CN111429584A - 一种基于三维地理信息的时空位置智能分析方法和*** - Google Patents
一种基于三维地理信息的时空位置智能分析方法和*** Download PDFInfo
- Publication number
- CN111429584A CN111429584A CN202010209442.2A CN202010209442A CN111429584A CN 111429584 A CN111429584 A CN 111429584A CN 202010209442 A CN202010209442 A CN 202010209442A CN 111429584 A CN111429584 A CN 111429584A
- Authority
- CN
- China
- Prior art keywords
- information data
- data
- module
- target
- dimensional geographic
- 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
Images
Classifications
-
- 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
- G06T19/003—Navigation within 3D models or images
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Architecture (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Processing Or Creating Images (AREA)
Abstract
本申请实施例公开了基于三维地理信息的时空位置智能分析方法及***。所述方法包括获取多源数据感知模块中的信息数据;将所述信息数据通过统一时空框架汇聚模块进行三维地理信息匹配,得到匹配后的信息数据;将所述匹配后的信息数据汇聚至所述三维地理信息数据融合模块中,得到第一目标信息数据;并且将所述匹配后的信息数据汇聚至目标检测分析模块中进行一次分析,得到第二目标信息数据;将所述第一目标信息数据和所述第二目标信息数据与三维地理模型进行匹配,得到所述第一目标信息数据和所述第二目标信息数据的三维地理融合场景并进行基于时空位置的二次分析。实现了在虚拟现实中基于三维地理信息的业务决策和指挥。
Description
技术领域
本申请实施例涉及虚拟现实技术领域,具体涉及一种基于三维地理信息的时空位置智能分析方法和***。
背景技术
随着平安城市、雪亮工程、反恐应急等项目应用建设,视频监控及智能视频分析技术及应用在智能化建设方面起到了关键的作用。但也受限于其技术的本身的特点,在应用中存在一定的局限性,如:
第一,视频监控画面相互割裂,浏览的视频,只是基于单个摄像机的独立视频画面,无法反应和还原真实场景信息,不能形成宏观整体观察。
第二,多源感知数据,只是基于当个传感数据本身的展示与应用,或者是传感器位置与地图的关联,无法还原感知真实场景中的动态感知数据,不能形成场景化直观感知掌控。
第三,智能分析数据,通过人工智能技术方式实现,只能基于单个画面分析,数据分散、孤立,需花费大量的人力和时间去研判,效率低、工作量大,不能形成整体空间感知及时间事件脉路。
第四,视频及智能分析数据无法地理信息位置匹配,无法形成精准的城市大场景的动态宏观掌控及直观应用。
综上,现有技术中的空间位置的智能分析存在很多瓶颈。
发明内容
为此,本申请实施例提供一种基于三维地理信息的时空位置智能分析方法和***,实现在虚拟现实中基于三维地理信息的业务决策和指挥。
为了实现上述目的,本申请实施例提供如下技术方案:
根据本申请实施例的第一方面,提供了一种基于三维地理信息的时空位置智能分析方法,所述方法包括:
获取多源数据感知模块中的信息数据,所述数据信息包括天空、地面、海上、管廊区域的信息数据;
将所述信息数据通过统一框架汇聚模块进行汇聚;
将所述汇聚后的信息数据中的监控视频的数据传输至所述三维地理信息数据融合模块中,得到第一目标信息数据;并且将所述汇聚后的信息数据中的基于视频画面中移动目标进行检测和分析,将数据传输至目标检测分析模块中进行一次分析,得到第二目标信息数据;
将所述第一目标信息数据和所述第二目标信息数据与三维地理模型进行匹配后,进行时空位置智能二次分析,并与多源感知数据进行空间位置的智能联动匹配应用,得到所述第一目标信息数据和所述第二目标信息数据的基于三维地理融合场景的二次分析数据,其中所述三维地理模型是根据遥感影像、数字高程、矢量地图和三维模型确定的。
可选地,所述多源数据感知模块中的信息数据是各类传感器获取的信息数据,所述信息数据包括视频数据、物联数据和智能分析数据,所述传感器设置于天上、空中、地面、海上和管廊五种维度的区域中。
可选地,所述将所述信息数据通过统一时空框架汇聚模块进行三维地理信息匹配,得到匹配后的信息数据,包括:
将信息数据与所述信息数据对应的三维地理信息进行虚实场景的匹配,得到匹配后的信息数据。
可选地,所述将所述匹配后的信息数据汇聚至所述三维地理信息数据融合模块中,得到第一目标信息数据,包括:
对视频数据进行裁剪、拉伸和变形处理,以使得所述视频数据之间实现画面内容的全景图像拼接和校正。
可选地,所述将所述匹配后的信息数据汇聚至目标检测分析模块,得到第二目标信息数据,包括:
所述目标检测分析模块对所述匹配后的信息数据中提取移动目标,并对所述移动目标进行检测分析,得到所述第二目标信息数据。
根据本申请实施例的第二方面,提供了一种基于三维地理信息的时空位置智能分析***,所述***包括:
多源数据感知模块,用于获取多源数据感知模块中的信息数据,所述数据信息包括天空、地面、海上、管廊区域的信息数据;
统一时空框架汇聚模块,用于将所述信息数据通过统一框架汇聚模块进行汇聚;
综合模块,包括将所述汇聚后的信息数据中的监控视频的数据传输至所述三维地理信息数据融合模块中,得到第一目标信息数据;并且将所述汇聚后的信息数据中的基于视频画面中移动目标进行检测和分析,将数据传输至目标检测分析模块中进行一次分析,得到第二目标信息数据;
统一三维地理信息框架时空位置智能匹配模块,用于将所述第一目标信息数据和所述第二目标信息数据与三维地理模型进行匹配,进行时空位置智能二次分析,并与多源感知数据进行空间位置的智能联动匹配应用,得到所述第一目标信息数据和所述第二目标信息数据的基于三维地理融合场景的二次分析数据,其中所述三维地理模型是根据遥感影像、数字高程、矢量地图和三维模型确定的。
可选地,所述多源数据感知模块中的信息数据是各类传感器获取的信息数据,所述信息数据包括视频数据、物联数据和智能分析数据,所述传感器设置于天上、空中、地面、海上和管廊五种维度的区域中。
可选地,所述统一时空框架汇聚模块具体用于:
将所述信息数据与所述信息数据对应的三维地理信息进行虚实场景的匹配,得到匹配后的信息数据。
可选地,所述三维地理信息数据融合模块具体用于:
对视频数据进行裁剪、拉伸和变形处理,以使得所述视频数据之间实现画面内容的全景图像拼接和校正。
可选地,所述目标检测分析模块,具体用于:
对所述匹配后的信息数据中提取移动目标,并对所述移动目标进行检测分析,得到所述第二目标信息数据。
综上所述,本申请实施例提供的基于三维地理信息的时空位置智能分析方法和***,通过获取多源数据感知模块中的信息数据;将所述信息数据通过统一时空框架汇聚模块进行三维地理信息匹配,得到匹配后的信息数据;将所述匹配后的信息数据汇聚至所述三维地理信息数据融合模块中,得到第一目标信息数据;并且将所述匹配后的信息数据汇聚至目标检测分析模块,得到第二目标信息数据;将所述第一目标信息数据和所述第二目标信息数据与三维地理模型进行匹配后,进行时空位置智能二次分析,并与多源感知数据进行空间位置的智能联动匹配应用,得到所述第一目标信息数据和所述第二目标信息数据的基于三维地理融合场景的二次分析数据,其中所述三维地理模型是根据遥感影像、数字高程、矢量地图和三维模型确定的。实现了在虚拟现实中基于三维地理信息的业务决策和指挥。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案,下面将对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,下面描述中的附图仅仅是示例性的,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,还可以根据提供的附图引伸获得其它的实施附图。
本说明书所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容能涵盖的范围内。
图1为本申请实施例提供的一种基于三维地理信息的时空位置智能分析***框图;
图2为本申请实施例提供的基于三维地理信息的时空位置智能分析***实施例示意图;
图3为本申请实施例提供的基于三维地理信息的时空位置智能分析方法流程示意图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效,显然,所描述的实施例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,都属于本发明保护的范围。
基于背景技术中提及的现有技术中的技术瓶颈,本申请实施例提供的一种基于三维地理信息的时空位置智能分析方法和***可以克服该些问题。
首先,数字孪生是充分利用物理模型、传感器更新、运行历史等数据,集成多学科、多物理量、多尺度、多概率的仿真过程,在虚拟空间中完成映射,从而反映相对应的实体装备的全生命周期过程。可以被视为一个或多个重要的、彼此依赖的装备***的数字映射***。在数字化的世界里,建立一对“数字孪生兄弟”的唯一方法就是利用位置。
在本申请实施例中,把三维地理信息***作为统一的时空框架体系,基于经度、纬度、海拔等统一的空间位置坐标,进行空间位置的感知和大场景数据分析,可以实现精准、整体、直观、广域的多源数据感知及智能分析应用。本申请实施例提供的三维地理信息的时空位置智能应用技术,是基于统一的三维地理信息模型,提出了时空位置智能分析技术,简称时空位置智能或位置智能或LI。
位置智能(Location Intelligence,LI)是相对于人工智能(ArtificialIntelligence,AI)而言的。LI是从传统GIS应用发展衍生而来,不过其不仅仅局限在GIS应用上。传统的GIS是一种部门化的、小范围的应用,主要用于测绘、地质勘探等专门领域,其解决方案也大多是一些工具,以辅助实现局部应用。而LI强调位置信息与数据信息的结合,从而可以帮助管理者做出正确的决策。通过LI对多种态势主题各影响因素建模分析,并对AI不断优化,实现城市数据与城市场景时空统一,***信息互联,提升城市数据应用范围,最终实现城市时空态势的精准感知、理解和预测。
传统的智能分析应用,均是基于单个视频或单个场景的应用,没有整体和全局的概念,任何单一的情况或状态都不能称之为态势。态势强调环境性、动态性和整体性。是以AI+LI为智能应用引擎,使得基于单个视频、单个场景的人工智能应用,结合时间和空间位置,实现了更真实、更精准的挖掘和分析。
LI是对AI的一种扩展和补充。是利用其运行环境和外部因素中与位置相关的信息,把相关数据、业务服务与专业经验结合在一起,实现测量、比较、可视化、分析,并进行预测及采取行动,为业务运作提供支撑。简单地说,位置智能就是把位置信息与数据信息叠加并结合在一起,使业务信息可视化,同时帮助管理人员快速做出正确的决策。通过时空位置智能,使得现实环境中的多种感知数据,在孪生环境场景中实现了时间+空间方式的数据挖掘和分析,构建环境可视化场景,使得预测更准确有效。
基于此,本申请实施例提供了一种基于三维地理信息的时空位置智能分析***,如图1所示,所述***包括:
多源数据感知模块101,用于获取多源数据感知模块中的信息数据,所述数据信息包括天空、地面、海上、管廊区域的信息数据。
统一时空框架汇聚模块102,用于将所述信息数据通过统一框架汇聚模块进行汇聚。
综合模块103,包括三维地理信息数据融合模块1031和目标检测分析模块1032,所述三维地理信息数据融合模块用于将所述汇聚后的信息数据中的监控视频的数据传输至所述三维地理信息数据融合模块中,得到第一目标信息数据;并且将所述汇聚后的信息数据中的基于视频画面中移动目标进行检测和分析,将数据传输至目标检测分析模块中进行一次分析,得到第二目标信息数据。
统一三维地理信息框架时空位置智能匹配模块104,用于将所述第一目标信息数据和所述第二目标信息数据与三维地理模型进行匹配,进行时空位置智能二次分析,并与多源感知数据进行空间位置的智能联动匹配应用,得到所述第一目标信息数据和所述第二目标信息数据的基于三维地理融合场景的二次分析数据,其中所述三维地理模型是根据遥感影像、数字高程、矢量地图和三维模型确定的。
在一种可能的实施方式中,所述多源数据感知模块中的信息数据是各类传感器获取的信息数据,所述信息数据包括视频数据、物联数据和智能分析数据,所述传感器设置于天上、空中、地面、海上和管廊五种维度的区域中。
在一种可能的实施方式中,所述统一时空框架汇聚模块102具体用于:将所述信息数据与所述信息数据对应的三维地理信息进行虚实场景的匹配,得到匹配后的信息数据。
在一种可能的实施方式中,所述三维地理信息数据融合模块1031具体用于:对视频数据进行裁剪、拉伸和变形处理,以使得所述视频数据之间实现画面内容的全景图像拼接和校正。
在一种可能的实施方式中,所述目标检测分析模块1032具体用于:对所述匹配后的信息数据中提取移动目标,并对所述移动目标进行检测分析,得到所述第二目标信息数据。
为了使得上述***更清楚的呈现,图2示出了本申请实施例提供的基于三维地理信息的时空位置智能分析***的实施例,如图2所示,三维地理信息的时空位置智能分析***包含五个模块:“天空地海廊”多源数据感知模块、统一时空框架汇聚模块、三维地理信息数据融合模块、目标检测分析模块和统一三维地理信息框架时空位置智能匹配模块。
第一,“天空地海廊”多源数据感知模块是通过点源、线源、面源等物联传感器,实现对天上、空中、地面、海上、管廊等五个维度的数据感知,***中的三维地理信息数据融合模块获取的信息数据就来源于“天空地海廊”多源数据感知模块。
其中,天上是指大气层外宇宙空间的飞行活动。如卫星(间谍卫星、气象卫星、导航卫星、探测卫星、天文卫星)、飞船(神舟飞船等)、航天飞机、探测机器人(勇气号、机遇号)等,实现天上遥感信息及数据的应用。空中是指大气层中的飞行活动。包括使用战斗机、民航机、直升机、滑翔机、侦察机、轰炸机、无人机、飞艇、试验机、氢气球等,实现空中物联感知及应用。地面是指植于地面,能够独立地对目标进行感知的传感设备。如视频摄像机、雷达、手机、单兵设备、电台、温湿度、烟感、红外对射等,实现地面上的数据感知应用。海上是指在海上或水上实现的感知活动。如舰艇、潜艇、轮船、声呐、雷达等,实现水上的物联感知应用。管廊是指在地下管廊中进行的感知活动。如视频、温湿度、气体等环境传感器、变形、重力、压力、裂缝传感器等,实现地下管廊中的数据感知应用。
第二,统一时空框架汇聚模块是基于三维地理信息模型,对上述多源感知数据进行汇聚和融合。实现多源感知数据基于统一的时空一体的可视化框架的数据综合,并对“天空地海廊”等动态感知数据,进行地理位置赋能,实现统一空间地理位置数据汇聚,得到三维地理融合模型。
第三,三维地理信息数据融合模块是通过三维地理信息场景虚实融合技术,对分散的、独立的多源感知数据,尤其是监控视频类面源感知数据,进行空间地理位置矫正处理,实现多个监控视频画面全景拼接并与三维地理信息场景实现虚实融合匹配,得到优化后的三维地理融合模型。
第四,目标检测分析模块为通过人工智能分析技术和手段,对监控视频画面中的目标元素进行检测分析,简称为一次分析。如人、车等移动目标、场景中物品进行检测和分析,把一次检测、分析和提取后的对应的元素目标数量、位置等信息输送给三维地理融合模型。
第五,统一三维地理信息框架时空位置智能匹配模块为对目标检测分析模块输送的检测分析出的目标数量、位置等信息数据,按照空间位置进行二次智能分析,把监控视频画面中的目标元素赋予空间地理位置,并按照空间地理位置,进行时空位置智能匹配与场景分析,并与多源感知数据进行空间场景位置联动,得到所述处理后的目标信息数据与所述三维地理融合模型的融合场景。最终实现基于统一的三维地理信息时空场景中,时空数据位置智能应用。
处理后的目标信息数据与所述三维地理融合模型的融合场景突破了传统人工智能只是基于单画面、小场景等应用技术的局限,通对人工智能进行三维地理信息匹配,实现基于多画面、广域全球范围场景的时空位置智能分析,优化和弥补人工智能的局限性,提供更精准的时空位置智能应用和服务。
为了更清楚明了的理解本申请实施例提供的基于三维地理信息的时空位置智能分析***,现结合具体的场景举例说明其应用。例如,在交通场景下,建立车流量模型用于检测车的情况。首先对目标道路进行三维地理信息数据融合,对每一个对象赋予精确的地理位置,再根据需求筛选出需要的对象,即能快速获取目标车辆的精确地理位置及道路车况。例如,在监狱的场景下,建立打架检测模型用于定位目标对象的位置,比如检测囚犯是否聚众斗殴,监测囚犯的动作幅度,达到设定阈值时进行预警,可快速获取目标囚犯的精确地理位置。
综上所述,本申请实施例提供的基于三维地理信息的时空位置智能分析***,通过获取多源数据感知模块中的信息数据,所述数据信息包括天空、地面、海上、管廊区域的信息数据;将所述信息数据通过统一框架汇聚模块进行汇聚;将所述汇聚后的信息数据中的监控视频的数据传输至所述三维地理信息数据融合模块中,得到第一目标信息数据;并且将所述汇聚后的信息数据中的基于视频画面中移动目标进行检测和分析,将数据传输至目标检测分析模块中进行一次分析,得到第二目标信息数据;将所述第一目标信息数据和所述第二目标信息数据与三维地理模型进行匹配后,进行时空位置智能二次分析,并与多源感知数据进行空间位置的智能联动匹配应用,得到所述第一目标信息数据和所述第二目标信息数据的基于三维地理融合场景的二次分析数据,其中所述三维地理模型是根据遥感影像、数字高程、矢量地图和三维模型确定的。实现在虚拟现实中基于三维地理信息进行业务决策和指挥。
基于相同的技术构思,本申请实施例还提供一种基于三维地理信息的时空位置智能分析方法,如图3所示,所述方法包括如下步骤:
步骤301:获取多源数据感知模块中的信息数据,所述数据信息包括天空、地面、海上、管廊区域的信息数据。
步骤302:将所述信息数据通过统一框架汇聚模块进行汇聚。
步骤303:将所述汇聚后的信息数据中的监控视频的数据传输至所述三维地理信息数据融合模块中,得到第一目标信息数据;并且将所述汇聚后的信息数据中的基于视频画面中移动目标进行检测和分析,将数据传输至目标检测分析模块中进行一次分析,得到第二目标信息数据。
步骤304:将所述第一目标信息数据和所述第二目标信息数据与三维地理模型进行匹配后,进行时空位置智能二次分析,并与多源感知数据进行空间位置的智能联动匹配应用,得到所述第一目标信息数据和所述第二目标信息数据的基于三维地理融合场景的二次分析数据,其中所述三维地理模型是根据遥感影像、数字高程、矢量地图和三维模型确定的。
在一种可能的实施方式中,所述多源数据感知模块中的信息数据是各类传感器获取的信息数据,所述信息数据包括视频数据、物联数据和智能分析数据,所述传感器设置于天上、空中、地面、海上和管廊五种维度的区域中。
在步骤302中,所述方法具体包括:将信息数据与所述信息数据对应的三维地理信息进行虚实场景的匹配,得到匹配后的信息数据。
在步骤303中,所述将所述匹配后的信息数据汇聚至所述三维地理信息数据融合模块中,得到第一目标信息数据,包括:对视频数据进行裁剪、拉伸和变形处理,以使得所述视频数据之间实现画面内容的全景图像拼接和校正。
在步骤303中,所述方法具体包括:所述将所述匹配后的信息数据汇聚至目标检测分析模块,得到第二目标信息数据,包括:所述目标检测分析模块对所述匹配后的信息数据中提取移动目标,并对所述移动目标进行检测分析,得到所述第二目标信息数据。
本说明书中上述方法的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。相关之处参见方法实施例的部分说明即可。
需要说明的是,尽管在附图中以特定顺序描述了本发明方法的操作,但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。
虽然本申请提供了如实施例或流程图的方法操作步骤,但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的装置或客户端产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境,甚至为分布式数据处理环境)。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、产品或者设备不仅包括那些要素,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、产品或者设备所固有的要素。在没有更多限制的情况下,并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。
上述实施例阐明的单元、装置或模块等,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。为了描述的方便,描述以上装置时以功能分为各种模块分别描述。当然,在实施本申请时可以把各模块的功能在同一个或多个软件和/或硬件中实现,也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构、类等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,移动终端,服务器,或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例采用递进的方式描述,各个实施例之间相同或相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。本申请可用于众多通用或专用的计算机***环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器***、基于微处理器的***、置顶盒、可编程的电子设备、网络PC、小型计算机、大型计算机、包括以上任何***或设备的分布式计算环境等等。
以上所述的具体实施例,对本申请的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本申请的具体实施例而已,并不用于限定本申请的保护范围,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种基于三维地理信息的时空位置智能分析方法,其特征在于,所述方法包括:
获取多源数据感知模块中的信息数据,所述数据信息包括天空、地面、海上、管廊区域的信息数据;
将所述信息数据通过统一框架汇聚模块进行一体化汇聚;
将所述汇聚后的信息数据中的监控视频的数据传输至所述三维地理信息数据融合模块中,得到第一目标信息数据;并且将所述汇聚后的信息数据中的基于视频画面中移动目标进行检测和分析,将数据传输至目标检测分析模块中进行一次分析,得到第二目标信息数据;
将所述第一目标信息数据和所述第二目标信息数据与三维地理模型进行匹配后,进行时空位置智能二次分析,并与多源感知数据进行空间位置的智能联动匹配应用,得到所述第一目标信息数据和所述第二目标信息数据的基于三维地理融合场景的二次分析数据,其中所述三维地理模型是根据遥感影像、数字高程、矢量地图和三维模型确定的。
2.如权利要求1所述的方法,其特征在于,所述多源数据感知模块中的信息数据是各类传感器获取的信息数据,所述信息数据包括视频数据、物联数据和智能分析数据,所述传感器设置于天上、空中、地面、海上和管廊五种维度的区域中。
3.如权利要求1所述的方法,其特征在于,所述将所述汇聚后的信息数据中的监控视频的数据传输至所述三维地理信息数据融合模块中,得到第一目标信息数据,包括:
将信息数据与所述信息数据对应的三维地理信息进行虚实场景的匹配,得到匹配后的信息数据。
4.如权利要求1所述的方法,其特征在于,所述将所述匹配后的信息数据汇聚至所述三维地理信息数据融合模块中,得到第一目标信息数据,包括:
对视频数据进行裁剪、拉伸和变形处理,以使得所述视频数据之间实现画面内容的全景图像拼接和校正。
5.如权利要求1所述的方法,其特征在于,所述将所述汇聚后的信息数据中的基于视频画面中移动目标进行检测和分析,将数据传输至目标检测分析模块中进行一次分析,得到第二目标信息数据,包括:
所述目标检测分析模块对所述匹配后的信息数据中提取移动目标,并对所述移动目标进行检测分析,得到所述第二目标信息数据。
6.一种基于三维地理信息的时空位置智能分析***,其特征在于,所述***包括:
多源数据感知模块,用于获取多源数据感知模块中的信息数据,所述数据信息包括天空、地面、海上、管廊区域的信息数据;
统一框架汇聚模块,用于将所述信息数据通过统一框架汇聚模块进行汇聚;
综合模块,包括将所述汇聚后的信息数据中的监控视频的数据传输至所述三维地理信息数据融合模块中,得到第一目标信息数据;并且将所述汇聚后的信息数据中的基于视频画面中移动目标进行检测和分析,将数据传输至目标检测分析模块中进行一次分析,得到第二目标信息数据;
统一三维地理信息框架时空位置智能匹配模块,用于将所述第一目标信息数据和所述第二目标信息数据与三维地理模型进行匹配,进行时空位置智能二次分析,并与多源感知数据进行空间位置的智能联动匹配应用,得到所述第一目标信息数据和所述第二目标信息数据的基于三维地理融合场景的二次分析数据,其中所述三维地理模型是根据遥感影像、数字高程、矢量地图和三维模型确定的。
7.如权利要求6所述的***,其特征在于,所述多源数据感知模块中的信息数据是各类传感器获取的信息数据,所述信息数据包括视频数据、物联数据和智能分析数据,所述传感器设置于天上、空中、地面、海上和管廊五种维度的区域中。
8.如权利要求6所述的***,其特征在于,所述统一时空框架汇聚模块具体用于:
将所述信息数据与所述信息数据对应的三维地理信息进行虚实场景的匹配,得到匹配后的信息数据。
9.如权利要求6所述的***,其特征在于,所述三维地理信息数据融合模块具体用于:
对视频数据进行裁剪、拉伸和变形处理,以使得所述视频数据之间实现画面内容的全景图像拼接和校正。
10.如权利要求6所述的***,其特征在于,所述目标检测分析模块,具体用于:
对所述匹配后的信息数据中提取移动目标,并对所述移动目标进行检测分析,得到所述第二目标信息数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010209442.2A CN111429584A (zh) | 2020-03-23 | 2020-03-23 | 一种基于三维地理信息的时空位置智能分析方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010209442.2A CN111429584A (zh) | 2020-03-23 | 2020-03-23 | 一种基于三维地理信息的时空位置智能分析方法和*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111429584A true CN111429584A (zh) | 2020-07-17 |
Family
ID=71555349
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010209442.2A Pending CN111429584A (zh) | 2020-03-23 | 2020-03-23 | 一种基于三维地理信息的时空位置智能分析方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111429584A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112383754A (zh) * | 2020-11-12 | 2021-02-19 | 珠海大横琴科技发展有限公司 | 一种预警对象的监控方法及装置、电子设备、存储介质 |
CN112925224A (zh) * | 2021-02-03 | 2021-06-08 | 中南大学 | 一种数字孪生***仿真方法及装置 |
CN116308944A (zh) * | 2022-12-30 | 2023-06-23 | 应急管理部大数据中心 | 一种面向应急救援的数字战场实战指控平台及架构 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101833104A (zh) * | 2010-04-27 | 2010-09-15 | 北京航空航天大学 | 一种基于多传感器信息融合的三维可视化导航方法 |
US8369622B1 (en) * | 2009-10-29 | 2013-02-05 | Hsu Shin-Yi | Multi-figure system for object feature extraction tracking and recognition |
CN108182218A (zh) * | 2017-12-21 | 2018-06-19 | 深圳先进技术研究院 | 一种基于地理信息***的视频人物识别方法、***及电子设备 |
CN109068103A (zh) * | 2018-09-17 | 2018-12-21 | 北京智汇云舟科技有限公司 | 基于三维地理信息的动态视频时空虚实融合方法及*** |
-
2020
- 2020-03-23 CN CN202010209442.2A patent/CN111429584A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8369622B1 (en) * | 2009-10-29 | 2013-02-05 | Hsu Shin-Yi | Multi-figure system for object feature extraction tracking and recognition |
CN101833104A (zh) * | 2010-04-27 | 2010-09-15 | 北京航空航天大学 | 一种基于多传感器信息融合的三维可视化导航方法 |
CN108182218A (zh) * | 2017-12-21 | 2018-06-19 | 深圳先进技术研究院 | 一种基于地理信息***的视频人物识别方法、***及电子设备 |
CN109068103A (zh) * | 2018-09-17 | 2018-12-21 | 北京智汇云舟科技有限公司 | 基于三维地理信息的动态视频时空虚实融合方法及*** |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112383754A (zh) * | 2020-11-12 | 2021-02-19 | 珠海大横琴科技发展有限公司 | 一种预警对象的监控方法及装置、电子设备、存储介质 |
CN112383754B (zh) * | 2020-11-12 | 2022-02-18 | 珠海大横琴科技发展有限公司 | 一种预警对象的监控方法及装置、电子设备、存储介质 |
CN112925224A (zh) * | 2021-02-03 | 2021-06-08 | 中南大学 | 一种数字孪生***仿真方法及装置 |
CN116308944A (zh) * | 2022-12-30 | 2023-06-23 | 应急管理部大数据中心 | 一种面向应急救援的数字战场实战指控平台及架构 |
CN116308944B (zh) * | 2022-12-30 | 2023-09-01 | 应急管理部大数据中心 | 一种面向应急救援的数字战场实战指控平台及架构 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Geraldes et al. | UAV-based situational awareness system using deep learning | |
Yuan et al. | Fire detection using infrared images for UAV-based forest fire surveillance | |
Collins et al. | Algorithms for cooperative multisensor surveillance | |
US9488492B2 (en) | Real-time system for multi-modal 3D geospatial mapping, object recognition, scene annotation and analytics | |
CN111429584A (zh) | 一种基于三维地理信息的时空位置智能分析方法和*** | |
CN106094569B (zh) | 多传感器融合无人机感知与规避仿真***及其仿真方法 | |
CN104159067A (zh) | 基于3dgis与实景视频相结合的智能监控***和方法 | |
US11954317B2 (en) | Systems and method for a customizable layered map for visualizing and analyzing geospatial data | |
CN114723904A (zh) | 机场数据的动态管理方法、***、计算机设备和存储介质 | |
US20210221502A1 (en) | Method and a system for real-time data processing, tracking, and monitoring of an asset using uav | |
Ghali et al. | Recent advances in fire detection and monitoring systems: A review | |
Zhang et al. | Severe thunderstorm detection by visual learning using satellite images | |
CN111429583A (zh) | 一种基于三维地理信息的时空态势感知方法和*** | |
CN116167230A (zh) | 一种面向水面无人集群的群体智能仿真试验***及其方法 | |
Niedzielski et al. | The nested k‐means method: A new approach for detecting lost persons in aerial images acquired by unmanned aerial vehicles | |
Mittal et al. | A simulated dataset in aerial images using Simulink for object detection and recognition | |
Yang et al. | Flood detection based on unmanned aerial vehicle system and deep learning | |
Refaai et al. | [Retracted] An Enhanced Drone Technology for Detecting the Human Object in the Dense Areas Using a Deep Learning Model | |
Lawson et al. | Unmanned Aircraft Systems (UAS): Applications and Integration into Hazard Mitigation Planning | |
Pal et al. | A Comprehensive Review of AI-enabled Unmanned Aerial Vehicle: Trends, Vision, and Challenges | |
CN115083229B (zh) | 基于ai视觉识别的飞行训练设备智能识别与警示*** | |
CN203968263U (zh) | 基于3dgis与实景视频相结合的智能监控*** | |
Bakirci et al. | Transforming aircraft detection through LEO satellite imagery and YOLOv9 for improved aviation safety | |
Figueira et al. | MISSION-ORIENTED SENSOR ARRAYS AND UAVs–A CASE STUDY ON ENVIRONMENTAL MONITORING | |
Ko et al. | Intelligent wireless sensor network for wildfire detection |
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 |