一种基于深度学习和无人机航拍的湖泊湿地作物面积测绘方法及相关算法与流程

1.本发明涉及无人机航拍领域、测绘领域以及计算机算法领域，尤其是图像处理和深度学习等人工智能算法。


背景技术：

2.随着科技的发展，无人机设备逐渐普及，同时无人机携带的摄像头成像质量不断提高，使得无人机低空航拍图像可以清晰反映测绘区域，在后期分析测绘区域内容时更加精准，更加精细。但是传统的测绘，大多仍然基于gps点位的方式，通过大量记录gps点位，对区域面积进行拟合。该方法在计算测绘区域面积存在着较大的误差，同时也无法做到像基于航拍图像的测绘方法那样，给出更精细的分析。因此有必要提出一种基于无人机航拍的测绘方法。
3.传统的测绘时，若测绘区域存在待统计样本的混合分布时，只能依靠测绘人员的经验判断其分布比例。需要引进一种人工智能算法，来自动判断测绘区域的待统计样本分布以及分布比例。
4.本发明提出的一种基于深度学习和无人机航拍的湖泊湿地作物面积测绘方法及相关算法在测绘的精确度和准确度方面，均优于传统测绘方法。


技术实现要素：

5.本发明的目的在于提供一种湖泊湿地作物面积测绘方法，旨在解决以往湖泊湿地作物面积测绘时，操作难度高，人工成本高，以及精确度和准确度不高的问题。
6.本发明的技术方案如下：
7.一种基于深度学习和无人机航拍的湖泊湿地作物面积测绘方法及相关算法，所述方法包括一套航拍图像采集方案，一套平面正视投影图像投影算法，一套基于人工智能的水生植物区域分割算法，一套水生植物面积统计算法。
8.本发明所述的航拍图像采集方案，规定了图像采集过程中，无人机的飞行轨迹和图像可视范围的重叠方式，使得采集到的图像可以真实的反映测绘区域。
9.本发明所述的平面正视投影图像生成算法，根据图像中携带的定位信息和方向信息，获取图像之间的邻近关系，再根据一定的算法，将众多图像拼接成一个较大的区域平面正视投影图。
10.本发明所述的平面正视投影图像生成算法，在生成一个较大的区域平面正视投影图的同时，根据图像中gps位置之间实际物理距离，并结合gps位置点之间对应的像素个数，得到每个像素点对应的实际物理长度，供统计面积时使用。
11.本发明所述的基于深度学习的水生植物区域分割算法，通过对语义分割算法的训练，得到一个可以将平面正视投影图中，不同的水生植物区分开来的人工智能算法模型，进而得到测绘区域的水生植物分布图。该分布图可以清晰显示不同的水生植物在测绘区域内
的分布情况以及形状轮廓，甚至可以与历年的历史信息进行比较，并结合一定的预测算法，预测未来的发展趋势。
12.本发明所述的水草区域识别算法和面积统计方法，对不同水生植物，根据其分布图，结合单个像素代表的实际物理尺寸，得到最终的实际面积。
13.本发明所述的方法，结合了当前先进的无人机航拍技术，减少了人工测算gps点位的工作量。根据湖泊水生植物分布位置无较大高度变化的实际情况，提出了一种新的平面正视投影图像的计算算法，降低了对计算机算力的依赖，并减少了计算时间。同时，利用最新的人工智能分割算法对水生植物区域进行分割，大大减少了人工判断水生植物区域的工作量，并且降低了在分割过程中，对经验的依赖和人工判断的影响，提高了分割的准确度。最后，由于传统测绘方法依赖于gps点位，出于对船只安全的考虑，在水面上的点位并不能精确的贴近其真实的位置，统计结果存在较大的误差。而本发明基于图像分析，可以真实描绘出水生植物的准确位置，大大降低的统计误差。
附图说明
14.图1为水生植物宽度较小时，无人机飞行方向宽度可覆盖时的飞行方案图。
15.图2为水生植物宽度较大时，无人机飞行方向宽度无法覆盖时的s型平扫飞行方案图。
16.图3为优化的四相邻图像拼接方案示意图。
17.图4为水生植物自动识别方案图。
具体实施方式
18.下面结合附图对本发明进一步说明。
19.实施例1：
20.如图1所示，若沿着岸边的水生植物宽度，可以被无人机飞行方向的宽度覆盖，则无人机沿着当前方向飞行一次即可。无人机机身位置水生植物区域水平方向的中心位置，有助于降低水平方向中，由镜头成像原因造成的畸变，降低面积统计的误差。相邻两个图像至少有50％的重叠区域，垂直方向图像拼接时，可以获得更多的相似区域，获得更好的拼接效果。
21.实施例2：
22.如图2所示，若沿着岸边的水生植物，向湖泊内部延伸较多，无人机飞行方向的宽度无法覆盖，需要控制无人机对测绘区域进行s形平扫拍摄，垂直方向与图1所示相同，水平方向也需要有50％以上的重叠区域。
23.实施例3：
24.如图3所示(图中四周的图像实际上是到中间图像有50％重叠区域，为了说明情况，将其分开)，无人机采集的图像中，携带拍摄时的gps位置信息和飞行的方向信息。根据gps位置信息，对拍摄图像进行排序，以获得每张图像在图像集中，四个方向上距离最近的一个图像。结合四个相邻图像，对每张图像及其相邻图像，在纠正其畸变后，进行图像融合，直到图像集中所有图像都融合到大的图像中，得到航拍区域的拼接图。
25.具体的拼接过程中，中间图像以黑色和蓝色的区域作为匹配的模板，在左边的图
像中，寻找与这两个区域最相近的位置，校正航拍时轻微的错位，以达到更好的拼接效果。同样中间图像以黑色和绿色区域作为模板，在下方图像中寻找最相近的位置，依次类推到所有非边缘图像。该过各以图像矩阵中最中间的一个为起始图像。
26.在获得拼接图后，结合gps对应的实际物理距离以及拼接图像有效的像素距离，计算出单个像素代表的实际物理长度。
27.最后，对所有图像的飞行方向进行统计，取其加权平均值得到拼接图像的方向信息。按地图的形式，以垂直方向为南北方向，左右方向为东西方向，对拼接图像进行旋转，得到测绘区域最终的拼接图像。
28.实施例4：
29.如图4所示，将测绘区域拼接图像，输入训练好的人工智能分割网络中，该人工智能分割网络对不同的水生植物进行识别，输出一个与输入图像大小一致的水生植物分布图，以不同的颜色的像素对不同的水生植物加以区分。
30.实施例5：
31.在获得分割的水生植物分布图后，结合单个像素代表的实际物理长度，根据公式统计出水生植物的实际面积。
32.面积＝像素数*(像素物理尺寸)2。


技术特征：
1.一种基于深度学习和无人机航拍的湖泊湿地作物面积测绘方法及相关算法，所述方法包含航拍图像采集方案、平面正视投影图像生成算法、湿地作物区域识别算法和面积统计方法。2.根据权利1所述的航拍图像采集方案，根据该采集方案所采集的图像，在平面正视图像生成算法中可以获得较高质量平面正视图像。3.根据权利2所述的航拍图像采集方案和权利1所述的平面正视投影图像生成算法，生成一幅航拍区域的高清鸟瞰图，同时输出每个该航拍区域每个像素点对应物理尺寸。4.根据权利3所述的航拍高清鸟瞰图和权利1所述的水草区域识别算法，将高清图像输入训练好的深度学习网络，生成芦苇、湿地、蒿草等水生植物的分割图像。5.根据权利4生成的芦苇、湿地、蒿草等水生植物分割图像，权利3输出的航拍区域像素点对应物理尺寸，和权利1所述统计芦苇、湿地、蒿草面积的方法，计算芦苇、湿地、蒿草等水生植物的实际面积。6.根据权利5计算的芦苇、湿地、蒿草等水生植物的实际面积，生成最终的报告。

技术总结
本发明公开了一种基于深度学习和无人机航拍的湖泊湿地作物面积测绘方法及相关算法，本测绘方法涉及航拍图像采集方案、平面正视投影图像生成算法、湿地作物区域识别和分割算法以及面积统计方法。航拍图像采集方案规定了无人机采集图像的要求；平面正视投影图像生成算法描述了基于无人机采集的图像，生成拍摄区域平面正视投影图像的算法；湿地作物识别和分割算法描述了基于深度学习算法，对湖泊湿地区域的芦苇、蒿草等水生植物区域进行识别和分割的算法；面积统计方法描述了基于平面正视投影图像和识别的芦苇、蒿草等作物，统计芦苇、蒿草等作物面积的方法。本发明所述的方法最终要实现识别芦苇、蒿草等水生作物并分别计算其面积的功能。功能。


技术研发人员：ꢀ(51)Int.Cl.G06T7/62
受保护的技术使用者：苏州品智信息科技有限公司
技术研发日：2020.11.22
技术公布日：2022/5/25