一种面向点面光谱重建的无人机载点光谱自适应定标布设方法及系统
本发明属于生态环境智能监测,具体涉及一种面向点面光谱重建的无人机载点光谱自适应定标布设方法及系统,适用于近岸海域、内陆湖泊、河流水库等水体以无人机载点光谱传感器与视觉相机协同观测时的定标采集规划与光谱场重建。
背景技术:
1、湖泊、水库及近岸海域的水质与藻华监测对空间连续、定量准确的光谱观测存在迫切需求。高光谱成像仪虽能提供面状光谱观测,但设备昂贵、载荷要求高,难以常态化搭载于中小型无人机;由申请人在先研究提出的“单点光谱与视觉融合”技术路线,以无人机搭载的微型点光谱传感器在藻华斑块上方悬停测得一条定标光谱,并以该定标光谱为锚点、以rgb图像为空间引导,将“点”上的光谱测量重建为“面”上的连续光谱场,再经光谱解混获得水体组分的空间分布,从而以低成本硬件逼近高光谱成像的监测能力。
2、然而,上述点面协同监测路线在实际应用中面临一个尚未解决的采集规划问题:单个定标点只能约束目标区域的平均光谱,难以约束区域内部的空间变异;增加定标点的数量可以提升重建精度,但每增加一个定标点,无人机就需要执行一次悬停、对光与采集动作,直接消耗有限的机载电量并压缩有效航程。也就是说,定标点的“数量”与“位置”构成一组精度与飞行代价之间的折中,而目前该折中完全依赖操作人员的经验:定标点通常被固定设置在斑块质心或按预先规划好的均匀网格布设,既无法回答“这一片水域究竟需要测几个点”,也无法回答“这几个点应当测在哪里”。
3、在机器人环境感知领域,已有利用克里金插值方差引导下一采样点的自适应采样研究,例如针对土壤湿度、海洋温盐场等标量场测绘的场景:载体每完成一次测量后更新克里金模型,并移动至插值方差最大的位置继续采样。但此类方法面向的是“直接可测的标量场”,其不确定度仅包含空间插值的不确定性;而在点面光谱重建场景中,被重建的对象是每个像素上的整条光谱及其组分丰度,重建误差不仅来源于空间覆盖不足,还来源于光谱形态与端元组合的拟合困难——例如在颜色均一但组分混合复杂的区域,空间上邻近定标点的像素仍可能存在较大的光谱拟合误差,仅依据克里金方差选点会系统性遗漏此类“光谱难区”。此外,现有自适应采样方法普遍只回答“下一个点在哪里”,不回答“总共需要几个点”,缺少可在飞行过程中执行的采集终止判据;同时,简单地把多个定标点的光谱平均作为重建约束,会使新增定标点的信息被全图约束项淹没,导致“多测了点位、精度却几乎不提升”的失效模式。
4、因此,如何在飞行过程中自动确定定标光谱的数量与位置,并使新增定标光谱的信息有效传播至整个目标区域,是点面光谱重建监测路线走向业务化应用亟待解决的技术难题。
技术实现思路
1、本发明的目的在于提供一种面向点面光谱重建的无人机载点光谱自适应定标布设方法及系统,以克服现有技术中定标光谱数量与位置依赖人工经验、单纯空间插值方差选点遗漏光谱难区、缺少可在线执行的采集终止判据、以及多定标点信息难以有效利用的问题。
2、为实现上述目的,本发明采用如下技术方案:一种面向点面光谱重建的无人机载点光谱自适应定标布设方法,包括以下步骤:
3、s1、初始观测:通过无人机平台搭载的rgb相机与点光谱传感器对目标水域进行观测,获取水面rgb图像与至少一条初始点光谱,并根据rgb图像确定待监测的有效目标区域掩膜;
4、s2、初始光谱重建:以所述初始点光谱为定标锚点、以所述rgb图像的颜色分布为空间引导,对所述掩膜内各像素进行光谱重建,得到初始重建光谱场;
5、s3、复合不确定度场构建:对所述掩膜内各像素构建复合不确定度场,所述复合不确定度场由空间覆盖项与光谱拟合项加权合成;所述空间覆盖项为基于当前已测锚点集合计算得到的普通克里金插值方差场,所述光谱拟合项为对当前重建光谱场逐像素执行光谱解混所得到的逐像素重建误差场;所述空间覆盖项与所述光谱拟合项均为无人机飞行过程中可计算的量,无需地面真值;
6、s4、序贯选点:在满足与既有锚点之间的最小间距约束的候选像素中,选取所述复合不确定度场取值最大的像素作为下一悬停定标点位,引导所述无人机平台飞抵该点位悬停并采集新的定标光谱;
7、s5、锚点信息同化:将所述新的定标光谱与既有锚点的定标光谱分别解混为组分丰度向量,将全部锚点对应的各组分丰度分别作为随机场样本进行逐通道克里金插值,生成覆盖所述掩膜的空间丰度先验场,并以所述空间丰度先验场初始化或约束下一轮光谱重建,使新增锚点的信息传播至全场而非仅作用于锚点像素;
8、s6、停机判定:重复执行步骤s3至s5,每新增一个锚点后,在预留的验证像素集合上计算重建精度指标,并计算该新增锚点带来的相对边际收益;当连续两次新增锚点对应的相对边际收益均低于预设收益阈值时,停止新增锚点;
9、s7、结果输出:输出最终确定的锚点数量、锚点位置序列、最终重建光谱场以及由最终重建光谱场解混得到的水体组分空间分布图。
10、进一步地,步骤s3中,将所述空间覆盖项与所述光谱拟合项分别在所述掩膜内进行min-max归一化后,按预设权重加权合成所述复合不确定度场,所述预设权重取等权重0.5。
11、进一步地,步骤s3中,所述普通克里金插值方差场通过普通克里金模型计算,所述普通克里金模型的协方差函数为指数型协方差函数,其变程取所述掩膜空间尺度的预设比例,并附加微效应项以保证协方差矩阵可解。
12、进一步地,步骤s3中,所述逐像素重建误差场的获取方法为:对当前重建光谱场的每个像素光谱,基于预设的水体组分端元矩阵执行非负最小二乘光谱解混,取解混模型对该像素光谱的拟合均方根误差,得到所述逐像素重建误差场。
13、进一步地,步骤s4中,所述最小间距约束通过邻域抑制实现:选取所述复合不确定度场取值最大的像素后,将与全部既有锚点的欧氏距离不大于预设最小间距的候选像素从当轮选取范围内剔除;所述预设最小间距根据所述点光谱传感器的footprints空间分辨率与所述掩膜的空间尺度设定。
14、进一步地,步骤s5中,所述空间丰度先验场的生成方法为:将每条锚点的定标光谱基于预设的水体组分端元矩阵解混为k维丰度向量;对每个丰度分量通道,以全部锚点的空间位置为样本点、以该通道的丰度值为样本值,执行普通克里金插值,得到k个覆盖所述掩膜的丰度先验图;
15、所述下一轮光谱重建过程中施加距离加权的先验约束项,所述先验约束项为λ·w(x,y)·||f(x,y)-f0(x,y)||2,其中f(x,y)为待重建像素的丰度向量,f0(x,y)为所述空间丰度先验场在该像素处的取值,w(x,y)=maxk exp(-dk(x,y)2/(2σ2)),dk(x,y)为该像素至第k个锚点的距离,σ为预设影响半径,λ为预设权重系数。
16、进一步地,步骤s6中,所述相对边际收益为g(k)=(ek-1-ek)/ek-1,其中ek为具有k个锚点时在所述验证像素集合上的重建均方根误差;所述预设收益阈值为5%,当连续两次新增锚点对应的相对边际收益均小于5%时停止新增锚点,此时对应的锚点数量即为最终锚点数量。
17、进一步地,步骤s6中,所述停机判定还受飞行资源约束:当预计执行一次悬停采集所需电量与剩余航程所需电量之和超过当前剩余电量预算时,提前停止新增锚点。
18、进一步地,步骤s1中,所述初始点光谱的采集位置为所述掩膜的几何质心;步骤s2中,所述光谱重建采用以单锚点光谱为监督、以rgb图像为引导的逐场景重建方法、克里金空间插值方法或神经网络重建方法中的任一种。
19、本发明还提供了一种面向点面光谱重建的无人机载点光谱自适应定标布设系统,用于实现上述的方法,包括无人机平台以及机载边缘计算单元;
20、所述无人机平台搭载有rgb相机、点光谱传感器以及定位与授时模块,用于执行水域观测与悬停定标采集;
21、所述机载边缘计算单元部署有:
22、初始观测模块,用于获取rgb图像与初始点光谱并确定有效目标区域掩膜;
23、光谱重建模块,用于以定标锚点光谱为监督、以rgb图像为引导执行逐场景光谱重建;
24、不确定度场构建模块,用于合成由空间覆盖项与光谱拟合项加权构成的复合不确定度场;
25、序贯选点模块,用于在最小间距约束下选取复合不确定度场最大的像素作为下一悬停定标点位;
26、锚点信息同化模块,用于将锚点定标光谱解混为丰度向量并经逐通道克里金插值生成空间丰度先验场;
27、停机判定模块,用于根据连续两次新增锚点的相对边际收益与预设收益阈值的关系判定是否停止新增锚点;
28、结果输出模块,用于输出锚点数量、锚点位置序列、最终重建光谱场与水体组分空间分布图。
29、与现有技术相比,本发明具有以下有益效果:
30、1、定标采集方案由人工经验给定变为数据驱动自动生成:复合不确定度场同时刻画空间覆盖不足与光谱拟合困难两类误差来源,使序贯选点既能覆盖未测量区域、又能主动定位光谱形态复杂的难重建区域,克服了单纯克里金方差选点系统性遗漏光谱难区的缺陷;
31、2、提供了可在飞行过程中逐点执行的采集终止判据:以连续两轮相对边际收益低于预设阈值作为停机条件,将测几个点转化为可计算的边际收益判定,避免欠采样导致的精度不足与过采样导致的电量浪费;
32、3、新增定标点的信息经解混、丰度通道克里金、空间先验约束同化进重建过程,克服了多锚点简单平均导致的收益淹没失效模式,使增加定标点能够稳定转化为全场重建精度的提升;
33、4、整套流程的每个环节均只依赖无人机在飞时可获得的量(rgb图像、已测锚点光谱、当前重建场),无需地面真值与离线计算,全部运算可在机载边缘计算单元上完成,适合单架次在线决策;
34、5、方法与具体重建算法解耦:初始重建与更新重建可采用逐场景自监督重建、克里金插值或神经网络重建中的任一种,本发明可叠加于现有各类点面光谱重建系统之上,具有良好的兼容性与推广价值。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com