CN112016484B - 植物侵扰评估方法、装置、计算机设备及存储介质 - Google Patents
植物侵扰评估方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN112016484B CN112016484B CN202010899549.4A CN202010899549A CN112016484B CN 112016484 B CN112016484 B CN 112016484B CN 202010899549 A CN202010899549 A CN 202010899549A CN 112016484 B CN112016484 B CN 112016484B
- Authority
- CN
- China
- Prior art keywords
- plant
- image
- vine
- crown
- coverage rate
- 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.)
- Active
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 43
- 230000009545 invasion Effects 0.000 title abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 58
- 238000000034 method Methods 0.000 claims abstract description 20
- 230000000007 visual effect Effects 0.000 claims abstract description 17
- 238000005070 sampling Methods 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 10
- 206010061217 Infestation Diseases 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 6
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 5
- 229910052799 carbon Inorganic materials 0.000 description 5
- 230000006870 function Effects 0.000 description 2
- 210000001525 retina Anatomy 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009919 sequestration Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Geometry (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及植物侵扰评估方法、装置、计算机设备及存储介质,该方法包括对所述初始图像进行正交处理和识别处理,以得到RGB图像数据;通过视觉图像解释RGB图像数据,以得到皇冠占用指数和藤本植物覆盖率;反馈所述皇冠占用指数和藤本植物覆盖率至终端,以在终端显示皇冠占用指数和藤本植物覆盖率。本发明通过选定具体的拍摄位置,并采用无人机进行植物图像拍摄,无人机可以实现不同区域的拍摄,覆盖更大地理区域范围,获取到无人机拍摄的图像后进行正交处理和识别处理,在采用视觉图像解释处理的结果,以此计算评估植物侵扰的两个参数即皇冠占用指数和藤本植物覆盖率,自动化进行植物侵扰评估,效率高,局限性小。
Description
技术领域
本发明涉及植物评估方法,更具体地说是指植物侵扰评估方法、装置、计算机设备及存储介质。
背景技术
热带森林存储和隔离大量碳,缓解气候问题,藤本植物是森林的重要组成部分,在天篷中最显著。藤本植物可以减少森林碳吸收,因此,可能会限制森林的碳储存,造成全球气候变化。传统的从树冠上评估藤本植物侵染地面,是劳动密集型且困难的,特别是对于上层雨篷层。
目前对于植物侵染的问题,大多采用人工评估的方式决定如何处理,这种方式效率低下,且无法覆盖更大的地理区域范围,而且对于一些特殊地域的植物则无法进行实地拍摄和评估,局限性大。
因此,有必要设计一种新的方法,实现高效率且覆盖更大地理区域范围的植物侵扰评估,局限性小。
发明内容
本发明的目的在于克服现有技术的缺陷,提供植物侵扰评估方法、装置、计算机设备及存储介质。
为实现上述目的,本发明采用以下技术方案:植物侵扰评估方法,包括:
获取无人机拍摄所得的植物图像,以得到初始图像;
对所述初始图像进行正交处理和识别处理,以得到RGB图像数据;
通过视觉图像解释RGB图像数据,以得到皇冠占用指数和藤本植物覆盖率;
反馈所述皇冠占用指数和藤本植物覆盖率至终端,以在终端显示皇冠占用指数和藤本植物覆盖率。
其进一步技术方案为:所述获取无人机拍摄所得的植物图像,以得到初始图像,包括:
确定拍摄地块,标记图片捕获点并调整无人机的GPS位置和高度;
获取无人机在图片捕获点所拍摄得到的植物图像,以得到初始图像。
其进一步技术方案为:所述对所述初始图像进行正交处理和识别处理,以得到RGB图像数据,包括:
将所述初始图像进行二维正射影像处理,以得到正交图像;
将正交图像输入至ArcGIS中进行植物的识别,以得到RGB图像数据。
其进一步技术方案为:所述通过视觉图像解释RGB图像数据,以得到皇冠占用指数和藤本植物覆盖率,包括:
通过FREAK算法对所述RGB图像数据进行特征提取,以得到植物相关特征;
利用所述植物相关特征计算皇冠占用指数和藤本植物覆盖率。
其进一步技术方案为:所述通过FREAK算法对所述RGB图像数据进行特征提取,以得到植物相关特征,包括:
对所述RGB图像数据进行采样,以得到采样点;
对采样点进行特征描述,以得到特征点;
确定特征点的方向并进行特征点匹配,以得到植物相关特征。
本发明还提供了植物侵扰评估装置,包括:
图像获取单元,用于获取无人机拍摄所得的植物图像,以得到初始图像;
处理单元,用于对所述初始图像进行正交处理和识别处理,以得到RGB图像数据;
解释单元,用于通过视觉图像解释RGB图像数据,以得到皇冠占用指数和藤本植物覆盖率;
反馈单元,用于反馈所述皇冠占用指数和藤本植物覆盖率至终端,以在终端显示皇冠占用指数和藤本植物覆盖率。
其进一步技术方案为:所述图像获取单元包括:
位置确定子单元,用于确定拍摄地块,标记图片捕获点并调整无人机的GPS位置和高度;
初始图像获取子单元,用于获取无人机在图片捕获点所拍摄得到的植物图像,以得到初始图像。
其进一步技术方案为:所述处理单元包括:
正交处理子单元,用于将所述初始图像进行二维正射影像处理,以得到正交图像;
识别子单元,用于将正交图像输入至ArcGIS中进行单棵植物的识别,以得到RGB图像数据。
本发明还提供了一种计算机设备,所述计算机设备包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现上述的方法。
本发明还提供了一种存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时可实现上述的方法。
本发明与现有技术相比的有益效果是:本发明通过选定具体的拍摄位置,并采用无人机进行植物图像拍摄,无人机可以实现不同区域的拍摄,覆盖更大地理区域范围,获取到无人机拍摄的图像后进行正交处理和识别处理,在采用视觉图像解释处理的结果,以此计算评估植物侵扰的两个参数即皇冠占用指数和藤本植物覆盖率,自动化进行植物侵扰评估,效率高,局限性小。
下面结合附图和具体实施例对本发明作进一步描述。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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的附图。
图1为本发明实施例提供的植物侵扰评估方法的应用场景示意图;
图2为本发明实施例提供的植物侵扰评估方法的流程示意图;
图3为本发明实施例提供的植物侵扰评估方法的子流程示意图;
图4为本发明实施例提供的植物侵扰评估方法的子流程示意图;
图5为本发明实施例提供的植物侵扰评估方法的子流程示意图;
图6为本发明实施例提供的植物侵扰评估方法的子流程示意图;
图7为本发明实施例提供的植物侵扰评估装置的示意性框图;
图8为本发明实施例提供的计算机设备的示意性框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
请参阅图1和图2,图1为本发明实施例提供的植物侵扰评估方法的应用场景示意图。图2为本发明实施例提供的植物侵扰评估方法的示意性流程图。该植物侵扰评估方法应用于服务器中,该服务器与终端以及带有摄像装置的无人机进行数据交互,通过无人机拍摄某一位置的植物图像,再对该图像进行识别和解释,以得到用于评估植物侵扰程度的参数,并反馈至终端显示。采用无人机拍摄图像并结合服务器进行自动评估,实现高效率且覆盖更大地理区域范围的植物侵扰评估,局限性小。
图2是本发明实施例提供的植物侵扰评估方法的流程示意图。如图2所示,该方法包括以下步骤S110至S140。
S110、获取无人机拍摄所得的植物图像,以得到初始图像。
在本实施例中,初始图像是指由无人机拍摄的某一位置的植物相关图片。
其中,无人机具有集成的标准三波段摄像机,用于收集航空影像数据。树木冠层的无人机可以很容易地捕获图像数据,准确地用于评估藤本植物侵扰。
在一实施例中,请参阅图3,上述的步骤S110可包括步骤S111~S112。
S111、确定拍摄地块,标记图片捕获点并调整无人机的GPS位置和高度;
S112、获取无人机在图片捕获点所拍摄得到的植物图像,以得到初始图像。
选定地块,标记图片捕获点,确定无人机的GPS位置和高度。确定无人机与树冠间隙足够大,以允许无人机发射/降落并驾驶通过,以确保最大程度地控制最小的碰撞风险。确保无人机飞行在安静的条件以防止风对树叶的影响,并在可能的情况下甚至在有云遮盖时确保摄像范围并最大程度地减少顶篷的阴影,以改善图像清晰度和辅助藤本植物鉴定。选用四轴无人机配备集成的三波段摄像机即RGB摄像机、视野镜以及云台,其中,视野镜可减少鱼眼,避免图像失真,降低图像模糊。无人机拥有GPS和GLONASS定位,以实现长达23分钟的自主飞行。设定无人机飞行速度为4m/s,飞行高度为海拔30和60m。在海拔30和60m上方拍摄图像以捕获冠层。
S120、对所述初始图像进行正交处理和识别处理,以得到RGB图像数据。
在本实施例中,RGB图像数据是指ArcGIS编辑可得的单个的植物对象的图像。
在一实施例中,请参阅图4,上述的步骤S120可包括步骤S121~S122。
S121、将所述初始图像进行二维正射影像处理,以得到正交图像。
在本实施例中,正交图像是指将初始图像进行地理参考投影所得的图像。
S122、将正交图像输入至ArcGIS中进行植物的识别,以得到RGB图像数据。
将初始图像组装形成一个二维正射影像,对于每个初始图像,地理参考投影到WGS84 UTM Zone 50N坐标系,使用Agisoft PhotoScan 1.3.0版。将正交图像导出到ArcGIS中以进行识别单棵树,由初始图像补充,以提供必要时从不同角度观看多个视图。30m内的初始图像用于所有分析;60m内的初始图像用于比较不同的空间分辨率。
在本实施例中,ArcGIS产品线为用户提供一个可伸缩的,全面的GIS(地理信息***,Geographic Information System或Geo-Information system)平台。ArcObjects包含了许多的可编程组件,从细粒度的对象例如单个的几何对象到粗粒度的对象例如与现有ArcMap文档交互的地图对象涉及面极广,这些对象为开发者集成了全面的GIS功能。
S130、通过视觉图像解释RGB图像数据,以得到皇冠占用指数和藤本植物覆盖率。
在本实施例中,皇冠占用指数表示藤本植物负载简单的5点树冠序数标度,标度包括(0)在冠,(1)1%–25%,(2)26%–50%,(3)51%–75%和(4)>75%藤本植物叶子覆盖的树冠。该指数是广泛用于藤本植物研究并准确测量藤本植物负荷在单独的树上和站点级别。
藤本植物覆盖率是更详细的估算,表示为四个罗盘象限的平均值,树冠在视觉上被***,树冠的百分比被覆盖藤本植物估计到最接近的5%。
在本实施例中,每棵≥10cm DBH的树分配了一个指示光照水平的值。使用表冠照度指数接收其表冠。该序数尺度指数相当于顶篷身高:1=下层,2=下顶篷,3=中顶篷,4=顶篷,5=紧急;它有助于在无人机图像数据上识别个别树木。
在一实施例中,请参阅图5,上述的步骤S130可包括步骤S131~S132。
S131、通过FREAK算法对所述RGB图像数据进行特征提取,以得到植物相关特征。
在本实施例中,植物相关特征是指利用人眼视网膜接收图像信息的采样模型采样所得的采样点,并且经过描述和方向确定以及匹配后的特征点。
在一实施例中,请参阅图6,上述的步骤S131可包括步骤S1311~S1313。
S1311、对所述RGB图像数据进行采样,以得到采样点。
在本实施例中,采样点是指采取接近于人眼视网膜接收图像信息的采样模型进行采样所得的特征点。
具体地,特征点检测是特征点匹配的第一个阶段,FAST算法是一种可以快速检测特征点的算法,FAST算法包括Fovea和Para;Fovea主要是对高精度的图像信息进行处理,Para主要是对低精度的图像信息进行处理。采样点为:6、6、6、6、6、6、6、1,1是特征点。
S1312、对采样点进行特征描述,以得到特征点。
F表示二进制描述子,Pa是采样点对,与BRISK同理,N表示期望的二进制编码长度。 表示采样点对Pa中前一个采样点的像素值,同理,/>表示后一个采样点的像素值。
S1313、确定特征点的方向并进行特征点匹配,以得到植物相关特征。
用O表示局部梯度信息,M表示采样点对个数,G表示采样点对集合,Po表示采样点对的位置,则
选取前128bit即16bytes进行匹配即异或,若两个待匹配的特征点前16bytes距离小于设定的阈值,则再用剩余的位信息进行匹配。
S132、利用所述植物相关特征计算皇冠占用指数和藤本植物覆盖率。
通过拍摄的图像判断,藤本植物与雨林其他植物所占的面积比得出覆盖率。
S140、反馈所述皇冠占用指数和藤本植物覆盖率至终端,以在终端显示皇冠占用指数和藤本植物覆盖率。
通过视觉解释图像,可提高藤本植物侵扰判断的结果和质量控制。无人机使藤本植物数据收集更广泛,使研究人员和森林管理人员在前所未有的空间上对藤本植物进行冠层监测和制图;森林藤本植物侵扰评估基于无人机的调查包括图像收集、图像处理和视觉解释,速度更快且更具成本效益,且覆盖更大的地理区域范围,比传统的地面调查更广泛。掌握藤本植物侵扰随时间和空间的变化对于评估藤本植物对全球碳平衡影响大,对于了解藤本植物的位置和变化的森林管理特别有用。对植物侵扰进行评估可实现针对性的进行森林管理,增强碳固存和森林恢复。
上述的植物侵扰评估方法,通过选定具体的拍摄位置,并采用无人机进行植物图像拍摄,无人机可以实现不同区域的拍摄,覆盖更大地理区域范围,获取到无人机拍摄的图像后进行正交处理和识别处理,在采用视觉图像解释处理的结果,以此计算评估植物侵扰的两个参数即皇冠占用指数和藤本植物覆盖率,自动化进行植物侵扰评估,效率高,局限性小。
图7是本发明实施例提供的一种植物侵扰评估装置300的示意性框图。如图7所示,对应于以上植物侵扰评估方法,本发明还提供一种植物侵扰评估装置300。该植物侵扰评估装置300包括用于执行上述植物侵扰评估方法的单元,该装置可以被配置于服务器中。具体地,请参阅图7,该植物侵扰评估装置300包括图像获取单元301、处理单元302、解释单元303以及反馈单元304。
图像获取单元301,用于获取无人机拍摄所得的植物图像,以得到初始图像;处理单元302,用于对所述初始图像进行正交处理和识别处理,以得到RGB图像数据;解释单元303,用于通过视觉图像解释RGB图像数据,以得到皇冠占用指数和藤本植物覆盖率;反馈单元304,用于反馈所述皇冠占用指数和藤本植物覆盖率至终端,以在终端显示皇冠占用指数和藤本植物覆盖率。
在一实施例中,所述图像获取单元301包括位置确定子单元以及初始图像获取子单元。
位置确定子单元,用于确定拍摄地块,标记图片捕获点并调整无人机的GPS位置和高度;初始图像获取子单元,用于获取无人机在图片捕获点所拍摄得到的植物图像,以得到初始图像。
在一实施例中,所述处理单元302包括正交处理子单元以及识别子单元。
正交处理子单元,用于将所述初始图像进行二维正射影像处理,以得到正交图像;识别子单元,用于将正交图像输入至ArcGIS中进行单棵植物的识别,以得到RGB图像数据。
在一实施例中,所述解释单元303包括特征提取子单元以及计算子单元。
特征提取子单元,用于通过FREAK算法对所述RGB图像数据进行特征提取,以得到植物相关特征;计算子单元,用于利用所述植物相关特征计算皇冠占用指数和藤本植物覆盖率。
在一实施例中,所述特征提取子单元包括采样模块、描述模块以及匹配模块。
采样模块,用于对所述RGB图像数据进行采样,以得到采样点;描述模块,用于对采样点进行特征描述,以得到特征点;匹配模块,用于确定特征点的方向并进行特征点匹配,以得到植物相关特征。
需要说明的是,所属领域的技术人员可以清楚地了解到,上述植物侵扰评估装置300和各单元的具体实现过程,可以参考前述方法实施例中的相应描述,为了描述的方便和简洁,在此不再赘述。
上述植物侵扰评估装置300可以实现为一种计算机程序的形式,该计算机程序可以在如图8所示的计算机设备上运行。
请参阅图8,图8是本申请实施例提供的一种计算机设备的示意性框图。该计算机设备500可以是服务器,其中,服务器可以是独立的服务器,也可以是多个服务器组成的服务器集群。
参阅图8,该计算机设备500包括通过***总线501连接的处理器502、存储器和网络接口505,其中,存储器可以包括非易失性存储介质503和内存储器504。
该非易失性存储介质503可存储操作***5031和计算机程序5032。该计算机程序5032包括程序指令,该程序指令被执行时,可使得处理器502执行一种植物侵扰评估方法。
该处理器502用于提供计算和控制能力,以支撑整个计算机设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境,该计算机程序5032被处理器502执行时,可使得处理器502执行一种植物侵扰评估方法。
该网络接口505用于与其它设备进行网络通信。本领域技术人员可以理解,图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备500的限定,具体的计算机设备500可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
其中,所述处理器502用于运行存储在存储器中的计算机程序5032,以实现如下步骤:
获取无人机拍摄所得的植物图像,以得到初始图像;对所述初始图像进行正交处理和识别处理,以得到RGB图像数据;通过视觉图像解释RGB图像数据,以得到皇冠占用指数和藤本植物覆盖率;反馈所述皇冠占用指数和藤本植物覆盖率至终端,以在终端显示皇冠占用指数和藤本植物覆盖率。
在一实施例中,处理器502在实现所述获取无人机拍摄所得的植物图像,以得到初始图像步骤时,具体实现如下步骤:
确定拍摄地块,标记图片捕获点并调整无人机的GPS位置和高度;获取无人机在图片捕获点所拍摄得到的植物图像,以得到初始图像。
在一实施例中,处理器502在实现所述对所述初始图像进行正交处理和识别处理,以得到RGB图像数据步骤时,具体实现如下步骤:
将所述初始图像进行二维正射影像处理,以得到正交图像;将正交图像输入至ArcGIS中进行植物的识别,以得到RGB图像数据。
在一实施例中,处理器502在实现所述通过视觉图像解释RGB图像数据,以得到皇冠占用指数和藤本植物覆盖率步骤时,具体实现如下步骤:
通过FREAK算法对所述RGB图像数据进行特征提取,以得到植物相关特征;利用所述植物相关特征计算皇冠占用指数和藤本植物覆盖率。
在一实施例中,处理器502在实现所述通过FREAK算法对所述RGB图像数据进行特征提取,以得到植物相关特征步骤时,具体实现如下步骤:
对所述RGB图像数据进行采样,以得到采样点;对采样点进行特征描述,以得到特征点;确定特征点的方向并进行特征点匹配,以得到植物相关特征。
应当理解,在本申请实施例中,处理器502可以是中央处理单元302(CentralProcessing Unit,CPU),该处理器502还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(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、分立硬件组件等。其中,通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成。该计算机程序包括程序指令,计算机程序可存储于一存储介质中,该存储介质为计算机可读存储介质。该程序指令被该计算机***中的至少一个处理器执行,以实现上述方法的实施例的流程步骤。
因此,本发明还提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序,其中该计算机程序被处理器执行时使处理器执行如下步骤:
获取无人机拍摄所得的植物图像,以得到初始图像;对所述初始图像进行正交处理和识别处理,以得到RGB图像数据;通过视觉图像解释RGB图像数据,以得到皇冠占用指数和藤本植物覆盖率;反馈所述皇冠占用指数和藤本植物覆盖率至终端,以在终端显示皇冠占用指数和藤本植物覆盖率。
在一实施例中,所述处理器在执行所述计算机程序而实现所述获取无人机拍摄所得的植物图像,以得到初始图像步骤时,具体实现如下步骤:
确定拍摄地块,标记图片捕获点并调整无人机的GPS位置和高度;获取无人机在图片捕获点所拍摄得到的植物图像,以得到初始图像。
在一实施例中,所述处理器在执行所述计算机程序而实现所述对所述初始图像进行正交处理和识别处理,以得到RGB图像数据步骤时,具体实现如下步骤:
将所述初始图像进行二维正射影像处理,以得到正交图像;将正交图像输入至ArcGIS中进行植物的识别,以得到RGB图像数据。
在一实施例中,所述处理器在执行所述计算机程序而实现所述通过视觉图像解释RGB图像数据,以得到皇冠占用指数和藤本植物覆盖率步骤时,具体实现如下步骤:
通过FREAK算法对所述RGB图像数据进行特征提取,以得到植物相关特征;利用所述植物相关特征计算皇冠占用指数和藤本植物覆盖率。
在一实施例中,所述处理器在执行所述计算机程序而实现所述通过FREAK算法对所述RGB图像数据进行特征提取,以得到植物相关特征步骤时,具体实现如下步骤:
对所述RGB图像数据进行采样,以得到采样点;对采样点进行特征描述,以得到特征点;确定特征点的方向并进行特征点匹配,以得到植物相关特征。
所述存储介质可以是U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的。例如,各个单元的划分,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。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元302中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。
该集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或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,终端,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (9)
1.植物侵扰评估方法,其特征在于,包括:
获取无人机拍摄所得的植物图像,以得到初始图像;
对所述初始图像进行正交处理和识别处理,以得到RGB图像数据;
通过视觉图像解释RGB图像数据,以得到皇冠占用指数和藤本植物覆盖率;
反馈所述皇冠占用指数和藤本植物覆盖率至终端,以在终端显示皇冠占用指数和藤本植物覆盖率;
所述通过视觉图像解释RGB图像数据,以得到皇冠占用指数和藤本植物覆盖率,包括:
通过FREAK算法对所述RGB图像数据进行特征提取,以得到植物相关特征;
利用所述植物相关特征计算皇冠占用指数和藤本植物覆盖率,具体地,通过拍摄的图像判断,藤本植物与雨林其他植物所占的面积比得出覆盖率。
2.根据权利要求1所述的植物侵扰评估方法,其特征在于,所述获取无人机拍摄所得的植物图像,以得到初始图像,包括:
确定拍摄地块,标记图片捕获点并调整无人机的GPS位置和高度;
获取无人机在图片捕获点所拍摄得到的植物图像,以得到初始图像。
3.根据权利要求1所述的植物侵扰评估方法,其特征在于,所述对所述初始图像进行正交处理和识别处理,以得到RGB图像数据,包括:
将所述初始图像进行二维正射影像处理,以得到正交图像;
将正交图像输入至ArcGIS中进行植物的识别,以得到RGB图像数据。
4.根据权利要求1所述的植物侵扰评估方法,其特征在于,所述通过FREAK算法对所述RGB图像数据进行特征提取,以得到植物相关特征,包括:
对所述RGB图像数据进行采样,以得到采样点;
对采样点进行特征描述,以得到特征点;
确定特征点的方向并进行特征点匹配,以得到植物相关特征。
5.植物侵扰评估装置,其特征在于,包括:
图像获取单元,用于获取无人机拍摄所得的植物图像,以得到初始图像;
处理单元,用于对所述初始图像进行正交处理和识别处理,以得到RGB图像数据;
解释单元,用于通过视觉图像解释RGB图像数据,以得到皇冠占用指数和藤本植物覆盖率;
反馈单元,用于反馈所述皇冠占用指数和藤本植物覆盖率至终端,以在终端显示皇冠占用指数和藤本植物覆盖率;
所述解释单元包括特征提取子单元以及计算子单元;
特征提取子单元,用于通过FREAK算法对所述RGB图像数据进行特征提取,以得到植物相关特征;计算子单元,用于利用所述植物相关特征计算皇冠占用指数和藤本植物覆盖率,具体地,通过拍摄的图像判断,藤本植物与雨林其他植物所占的面积比得出覆盖率。
6.根据权利要求5所述的植物侵扰评估装置,其特征在于,所述图像获取单元包括:
位置确定子单元,用于确定拍摄地块,标记图片捕获点并调整无人机的GPS位置和高度;
初始图像获取子单元,用于获取无人机在图片捕获点所拍摄得到的植物图像,以得到初始图像。
7.根据权利要求6所述的植物侵扰评估装置,其特征在于,所述处理单元包括:
正交处理子单元,用于将所述初始图像进行二维正射影像处理,以得到正交图像;
识别子单元,用于将正交图像输入至ArcGIS中进行单棵植物的识别,以得到RGB图像数据。
8.一种计算机设备,其特征在于,所述计算机设备包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至4中任一项所述的方法。
9.一种存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时可实现如权利要求1至4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010899549.4A CN112016484B (zh) | 2020-08-31 | 2020-08-31 | 植物侵扰评估方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010899549.4A CN112016484B (zh) | 2020-08-31 | 2020-08-31 | 植物侵扰评估方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112016484A CN112016484A (zh) | 2020-12-01 |
CN112016484B true CN112016484B (zh) | 2024-04-05 |
Family
ID=73504022
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010899549.4A Active CN112016484B (zh) | 2020-08-31 | 2020-08-31 | 植物侵扰评估方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112016484B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115455408B (zh) * | 2022-09-14 | 2023-04-07 | 中国电子科技集团公司第十五研究所 | 一种网络空间推演与安全评估方法及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106056069A (zh) * | 2016-05-27 | 2016-10-26 | 刘文萍 | 基于无人机图像分析的林地资源资产评估方法及其评估*** |
CN106384383A (zh) * | 2016-09-08 | 2017-02-08 | 哈尔滨工程大学 | 一种基于fast和freak特征匹配算法的rgb‑d和slam场景重建方法 |
CN106530346A (zh) * | 2016-11-17 | 2017-03-22 | 山东省林业科学研究院 | 一种柏科植物冠形图像分析方法 |
CN108020211A (zh) * | 2017-12-01 | 2018-05-11 | 云南大学 | 一种无人机航空摄影估测入侵植物生物量的方法 |
CN108764199A (zh) * | 2018-06-06 | 2018-11-06 | 中国农业科学院深圳农业基因组研究所 | 入侵植物薇甘菊的自动识别方法及*** |
CN109117811A (zh) * | 2018-08-24 | 2019-01-01 | 颜俊君 | 一种基于低空遥感测量技术估算城市植被覆盖率的***及方法 |
JP2019037198A (ja) * | 2017-08-28 | 2019-03-14 | 東京電力ホールディングス株式会社 | 植生被度判定方法および植生被度判定装置 |
CN111080529A (zh) * | 2019-12-23 | 2020-04-28 | 大连理工大学 | 一种加强鲁棒性的无人机航拍图像拼接方法 |
-
2020
- 2020-08-31 CN CN202010899549.4A patent/CN112016484B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106056069A (zh) * | 2016-05-27 | 2016-10-26 | 刘文萍 | 基于无人机图像分析的林地资源资产评估方法及其评估*** |
CN106384383A (zh) * | 2016-09-08 | 2017-02-08 | 哈尔滨工程大学 | 一种基于fast和freak特征匹配算法的rgb‑d和slam场景重建方法 |
CN106530346A (zh) * | 2016-11-17 | 2017-03-22 | 山东省林业科学研究院 | 一种柏科植物冠形图像分析方法 |
JP2019037198A (ja) * | 2017-08-28 | 2019-03-14 | 東京電力ホールディングス株式会社 | 植生被度判定方法および植生被度判定装置 |
CN108020211A (zh) * | 2017-12-01 | 2018-05-11 | 云南大学 | 一种无人机航空摄影估测入侵植物生物量的方法 |
CN108764199A (zh) * | 2018-06-06 | 2018-11-06 | 中国农业科学院深圳农业基因组研究所 | 入侵植物薇甘菊的自动识别方法及*** |
CN109117811A (zh) * | 2018-08-24 | 2019-01-01 | 颜俊君 | 一种基于低空遥感测量技术估算城市植被覆盖率的***及方法 |
CN111080529A (zh) * | 2019-12-23 | 2020-04-28 | 大连理工大学 | 一种加强鲁棒性的无人机航拍图像拼接方法 |
Non-Patent Citations (2)
Title |
---|
利用无人机遥感技术提取农作物植被覆盖度方法研究;王猛;隋学艳;梁守真;侯学会;梁永全;;作物杂志(03);全文 * |
基于NDVI的新疆荒漠地区植被覆盖度遥感估算经验模型研究;岳健;穆桂金;唐自华;杨雪峰;林永崇;徐立帅;;干旱区地理(01);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112016484A (zh) | 2020-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Singh et al. | A meta-analysis and review of unmanned aircraft system (UAS) imagery for terrestrial applications | |
US10699119B2 (en) | Methods and systems for automatic object detection from aerial imagery | |
JP6771449B2 (ja) | 航空画像からの自動物体検出のための方法およびシステム | |
Baron et al. | Combining image processing and machine learning to identify invasive plants in high-resolution images | |
CN111666855B (zh) | 基于无人机的动物三维参数提取方法、***及电子设备 | |
David et al. | Vegetation indices and textures in object-based weed detection from UAV imagery | |
Aliero et al. | The usefulness of unmanned airborne vehicle (UAV) imagery for automated palm oil tree counting | |
CN113705108A (zh) | 实时滑坡灾害监测预警方法及*** | |
Mathews | Object-based spatiotemporal analysis of vine canopy vigor using an inexpensive unmanned aerial vehicle remote sensing system | |
Panagiotidis et al. | Detection of fallen logs from high-resolution UAV images | |
US10546216B1 (en) | Recurrent pattern image classification and registration | |
Domozi et al. | Real time object detection for aerial search and rescue missions for missing persons | |
CN112016484B (zh) | 植物侵扰评估方法、装置、计算机设备及存储介质 | |
KR20200059521A (ko) | 산사태 발생 영역 자동 탐지 장치 및 탐지 방법 | |
CN112215186B (zh) | 沼泽湿地植被分类方法、装置、计算机设备及存储介质 | |
CN113474635A (zh) | 图像处理设备、图像处理方法和程序 | |
TWI785436B (zh) | 自航拍影像偵測物體之系統、偵測航拍影像內物體之方法及其非暫態電腦可讀取媒體 | |
CN113537198B (zh) | 一种无人机图像采集时自动拍照的控制方法 | |
CN115294467A (zh) | 茶叶病害的检测方法及相关装置 | |
US10553022B2 (en) | Method of processing full motion video data for photogrammetric reconstruction | |
JP6524842B2 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
Torres-Sánchez et al. | Mapping olive-tree geometric features from 3D models generated with an unmanned aerial vehicle | |
Felix et al. | Comparing pixel-and object-based forest canopy gaps classification using low-cost unmanned aerial vehicle imagery | |
Iwaszenko et al. | Computer Software for Selected Plant Species Segmentation on Airborne Images | |
Burnett | Environmental Remote Sensing with Unmanned Aircraft Systems |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |