CN116091586B - 一种槽线识别方法、装置、存储介质及终端 - Google Patents
一种槽线识别方法、装置、存储介质及终端 Download PDFInfo
- Publication number
- CN116091586B CN116091586B CN202211557858.9A CN202211557858A CN116091586B CN 116091586 B CN116091586 B CN 116091586B CN 202211557858 A CN202211557858 A CN 202211557858A CN 116091586 B CN116091586 B CN 116091586B
- Authority
- CN
- China
- Prior art keywords
- contour line
- contour
- segment
- target
- curvature
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/64—Analysis of geometric attributes of convexity or concavity
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30192—Weather; Meteorology
-
- 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
Abstract
本发明公开了一种槽线识别方法、装置、存储介质及终端，方法包括：根据待识别地区在待预测时刻的风场数据天气图和气压数据天气图确定多个等值线片段；等值线片段为风切变所在区域内的气压等值线集合；确定每个等值线片段中各等值线上存在的曲率最大值的目标点，得到每个等值线片段的多个目标点；根据每个等值线片段的多个目标点识别每个等值线片段的槽线。由于本申请在风切变所在区域内确定出包含气压等值线集合的等值线片段，并在每个等值线片段上通过找曲率最大值的目标点最终完成槽线识别，从而可自动识别出天气图中的槽线，提升了槽线识别效率，同时利用曲率最大值的目标点识别槽线准确度高于利用全局点识别槽线，进而提升了槽线识别精确度。
Description
技术领域
本发明涉及计算机技术领域，特别涉及一种槽线识别方法、装置、存储介质及终端。
背景技术
在气象领域中，槽线是预报中成云致雨的重要依据，槽线定义为低压槽区内等高线曲率最大点的连线，是气旋中心到低压槽内气压最低点的集合所组成的曲线。在天气分析中，槽线的分析有着非常重要的作用，它一定程度上可以反映出天气的变化趋势，可以为预报人员提供重要的参考，因此准确判断槽线是天气系统分析和天气图绘制的重要内容。
在现有技术中，气象预报中的槽线分析基本上采用人工分析的方法实现。人工分析槽线存在着明显的缺陷，一方面分析工作量较大，效率较低；另一方面对于槽线的分析，预报员主观上分析经验不同，客观上侧重依据差异，都对槽线的分析产生影响，不利于改进提高及应用推广。
发明内容
本申请实施例提供了一种槽线识别方法、装置、存储介质及终端。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。
第一方面，本申请实施例提供了一种槽线识别方法，方法包括：
根据待识别地区在待预测时刻的风场数据天气图和气压数据天气图确定多个等值线片段；等值线片段为风切变所在区域内的气压等值线集合；
确定每个等值线片段中各等值线上存在的曲率最大值的目标点，得到每个等值线片段的多个目标点；
根据每个等值线片段的多个目标点识别每个等值线片段的槽线。
可选的，根据待识别地区在待预测时刻的风场数据天气图和气压数据天气图确定多个等值线片段，包括：
获取待识别地区在待预测时刻的风场数据天气图和气压数据天气图；
根据预先训练的定位模型定位风场数据天气图中风切变所在的区域框，得到多个风切变区域框；
在气压数据天气图中截取每个风切变区域框对应的区域，得到多个等值线片段。
可选的，确定每个等值线片段中各等值线上存在的曲率最大值的目标点，包括：
遍历获取每个等值线片段中各等值线的坐标序列；
在各等值线的坐标序列中确定各等值线两端的端点坐标；
根据各等值线两端的端点坐标计算各等值线的倾斜角以及中心点坐标；
根据各等值线的倾斜角计算各等值线的旋转矩阵；
根据各等值线的旋转矩阵和与其对应的中心点坐标对各等值线的坐标序列进行变换，得到各等值线的变换坐标；
根据各等值线的变换坐标计算各等值线中曲率最大值的目标点。
可选的，根据各等值线的变换坐标计算各等值线中曲率最大值的目标点，包括：
根据各等值线的变换坐标中全部横坐标建立第一矩阵；
根据各等值线的变换坐标中全部纵坐标建立第二矩阵；
根据第一矩阵与第二矩阵计算二次方程系数；
遍历各等值线的变换坐标中全部横坐标中存在的整数，得到各等值线的多个整数；
根据二次方程系数以及各等值线的每个整数，并结合预设曲率值计算公式计算出各等值线的每个整数对应的曲率值，得到各等值线的多个曲率值；
根据各等值线的多个曲率值分别计算各等值线中曲率最大值的目标点。
可选的，根据各等值线的多个曲率值分别计算各等值线中曲率最大值的目标点，包括：
在各等值线的变换坐标的全部横坐标中确定各等值线中曲率最大值点的横坐标；
根据各等值线中曲率最大值点的横坐标，并结合根据二次方程系数建立的方程计算各等值线中曲率最大值点的纵坐标；
将各等值线中曲率最大值点的横坐标与纵坐标逆变换到图片坐标系，得到各等值线中曲率最大值的目标点。
可选的，根据每个等值线片段的多个目标点识别每个等值线片段的槽线，包括：
将每个等值线片段的多个目标点的坐标进行逐一变换，得到每个等值线片段的多个变换坐标点；
根据每个等值线片段的多个变换坐标点中全部横坐标构建每个等值线片段的目标矩阵；
采用随机采样一致性算法对每个等值线片段的目标矩阵进行拟合，得到每个等值线片段的曲线二次解析式的系数；
根据每个等值线片段的曲线二次解析式的系数剔除每个等值线片段的多个变换坐标点中存在的异常点，并基于除异常点之外的剩余点建立每个等值线片段的目标曲线；
根据每个等值线片段的目标曲线识别每个等值线片段的槽线。
可选的，根据每个等值线片段的目标曲线识别每个等值线片段的槽线，包括：
在每个等值线片段的目标曲线上均匀获取预设数量的坐标点，得到每个等值线片段的最终坐标点；
将每个等值线片段的最终坐标点进行逆变换处理，得到每个等值线片段的最终变换坐标；
将每个等值线片段的最终变换坐标进行连接，得到每个等值线片段的槽线。
第二方面，本申请实施例提供了一种槽线识别装置，装置包括：
等值线片段确定模块，用于根据待识别地区在待预测时刻的风场数据天气图和气压数据天气图确定多个等值线片段；等值线片段为风切变所在区域内的气压等值线集合；
曲率最大值的目标点确定模块，用于确定每个等值线片段中各等值线上存在的曲率最大值的目标点，得到每个等值线片段的多个目标点；
槽线识别模块，用于根据每个等值线片段的多个目标点识别每个等值线片段的槽线。
第三方面，本申请实施例提供一种计算机存储介质，计算机存储介质存储有多条指令，指令适于由处理器加载并执行上述的方法步骤。
第四方面，本申请实施例提供一种终端，可包括：处理器和存储器；其中，存储器存储有计算机程序，计算机程序适于由处理器加载并执行上述的方法步骤。
本申请实施例提供的技术方案可以包括以下有益效果：
在本申请实施例中，槽线识别装置首先根据待识别地区在待预测时刻的风场数据天气图和气压数据天气图确定多个等值线片段，等值线片段为风切变所在区域内的气压等值线集合，然后确定每个等值线片段中各等值线上存在的曲率最大值的目标点，得到每个等值线片段的多个目标点，最后根据每个等值线片段的多个目标点识别每个等值线片段的槽线。由于本申请在风切变所在区域内确定出包含气压等值线集合的等值线片段，并在每个等值线片段上通过找曲率最大值的目标点最终完成槽线识别，从而可自动识别出天气图中的槽线，提升了槽线识别效率，同时利用曲率最大值的目标点识别槽线准确度高于利用全局点识别槽线，进而提升了槽线识别精确度。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1是本申请实施例提供的一种槽线识别方法的流程示意图；
图2是本申请实施例提供的一种风场数据天气图；
图3是本申请实施例提供的一种气压数据天气图；
图4是本申请实施例提供的一种在标准天气图上对风切变区域采用标注框进行标注后的示意图；
图5是本申请实施例提供的一种多个等值线片段示意图；
图6是本申请实施例提供的一种对多个等值线片段拟合后的效果示意图；
图7是本申请实施例提供的一种每个等值线片段的曲率极大值点示意图；
图8是本申请实施例提供的一种对曲率极大值点变换后的分布示意图；
图9是本申请实施例提供的一种对曲率极大值点变换后的分布图进行拟合后的效果图；
图10是本申请实施例提供的一种拟合出的最终槽线示意图；
图11是本申请实施例提供的一种槽线识别装置的结构示意图；
图12是本申请实施例提供的一种终端的结构示意图。
具体实施方式
以下描述和附图充分地示出本发明的具体实施方案，以使本领域的技术人员能够实践它们。
应当明确，所描述的实施例仅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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
在本发明的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。此外，在本发明的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
本申请提供了一种槽线识别方法、装置、存储介质及终端，以解决上述相关技术问题中存在的问题。本申请提供的技术方案中，由于本申请在风切变所在区域内确定出包含气压等值线集合的等值线片段，并在每个等值线片段上通过找曲率最大值的目标点最终完成槽线识别，从而可自动识别出天气图中的槽线，提升了槽线识别效率，同时利用曲率最大值的目标点识别槽线准确度高于利用全局点识别槽线，进而提升了槽线识别精确度，下面采用示例性的实施例进行详细说明。
下面将结合附图1-附图10，对本申请实施例提供的槽线识别方法进行详细介绍。该方法可依赖于计算机程序实现，可运行于基于冯诺依曼体系的槽线识别装置上。该计算机程序可集成在应用中，也可作为独立的工具类应用运行。
请参见图1，为本申请实施例提供了一种槽线识别方法的流程示意图。如图1所示，本申请实施例的方法可以包括以下步骤：
S101，根据待识别地区在待预测时刻的风场数据天气图和气压数据天气图确定多个等值线片段；等值线片段为风切变所在区域内的气压等值线集合；
其中，待识别地区为需要进行槽线识别的某地方，例如某个城市。待预测时刻可以是未来几个小时的时刻，也可以是未来一整天的所有时刻。风场数据天气图和气压数据天气图是利用气象学结合当前监测到的历史格点数据而构建的复合图。
在本申请实施例中，在根据待识别地区在待预测时刻的风场数据天气图和气压数据天气图确定多个等值线片段时，首先获取待识别地区在待预测时刻的风场数据天气图和气压数据天气图，然后根据预先训练的定位模型定位风场数据天气图中风切变所在的区域框，得到多个风切变区域框，最后在气压数据天气图中截取每个风切变区域框对应的区域，得到多个等值线片段。
进一步地，在生成风场数据天气图时，首先根据预设经度范围和预设维度范围构建电子地图，然后采用预设像素的箭头方向和箭头长度表示历史格点数据中每个时刻的历史格点数据的风场方向和风场强度，得到每个时刻的风场箭头标记，最后将每个时刻的风场箭头标记投影到电子地图上，生成每个时刻的风场数据天气图。绘制的经度范围为40-170，纬度范围为5-80，如图2所示。
进一步地，在生成气压数据天气图时，首先根据预设经度范围和预设维度范围构建电子地图，然后将历史格点数据中每个时刻的历史格点数据的气压数据绘制为间隔为1dagpm的等值线，最后将绘制的等值线投影到电子地图上，生成每个时刻的气压数据天气图。绘制的经度范围为40-170，纬度范围为5-80，如图3所示。可见气压数据天气图中所有的等值线保存在计算机内存中。
通常，在实际应用中，可以积累大量的站点观测数据，但是受气象观测站点空间分布的不均一、时间序列长短不一，观测台站环境变迁等影响，在具体的气候分析和数值模拟等研究中，离散的站点数据不利于可视化与分析，不能完全真实代表区域气候变化的特征，气象预测面临着诸多的限制，所以需要把站点数据转化成规则的、连续的格点数据。
具体的，本申请在生成待识别地区在当前时刻的格点数据时，首先获取待识别地区在当前时刻的站点数据，然后将空间上分布不均匀的待识别地区在当前时刻的站点数据，按一定的几何形态格子归并，求出各格子中数据的平均值，置于格子的中心位置，从而生成待识别地区在当前时刻的格点数据。格点数据利用了空间插值技术将离散的站点数据转化为空间连续的、规则的网格点序列，可以有效的反映气候要素的空间信息，大大提高了气候数据序列在对应网格范围的气候代表性。
在本申请实施例中，在生成预先训练的定位模型时，首先获取待识别地区在预设时间段中的历史格点数据，再根据历史格点数据生成每个时刻的标准天气图，然后在每个时刻的标准天气图上确定风切变区域，并在风切变区域上采用标注框进行标注，生成定位模型训练样本，最后创建定位模型，并根据定位模型训练样本对定位模型进行模型训练，生成预先训练的定位模型。其中定位模型可以是优选yolov5算法，预设时间段中的历史格点数据可以是2017年至2021年5年的样本数据，在标准天气图上对风切变区域上采用标注框进行标注后的天气图例如图4所示。
在一种可能的实现方式中，首先确定待识别地区，再采集获取待识别地区在当前时刻的站点数据，并对站点数据进行处理后得到待识别地区在当前时刻的格点数据，再可根据待识别地区在当前时刻的格点数据生成待识别地区在待预测时刻的风场数据天气图和气压数据天气图，然后根据待识别地区在待预测时刻的风场数据天气图和气压数据天气图确定多个等值线片段，多个等值线片段，再根据预先训练的定位模型定位风场数据天气图中风切变所在的区域框，得到多个风切变区域框，最后在气压数据天气图中截取每个风切变区域框对应的区域，得到多个等值线片段，例如图5所示。
S102，确定每个等值线片段中各等值线上存在的曲率最大值的目标点，得到每个等值线片段的多个目标点；
在本申请实施例中，在确定每个等值线片段中各等值线上存在的曲率最大值的目标点时，首先遍历获取每个等值线片段中各等值线的坐标序列，并在各等值线的坐标序列中确定各等值线两端的端点坐标，然后根据各等值线两端的端点坐标计算各等值线的倾斜角以及中心点坐标，再根据各等值线的倾斜角计算各等值线的旋转矩阵，最后根据各等值线的旋转矩阵和与其对应的中心点坐标对各等值线的坐标序列进行变换，得到各等值线的变换坐标，并根据各等值线的变换坐标计算各等值线中曲率最大值的目标点。
例如，记每个等值线片段中各等值线的坐标序列为根据各等值线两端的端点坐标计算各等值线的倾斜角/>与中心点坐标记根据各等值线的倾斜角计算旋转矩阵/>最后根据各等值线的旋转矩阵和与其对应的中心点坐标对各等值线的坐标序列进行变换，变换公式为/>得到各等值线的变换坐标最后可基于该变换坐标计算各等值线中曲率最大值的目标点。
具体的，在基于该变换坐标计算各等值线中曲率最大值的目标点时，首先根据各等值线的变换坐标中全部横坐标建立第一矩阵，并根据各等值线的变换坐标中全部纵坐标建立第二矩阵，然后根据第一矩阵与第二矩阵计算二次方程系数，并遍历各等值线的变换坐标中全部横坐标中存在的整数，得到各等值线的多个整数，其次根据二次方程系数以及各等值线的每个整数，并结合预设曲率值计算公式计算出各等值线的每个整数对应的曲率值，得到各等值线的多个曲率值，最后根据各等值线的多个曲率值分别计算各等值线中曲率最大值的目标点。
例如，第一矩阵和第二矩阵分别为二次方程系数的计算公式为：/>a,b,c即为拟合出来的二次方程的系数，T为转置操作，在得到a,b,c后可构建二次方程对坐标点进行拟合，拟合后的效果例如图6所示，可见图6的等值线明显平滑于图5中的等值线。遍历各等值线的变换坐标中全部横坐标中存在的整数，即遍历x'0至x'n的每一个整数，整数记为x，根据遍历的整数、二次方程系数a以及预设曲率值计算公式/>可计算出各等值线中多个曲率值。
具体的，在根据各等值线的多个曲率值分别计算各等值线中曲率最大值的目标点时，首先在各等值线的变换坐标的全部横坐标中确定各等值线中曲率最大值点的横坐标，然后根据各等值线中曲率最大值点的横坐标，并结合根据二次方程系数建立的方程计算各等值线中曲率最大值点的纵坐标，最后将各等值线中曲率最大值点的横坐标与纵坐标逆变换到图片坐标系，得到各等值线中曲率最大值的目标点。
例如，找出曲率最大值点的x的取值，记为x'max，可根据计算公式y'max＝ax'max 2+bx'max+c计算出曲率最大值点的纵坐标，然后将各等值线中曲率最大值点逆变换到图片坐标系，具体变换公式如下所示：
记/>为该等值线片段的曲率极大值点，每个等值线片段的曲率极大值点例如图7所示。
S103，根据每个等值线片段的多个目标点识别每个等值线片段的槽线。
在本申请实施例中，在根据每个等值线片段的多个目标点识别每个等值线片段的槽线时，首先将每个等值线片段的多个目标点的坐标进行逐一变换，得到每个等值线片段的多个变换坐标点，然后根据每个等值线片段的多个变换坐标点中全部横坐标构建每个等值线片段的目标矩阵，再采用随机采样一致性算法对每个等值线片段的目标矩阵进行拟合，得到每个等值线片段的曲线二次解析式的系数，其次根据每个等值线片段的曲线二次解析式的系数剔除每个等值线片段的多个变换坐标点中存在的异常点，并基于除异常点之外的剩余点建立每个等值线片段的目标曲线，最后根据每个等值线片段的目标曲线识别每个等值线片段的槽线。
例如，每个等值线片段的多个目标点的坐标为计算该等值线片段两端的弦的倾斜角/>计算旋转矩阵/>记将等值线片段的每个坐标进行如下变换：
得到变换后的坐标以图7中编号为3的曲率极大值点为例，变换后的分布如图8所示。
将变换后的坐标的x的值构成矩阵每一行记为一个特征向量，对其进行随机采样一致算法(RANSAC)进行拟合，得到曲线二次解析式的a,b,c系数。以图8中的点为例，拟合出来的曲线如图9所示，其中星形点为拟合剔除的点，该算法可以非常好的剔除异常点。
具体的，在根据每个等值线片段的目标曲线识别每个等值线片段的槽线时，首先在每个等值线片段的目标曲线上均匀获取预设数量的坐标点，得到每个等值线片段的最终坐标点，然后将每个等值线片段的最终坐标点进行逆变换处理，得到每个等值线片段的最终变换坐标，最后将每个等值线片段的最终变换坐标进行连接，得到每个等值线片段的槽线。
(2)例如，以图9拟合出来的曲线为例，在曲线上均匀取100个点，记为对每个点进行如下操作：
其中构成的曲线即为槽线，对图7中的3个不同片段上的点进行拟合后，拟合结果例如图10所示。
在本申请实施例中，槽线识别装置首先根据待识别地区在待预测时刻的风场数据天气图和气压数据天气图确定多个等值线片段，等值线片段为风切变所在区域内的气压等值线集合，然后确定每个等值线片段中各等值线上存在的曲率最大值的目标点，得到每个等值线片段的多个目标点，最后根据每个等值线片段的多个目标点识别每个等值线片段的槽线。由于本申请在风切变所在区域内确定出包含气压等值线集合的等值线片段，并在每个等值线片段上通过找曲率最大值的目标点最终完成槽线识别，从而可自动识别出天气图中的槽线，提升了槽线识别效率，同时利用曲率最大值的目标点识别槽线准确度高于利用全局点识别槽线，进而提升了槽线识别精确度。
下述为本发明装置实施例，可以用于执行本发明方法实施例。对于本发明装置实施例中未披露的细节，请参照本发明方法实施例。
请参见图11，其示出了本发明一个示例性实施例提供的槽线识别装置的结构示意图。该槽线识别装置可以通过软件、硬件或者两者的结合实现成为终端的全部或一部分。该装置1包括等值线片段确定模块10、曲率最大值的目标点确定模块20、槽线识别模块30。
等值线片段确定模块10，用于根据待识别地区在待预测时刻的风场数据天气图和气压数据天气图确定多个等值线片段；等值线片段为风切变所在区域内的气压等值线集合；
曲率最大值的目标点确定模块20，用于确定每个等值线片段中各等值线上存在的曲率最大值的目标点，得到每个等值线片段的多个目标点；
槽线识别模块30，用于根据每个等值线片段的多个目标点识别每个等值线片段的槽线。
需要说明的是，上述实施例提供的槽线识别装置在执行槽线识别方法时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的槽线识别装置与槽线识别方法实施例属于同一构思，其体现实现过程详见方法实施例，这里不再赘述。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
在本申请实施例中，槽线识别装置首先根据待识别地区在待预测时刻的风场数据天气图和气压数据天气图确定多个等值线片段，等值线片段为风切变所在区域内的气压等值线集合，然后确定每个等值线片段中各等值线上存在的曲率最大值的目标点，得到每个等值线片段的多个目标点，最后根据每个等值线片段的多个目标点识别每个等值线片段的槽线。由于本申请在风切变所在区域内确定出包含气压等值线集合的等值线片段，并在每个等值线片段上通过找曲率最大值的目标点最终完成槽线识别，从而可自动识别出天气图中的槽线，提升了槽线识别效率，同时利用曲率最大值的目标点识别槽线准确度高于利用全局点识别槽线，进而提升了槽线识别精确度。
本发明还提供一种计算机可读介质，其上存储有程序指令，该程序指令被处理器执行时实现上述各个方法实施例提供的槽线识别方法。
本发明还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述各个方法实施例的槽线识别方法。
请参见图12，为本申请实施例提供了一种终端的结构示意图。如图12所示，终端1000可以包括：至少一个处理器1001，至少一个网络接口1004，用户接口1003，存储器1005，至少一个通信总线1002。
其中，通信总线1002用于实现这些组件之间的连接通信。
其中，用户接口1003可以包括显示屏(Display)、摄像头(Camera)，可选用户接口1003还可以包括标准的有线接口、无线接口。
其中，网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
其中，处理器1001可以包括一个或者多个处理核心。处理器1001利用各种接口和线路连接整个电子设备1000内的各个部分，通过运行或执行存储在存储器1005内的指令、程序、代码集或指令集，以及调用存储在存储器1005内的数据，执行电子设备1000的各种功能和处理数据。可选的，处理器1001可以采用数字信号处理(Digital Signal Processing，DSP)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)、可编程逻辑阵列(Programmable Logic Array，PLA)中的至少一种硬件形式来实现。处理器1001可集成中央处理器(Central Processing Unit，CPU)、图像处理器(Graphics Processing Unit，GPU)和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器1001中，单独通过一块芯片进行实现。
其中，存储器1005可以包括随机存储器(Random Access Memory，RAM)，也可以包括只读存储器(Read-Only Memory)。可选的，该存储器1005包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器1005可用于存储指令、程序、代码、代码集或指令集。存储器1005可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器1005可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图12所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及槽线识别应用程序。
在图12所示的终端1000中，用户接口1003主要用于为用户提供输入的接口，获取用户输入的数据；而处理器1001可以用于调用存储器1005中存储的槽线识别应用程序，并具体执行以下操作：
根据待识别地区在待预测时刻的风场数据天气图和气压数据天气图确定多个等值线片段；等值线片段为风切变所在区域内的气压等值线集合；
确定每个等值线片段中各等值线上存在的曲率最大值的目标点，得到每个等值线片段的多个目标点；
根据每个等值线片段的多个目标点识别每个等值线片段的槽线。
在一个实施例中，处理器1001在执行根据待识别地区在待预测时刻的风场数据天气图和气压数据天气图确定多个等值线片段时，具体执行以下操作：
获取待识别地区在待预测时刻的风场数据天气图和气压数据天气图；
根据预先训练的定位模型定位风场数据天气图中风切变所在的区域框，得到多个风切变区域框；
在气压数据天气图中截取每个风切变区域框对应的区域，得到多个等值线片段。
在一个实施例中，处理器1001在执行确定每个等值线片段中各等值线上存在的曲率最大值的目标点时，具体执行以下操作：
遍历获取每个等值线片段中各等值线的坐标序列；
在各等值线的坐标序列中确定各等值线两端的端点坐标；
根据各等值线两端的端点坐标计算各等值线的倾斜角以及中心点坐标；
根据各等值线的倾斜角计算各等值线的旋转矩阵；
根据各等值线的旋转矩阵和与其对应的中心点坐标对各等值线的坐标序列进行变换，得到各等值线的变换坐标；
根据各等值线的变换坐标计算各等值线中曲率最大值的目标点。
在一个实施例中，处理器1001在执行根据各等值线的变换坐标计算各等值线中曲率最大值的目标点时，具体执行以下操作：
根据各等值线的变换坐标中全部横坐标建立第一矩阵；
根据各等值线的变换坐标中全部纵坐标建立第二矩阵；
根据第一矩阵与第二矩阵计算二次方程系数；
遍历各等值线的变换坐标中全部横坐标中存在的整数，得到各等值线的多个整数；
根据二次方程系数以及各等值线的每个整数，并结合预设曲率值计算公式计算出各等值线的每个整数对应的曲率值，得到各等值线的多个曲率值；
根据各等值线的多个曲率值分别计算各等值线中曲率最大值的目标点。
在一个实施例中，处理器1001在执行根据各等值线的多个曲率值分别计算各等值线中曲率最大值的目标点时，具体执行以下操作：
在各等值线的变换坐标的全部横坐标中确定各等值线中曲率最大值点的横坐标；
根据各等值线中曲率最大值点的横坐标，并结合根据二次方程系数建立的方程计算各等值线中曲率最大值点的纵坐标；
将各等值线中曲率最大值点的横坐标与纵坐标逆变换到图片坐标系，得到各等值线中曲率最大值的目标点。
在一个实施例中，处理器1001在执行根据每个等值线片段的多个目标点识别每个等值线片段的槽线时，具体执行以下操作：
将每个等值线片段的多个目标点的坐标进行逐一变换，得到每个等值线片段的多个变换坐标点；
根据每个等值线片段的多个变换坐标点中全部横坐标构建每个等值线片段的目标矩阵；
采用随机采样一致性算法对每个等值线片段的目标矩阵进行拟合，得到每个等值线片段的曲线二次解析式的系数；
根据每个等值线片段的曲线二次解析式的系数剔除每个等值线片段的多个变换坐标点中存在的异常点，并基于除异常点之外的剩余点建立每个等值线片段的目标曲线；
根据每个等值线片段的目标曲线识别每个等值线片段的槽线。
在一个实施例中，处理器1001在执行根据每个等值线片段的目标曲线识别每个等值线片段的槽线时，具体执行以下操作：
在每个等值线片段的目标曲线上均匀获取预设数量的坐标点，得到每个等值线片段的最终坐标点；
将每个等值线片段的最终坐标点进行逆变换处理，得到每个等值线片段的最终变换坐标；
将每个等值线片段的最终变换坐标进行连接，得到每个等值线片段的槽线。
在本申请实施例中，槽线识别装置首先根据待识别地区在待预测时刻的风场数据天气图和气压数据天气图确定多个等值线片段，等值线片段为风切变所在区域内的气压等值线集合，然后确定每个等值线片段中各等值线上存在的曲率最大值的目标点，得到每个等值线片段的多个目标点，最后根据每个等值线片段的多个目标点识别每个等值线片段的槽线。由于本申请在风切变所在区域内确定出包含气压等值线集合的等值线片段，并在每个等值线片段上通过找曲率最大值的目标点最终完成槽线识别，从而可自动识别出天气图中的槽线，提升了槽线识别效率，同时利用曲率最大值的目标点识别槽线准确度高于利用全局点识别槽线，进而提升了槽线识别精确度。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，槽线识别的程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，的存储介质可为磁碟、光盘、只读存储记忆体或随机存储记忆体等。
以上所揭露的仅为本申请较佳实施例而已，当然不能以此来限定本申请之权利范围，因此依本申请权利要求所作的等同变化，仍属本申请所涵盖的范围。
Claims (10)
1.一种槽线识别方法，其特征在于，所述方法包括：
根据待识别地区在待预测时刻的风场数据天气图和气压数据天气图确定多个等值线片段；所述等值线片段为风切变所在区域内的气压等值线集合；
确定每个等值线片段中各等值线上存在的曲率最大值的目标点，得到每个等值线片段的多个目标点；
根据每个等值线片段的多个目标点识别每个等值线片段的槽线；其中，
所述根据每个等值线片段的多个目标点识别每个等值线片段的槽线，包括：
将每个等值线片段的多个目标点的坐标进行逐一变换，得到每个等值线片段的多个变换坐标点；
根据每个等值线片段的多个变换坐标点中全部横坐标构建每个等值线片段的目标矩阵；
对每个等值线片段的目标矩阵进行拟合，得到每个等值线片段的曲线二次解析式的系数；
根据每个等值线片段的曲线二次解析式的系数剔除所述每个等值线片段的多个变换坐标点中存在的异常点，并基于除异常点之外的剩余点建立每个等值线片段的目标曲线；
根据每个等值线片段的目标曲线识别每个等值线片段的槽线。
2.根据权利要求1所述的方法，其特征在于，所述根据待识别地区在待预测时刻的风场数据天气图和气压数据天气图确定多个等值线片段，包括：
获取待识别地区在待预测时刻的风场数据天气图和气压数据天气图；
根据预先训练的定位模型定位所述风场数据天气图中风切变所在的区域框，得到多个风切变区域框；
在所述气压数据天气图中截取每个风切变区域框对应的区域，得到多个等值线片段。
3.根据权利要求1所述的方法，其特征在于，所述确定每个等值线片段中各等值线上存在的曲率最大值的目标点，包括：
遍历获取每个等值线片段中各等值线的坐标序列；
在各等值线的坐标序列中确定各等值线两端的端点坐标；
根据各等值线两端的端点坐标计算各等值线的倾斜角以及中心点坐标；
根据各等值线的倾斜角计算各等值线的旋转矩阵；
根据各等值线的旋转矩阵和与其对应的所述中心点坐标对所述各等值线的坐标序列进行变换，得到各等值线的变换坐标；
根据各等值线的变换坐标计算各等值线中曲率最大值的目标点。
4.根据权利要求3所述的方法，其特征在于，所述根据各等值线的变换坐标计算各等值线中曲率最大值的目标点，包括：
根据各等值线的变换坐标中全部横坐标建立第一矩阵；
根据各等值线的变换坐标中全部纵坐标建立第二矩阵；
根据所述第一矩阵与所述第二矩阵计算二次方程系数；
遍历各等值线的变换坐标中全部横坐标中存在的整数，得到各等值线的多个整数；
根据所述二次方程系数以及各等值线的每个整数，并结合预设曲率值计算公式计算出各等值线的每个整数对应的曲率值，得到各等值线的多个曲率值；
根据各等值线的多个曲率值分别计算各等值线中曲率最大值的目标点。
5.根据权利要求4所述的方法，其特征在于，所述根据各等值线的多个曲率值分别计算各等值线中曲率最大值的目标点，包括：
在各等值线的变换坐标的全部横坐标中确定各等值线中曲率最大值点的横坐标；
根据各等值线中曲率最大值点的横坐标，并结合根据所述二次方程系数建立的方程计算各等值线中曲率最大值点的纵坐标；
将各等值线中曲率最大值点的横坐标与纵坐标逆变换到图片坐标系，得到各等值线中曲率最大值的目标点。
6.根据权利要求1所述的方法，其特征在于，
对每个等值线片段的目标矩阵进行拟合时可采用随机采样一致性算法。
7.根据权利要求6所述的方法，其特征在于，所述根据每个等值线片段的目标曲线识别每个等值线片段的槽线，包括：
在每个等值线片段的目标曲线上均匀获取预设数量的坐标点，得到每个等值线片段的最终坐标点；
将每个等值线片段的最终坐标点进行逆变换处理，得到每个等值线片段的最终变换坐标；
将每个等值线片段的最终变换坐标进行连接，得到每个等值线片段的槽线。
8.一种槽线识别装置，其特征在于，所述装置包括：
等值线片段确定模块，用于根据待识别地区在待预测时刻的风场数据天气图和气压数据天气图确定多个等值线片段；所述等值线片段为风切变所在区域内的气压等值线集合；
曲率最大值的目标点确定模块，用于确定每个等值线片段中各等值线上存在的曲率最大值的目标点，得到每个等值线片段的多个目标点；
槽线识别模块，用于根据每个等值线片段的多个目标点识别每个等值线片段的槽线；其中，
所述根据每个等值线片段的多个目标点识别每个等值线片段的槽线，包括：
将每个等值线片段的多个目标点的坐标进行逐一变换，得到每个等值线片段的多个变换坐标点；
根据每个等值线片段的多个变换坐标点中全部横坐标构建每个等值线片段的目标矩阵；
对每个等值线片段的目标矩阵进行拟合，得到每个等值线片段的曲线二次解析式的系数；
根据每个等值线片段的曲线二次解析式的系数剔除所述每个等值线片段的多个变换坐标点中存在的异常点，并基于除异常点之外的剩余点建立每个等值线片段的目标曲线；
根据每个等值线片段的目标曲线识别每个等值线片段的槽线。
9.一种计算机存储介质，其特征在于，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行如权利要求1-7任意一项的方法。
10.一种终端，其特征在于，包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行如权利要求1-7任意一项的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211557858.9A CN116091586B (zh) | 2022-12-06 | 2022-12-06 | 一种槽线识别方法、装置、存储介质及终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211557858.9A CN116091586B (zh) | 2022-12-06 | 2022-12-06 | 一种槽线识别方法、装置、存储介质及终端 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116091586A CN116091586A (zh) | 2023-05-09 |
| CN116091586B true CN116091586B (zh) | 2023-08-01 |
Family
ID=86209260
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211557858.9A Active CN116091586B (zh) | 2022-12-06 | 2022-12-06 | 一种槽线识别方法、装置、存储介质及终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116091586B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112686972A (zh) * | 2021-01-20 | 2021-04-20 | 中科三清科技有限公司 | 一种气压等值线绘制方法、装置、电子设备及存储介质 |
| CN112801270A (zh) * | 2021-01-21 | 2021-05-14 | 中国人民解放军国防科技大学 | 融合深度卷积与注意力机制的u形网络槽自动识别方法 |
| CN112946657A (zh) * | 2021-02-03 | 2021-06-11 | 南京信息工程大学 | 强对流天气中地面风场的识别方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6226510B2 (ja) * | 2012-01-27 | 2017-11-08 | キヤノン株式会社 | 画像処理システム、処理方法及びプログラム |
| CN104951624B (zh) * | 2015-07-13 | 2017-10-17 | 中国人民解放军理工大学 | 一种计算机气象软件中基于风场数据的槽线自动绘制方法 |
| JP6711653B2 (ja) * | 2016-03-15 | 2020-06-17 | ナブテスコ株式会社 | 風車の可動部位を駆動する駆動装置及び風車 |
| US20200378780A1 (en) * | 2019-05-28 | 2020-12-03 | Here Global B.V. | Method and apparatus for providing an intermodal route isoline map |
| CN113486844B (zh) * | 2021-07-26 | 2022-04-15 | 中科三清科技有限公司 | 水平风切变位置判断方法、装置、电子设备及存储介质 |
| CN114359441A (zh) * | 2022-01-11 | 2022-04-15 | 成都信息工程大学 | 一种订正一类错误西风带槽线的方法 |
-
2022
- 2022-12-06 CN CN202211557858.9A patent/CN116091586B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112686972A (zh) * | 2021-01-20 | 2021-04-20 | 中科三清科技有限公司 | 一种气压等值线绘制方法、装置、电子设备及存储介质 |
| CN112801270A (zh) * | 2021-01-21 | 2021-05-14 | 中国人民解放军国防科技大学 | 融合深度卷积与注意力机制的u形网络槽自动识别方法 |
| CN112946657A (zh) * | 2021-02-03 | 2021-06-11 | 南京信息工程大学 | 强对流天气中地面风场的识别方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116091586A (zh) | 2023-05-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114863418B (zh) | 一种均压场识别方法、装置、存储介质及终端 | |
| EP2595118A2 (en) | Methods for providing 3d building information | |
| CN114565056A (zh) | 一种基于机器学习的冷锋前识别方法、装置、存储介质及终端 | |
| CN114565057B (zh) | 一种基于机器学习的均压场识别方法、装置、存储介质及终端 | |
| CN112990086A (zh) | 遥感影像建筑物检测方法、装置及计算机可读存储介质 | |
| CN115731560B (zh) | 一种基于深度学习的槽线识别方法、装置、存储介质及终端 | |
| CN116071651B (zh) | 一种均压场识别方法、装置、存储介质及终端 | |
| CN113420109B (zh) | 一种街道界面渗透率的测量方法、计算机及存储介质 | |
| CN108375806A (zh) | 气象地图的获取方法和装置 | |
| CN115937690B (zh) | 一种槽线生成方法、装置、存储介质及终端 | |
| CN115861811B (zh) | 一种风切变区域识别方法、装置、存储介质及终端 | |
| CN116091586B (zh) | 一种槽线识别方法、装置、存储介质及终端 | |
| CN115861816B (zh) | 一种立体低涡识别方法、装置、存储介质及终端 | |
| CN111506679B (zh) | 地图要素数据的生成、显示方法及装置、介质、设备 | |
| CN115527028A (zh) | 地图数据处理方法及装置 | |
| CN116052097A (zh) | 一种地图要素检测方法、装置、电子设备和存储介质 | |
| CN114626458A (zh) | 一种高压后部识别方法、装置、存储介质及终端 | |
| CN115861479B (zh) | 一种槽线生成方法、装置、存储介质及终端 | |
| CN115830380B (zh) | 一种基于人工智能的风切变线识别方法、装置、存储介质及终端 | |
| CN113392861A (zh) | 模型训练方法、地图绘制方法、装置、计算机设备和介质 | |
| CN111815701A (zh) | 基于直方柱投影点的体积确定方法及装置 | |
| CN116681959B (zh) | 基于机器学习的锋线识别方法、装置、存储介质及终端 | |
| CN116051805B (zh) | 一种副热带高压的影响区识别方法、装置、存储介质及终端 | |
| CN117893722A (zh) | 天气对象识别方法、系统、介质及电子设备 | |
| CN115859628A (zh) | 一种基于贝塞尔曲线的风切变点识别方法、装置、存储介质及终端 |
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 | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20230509 Assignee: Beijing Zhongke Sanqing Environmental Technology Co.,Ltd. Assignor: 3CLEAR TECHNOLOGY Co.,Ltd. Contract record no.: X2023980042173 Denomination of invention: A slot line recognition method, device, storage medium, and terminal Granted publication date: 20230801 License type: Common License Record date: 20230920 |
|
| EE01 | Entry into force of recordation of patent licensing contract |