CN116828156A - 地理空间事件的采集方法、***、设备、介质及采集盒 - Google Patents

Abstract

本发明提出了地理空间事件的采集方法、***、设备、介质及采集盒，涉及空间信息技术领域。其包括：执行循环过程直至满足对象检测模型达到收敛的预设条件；其中，循环过程包括：根据无人机图传的实时画面，控制该无人机持续采集包括监测目标的第一图像数据；将根据第一图像数据进行人工标注所得到的样本数据在云服务器中进行构建并训练对应的对象检测模型。根据收敛的对象检测模型对第二图像数据进行计算推理，得到监测目标对应的空间数据，其中，第二图像数据为在对象检测模型收敛后，无人机采集得到的包括监测目标的图像数据。根据空间数据生成对应的地理空间事件。该方案能够保证低耦合的情况下，实时的进行生成地理空间事件数据。

Description

地理空间事件的采集方法、***、设备、介质及采集盒

技术领域

本发明涉及空间信息技术领域，具体而言，涉及地理空间事件的采集方法、***、设备、介质及采集盒。

背景技术

随着地理空间信息理论与技术的不断发展，智慧城市建设也在逐步推进。在这个背景下，社会对地理空间数据的需求也从历史、现状性基础数据逐渐提升到了实时性数据的层面。

目前通常采用的方法是先利用无人机进行外业航测，然后回到机房使用专业软件对无人机航测数据进行一系列处理，以获取DOM、DEM等标准产品。最后，利用这些标准产品进行应用和分析。这种方式不仅影响了数据的实时性，而且难以形成事件类型的数据。

发明内容

本发明的目的在于提供地理空间事件的采集方法、***、设备、介质及采集盒，其能够保证低耦合的情况下，实时的进行生成地理空间事件数据。

本发明是这样实现的：

第一方面，本申请提供一种地理空间事件的采集方法，包括以下步骤：

执行循环过程直至满足预设条件；其中，上述预设条件为对象检测模型达到收敛，上述循环过程包括：根据无人机图传的实时画面，控制该无人机持续采集包括监测目标的第一图像数据；根据上述第一图像数据进行人工标注，得到对应的样本数据；根据上述样本数据在云服务器中进行构建并训练对应的对象检测模型。根据收敛的对象检测模型对第二图像数据进行计算推理，得到监测目标对应的空间数据，其中，第二图像数据为在对象检测模型收敛后，无人机采集得到的包括监测目标的图像数据。根据上述空间数据生成对应的地理空间事件。

进一步地，基于前述方案，该方法还包括以下步骤：根据GIS空间分析算法对上述地理空间事件进行空间分析，得到对应的事件分析结果。

进一步地，基于前述方案，上述空间数据包括几何形状信息、位置信息、事件标识、事件类别和时间信息中的至少一种。

第二方面，本申请提供一种地理空间事件的采集方法，包括以下步骤：

执行循环过程直至满足预设条件；其中，上述预设条件为对象检测模型收敛，上述循环过程包括：基于地面站观测到的无人机图传的实时画面，规划无人机的飞行线路，并将无人机在该飞行线路持续采集的包括监测目标的第三图像数据，发送至云服务器中；基于上述第三图像数据进行人工标注，得到对应的样本数据，以在云服务器中进行训练和验证对应的对象检测模型。采集盒在收到训练至收敛的对象检测模型后，利用该对象检测模型对无人机新采集得到的待监测事件区域的实时画面进行目标对象检测，得到对应的空间数据，并将基于上述空间数据生成的地理空间事件发送至云服务器，以供云服务进行空间分析。

进一步地，基于前述方案，上述将基于上述空间数据生成的地理空间事件发送至云服务器时包括：基于预定的GIS事件模型将上述空间数据进行转换为符合OGC空间数据标准的数据，并将该数据存储至对应的存储器中和发送至云服务器。

第三方面，本申请提供一种采集盒，其包括：

接收模块，被配置为：接收云服务器训练至收敛的对象检测模型，其中云服务器训练上述对象检测模型的步骤为：持续接收无人机在执行对应飞行线路中实时采集的包括监测目标的第四图像数据，并基于对应人员对该第四图像数据持续进行人工标注所得到的样本数据，进行训练和验证对应的对象检测模型，直至上述对象检测模型收敛为止。处理模块，被配置为：利用接收的云服务器训练至收敛的对象检测模型，对无人机新采集得到的待监测事件区域的实时画面进行目标对象检测，以得到目标事件对应的空间数据。发送模块，被配置为：将上述空间数据发送至云服务器和/或目标终端设备，以供云服务和/或目标终端设备进行空间分析。

第四方面，本申请提供一种地理空间事件的实时采集***，其包括：

模型训练模块，被配置为：执行循环过程直至满足预设条件；其中，上述预设条件为对象检测模型达到收敛，上述循环过程包括：根据无人机图传的实时画面，控制该无人机持续采集包括监测目标的第一图像数据；根据上述第一图像数据进行人工标注，得到对应的样本数据；根据上述样本数据在云服务器中进行构建并训练对应的对象检测模型。空间数据生成模块，被配置为：根据收敛的对象检测模型对第二图像数据进行计算推理，得到监测目标对应的空间数据，其中，第二图像数据为在对象检测模型收敛后，无人机采集得到的包括监测目标的图像数据。空间事件生成模块，被配置为：根据上述空间数据生成对应的地理空间事件。

第五方面，本申请提供一种地理空间事件的实时采集***，其包括：无人机、采集盒、地面站和云服务器。

上述无人机，用于接收地面站的控制信号，以在待监测事件区域执行对应的飞行线路，并将获取的实时画面传输至上述地面站进行显示，以及将采集的包括监测目标的图像数据发送至上述云服务。上述地面站，用于接收并显示无人机获取的实时画面，并响应于预定操作指令，向无人机发送对应的控制信号。上述采集盒，用于接收云服务器训练至收敛的对象检测模型，并基于该对象检测模型，对无人机新采集得到的待监测事件区域的实时画面进行目标对象检测，以得到对应的空间数据，并用以将上述空间数据发送至云服务器。上述云服务器，用于持续接收无人机在执行对应飞行线路中实时采集的包括监测目标的第五图像数据，并基于对应人员对该第五图像数据持续进行人工标注所得到的样本数据，进行训练和验证对应的对象检测模型，直至上述对象检测模型收敛为止；以及用以将训练至收敛的对象检测模型发送至上述采集盒；还用于接收采集盒发送的空间数据，以进行空间分析。

第六方面，本申请提供一种电子设备，包括至少一个处理器、至少一个存储器和数据总线；其中：上述处理器与上述存储器通过上述数据总线完成相互间的通信；上述存储器存储有被上述处理器执行的程序指令，上述处理器调用上述程序指令以执行如上述第一方面和第二方面中任一项所述的方法。

第七方面，本申请提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述第一方面和第二方面中任一项所述的方法。

相对于现有技术，本发明至少具有如下优点或有益效果：

其首先根据无人机图传的实时画面，控制该无人机持续采集包括监测目标的图像数据，然后对该图像数据进行人工标注后，在云服务器中进行训练对应的对象检测模型，从而可以快速获得与监测目标相关的收敛的对象检测模型。进而，接下来就可以利用该收敛的对象检测模型，对无人机接下来获取的图像数据进行计算推理，以得到能够用以生成地理空间事件的检测目标对应的空间数据。即，该技术方案能够可以简单方便的获取到实时性强的地理空间事件，便于对突发性的事件进行监测。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1为本发明一实施例提供的地理空间事件的采集方法的流程图；

图2为本发明又一实施例提供的地理空间事件的采集方法的流程图；

图3为本发明一实施例提供的采集盒的结构框图；

图4为本发明一实施例提供的地理空间事件的实时采集***的结构框图；

图5为本发明一实施例提供的地理空间事件的实时采集***一实施例的对应的信令图；

图6为本发明一实施例提供的一种电子设备的结构框图。

图标：101、处理器；102、存储器；103、数据总线。

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。

下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的各个实施例及实施例中的各个特征可以相互组合。同时，在本申请的描述中，出现的术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

实施例1

在现有技术中，是对感兴趣的目标物进行预先训练模型，然后将该模型设置在无人机上，然后利用该无人机去现场进行监测目标物。然而，这种方式不能做到利用无人机进行实时监测，只适合对通用性的目标物进行监测，却不能胜任突发性的事件的监测任务。

为了应对上述问题，在本申请实施例的第一方面，提供了一种地理空间事件的采集方法，其通过优化处理流程，从而能够获取实时性强的地理空间事件，便于对突发性的事件进行监测。

请参阅图1，该一种地理空间事件的采集方法包括以下步骤：

步骤S101：执行循环过程直至满足预设条件；其中，所述预设条件为对象检测模型达到收敛，所述循环过程包括：根据无人机图传的实时画面，控制该无人机持续采集包括监测目标的第一图像数据；根据所述第一图像数据进行人工标注，得到对应的样本数据；根据所述样本数据在云服务器中进行构建并训练对应的对象检测模型。

上述步骤中，在控制无人机飞行到待检测事件区域（包括监测目标的区域），进行实时采集包括监测目标的图像数据，然后利用采集的包括监测目标的图像数据，用以了解现场的具体情况。接着，就可以根据监测目标进行观察图传的实时画面，进行操控无人机进行执行相应的飞行线路，并且在途中进行不断采集包括监测目标的第一图像数据。示例性地，可以通过操作人员在地面站的显示器上进行观测无人机图传的实时画面，然后人工的进行观察图传的实时画面，进而根据观察的情况实时操控无人机进行执行相应的飞行线路，从而可以结合人工的因素利用无人机精准的获取大量的包括监测目标的第一图像数据。

在将第一图像数据上传至云服务器后，相应的工作人员可以在云服务器中对该第一图像数据进行人工标注处理，也可以利用客户端工具不停的从云服务器中获取最新的第一图像数据，并进行标注，用以得到对应的样本数据。然后，在获取了样本数据的基础上，即可开始利用该样本数据在云服务器中进行构建并训练对应的对象检测模型，其在训练的过程中需不断的获取新的样本数据，并进行训练和验证该模型，直至模型收敛后跳出循环。

需要说明的是，之所以需要训练对象检测模型，主要是因为监测目标的提前不既定导致的，其是需要根据实际情况需要进行选定监测目标，因此不能获取提前训练好的对象检测模型进行检测识别。例如，监测目标可能是在自然灾害、交通事故、火灾、治安事件等情况下临时确定的具有特定性的对象目标，是不可能用通用的对象检测模型进行识别检测，进而对其进行监测的。

步骤S102：根据收敛的对象检测模型对第二图像数据进行计算推理，得到监测目标对应的空间数据，其中，第二图像数据为在对象检测模型收敛后，无人机采集得到的包括监测目标的图像数据；

步骤S103：根据所述空间数据生成对应的地理空间事件。

在获得了收敛的对象检测模型后，即可开始进一步的利用无人机对包括监测目标的待监测区域进行监测，即可以将接下来无人机获取的第二图像数据进行计算推理，从而得到监测目标对应的空间数据，以进一步的利用该空间数据生成对应的地理空间事件。其中，在本发明的一些实现方式中，所述空间数据包括几何形状信息、位置信息、事件标识、事件类别和时间信息中的至少一种。当然，具体的空间数据也可以根据需要进行自主选择，此处不对空间数据所包括的具体数据作严格限定。例如，识别获取的空间数据可能不仅是坐标，还有形状，其中，若形状是点的话，其表现形式可以是坐标，但形状也有可能是线，或面，则采用对应的表现形式。总之，空间数据到底包括哪些，是需要根据实际情况需要进行选择适用的。示例性地，后续处理也可以是利用检测的目标对象的图像坐标和无人机瞬时POS数据进行坐标处理，然后将监测到的坐标数据与时间和ID等打包成EVENT事件发送给云端。

需要说明的是，第一图像数据和第二图像数据从本质上来说都是无人机获取的包括监测目标的图像数据，只是说第一图像数据是用以训练对象模型的过程中获取的图像数据，第二图像数据是在获得了收敛的对象检测模型后，提供给对象检测模型进行目标对象检测的图像数据。因此，若基于第一图像数据的获取过程是：操作人员在地面站的显示器上进行观测无人机图传的实时画面，然后人工的进行观察图传的实时画面，进而操控无人机进行执行相应的飞行线路，从而可以结合人工的因素利用无人机精准的获取大量的包括监测目标的第一图像数据；则对应的，第二图像数据的获取过程可以是：在获得了收敛的对象检测模型后，通知对应的操作人员，然后操作人员将可以开始重新规划无人机的飞行线路，然后去获取第二图像数据，并利用收敛的对象检测模型进行目标对象检测。

另外，对于地理空间事件而言，在一些实施例中，可以理解为发生在某个时间和地点的具体事情，如自然灾害、交通事故、火灾、治安事件等。此时，其为采用地理信息空间数据模型组织和描述的一种空间数据类型，一般具有空间特征、属性特征和时间特征。其中空间特征主要描述了其地理位置空间坐标、几何形状等；属性特征主要描述了它的行业业务信息，例如，名称、类型等；时间特征描述了其发生的时间信息，包括事件发生的具体时间、持续时间以及事件时序等方面的信息。

基于前述方案，在本发明的一些实现方式中，在获得了地理空间事件后，上述方法还包括以下步骤：根据GIS空间分析算法对所述地理空间事件进行空间分析，得到对应的事件分析结果。从而，后续可以利用该事件分析结果直接在服务器中进行应用事件，也可以发送或拷贝至单机设备上进行应用事件。即，后续就可以在相应的服务器或终端设备上按地理信息***空间分析的方式进行各种应用分析了。

如图2所示，在本实施例的第二方面中，基于相同的发明构思，本申请实施例还提供了一种地理空间事件的采集方法，其包括以下步骤：

步骤S201：执行循环过程直至满足预设条件；其中，所述预设条件为对象检测模型收敛，所述循环过程包括：基于地面站观测到的无人机图传的实时画面，规划无人机的飞行线路，并将无人机在该飞行线路持续采集的包括监测目标的第三图像数据，发送至云服务器中；基于所述第三图像数据进行人工标注，得到对应的样本数据，以在云服务器中进行训练和验证对应的对象检测模型；

步骤S202：采集盒在收到训练至收敛的对象检测模型后，利用该对象检测模型对无人机新采集得到的待监测事件区域的实时画面进行目标对象检测，得到对应的空间数据，并将基于所述空间数据生成的地理空间事件发送至云服务器，以供云服务进行空间分析。其中，若该空间数据仅包括目标对象的坐标和几何形状，则可以进一步结合目标对象的属性进行打包生成地理空间事件。

在第一方面公开的地理空间事件的采集方法的基础上，在第二方面的方案中结合了地面站和采集盒，对该技术方案做了进一步的优化和限定。其中，考虑到一开始是没有收敛的对象检测模型的，因此，需要一定量的样本数据进行训练得到该对象检测模型，但是若无人机仅仅是自主的执行既定的飞行线路，进行获取待监测区域内包括监测目标的图像数据，则可能导致图像数据获取的准确度受到飞行线路的选择影响，而有所降低，不利于对象检测模型的快速收敛。因此，在上述实施例中，通过在训练对象检测模型的过程中，基于地面站观测到的无人机图传的实时画面，进行规划无人机的飞行线路，将可以控制无人机更加准确有效的获取包括监测目标的第三图像数据。需要说明的是，此处的第三图像数据和前文中的第一图像数据本质上都是图像数据，只是说此处是为了便于将无人机在两种不同飞行控制情况下获取的图像数据进行区分开来而做的描述。

另外，在云服务器训练得到了收敛的对象检测模型后，即可利用采集盒进行下载接收该对象检测模型，然后在采集盒端利用该对象检测模型对无人机新采集得到的待监测事件区域的实时画面进行目标对象检测，从而将目标对象检测的计算量分担到采集盒端，可以提升后续对监测目标的检测和跟踪等计算的实时性，不会因受到太多的网络波动的影响，而导致其时效性下降。

基于前述方案，在本发明的一些实现方式中，所述将基于所述空间数据生成的地理空间事件发送至云服务器时包括：基于预定的GIS事件模型将所述空间数据进行转换为符合OGC空间数据标准的数据（包括对该空间数据进行结构和格式上的转换），并将该数据存储至对应的存储器中和发送至云服务器。

实施例2

如图3所示，基于与实施例1相同的发明构思，本申请实施例提供了一种采集盒，其包括：

接收模块，被配置为：接收云服务器训练至收敛的对象检测模型，其中云服务器训练所述对象检测模型的步骤为：持续接收无人机在执行对应飞行线路中实时采集的包括监测目标的第四图像数据，并基于对应人员对该第四图像数据持续进行人工标注所得到的样本数据，进行训练和验证对应的对象检测模型，直至所述对象检测模型收敛为止；

处理模块，被配置为：利用接收的云服务器训练至收敛的对象检测模型，对无人机新采集得到的待监测事件区域的实时画面进行目标对象检测，以得到目标事件对应的空间数据；

发送模块，被配置为：将所述空间数据发送至云服务器和/或目标终端设备，以供云服务和/或目标终端设备进行空间分析。

在实施例1公开的地理空间事件的采集方法的基础上，上述实施例2中，公开了一种采集盒，包括接收模块、处理模块和发送模型，从而用以接收云服务器训练至收敛的对象检测模型，并基于此对无人机新采集得到的待监测事件区域的实时画面进行目标对象检测，以得到目标事件对应的空间数据，然后发送给云服务器和/或目标终端设备，以供云服务器和/或目标终端设备进行空间分析用。其中，目标终端设备包括电脑、平板和手机等终端设备。

需要说明的是，此处的第四图像数据和前文中的第一图像数据、第三图像数据，本质上都是图像数据，只是说，此处在为了便于对采集盒的技术方案进行理解和区分，而将接收的无人机获取的图像数据进行区分开来而做的描述。

另外，在本发明的一些实现方式中，所述采集盒包括：

接收模块，被配置为：接收云服务器训练至收敛的对象检测模型，其中云服务器训练所述对象检测模型的步骤为：执行循环过程直至满足预设条件；其中，所述预设条件为对象检测模型达到收敛，所述循环过程包括：基于地面站观测到的无人机图传的实时画面，规划无人机的飞行线路，并将无人机在该飞行线路持续采集的包括监测目标的第三图像数据，发送至云服务器中；基于所述第三图像数据进行人工标注，得到对应的样本数据，以在云服务器中进行训练和验证对应的对象检测模型。

处理模块，被配置为：利用接收的云服务器训练至收敛的对象检测模型，对无人机新采集得到的待监测事件区域的实时画面进行目标对象检测，以得到目标事件对应的空间数据。

发送模块，被配置为：将所述空间数据发送至云服务器和/或目标终端设备，以供云服务和/或目标终端设备进行空间分析。

上述采集盒的具体实现过程请参照实施例1中提供的一种地理空间事件的采集方法，在此不再赘述。

实施例3

请参阅图4，基于与实施例1的第一方面公开的地理空间事件的采集方法的相同发明构思，本申请实施例提供了一种地理空间事件的实时采集***，其包括：

模型训练模块，被配置为：执行循环过程直至满足预设条件；其中，所述预设条件为对象检测模型达到收敛，所述循环过程包括：根据无人机图传的实时画面，控制该无人机持续采集包括监测目标的第一图像数据；根据所述第一图像数据进行人工标注，得到对应的样本数据；根据所述样本数据在云服务器中进行构建并训练对应的对象检测模型；

空间数据生成模块，被配置为：根据收敛的对象检测模型对第二图像数据进行计算推理，得到监测目标对应的空间数据，其中，第二图像数据为在对象检测模型收敛后，无人机采集得到的包括监测目标的图像数据；

空间事件生成模块，被配置为：根据所述空间数据生成对应的地理空间事件。

上述***具体实现过程请参照实施例1中提供的一种地理空间事件的采集方法，在此不再赘述。

基于与实施例1的第二方面公开的地理空间事件的采集方法的相同发明构思，如图5所示，本申请实施例还提供了一种地理空间事件的实时采集***，其包括：无人机、采集盒、地面站和云服务器；

所述无人机，用于接收地面站的控制信号，以在待监测事件区域执行对应的飞行线路，并将获取的实时画面传输至所述地面站进行显示，以及将采集的包括监测目标的图像数据发送至所述云服务；

所述地面站，用于接收并显示无人机获取的实时画面，并响应于预定操作指令，向无人机发送对应的控制信号；

所述采集盒，用于接收云服务器训练至收敛的对象检测模型，并基于该对象检测模型，对无人机新采集得到的待监测事件区域的实时画面进行目标对象检测，以得到对应的空间数据，并用以将所述空间数据发送至云服务器；

所述云服务器，用于持续接收无人机在执行对应飞行线路中实时采集的包括监测目标的第五图像数据，并基于对应人员对该第五图像数据持续进行人工标注所得到的样本数据，进行训练和验证对应的对象检测模型，直至所述对象检测模型收敛为止；以及用以将训练至收敛的对象检测模型发送至所述采集盒；还用于接收采集盒发送的空间数据，以进行空间分析。

如图5所示，上述地理空间事件的实时采集***中包括无人机、采集盒、地面站和云服务器，其中，无人机用于获取包括监测目标的图像数据，然后操作人员可以在地面站进行实时控制无人机执行对应的飞行线路（不管是模型训练阶段，还是后期利用收敛的模型阶段，均可根据需要在地面站进行控制无人机执行对应的飞行线路），而云服务器用于对包括监测目标的图像数据进行接收，并在人工对该图像数据进行标注后，进行训练和验证对应的对象检测模型，直至模型收敛为止。接着，就可以利用采集盒下载接收的该收敛了的对象检测模型，对无人机接下来获取的包括监测目标的图像数据进行目标对象检测，以得到对应的空间数据，从而供云服务器进行空间分析用。

上述***具体实现过程请参照实施例1中提供的一种地理空间事件的采集方法，在此不再赘述。

实施例4

请参阅图6，本申请实施例提供了一种电子设备，该电子设备包括至少一个处理器101、至少一个存储器102和数据总线103；其中：处理器101与存储器102通过数据总线103完成相互间的通信；存储器102存储有可被处理器101执行的程序指令，处理器101调用程序指令以执行一种地理空间事件的采集方法。例如实现：

执行循环过程直至满足预设条件；其中，上述预设条件为对象检测模型达到收敛，上述循环过程包括：根据无人机图传的实时画面，控制该无人机持续采集包括监测目标的第一图像数据；根据上述第一图像数据进行人工标注，得到对应的样本数据；根据上述样本数据在云服务器中进行构建并训练对应的对象检测模型。根据收敛的对象检测模型对第二图像数据进行计算推理，得到监测目标对应的空间数据，其中，第二图像数据为在对象检测模型收敛后，无人机采集得到的包括监测目标的图像数据。根据上述空间数据生成对应的地理空间事件。

或者实现：

执行循环过程直至满足预设条件；其中，上述预设条件为对象检测模型收敛，上述循环过程包括：基于地面站观测到的无人机图传的实时画面，规划无人机的飞行线路，并将无人机在该飞行线路持续采集的包括监测目标的第三图像数据，发送至云服务器中；基于上述第三图像数据进行人工标注，得到对应的样本数据，以在云服务器中进行训练和验证对应的对象检测模型。采集盒在收到训练至收敛的对象检测模型后，利用该对象检测模型对无人机新采集得到的待监测事件区域的实时画面进行目标对象检测，得到对应的空间数据，并将基于上述空间数据生成的地理空间事件发送至云服务器，以供云服务进行空间分析。

其中，存储器102可以是但不限于，随机存取存储器（Random Access Memory，RAM），只读存储器（Read Only Memory，ROM），可编程只读存储器（Programmable Read-OnlyMemory，PROM），可擦除只读存储器（Erasable Programmable Read-Only Memory，EPROM），电可擦除只读存储器（Electric Erasable Programmable Read-Only Memory，EEPROM）等。

处理器101可以是一种集成电路芯片，具有信号处理能力。该处理器101可以是通用处理器，包括中央处理器（Central Processing Unit，CPU）、网络处理器（NetworkProcessor，NP）等；还可以是数字信号处理器（Digital Signal Processing，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（Field－Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

可以理解，图6所示的结构仅为示意，电子设备还可包括比图6中所示更多或者更少的组件，或者具有与图6所示不同的配置。图6中所示的各组件可以采用硬件、软件或其组合实现。

实施例5

本发明提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器101执行时实现一种地理空间事件的采集方法。例如实现：

执行循环过程直至满足预设条件；其中，上述预设条件为对象检测模型达到收敛，上述循环过程包括：根据无人机图传的实时画面，控制该无人机持续采集包括监测目标的第一图像数据；根据上述第一图像数据进行人工标注，得到对应的样本数据；根据上述样本数据在云服务器中进行构建并训练对应的对象检测模型。根据收敛的对象检测模型对第二图像数据进行计算推理，得到监测目标对应的空间数据，其中，第二图像数据为在对象检测模型收敛后，无人机采集得到的包括监测目标的图像数据。根据上述空间数据生成对应的地理空间事件。

或者实现：

执行循环过程直至满足预设条件；其中，上述预设条件为对象检测模型收敛，上述循环过程包括：基于地面站观测到的无人机图传的实时画面，规划无人机的飞行线路，并将无人机在该飞行线路持续采集的包括监测目标的第三图像数据，发送至云服务器中；基于上述第三图像数据进行人工标注，得到对应的样本数据，以在云服务器中进行训练和验证对应的对象检测模型。采集盒在收到训练至收敛的对象检测模型后，利用该对象检测模型对无人机新采集得到的待监测事件区域的实时画面进行目标对象检测，得到对应的空间数据，并将基于上述空间数据生成的地理空间事件发送至云服务器，以供云服务进行空间分析。

上述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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，服务器，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。

对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其它的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (10)

1.一种地理空间事件的采集方法，其特征在于，包括以下步骤：

执行循环过程直至满足预设条件；其中，所述预设条件为对象检测模型达到收敛，所述循环过程包括：根据无人机图传的实时画面，控制该无人机持续采集包括监测目标的第一图像数据；根据所述第一图像数据进行人工标注，得到对应的样本数据；根据所述样本数据在云服务器中进行构建并训练对应的对象检测模型；

根据收敛的对象检测模型对第二图像数据进行计算推理，得到监测目标对应的空间数据，其中，第二图像数据为在对象检测模型收敛后，无人机采集得到的包括监测目标的图像数据；

根据所述空间数据生成对应的地理空间事件。

2.如权利要求1所述的地理空间事件的采集方法，其特征在于，还包括：

根据GIS空间分析算法对所述地理空间事件进行空间分析，得到对应的事件分析结果。

3.如权利要求1所述的地理空间事件的采集方法，其特征在于，所述空间数据包括几何形状信息、位置信息、事件标识、事件类别和时间信息中的至少一种。

4.一种地理空间事件的采集方法，其特征在于，包括以下步骤：

执行循环过程直至满足预设条件；其中，所述预设条件为对象检测模型收敛，所述循环过程包括：基于地面站观测到的无人机图传的实时画面，规划无人机的飞行线路，并将无人机在该飞行线路持续采集的包括监测目标的第三图像数据，发送至云服务器中；基于所述第三图像数据进行人工标注，得到对应的样本数据，以在云服务器中进行训练和验证对应的对象检测模型；

采集盒在收到训练至收敛的对象检测模型后，利用该对象检测模型对无人机新采集得到的待监测事件区域的实时画面进行目标对象检测，得到对应的空间数据，并将基于所述空间数据生成的地理空间事件发送至云服务器，以供云服务进行空间分析。

5.如权利要求4所述的地理空间事件的采集方法，其特征在于，所述将基于所述空间数据生成的地理空间事件发送至云服务器时包括：

基于预定的GIS事件模型将所述空间数据进行转换为符合OGC空间数据标准的数据，并将该数据存储至对应的存储器中和发送至云服务器。

6.一种采集盒，其特征在于，包括：

接收模块，被配置为：接收云服务器训练至收敛的对象检测模型，其中云服务器训练所述对象检测模型的步骤为：持续接收无人机在执行对应飞行线路中实时采集的包括监测目标的第四图像数据，并基于对应人员对该第四图像数据持续进行人工标注所得到的样本数据，进行训练和验证对应的对象检测模型，直至所述对象检测模型收敛为止；

处理模块，被配置为：利用接收的云服务器训练至收敛的对象检测模型，对无人机新采集得到的待监测事件区域的实时画面进行目标对象检测，以得到目标事件对应的空间数据；

发送模块，被配置为：将所述空间数据发送至云服务器和/或目标终端设备，以供云服务和/或目标终端设备进行空间分析。

7.一种地理空间事件的实时采集***，其特征在于，包括：

模型训练模块，被配置为：执行循环过程直至满足预设条件；其中，所述预设条件为对象检测模型达到收敛，所述循环过程包括：根据无人机图传的实时画面，控制该无人机持续采集包括监测目标的第一图像数据；根据所述第一图像数据进行人工标注，得到对应的样本数据；根据所述样本数据在云服务器中进行构建并训练对应的对象检测模型；

空间数据生成模块，被配置为：根据收敛的对象检测模型对第二图像数据进行计算推理，得到监测目标对应的空间数据，其中，第二图像数据为在对象检测模型收敛后，无人机采集得到的包括监测目标的图像数据；

空间事件生成模块，被配置为：根据所述空间数据生成对应的地理空间事件。

8.一种地理空间事件的实时采集***，其特征在于，包括无人机、采集盒、地面站和云服务器；

所述无人机，用于接收地面站的控制信号，以在待监测事件区域执行对应的飞行线路，并将获取的实时画面传输至所述地面站进行显示，以及将采集的包括监测目标的图像数据发送至所述云服务；

所述地面站，用于接收并显示无人机获取的实时画面，并响应于预定操作指令，向无人机发送对应的控制信号；

所述采集盒，用于接收云服务器训练至收敛的对象检测模型，并基于该对象检测模型，对无人机新采集得到的待监测事件区域的实时画面进行目标对象检测，以得到对应的空间数据，并用以将所述空间数据发送至云服务器；

所述云服务器，用于持续接收无人机在执行对应飞行线路中实时采集的包括监测目标的第五图像数据，并基于对应人员对该第五图像数据持续进行人工标注所得到的样本数据，进行训练和验证对应的对象检测模型，直至所述对象检测模型收敛为止；以及用以将训练至收敛的对象检测模型发送至所述采集盒；还用于接收采集盒发送的空间数据，以进行空间分析。

9.一种电子设备，其特征在于，包括至少一个处理器、至少一个存储器和数据总线；其中：所述处理器与所述存储器通过所述数据总线完成相互间的通信；所述存储器存储有被所述处理器执行的程序指令，所述处理器调用所述程序指令以执行如权利要求1-5任一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-5中任一项所述的方法。