CN115761516B - 空中紧急投送着陆地域分析方法、服务器及存储介质 - Google Patents
空中紧急投送着陆地域分析方法、服务器及存储介质 Download PDFInfo
- Publication number
- CN115761516B CN115761516B CN202211672755.7A CN202211672755A CN115761516B CN 115761516 B CN115761516 B CN 115761516B CN 202211672755 A CN202211672755 A CN 202211672755A CN 115761516 B CN115761516 B CN 115761516B
- Authority
- CN
- China
- Prior art keywords
- image
- analysis
- delivery
- map image
- landing zone
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000004458 analytical method Methods 0.000 claims abstract description 51
- 230000011218 segmentation Effects 0.000 claims abstract description 23
- 238000004364 calculation method Methods 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000007781 pre-processing Methods 0.000 claims abstract description 5
- 238000012216 screening Methods 0.000 claims abstract description 5
- 238000012549 training Methods 0.000 claims description 16
- 239000011159 matrix material Substances 0.000 claims description 11
- 238000012795 verification Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000002372 labelling Methods 0.000 claims description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 239000003086 colorant Substances 0.000 claims description 5
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 238000009338 overlapping cropping Methods 0.000 claims 1
- 238000012876 topography Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000005094 computer simulation Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002156 mixing Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009435 building construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Classifications
-
- 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
- Processing Or Creating Images (AREA)
- Image Processing (AREA)
Abstract
本申请公开了一种空中紧急投送着陆地域分析方法、服务器及存储介质,属于地形数据处理领域,包括如下步骤:步骤1:获取目标地域的地图图像并进行预处理;步骤2:将预处理后的所述地图图像进行分割形成若干小块图像;步骤3:对每个所述小块图像进行图像语义分割模型分析计算,生成相应的数据结果;步骤4:将所有的数据结果进行拼接处理,得到原本地图图像对应的地形分析结果图像;步骤5:在地形分析结果图像基础上,进行地形分析,输出能够完成投送的着陆地域;步骤6:根据投送任务需求,综合分析所有着陆地域,筛选出最佳的着陆地域。本方法能够缩短分析计算周期,提高空中投送的可靠性和稳定性都是有极其重要的意义的。
Description
技术领域
本申请属于地形数据处理领域,特别涉及一种空中紧急投送着陆地域分析方法、服务器及存储介质。
背景技术
随着科技的快速进步,计算机数值计算与计算机仿真技术也日益成熟,但国内针对空降空投的计算研究却起步较晚,在空降空投系统的设计以及性能计算方面的软件尤为缺乏;通过建立空中投送的动力学模型,模拟空中投送的着陆轨迹,运用计算机模拟获得不同地形的最合适着陆地域参数,便可形成空中投送对应不同地形的着陆地域选择预案,用于真实抗震救灾等紧急投送任务时决策投送着陆地域方案。
以往的投送地域分析多是长期计划安排,经过模拟空投和跳伞空降的计算仿真,多次实验确定最佳的投送着陆地域,或形成多套投送着陆预案,最后根据现场实际情况进行调整,但这样就会存在隐患;在一些特定紧急投送任务,可能的投送区域比较大,没有投送着陆地域预案能满足现场情况,此时需要重新分析可行方案,但重新分析同样需要大量计算仿真,分析投送着陆地域耗费时间会延长,严重的将不能完成投送着陆,无法保障后续任务的顺利进行。目前进入了智能化的时代,对改进和优化空中投送着陆地域的分析方法是时代所需。
因此,需要一种针对空中紧急投送着陆地域分析的方法,能够解决上述问题。
发明内容
为了解决所述现有技术的不足,本申请提供了一种空中紧急投送着陆地域分析方法,能够完美解决紧急投送着陆地域选择困难和慢的问题。本方法能转换投送地域地理态势信息,智能解析地形地貌,采用多个地区已脱敏的遥感影像数据进行语义分割训练,并对建筑、耕地、林地、水体、道路、草地、其他、未标注区域等8种类别的区域用不同的色彩进行了标注,根据分割图像情况分析图像分割精度标准,完成转换成果图像拼接构建完整的转换图像。通过构建二维经纬度规则格网,融合高程数据形成三维网格模型,计算该区域内的平坦情况、通视情况等,分析出可行着陆地域。结合投送任务需求以及着陆地域与目的点等综合因素,最终推荐出最佳的投送着陆地域,同时运用计算与图形结合方式,可视化展示投送地域地形环境,直观地分析展示可行着陆地域。
本申请所要达到的技术效果通过以下方案实现:
根据本发明的第一方面,提供了一种空中紧急投送着陆地域分析方法,包括如下步骤:
步骤1:获取目标地域的地图图像并进行预处理;
步骤2:将预处理后的所述地图图像进行分割形成若干小块图像;
步骤3:对每个所述小块图像进行图像语义分割模型分析计算,生成相应的数据结果;
步骤4:将所有的数据结果进行拼接处理,得到原本地图图像对应的地形分析结果图像;
步骤5:在地形分析结果图像基础上,进行地形分析,输出能够完成投送的着陆地域;
步骤6:根据投送任务需求,综合分析所有着陆地域,筛选出最佳的着陆地域。
优选地,在步骤1中,对地图图像进行预处理具体为:
对地图图像进行标注,经过算法进行训练和验证生成训练集和验证集;
针对训练集和验证集,经图像语义分割模型分析计算生成数据文件。
优选地,对地图图像进行标注具体为:识别地图图像中不同类型的区域,对建筑、耕地、林地、水体、道路、草地、其他以及未标注区域8种类别的区域用不同的色彩进行标注。
优选地,在步骤2中,对地图图像进行分割时遵循重叠裁剪的策略;在步骤4中进行拼接处理时,采取忽略边缘策略,小块图像之间的边缘重叠拼接。
优选地,在步骤4中,对数据结果进行拼接处理具体为:
将数据结果进行拼接后,计算图像精度指标,最终合成完整的分析结果图像。
优选地,所述图像精度指标至少包括:交并比、平均交并比、频权交并比、F1分数以及OA值。
优选地,在步骤5中,进行地形分析,输出能够完整投送着陆地域的具体方法为:
步骤51:将目标区域按照一定精度划分为m*n的网格,获取网格顶点的经纬度和高程数据,构建二维经纬度规则网格矩阵A1以及三维经纬度高程矩阵A2;
步骤52:计算两点构成的直线方程L1以及投影位置所构成的直线方程L2;
L1方程:
L2方程:
;
步骤53:计算矩阵A1中距离直线L2最近的坐标点的经纬度坐标集合B,距离最近顶点计算方法:
;
步骤54:循环比较集合B中坐标点的高程h1与其带入L1方程计算得出的高程h2,如果h1<h2,继续循环直到所有坐标点都满足该条件返回结果可视,否则终止算法并返回结果不可视。
优选地,在步骤53中,选取m和n之间较大的一个值为a,计算矩阵A1中a个距离直线L2最近的坐标点的经纬度坐标集合B。
根据本发明的第二方面,提供了一种服务器,包括:存储器和至少一个处理器;
所述存储器存储计算机程序,所述至少一个处理器执行所述存储器存储的计算机程序,以实现上述任一项所述的空中紧急投送着陆地域分析方法。
根据本发明的第三方面,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中存储有计算机程序,所述计算机程序被执行时实现上述任一项所述的空中紧急投送着陆地域分析方法。
本发明的有益效果在于:缩短分析计算周期,节省了研制经费和人员,提高了空中投送的可靠性和稳定性都是有极其重要的意义的。同时,通过智能空中投送着陆地域分析方法实现空中投送方案精确化、信息化,必将在空中投送任务中起到关键作用,保障投送任务顺利进行。
附图说明
为了更清楚地说明本申请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申请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为本申请一实施例中一种空中紧急投送着陆地域分析方法的流程图;
图2为本申请一实施例中遥感图像语义分割模型的裁剪方式示意图;
图3为本申请一实施例中遥感图像语义分割模型精度指标的分类示意图;
图4为本申请一实施例中一种服务器的结构框图。
具体实施方式
为使本申请的目的、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申请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申请一部分实施例,而不是全部的实施例。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,都属于本申请保护的范围。
如图1所示,本申请一实施例中的空中紧急投送着陆地域分析方法,包括如下步骤:
S110:获取目标地域的地图图像并进行预处理;
在本步骤中,对确定的投送区域目标进行地形数据采集,获取目标地域地图图像信息,对图像进行标注,经过算法在后台多次训练和验证,生成训练集和验证集;针对训练集和验证集,经图像语义分割模型分析计算生成数据文件。
其中,训练集是由上千张各种地形小块图像构成的集合,作用是用于模型拟合的数据样本;验证集是模型训练过程中单独留出的样本集,作用是用于调整模型的参数和对模型的能力进行初步评估。
在该步骤中,图像语义分割模型选择HR RSI分割模型,对模型进行若干次的训练,以提高模型的精度,再通过验证集调整参数进一步提升模型的能力。
其中,对地图图像进行标注具体为:识别地图图像中不同类型的区域,对建筑、耕地、林地、水体、道路、草地、其他以及未标注区域8种类别的区域用不同的色彩进行标注,类别与标注关系如表1所示。
表1:类别与标注关系
像素值 | 颜色 | 类别 |
(56,94,15) | 深绿 | 背景 |
(255,0,0) | 红色 | 建筑 |
(0,255,0) | 绿色 | 植被 |
(0,0,255) | 蓝色 | 水 |
(255,255,0) | 黄色 | 农田 |
(125,125,125) | 灰色 | 道路 |
(255,255,255) | 白色 | 无效区域 |
识别地图图像中不同类型的区域的方法主要是对小块图像利用经过训练集与验证集分析生成的数据文件进行计算分析,完成标注。
S120:将预处理后的所述地图图像进行分割形成若干小块图像;
在该步骤中,在遥感图像语义分割模型预测过程中,如果将较大的待分类遥感影像直接输入到网络模型中会造成内存溢出,故一般将待分类地图图像裁剪为一系列较小的小块图像分别输入网络进行预测,然后将预测结果按照裁剪顺序拼接成一张最终结果图像。
在本申请一实施例中,如果采用常规的规则格网裁剪然后预测拼接的话效果不好。因为每张小块图像的边缘区域的上下文信息较少,所以预测结果精度较低,进而还会导致出现明显的拼接痕迹。因此对地图图像进行分割时遵循重叠裁剪的策略;在步骤S140中进行拼接处理时,采取忽略边缘策略,小块图像之间的边缘重叠拼接。具体如图2所示:
实际裁剪地形图像预测的结果为A,进行拼接的结果为a,a占A的区域百分比为r,相邻裁剪图像的重叠比例为。
S130:对每个所述小块图像进行图像语义分割模型分析计算,生成相应的数据结果;
该步骤中的图像语义分割模型采用HR RSI分割模型,应用已经训练好的模型对输入的地图图像进行预测,以达到模型训练时要求的精度指标。
S140:将所有的数据结果进行拼接处理,得到原本地图图像对应的地形分析结果图像;
该步骤中,对数据结果进行拼接处理具体为:将数据结果进行拼接后,计算图像精度指标,最终合成完整的分析结果图像。所述图像精度指标至少包括:交并比、平均交并比、频权交并比、F1分数以及OA值。
计算图像精度指标是为了验证图像识别的准确性,若拼接完的图像未达到精度指标(预设值),则需要重新识别,重新识别过程中需要提高精度,即裁剪成精度更高的小块图像进行识别。
上述图像精度指标为:交并比(Intersection-over-Union, IoU)是指实际地形类别样本和预测地形类别样本的交集和并集之比,即分类准确的正类样本数和分类准确的正类样本数与被错分类为负类的正类样本数以及被错分类为正类的负类之和的比值。
平均交并比(mean Intersection-over-Union, mIoU)是对每一种地形类别交并比求和平均的结果。
频权交并比(Frequency Weighted Intersection-over-Union, FWIoU)是根据每一种地形类别出现的频率设置权重,权重乘以每一类的IoU并进行求和。
各类F1分数是为精确度和召回率的调和平均值。
OA值(Overall Accuracy,OA)是正确分类的地形图像像素与RSI中所有地形图像像素的比值。
如图3所示,上述公式中TP、FP、TN以及FN分别如下:
TP(True Positive):分类准确的正类,意思是预测结果为正类,实际上是正类。
FP(False Positive):被错分类为正类的负类,意思是实际为负类,但是却被预测为正类。
TN(True Negative):分类准确的负类,意思是预测结果为负类,实际上是负类。
FN(False Negative):被错分类为负类的正类,意思是实际为正类,但是却被预测为负类。
图3中的预测类别是指进行该模型算法分析计算的结果类别,实际类别是指真实类别;上述计算的目的是通过精度指标计算准确性是否符合,不符合可以调整上述的精度指标,目的是输出更高精度的地形分析结果。
S150:在地形分析结果图像基础上,进行地形分析,输出能够完成投送的着陆地域;
基于地形地貌的建模分析,使用空中投送着陆地域算法计算该地域中符合要求的平坦地域、通视地域等数据,通过各个计算结果相叠加,重合部分为满足要求的可着陆地域区域,展示提供给指挥员辅助分析决策。
在该步骤中,进行地形分析,输出能够完整投送着陆地域的具体方法为:
S151:将目标区域按照一定精度划分为m*n的网格,获取网格顶点的经纬度和高程数据,构建二维经纬度规则网格矩阵A1以及三维经纬度高程矩阵A2;
S152:计算两点构成的直线方程L1以及投影位置所构成的直线方程L2;
L1方程:
L2方程:
;
S153:选取m和n之间较大的一个值为a,计算矩阵A1中a个距离直线L2最近的坐标点的经纬度坐标集合B,距离最近顶点计算方法:
;
S154:循环比较集合B中坐标点的高程h1与其带入L1方程计算得出的高程h2,如果h1<h2,继续循环直到所有坐标点都满足该条件返回结果可视,否则终止算法并返回结果不可视。
S160:根据投送任务需求,综合分析所有着陆地域,筛选出最佳的着陆地域。
在该步骤中,由于计算分析结果可能符合要求的着陆地域区域较大,需要结合相关因素综合分析最佳的着陆地域。
本方法针对目标区域地形未知的因素,通过DEM建模,将地图信息转换为地形分析图片,可视化展示该区域内的不同地形,结合标注说明不同颜色代表的地形,可以直观查看该区域哪些地方较为平坦,让指挥员主观上有个着陆地域选择的大致方向。
遥感图像解译的主要目的是对图像中感兴趣的目标/地物进行分类识别,主要包括居民地、植被、道路、水系、农田、草地和耕地等。
利用语义分割技术能够将图像分成具有特定语义的像素组,并识别每个区域的类别。例如将一些原始数据(遥感图像)作为输入并将它们转换为具有突出显示的感兴趣区域的掩模。
针对视觉识别与分割任务,VRF(有效感受野)至关重要,因为它们决定神经网络可以收集信息的最大范围。在传统语义分割算法中,网络模型通常采用引入非局部注意力块对RSI进行语义分割,将网络的VRF扩展为整个输入图像。然而,在神经网络的训练过程中,输入的RSI通常在空间上被裁剪成多个图像,以避免计算资源的过载(以及在不同图像区域混合样本),即在RSI中无法将VRF最大化为整个图像,因此造成无法获取全局特征信息与语义信息。
通过遥感图像语义分割模型进行图像语义分割分析,并根据每一块分割图像精度指标选择合适的交并比值,将每一个图像部分聚集在一起,最终拼接成完成的转换图像结果。
在本申请一实施例中,如图4所示,提供了一种服务器,包括:存储器401和至少一个处理器402;
所述存储器401存储计算机程序,所述至少一个处理器402执行所述存储器401存储的计算机程序,以实现上述任一项所述的空中紧急投送着陆地域分析方法。
在本申请一实施例中,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中存储有计算机程序,所述计算机程序被执行时实现上述任一项所述的空中紧急投送着陆地域分析方法。
本方法与传统的着陆地域分析方式比较,更加智能化分析投送着陆地域,不需要经过成千上百次的仿真训练。
第一步结合遥感图像语义分割模型,对较大的地形区域进行地形分割分析转化,通过计算将分割后分析结果再拼接成完整图像,实现地形的可视化分析展示,可以直观的让使用者区分不同地形,主观上有一个着陆地域选择的趋向;
第二步进行地形平坦分析、通视分析,综合分析等,通过边计算边演示的过程,让使用者很容易的明白计算结果的缘由,简单明了的看出分析结果的可行性;
第三步结合具体投送任务需求智能推荐最佳的着陆地域,在满足投送着陆地域较多的情况下,自动根据投送任务相关因素,筛选更加具体的着陆地域,以推优的形式反馈给使用者。
应该指出,上述详细说明都是示例性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语均具有与本申请所属技术领域的普通技术人员的通常理解所相同的含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式。此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换,以便这里描述的本申请的实施方式能够以除了在这里图示或描述的那些以外的顺序实施。
此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含。例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为了便于描述,在这里可以使用空间相对术语,如“在……之上”、“在……上方”、“在……上表面”、“上面的”等,用来描述如在图中所示的一个器件或特征与其他器件或特征的空间位置关系。应当理解的是,空间相对术语旨在包含除了器件在图中所描述的方位之外的在使用或操作中的不同方位。例如,如果附图中的器件被倒置,则描述为“在其他器件或构造上方”或“在其他器件或构造之上”的器件之后将被定位为“在其他器件或构造下方”或“在其他器件或构造之下”。因而,示例性术语“在……上方”可以包括“在……上方”和“在……下方”两种方位。该器件也可以其他不同方式定位,如旋转90度或处于其他方位,并且对这里所使用的空间相对描述作出相应解释。
在上面详细的说明中,参考了附图,附图形成本文的一部分。在附图中,类似的符号典型地确定类似的部件,除非上下文以其他方式指明。在详细的说明书、附图及权利要求书中所描述的图示说明的实施方案不意味是限制性的。在不脱离本文所呈现的主题的精神或范围下,其他实施方案可以被使用,并且可以作其他改变。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.空中紧急投送着陆地域分析方法,其特征在于,包括如下步骤:
步骤1:获取目标地域的地图图像并进行预处理;对地图图像进行标注,经过算法进行训练和验证生成训练集和验证集;针对训练集和验证集,经图像语义分割模型分析计算生成数据文件;对地图图像进行标注具体为:识别地图图像中不同类型的区域,对建筑、耕地、林地、水体、道路、草地、其他以及未标注区域8种类别的区域用不同的色彩进行标注;
步骤2:将预处理后的所述地图图像进行分割形成若干小块图像;
步骤3:对每个所述小块图像利用图像语义分割模型分析计算,生成相应的数据结果;
步骤4:将所有的数据结果进行拼接处理,得到原本地图图像对应的地形分析结果图像;
步骤5:在地形分析结果图像基础上,进行地形分析,输出能够完成投送的着陆地域;具体包括:
步骤51:将目标区域按照一定精度划分为m*n的网格,获取网格顶点的经纬度和高程数据,构建二维经纬度规则网格矩阵A1以及三维经纬度高程矩阵A2;
步骤52:计算两点构成的直线方程L1以及投影位置所构成的直线方程L2;
L1方程:
;
式中:x1、y1、z1、x2、y2、z2为紧急投送着陆地域内的一点与作战目标点在大地坐标系中的经度、维度和高程;
L2方程:
;
式中:x1、y1、x2、y2为紧急投送着陆地域内的一点与作战目标点在大地坐标系中的经度、维度;
步骤53:计算矩阵A1中距离直线L2最近的坐标点的经纬度坐标集合B,距离最近顶点计算方法:
;
式中:A、B、C为常量;X0、y0为网格顶点坐标;
具体的:选取m和n之间较大的一个值为a,计算矩阵A1中a个距离直线L2最近的坐标点的经纬度坐标集合B;
步骤54:循环比较集合B中坐标点的高程h1与其带入L1方程计算得出的高程h2,如果h1<h2,继续循环直到所有坐标点都满足该条件返回结果可视,否则终止算法并返回结果不可视;
步骤6:根据投送任务需求,综合分析所有着陆地域,筛选出最佳的着陆地域。
2.根据权利要求1所述的空中紧急投送着陆地域分析方法,其特征在于,在步骤2中,对地图图像进行分割时遵循重叠裁剪的策略;在步骤4中进行拼接处理时,采取忽略边缘策略,小块图像之间的边缘重叠拼接。
3.根据权利要求1所述的空中紧急投送着陆地域分析方法,其特征在于,在步骤4中,对数据结果进行拼接处理具体为:
将数据结果进行拼接后,计算图像精度指标,最终合成完整的分析结果图像。
4.根据权利要求3所述的空中紧急投送着陆地域分析方法,其特征在于,所述图像精度指标至少包括:交并比、平均交并比、频权交并比、F1分数以及OA值。
5.一种服务器,其特征在于,包括:存储器和至少一个处理器;
所述存储器存储计算机程序,所述至少一个处理器执行所述存储器存储的计算机程序,以实现权利要求1至4中任一项所述的空中紧急投送着陆地域分析方法。
6.一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中存储有计算机程序,所述计算机程序被执行时实现权利要求1至4中任一项所述的空中紧急投送着陆地域分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211672755.7A CN115761516B (zh) | 2022-12-26 | 2022-12-26 | 空中紧急投送着陆地域分析方法、服务器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211672755.7A CN115761516B (zh) | 2022-12-26 | 2022-12-26 | 空中紧急投送着陆地域分析方法、服务器及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115761516A CN115761516A (zh) | 2023-03-07 |
CN115761516B true CN115761516B (zh) | 2024-03-05 |
Family
ID=85347527
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211672755.7A Active CN115761516B (zh) | 2022-12-26 | 2022-12-26 | 空中紧急投送着陆地域分析方法、服务器及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115761516B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130133480A (ko) * | 2012-05-29 | 2013-12-09 | 서울대학교산학협력단 | 깊이 지도를 이용한 멀티로터의 착륙 위치 결정 방법 및 그 장치 |
CN108357675A (zh) * | 2017-01-26 | 2018-08-03 | 霍尼韦尔国际公司 | 用于在飞行期间动态地更新空投区域数据的方法和装置 |
CN108764791A (zh) * | 2018-05-22 | 2018-11-06 | 四川众联航泰科技有限公司 | 物资投放吊舱投放时机计算方法 |
CN112348313A (zh) * | 2020-09-30 | 2021-02-09 | 北京空间飞行器总体设计部 | 一种地外天体软着陆任务着陆区精确选择及评估方法 |
CN113011350A (zh) * | 2021-03-24 | 2021-06-22 | 深圳前海微众银行股份有限公司 | 一种地域图像的识别处理方法、装置及电子设备 |
CN114296471A (zh) * | 2021-11-17 | 2022-04-08 | 湖北航天飞行器研究所 | 一种基于全捷联下视相机的无人机精准着陆控制方法 |
CN114564042A (zh) * | 2022-03-01 | 2022-05-31 | 中国商用飞机有限责任公司北京民用飞机技术研究中心 | 一种基于多传感器融合的无人机着陆方法 |
CN114758252A (zh) * | 2022-06-16 | 2022-07-15 | 南开大学 | 基于图像的分布式光伏屋顶资源分割与提取方法及系统 |
CN114842361A (zh) * | 2022-05-18 | 2022-08-02 | 深圳市边界智控科技有限公司 | 基于视觉及雷达的无人机着陆点检测方法及相关设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9177481B2 (en) * | 2013-12-13 | 2015-11-03 | Sikorsky Aircraft Corporation | Semantics based safe landing area detection for an unmanned vehicle |
-
2022
- 2022-12-26 CN CN202211672755.7A patent/CN115761516B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130133480A (ko) * | 2012-05-29 | 2013-12-09 | 서울대학교산학협력단 | 깊이 지도를 이용한 멀티로터의 착륙 위치 결정 방법 및 그 장치 |
CN108357675A (zh) * | 2017-01-26 | 2018-08-03 | 霍尼韦尔国际公司 | 用于在飞行期间动态地更新空投区域数据的方法和装置 |
CN108764791A (zh) * | 2018-05-22 | 2018-11-06 | 四川众联航泰科技有限公司 | 物资投放吊舱投放时机计算方法 |
CN112348313A (zh) * | 2020-09-30 | 2021-02-09 | 北京空间飞行器总体设计部 | 一种地外天体软着陆任务着陆区精确选择及评估方法 |
CN113011350A (zh) * | 2021-03-24 | 2021-06-22 | 深圳前海微众银行股份有限公司 | 一种地域图像的识别处理方法、装置及电子设备 |
CN114296471A (zh) * | 2021-11-17 | 2022-04-08 | 湖北航天飞行器研究所 | 一种基于全捷联下视相机的无人机精准着陆控制方法 |
CN114564042A (zh) * | 2022-03-01 | 2022-05-31 | 中国商用飞机有限责任公司北京民用飞机技术研究中心 | 一种基于多传感器融合的无人机着陆方法 |
CN114842361A (zh) * | 2022-05-18 | 2022-08-02 | 深圳市边界智控科技有限公司 | 基于视觉及雷达的无人机着陆点检测方法及相关设备 |
CN114758252A (zh) * | 2022-06-16 | 2022-07-15 | 南开大学 | 基于图像的分布式光伏屋顶资源分割与提取方法及系统 |
Non-Patent Citations (3)
Title |
---|
Li, Xia等.Research on solving heading attitude of airdrop cargo platform based on line features.《INTERNATIONAL JOURNAL OF ADVANCED ROBOTIC SYSTEMS》.2022,第19卷全文. * |
一种探测器自主安全着陆区确定及精确避障的策略;金涛;章登义;蔡波;;计算机研究与发展(第12期);全文 * |
张镔.基于视觉的空投系统姿态获取及解算技术研究.《中国优秀硕士学位论文全文数据库( 工程科技Ⅱ辑)》.2022,(第7期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN115761516A (zh) | 2023-03-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116227834A (zh) | 一种基于三维点云模型的智能景区数字化平台 | |
CN110956412A (zh) | 基于实景模型的洪灾动态评估方法、装置、介质和设备 | |
CN115409069A (zh) | 村镇建筑的识别方法、分类方法、装置、电子设备和介质 | |
CN112668461A (zh) | 一种具有野生动物识别的智能监管系统 | |
Golubev et al. | Woody plants area estimation using ordinary satellite images and deep learning | |
Salimi et al. | Providing the optimal method for sport places site selection based on GIS analytic functions | |
US7487070B2 (en) | Method for planning a security array of sensor units | |
Puspitasari et al. | A reliable method for visibility analysis of tall buildings and skyline: A case study of tall buildings cluster in Jakarta | |
CN113781431A (zh) | 基于城市点云数据的绿视率计算方法 | |
San Blas et al. | A platform for swimming pool detection and legal verification using a multi-agent system and remote image sensing | |
CN115761516B (zh) | 空中紧急投送着陆地域分析方法、服务器及存储介质 | |
CN113536997A (zh) | 基于图像识别和行为分析的智能安防系统及方法 | |
Shirowzhan et al. | Developing metrics for quantifying buildings’ 3D compactness and visualizing point cloud data on a web-based app and dashboard | |
Ishikawa et al. | Interactive 3-D indoor modeler for virtualizing service fields | |
Dahle et al. | Automatic change detection of digital maps using aerial images and point clouds | |
CN116524143A (zh) | 一种gis地图构建方法 | |
CN107657262A (zh) | 一种计算机自动分类精度评价方法 | |
Basdekidou | Bird Migration with Visual Avian Navigation & Nest Nidification: The Spatial Linear Geometries Georeferencing Functionality | |
Cheng et al. | Framework for evaluating visual and geometric quality of three-dimensional models | |
McKee et al. | Effect of Image Classification Accuracy on Dasymetric Population Estimation | |
Han et al. | Holistic visual data representation for built environment assessment | |
CN116108124B (zh) | 基于gis的土地类型相似度确定方法、系统、设备及介质 | |
CN109543876A (zh) | 一种城市问题的可视化分析方法 | |
Schneiderbauer et al. | Population density estimations for disaster management: Case study rural Zimbabwe | |
CN117611108B (zh) | 一种城乡建设用地有偿调剂的智能决策构建方法 |
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 |