CN105403199A - 基于无人机的毒品原植物种植侦测方法及系统 - Google Patents
基于无人机的毒品原植物种植侦测方法及系统 Download PDFInfo
- Publication number
- CN105403199A CN105403199A CN201511002451.XA CN201511002451A CN105403199A CN 105403199 A CN105403199 A CN 105403199A CN 201511002451 A CN201511002451 A CN 201511002451A CN 105403199 A CN105403199 A CN 105403199A
- Authority
- CN
- China
- Prior art keywords
- plantation
- mother drug
- drug plants
- hemp
- opium poppy
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
Abstract
本发明提供了一种基于无人机的毒品原植物种植侦测方法及系统,该毒品原植物种植侦测方法包括:采集包含不同生长环境中各毒品原植物的色坐标值域范围样本数据,并根据各所述色坐标值域范围计算对应的RGB数值;根据所述RGB数值对无人机的偏色摄像单元的CCD滤镜、CCD多晶硅电极及绝缘层的参数进行调整;利用包括所述偏色摄像单元的航测设备航测得到毒品原植物种植数据;根据所述毒品原植物种植数据分析识别毒品原植物种植情况,其中,所述毒品原植物种植数据包括罂粟种植数据及大麻种植数据。本发明可以迅速准确且安全地侦测毒品原植物种植情况。
Description
技术领域
本发明涉及无人机及信号处理技术领域,尤其涉及一种基于无人机的毒品原植物种植侦测方法及系统。
背景技术
毒品,作为一种危害人类的产品,一直给人们的生活及社会的发展带来诸多困扰,为了使人们远离毒品,杜绝毒品的种植(即毒品源头)无疑是最直接有效的方法。近年来,政府加大了对毒品种植的严格检查,不法分子为了躲避检查,尽量避开聚居区种植,比如在偏远的山区进行毒品种植,山区地势陡峭,森林茂密,工作人员只能乘坐直升机进行巡查,由于距离较远,给禁毒工作带了很大困难。
发明内容
本发明实施例提供一种基于无人机的毒品原植物种植侦测方法及系统,以迅速准确且安全地侦测罂粟种植及大麻种植。
为了解决上述技术问题,本发明实施例提供一种基于无人机的毒品原植物种植侦测方法,包括:
采集包含不同生长环境中各毒品原植物的色坐标值域范围的样本数据,并根据各所述色坐标值域范围计算对应的RGB数值;
根据所述RGB数值对无人机的偏色摄像单元的CCD滤镜、CCD多晶硅电极及绝缘层的参数进行调整;
利用包括所述偏色摄像单元的航测设备航测得到毒品原植物种植数据;
根据所述毒品原植物种植数据分析识别罂粟种植和/或大麻种植,其中,所述毒品原植物种植数据包括罂粟种植数据及大麻种植数据。
一实施例中,根据各所述色坐标值域范围计算对应的RGB数值,包括:
将所述色坐标值域范围中的色坐标值带入下述公式计算各所述色坐标值域范围对应的RGB数值:
其中,X、Y、Z为色坐标值域。
一实施例中,根据所述RGB数值对无人机的偏色摄像单元的CCD滤镜、CCD多晶硅电极及绝缘层的参数进行调整,包括:
根据所述RGB数值对所述CCD滤镜进行滤波处理,改变三原色的比例,使不同偏色摄像单元获取红绿蓝三原色中的一种;
对所述CCD多晶硅电极和绝缘层的参数进行调整,以适应使所述RGB数值的光波灵敏度和光谱响应特性。
一实施例中,所述毒品原植物种植数据至少包括:偏色摄像单元拍摄的地物图像、基础性可见光设备拍摄的地物图像及多光谱图像的其中之一或者其组合。
一实施例中,根据所述毒品原植物种植数据分析识别罂粟种植和/或大麻种植,包括:
将偏色摄像单元拍摄的地物图像中敏感度最高的区域识别为第一类罂粟种植或第一类大麻种植。
一实施例中,将偏色摄像单元拍摄的地物图像中敏感度最高的区域识别为第一类罂粟种植或第一类大麻种植,包括:
将同一被拍摄位置的红、绿、蓝三张地物图像进行比对,将在三张地物图像中敏感度均最高的至少一个区域识别为第一类罂粟种植或第一类大麻种植。
一实施例中,根据所述毒品原植物种植数据分析识别罂粟种植和/或大麻种植,包括:
对基础性可见光设备拍摄的地物图像中的几何形状及色彩进行分析,在所述基础性可见光设备拍摄的地物图像中确定出与毒品原植物种植相关的航测关键信息;
根据所述航测关键信息识别所述基础性可见光设备拍摄的地物图像中的罂粟种植和/或大麻种植。
一实施例中,所述航测关键信息包括:毒品原植物航测关键信息;
所述毒品原植物航测关键信息包括:地块的位置、形状及大小,地块的边缘植被,毒品原植物在不同地方及不同生长期的外形,地块纹理信息;
一实施例中,根据所述航测关键信息识别所述基础性可见光设备拍摄的地物图像中的罂粟种植和/或大麻种植,包括:
根据所述航测关键信息与第一约束条件,在所述基础性可见光设备拍摄的地物图像中筛选出疑似罂粟种植或疑似大麻种植;
根据所述航测关键信息及第二约束条件,在疑似罂粟种植或疑似大麻种植的地物图像中筛选出第二类罂粟种植或第二类大麻种植。
一实施例中,所述第一约束条件包括:地块几何尺寸及纹理信息;
在所述基础性可见光设备拍摄的地物图像中筛选出疑似罂粟种植或疑似大麻种植,包括:
将所述航测关键信息中的相关信息与所述地块几何尺寸及纹理信息进行比对,根据比对结果在所述基础性可见光设备拍摄的地物图像中筛选出疑似罂粟种植或疑似大麻种植。
一实施例中,所述第二约束条件包括:历史数据库模板;
在疑似罂粟种植或疑似大麻种植的地物图像中筛选出第二类罂粟种植或第二类大麻种植,包括:
将疑似罂粟种植或疑似大麻种植的地物图像与所述历史数据库模板进行匹配,在疑似罂粟种植或疑似大麻种植的地物图像中筛选出第二类罂粟种植或第二类大麻种植。
一实施例中,将疑似罂粟种植或疑似大麻种植的地物图像与所述历史数据库进行匹配,包括:
对疑似罂粟种植或疑似大麻种植的地物图像进行增强处理,将增强处理后的疑似罂粟种植或疑似大麻种植的地物图像与所述历史数据库模板进行匹配,筛掉与罂粟种植和/或大麻种植外形相近的地物。
一实施例中,根据所述毒品原植物种植数据分析识别罂粟种植和/或大麻种植,包括:将第一类罂粟种植与第二类罂粟种植物进行比对,确定罂粟种植;和/或,将第一类大麻种植与第二类大麻种植进行比对,确定大麻种植。
一实施例中,在对基础性可见光设备拍摄的地物图像中的几何形状及色彩进行分析之前,还包括:
对所述基础性可见光设备拍摄的地物图像进行预处理,所述预处理至少几何畸变校正、图像颜色校正、平滑滤波及嵌套DEM数据其中之一或任意组合。
一实施例中,根据所述毒品原植物种植数据分析识别罂粟种植和/或大麻种植,还包括:根据多光谱图像中的谱段对所述多光谱图像中识别出的罂粟种植或者大麻种植进行筛选。
一实施例中,该毒品原植物种植侦测方法还包括:
根据所述无人机的POSE点坐标、俯仰角、滚转角、航高及DEM数据计算罂粟种植地块或大麻种植地块的初始坐标及所述罂粟种植地块或大麻种植地块在所述基础性可见光设备拍摄的地物图像和/或多光谱图像的全图坐标;
将所述初始坐标中的其中一点与预存储的地图进行比对,对所述俯仰角及滚转角进行修正;
根据修正后的俯仰角及滚转角计算所述罂粟种植地块或大麻种植地块的坐标。
一实施例中,所述毒品原植物种植数据分析识别毒品原植物,还包括:
根据偏色摄像单元拍摄的地物图像、基础性可见光设备拍摄的地物图像确定毒品原植物种植地块的出苗率;
根据偏色摄像单元拍摄的地物图像、基础性可见光设备拍摄的地物图像的分辨率及所述出苗率计算出苗面积。
一实施例中,毒品原植物种植侦测方法还包括:
根据毒品原植物种植参考数据,确定无人机航测的航迹参数、航测设备参数及作业环境参数;
根据所述航测设备参数调整无人机搭载的毒品原植物种植航测设备;
根据所述作业环境参数确定无人机的作业时段和飞行高度;
根据所述航迹参数确定无人机的任务航迹;
控制无人机在所述任务航迹上,在所述作业时段和飞行高度获取毒品原植物数据。
一实施例中,所述根据毒品原植物种植参考数据,确定无人机航测的航迹参数、航测设备参数及作业环境参数,包括:
获取不同类型的罂粟种植航测参考数据或大麻种植航测参考数据;
根据不同类型的毒品原植物航测参考数据的权重系数,对获取的不同类型的毒品原植物航测参考数据进行加权;
根据加权结果确定无人机航测的航迹参数、航测设备参数及作业环境参数。
一实施例中,所述毒品原植物航测参考数据至少包括如下类型其中之一或任意组合:
自然环境数据、毒品原植物生长规律、地方植被、经济环境数据、路网建设、人文环境数据、天气数据及历史毒情数据。
一实施例中,所述航迹参数至少包括航迹的覆盖密度;和/或,所述航测设备参数至少包括偏色摄像单元及基础性可见光设备的设备参数,所述偏色摄像单元及基础性可见光设备的设备参数至少包括偏色摄像单元及基础性可见光设备的图像分辨率。
为了实现上述目的,本发明实施例还提供一种基于无人机的毒品原植物种植侦测系统,包括:
RGB数值生成单元,用于采集包含不同生长环境中各毒品原植物的色坐标值域范围的样本数据,并根据各所述色坐标值域范围计算对应的RGB数值;
参数调整单元,用于根据所述RGB数值对无人机的偏色摄像单元的CCD滤镜、CCD多晶硅电极及绝缘层的参数进行调整;
航测单元,用于利用包括所述偏色摄像单元的航测设备航测得到毒品原植物种植数据;
毒品原植物种植识别单元,用于根据所述毒品原植物种植数据分析识别罂粟种植和/或大麻种植,其中,所述毒品原植物种植数据包括罂粟种植数据及大麻种植数据。
一实施例中,所述RGB数值生成单元具体用于:
将所述色坐标值域范围中的色坐标值带入下述公式计算各所述色坐标值域范围对应的RGB数值:
其中,X、Y、Z为色坐标值域。
一实施例中,所述参数调整单元包括:
滤波模块,用于根据所述RGB数值对所述CCD滤镜进行滤波处理,改变三原色的比例,使不同偏色摄像单元获取红绿蓝三原色中的一种;
参数调整模块,用于对所述CCD多晶硅电极和绝缘层的参数进行调整,以适应使所述RGB数值的光波灵敏度和光谱响应特性。
一实施例中,所述毒品原植物种植数据至少包括:偏色摄像单元拍摄的地物图像、基础性可见光设备拍摄的地物图像及多光谱图像的其中之一或者其组合。
一实施例中,所述毒品原植物种植识别单元包括:
第一类识别模块,用于将偏色摄像单元拍摄的地物图像中敏感度最高的区域识别为第一类罂粟种植或第一类大麻种植。
一实施例中,所述第一类识别模块具体用于:
将同一被拍摄位置的红、绿、蓝三张地物图像进行比对,将在三张地物图像中敏感度均最高的至少一个区域识别为第一类罂粟种植或第一类大麻种植。
一实施例中,所述毒品原植物种植识别单元包括:
航测信息确定模块,用于对基础性可见光设备拍摄的地物图像中的几何形状及色彩进行分析,在所述基础性可见光设备拍摄的地物图像中确定出与毒品原植物种植相关的航测关键信息;
识别模块,用于根据所述航测关键信息识别所述基础性可见光设备拍摄的地物图像中的罂粟种植和/或大麻种植。
一实施例中,所述航测关键信息包括:毒品原植物航测关键信息;
所述毒品原植物航测关键信息包括:地块的位置、形状及大小,地块的边缘植被,毒品原植物在不同地方及不同生长期的外形,地块纹理信息;
一实施例中,所述识别模块包括:
疑似毒品原植物识别模块,用于根据所述航测关键信息与第一约束条件,在所述基础性可见光设备拍摄的地物图像中筛选出疑似罂粟种植或疑似大麻种植;
毒品原植物识别模块,用于根据所述航测关键信息及第二约束条件,在疑似罂粟种植或疑似大麻种植的地物图像中筛选出第二类罂粟种植或第二类大麻种植。
一实施例中,所述第一约束条件包括:地块几何尺寸及纹理信息;所述疑似毒品原植物识别模块具体用于:
将所述航测关键信息中的相关信息与所述地块几何尺寸及纹理信息进行比对,根据比对结果在所述基础性可见光设备拍摄的地物图像中筛选出疑似罂粟种植或疑似大麻种植。
一实施例中,所述第二约束条件包括:历史数据库模板;所述毒品原植物识别模块包括:
匹配模块,用于将疑似罂粟种植或疑似大麻种植的地物图像与所述历史数据库模板进行匹配;
筛选模块,用于在疑似罂粟种植或疑似大麻种植的地物图像中筛选出第二类罂粟种植或第二类大麻种植。
一实施例中,所述匹配模块具体用于:
对疑似毒品原植物的地物图像进行增强处理,将增强处理后的疑似毒品原植物的地物图像与所述历史数据库模板进行匹配,筛掉与罂粟种植和/或大麻种植外形相近的地物。
一实施例中,所述毒品原植物种植识别单元还用于:将第一类罂粟种植与第二类罂粟种植进行比对,确定罂粟种植;和/或,将第一类大麻种植与第二类大麻种植进行比对,确定大麻种植。
一实施例中,所述的毒品原植物种植侦测系统还包括:
预处理单元,用于对所述基础性可见光设备拍摄的地物图像进行预处理,所述预处理至少几何畸变校正、图像颜色校正、平滑滤波及嵌套DEM数据其中之一或任意组合。
一实施例中,所述毒品原植物种植识别单元还用于:根据多光谱图像中的谱段对所述多光谱图像中识别出的罂粟种植或者大麻种植进行筛选。
一实施例中,所述的毒品原植物种植侦测系统还包括:
坐标确定单元,用于根据所述无人机的POSE点坐标、俯仰角、滚转角、航高及DEM数据计算罂粟种植地块或大麻种植地块的初始坐标及所述罂粟种植地块或大麻种植地块在所述基础性可见光设备拍摄的地物图像和/或多光谱图像的全图坐标;
比对单元,用于将所述初始坐标中的其中一点与预存储的地图进行比对,对所述俯仰角及滚转角进行修正;
坐标计算单元,用于根据修正后的俯仰角及滚转角计算所述罂粟种植地块或大麻种植地块的坐标。
一实施例中,所述毒品原植物种植识别单元还用于:
根据偏色摄像单元拍摄的地物图像、基础性可见光设备拍摄的地物图像确定毒品原植物种植地块的出苗率;根据偏色摄像单元拍摄的地物图像、基础性可见光设备拍摄的地物图像的分辨率及所述出苗率计算出苗面积。
一实施例中,所述的毒品原植物种植侦测系统还包括:
参数确定单元,用于根据毒品原植物种植参考数据,确定无人机航测的航迹参数、航测设备参数及作业环境参数;
设备调整单元,用于根据所述航测设备参数调整无人机搭载的毒品原植物种植航测设备;
作业信息确定单元,用于根据所述作业环境参数确定无人机的作业时段和飞行高度;
航迹确定单元,用于根据所述航迹参数确定无人机的任务航迹;
数据获取单元,用于控制无人机在所述任务航迹上,在所述作业时段和飞行高度获取毒品原植物数据。
一实施例中,所述参数确定单元包括:
参考数据获取模块,用于获取不同类型的毒品原植物航测参考数据;
加权模块,用于根据不同类型的毒品原植物航测参考数据的权重系数,对获取的不同类型的毒品原植物航测参考数据进行加权;
参数确定模块,用于根据加权结果确定无人机航测的航迹参数、航测设备参数及作业环境参数。
一实施例中,所述毒品原植物航测参考数据至少包括如下类型其中之一或任意组合:
自然环境数据、毒品原植物生长规律、地方植被、经济环境数据、路网建设、人文环境数据、天气数据及历史毒情数据。
一实施例中,所述航迹参数至少包括航迹的覆盖密度;和/或,所述航测设备参数至少包括偏色摄像单元及基础性可见光设备的设备参数,所述偏色摄像单元及基础性可见光设备的设备参数至少包括偏色摄像单元及基础性可见光设备的图像分辨率。
一实施例中,所述毒品原植物种植侦测系统还包括:搭载所述毒品原植物种植航测设备的任务设备负载仓及发动机消声装置;所述任务设备负载仓装设在所述无人机本体的机舱内,与所述机舱内的接口连接;所述发动机消声装置与所述无人机的发动机固定连接。
一实施例中,所述毒品原植物种植侦测系统还包括:航测数据输出装置,用于向地面服务器输出毒品原植物的识别结果。
一实施例中,所述毒品原植物种植侦测系统还包括:设备平台、测重单元和动态调整单元;
所述毒品原植物种植航测设备及航测数据输出装置固定于所述设备平台;
所述测重单元与所述设备平台相连接,用于测量固定到所述设备平台上的所述毒品原植物种植航测设备及航测数据输出装置的重量信息;
所述动态调整单元分别与所述测重单元和设备平台相连接,用于根据所述重量信息调节所述设备平台及其上的所述毒品原植物种植航测设备及航测数据输出装置的重心位置。
本发明通过偏色摄像单元拍摄地物图像,可以单独直观准确的分析得到第一类罂粟种植或第一类大麻种植,在不需要对拍摄图像进行复杂处理的情况下识别出罂粟种植或大麻种植。
本发明还可以将第一类罂粟种植或第一类大麻种植与根据通过基础性可见光设备拍摄的图像进行处理获得的第二类罂粟种植和/或第二类大麻种植结合,更加准确的识别出毒品原植物。
可见,本发明可以分别单独获得第一类识别结果或第二类识别结果,还可以同时获得第一类识别结果或第二类识别结果,具有极大的灵活性。
另外,本发明从航测得到毒品原植物数据,到识别出侦测到结果,只需要在无人机上进行,无需传输到地面进行处理,具有很强的实时性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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为本发明实施例中基于无人机的毒品原植物种植侦测方法流程图;
图2为本发明实施例中调整无人机上的偏色摄像单元的CCD相机的参数的方法流程图;
图3为本发明实施例的相对灵敏度示意图;
图4为本发明实施例中根据毒品原植物种植数据分析识别罂粟种植和/或大麻种植的方法流程图;
图5为本发明实施例中根据航测关键信息识别基础性可见光设备拍摄的地物图像中的罂粟种植和/或大麻种植的方法流程图;
图6为本发明实施例中对识别出的罂粟种植和/或大麻种植进行定位的方法流程图;
图7为本发明实施例中计算罂粟或大麻的出苗率、出苗面积的方法流程图;
图8为本发明实施例中根据位置修改无人机航测的任务航迹的方法流程图;
图9为本发明实施例中确定无人机航测的航迹参数、航测设备参数及作业环境参数的方法流程图;
图10为本发明实施例的罂粟种植及大麻种植侦测方法流程图;
图11为本发明实施例的基于无人机的毒品原植物种植侦测系统的结构示意图;
图12为本发明实施例的参数调整单元1102的结构示意图;
图13为本发明实施例的毒品原植物种植识别单元1104的结构示意图;
图14为本发明实施例的识别模块1302的结构示意图;
图15为本发明实施例的毒品原植物识别模块1402的结构示意图;
图16为本发明实施例的毒品原植物种植侦测系统的结构示意图;
图17为本发明实施例的毒品原植物种植侦测系统的结构示意图;
图18为本发明实施例的毒品原植物种植侦测系统的结构示意图;
图19为本发明实施例的参数确定单元的结构示意图;
图20为本发明实施例中同一拍摄区域的红色滤通的拍摄图像示意图;
图21为本发明实施例中同一拍摄区域的绿色滤通的拍摄图像示意图;
图22为本发明实施例中同一拍摄区域的蓝色滤通的拍摄图像示意图;
图23为本发明实施例的毒品原植物种植侦测系统的分系统之间的架构示意图。
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,所描述的实施例仅仅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。
本发明的毒品原植物种植主要包括罂粟种植及大麻种植,毒品原植物指用于毒品种植物,如罂粟和大麻等。毒品原植物的种植是国家法律明令禁止的活动,所以犯罪分子不会在容易被发现的地方种植,一般都会种植在人迹罕至的山区及森林中,现有技术中通常通过缉毒人员乘坐直升机进行巡视,然后给出粗略的毒品原植物种植位置,由缉毒人员徒步进行勘察,这给缉毒工作带来了极大的不便。基于此,本发明提供了一种基于无人机的毒品原植物种植侦测方法。
图1为本发明实施例中基于无人机的毒品原植物种植侦测方法流程图,如图1所示,该毒品原植物种植侦测方法,包括:
S101:采集包含不同生长环境中各毒品原植物的色坐标值域范围的样本数据,并根据各所述色坐标值域范围计算对应的RGB数值;
S102:根据所述RGB数值对无人机的偏色摄像单元的CCD滤镜、CCD多晶硅电极及绝缘层的参数进行调整;
S103:利用包括所述偏色摄像单元的航测设备航测得到毒品原植物种植数据;
S104:根据所述毒品原植物种植数据分析识别罂粟种植和/或大麻种植;
其中,所述毒品原植物种植数据包括罂粟种植数据及大麻种植数据。
由图1所示的流程可知,本实施例的毒品原植物种植侦测方法首先根据不同毒品原植物种植对应的色坐标值域范围计算相应的RGB数值,然后根据RGB数值调整无人机中的多个偏色摄像单元的CCD滤镜、CCD多晶硅电极及绝缘层的参数,然后利用无人机上的航测设备航测得到毒品原植物种植数据,最后根据该毒品原植物种植数据分析识别罂粟种植和/或大麻种植。
采集不同生长环境中各毒品原植物的色坐标值域范围时,可以以历史的禁毒数据为样本,统计样本中不同生长环境(分析各纬度、各季节、各品种、各生长期)的毒品原植物(罂粟及大麻等)的色坐标值域范围。举一例,如华北地区罂粟在7月成熟期的色坐标值域为X∈[0.17,0.21],Y∈[0.35,0.42],Z∈[0,0]。
得到上述色坐标值域范围之后,根据各色坐标值域范围计算对应的RGB数值,具体实施时,可以将得到的色坐标值域范围中的色坐标值带入下述公式计算各色坐标值域范围对应的RGB数值:
其中,X、Y、Z为色坐标值域。
RGB数值是调整无人机上的偏色摄像单元(相机)的CCD相机的参数的依据,一实施例中,如图2所示,具体调整步骤如下:
S201:根据所述RGB数值对CCD滤镜进行滤波处理,改变三原色的比例,使不同偏色摄像单元获取红绿蓝三原色中的一种。
具体地,改变三原色滤镜1:2:1的排列,使得不同偏色摄像单元的CCD滤镜对红绿蓝三原色中的一种具有良好的滤通性。由此可见,对每种毒品原植物种植的侦测,至少需要3个偏色摄像单元,分别对应对红绿蓝三原色中的其中一种具有滤通性。
本发明利用无人机上装设包括偏色摄像单元的航测设备进行数据的航测,可以同时用于罂粟种植及大麻种植侦测,也可以用于罂粟种植或大麻种植单独侦测。同时用于罂粟种植及大麻种植侦测时,无人机的航测设备至少需要包括6个偏色摄像单元,用于罂粟、大麻的偏色摄像单元至少各占三个。
S202:对CCD多晶硅电极和绝缘层的参数进行调整,以适应RGB数值的光波灵敏度和光谱响应特性。
对于CCD滤镜经过滤波处理的偏色摄像单元,为了在偏色摄像单元拍摄的图像中能够凸显其中的毒品原植物种植,需要对CCD多晶硅电极和绝缘层的参数进行调整。CCD的量子效率决定了光谱灵敏度,当使用不同材料时,CCD对不同波段的光具有不同的转换性能。为使某一毒品原植物(如罂粟)具有高于其他地物的成像能力,在CCD中加入光电倍增管(PMT)和电荷注入检测器(CID),对CCD多晶硅电极和绝缘层的参数进行调整,形成对罂粟特定RGB值域的感应能力或感应阶跃能力。图3为本发明实施例的相对灵敏度示意图,图3中横坐标为色坐标值域X,Y对应的色值(X,Y),对于罂粟种植或大麻种植的侦测,调节CCD多晶硅电极和绝缘层的参数,使其色值对应的灵敏度最大,可以在偏色摄像单元拍摄的图像中能够凸显罂粟种植或大麻种植。需要说明的是,对于红、绿、蓝三原色具有滤通性三个偏色摄像单元,均需要对CCD多晶硅电极和绝缘层的参数进行调整。
经过图2所示的流程调整后的偏色摄像单元拍摄的图像中,如果具有毒品原植物,就能够在该图像中高亮显示出其在图像中的轮廓。
无人机上的航测设备除了偏色摄像单元外,还包括基础性可见光设备(没有经过图2所示方法处理相机),另外,还可能包括光谱设备及雷达中的一种或多种。故航测设备航测得到毒品原植物种植数据包括:偏色摄像单元拍摄的地物图像、基础性可见光设备拍摄的地物图像及多光谱图像的其中之一或者其组合。
对于偏色摄像单元拍摄的地物图像,可以单独据此分析设别罂粟种植和/或大麻种植,称为第一类罂粟种植或第一类大麻种植。需要将偏色摄像单元拍摄的地物图像中敏感度最高的区域识别为第一类罂粟种植或第一类大麻种植,具体地,需要将同一被拍摄位置的红、绿、蓝三张地物图像进行比对,将在三张地物图像中敏感度均最高的至少一个区域识别为第一类罂粟种植和/或第一类大麻种植。举一例,对应罂粟的拍摄图像,如果通过对红、绿、蓝三张图像进行比对,发现三张图像中均存在2个相同的点的敏感度均最高(高亮清晰显示),那么图像中的这两个点都认为是第一类罂粟种植。
偏色摄像单元为经过偏色处理(图2所示方法的处理)的可见光设备(可以称为任务性可见光设备,例如相机)。另外,也可以用光谱设备(如光谱相机)代替任务性可见光设备,对光谱设备按照图2所示的方法进行偏色处理,然后拍摄图像,根据拍摄的图像分析识别出第一类罂粟种植和/或第一类大麻种植,具体实现方法与任务性可见光设备相似,不再赘述。
为了提高分析识别的准确性,本发明还可以通过基础性可见光设备拍摄地物图像,然后根据拍摄的地物图像分析识别罂粟种植和/或大麻种植,下面具体说明。
如图4所示,对基础性可见光设备拍摄地物图像进行分析时,根据毒品原植物种植数据分析识别罂粟种植和/或大麻种植,包括:
S401:对基础性可见光设备拍摄的地物图像中的几何形状及色彩进行分析,在所述基础性可见光设备拍摄的地物图像中确定出与毒品原植物种植相关的航测关键信息;
毒品原植物航测关键信息包括:地块的位置、形状及大小,地块的边缘植被,毒品原植物在不同地方及不同生长期的外形,地块纹理信息。
S402:根据所述航测关键信息识别所述基础性可见光设备拍摄的地物图像中的罂粟种植和/或大麻种植。
S402具体实施时,如图5所示,包括如下步骤:
S501:根据所述航测关键信息与第一约束条件,在所述基础性可见光设备拍摄的地物图像中筛选出疑似罂粟种植或疑似大麻种植。
一实施例中,第一约束条件包括:地块几何尺寸及纹理信息。筛选疑似罂粟种植或疑似大麻种植时,需要将所述航测关键信息中的相关信息与所述地块几何尺寸及纹理信息进行比对,根据比对结果在所述基础性可见光设备拍摄的地物图像中筛选出疑似罂粟种植或疑似大麻种植。
S502:根据所述航测关键信息及第二约束条件,在疑似毒品原植物的地物图像中筛选出第二类罂粟种植或第二类大麻种植。
一实施例中,第二约束条件包括:历史数据库模板;筛选出第二类罂粟种植或第二类大麻种植时,需要将疑似罂粟种植或疑似大麻种植的地物图像与所述历史数据库模板进行匹配,在疑似罂粟种植或疑似大麻种植的地物图像中筛选出第二类罂粟种植或第二类大麻种植。
一较佳实施例中,为了提高分析识别的准确性,可以对疑似罂粟种植或疑似大麻种植的地物图像进行增强处理,然后将增强处理后的疑似罂粟种植或疑似大麻种植的地物图像与所述历史数据库模板进行匹配,筛掉与罂粟种植和/或大麻种植外形相近的地物。
由上述分析可知,通过偏色摄像单元拍摄的地物图像可以识别出第一类识别结果(第一类罂粟种植和/或第一类大麻种植),通过图4及图5所示的流程可以识别出第二类识别结果(第二类罂粟种植和/或第二类大麻种植)。为了提高侦测结果的准确性,可以将第一类识别结果与第二类识别结果进行比对。具体地,将第一类毒品原植物(大麻或罂粟中的一种)与第二类毒品原植物进行比对,确定毒品原植物。
一较佳实施例中,为了提高侦测结果的准确性,在S401之前,还可以对基础性可见光设备拍摄的地物图像进行预处理,预处理至少几何畸变校正、图像颜色校正、平滑滤波及嵌套DEM数据其中之一或任意组合。
在一实施例中,根据所述毒品原植物种植数据分析识别罂粟种植和/或大麻种植时,还可以根据利用光谱设备拍摄光谱图像,然后根据多光谱图像中的谱段对所述多光谱图像中识别出的罂粟种植或者大麻种植进行筛选。具体实现方法与任务性可见光设备一致,不再赘述。
侦测得到毒品原植物之后,为了进行铲毒行动,还需要对识别出的毒品原植物进行定位。一实施例中,如图6所示,对识别出的毒品原植物进行定位的方法包括:
S601:根据所述无人机的POSE点坐标、俯仰角、滚转角、航高及DEM(等高线)数据计算毒品原植物种植地块的初始坐标及所述毒品原植物种植地块在所述基础性可见光设备拍摄的地物图像和/或多光谱图像的全图坐标;
S602:将所述初始坐标中的其中一点与预存储的地图进行比对,对所述俯仰角及滚转角进行修正。修正方法如下:
1、根据无人机拍照瞬间的坐标、俯仰角和滚转角,根据投影关系可以计算初始坐标(x1,y1);
2、因无人机拍照瞬间的坐标、俯仰角和滚转角具有误差,因而计算出的坐标有误差,该误差但就某一张航测照片而言是固定的,即全图的坐标体系有系统误差,根据与地图的比对得到精确坐标(x2,y2),与(x1,y1)之间的差即为误差;
3、根据误差反推无人机拍照瞬间坐标、俯仰角和滚转角的真实值,并根据真实值计算出全图的准确坐标体系。
S603:根据修正后的俯仰角及滚转角计算所述毒品原植物种植地块的坐标。计算出地块坐标S1中包含了DEM数据,如果将该DEM数据与预存储的地图进步比对发现该DEM数据对应的高度所在坐标为S2,那么计算的地块坐标可能为S2,此时可以将计算出的地块坐标修正为S2。
对于毒品原植物,除了定位其位置,还可以计算罂粟或大麻的出苗率、出苗面积及株数等。具体地,如图7所示,包括如下步骤:
S701:根据偏色摄像单元拍摄的地物图像、基础性可见光设备拍摄的地物图像确定毒品原植物种植地块的出苗率;
S702:根据偏色摄像单元拍摄的地物图像、基础性可见光设备拍摄的地物图像的分辨率及所述出苗率计算出苗面积。具体地,根据分辨率A及像素B可以得到罂粟或大麻地块的总面积S0,S0=分辨率A×像素B。出苗面积S1=地块总面积S0×出苗率A。进而还可以计算出地块的罂粟或大麻的株数。
确定出毒品原植物的位置后还可以根据位置修改无人机航测的任务航迹,具体实施时,如图8所示,包括如下步骤:
S801:根据毒品原植物种植参考数据,确定无人机航测的航迹参数、航测设备参数及作业环境参数;
S802:根据所述航测设备参数调整无人机搭载的毒品原植物种植航测设备;
S803:根据所述作业环境参数确定无人机的作业时段和飞行高度;
S804:根据所述航迹参数确定无人机的任务航迹;
S805:控制无人机在所述任务航迹上,在所述作业时段和飞行高度获取毒品原植物数据。
一实施例中,如图9所示,S801包括如下步骤:
S901:获取不同类型的毒品原植物航测参考数据;
S902:根据不同类型的毒品原植物航测参考数据的权重系数,对获取的不同类型的毒品原植物航测参考数据进行加权:举一例说明如何加权:1、例如颜色信息权重为0.7、纹理信息权重为0.1、位置权重为0.2;对于缺少纹理信息地块,其纹理权重可取值0,说明该地块不具备一般罂粟的种植特性;对于某一路边地块而言,位置不具备足够的隐蔽性,则位置信息的得分为0或0.1;根据上述情况,这一生长在路边纹理信息不清楚的地块最后得分0.7-0.8,说明该地块极大可能是罂粟,但存在少量不确定因素。
S903:根据加权结果确定无人机航测的航迹参数、航测设备参数及作业环境参数。
S901中,毒品原植物的航测参考数据有所不同,毒品原植物航测参考数据至少包括如下类型其中之一或任意组合:自然环境数据、毒品原植物生长规律、地方植被、经济环境数据、路网建设、人文环境数据、天气数据及历史毒情数据。
S903中的航迹参数至少包括航迹的覆盖密度;和/或,所述航测设备参数至少包括偏色摄像单元及基础性可见光设备的设备参数,所述偏色摄像单元及基础性可见光设备的设备参数至少包括偏色摄像单元及基础性可见光设备的图像分辨率。
本发明所述的毒品原植物种植,为了更好的理解本发明,下面以罂粟为例详细说明本发明的具体实施例。
图10为本发明实施例的罂粟侦测方法流程图。如图10所示,罂粟侦测方法包括:
S1001:采集包含某一地区某一生长期(以成熟期为例)的罂粟的色坐标值域范围。例如,某一地区,罂粟成熟期的色坐标值域为X∈[0.17,0.21],Y∈[0.35,0.42],Z=0。
S1002:根据上述的色坐标值域范围计算对应的RGB数值。
某已知的RGB坐标向色值坐标点转换矩阵为
上述矩阵A的逆矩阵为
根据逆矩阵A-1可以得到色坐标向RGB坐标点转换公式:
根据色坐标值域可以球接触RGB的数值:
R∈[0,3]
G∈[254,255]
B∈[210,245]
上述RGB值域即为对任务性可见光设备定向改造的基础。
S1003:根据上述RGB数值对任务性可见光设备的CCD滤镜进行改造。
将用于侦测罂粟的任务性可见光设备分为三组,对任务性可见光设备的CCD滤镜进行改造,使每组任务性可见光设备分别对红绿蓝三种颜色的一种具有滤通性。
S1004:对CCD多晶硅电极及绝缘层的参数进行调整。
CCD的量子效率决定了光谱灵敏度,为使罂粟具有高于其他地物的成像能力,在CCD中加入PMT(光电倍增管)和CID(电荷注入检测器),形成对罂粟特定RGB值域的感应能力或感应阶跃能力。
经过S1003及S1004改造之后的任务性可见光设备(偏色摄像单元)在装设到无人机上进行航测时,对于不同的航测区域进行拍摄,可以拍摄多组图像(以同一地域拍摄的红绿蓝三种图像为一组),根据每组图像,可以识别出罂粟种植地块。图20为同一拍摄区域的红色滤通的拍摄图像示意图,图21为同一拍摄区域的绿色滤通的拍摄图像示意图,图22为同一拍摄区域的蓝色滤通的拍摄图像示意图。如图20至图22所示,图20中显示了三块高敏感区(高亮度区域)A1、A2及A3,图21显示了三块高敏感区(高亮度区域)B1、B2及B3,图22显示了两块高敏感区(高亮度区域)C1及C2,通过比较发现,A1、B1、C1均对应同一个地块,A2、B2、C2均对应同一个地块,那么,初步确认该区域中存在两个罂粟地块,对应上述识别出的第一类毒品原植物(第一类罂粟地块)。
S1005:对基础性可见光设备拍摄的罂粟图像中的几何形状及色彩进行分析,在基础性可见光设备拍摄的罂粟图像中确定出与罂粟相关的航测关键信息。
罂粟相关的航测关键信息包括:罂粟地块的位置、形状及大小,地块的边缘植被,罂粟在不同地方及不同生长期的外形,地块纹理信息等。
S1006:根据所述航测关键信息与地块几何尺寸及纹理信息,将所述航测关键信息中的相关信息与地块几何尺寸及纹理信息进行比对,根据比对结果在基础性可见光设备拍摄的罂粟图像中筛选出疑似罂粟地块。
S1007:对疑似罂粟地块所在的图像进行增强处理;
S1008:将增强处理后的图像与历史数据库模板进行匹配,筛掉与罂粟地块外形相近的地物。历史数据库模板存储了大量在历史的禁毒行动中获得的图像,该图像中确定了罂粟地块。将增强处理后的图像与历史数据库模板进行匹配,可以筛掉与罂粟地块相近的地块,确定出第二类罂粟地块。
根据S1005至S1008,就确定出第二类罂粟地块。
S1009:利用光谱设备获取光谱图像的谱段对第二类罂粟地块进行筛选,确定更准确的第二类罂粟地块。
S1010:结合第一类罂粟地块及第二类罂粟地块对罂粟地块进行进一步筛选。根据该步骤,可以更精确的确定罂粟地块。
筛选时,如果根据第一类罂粟地块与第二类罂粟地块确定了相同的一个或者多个罂粟地块,认为相同的一个或者多个罂粟地块为完全确定的罂粟地块。对于只有根据第一类罂粟地块确定的罂粟地块及只有根据第二类罂粟地块确定的罂粟地块,可以确定为高度疑似地块。
S1011:计算罂粟的出苗率、出苗面积及株数等。根据偏色摄像单元拍摄的罂粟像、基础性可见光设备拍摄的罂粟图像计算确定出的罂粟种植地块的出苗率;然后根据偏色摄像单元拍摄的罂粟图像、基础性可见光设备拍摄的罂粟图像的分辨率及出苗率计算出苗面积。具体地,根据分辨率A及像素B可以得到罂粟地块的总面积S0,S0=分辨率A×像素B。出苗面积S1=地块总面积S0×出苗率A。进而还可以计算出地块的罂粟的株数。
S1012:对确定的罂粟地块进行定位。参见图6所示的定位步骤。定位完成后,缉毒人员就可以根据定位的精确位置,进入相应山区或者森林进行铲毒工作。
S1013:根据定位结果,修改航迹,调整无人机飞行方案,具体参见图8所示的步骤。
可见,本发明可以分别单独获得第一类识别结果或第二类识别结果,还可以同时获得第一类识别结果或第二类识别结果,具有极大的灵活性。
另外,本发明从航测得到毒品原植物数据,到识别出侦测到结果,只需要在无人机上进行,无需传输到地面进行处理,具有很强的实时性。
基于与图1所示的在毒品原植物种植侦测方法相同的发明构思,本申请实施例还提供了一种毒品原植物种植侦测系统,如下面实施例所述。由于毒品原植物种植侦测系统解决问题的原理与毒品原植物种植侦测方法相似,因此该毒品原植物种植侦测系统的实施可以参见毒品原植物种植侦测方法的实施,重复之处不再赘述。
图11为本发明实施例的基于无人机的毒品原植物种植侦测系统的结构示意图,如图11所示,该毒品原植物种植侦测系统包括:RGB数值生成单元1101,参数调整单元1102,航测单元1103及毒品原植物种植识别单元1104。
RGB数值生成单元1101用于采集包含不同生长环境中各毒品原植物的色坐标值域范围的样本数据,并根据各所述色坐标值域范围计算对应的RGB数值;
参数调整单元1102用于根据所述RGB数值对无人机的偏色摄像单元的CCD滤镜、CCD多晶硅电极及绝缘层的参数进行调整;
航测单元1103用于利用包括所述偏色摄像单元的航测设备航测得到毒品原植物种植数据;
毒品原植物种植识别单元1104用于根据所述毒品原植物种植数据分析识别毒品原植物毒品原植物种植,其中,所述毒品原植物种植数据包括罂粟种植数据及大麻种植数据。
一实施例中,所述RGB数值生成单元具体1101用于:
将所述色坐标值域范围中的色坐标值带入下述公式计算各所述色坐标值域范围对应的RGB数值:
其中,X、Y、Z为色坐标值域。
一实施例中,如图12所示,参数调整单元1102包括:滤波模块1201及参数调整模块1202。
滤波模块1201用于根据所述RGB数值对所述CCD滤镜进行滤波处理,改变三原色的比例,使不同偏色摄像单元获取红绿蓝三原色中的一种;
参数调整模块1202用于对所述CCD多晶硅电极和绝缘层的参数进行调整,以适应使所述RGB数值的光波灵敏度和光谱响应特性。
一实施例中,所述毒品原植物种植数据至少包括:偏色摄像单元拍摄的地物图像、基础性可见光设备拍摄的地物图像及多光谱图像的其中之一或者其组合。
一实施例中,毒品原植物种植识别单元包括:第一类识别模块,用于将偏色摄像单元拍摄的地物图像中敏感度最高的区域识别为第一类罂粟种植或第一类大麻种植。具体实施时,第一类识别模块具体可以将同一被拍摄位置的红、绿、蓝三张地物图像进行比对,将在三张地物图像中敏感度均最高的至少一个区域识别为第一类毒品原植物。
如图13所示,毒品原植物种植识别单元1104包括:航测信息确定模块1301及识别模块1302。
航测信息确定模块1301用于对基础性可见光设备拍摄的地物图像中的几何形状及色彩进行分析,在所述基础性可见光设备拍摄的地物图像中确定出与毒品原植物种植相关的航测关键信息;
识别模块1302用于根据所述航测关键信息识别所述基础性可见光设备拍摄的地物图像中的毒品原植物。
一实施例中,毒品原植物航测关键信息包括:地块的位置、形状及大小,地块的边缘植被,毒品原植物在不同地方及不同生长期的外形,地块纹理信息;
一实施例中,如图14所示,识别模块1302还包括:疑似毒品原植物识别模块1401及毒品原植物识别模块1402。
疑似毒品原植物识别模块1401用于根据所述航测关键信息与第一约束条件,在所述基础性可见光设备拍摄的地物图像中筛选出疑似毒品原植物;
毒品原植物识别模块1402用于根据所述航测关键信息及第二约束条件,在疑似毒品原植物的地物图像中筛选出第二类毒品原植物。
一实施例中,所述第一约束条件包括:地块几何尺寸及纹理信息;所述疑似毒品原植物识别模块具体用于:将所述航测关键信息中的相关信息与所述地块几何尺寸及纹理信息进行比对,根据比对结果在所述基础性可见光设备拍摄的地物图像中筛选出疑似毒品原植物。
一实施例中,所述第二约束条件包括:历史数据库模板。如图15所示,所述毒品原植物识别模块1402包括:匹配模块1501及筛选模块1502。
匹配模块1501用于将疑似毒品原植物的地物1302图像与所述历史数据库模板进行匹配;
筛选模块1502用于在疑似毒品原植物的地物图像中筛选出第二类毒品原植物。
一实施例中,匹配模块1501具体用于:对疑似毒品原植物的地物图像进行增强处理,将增强处理后的疑似毒品原植物的地物图像与所述历史数据库模板进行匹配,筛掉与毒品原植物外形相近的地物。
一实施例中,毒品原植物种植识别单元还用于:将第一类罂粟种植与第二类罂粟种植进行比对,确定罂粟种植;和/或,将第一类大麻种植与第二类大麻种植进行比对,确定大麻种植。
一实施例中,如图16所示,毒品原植物种植侦测系统还包括:预处理单元1601,用于对所述基础性可见光设备拍摄的地物图像进行预处理,所述预处理至少几何畸变校正、图像颜色校正、平滑滤波及嵌套DEM数据其中之一或任意组合。
一实施例中,毒品原植物种植识别单元1104还用于:根据多光谱图像中的谱段对所述多光谱图像中识别出的毒品原植物。
一实施例中,如图17所示,的毒品原植物种植侦测系统还包括:坐标确定单元1701,比对单元1702及坐标计算单元1703。
坐标确定单元1701用于根据所述无人机的POSE点坐标、俯仰角、滚转角、航高及DEM数据计算毒品原植物种植地块的初始坐标及所述毒品原植物种植地块在所述基础性可见光设备拍摄的地物图像和/或多光谱图像的全图坐标;
比对单元1702用于将所述初始坐标中的其中一点与预存储的地图进行比对,对所述俯仰角及滚转角进行修正;
坐标计算单元1703用于根据修正后的俯仰角及滚转角计算所述毒品原植物种植地块的坐标。
一实施例中,毒品原植物种植识别单元还用于:根据偏色摄像单元拍摄的地物图像、基础性可见光设备拍摄的地物图像确定毒品原植物种植地块的出苗率;根据偏色摄像单元拍摄的地物图像、基础性可见光设备拍摄的地物图像的分辨率及所述出苗率计算出苗面积。
一实施例中,如图18所示,的毒品原植物种植侦测系统还包括:参数确定单元1801,设备调整单元1802,作业信息确定单元1803,航迹确定单元1804及数据获取单元1805。
参数确定单元1801用于根据毒品原植物种植参考数据,确定无人机航测的航迹参数、航测设备参数及作业环境参数;
设备调整单元1802用于根据所述航测设备参数调整无人机搭载的毒品原植物种植航测设备;
作业信息确定单元1803用于根据所述作业环境参数确定无人机的作业时段和飞行高度;
航迹确定单元1804用于根据所述航迹参数确定无人机的任务航迹;
数据获取单元1805用于控制无人机在所述任务航迹上,在所述作业时段和飞行高度获取毒品原植物数据。
一实施例中,如图19所示,参数确定单元1801包括:参考数据获取模块1901,加权模块1902及参数确定模块1903。
参考数据获取模块1901用于获取不同类型的毒品原植物航测参考数据;
加权模块1902用于根据不同类型的毒品原植物航测参考数据的权重系数,对获取的不同类型的毒品原植物航测参考数据进行加权;
参数确定模块1903用于根据加权结果确定无人机航测的航迹参数、航测设备参数及作业环境参数。
一实施例中,所述毒品原植物航测参考数据至少包括如下类型其中之一或任意组合:
自然环境数据、毒品原植物生长规律、地方植被、经济环境数据、路网建设、人文环境数据、天气数据及历史毒情数据。
一实施例中,所述航迹参数至少包括航迹的覆盖密度;和/或,所述航测设备参数至少包括偏色摄像单元及基础性可见光设备的设备参数,所述偏色摄像单元及基础性可见光设备的设备参数至少包括偏色摄像单元及基础性可见光设备的图像分辨率。
一实施例中,毒品原植物种植侦测系统还包括:搭载毒品原植物种植航测设备的任务设备负载仓及发动机消声装置;所述任务设备负载仓装设在所述无人机本体的机舱内,与所述机舱内的接口连接;所述发动机消声装置与所述无人机的发动机固定连接。
一实施例中,毒品原植物种植侦测系统还包括:航测数据输出装置,用于向地面服务器输出毒品原植物的识别结果。
一实施例中,本发明的毒品原植物种植侦测系统还包括:设备平台、测重单元和动态调整单元;所述毒品原植物种植航测设备及航测数据输出装置固定于所述设备平台;所述测重单元与所述设备平台相连接,用于测量固定到所述设备平台上的所述毒品原植物种植航测设备及航测数据输出装置的重量信息;所述动态调整单元分别与所述测重单元和设备平台相连接,用于根据所述重量信息调节所述设备平台及其上的所述毒品原植物种植航测设备及航测数据输出装置的重心位置。
一实施例中,本发明的毒品原植物种植侦测系统包括数据预控分系统、数据获取分系统、数据判读分系统、数据定位分系统、数据存储与传输分系统及数据控制分系统共6个分系统,如图23所示。下面说明各个分系统之间的数据处理过程。
1、数据预控分系统,根据飞行环境和任务性质,实现对数据获取的自动控制和调节(如根据周围亮度自动调节曝光时间和光圈等)。
1-1、数据预控分系统的核心设备之一是侦测数据判定模块,即利用数据获取分系统的采集通道(如镜头等),在尚未获取侦测数据前,对测区环境实施预估,实现在不同环境下(如局部阴天时亮度不足、雾霾导致垂直能见度变化以及长航时作业时太阳角度问题等)对侦测数据获取的自动调节控制。
1-2、数据预控分系统的另一个核心设备是测距模块(测距仪,雷达等),该模块利用激光和超声波技术,实现了无人机飞行对地高度的实时测量,并根据侦测任务性质和侦测数据判定模块的环境评估情况,对无人机的飞行高度输出控制信息,实现无人机任务段的三维飞行。
2、数据获取分系统,多种类高集成的小型化专属设备,只对罂粟和大麻两类目标有成像功能。
2-1,数据获取分系统包含2个以上基础性可见光设备,3个以上任务性可见光设备(如果同时侦测罂粟和大麻两类目标,至少需要六个任务性可见光设备),以及光谱设备和雷达设备等之一或组合。各设备采用并联方式装载,可独立获取侦测数据。
2-2,任务性可见光设备和光谱设备偏色摄像单元经过定向偏色处理。
雷达设备经过特定波长滤波处理。
2-3,数据获取分系统可将各并联设备获取的侦测数据进行自动校正、叠加或嵌套(基础性可见光设备除外)。由于各设备均已经过定向处理,故叠加或嵌套后只对罂粟和大麻两类目标/疑似目标成像,农田及林区影像被屏蔽。
3、数据判读分系统。
3-1,数据判读分系统包含罂粟和大麻两类目标的模板数据库,可对数据获取分系统生成的目标/疑似目标数据进行匹配,(两种设备都要匹配)进而自动形成最终的影像侦测结果。
3-2,数据判读分系统包含目标评估模块,用于进行目标特性计算,通过计算目标特征(如纹理信息、面积、出苗率等),评估目标规模(如罂粟产量)。
3-3,数据判读分系统包含了DEM(等高线)数据生成模块,即根据基础性可见光设备获取的数据进行相位差叠加,进而生成该区域的DEM数据。
4、数据定位分系统,对生成的目标进行多渠道实时定位。
4-1,数据定位分系统可根据无人机的姿态数据(即获取数据时无人机的俯仰角、滚转角和航向角等)解算目标的定位坐标。以及飞机所处的坐标(自带的GPS)
4-2,根据基础性可见光设备获取的数据以及生成的区域DEM数据实现地形匹配定位。
4-3,根据匹配定位对4-1的定位坐标进行修正,并生成最终的定位坐标。修正时,可以根据DEM数据进行,具体地,4-2中计算计算出地块坐标(设为S1)中包含了DEM数据,如果将该DEM数据与预存储的地图进步比对发现该DEM数据对应的高度所在坐标为S2,那么计算的地块坐标可能为S2,此时可以将计算出的地块坐标修正为S2。
5、数据存储与传输分系统,实现对各类数据的储存于实施传输。
5-1,数据存储与传输分系统可对前述的基础性可见光数据、任务性可见光数据、光谱数据等原始数据,以及自动生成的DEM数据和定位坐标数据等分别进行储存,并以多种数据组合嵌套方式进行输出或展示。
5-2,数据存储与传输分系统的传输模块,可将航测结果实时传回地面指挥中心,传输方式包含短报文、电台传输、手机信号传输和卫星通讯等一种或多种组合方式,传输具有无间断性的特征。
6、数据控制分系统,在发现目标并进行定位后,根据侦测结果和任务性质,自动控制无人机做出相应飞行调整,为补充侦查或指引打击等提供技术支持。如目标点上空低空盘旋飞行,以此获取补充侦查数据,为上述3-2的评估模块提供高分数据。
本发明通过偏色摄像单元拍摄地物图像,可以单独直观准确的分析得到第一类罂粟种植或第一类大麻种植,在不需要对拍摄图像进行复杂处理的情况下识别出毒品原植物。
本发明还可以将第一类罂粟种植或第一类大麻种植与根据通过基础性可见光设备拍摄的图像进行处理获得的第二类罂粟种植和/或第二类大麻种植结合,更加准确的识别出毒品原植物。
可见,本发明可以分别单独获得第一类识别结果或第二类识别结果,还可以同时获得第一类识别结果或第二类识别结果,具有极大的灵活性。
另外,本发明从航测得到毒品原植物数据,到识别出侦测到结果,只需要在无人机上进行,无需传输到地面进行处理,具有很强的实时性。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (46)
1.一种基于无人机的毒品原植物种植侦测方法,其特征在于,包括:
采集包含不同生长环境中各毒品原植物的色坐标值域范围的样本数据,并根据各所述色坐标值域范围计算对应的RGB数值;
根据所述RGB数值对无人机的偏色摄像单元的CCD滤镜、CCD多晶硅电极及绝缘层的参数进行调整;
利用包括所述偏色摄像单元的航测设备航测得到毒品原植物种植数据;
根据所述毒品原植物种植数据分析识别毒品原植物,其中,所述毒品原植物种植数据包括罂粟种植数据及大麻种植数据。
2.根据权利要求1所述的基于无人机的毒品原植物种植侦测方法,其特征在于,根据各所述色坐标值域范围计算对应的RGB数值,包括:
将所述色坐标值域范围中的色坐标值带入下述公式计算各所述色坐标值域范围对应的RGB数值:
其中,X、Y、Z为色坐标值域。
3.根据权利要求1所述的基于无人机的毒品原植物种植侦测方法,其特征在于,根据所述RGB数值对无人机的偏色摄像单元的CCD滤镜、CCD多晶硅电极及绝缘层的参数进行调整,包括:
根据所述RGB数值对所述CCD滤镜进行滤波处理,改变三原色的比例,使不同偏色摄像单元获取红绿蓝三原色中的一种;
对所述CCD多晶硅电极和绝缘层的参数进行调整,以适应使所述RGB数值的光波灵敏度和光谱响应特性。
4.根据权利要求1所述的基于无人机的毒品原植物种植侦测方法,其特征在于,所述毒品原植物种植数据至少包括:偏色摄像单元拍摄的地物图像、基础性可见光设备拍摄的地物图像及多光谱图像的其中之一或者其组合。
5.根据权利要求4所述的基于无人机的毒品原植物种植侦测方法,其特征在于,
根据所述毒品原植物种植数据分析识别罂粟种植和大麻种植,包括:
将偏色摄像单元拍摄的地物图像中敏感度最高的区域识别为第一类毒品原植物。
6.根据权利要求5所述的基于无人机的毒品原植物种植侦测方法,其特征在于,将偏色摄像单元拍摄的地物图像中敏感度最高的区域识别为第一类毒品原植物,包括:
将同一被拍摄位置的红、绿、蓝三张地物图像进行比对,将在三张地物图像中敏感度均最高的至少一个区域识别为第一类毒品原植物。
7.根据权利要求6所述的基于无人机的毒品原植物种植侦测方法,其特征在于,根据所述毒品原植物种植数据分析识别罂粟种植和/或大麻种植,包括:
对基础性可见光设备拍摄的地物图像中的几何形状及色彩进行分析,在所述基础性可见光设备拍摄的地物图像中确定出与毒品原植物种植相关的航测关键信息;
根据所述航测关键信息识别所述基础性可见光设备拍摄的地物图像中的罂粟种植和/或大麻种植。
8.根据权利要求7所述的基于无人机的毒品原植物种植侦测方法,其特征在于,所述航测关键信息包括:毒品原植物航测关键信息;
所述毒品原植物航测关键信息包括:地块的位置、形状及大小,地块的边缘植被,毒品原植物在不同地方及不同生长期的外形,地块纹理信息。
9.根据权利要求8所述的基于无人机的毒品原植物种植侦测方法,其特征在于,根据所述航测关键信息识别所述基础性可见光设备拍摄的地物图像中的罂粟种植和/或大麻种植,包括:
根据所述航测关键信息与第一约束条件,在所述基础性可见光设备拍摄的地物图像中筛选出疑似罂粟种植或疑似大麻种植;
根据所述航测关键信息及第二约束条件,在疑似罂粟种植或疑似大麻种植的地物图像中筛选出第二类罂粟种植或第二类大麻种植。
10.根据权利要求9所述的基于无人机的毒品原植物种植侦测方法,其特征在于,所述第一约束条件包括:地块几何尺寸及纹理信息;
在所述基础性可见光设备拍摄的地物图像中筛选出疑似罂粟种植或疑似大麻种植,包括:
将所述航测关键信息中的相关信息与所述地块几何尺寸及纹理信息进行比对,根据比对结果在所述基础性可见光设备拍摄的地物图像中筛选出疑似罂粟种植或疑似大麻种植。
11.根据权利要求9所述的基于无人机的毒品原植物种植侦测方法,其特征在于,所述第二约束条件包括:历史数据库模板;
在疑似罂粟种植或疑似大麻种植的地物图像中筛选出第二类罂粟种植或第二类大麻种植,包括:
将疑似罂粟种植或疑似大麻种植的地物图像与所述历史数据库模板进行匹配,在疑似罂粟种植或疑似大麻种植的地物图像中筛选出第二类罂粟种植或第二类大麻种植。
12.根据权利要求11所述的基于无人机的毒品原植物种植侦测方法,其特征在于,将疑似罂粟种植或疑似大麻种植的地物图像与所述历史数据库进行匹配,包括:
对疑似罂粟种植或疑似大麻种植的地物图像进行增强处理,将增强处理后的疑似罂粟种植或疑似大麻装置的地物图像与所述历史数据库模板进行匹配,筛掉与罂粟种植和/或大麻种植外形相近的地物。
13.根据权利要求11所述的基于无人机的毒品原植物种植侦测方法,其特征在于,根据所述毒品原植物种植数据分析识别罂粟种植和/或大麻种植,包括:将第一类罂粟种植与第二类罂粟种植进行比对,确定罂粟种植;和/或,将第一类大麻种植与第二类大麻种植进行比对,确定大麻种植。
14.根据权利要求7所述的基于无人机的毒品原植物种植侦测方法,其特征在于,在对基础性可见光设备拍摄的地物图像中的几何形状及色彩进行分析之前,还包括:
对所述基础性可见光设备拍摄的地物图像进行预处理,所述预处理至少几何畸变校正、图像颜色校正、平滑滤波及嵌套DEM数据其中之一或任意组合。
15.根据权利要求7至12中任一项所述的基于无人机的毒品原植物种植侦测方法,其特征在于,根据所述毒品原植物种植数据分析识别罂粟种植和/或大麻种植,还包括:根据多光谱图像中的谱段对所述多光谱图像中识别出的罂粟种植或者大麻种植进行筛选。
16.根据权利要求14所述的基于无人机的毒品原植物种植侦测方法,其特征在于,还包括:
根据所述无人机的POSE点坐标、俯仰角、滚转角、航高及DEM数据计算罂粟种植地块或大麻种植地块的初始坐标及所述罂粟种植地块或大麻种植地块在所述基础性可见光设备拍摄的地物图像和/或多光谱图像的全图坐标;
将所述初始坐标中的其中一点与预存储的地图进行比对,对所述俯仰角及滚转角进行修正;
根据修正后的俯仰角及滚转角计算所述罂粟种植地块或大麻种植地块的坐标。
17.根据权利要求4所述的基于无人机的毒品原植物种植侦测方法,其特征在于,所述毒品原植物种植数据分析识别罂粟种植,还包括:
根据偏色摄像单元拍摄的地物图像、基础性可见光设备拍摄的地物图像确定罂粟种植地块的出苗率;
根据偏色摄像单元拍摄的地物图像、基础性可见光设备拍摄的地物图像的分辨率及所述出苗率计算出苗面积。
18.如权利要求17所述的基于无人机的毒品原植物种植侦测方法,其特征在于,还包括:
根据毒品原植物种植参考数据,确定无人机航测的航迹参数、航测设备参数及作业环境参数;
根据所述航测设备参数调整无人机搭载的毒品原植物种植航测设备;
根据所述作业环境参数确定无人机的作业时段和飞行高度;
根据所述航迹参数确定无人机的任务航迹;
控制无人机在所述任务航迹上,在所述作业时段和飞行高度获取罂粟种植数据和/或大麻种植数据。
19.如权利要求18所述的基于无人机的毒品原植物种植侦测方法,其特征在于,所述根据毒品原植物种植参考数据,确定无人机航测的航迹参数、航测设备参数及作业环境参数,包括:
获取不同类型的罂粟种植航测参考数据或大麻种植航测参考数据;
根据不同类型的罂粟种植航测参考数据或大麻种植航测参考数据的权重系数,对获取的不同类型的罂粟种植航测参考数据或大麻种植航测参考数据进行加权;
根据加权结果确定无人机航测的航迹参数、航测设备参数及作业环境参数。
20.如权利要求19所述的基于无人机的毒品原植物种植侦测方法,其特征在于,所述罂粟种植航测参考数据至少包括如下类型其中之一或任意组合:
自然环境数据、罂粟种植生长规律、地方植被、经济环境数据、路网建设、人文环境数据、天气数据及历史毒情数据。
21.如权利要求19所述的基于无人机的毒品原植物种植侦测方法,其特征在于,所述大麻种植航测参考数据至少包括如下类型其中之一或任意组合:
自然环境数据、大麻种植生长规律、地方植被、经济环境数据、路网建设、人文环境数据、天气数据及历史毒情数据。
22.如权利要求18所述的基于无人机的毒品原植物种植侦测方法,其特征在于,所述航迹参数至少包括航迹的覆盖密度;和/或,所述航测设备参数至少包括偏色摄像单元及基础性可见光设备的设备参数,所述偏色摄像单元及基础性可见光设备的设备参数至少包括偏色摄像单元及基础性可见光设备的图像分辨率。
23.一种基于无人机的毒品原植物种植侦测系统,其特征在于,包括:
RGB数值生成单元,用于采集包含不同生长环境中各毒品原植物的色坐标值域范围的样本数据,并根据各所述色坐标值域范围计算对应的RGB数值;
参数调整单元,用于根据所述RGB数值对无人机的偏色摄像单元的CCD滤镜、CCD多晶硅电极及绝缘层的参数进行调整;
航测单元,用于利用包括所述偏色摄像单元的航测设备航测得到毒品原植物种植数据;
毒品原植物种植识别单元,用于根据所述毒品原植物种植数据分析识别罂粟种植和/或大麻种植,其中,所述毒品原植物种植数据包括罂粟种植数据及大麻种植数据。
24.根据权利要求23所述的基于无人机的毒品原植物种植侦测系统,其特征在于,所述RGB数值生成单元具体用于:
将所述色坐标值域范围中的色坐标值带入下述公式计算各所述色坐标值域范围对应的RGB数值:
其中,X、Y、Z为色坐标值域。
25.根据权利要求23所述的基于无人机的毒品原植物种植侦测系统,其特征在于,所述参数调整单元包括:
滤波模块,用于根据所述RGB数值对所述CCD滤镜进行滤波处理,改变三原色的比例,使不同偏色摄像单元获取红绿蓝三原色中的一种;
参数调整模块,用于对所述CCD多晶硅电极和绝缘层的参数进行调整,以适应使所述RGB数值的光波灵敏度和光谱响应特性。
26.根据权利要求23所述的基于无人机的毒品原植物种植侦测系统,其特征在于,所述毒品原植物种植数据至少包括:偏色摄像单元拍摄的地物图像、基础性可见光设备拍摄的地物图像及多光谱图像的其中之一或者其组合。
27.根据权利要求26所述的基于无人机的毒品原植物种植侦测系统,其特征在于,所述毒品原植物种植识别单元包括:
第一类识别模块,用于将偏色摄像单元拍摄的地物图像中敏感度最高的区域识别为第一类罂粟种植或第一类大麻种植。
28.根据权利要求27所述的基于无人机的毒品原植物种植侦测系统,其特征在于,所述第一类识别模块具体用于:
将同一被拍摄位置的红、绿、蓝三张地物图像进行比对,将在三张地物图像中敏感度均最高的至少一个区域识别为第一类罂粟种植或第一类大麻种植。
29.根据权利要求28所述的基于无人机的毒品原植物种植侦测系统,其特征在于,所述毒品原植物种植识别单元包括:
航测信息确定模块,用于对基础性可见光设备拍摄的地物图像中的几何形状及色彩进行分析,在所述基础性可见光设备拍摄的地物图像中确定出与毒品原植物种植相关的航测关键信息;
识别模块,用于根据所述航测关键信息识别所述基础性可见光设备拍摄的地物图像中的罂粟种植和/或大麻种植。
30.根据权利要求29所述的基于无人机的毒品原植物种植侦测系统,其特征在于,所述航测关键信息包括:毒品原植物航测关键信息;
所述毒品原植物航测关键信息包括:地块的位置、形状及大小,地块的边缘植被,毒品原植物在不同地方及不同生长期的外形,地块纹理信息。
31.根据权利要求30所述的基于无人机的毒品原植物种植侦测系统,其特征在于,所述识别模块包括:
疑似毒品原植物识别模块,用于根据所述航测关键信息与第一约束条件,在所述基础性可见光设备拍摄的地物图像中筛选出疑似罂粟种植或疑似大麻种植;
毒品原植物识别模块,用于根据所述航测关键信息及第二约束条件,在疑似罂粟种植或疑似大麻种植的地物图像中筛选出第二类罂粟种植或第二类大麻种植。
32.根据权利要求31所述的基于无人机的毒品原植物种植侦测系统,其特征在于,所述第一约束条件包括:地块几何尺寸及纹理信息;所述疑似毒品原植物识别模块具体用于:
将所述航测关键信息中的相关信息与所述地块几何尺寸及纹理信息进行比对,根据比对结果在所述基础性可见光设备拍摄的地物图像中筛选出疑似罂粟种植或疑似大麻种植。
33.根据权利要求31所述的基于无人机的毒品原植物种植侦测系统,其特征在于,所述第二约束条件包括:历史数据库模板;所述毒品原植物识别模块包括:
匹配模块,用于将疑似罂粟种植或疑似大麻种植的地物图像与所述历史数据库模板进行匹配;
筛选模块,用于在疑似罂粟种植或疑似大麻种植的地物图像中筛选出第二类罂粟种植或第二类大麻种植。
34.根据权利要求33所述的基于无人机的毒品原植物种植侦测系统,其特征在于,所述匹配模块具体用于:
对疑似罂粟种植或疑似大麻种植的地物图像进行增强处理,将增强处理后的疑似罂粟种植或疑似大麻种植的地物图像与所述历史数据库模板进行匹配,筛掉与罂粟种植和/或大麻种植外形相近的地物。
35.根据权利要求33所述的基于无人机的毒品原植物种植侦测系统,其特征在于,所述毒品原植物种植识别单元还用于:将第一类罂粟种植与第二类罂粟种植进行比对,确定罂粟种植;和/或,将第一类大麻种植与第二类大麻种植进行比对,确定大麻种植。
36.根据权利要求29所述的基于无人机的毒品原植物种植侦测系统,其特征在于,所述的毒品原植物种植侦测系统还包括:
预处理单元,用于对所述基础性可见光设备拍摄的地物图像进行预处理,所述预处理至少几何畸变校正、图像颜色校正、平滑滤波及嵌套DEM数据其中之一或任意组合。
37.根据权利要求29至34中任一项所述的基于无人机的毒品原植物种植侦测系统,其特征在于,所述毒品原植物种植识别单元还用于:根据多光谱图像中的谱段对所述多光谱图像中识别出的罂粟种植或者大麻种植进行筛选。
38.根据权利要求36所述的基于无人机的毒品原植物种植侦测系统,其特征在于,所述的毒品原植物种植侦测系统还包括:
坐标确定单元,用于根据所述无人机的POSE点坐标、俯仰角、滚转角、航高及DEM数据计算罂粟种植地块或大麻种植地块的初始坐标及所述罂粟种植地块或大麻种植地块在所述基础性可见光设备拍摄的地物图像和/或多光谱图像的全图坐标;
比对单元,用于将所述初始坐标中的其中一点与预存储的地图进行比对,对所述俯仰角及滚转角进行修正;
坐标计算单元,用于根据修正后的俯仰角及滚转角计算所述罂粟种植地块或大麻种植地块的坐标。
39.根据权利要求26所述的基于无人机的毒品原植物种植侦测系统,其特征在于,所述毒品原植物种植识别单元还用于:
根据偏色摄像单元拍摄的地物图像、基础性可见光设备拍摄的地物图像确定毒品原植物种植地块的出苗率;根据偏色摄像单元拍摄的地物图像、基础性可见光设备拍摄的地物图像的分辨率及所述出苗率计算出苗面积。
40.如权利要求39所述的基于无人机的毒品原植物种植侦测系统,其特征在于,所述的毒品原植物种植侦测系统还包括:
参数确定单元,用于根据毒品原植物种植参考数据,确定无人机航测的航迹参数、航测设备参数及作业环境参数;
设备调整单元,用于根据所述航测设备参数调整无人机搭载的毒品原植物种植航测设备;
作业信息确定单元,用于根据所述作业环境参数确定无人机的作业时段和飞行高度;
航迹确定单元,用于根据所述航迹参数确定无人机的任务航迹;
数据获取单元,用于控制无人机在所述任务航迹上,在所述作业时段和飞行高度获取罂粟种植数据和/或大麻种植数据。
41.如权利要求40所述的基于无人机的毒品原植物种植侦测系统,其特征在于,所述参数确定单元包括:
参考数据获取模块,用于获取不同类型的罂粟种植航测参考数据或大麻种植航测参考数据;
加权模块,用于根据不同类型的罂粟种植航测参考数据或大麻种植航测参考数据的权重系数,对获取的不同类型的罂粟种植航测参考数据或大麻种植航测参考数据进行加权;
参数确定模块,用于根据加权结果确定无人机航测的航迹参数、航测设备参数及作业环境参数。
42.如权利要求41所述的基于无人机的毒品原植物种植侦测系统,其特征在于,所述毒品原植物种植航测参考数据至少包括如下类型其中之一或任意组合:
自然环境数据、毒品原植物生长规律、地方植被、经济环境数据、路网建设、人文环境数据、天气数据及历史毒情数据。
43.如权利要求40所述的基于无人机的毒品原植物种植侦测系统,其特征在于,所述航迹参数至少包括航迹的覆盖密度;和/或,所述航测设备参数至少包括偏色摄像单元及基础性可见光设备的设备参数,所述偏色摄像单元及基础性可见光设备的设备参数至少包括偏色摄像单元及基础性可见光设备的图像分辨率。
44.如权利要求40至43中任一项所述的基于无人机的毒品原植物种植侦测系统,其特征在于,所述毒品原植物种植侦测系统还包括:搭载所述毒品原植物种植航测设备的任务设备负载仓及发动机消声装置;所述任务设备负载仓装设在所述无人机本体的机舱内,与所述机舱内的接口连接;所述发动机消声装置与所述无人机的发动机固定连接。
45.如权利要求42所述得基于无人机的毒品原植物种植侦测系统,其特征在于,所述毒品原植物种植侦测系统还包括:航测数据输出装置,用于向地面服务器输出罂粟种植和/或大麻种植的识别结果。
46.如权利要求45所述得基于无人机的毒品原植物种植侦测系统,其特征在于,所述毒品原植物种植侦测系统还包括:设备平台、测重单元和动态调整单元;
所述毒品原植物种植航测设备及航测数据输出装置固定于所述设备平台;
所述测重单元与所述设备平台相连接,用于测量固定到所述设备平台上的所述毒品原植物种植航测设备及航测数据输出装置的重量信息;
所述动态调整单元分别与所述测重单元和设备平台相连接,用于根据所述重量信息调节所述设备平台及其上的所述毒品原植物种植航测设备及航测数据输出装置的重心位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511002451.XA CN105403199B (zh) | 2015-12-28 | 2015-12-28 | 基于无人机的毒品原植物种植侦测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511002451.XA CN105403199B (zh) | 2015-12-28 | 2015-12-28 | 基于无人机的毒品原植物种植侦测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105403199A true CN105403199A (zh) | 2016-03-16 |
CN105403199B CN105403199B (zh) | 2017-02-08 |
Family
ID=55468837
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201511002451.XA Active CN105403199B (zh) | 2015-12-28 | 2015-12-28 | 基于无人机的毒品原植物种植侦测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105403199B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107330413A (zh) * | 2017-07-06 | 2017-11-07 | 中国科学院遥感与数字地球研究所 | 一种基于遥感技术的毒品原植物识别方法 |
CN109918531A (zh) * | 2019-03-06 | 2019-06-21 | 长光禹辰信息技术与装备(青岛)有限公司 | 一种毒品原植物的搜查方法、装置和计算机可读存储介质 |
CN110084120A (zh) * | 2019-03-26 | 2019-08-02 | 南方电网调峰调频发电有限公司 | 海岛环境下的植被调查方法、装置、系统、设备和介质 |
CN110329508A (zh) * | 2019-07-30 | 2019-10-15 | 阜阳加西亚航空科技有限公司 | 一种缉毒用无人机及其控制系统 |
CN110334683A (zh) * | 2019-07-12 | 2019-10-15 | 四川长虹电器股份有限公司 | 基于无人机遥感系统智能识别植物的方法 |
CN110702875A (zh) * | 2019-09-12 | 2020-01-17 | 大连海事大学 | 一种基于土壤监测技术侦查违禁药物制造窝点的方法 |
CN110779876A (zh) * | 2019-11-07 | 2020-02-11 | 长光禹辰信息技术与装备(青岛)有限公司 | 一种疫木识别方法、装置、设备及计算机可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002117402A (ja) * | 2000-10-11 | 2002-04-19 | Orisu:Kk | 画像処理方法及びその装置 |
JP2008210165A (ja) * | 2007-02-27 | 2008-09-11 | Tohoku Kensetsu Kyokai | 植生判定方法及び画像処理装置 |
CN204595612U (zh) * | 2015-04-21 | 2015-08-26 | 贵州远方园林建设有限公司 | 利用无人机对公共绿地内植物生长情况进行监测的系统 |
CN105139408A (zh) * | 2015-09-08 | 2015-12-09 | 江苏大学 | 一种基于Kinect传感器的植株绿色特征识别方法 |
-
2015
- 2015-12-28 CN CN201511002451.XA patent/CN105403199B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002117402A (ja) * | 2000-10-11 | 2002-04-19 | Orisu:Kk | 画像処理方法及びその装置 |
JP2008210165A (ja) * | 2007-02-27 | 2008-09-11 | Tohoku Kensetsu Kyokai | 植生判定方法及び画像処理装置 |
CN204595612U (zh) * | 2015-04-21 | 2015-08-26 | 贵州远方园林建设有限公司 | 利用无人机对公共绿地内植物生长情况进行监测的系统 |
CN105139408A (zh) * | 2015-09-08 | 2015-12-09 | 江苏大学 | 一种基于Kinect传感器的植株绿色特征识别方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107330413A (zh) * | 2017-07-06 | 2017-11-07 | 中国科学院遥感与数字地球研究所 | 一种基于遥感技术的毒品原植物识别方法 |
CN109918531A (zh) * | 2019-03-06 | 2019-06-21 | 长光禹辰信息技术与装备(青岛)有限公司 | 一种毒品原植物的搜查方法、装置和计算机可读存储介质 |
CN110084120A (zh) * | 2019-03-26 | 2019-08-02 | 南方电网调峰调频发电有限公司 | 海岛环境下的植被调查方法、装置、系统、设备和介质 |
CN110334683A (zh) * | 2019-07-12 | 2019-10-15 | 四川长虹电器股份有限公司 | 基于无人机遥感系统智能识别植物的方法 |
CN110329508A (zh) * | 2019-07-30 | 2019-10-15 | 阜阳加西亚航空科技有限公司 | 一种缉毒用无人机及其控制系统 |
CN110702875A (zh) * | 2019-09-12 | 2020-01-17 | 大连海事大学 | 一种基于土壤监测技术侦查违禁药物制造窝点的方法 |
CN110779876A (zh) * | 2019-11-07 | 2020-02-11 | 长光禹辰信息技术与装备(青岛)有限公司 | 一种疫木识别方法、装置、设备及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105403199B (zh) | 2017-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105403199B (zh) | 基于无人机的毒品原植物种植侦测方法及系统 | |
Samad et al. | The potential of Unmanned Aerial Vehicle (UAV) for civilian and mapping application | |
Smith et al. | High spatial resolution data acquisition for the geosciences: kite aerial photography | |
CN111537515A (zh) | 基于三维实景模型的铁塔螺栓缺陷展示方法和系统 | |
Yu et al. | Modeling of landslide topography based on micro-unmanned aerial vehicle photography and structure-from-motion | |
US20220309200A1 (en) | Dynamic interactive simulation method for recognition and planning of urban viewing corridor | |
CN104704424B (zh) | 基础设施测绘系统和方法 | |
US11790773B2 (en) | Vehicle parking data collection system and method | |
Brutto et al. | UAV systems for photogrammetric data acquisition of archaeological sites | |
CN110363758B (zh) | 一种光学遥感卫星成像质量确定方法及系统 | |
CN109540104A (zh) | 一种利用摄影测量技术用于公路管理的无人机系统 | |
US11769225B2 (en) | Image processing apparatus, image processing method, and program | |
Zhang et al. | Evaluating the potential of PPK direct georeferencing for UAV-SfM photogrammetry and precise topographic mapping | |
Shvorov et al. | UAV Navigation and Management System Based on the Spectral Portrait of Terrain | |
CN108764326A (zh) | 基于深度置信网络的城市不透水层提取方法 | |
CN115424135A (zh) | 一种用于植被提取深度学习的四通道影像处理方法 | |
Belfiore et al. | Orthorectification and pan-sharpening of worldview-2 satellite imagery to produce high resolution coloured ortho-photos | |
CN108195359A (zh) | 空间数据的采集方法及系统 | |
Vos | Remote sensing of the nearshore zone using a rotary-wing UAV | |
Sefercik et al. | Photogrammetric 3D modelling potential comparison of SFM-based new generation image matching software | |
Senn et al. | On‐site geometric calibration of RPAS mounted sensors for SfM photogrammetric geomorphological surveys | |
CN116561509A (zh) | 顾及植被类型的城市植被地上生物量精确反演方法及系统 | |
CN105225232A (zh) | 一种基于视觉注意机制的彩色着舰合作目标检测方法 | |
Patra | Remote sensing and geographical information system (GIS) | |
CN114239379A (zh) | 一种基于形变检测的输电线路地质灾害分析方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: 1, 7 3507-058, 100061 Changqing Garden, Beijing, Dongcheng District Applicant after: Standard defense technology Limited by Share Ltd Address before: 1, 7 3507-058, 100061 Changqing Garden, Beijing, Dongcheng District Applicant before: BEIJING GUANDIAN AVIATION TECHNOLOGY CO., LTD. |
|
COR | Change of bibliographic data | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |