CN117827326A - 一种遥感测绘数据精度增强方法及系统 - Google Patents
一种遥感测绘数据精度增强方法及系统 Download PDFInfo
- Publication number
- CN117827326A CN117827326A CN202410228220.3A CN202410228220A CN117827326A CN 117827326 A CN117827326 A CN 117827326A CN 202410228220 A CN202410228220 A CN 202410228220A CN 117827326 A CN117827326 A CN 117827326A
- Authority
- CN
- China
- Prior art keywords
- mapping
- remote sensing
- data
- equipment
- sensing mapping
- 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.)
- Pending
Links
- 238000013507 mapping Methods 0.000 title claims abstract description 784
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000003213 activating effect Effects 0.000 claims abstract description 12
- 230000002708 enhancing effect Effects 0.000 claims abstract description 9
- 238000012549 training Methods 0.000 claims description 32
- 238000011156 evaluation Methods 0.000 claims description 25
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 claims description 5
- 230000004927 fusion Effects 0.000 claims description 5
- 230000006978 adaptation Effects 0.000 abstract description 9
- 238000012545 processing Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Abstract
本公开提供了一种遥感测绘数据精度增强方法及系统,涉及遥感测绘技术领域,方法包括:基于遥感测绘需求进行遥感测绘配置,获得遥感测绘配置单元,其中包括遥感测绘设备和测绘配置数据;根据测绘任务执行指令,激活遥感测绘配置单元执行遥感测绘任务,获取遥感测绘数据分布集合;根据测绘数据精度增强算法,分别对多个遥感测绘数据集进行数据增强,获得多个增强测绘数据分布模型;融合多个增强测绘数据分布模型获得遥感测绘数据分布模型。能够解决由于遥感测绘数据增强方式与数据实际精度匹配度较低导致数据精度整体增强质量较差的技术问题,可以提高遥感测绘数据精度增强的精细度和适配度,从而进一步提高遥感测绘数据精度的整体增强质量。
Description
技术领域
本公开涉及遥感测绘技术领域,并且更具体地,涉及一种遥感测绘数据精度增强方法及系统。
背景技术
遥感测绘数据是指利用遥感技术对地球表面进行的测量和观测所获得的数据,其中包括地形、地貌、地质、水文、气象等多种数据,由于遥感测绘数据会受到大气条件、地表覆盖物等其他因素的干扰,导致遥感测绘数据不准确,因此需要对获取的遥感测绘数据进行精度增强。
传统的遥感测绘数据精度增强方法通常是按照固定数据精度增强方式对获取的遥感测绘数据整体进行统一增强,由于不同区域、不同时间下获取遥感测绘数据的干扰因素各不相同,因此这种方法并未考虑到增强方式与遥感测绘数据实际精度的匹配度,造成遥感测绘数据整体增强质量较差。
现有的遥感测绘数据精度增强方法存在的不足之处在于:由于增强方式与数据实际精度匹配度较低导致数据精度整体增强质量较差。
发明内容
因此,为了解决上述技术问题,本公开的实施例采用的技术方案如下:
一种遥感测绘数据精度增强方法,包括以下步骤:读取遥感测绘任务,其中,所述遥感测绘任务包括遥感测绘需求,以及所述遥感测绘需求对应的遥感测绘精度和遥感测绘时区约束;基于所述遥感测绘需求进行遥感测绘配置,获得遥感测绘配置单元,其中,所述遥感测绘配置单元包括匹配遥感测绘设备,以及所述匹配遥感测绘设备对应的遥感测绘配置数据;对所述匹配遥感测绘设备进行设备状态认证,获得匹配设备状态认证算子;当所述匹配设备状态认证算子为设备状态合格时,生成测绘任务执行指令;根据所述测绘任务执行指令,激活所述遥感测绘配置单元执行所述遥感测绘任务,获取遥感测绘数据分布集合,其中,所述遥感测绘数据分布集合包括多个遥感测绘数据集;根据测绘数据精度增强算法,分别对所述多个遥感测绘数据集进行数据增强,获得多个增强测绘数据分布模型;融合所述多个增强测绘数据分布模型,获得遥感测绘数据分布模型。
一种遥感测绘数据精度增强系统,包括:遥感测绘任务读取模块,所述遥感测绘任务读取模块用于读取遥感测绘任务,其中,所述遥感测绘任务包括遥感测绘需求,以及所述遥感测绘需求对应的遥感测绘精度和遥感测绘时区约束;遥感测绘配置模块,所述遥感测绘配置模块用于基于所述遥感测绘需求进行遥感测绘配置,获得遥感测绘配置单元,其中,所述遥感测绘配置单元包括匹配遥感测绘设备,以及所述匹配遥感测绘设备对应的遥感测绘配置数据;设备状态认证模块,所述设备状态认证模块用于对所述匹配遥感测绘设备进行设备状态认证,获得匹配设备状态认证算子;测绘任务执行指令生成模块,所述测绘任务执行指令生成模块用于当所述匹配设备状态认证算子为设备状态合格时,生成测绘任务执行指令;遥感测绘数据分布集合获取模块,所述遥感测绘数据分布集合获取模块用于根据所述测绘任务执行指令,激活所述遥感测绘配置单元执行所述遥感测绘任务,获取遥感测绘数据分布集合,其中,所述遥感测绘数据分布集合包括多个遥感测绘数据集;增强测绘数据分布模型获得模块,所述增强测绘数据分布模型获得模块用于根据测绘数据精度增强算法,分别对所述多个遥感测绘数据集进行数据增强,获得多个增强测绘数据分布模型;遥感测绘数据分布模型获得模块,所述遥感测绘数据分布模型获得模块用于融合所述多个增强测绘数据分布模型,获得遥感测绘数据分布模型。
由于采用了上述技术方法,本公开相对于现有技术来说,取得的技术进步有如下几点:
可以解决现有的遥感测绘数据精度增强方法存在增强方式与数据实际精度匹配度较低导致数据精度整体增强质量较差的技术问题。首先,读取遥感测绘任务,其中所述遥感测绘任务包括遥感测绘需求,以及所述遥感测绘需求对应的遥感测绘精度和遥感测绘时区约束;然后基于所述遥感测绘需求进行遥感测绘配置,获得遥感测绘配置单元,其中所述遥感测绘配置单元包括匹配遥感测绘设备,以及所述匹配遥感测绘设备对应的遥感测绘配置数据;进一步对所述匹配遥感测绘设备进行设备状态认证,获得匹配设备状态认证算子;当所述匹配设备状态认证算子为设备状态合格时,生成测绘任务执行指令;然后根据所述测绘任务执行指令,激活所述遥感测绘配置单元执行所述遥感测绘任务,获取遥感测绘数据分布集合,其中所述遥感测绘数据分布集合包括多个遥感测绘数据集;根据测绘数据精度增强算法,分别对所述多个遥感测绘数据集进行数据增强,获得多个增强测绘数据分布模型;最后融合所述多个增强测绘数据分布模型,获得遥感测绘数据分布模型。通过根据遥感测绘数据的实际精度进行相匹配的适应性增强,可以提高遥感测绘数据精度增强的精细度和适配度,从而进一步提高遥感测绘数据精度的整体增强质量。
附图说明
为了更清楚地说明本公开的实施例的技术方案,下面将对实施例的描述中所需要使用的附图作简单的介绍。
图1为本申请提供了一种遥感测绘数据精度增强方法的流程示意图;
图2为本申请提供了一种遥感测绘数据精度增强方法中生成遥感测绘配置单元的流程示意图;
图3为本申请提供了一种遥感测绘数据精度增强系统的结构示意图。
附图标记说明:遥感测绘任务读取模块01、遥感测绘配置模块02、设备状态认证模块03、测绘任务执行指令生成模块04、遥感测绘数据分布集合获取模块05、增强测绘数据分布模型获得模块06、遥感测绘数据分布模型获得模块07。
具体实施方式
下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整的描述。基于本公开中的实施例,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,都属于本公开保护的范围。
基于上述描述,如图1所示,本公开提供了一种遥感测绘数据精度增强方法,包括:
遥感测绘是利用地面、航空、航天平台上的各类传感器对地球上的区域进行地形图或其他专题图绘制的技术,其主要通过传感器所接收的地物反射、散射或发射的电磁波信号进行测绘。
本申请提供的方法用于对遥感测绘数据精度增强方法进行优化,来达到提高遥感测绘数据精度增强的精细度和适配度的目的,从而进一步提高遥感测绘数据精度的整体增强质量,所述方法具体实施于一种遥感测绘数据精度增强系统。
读取遥感测绘任务,其中,所述遥感测绘任务包括遥感测绘需求,以及所述遥感测绘需求对应的遥感测绘精度和遥感测绘时区约束;
在本申请实施例中,首先,读取遥感测绘任务,其中所述遥感测绘任务本领域技术人员可根据实际测绘任务进行设置,例如:土地资源调查、环境监测、农作物生长监测、灾害预警等。其中所述遥感测绘任务包括遥感测绘需求,以及所述遥感测绘需求对应的遥感测绘精度和遥感测绘时区约束,所述遥感测绘需求为实际执行的测绘任务类型以及测绘目的;所述遥感测绘精度为测绘数据精度要求,可根据实际任务需求进行设置;所述遥感测绘时区约束包括遥感测绘任务的预设位置约束范围和预设测绘时间约束周期,也可根据实际任务需求进行设置。通过获得遥感测绘任务,为下一步根据测绘任务配置遥感测绘单元提供了数据支持。
基于所述遥感测绘需求进行遥感测绘配置,获得遥感测绘配置单元,其中,所述遥感测绘配置单元包括匹配遥感测绘设备,以及所述匹配遥感测绘设备对应的遥感测绘配置数据;
在本申请实施例中,首先,根据所述遥感测绘需求配置遥感测绘设备和遥感测绘设备对应的遥感测绘配置数据,然后根据所述遥感测绘设备和对应的遥感测绘配置数据组建遥感测绘配置单元,得到遥感测绘配置单元。
如图2所示,在一个实施例中,所述方法还包括:
获得所述遥感测绘时区约束对应的预测遥感测绘环境;
对所述预测遥感测绘环境进行遥感测绘干扰性预测,获得预测环境测绘干扰性分布;
将所述预测环境测绘干扰性分布添加至所述遥感测绘任务,生成测绘任务特征数据;
获得多维遥感测绘配置指标,其中,所述多维遥感测绘配置指标包括遥感测绘设备属性、测绘设备参数设置和遥感测绘时点分布;
基于所述多维遥感测绘配置指标,构建测绘配置特征解析通道;
在本申请实施例中,首先,根据所述遥感测绘时区约束中的预设位置约束范围和预设测绘时间约束周期进行遥感测绘环境预测,其中遥感测绘环境包括地貌环境、气象环境、生态环境等,可通过天气预报和卫星地图等手段进行预测,得到预测遥感测绘环境。然后对所述预测遥感测绘环境进行遥感测绘干扰性预测,其中所述干扰性预测是指对所述预测遥感测绘环境中对遥感测绘数据精度有影响干扰因素进行分析,其中干扰因素包括大气干扰、地貌背景干扰等,并根据干扰因素分析结果确定干扰数据类型和干扰强度。并将干扰数据类型和干扰强度按照在预设位置约束范围的位置坐标进行标识,得到预测环境测绘干扰性分布。并将所述预测环境测绘干扰性分布添加至所述遥感测绘任务,获得测绘任务特征数据,其中所述测绘任务特征数据包括所述预测环境测绘干扰性分布和所述遥感测绘任务。
获得多维遥感测绘配置指标,其中所述多维遥感测绘配置指标包括遥感测绘设备属性、测绘设备参数设置和遥感测绘时点分布,所述遥感测绘设备属性包括遥感测绘设备类型、测绘分辨率、测绘覆盖范围、测绘稳定性等属性;所述测绘设备参数设置是指测绘设备的进行测绘时的运行参数;所述遥感测绘时点分布是指测绘点的位置分布和该位置对应的测绘时间点。并根据所述多维遥感测绘配置指标构建测绘配置特征解析通道。
在一个实施例中,所述方法还包括:
根据所述多维遥感测绘配置指标进行遥感测绘配置记录读取,获得测绘任务特征数据记录集和遥感测绘配置记录集;
以所述测绘任务特征数据记录集作为输入数据,以所述遥感测绘配置记录集作为输出监督数据,对BP神经网络进行训练,每训练预设次数时,获取测绘配置准确率;
判断所述测绘配置准确率是否满足测绘配置准确率约束;
若所述测绘配置准确率满足所述测绘配置准确率约束,生成所述测绘配置特征解析通道。
在本申请实施例中,其中构建测绘配置特征解析通道的方法如下:首先,根据所述多维遥感测绘配置指标进行遥感测绘配置记录读取,并根据所述遥感测绘配置记录获得测绘任务特征数据记录集和遥感测绘配置记录集。
基于BP神经构建测绘配置特征解析通道的网络结构,其中所述测绘配置特征解析通道为机器学习中可以进行迭代优化的神经网络模型,通过训练数据集进行监督训练获得,所述测绘配置特征解析通道输入层的输入数据为测绘任务特征数据,输出层的输出数据为遥感测绘配置。将所述测绘任务特征数据记录集作为输入训练数据,将所述遥感测绘配置记录集作为输出监督数据对所述测绘配置特征解析通道进行监督训练。
首先,在所述测绘任务特征数据记录集中随机选取一测绘任务特征数据记录作为第一训练数据,并在所述遥感测绘配置记录集中获取所述第一训练数据对应的第一遥感测绘配置记录;根据所述第一训练数据对所述测绘配置特征解析通道进行监督训练,获得第一输出结果;将所述第一输出结果与所述第一遥感测绘配置记录进行比对,当两者一致时,则在所述测绘任务特征数据记录集中选择第二训练数据对所述测绘配置特征解析通道进行监督训练;当两者不一致时,则获取所述第一输出结果与所述第一遥感测绘配置记录的数据偏差,并根据所述数据偏差对所述测绘配置特征解析通道的权重参数进行校正,然后选择第二训练数据对所述测绘配置特征解析通道进行监督训练;不断进行迭代训练,并在每次训练完成后,根据训练预设次数对当前迭代训练次数进行判断,其中所述训练预设次数本领域技术人员可根据实际情况进行设置,例如:设置训练预设次数为1000次,若当前迭代训练次数等于所述训练预设次数时,则获取所述测绘配置特征解析通道的测绘配置准确率。
设置测绘配置准确率约束,所述测绘配置准确率约束本领域技术人员可根据实际需求进行设置,其中需求精度越高,则测绘配置准确率约束越大。根据所述测绘配置准确率约束对所述测绘配置准确率进行判断,当所述测绘配置准确率大于等于所述测绘配置准确率约束,则获得训练完成的测绘配置特征解析通道。当所述测绘配置准确率小于所述测绘配置准确率约束时,则对当前迭代训练次数进行清零,并再次进行迭代训练,直到所述测绘配置准确率大于等于所述测绘配置准确率约束时,则停止训练,获得所述测绘配置特征解析通道。
通过基于BP神经网络构建测绘配置特征解析通道生成遥感测绘配置单元,可以提高遥感测绘配置单元获得的准确性,从而可以间接提高遥感测绘数据获得的准确性。
将所述测绘任务特征数据输入所述测绘配置特征解析通道,生成所述遥感测绘配置单元。
在本申请实施例中,将所述测绘任务特征数据输入训练完成的所述测绘配置特征解析通道,输出遥感测绘配置作为所述遥感测绘配置单元,其中所述遥感测绘配置单元包括匹配遥感测绘设备,以及所述匹配遥感测绘设备对应的遥感测绘配置数据。通过生成遥感测绘配置单元,为下一步进行遥感测绘任务执行提供了支持。
对所述匹配遥感测绘设备进行设备状态认证,获得匹配设备状态认证算子;
在本申请实施例中,对所述匹配遥感测绘设备进行设备状态合格认证,并根据设备状态认证结果得到匹配设备状态认证算子,其中所述匹配设备状态认证算子包括设备状态合格或设备状态不合格两种状态。
在一个实施例中,所述方法还包括:
获得所述匹配遥感测绘设备的实时设备状态数据;
基于所述实时设备状态数据进行设备测绘精度评估,获得设备测绘精度评估系数;
基于所述遥感测绘精度,配置设备测绘精度约束;
判断所述设备测绘精度评估系数是否满足所述设备测绘精度约束;
若所述设备测绘精度评估系数满足所述设备测绘精度约束,得到的所述匹配设备状态认证算子为设备状态合格;
若所述设备测绘精度评估系数不满足所述设备测绘精度约束,得到的所述匹配设备状态认证算子为设备状态不合格,并生成设备测绘预警信号。
在本申请实施例中,首先,获得所述匹配遥感测绘设备的实时设备状态数据,其中所述实时设备状态数据可基于匹配遥感测绘设备的设备属性进行设置,包括设备可运行时长、影像分辨率、影像采集范围等。然后根据所述实时设备状态数据进行设备测绘精度评估,得到设备测绘精度评估系数,其中设备测绘精度评估方法本领域技术人员可根据实际情况进行选择,例如:可基于历史测绘数据和人工智能构建测绘评估专家系统来进行测绘精度评估。
根据所述遥感测绘精度设置设备测绘精度约束,然后根据所述设备测绘精度约束对所述设备测绘精度评估系数进行判断,当所述设备测绘精度评估系数大于等于所述设备测绘精度约束时,则得到的所述匹配设备状态认证算子为设备状态合格。当所述设备测绘精度评估系数小于所述设备测绘精度约束时,则得到的所述匹配设备状态认证算子为设备状态不合格,并生成设备测绘预警信号。
通过根据设备实时状态数据进行设备状态判断,可以提高匹配遥感测绘设备工作时的可靠性,避免因设备状态不符合预期要求影响遥感测绘数据精度。
当所述匹配设备状态认证算子为设备状态合格时,生成测绘任务执行指令;
在本申请实施例中,当所述匹配设备状态认证算子为设备状态合格时,则生成测绘任务执行指令,所述测绘任务执行指令为遥感测绘任务执行的开始信号。
根据所述测绘任务执行指令,激活所述遥感测绘配置单元执行所述遥感测绘任务,获取遥感测绘数据分布集合,其中,所述遥感测绘数据分布集合包括多个遥感测绘数据集;
在本申请实施例中,根据所述测绘任务执行指令,激活所述遥感测绘配置单元根据所述遥感测绘任务进行遥感测绘数据采集,得到多个遥感测绘数据集,其中每个遥感测绘数据集均具有遥感测绘位置标识,根据所述多个遥感测绘数据集构建遥感测绘数据分布集合。通过获得遥感测绘数据分布集合,为下一步进行遥感测绘数据增强分析提供了数据支持。
根据测绘数据精度增强算法,分别对所述多个遥感测绘数据集进行数据增强,获得多个增强测绘数据分布模型;
在本申请实施例中,根据测绘数据精度增强算法,分别对所述多个遥感测绘数据集进行适配的数据增强,并根据数据增强结果得到多个增强测绘数据分布模型。
在一个实施例中,所述方法还包括:
遍历所述多个遥感测绘数据集,提取第一遥感测绘数据集;
调取所述第一遥感测绘数据集对应的第一测绘环境数据;
基于所述第一测绘环境数据对所述第一遥感测绘数据集进行数据增强,获得第一增强测绘数据集;
在本申请实施例中,首先,在所述多个遥感测绘数据集中随机选取一遥感测绘数据集设定为第一遥感测绘数据集。然后调取所述第一遥感测绘数据集对应的第一测绘环境数据。并根据所述第一测绘环境数据对所述第一遥感测绘数据集进行数据增强,得到数据增强后的第一增强测绘数据集。
在一个实施例中,所述方法还包括:
调取测绘环境干扰识别记录集;
基于知识图谱对所述测绘环境干扰识别记录集进行数据融合,获得测绘环境干扰识别模型;
基于所述测绘环境干扰识别模型,对所述第一测绘环境数据进行遥感测绘干扰识别,获得第一测绘干扰识别结果,其中,所述第一测绘干扰识别结果包括第一测绘干扰识别特征,以及所述第一测绘干扰识别特征对应的第一测绘干扰识别系数;
判断所述第一测绘干扰识别系数是否小于预设干扰识别系数;
若所述第一测绘干扰识别系数小于所述预设干扰识别系数,对所述第一遥感测绘数据集进行预处理,生成所述第一增强测绘数据集。
在本申请实施例中,首先,调取测绘环境干扰识别记录集,其中所述测绘环境干扰识别记录集包括历史测绘环境类型、历史干扰识别特征和历史干扰识别系数,其中所述历史干扰识别特征是指历史遥感测绘数据中被干扰的测绘数据类型,所述历史干扰识别系数用于表征数据被干扰的强度,其中数据被干扰强度越大,则对应的干扰识别系数越大。
基于知识图谱的原理对所述测绘环境干扰识别记录集进行数据融合,其中知识图谱是一种知识表示和学习方法,它利用图谱的结构化形式表示和存储知识,并通过图谱的推理和分析能力,实现对知识的理解和应用;其中所述数据融合是指对所述测绘环境干扰识别记录集进行图谱化分析,并建立测绘环境与干扰识别特征和干扰识别系数的映射关系,首先,基于知识图谱对所述测绘环境干扰识别记录集中的历史测绘环境进行聚类,将具有关联关系的历史测绘环境聚为一类,得到多个历史测绘环境聚类结果。并根据所述多个历史测绘环境聚类结果得到多个干扰识别特征集合和多个历史干扰识别系数集合,其中所述历史测绘环境聚类结果和所述干扰识别特征集合、所述历史干扰识别系数集合具有映射关联。然后基于所述映射关联,以所述历史测绘环境聚类结果为子节点,以对应的所述干扰识别特征集合、所述历史干扰识别系数集合作为所述子节点的叶子节点,搭建测绘环境干扰识别模型,获得所述测绘环境干扰识别模型。
将所述第一测绘环境数据输入所述测绘环境干扰识别模型中进行遥感测绘干扰识别匹配,得到第一测绘干扰识别结果,其中所述第一测绘干扰识别结果包括第一测绘干扰识别特征,以及所述第一测绘干扰识别特征对应的第一测绘干扰识别系数。
获取预设干扰识别系数,所述预设干扰识别系数本领域技术人员可根据数据实际精度需求进行设置,其中数据实际精度需求越高,则预设干扰识别系数越小。根据所述预设干扰识别系数对所述第一测绘干扰识别系数进行判断,当所述第一测绘干扰识别系数小于所述预设干扰识别系数,则对所述第一遥感测绘数据集进行预处理,得到预处理完成的第一增强测绘数据集。其中所述预处理包括影像去噪和影像增强处理,常用的影像去噪方法包括高斯滤波去噪、中值滤波去噪等;常用的影像增强处理包括灰度图像增强、对比度增强等;本领域技术人员可根据数据的实际情况选择适配的影像去噪和影像增强方法。
在一个实施例中,所述方法还包括:
若所述第一测绘干扰识别系数大于/等于所述预设干扰识别系数,获得第一测绘干扰补偿指令;
基于所述第一测绘干扰补偿指令,激活预先构建的测绘环境干扰补偿模型;
将所述第一测绘干扰识别结果和所述第一遥感测绘数据集输入所述测绘环境干扰补偿模型,生成第一测绘干扰补偿数据;
基于所述第一测绘干扰补偿数据对所述第一遥感测绘数据集进行数据补偿,获得第一补偿测绘数据集;
对所述第一补偿测绘数据集进行预处理,得到所述第一增强测绘数据集。
在本申请实施例中,当所述第一测绘干扰识别系数大于或等于所述预设干扰识别系数时,则获得第一测绘干扰补偿指令。然后根据所述第一测绘干扰补偿指令,激活预先构建的测绘环境干扰补偿模型,其中所述测绘环境干扰补偿模型为基于BP神经网络构建的神经网络模型,所述测绘环境干扰补偿模型的输入数据为测绘干扰识别结果和遥感测绘数据集,输出数据为测绘干扰补偿数据,其中测绘干扰补偿数据包括数据补偿方法和具体的补偿参数。调用多个历史测绘干扰识别结果和多个历史遥感测绘数据集作为训练数据集,并通过所述训练数据集对所述测绘环境干扰补偿模型进行监督训练,获得符合预期指标的测绘环境干扰补偿模型,其中所述测绘环境干扰补偿模型的训练方法与上述测绘配置特征解析通道的训练方法相同,在此不进行展开说明。
然后将所述第一测绘干扰识别结果和所述第一遥感测绘数据集输入所述测绘环境干扰补偿模型,输出第一测绘干扰补偿数据。进一步根据所述第一测绘干扰补偿数据对所述第一遥感测绘数据集进行数据补偿,得到经过数据补偿后的第一补偿测绘数据集,并对所述第一补偿测绘数据集进行预处理,获得第一增强测绘数据集。
通过对测绘环境进行干扰识别得到测绘干扰识别系数,并根据测绘干扰识别系数选择适配的数据处理方式对遥感测绘数据集进行数据增强,可以提高数据增强方式与遥感测绘数据集的适配度,从而提高遥感测绘数据的增强质量。
根据所述第一增强测绘数据集进行建模,生成第一增强测绘数据分布模型;
将所述第一增强测绘数据分布模型添加至所述多个增强测绘数据分布模型。
在本申请实施例中,根据所述第一增强测绘数据集进行建模,得到第一增强测绘数据分布模型,利用相同的方法遍历所述多个遥感测绘数据集,得到多个增强测绘数据分布模型。
融合所述多个增强测绘数据分布模型,获得遥感测绘数据分布模型。
在本申请实施例中,最后将所述多个增强测绘数据分布模型进行融合,得到遥感测绘数据分布模型。通过上述方法可以解决现有的遥感测绘数据精度增强方法存在增强方式与数据实际精度匹配度较低导致数据精度整体增强质量较差的技术问题,通过根据遥感测绘数据的实际精度进行相匹配的适应性增强,可以提高遥感测绘数据精度增强的精细度和适配度,从而进一步提高遥感测绘数据精度的整体增强质量。
在一个实施例中,如图3所示提供了一种遥感测绘数据精度增强系统,包括:遥感测绘任务读取模块01、遥感测绘配置模块02、设备状态认证模块03、测绘任务执行指令生成模块04、遥感测绘数据分布集合获取模块05、增强测绘数据分布模型获得模块06、遥感测绘数据分布模型获得模块07,其中:
遥感测绘任务读取模块01,所述遥感测绘任务读取模块01用于读取遥感测绘任务,其中,所述遥感测绘任务包括遥感测绘需求,以及所述遥感测绘需求对应的遥感测绘精度和遥感测绘时区约束;
遥感测绘配置模块02,所述遥感测绘配置模块02用于基于所述遥感测绘需求进行遥感测绘配置,获得遥感测绘配置单元,其中,所述遥感测绘配置单元包括匹配遥感测绘设备,以及所述匹配遥感测绘设备对应的遥感测绘配置数据;
设备状态认证模块03,所述设备状态认证模块03用于对所述匹配遥感测绘设备进行设备状态认证,获得匹配设备状态认证算子;
测绘任务执行指令生成模块04,所述测绘任务执行指令生成模块04用于当所述匹配设备状态认证算子为设备状态合格时,生成测绘任务执行指令;
遥感测绘数据分布集合获取模块05,所述遥感测绘数据分布集合获取模块05用于根据所述测绘任务执行指令,激活所述遥感测绘配置单元执行所述遥感测绘任务,获取遥感测绘数据分布集合,其中,所述遥感测绘数据分布集合包括多个遥感测绘数据集;
增强测绘数据分布模型获得模块06,所述增强测绘数据分布模型获得模块06用于根据测绘数据精度增强算法,分别对所述多个遥感测绘数据集进行数据增强,获得多个增强测绘数据分布模型;
遥感测绘数据分布模型获得模块07,所述遥感测绘数据分布模型获得模块07用于融合所述多个增强测绘数据分布模型,获得遥感测绘数据分布模型。
在一个实施例中,所述系统还包括:
预测遥感测绘环境获得模块,所述预测遥感测绘环境获得模块用于获得所述遥感测绘时区约束对应的预测遥感测绘环境;
遥感测绘干扰性预测模块,所述遥感测绘干扰性预测模块用于对所述预测遥感测绘环境进行遥感测绘干扰性预测,获得预测环境测绘干扰性分布;
测绘任务特征数据生成模块,所述测绘任务特征数据生成模块用于将所述预测环境测绘干扰性分布添加至所述遥感测绘任务,生成测绘任务特征数据;
多维遥感测绘配置指标获得模块,所述多维遥感测绘配置指标获得模块用于获得多维遥感测绘配置指标,其中,所述多维遥感测绘配置指标包括遥感测绘设备属性、测绘设备参数设置和遥感测绘时点分布;
测绘配置特征解析通道构建模块,所述测绘配置特征解析通道构建模块用于基于所述多维遥感测绘配置指标,构建测绘配置特征解析通道;
遥感测绘配置单元生成模块,所述遥感测绘配置单元生成模块用于将所述测绘任务特征数据输入所述测绘配置特征解析通道,生成所述遥感测绘配置单元。
在一个实施例中,所述系统还包括:
遥感测绘配置记录读取模块,所述遥感测绘配置记录读取模块用于根据所述多维遥感测绘配置指标进行遥感测绘配置记录读取,获得测绘任务特征数据记录集和遥感测绘配置记录集;
测绘配置准确率获取模块,所述测绘配置准确率获取模块用于以所述测绘任务特征数据记录集作为输入数据,以所述遥感测绘配置记录集作为输出监督数据,对BP神经网络进行训练,每训练预设次数时,获取测绘配置准确率;
测绘配置准确率判断模块,所述测绘配置准确率判断模块用于判断所述测绘配置准确率是否满足测绘配置准确率约束;
测绘配置特征解析通道生成模块,所述测绘配置特征解析通道生成模块用于若所述测绘配置准确率满足所述测绘配置准确率约束,生成所述测绘配置特征解析通道。
在一个实施例中,所述系统还包括:
实时设备状态数据获得模块,所述实时设备状态数据获得模块用于获得所述匹配遥感测绘设备的实时设备状态数据;
设备测绘精度评估模块,所述设备测绘精度评估模块用于基于所述实时设备状态数据进行设备测绘精度评估,获得设备测绘精度评估系数;
设备测绘精度约束配置模块,所述设备测绘精度约束配置模块用于基于所述遥感测绘精度,配置设备测绘精度约束;
设备测绘精度评估系数判断模块,所述设备测绘精度评估系数判断模块用于判断所述设备测绘精度评估系数是否满足所述设备测绘精度约束;
设备状态合格设定模块,所述设备状态合格设定模块用于若所述设备测绘精度评估系数满足所述设备测绘精度约束,得到的所述匹配设备状态认证算子为设备状态合格;
设备测绘预警信号生成模块,所述设备测绘预警信号生成模块用于若所述设备测绘精度评估系数不满足所述设备测绘精度约束,得到的所述匹配设备状态认证算子为设备状态不合格,并生成设备测绘预警信号。
在一个实施例中,所述系统还包括:
第一遥感测绘数据集提取模块,所述第一遥感测绘数据集提取模块用于遍历所述多个遥感测绘数据集,提取第一遥感测绘数据集;
第一测绘环境数据调取模块,所述第一测绘环境数据调取模块用于调取所述第一遥感测绘数据集对应的第一测绘环境数据;
数据增强模块,所述数据增强模块用于基于所述第一测绘环境数据对所述第一遥感测绘数据集进行数据增强,获得第一增强测绘数据集;
第一增强测绘数据分布模型生成模块,所述第一增强测绘数据分布模型生成模块用于根据所述第一增强测绘数据集进行建模,生成第一增强测绘数据分布模型;
第一增强测绘数据分布模型添加模块,所述第一增强测绘数据分布模型添加模块用于将所述第一增强测绘数据分布模型添加至所述多个增强测绘数据分布模型。
在一个实施例中,所述系统还包括:
测绘环境干扰识别记录集调取模块,所述测绘环境干扰识别记录集调取模块用于调取测绘环境干扰识别记录集;
测绘环境干扰识别模型获得模块,所述测绘环境干扰识别模型获得模块用于基于知识图谱对所述测绘环境干扰识别记录集进行数据融合,获得测绘环境干扰识别模型;
第一测绘干扰识别结果获得模块,所述第一测绘干扰识别结果获得模块用于基于所述测绘环境干扰识别模型,对所述第一测绘环境数据进行遥感测绘干扰识别,获得第一测绘干扰识别结果,其中,所述第一测绘干扰识别结果包括第一测绘干扰识别特征,以及所述第一测绘干扰识别特征对应的第一测绘干扰识别系数;
第一测绘干扰识别系数判断模块,所述第一测绘干扰识别系数判断模块用于判断所述第一测绘干扰识别系数是否小于预设干扰识别系数;
第一增强测绘数据集生成模块,所述第一增强测绘数据集生成模块用于若所述第一测绘干扰识别系数小于所述预设干扰识别系数,对所述第一遥感测绘数据集进行预处理,生成所述第一增强测绘数据集。
在一个实施例中,所述系统还包括:
第一测绘干扰补偿指令获得模块,所述第一测绘干扰补偿指令获得模块用于若所述第一测绘干扰识别系数大于/等于所述预设干扰识别系数,获得第一测绘干扰补偿指令;
测绘环境干扰补偿模型激活模块,所述测绘环境干扰补偿模型激活模块用于基于所述第一测绘干扰补偿指令,激活预先构建的测绘环境干扰补偿模型;
第一测绘干扰补偿数据生成模块,所述第一测绘干扰补偿数据生成模块用于将所述第一测绘干扰识别结果和所述第一遥感测绘数据集输入所述测绘环境干扰补偿模型,生成第一测绘干扰补偿数据;
第一补偿测绘数据集获得模块,所述第一补偿测绘数据集获得模块用于基于所述第一测绘干扰补偿数据对所述第一遥感测绘数据集进行数据补偿,获得第一补偿测绘数据集;
第一增强测绘数据集得到模块,所述第一增强测绘数据集得到模块用于对所述第一补偿测绘数据集进行预处理,得到所述第一增强测绘数据集。
综上所述,与现有技术相比,本公开的实施例具有以下技术效果:
(1)通过根据遥感测绘数据的实际精度进行相匹配的适应性增强,可以提高遥感测绘数据精度增强的精细度和适配度,从而进一步提高遥感测绘数据精度的整体增强质量。
(2)通过基于BP神经网络构建测绘配置特征解析通道生成遥感测绘配置单元,可以提高遥感测绘配置单元获得的准确性,从而可以间接提高遥感测绘数据获得的准确性。
(3)通过对测绘环境进行干扰识别得到测绘干扰识别系数,并根据测绘干扰识别系数选择适配的数据处理方式对遥感测绘数据集进行数据增强,可以提高数据增强方式与遥感测绘数据集的适配度,从而提高遥感测绘数据的增强质量。
以上所述实施例仅表达了本公开的几种实施方式,但并不能因此而理解为对发明专利范围的限制。因此,在不脱离如由所附权利要求限定的本公开构思的范围的情况下,本领域普通技术人员可做出各种类型的替换、修改和变更,并且这些替换、修改和变更都属于本公开的保护范围。
Claims (8)
1.一种遥感测绘数据精度增强方法,其特征在于,所述方法包括:
读取遥感测绘任务,其中,所述遥感测绘任务包括遥感测绘需求,以及所述遥感测绘需求对应的遥感测绘精度和遥感测绘时区约束;
基于所述遥感测绘需求进行遥感测绘配置,获得遥感测绘配置单元,其中,所述遥感测绘配置单元包括匹配遥感测绘设备,以及所述匹配遥感测绘设备对应的遥感测绘配置数据;
对所述匹配遥感测绘设备进行设备状态认证,获得匹配设备状态认证算子;
当所述匹配设备状态认证算子为设备状态合格时,生成测绘任务执行指令;
根据所述测绘任务执行指令,激活所述遥感测绘配置单元执行所述遥感测绘任务,获取遥感测绘数据分布集合,其中,所述遥感测绘数据分布集合包括多个遥感测绘数据集;
根据测绘数据精度增强算法,分别对所述多个遥感测绘数据集进行数据增强,获得多个增强测绘数据分布模型;
融合所述多个增强测绘数据分布模型,获得遥感测绘数据分布模型。
2.如权利要求1所述的方法,其特征在于,基于所述遥感测绘需求进行遥感测绘配置,获得遥感测绘配置单元,包括:
获得所述遥感测绘时区约束对应的预测遥感测绘环境;
对所述预测遥感测绘环境进行遥感测绘干扰性预测,获得预测环境测绘干扰性分布;
将所述预测环境测绘干扰性分布添加至所述遥感测绘任务,生成测绘任务特征数据;
获得多维遥感测绘配置指标,其中,所述多维遥感测绘配置指标包括遥感测绘设备属性、测绘设备参数设置和遥感测绘时点分布;
基于所述多维遥感测绘配置指标,构建测绘配置特征解析通道;
将所述测绘任务特征数据输入所述测绘配置特征解析通道,生成所述遥感测绘配置单元。
3.如权利要求2所述的方法,其特征在于,基于所述多维遥感测绘配置指标,构建测绘配置特征解析通道,包括:
根据所述多维遥感测绘配置指标进行遥感测绘配置记录读取,获得测绘任务特征数据记录集和遥感测绘配置记录集;
以所述测绘任务特征数据记录集作为输入数据,以所述遥感测绘配置记录集作为输出监督数据,对BP神经网络进行训练,每训练预设次数时,获取测绘配置准确率;
判断所述测绘配置准确率是否满足测绘配置准确率约束;
若所述测绘配置准确率满足所述测绘配置准确率约束,生成所述测绘配置特征解析通道。
4.如权利要求1所述的方法,其特征在于,对所述匹配遥感测绘设备进行设备状态认证,获得匹配设备状态认证算子,包括:
获得所述匹配遥感测绘设备的实时设备状态数据;
基于所述实时设备状态数据进行设备测绘精度评估,获得设备测绘精度评估系数;
基于所述遥感测绘精度,配置设备测绘精度约束;
判断所述设备测绘精度评估系数是否满足所述设备测绘精度约束;
若所述设备测绘精度评估系数满足所述设备测绘精度约束,得到的所述匹配设备状态认证算子为设备状态合格;
若所述设备测绘精度评估系数不满足所述设备测绘精度约束,得到的所述匹配设备状态认证算子为设备状态不合格,并生成设备测绘预警信号。
5.如权利要求1所述的方法,其特征在于,根据测绘数据精度增强算法,分别对所述多个遥感测绘数据集进行数据增强,获得多个增强测绘数据分布模型,包括:
遍历所述多个遥感测绘数据集,提取第一遥感测绘数据集;
调取所述第一遥感测绘数据集对应的第一测绘环境数据;
基于所述第一测绘环境数据对所述第一遥感测绘数据集进行数据增强,获得第一增强测绘数据集;
根据所述第一增强测绘数据集进行建模,生成第一增强测绘数据分布模型;
将所述第一增强测绘数据分布模型添加至所述多个增强测绘数据分布模型。
6.如权利要求5所述的方法,其特征在于,基于所述第一测绘环境数据对所述第一遥感测绘数据集进行数据增强,获得第一增强测绘数据集,包括:
调取测绘环境干扰识别记录集;
基于知识图谱对所述测绘环境干扰识别记录集进行数据融合,获得测绘环境干扰识别模型;
基于所述测绘环境干扰识别模型,对所述第一测绘环境数据进行遥感测绘干扰识别,获得第一测绘干扰识别结果,其中,所述第一测绘干扰识别结果包括第一测绘干扰识别特征,以及所述第一测绘干扰识别特征对应的第一测绘干扰识别系数;
判断所述第一测绘干扰识别系数是否小于预设干扰识别系数;
若所述第一测绘干扰识别系数小于所述预设干扰识别系数,对所述第一遥感测绘数据集进行预处理,生成所述第一增强测绘数据集。
7.如权利要求6所述的方法,其特征在于,判断所述第一测绘干扰识别系数是否小于预设干扰识别系数,包括:
若所述第一测绘干扰识别系数大于/等于所述预设干扰识别系数,获得第一测绘干扰补偿指令;
基于所述第一测绘干扰补偿指令,激活预先构建的测绘环境干扰补偿模型;
将所述第一测绘干扰识别结果和所述第一遥感测绘数据集输入所述测绘环境干扰补偿模型,生成第一测绘干扰补偿数据;
基于所述第一测绘干扰补偿数据对所述第一遥感测绘数据集进行数据补偿,获得第一补偿测绘数据集;
对所述第一补偿测绘数据集进行预处理,得到所述第一增强测绘数据集。
8.一种遥感测绘数据精度增强系统,其特征在于,用于执行权利要求1-7中所述的一种遥感测绘数据精度增强方法中任意一项方法的步骤,所述系统包括:
遥感测绘任务读取模块,所述遥感测绘任务读取模块用于读取遥感测绘任务,其中,所述遥感测绘任务包括遥感测绘需求,以及所述遥感测绘需求对应的遥感测绘精度和遥感测绘时区约束;
遥感测绘配置模块,所述遥感测绘配置模块用于基于所述遥感测绘需求进行遥感测绘配置,获得遥感测绘配置单元,其中,所述遥感测绘配置单元包括匹配遥感测绘设备,以及所述匹配遥感测绘设备对应的遥感测绘配置数据;
设备状态认证模块,所述设备状态认证模块用于对所述匹配遥感测绘设备进行设备状态认证,获得匹配设备状态认证算子;
测绘任务执行指令生成模块,所述测绘任务执行指令生成模块用于当所述匹配设备状态认证算子为设备状态合格时,生成测绘任务执行指令;
遥感测绘数据分布集合获取模块,所述遥感测绘数据分布集合获取模块用于根据所述测绘任务执行指令,激活所述遥感测绘配置单元执行所述遥感测绘任务,获取遥感测绘数据分布集合,其中,所述遥感测绘数据分布集合包括多个遥感测绘数据集;
增强测绘数据分布模型获得模块,所述增强测绘数据分布模型获得模块用于根据测绘数据精度增强算法,分别对所述多个遥感测绘数据集进行数据增强,获得多个增强测绘数据分布模型;
遥感测绘数据分布模型获得模块,所述遥感测绘数据分布模型获得模块用于融合所述多个增强测绘数据分布模型,获得遥感测绘数据分布模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410228220.3A CN117827326A (zh) | 2024-02-29 | 2024-02-29 | 一种遥感测绘数据精度增强方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410228220.3A CN117827326A (zh) | 2024-02-29 | 2024-02-29 | 一种遥感测绘数据精度增强方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117827326A true CN117827326A (zh) | 2024-04-05 |
Family
ID=90521286
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410228220.3A Pending CN117827326A (zh) | 2024-02-29 | 2024-02-29 | 一种遥感测绘数据精度增强方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117827326A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE202022101590U1 (de) * | 2022-03-25 | 2022-04-12 | Rajashree Tukaram Gadhave | Ein System zur Klassifizierung von Fernerkundungsbildern unter Verwendung fusionierter Faltungsmerkmale mit maschinellem Lernen |
US20220309772A1 (en) * | 2021-03-25 | 2022-09-29 | Satellite Application Center for Ecology and Environment, MEE | Human activity recognition fusion method and system for ecological conservation redline |
CN117173353A (zh) * | 2023-09-04 | 2023-12-05 | 广东省核工业地质局测绘院 | 一种基于遥感图像的地质测绘系统 |
CN117433513A (zh) * | 2023-12-21 | 2024-01-23 | 云南淼泉测绘工程有限公司 | 一种地形测绘的地图构建方法及系统 |
CN117493818A (zh) * | 2024-01-03 | 2024-02-02 | 山东亿华天产业发展集团有限公司 | 基于动态遥感技术的国土测绘方法、系统及存储介质 |
-
2024
- 2024-02-29 CN CN202410228220.3A patent/CN117827326A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220309772A1 (en) * | 2021-03-25 | 2022-09-29 | Satellite Application Center for Ecology and Environment, MEE | Human activity recognition fusion method and system for ecological conservation redline |
DE202022101590U1 (de) * | 2022-03-25 | 2022-04-12 | Rajashree Tukaram Gadhave | Ein System zur Klassifizierung von Fernerkundungsbildern unter Verwendung fusionierter Faltungsmerkmale mit maschinellem Lernen |
CN117173353A (zh) * | 2023-09-04 | 2023-12-05 | 广东省核工业地质局测绘院 | 一种基于遥感图像的地质测绘系统 |
CN117433513A (zh) * | 2023-12-21 | 2024-01-23 | 云南淼泉测绘工程有限公司 | 一种地形测绘的地图构建方法及系统 |
CN117493818A (zh) * | 2024-01-03 | 2024-02-02 | 山东亿华天产业发展集团有限公司 | 基于动态遥感技术的国土测绘方法、系统及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108932480B (zh) | 基于1d-cnn的分布式光纤传感信号特征学习与分类方法 | |
Steger et al. | The propagation of inventory-based positional errors into statistical landslide susceptibility models | |
JP6635038B2 (ja) | シミュレーション装置、シミュレーション方法、および、記憶媒体 | |
CN111340012B (zh) | 一种地质灾害解译方法、装置、终端设备 | |
CN112200362B (zh) | 一种滑坡的预测方法、装置、设备和存储介质 | |
Gallay | Direct acquisition of data: airborne laser scanning | |
US11676375B2 (en) | System and process for integrative computational soil mapping | |
CN116595121B (zh) | 一种基于遥感技术数据显示监测系统 | |
CN115730684A (zh) | 一种基于lstm-cnn模型的空气质量检测系统 | |
Ayrey et al. | Ecologically-based metrics for assessing structure in developing area-based, enhanced forest inventories from LiDAR | |
CN116609858A (zh) | 一种基于可解释性XGBoost模型的热带气旋大气波导预测方法及系统 | |
Williams et al. | Three-dimensional segmentation of trees through a flexible multi-class graph cut algorithm (MCGC) | |
CN115032687A (zh) | 一种地震勘探数据采集的方法及装置 | |
CN109212553A (zh) | 无人机LiDAR和随机森林提取银杏生物物理特性的方法 | |
CN110111377B (zh) | 一种考虑地震位移场的震后区域性滑坡危险性评估方法 | |
CN117827326A (zh) | 一种遥感测绘数据精度增强方法及系统 | |
Lin et al. | Precise aboveground biomass estimation of plantation forest trees using the novel allometric model and UAV-borne LiDAR | |
CN117195488A (zh) | 一种未精测区陆海一体数字高程模型建设方法及相关系统 | |
Young et al. | Initialization and setup of the Coastal Model Test Bed: integrated bathymetry | |
CN109636194A (zh) | 一种输变电项目重大变动多源协同检测方法与系统 | |
CN108182492A (zh) | 一种资料同化方法及装置 | |
Torre‐Tojal et al. | Estimation of forest biomass from light detection and ranging data by using machine learning | |
CN108332739A (zh) | 确定星敏感器在轨姿态测量精度主成分因素响应边界的方法 | |
CN111767864A (zh) | 一种反演红树林群落对地貌沉积过程的响应方法 | |
CN116226675B (zh) | 云垂直结构数据构建方法、系统、设备及介质 |
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 |