一种基于无人机影像举证的耕地监测方法及系统与流程
本发明涉及耕地监测,具体涉及一种基于无人机影像举证的耕地监测方法及系统。
背景技术:
1、耕地资源是人赖以生存的物质基础,及时准确的摸清耕地空间分布和变化信息对于自然资源监测具有重要意义。目前,耕地监测核查方式主要采用人工实地举证的方式,逐一核查耕地是否存在违规占用、耕地流失等情况。然而,由于耕地分布范围广、地形复杂,举证人员需要进行大量的实地举证,导致耕地监测举证效率低下、进度缓慢。此外,现有技术中也有采用卫星遥感图像进行耕地监测举证的方案,但由于云层厚度、光线等因素的干扰,时常导致单次采集的遥感影像无法使用,且卫星轨道及姿态无法迅速调整,难以实现高频次、精细化的监测。
技术实现思路
1、本发明的主要目的是提供一种基于无人机影像举证的耕地监测方法及系统,旨在解决采用人工实地举证来对耕地进行监测的方式效率低下的问题。
2、本发明提出的技术方案为:
3、一种基于无人机影像举证的耕地监测方法,应用于基于无人机影像举证的耕地监测系统;所述系统包括云服务器和无人机;无人机搭载有摄像模块;所述方法,包括:
4、云服务器获取监测区域的耕地基准图;
5、云服务器基于监测区域的地理位置数据确定无人机的优选航拍路径,其中,优选航拍路径包括多个处于监测区域内上空的航拍节点;
6、无人机按照优选航拍路径进行飞行,并通过摄像模块拍摄无人机依次飞行至各航拍节点时的实时俯拍图像,并发送至云服务器;
7、云服务器对实时俯拍图像进行预处理,生成监测区域的全景正射图像;
8、云服务器将全景正射图像与耕地基准图进行比对,识别得到耕地变化区域。
9、优选的,所述云服务器基于监测区域的地理位置数据确定无人机的优选航拍路径,包括:
10、云服务器获取摄像模块进行俯拍时的地面覆盖范围;
11、云服务器基于所述地面覆盖范围确定满足监测区域图像拼接重叠率要求的航拍节点间距,其中,航拍节点间距包括横向间距值和纵向间距值;
12、云服务器设定监测区域为一个闭合的多边形,以生成监测区域的最小外接矩形区域,并在最小外接矩形区域内生成矩阵网格,将落入闭合的多边形内部或边界上的矩阵网格的各网格交点作为航拍节点,其中,矩阵网格的网格单元的横向尺寸为所述横向间距值,矩阵网格的网格单位的纵向尺寸为所述纵向间距值;
13、云服务器基于航拍节点生成无人机的优选飞行路径,并将优选飞行路径发送至无人机。
14、优选的,所述云服务器获取摄像模块进行俯拍时的地面覆盖范围,包括:
15、云服务器获取无人机的飞行高度h、摄像模块的影像传感器的尺寸:ws×hs,影像传感器的镜头焦距:
f,其中,ws为所述影像传感器的尺寸中的横向尺寸,hs为所述影像传感器的尺寸中的纵向尺寸;
16、云服务器计算摄像模块进行俯拍时的地面覆盖范围为:
17、,
18、,
19、式中,为地面覆盖范围的横向尺寸;为地面覆盖范围的纵向尺寸。
20、优选的,所述云服务器基于所述地面覆盖范围确定满足监测区域图像拼接重叠率要求的航拍节点间距,包括:
21、云服务器确定监测区域图像拼接重叠率要求中的横向重叠率和纵向重叠率,其中,横向重叠率为,纵向重叠率为;
22、云服务器基于横向重叠率为计算横向间距值:
23、,
24、式中,为所述横向间距值;
25、云服务器基于纵向重叠率为计算纵向间距值:
26、,
27、式中,为所述纵向间距值。
28、优选的,所述云服务器基于航拍节点生成无人机的优选飞行路径,并将优选飞行路径发送至无人机,包括:
29、云服务器构建航拍节点集合p:
30、,
31、式中,n为航拍节点的总数量;
32、云服务器计算任意两个航拍节点和之间的欧氏距离:
33、,
34、式中,为航拍节点的横向坐标,为航拍节点的纵向坐标;为航拍节点的横向坐标,为航拍节点的纵向坐标;
35、云服务器设定无人机的初始起降点为,并构建(n+1)×(n+1)的距离矩阵d:
36、,
37、云服务器将无人机飞行距离最短作为所述优选飞行路径的优化目标,以确定所述优选飞行路径的优化目标函数为:
38、,
39、式中,为航拍节点访问顺序的序列,且满足:,表示航拍节点访问顺序中,开始航拍的起始位置是初始起降点;,表示无人机在访问完所有的n个航拍节点后,在第n+1个位置再次回到初始起降点;
40、云服务器采用遗传算法对所述优化目标函数进行优化,以得到最终的无人机飞行距离最短的航拍节点访问顺序,并作为优选飞行路径。
41、优选的,所述云服务器对实时俯拍图像进行预处理,生成监测区域的全景正射图像,包括:
42、云服务器调用影像清晰度评价算法计算各实时俯拍图像的清晰度分数,其中,每个航拍节点对应有多张实时俯拍图像;
43、云服务器将清晰度分数低于预设阈值的实时俯拍图像剔除;
44、云服务器对实时俯拍图像的每个像素点进行逆变换计算,以将各像素点重映射到校正后的无畸变位置;
45、云服务器使用双线性插值法填充校正至无畸变位置的像素点的灰度值,以生成消除畸变的实时俯拍图像,并标记为待校正图像;
46、云服务器对待校正图像进行正射校正,并将完成正射校正的图像标记为待拼合图像;
47、云服务器采用最小生成树算法,在相邻航拍节点所对应的待拼合图像之间的重叠区域搜索得到接缝线;
48、云服务器对待拼合图像进行加权平滑过渡,以使相邻航拍节点所对应的待拼合图像之间的接缝线彼此重合,从而得到拼接图;
49、云服务器根据直方图匹配调整各待拼合图像的对比度和亮度,以对拼接图进行全局匀光处理,并将完成全局匀光处理之后的拼接图作为整个监测区域的全景正射图像。
50、优选的,所述云服务器对待校正图像进行正射校正,并将完成正射校正的图像标记为待拼合图像,包括:
51、对于待校正图像上的各像素点,云服务器根据待校正图像的pos数据,以及摄像模块相机内参,构建中心投影光线方程;
52、云服务器从网络公开数据库中获取监测区域的数字表面模型,并基于数字表面模型和中心投影光线方程求解待校正图像中各像素点所对应的地表真实物方点,并确定地表真实物方点的二维坐标;
53、云服务器将待校正图像中的各像素点的位置坐标转换为所对应的地表真实物方点的二维坐标,以得到全景正射图像;
54、云服务器对全景正射图像中各像素点进行反算重采样,并采用最邻近法填充各像素点的像元值,并将填充完成的全景正射图像标记为待拼合图像。
55、优选的,所述云服务器将全景正射图像与耕地基准图进行比对,识别得到耕地变化区域,包括:
56、云服务器将全景正射图像与耕地基准图进行空间配准;
57、云服务器提取全景正射图像中各区域的植被指数,将植被指数大于或等于设定阈值的区域标记为植被区域,并将植被指数小于设定阈值的区域标记为为非植被区域;
58、云服务器获取耕地基准图中的耕地区域;
59、云服务器将非植被区域与耕地基准图中的耕地区域进行叠合对比,以判断耕地区域和非植被覆盖区域是否存在彼此相交的区域;
60、若存在彼此相交的区域,云服务器将耕地区域和非植被覆盖区域彼此相交的区域标记为耕地变化区域。
61、优选的,所述云服务器将全景正射图像与耕地基准图进行比对,识别得到耕地变化区域,之后还包括:
62、云服务器对全景正射图像中的耕地变化区域进行图像识别,以判断耕地变化区域是否满足第一预设条件,其中,所述第一预设条件为:耕地变化区域呈现建筑物特征或硬化地面特征;
63、若满足第一预设条件,云服务器判定耕地变化区域的违规类型为违规建设;
64、云服务器对全景正射图像中的耕地变化区域进行图像识别,以判断耕地变化区域是否满足第二预设条件,其中,所述第二预设条件为:耕地变化区域呈现非农作物植被特征或裸露地表特征;
65、若满足第二预设条件,云服务器判定耕地变化区域的违规类型为耕地流失;
66、云服务器生成耕地变化区域所对应的违规清单信息,其中,所述违规清单信息包括耕地变化区域中心位置的经纬度信息、耕地变化区域的面积、违规类型,以及违规发现时间。
67、本发明还提出一种基于无人机影像举证的耕地监测系统,应用基于无人机影像举证的耕地监测方法;所述系统包括云服务器和无人机;无人机搭载有摄像模块。
68、通过上述技术方案,能实现以下有益效果:
69、本发明提出的基于无人机影像举证的耕地监测方法能够解决采用人工实地举证来对耕地进行监测的方式效率低下的问题;控制无人机按照优选航拍路径进行飞行,并通过摄像模块拍摄无人机依次飞行至各航拍节点时的实时俯拍图像,并发送至云服务器;云服务器对实时俯拍图像进行预处理之后,将全景正射图像与先前获取的耕地基准图进行比对,从而识别得到耕地变化区域;即本技术通过无人机定期采集监测区域的实时俯拍图像,结合自动化的变化检测算法和违规判定规则,实现了从数据采集到违规识别的全流程自动化,无需人工实地举证,大大提高了耕地监测的效率。
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