CN115309923B - 一种空间目标的数据处理方法及装置 - Google Patents
一种空间目标的数据处理方法及装置 Download PDFInfo
- Publication number
- CN115309923B CN115309923B CN202211237756.9A CN202211237756A CN115309923B CN 115309923 B CN115309923 B CN 115309923B CN 202211237756 A CN202211237756 A CN 202211237756A CN 115309923 B CN115309923 B CN 115309923B
- Authority
- CN
- China
- Prior art keywords
- target
- data
- space
- spatial
- observation
- 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
Images
Classifications
-
- 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
- G06F16/10—File systems; File servers
- G06F16/18—File system types
- G06F16/182—Distributed file systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
- G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Library & Information Science (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Processing Or Creating Images (AREA)
Abstract
本申请提供了一种空间目标的数据处理方法及装置,涉及数据处理技术领域,所述方法包括:获取地面光学观测站采集的连续观测图像,从观测图像中识别出空间目标;根据地面光学观测站的位置以及空间目标在观测图像中的位置信息,解算出各观测时刻的空间目标的位置信息;根据各观测时刻的空间目标的位置信息,计算空间目标的目标属性信息;对空间目标的目标属性信息进行数据处理,得到不同结构的空间目标数据并进行存储。本申请能够解决现有技术存在的通过空间目标数据的原始信息无法直观理解空间数据的问题。
Description
技术领域
本申请涉及数据处理技术领域,尤其是涉及一种空间目标的数据处理方法及装置。
背景技术
目前,太空中有各种不同用途的空间目标,包括:人造卫星、深空探测设备以及载人飞船等等。通常空间目标的行为事件在复杂的太空背景下发生,通过原始数据信息不能直观理解空间的数据问题。
发明内容
有鉴于此,本申请提供了一种空间目标的数据处理方法及装置,用于解决上述技术问题。
第一方面,本申请实施例提供了一种空间目标的数据处理方法,所述方法包括:
获取地面光学观测站采集的连续观测图像,从观测图像中识别出空间目标;
根据地面光学观测站的位置以及空间目标在观测图像中的位置信息,解算出各观测时刻的空间目标的位置信息;
根据各观测时刻的空间目标的位置信息,计算空间目标的目标属性信息;
对空间目标的目标属性信息进行数据处理,得到不同结构的空间目标数据并进行存储。
进一步地,根据地面光学观测站的位置以及空间目标在观测图像中的位置信息,解算出各观测时刻的空间目标的位置信息;包括:
根据地面光学观测站的位置,建立图像坐标系和天球坐标系的转换关系;
进一步地,对空间目标的目标属性信息进行数据处理,得到不同结构的空间目标数据并进行存储;包括:
对空间目标的目标属性信息进行数据清洗,包括:重复数据处理、缺失值处理和检查数据逻辑错误;
对清洗后的数据进行数据抽样;
对抽样后的数据进行数据分组,得到结构化的空间目标数据、观测数据文件和非结构化的空间目标数据;
将结构化的空间目标数据存储至MySql数据库中,将观测数据文件存储至Hdfs文件,将非结构化的空间目标数据存储至Hbase中。
进一步地,所述方法还包括:
通过多源异构数据的关联以及融合方法,构建空间目标的知识图谱,包括:目标的属性信息,目标的舆情信息,目标的运行状态,目标的三维模型,目标来源以及目标与目标间的关联关系信息。
进一步地,所述方法还包括:
当获取到新的空间目标数据,在空间目标的知识图谱中新增一个节点,用于记录和显示空间目标数据。
第二方面,本申请实施例提供了一种空间目标的数据处理装置,所述装置包括:
获取单元,用于获取地面光学观测站采集的连续观测图像,从观测图像中识别出空间目标;
第一计算单元,用于根据地面光学观测站的位置以及空间目标在观测图像中的位置信息,解算出各观测时刻的空间目标的位置信息;
第二计算单元,用于根据各观测时刻的空间目标的位置信息,计算空间目标的目标属性信息;
数据处理单元,用于对空间目标的目标属性信息进行数据处理,得到不同结构的空间目标数据并进行存储。
第三方面,本申请实施例提供了一种电子设备,包括:存储器、处理器和存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现本申请实施例的方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令被处理器执行时实现本申请实施例的方法。
本申请能够解决现有技术存在的通过空间目标数据的原始信息无法直观理解空间数据的问题。
附图说明
为了更清楚地说明本申请具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本申请的一些实施方式,对于本领域普通技术人员来讲,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为本申请实施例提供的空间目标的数据处理方法的流程图;
图2为本申请实施例提供的空间目标的数据处理装置的功能结构图;
图3为本申请实施例提供的电子设备的结构图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
首先对本申请实施例的设计思想进行简单介绍。
为解决无法通过空间目标数据的原始信息不能直观理解空间数据的问题。本申请提供了一种空间目标的数据处理方法,通过获取地面光学观测站采集的连续观测图像,从观测图像中识别出空间目标;
根据地面光学观测站的位置以及空间目标在观测图像中的位置信息,解算出各观测时刻的空间目标的位置信息;根据各观测时刻的空间目标的位置信息,计算空间目标的目标属性信息;对空间目标的目标属性信息进行数据处理,得到不同结构的空间目标数据并进行存储。从而解决现有技术存在的通过空间目标数据的原始信息不能直观理解空间数据的问题。
在介绍了本申请实施例的应用场景和设计思想之后,下面对本申请实施例提供的技术方案进行说明。
如图1所示,本申请实施例提供了一种空间目标的数据处理方法,包括:
步骤101:获取地面光学观测站采集的连续观测图像,从观测图像中识别出空间目标;
获取空间目标,根据光学地面站观测得到初始目标信息,此时观测数据作为图像存储在图数据库中,对于要识别的目标查询相应的图数据,根据目标识别算法进行图像的处理。
步骤102:根据地面光学观测站的位置以及空间目标在观测图像中的位置信息,解算出各观测时刻的空间目标的位置信息;
2本实施例中,该步骤包括:
根据地面光学观测站的位置,建立图像坐标系和天球坐标系的转换关系;
步骤103:根据各观测时刻的空间目标的位置信息,计算空间目标的目标属性信息;
步骤104:对空间目标的目标属性信息进行数据处理,得到不同结构的空间目标数据并进行存储。
目标录入后对数据进行处理,提取目标特征信息,去除野值、缺失值,将目标非结构化信息进行结构化操作。然后进行数据分析基组准备,主要根据不同维度(国家,时间,类型等)进行数据分组,将结构化数据(目标信息)持久化存储至MySql、神通数据库中,将文件信息(观测数据)存储至Hdfs文件存储服务器中,将非结构化数据(目标的网络数据报告等)存储至Hbase中。
知识图谱是智能服务的基础技术之一。图谱通常通过图的形式,建立数据、信息及知识之间的关联,并对客观世界实体及相互之间的关系进行表示,从而实现数据、信息和知识的转化及关联,它是一种知识库,也是人工智能从弱向强的发展过程中必不可少的环节。本申请的方法利用知识图谱技术,将空间目标数据转化为形式化及结构化的知识,从空间目标的三层关系(基础关系、空间关系、时间关系)出发,对其多层次语义进行解析,对其关系进行形式化及规范化的描述,满足不同用户对空间目标的认知及直观理解,掌握空间目标数据态势。
通常空间目标的行为事件在复杂的太空背景下发生,通过本实施例的方法可以直观地分析行为事件及动态推演,分析空间目标的行为事件;空间目标行为主要包含实例要素、属性要素及概念要素,各要素具体如下:
实例要素:是空间目标数据行为事件中相关的各种实例,分非物质实例及物质实例。非物质实例通常包括空间目标姿态及发生行为事件时的所处环境;物质实例则是空间目标态势中各种行为事件的参与者(参与人员或空间目标等)。
属性要素:对各类空间目标行为要素进行描述,可以为实验室提供有关行为事件的数据描述。
概念要素:主要针对空间目标的行为、事件、时空、轨道状态、数据本体进行全局共享,同时通过映射实现各个局部概念之间的数据融合、知识共享、数据标准化和跨域互操作。
所述方法还包括:构建知识图谱,通过多源异构数据的关联以及融合,得到空间目标数据的知识图谱,空间目标的知识图谱的数据项包括:目标的属性信息,目标的舆情信息,目标的运行状态,目标的三维模型,目标来源以及目标与目标间的关联关系信息,从而实现原子级知识搜索引擎,每次对目标数据分析后形成新的数据关系新模型,为目标的关系拓扑新增一个时间节点,显示观测时间下的目标信息。通过时间比对,可实现不同时空下的数据差异性,形成完整的知识图谱。
基于上述实施例,本申请实施例提供了一种空间目标的数据处理装置,参阅图2所示,本申请实施例提供的空间目标的数据处理装置200至少包括:
获取单元201,用于获取地面光学观测站采集的连续观测图像,从观测图像中识别出空间目标;
第一计算单元202,用于根据地面光学观测站的位置以及空间目标在观测图像中的位置信息,解算出各观测时刻的空间目标的位置信息;
第二计算单元203,用于根据各观测时刻的空间目标的位置信息,计算空间目标的目标属性信息;
数据处理单元204,用于对空间目标的目标属性信息进行数据处理,得到不同结构的空间目标数据并进行存储。
需要说明的是,本申请实施例提供的空间目标的数据处理装置200解决技术问题的原理与本申请实施例提供空间目标的数据处理方法相似,因此,本申请实施例提供的空间目标的数据处理装置200的实施可以参见本申请实施例提供的空间目标的数据处理方法的实施,重复之处不再赘述。
如图3所示,本申请实施例提供的电子设备300至少包括:处理器301、存储器302和存储在存储器302上并可在处理器301上运行的计算机程序,处理器301执行计算机程序时实现本申请实施例提供的空间目标的数据处理方法。
本申请实施例提供的电子设备300还可以包括连接不同组件(包括处理器301和存储器302)的总线303。其中,总线303表示几类总线结构中的一种或多种,包括存储器总线、外围总线、局域总线等。
存储器302可以包括易失性存储器形式的可读介质,例如随机存储器(RandomAccess Memory,RAM)3021和/或高速缓存存储器3022,还可以进一步包括只读存储器(ReadOnly Memory,ROM)3023。
存储器302还可以包括具有一组(至少一个)程序模块3025的程序工具3024,程序模块3025包括但不限于:操作子系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
电子设备300也可以与一个或多个外部设备304(例如键盘、遥控器等)通信,还可以与一个或者多个使得用户能与电子设备300交互的设备通信(例如手机、电脑等),和/或,与使得电子设备300与一个或多个其它电子设备300进行通信的任何设备(例如路由器、调制解调器等)通信。这种通信可以通过输入/输出(Input /Output,I/O)接口305进行。并且,电子设备300还可以通过网络适配器306与一个或者多个网络(例如局域网(Local AreaNetwork,LAN),广域网(Wide Area Network,WAN)和/或公共网络,例如因特网)通信。如图3所示,网络适配器306通过总线303与电子设备300的其它模块通信。应当理解,尽管图3中未示出,可以结合电子设备300使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of IndependentDisks,RAID)子系统、磁带驱动器以及数据备份存储子系统等。
需要说明的是,图3所示的电子设备300仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机指令,该计算机指令被处理器执行时实现本申请实施例提供的空间目标的数据处理方法。
此外,尽管在附图中以特定顺序描述了本申请方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (7)
1.一种空间目标的数据处理方法,其特征在于,所述方法包括:
获取地面光学观测站采集的连续观测图像,从观测图像中识别出空间目标;
根据地面光学观测站的位置以及空间目标在观测图像中的位置信息,解算出各观测时刻的空间目标的位置信息;
根据各观测时刻的空间目标的位置信息,计算空间目标的目标属性信息;
对空间目标的目标属性信息进行数据处理,得到不同结构的空间目标数据并进行存储,包括:
对空间目标的目标属性信息进行数据清洗,包括:重复数据处理、缺失值处理和检查数据逻辑错误;
对清洗后的数据进行数据抽样;
根据不同维度,对抽样后的数据进行数据分组,得到结构化的空间目标数据、观测数据文件和非结构化的空间目标数据;不同维度包括国别,时间和类型;
将结构化的空间目标数据存储至MySql数据库中,将观测数据文件存储至Hdfs文件,将非结构化的空间目标数据存储至Hbase中;
所述方法还包括:
通过多源异构数据的关联以及融合方法,从空间目标间的关联三层关系出发,对空间目标数据进行处理,构建空间目标的知识图谱,包括:目标的属性信息,目标的舆情信息,目标的运行状态,目标的三维模型,目标来源以及目标与目标间的关联关系信息,所述关联关系包括基础关系、空间关系和时间关系。
4.根据权利要求1所述的空间目标的数据处理方法,其特征在于,所述方法还包括:
当获取到新的空间目标数据,在空间目标的知识图谱中新增一个节点,用于记录和显示空间目标数据。
5.一种空间目标的数据处理装置,其特征在于,所述装置包括:
获取单元,用于获取地面光学观测站采集的连续观测图像,从观测图像中识别出空间目标;
第一计算单元,用于根据地面光学观测站的位置以及空间目标在观测图像中的位置信息,解算出各观测时刻的空间目标的位置信息;
第二计算单元,用于根据各观测时刻的空间目标的位置信息,计算空间目标的目标属性信息;
数据处理单元,用于对空间目标的目标属性信息进行数据处理,得到不同结构的空间目标数据并进行存储,具体为:对空间目标的目标属性信息进行数据清洗,包括:重复数据处理、缺失值处理和检查数据逻辑错误;对清洗后的数据进行数据抽样;根据不同维度,对抽样后的数据进行数据分组,得到结构化的空间目标数据、观测数据文件和非结构化的空间目标数据;不同维度包括国别,时间和类型;将结构化的空间目标数据存储至MySql数据库中,将观测数据文件存储至Hdfs文件,将非结构化的空间目标数据存储至Hbase中;
构建单元,用于通过多源异构数据的关联以及融合方法,从空间目标间的关联三层关系出发,对空间目标数据进行处理,构建空间目标的知识图谱,包括:目标的属性信息,目标的舆情信息,目标的运行状态,目标的三维模型,目标来源以及目标与目标间的关联关系信息,所述关联关系包括基础关系、空间关系和时间关系。
6.一种电子设备,其特征在于,包括:存储器、处理器和存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1-4任一项所述的方法。
7.一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存储有计算机指令,所述计算机指令被处理器执行时实现如权利要求1-4任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211237756.9A CN115309923B (zh) | 2022-10-11 | 2022-10-11 | 一种空间目标的数据处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211237756.9A CN115309923B (zh) | 2022-10-11 | 2022-10-11 | 一种空间目标的数据处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115309923A CN115309923A (zh) | 2022-11-08 |
CN115309923B true CN115309923B (zh) | 2022-12-23 |
Family
ID=83867996
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211237756.9A Active CN115309923B (zh) | 2022-10-11 | 2022-10-11 | 一种空间目标的数据处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115309923B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003166850A (ja) * | 2001-09-18 | 2003-06-13 | Mitsubishi Electric Corp | 監視装置 |
CN103017762A (zh) * | 2012-12-21 | 2013-04-03 | 中国科学院长春光学精密机械与物理研究所 | 地基光电望远镜的空间目标快速捕获定位方法 |
CN114915537A (zh) * | 2022-05-11 | 2022-08-16 | 军事科学院系统工程研究院网络信息研究所 | 卫星通信频轨资源分布式协同监测系统和方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114896426B (zh) * | 2022-07-14 | 2023-10-13 | 中国人民解放军国防科技大学 | 一种电子目标认知图谱的构建方法 |
-
2022
- 2022-10-11 CN CN202211237756.9A patent/CN115309923B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003166850A (ja) * | 2001-09-18 | 2003-06-13 | Mitsubishi Electric Corp | 監視装置 |
CN103017762A (zh) * | 2012-12-21 | 2013-04-03 | 中国科学院长春光学精密机械与物理研究所 | 地基光电望远镜的空间目标快速捕获定位方法 |
CN114915537A (zh) * | 2022-05-11 | 2022-08-16 | 军事科学院系统工程研究院网络信息研究所 | 卫星通信频轨资源分布式协同监测系统和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115309923A (zh) | 2022-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112540832B (zh) | 一种基于知识图谱的云原生系统故障分析方法 | |
Li et al. | Big data and cloud computing | |
CN111145076B (zh) | 数据并行化处理方法、系统、设备及存储介质 | |
Chebbi et al. | Improvement of satellite image classification: Approach based on Hadoop/MapReduce | |
CN114580263A (zh) | 基于知识图谱的信息系统故障预测方法及相关设备 | |
Shuliang et al. | Big spatial data mining | |
Khine et al. | Predictive geospatial analytics using principal component regression | |
Saraee et al. | A new data science framework for analysing and mining geospatial big data | |
CN112529525B (zh) | 一种电网突发事件情景要素提取及全域融合方法与系统 | |
Karim et al. | Spatiotemporal Aspects of Big Data. | |
CN115309923B (zh) | 一种空间目标的数据处理方法及装置 | |
US11875250B1 (en) | Deep neural networks with semantically weighted loss functions | |
CN114674328B (zh) | 地图生成方法、装置、电子设备、存储介质、及车辆 | |
Al-Salman et al. | Matching geo-spatial information by qualitative spatial relations | |
Lee et al. | Migrating fault trees to decision trees for real time fault detection on international space station | |
Gerharz et al. | Visualizing uncertainty in spatio-temporal data | |
CN113505834A (zh) | 训练检测模型、确定图像更新信息和更新高精地图的方法 | |
Hu et al. | Advancing smart and resilient cities with big spatial disaster data: Challenges, progress, and opportunities | |
Ishikawa et al. | Towards construction of an explanation framework for whole processes of data analysis applications: concepts and use cases | |
CN113514053A (zh) | 生成样本图像对的方法、装置和更新高精地图的方法 | |
US20200353622A1 (en) | Online utility-driven spatially-referenced data collector for classification | |
US20240174384A1 (en) | Method and system for operating metaverse platform for implementing virtual universe space | |
Hülsen et al. | Machine learning application benchmarking on COTS inference processors | |
CN117911662B (zh) | 基于深度霍夫投票的数字孪生场景语义分割方法及系统 | |
Hershey et al. | System for local/regional/global joined object recognition |
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 |