摘要
本发明提供一种基于多模态数据分析的空间连续能见度预测方法及装置,该方法包括:获取目标区域的多模态观测数据,对其中的图像观测数据进行图像特征编码,生成大气光学厚度参数,并对其中的激光雷达扫描数据进行路径特征编码,生成消光系数分布参数;将大气光学厚度参数与消光系数分布参数输入多模态融合模型,以对大气光学厚度参数进行水平方向的光学厚度修正,生成水平光学厚度修正参数,并将其与消光系数分布参数进行空间连续性融合,生成目标区域的空间连续能见度分布特征,然后将其转换为极坐标系下的能见度预测结果,输出能见度预测结果的坐标分布图。通过本发明可以提高能见度预测的准确性。
技术关键词
能见度
激光雷达扫描数据
分布特征
气溶胶消光系数
多模态数据分析
参数
图像特征编码
网格
可见光图像
路径特征
连续性
序列
笛卡尔坐标系
矩阵
交叉注意力机制
系统为您推荐了相关专利信息
物联网传感器数据
数字孪生
建造现场
激光雷达扫描数据
演化特征
局部敏感哈希算法
网络拓扑
多层次
机器学习模型
深度学习模型
盾构掘进参数
识别方法
噪声数据
统计特征
线性回归方法
微生物种类
特征值
图像处理算法
深度学习算法
协方差矩阵
红外成像系统
成像方法
扫描驱动装置
图像
红外相机