点,根据所述映射点确定无人机工作高度和工作路径的步骤包括:
读取比例尺,根据所述比例尺在海岛模型中确定两个极值对应的模型边界;
根据所述比例尺将两个模型边界转换为实际范围;其中,所述模型边界之间的距离为矢量;
获取无人机的监测广角,根据所述监测广角建立图像获取范围与高度之间的函数关系;
比对所述图像获取范围和所述实际范围,确定二者在所述距离的方向上的包含关系,当所述图像获取范围包含所述实际范围时,读取工作高度;
读取海岛轮廓,根据海廓轮廓确定含有拍摄点的工作路径。
当潮位最高点或潮位最低点对应的海深数据确定后,可以在海岛模型中轻松的标记出两个边界,这是因为海深数据与海岛边界之间存在着一一对应的关系;两个边界就是无人机需要检测的范围,无人机的高度越高,检测范围越大,获取到的海面图像越不清晰,因此,需要根据检测的范围确定无人机的高度;当无人机的高度确定后,根据海岛轮廓生成一个绕海岛转动的工作路径,便可以使得无人机不断的对海岸线进行监测;其中,无人机绕一圈获取到的海面图像并不是同一时间的海面图像,因此,需要多个无人机共同配合,直至首尾相接,形成一个闭环,尽量的获取较多的海面图像。
具体的,所述读取海岛轮廓,根据海廓轮廓确定含有拍摄点的工作路径的步骤包括:
读取所述工作高度及对应的图像获取范围;
读取海岛轮廓,根据所述海岛轮廓生成工作路径;
根据所述工作路径和所述图像获取范围确定采集范围;
根据所述采集范围对实际范围进行切分,确定拍摄点。
上述内容的重点在于拍摄点的确定过程,运动的图像获取设备获取到的图像质量很差,因此,在工作路径的设计过程中,应该有意的设置一些悬停的点,也就是上述拍摄点;拍摄点的确定过程由采集范围和实际范围确定,在保证信息不遗漏的前提下,尽量减少拍摄点数量。
值得一提的是,根据所述海岛轮廓生成工作路径的要求是,海岛轮廓与工作路径需要是相似的,随着无人机与海岛中心的距离越远,这个路径也会越大。
作为本发明技术方案的一个优选实施例,所述读取海岛轮廓,根据海廓轮廓确定工作路径的步骤还包括:
对所述采集范围与所述实际范围进行逻辑运算,确定异常段;所述异常段用于表征图像获取范围未包含所述实际范围的区域;
调整无人机在所述异常段处的工作高度。
在本发明技术方案的一个实例中,在工作路径和工作高度确定之后,还需要判断采集范围是否小于实际范围,如果采集范围小于实际范围,就说明有信息遗漏,此时,需要做的是调整无人机的工作高度,对工作路径并不调整。
图5为三维图像检测模型构建方法的第四子流程框图,所述实时接收无人机获取到的含有时间信息的海面图像,基于所述海面图像确定海面模型的步骤包括步骤S401至步骤S405:
步骤S401:建立与拍摄点对应的图像存储库;
步骤S402:当接收到无人机上传的含有时间信息的海面图像时,实时获取无人机的拍摄点,根据所述拍摄点确定所述无人机对应的图像存储库;
步骤S403:基于时间信息将所述海面图像插入所述图像存储库中;
步骤S404:根据预设的步进式时间点依次在各图像存储库中提取一个时间间隔最小的海面图像;
步骤S405:根据海面图像和图像存储库的排列顺序确定海面模型。
步骤S401至步骤S405对海面图像的存储应用过程进行了具体的描述,首先,建立一些与拍摄点对应的图像存储库,这些图像存储库之间相互独立,每个无人机的工作路径相同,也意味着拍摄点也是相同的,当无人机数量足够时,海岛周围存在一圈无人机,很多拍摄点都会有无人机在工作,当形成闭环后,各图像存储库中将会存在按时间顺序排列的海面图像;在各图像存储库中提取同一时间点附近的海面图像,即可得到该时间点附近海岛的边界图像,根据这一边界图像即可确定海面模型。
进一步的,所述根据海面图像和图像存储库的排列顺序确定海面模型的步骤包括:
根据预设的图像蒙版对海面图像进行色值调整;
对色值调整后的海面图像进行轮廓识别,确定海岸线;
读取图像存储库对应的拍摄点的排列顺序;
根据排列顺序对海岸线进行拼接,得到海面轮廓;
根据海面轮廓生成海面模型。
所述图像蒙版用于放大海面色值和海滩色值的差值,其目的是使得轮廓识别过程更加容易,这一过程可以借鉴现有的PS软件中的图像处理手段;然后,根据图像存储库对应的拍摄点顺序,将这些轮廓拼接起来,就可以得到海面与海岛之间的轮廓线;这个轮廓线的一侧为海岛,另一侧为海面,在已有的海岛模型中添加海面模型即可。
所述三维图像检测模型构建方法所能实现的功能均由计算机设备完成,所述计算机设备包括一个或多个处理器和一个或多个存储器,所述一个或多个存储器中存储有至少一条程序代码,所述程序代码由所述一个或多个处理器加载并执行以实现所述三维图像检测模型构建方法的功能。
处理器从存储器中逐条取出指令、分析指令,然后根据指令要求完成相应操作,产生一系列控制命令,使计算机各部分自动、连续并协调动作,成为一个有机的整体,实现程序的输入、数据的输入以及运算并输出结果,这一过程中产生的算术运算或逻辑运算均由运算器完成;所述存储器包括只读存储器(Read-Only Memory,ROM),所述只读存储器用于存储计算机程序,所述存储器外部设有保护装置。
示例性的,计算机程序可以被分割成一个或多个模块,一个或者多个模块被存储在存储器中,并由处理器执行,以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序在终端设备中的执行过程。
本领域技术人员可以理解,上述服务设备的描述仅仅是示例,并不构成对终端设备的限定,可以包括比上述描述更多或更少的部件,或者组合某些部件,或者不同的部件,例如可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(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,上述处理器是上述终端设备的控制中心,利用各种接口和线路连接整个用户终端的各个部分。
上述存储器可用于存储计算机程序和/或模块,上述处理器通过运行或执行存储在存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现上述终端设备的各种功能。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如信息采集模板展示功能、产品信息发布功能等)等;存储数据区可存储根据泊位状态显示系统的使用所创建的数据(比如不同产品种类对应的产品信息采集模板、不同产品提供方需要发布的产品信息等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card, SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例系统中的全部或部分模块/单元,也可以通过计算机程序来指令相关的硬件来完成,上述的计算机程序可存储于计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个系统实施例的功能。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random AccessMemory)、电载波信号、电信信号以及软件分发介质等。
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。
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 (10)
1.一种三维图像检测模型构建方法,其特征在于,所述方法包括:
获取海岛的备案编号,根据所述备案编号查询海岛的区域量级,根据所述区域量级建立与海岛为映射关系的基准模型;其中,所述区域量级用于表征基准模型的范围参数;
生成采样网格,对基准模型进行切分,确定采样点,获取采样点处的海拔高度,根据所述海拔高度修正所述基准模型,得到海岛模型;
基于验潮站获取边界条件下的海深数据,基于所述海深数据和所述海岛模型确定无人机工作参数;所述边界条件为潮位最高点和潮位最低点;所述工作参数包括工作路径和工作高度;
实时接收无人机获取到的含有时间信息的海面图像,基于所述海面图像确定海面模型;
根据所述海面模型和所述海岛模型生成动态模型。
2.根据权利要求1所述的三维图像检测模型构建方法,其特征在于,所述获取海岛的备案编号,根据所述备案编号查询海岛的区域量级,根据所述区域量级建立与海岛为映射关系的基准模型的步骤包括:
接收用户输入的备案编号,根据所述备案编号查询海岛备案信息中的海岛量级;
根据所述海岛量级确定监测范围;
获取显示参数,根据所述显示参数和所述监测范围确定比例尺;
根据地图服务获取海岛在预设数量的时间点的俯视图像,确定海岛轮廓,根据海岛轮廓、监测范围和比例尺生成基准模型。
3.根据权利要求2所述的三维图像检测模型构建方法,其特征在于,所述生成采样网格,对基准模型进行切分,确定采样点,获取采样点处的海拔高度,根据所述海拔高度修正所述基准模型,得到海岛模型的步骤包括:
接收用户输入的清晰度,读取基准模型的监测范围,根据所述清晰度和所述监测范围确定采样网格中网格单元的尺寸;
基于确定尺寸后的采样网格对基准模型的顶面进行切分;
根据所述比例尺在海岛中确定与所述采样网格中各网格点对应的采样点;
根据预设的采集设备获取采样点处的海拔高度,根据所述海拔高度和所述比例尺,确定基准模型中各网格点处的高度;
根据含有高度的网格点拟合出新的模型,得到海岛模型。
4.根据权利要求3所述的三维图像检测模型构建方法,其特征在于,所述采集设备包括无人机和无人艇。
5.根据权利要求2所述的三维图像检测模型构建方法,其特征在于,所述基于验潮站获取边界条件下的海深数据,基于所述海深数据和所述海岛模型确定无人机工作参数的步骤包括:
根据阴历日期确定两个待检时段;所述两个待检时段分别为大涨潮时段和大退潮时段;
建立与验潮站的连接通道,读取待检时段的海深数据;
根据待检时段的海深数据拟合海深变化曲线,并计算所述海深变化曲线的极值;
根据所述比例尺和所述极值在海岛模型确定映射点,根据所述映射点确定无人机工作高度和工作路径。
6.根据权利要求5所述的三维图像检测模型构建方法,其特征在于,所述根据所述比例尺和所述极值在海岛模型确定映射点,根据所述映射点确定无人机工作高度和工作路径的步骤包括:
读取比例尺,根据所述比例尺在海岛模型中确定两个极值对应的模型边界;
根据所述比例尺将两个模型边界转换为实际范围;其中,所述模型边界之间的距离为矢量;
获取无人机的监测广角,根据所述监测广角建立图像获取范围与高度之间的函数关系;
比对所述图像获取范围和所述实际范围,确定二者在所述距离的方向上的包含关系,当所述图像获取范围包含所述实际范围时,读取工作高度;
读取海岛轮廓,根据海廓轮廓确定含有拍摄点的工作路径。
7.根据权利要求6所述的三维图像检测模型构建方法,其特征在于,所述读取海岛轮廓,根据海廓轮廓确定含有拍摄点的工作路径的步骤包括:
读取所述工作高度及对应的图像获取范围;
读取海岛轮廓,根据所述海岛轮廓生成工作路径;
根据所述工作路径和所述图像获取范围确定采集范围;
根据所述采集范围对实际范围进行切分,确定拍摄点。
8.根据权利要求7所述的三维图像检测模型构建方法,其特征在于,所述读取海岛轮廓,根据海廓轮廓确定工作路径的步骤还包括:
对所述采集范围与所述实际范围进行逻辑运算,确定异常段;所述异常段用于表征图像获取范围未包含所述实际范围的区域;
调整无人机在所述异常段处的工作高度。
9.根据权利要求1所述的三维图像检测模型构建方法,其特征在于,所述实时接收无人机获取到的含有时间信息的海面图像,基于所述海面图像确定海面模型的步骤包括:
建立与拍摄点对应的图像存储库;
当接收到无人机上传的含有时间信息的海面图像时,实时获取无人机的拍摄点,根据所述拍摄点确定所述无人机对应的图像存储库;
基于时间信息将所述海面图像插入所述图像存储库中;
根据预设的步进式时间点依次在各图像存储库中提取一个时间间隔最小的海面图像;
根据海面图像和图像存储库的排列顺序确定海面模型。
10.根据权利要求9所述的三维图像检测模型构建方法,其特征在于,所述根据海面图像和图像存储库的排列顺序确定海面模型的步骤包括:
根据预设的图像蒙版对海面图像进行色值调整;
对色值调整后的海面图像进行轮廓识别,确定海岸线;
读取图像存储库对应的拍摄点的排列顺序;
根据排列顺序对海岸线进行拼接,得到海面轮廓;
根据海面轮廓生成海面模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211133590.6A CN115222909B (zh) | 2022-09-19 | 2022-09-19 | 一种三维图像检测模型构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211133590.6A CN115222909B (zh) | 2022-09-19 | 2022-09-19 | 一种三维图像检测模型构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115222909A true CN115222909A (zh) | 2022-10-21 |
CN115222909B CN115222909B (zh) | 2022-11-29 |
Family
ID=83617829
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211133590.6A Active CN115222909B (zh) | 2022-09-19 | 2022-09-19 | 一种三维图像检测模型构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115222909B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115374300A (zh) * | 2022-10-25 | 2022-11-22 | 北京千尧新能源科技开发有限公司 | 一种用于海上风电设备的多源异构数据存储方法及系统 |
CN115861859A (zh) * | 2023-02-20 | 2023-03-28 | 中国科学院东北地理与农业生态研究所 | 一种坡耕地环境监测方法及系统 |
CN115858831A (zh) * | 2023-02-22 | 2023-03-28 | 北京阿玛西换热设备制造有限公司 | 一种数据库用数据存储方法 |
CN116844075A (zh) * | 2023-08-28 | 2023-10-03 | 中国科学院东北地理与农业生态研究所 | 一种耕地环境判定方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020967A (zh) * | 2012-12-07 | 2013-04-03 | 青岛经纬蓝图信息技术有限公司 | 基于海岛边缘特征的无人机航拍图像精确匹配方法 |
CN103245324A (zh) * | 2012-02-06 | 2013-08-14 | 中国测绘科学研究院 | 海岛遥感测图高程精度控制与修正方法及系统 |
CN103258348A (zh) * | 2013-04-16 | 2013-08-21 | 中国科学院地理科学与资源研究所 | 一种基于潮汐过程的海岛礁动态可视化方法 |
KR20180020421A (ko) * | 2016-08-18 | 2018-02-28 | 경북대학교 산학협력단 | 대용량 고해상도 위성 영상을 이용한 해안선 추출 방법 및 시스템 |
CN113902784A (zh) * | 2021-09-29 | 2022-01-07 | 网易(杭州)网络有限公司 | 海浪模拟方法、装置及电子设备 |
-
2022
- 2022-09-19 CN CN202211133590.6A patent/CN115222909B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103245324A (zh) * | 2012-02-06 | 2013-08-14 | 中国测绘科学研究院 | 海岛遥感测图高程精度控制与修正方法及系统 |
CN103020967A (zh) * | 2012-12-07 | 2013-04-03 | 青岛经纬蓝图信息技术有限公司 | 基于海岛边缘特征的无人机航拍图像精确匹配方法 |
CN103258348A (zh) * | 2013-04-16 | 2013-08-21 | 中国科学院地理科学与资源研究所 | 一种基于潮汐过程的海岛礁动态可视化方法 |
KR20180020421A (ko) * | 2016-08-18 | 2018-02-28 | 경북대학교 산학협력단 | 대용량 고해상도 위성 영상을 이용한 해안선 추출 방법 및 시스템 |
CN113902784A (zh) * | 2021-09-29 | 2022-01-07 | 网易(杭州)网络有限公司 | 海浪模拟方法、装置及电子设备 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115374300A (zh) * | 2022-10-25 | 2022-11-22 | 北京千尧新能源科技开发有限公司 | 一种用于海上风电设备的多源异构数据存储方法及系统 |
CN115861859A (zh) * | 2023-02-20 | 2023-03-28 | 中国科学院东北地理与农业生态研究所 | 一种坡耕地环境监测方法及系统 |
CN115858831A (zh) * | 2023-02-22 | 2023-03-28 | 北京阿玛西换热设备制造有限公司 | 一种数据库用数据存储方法 |
CN115858831B (zh) * | 2023-02-22 | 2023-06-23 | 珠海大横琴孵化器管理有限公司 | 一种数据库用数据存储方法 |
CN116844075A (zh) * | 2023-08-28 | 2023-10-03 | 中国科学院东北地理与农业生态研究所 | 一种耕地环境判定方法及系统 |
CN116844075B (zh) * | 2023-08-28 | 2023-11-14 | 中国科学院东北地理与农业生态研究所 | 一种耕地环境判定方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115222909B (zh) | 2022-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115222909B (zh) | 一种三维图像检测模型构建方法 | |
CN112733812B (zh) | 三维车道线检测方法、装置及存储介质 | |
CN112766274A (zh) | 一种基于Mask RCNN算法的水尺图像水位自动读数方法及系统 | |
CN109992888B (zh) | 风电场的风资源情况的评估方法及系统 | |
CN113156439B (zh) | 一种基于数据驱动的sar风场海浪联合反演方法及系统 | |
CN114241326B (zh) | 一种渐进式遥感影像地物要素智能生产方法及系统 | |
CN112912932A (zh) | 一种车载摄像头的标定方法、装置及终端设备 | |
CN113486975A (zh) | 遥感图像的地物分类方法、装置、设备及存储介质 | |
CN114861475B (zh) | 一种基于传感数据的实时海洋模拟方法及系统 | |
CN116934863A (zh) | 一种相机外参确定方法、装置及电子设备 | |
CN115236643A (zh) | 一种传感器标定方法、系统、装置、电子设备及介质 | |
CN115830140A (zh) | 一种海上近程光电监控方法、系统、介质、设备及终端 | |
CN114387348A (zh) | 一种地基天空背景大视场相机的标定方法 | |
CN109919998B (zh) | 卫星姿态确定方法、装置和终端设备 | |
CN114037993A (zh) | 变电站指针仪表读数方法、装置、存储介质以及电子设备 | |
Jaffar et al. | Spatial interpolation method comparison for physico-chemical parameters of river water in Klang River using MATLAB | |
CN108563674B (zh) | 基于rs和gis的海域地理要素测量方法、系统及装置 | |
CN113077518A (zh) | 一种相机参数标定方法、装置及存储介质 | |
CN113124834B (zh) | 一种结合多源数据的区域网平差方法、系统及存储介质 | |
CN111256600A (zh) | 一种动态环境下运砂船方量测量方法 | |
CN114969664B (zh) | 一种水位改正方法、装置、设备及介质 | |
CN115423829B (zh) | 一种单波段遥感影像水体快速提取方法及系统 | |
CN103996044A (zh) | 利用遥感图像提取目标的方法和装置 | |
CN115128598B (zh) | 基于视觉感知和雷达感知融合的行为识别方法及终端设备 | |
US20240005639A1 (en) | Instrument recognition method based on improved u2 network |
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 |