CN106780323B - 一种基于智能手机的农情采集与实时更新方法及系统 - Google Patents
一种基于智能手机的农情采集与实时更新方法及系统 Download PDFInfo
- Publication number
- CN106780323B CN106780323B CN201611050773.6A CN201611050773A CN106780323B CN 106780323 B CN106780323 B CN 106780323B CN 201611050773 A CN201611050773 A CN 201611050773A CN 106780323 B CN106780323 B CN 106780323B
- Authority
- CN
- China
- Prior art keywords
- image
- real
- information
- agricultural condition
- smart phone
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000000605 extraction Methods 0.000 claims abstract description 16
- 230000008569 process Effects 0.000 claims abstract description 16
- 230000004927 fusion Effects 0.000 claims description 12
- 230000009466 transformation Effects 0.000 claims description 10
- 238000000638 solvent extraction Methods 0.000 claims description 7
- 230000001133 acceleration Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 6
- 230000003595 spectral effect Effects 0.000 claims description 6
- 241000270295 Serpentes Species 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 4
- 238000009313 farming Methods 0.000 claims description 3
- 230000007261 regionalization Effects 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000007306 turnover Effects 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims 1
- 238000011835 investigation Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 description 12
- 230000008859 change Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000005457 optimization Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007499 fusion processing Methods 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/60—Rotation of whole images or parts thereof
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Studio Devices (AREA)
Abstract
本发明涉及一种农情采集与实时更新方法及系统，属于农业信息领域，具体涉及一种基于智能手机的农情采集与实时更新方法及系统。该方法及系统基于智能手机，是轻量级的农情信息采集与实时更新的技术，能够实现农情信息采集中信息的简单、快速、自动提取，并能将实时采集的农情信息(智能手机拍摄的图像)智能叠加到原始的遥感影像中，保证农情信息的实时性，同时减少现场人工采集工作量，为遥感影像的内业解译提供参考，能有效解决现有农情采集过程中“外业工作量大、内业误差大”的工作现状，优化农业资源调查工作资源配置，为农作物估产估量提供更加丰富的数据支撑与技术方案。
Description
技术领域
本发明涉及一种农情采集与实时更新方法及系统，属于农业信息领域，具体涉及一种基于智能手机的农情采集与实时更新方法及系统。
背景技术
现有的农业信息采集方法操作复杂，自动化程度低，从而导致了现有的家情信息处理领域所存在的“外业工作量大、内业误差大”的工作现状，严重阻碍了农业资源调查工作，影响了农资的优化配置工作，难以为农作物估产估量提供更加丰富的数据支撑与技术方案。
发明内容
本发明主要是解决现有技术所存在的上述的技术问题，提供了一种基于智能手机的农情采集与实时更新方法及系统。该方法及系统基于智能手机，是轻量级的农情信息采集与实时更新的技术，能够实现农情信息采集中信息的简单、快速、自动提取，并能将实时采集的农情信息(智能手机拍摄的图像)智能叠加到原始的遥感影像中，保证农情信息的实时性，同时减少现场人工采集工作量，为遥感影像的内业解译提供参考，能有效解决现有农情采集过程中“外业工作量大、内业误差大”的工作现状，优化农业资源调查工作资源配置，为农作物估产估量提供更加丰富的数据支撑与技术方案。
本发明的上述技术问题主要是通过下述技术方案得以解决的：
一种基于智能手机的农情采集与实时更新方法，包括：
图像拍摄步骤，利用手机实时拍摄图像，并通过GPS定位信息关联图像的位置信息；
二次分区步骤，根据实时采集图像中的光谱信息，将原始遥感影像做区域化分割，确保每个二次划分区域的几何形状尽量规整、区域内作物品种单一；
关键帧提取步骤，筛选在所述二次划分区域中拍摄的视频流的关键帧，提取关键帧影像中的作物范围；
图像信息融合步骤，对影像进行翻转拉伸后再将其融合至原始遥感影像中。
优化的，上述的一种基于智能手机的农情采集与实时更新方法，还包括：
地标校正步骤，根据人工标识的原始影像中的参考点，校正与优化农情采集过程中GPS实时定位的精度以及实时采集的图像于原始遥感影像的匹配精度。
优化的，上述的一种基于智能手机的农情采集与实时更新方法，还包括：
所述图像拍摄步骤中的图像采集方式为视频流的连续采集，并且以一定时间间隔对采集的视频流进行抽样，对抽样图像做拍摄角度和拍摄距离测量，依据GPS传感器、加速传感器等综合信息，通过对采样图像帧的计算结果进行三角变换求解未被抽样选取的图像帧的位置信息。
优化的，上述的一种基于智能手机的农情采集与实时更新方法，还包括：
所述关键帧提取步骤中对智能手机拍摄的视频流提取表征区域农情信息的关键帧图像，采用边缘识别算法，从关键帧中提取区块农作物大小、形状等信息；采用Canny和Snake算法结合的方式获取农情图像中农作物区域。
优化的，上述的一种基于智能手机的农情采集与实时更新方法，还包括：
图像信息融合步骤中，将手机采集并经过边缘提取的图像中，离拍摄点最近的一点作为农作物区域的定位几点，将此点位置与遥感影像中对应位置关联起来。
优化的，上述的一种基于智能手机的农情采集与实时更新方法，还包括：
所述图像信息融合步骤中，利用手机拍摄参数，根据三角函数变换规则，非线性的将农作物区域旋转、拉伸至原始遥感影像所对应农作物区域大小，并将其覆盖至原始影像之上，形成更新后新的影像。
在手机采集的农作物区域较大时，可将手机及采集的农作物区域剪裁成小块，并复制小块影像，同时复制增加、拼接小块影像，避免在图像融合的过程中，因图像拉伸而引起的大幅变形，从而内业遥感解译人员无法有效识别的情况发生。
优化的，上述的一种基于智能手机的农情采集与实时更新方法，还包括：
在手机采集的农作物区域较大时，将手机及采集的农作物区域剪裁成小块，并复制小块影像，同时复制增加、拼接小块影像，块的大小根据整个采集图像的大小，由人工预先设定，并且复制块在空间上与原始图像块相连的方式。
一种基于智能手机的农情采集与实时更新系统，包括：
图像拍摄模块，利用手机实时拍摄图像，并通过GPS定位信息关联图像的位置信息；
二次分区模块，根据实时采集图像中的光谱信息，将原始遥感影像做区域化分割，确保每个二次划分区域的几何形状尽量规整、区域内作物品种单一；
关键帧提取模块，筛选在所述二次划分区域中拍摄的视频流的关键帧，提取关键帧影像中的作物范围；
图像信息融合模块，对影像进行翻转拉伸后再将其融合至原始遥感影像中。
优化的，上述的一种基于智能手机的农情采集与实时更新系统，所述图像拍摄步模块的图像采集方式为视频流的连续采集，并且以一定时间间隔对采集的视频流进行抽样，对抽样图像做拍摄角度和拍摄距离测量，依据GPS传感器、加速传感器等综合信息，通过对采样图像帧的计算结果进行三角变换求解未被抽样选取的图像帧的位置信息。
优化的，上述的一种基于智能手机的农情采集与实时更新系统，所述关键帧提取模块中对智能手机拍摄的视频流提取表征区域农情信息的关键帧图像，采用边缘识别算法，从关键帧中提取区块农作物大小、形状等信息；采用Canny和Snake算法结合的方式获取农情图像中农作物区域。
因此，本发明通过对农情图像的实时采集，以及与原始遥感影像的坐标匹配，将采集到的实时农情信息更新至原始遥感影像中，提高了农情外业采集的自动化程度，同时为内业遥感解译提供了更加丰富的实时数据支撑，解决了现有的基于遥感影像和外业核查的农情调查过程中，需要大量人工参与的环节，减少人力物力成本；同时，基于遥感影像与地面采集图像融合处理的方法，能够为遥感影像在其它行业方向的应用提供辅助与借鉴作用。
附图说明
图1是本发明实施例提供的一种基于智能手机的农情采集与实时更新的流程图；
图2是本发明实施例提供的一种基于智能手机的农情采集与实时更新系统的功能划分和结构框图。
具体实施方式
下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。
实施例：
本发明实施例中，采用Android智能手机平台开发客户端应用，选取ArcGISRuntime SDK for Android 10.2.8部署开发环境，采用OpenCV库实现移动端的图像处理操作。
如图1所示：在本发明实施例的基于智能手机的农情采集与实时更新方法，其包括如下步骤：
S1、人工标识原始影像中的参考点。由于GPS定位存在一定误差，为使现场手机实时采集的图像能够与原始的遥感影像对应，需要选择识别性强、短时不会发生改变、易于识别的地理信息，用户优化后续的原始图像与手机拍摄图像的匹配过程。此步骤的功能即是通过人工选择区域性具有上述特征的地理信息参考点。
S2、手机实时拍摄图像，并通过GPS定位信息关联图像的位置信息。智能手机中预先存储的遥感影像是带有位置信息的，此步骤通过读取现场采集图片时手机的GPS信息，将图像采集时的相关信息和遥感影像关联起来，包括采集地点(手机拍摄地点)的经纬度位置信息、拍摄朝向、聚焦点和拍摄仰角俯角等。
S3、关联原始影像中兴趣区域，并根据实时采集图像中的信息二次划分区域。此步骤的目的在于，根据实时采集图像中的光谱信息，将原始遥感影像做区域化分割，尽量确保每个二次划分的区域几何形状尽量规整、区域内作物品种单一，以保证后续的影响融合过程的精度。
S4、选择原始影像二次划分区域中有代表性的图像，提取兴趣区域并做翻转处理。由于智能手机实时采集的数据采用摄像方式，因此在S2步骤划分了二次区域后，应筛选区域内拍摄视频流的关键帧，关键帧中的信息应能代表该区域内的农情信息。接着需要采用边缘识别算法，提取关键帧影像中的作物范围。最后，由于智能手机的影像采集的拍摄角度有一定的俯角，并非为铅直线上方拍摄，因此需要将图像做一定的翻转拉伸，使其能够匹配到原始影像中。
S5、将处理后结果融入原始遥感影像，并同时保存为面要素的矢量信息。此步骤将经过S4步骤处理的影像，按区域叠加到原始的遥感影像中，并生成新的影像。新影像可以反映实时农情采集数据的最新成果，将更新原始影像中农作物品种变化、区域范围变化、长势变化等最新信息。
如图2所示：本发明实施例的基于智能手机的农情采集与实时更新系统，其包括：
影像分析模块10。影像分析模块主体功能为：完成对原始遥感影像的分析。分析方式采用自动分析和人工分析结合的方式。自动分析主要为对同一区域的多幅不同时期影像的时域分析，提取不同时期影像中未变化的区域特征，区域特征的提取主体不为植被，通常为建筑物；人工分析采用人工的方式，对自动分析的结果进一步优化，提取少量能够代表一片区域，易于识别的地理标识特征(建筑物)。特别地，根据实时采集的路线不同，应提取不同的地理标识特征，确保实时采集的图像，能够无遮挡的提取。
进一步的，自动分析需要对不同是时期同一区域的遥感影像做叠加对比分析，此部分工作运算量较大，在服务器端完成。在服务器端标识好的区域特征将作为新的图层，叠加在移动端使用的原始遥感影像之上。
人工分析阶段实现对自动分析结果的进一步优化，在移动端现场采集过程中完成。由于原始遥感影像中提取的区域特征标识不具备高程信息，因此在此阶段需要结合人工判定，筛选易识别、无遮挡、高度较高的地理标识特征。
定位校正模块20。定位校正模块完成对GPS定位精度的优化。由于农情采集的作业范围广，各地区的基站建设、GPS卫星覆盖、遮挡效应等各方面因素，都会致使GPS定位无法稳定的保持高精度状态。因此需要根据区域特征，结合人工标定的方式，校正与优化农情采集过程中GPS实时定位的精度。
由于地域性差异，农情实时采集过程中，将动态监测GPS卫星信号、基站信息、网络信息等，动态选择GPS定位方案，优化智能手机自带的GPS定位效果。
特别的，对于人工调整定位步骤，无需时刻参与调整过程，应根据农情采集过程中的地形地貌、区域特征等，周期性的选择人工介入调整的间隔。
拍摄参数计算模块30。所述农情采集方法采用智能手机的方式，可调用智能手机的各类传感器，来获取拍摄时的状态信息。状态信息包括：通过GPS传感器获取并经过20模块优化后的经纬度信息；通过手机摄像头图像传感器及三角变化计算得到的拍摄位置与聚焦目标直线距离信息和俯仰角信息；以及其它如重力传感器、加速度传感器、温度传感器等提供的辅助参考信息。
拍摄参数测量用于记录移动数据采集时的具体位置。由于实施例采用的采集方式为视频流的连续采集过程，而需求得的是每帧图像的拍摄角度及拍摄距离。因此无需对每帧图像均单独测量，而是以一定间隔的时间抽样一帧图像，做拍摄角度和拍摄距离测量。
进一步的，对于未被抽样选取的图像帧，将依据GPS传感器、加速传感器等综合信息，通过对采样图像帧的计算结果三角变换求解。
可选的，一般情况下，拍摄图像的俯角不会发生变化，若由于障碍物遮挡，需要临时调整拍摄俯角，则新的拍摄角度所采集的图像，将作为整个视频流的“间断点”，重新计算拍摄角度和测量拍摄点至聚焦点的距离，直至重新返回初始拍摄俯角设置时的状态。
图像处理模块40。图像处理模块完成对智能手机拍摄的视频流提取表征区域农情信息的关键帧图像，并采用边缘识别算法，从关键帧中提取区块农作物大小、形状等信息。特别地，对于光谱特征接近的不同农作物，需提供人机交互的方式，由作业人员辅助圈定图像中单一农作物区域边缘。
对于采集农情图像中农作物区域的提取，采用Canny和Snake算法结合的方式获取，提取的农作物区域尽量保证作物品种单一。
进一步的，对于拍摄图像中同谱异物的情况，将结合人工判读，由现场农情采集作业人员辅助修正区域范围。
位置匹配模块50。位置匹配模块实现20和30模块所确定的手机拍摄图像与原始遥感影像对坐标匹配，完成图像拍摄地点、拍摄对象(农作物)在遥感影像中的标定。在位置匹配过程中，需引入10模块中提取的地理标识特征，以优化实时采集的图像于原始遥感影像的匹配精度。
位置匹配用于将手机采集的、并经过40模块提取的农作物区域图像与原始遥感影像坐标关联。
进一步的，由于智能手机采集的图像与原始遥感影像相比，拍摄俯角存在较大差异，因此同一片区域在手机拍摄图像和遥感影像中的面积大小和形状存在差异。本实施例采用最近匹配原则：将手机采集并经过边缘提取的图像中，离拍摄点最近的一点作为农作物区域的定位几点，将此点位置与遥感影像中对应位置关联起来。
可选的，若关联步骤存在较大误差，则可人工介入，由现场图像采集工作人员操作，滑动农作物区域块，矫正匹配精度。
图像融合模块60。图像融合模块实现对前述功能模块提取的农作物区域，覆盖更新至原始遥感影像中的功能。
由于原始遥感影像通常为卫星、航拍图像，俯角较大，而所述智能手机采集的图像为地面拍摄，俯角较小，因此需要将农作物区域做相应的坐标变换。变换过程需要根据30模块提取的手机拍摄参数，根据三角函数变换规则，非线性的将农作物区域旋转、拉伸至原始遥感影像所对应农作物区域大小，并将其覆盖至原始影像之上，形成更新后新的影像。
进一步的，由于图像大幅拉伸将使采集的图像严重失真，因此，在手机采集的农作物区域较大时，可将手机及采集的农作物区域剪裁成小块，并复制小块影像，同时复制增加、拼接小块影像，避免在图像融合的过程中，因图像拉伸而引起的大幅变形，从而内业遥感解译人员无法有效识别的情况发生。
同时，对于手机采集的农作物区域图像的切块，块的大小根据整个采集图像的大小，由人工预先设定。
对于小块农作物图像的复制与插入，为保证手机采集图像中农情信息特征及图像的连续性，应采用复制块在空间上与原始图像块相连的方式。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
专业人员还可以进一步意识到，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性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，但是这种实现不应超过本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机储存器、内存、只读存储器、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其他形式的存储介质中。
可以理解的是，对于本领域的普通技术人员来说，可以根据本发明的技术构思做出其它各种相应的改变与变形，而所有这些改变与变形都应属于本发明权利要求的保护范围。
Claims (9)
1.一种基于智能手机的农情采集与实时更新方法，其特征在于，包括：
图像拍摄步骤，利用手机实时拍摄图像，并通过GPS定位信息关联图像的位置信息；
二次分区步骤，根据实时采集图像中的光谱信息，将原始遥感影像做区域化分割，确保每个二次划分区域的几何形状尽量规整、区域内作物品种单一；
关键帧提取步骤，筛选在所述二次划分区域中拍摄的视频流的关键帧，提取关键帧影像中的作物范围；
图像信息融合步骤，对影像进行翻转拉伸后再将其融合至原始遥感影像中。
2.根据权利要求1所述的一种基于智能手机的农情采集与实时更新方法，其特征在于，还包括：
地标校正步骤，根据人工标识的原始影像中的参考点，校正与优化农情采集过程中GPS实时定位的精度以及实时采集的图像于原始遥感影像的匹配精度。
3.根据权利要求1所述的一种基于智能手机的农情采集与实时更新方法，其特征在于，所述图像拍摄步骤中的图像采集方式为视频流的连续采集，并且以一定时间间隔对采集的视频流进行抽样，对抽样图像做拍摄角度和拍摄距离测量，依据GPS传感器、加速传感器综合信息，通过对采样图像帧的计算结果进行三角变换求解未被抽样选取的图像帧的位置信息。
4.根据权利要求1所述的一种基于智能手机的农情采集与实时更新方法，其特征在于，所述关键帧提取步骤中对智能手机拍摄的视频流提取表征区域农情信息的关键帧图像，采用边缘识别算法，从关键帧中提取区块农作物大小、形状信息；采用Canny和Snake算法结合的方式获取农情图像中农作物区域。
5.根据权利要求1所述的一种基于智能手机的农情采集与实时更新方法，其特征在于，
图像信息融合步骤中，将手机采集并经过边缘提取的图像中，离拍摄点最近的一点作为农作物区域的定位基点，将此点位置与遥感影像中对应位置关联起来。
6.根据权利要求1所述的一种基于智能手机的农情采集与实时更新方法，其特征在于，
所述图像信息融合步骤中，利用手机拍摄参数，根据三角函数变换规则，非线性的将农作物区域旋转、拉伸至原始遥感影像所对应农作物区域大小，并将其覆盖至原始影像之上，形成更新后新的影像。
7.一种基于智能手机的农情采集与实时更新系统，其特征在于，包括：
图像拍摄模块，利用手机实时拍摄图像，并通过GPS定位信息关联图像的位置信息；
二次分区模块，根据实时采集图像中的光谱信息，将原始遥感影像做区域化分割，确保每个二次划分区域的几何形状尽量规整、区域内作物品种单一；
关键帧提取模块，筛选在所述二次划分区域中拍摄的视频流的关键帧，提取关键帧影像中的作物范围；
图像信息融合模块，对影像进行翻转拉伸后再将其融合至原始遥感影像中。
8.根据权利要求7所述的一种基于智能手机的农情采集与实时更新系统，其特征在于，所述图像拍摄步模块的图像采集方式为视频流的连续采集，并且以一定时间间隔对采集的视频流进行抽样，对抽样图像做拍摄角度和拍摄距离测量，依据GPS传感器、加速传感器综合信息，通过对采样图像帧的计算结果进行三角变换求解未被抽样选取的图像帧的位置信息。
9.根据权利要求7所述的一种基于智能手机的农情采集与实时更新系统，其特征在于，所述关键帧提取模块中对智能手机拍摄的视频流提取表征区域农情信息的关键帧图像，采用边缘识别算法，从关键帧中提取区块农作物大小、形状信息；采用Canny和Snake算法结合的方式获取农情图像中农作物区域。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611050773.6A CN106780323B (zh) | 2016-11-23 | 2016-11-23 | 一种基于智能手机的农情采集与实时更新方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611050773.6A CN106780323B (zh) | 2016-11-23 | 2016-11-23 | 一种基于智能手机的农情采集与实时更新方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106780323A CN106780323A (zh) | 2017-05-31 |
| CN106780323B true CN106780323B (zh) | 2020-03-17 |
Family
ID=58910647
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611050773.6A Active CN106780323B (zh) | 2016-11-23 | 2016-11-23 | 一种基于智能手机的农情采集与实时更新方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106780323B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107392778B (zh) * | 2017-07-26 | 2020-12-22 | 深圳畅博通科技有限公司 | 地块与拍摄信息自认证方法、存储介质 |
| CN107845084B (zh) * | 2017-11-16 | 2020-08-25 | 自然资源部第二海洋研究所 | 一种基于移动端的遥感影像数据处理系统及数据处理方法 |
| CN116260842B (zh) * | 2023-02-21 | 2024-01-23 | 华智生物技术有限公司 | 温室大棚的物联网数据采集方法、系统、装置及介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012027702A (ja) * | 2010-07-23 | 2012-02-09 | Nippon Seiki Co Ltd | 環境情報取得装置、携帯端末、環境情報収集システム、及び、プログラム |
| CN103093233A (zh) * | 2012-12-03 | 2013-05-08 | 中国环境科学研究院 | 一种基于面向对象的高分辨率遥感影像森林分类方法 |
| CN104035412A (zh) * | 2014-06-12 | 2014-09-10 | 江苏恒创软件有限公司 | 一种基于无人机的农作物病虫害监测系统和方法 |
| CN104134095A (zh) * | 2014-04-17 | 2014-11-05 | 中国农业大学 | 一种基于尺度转换和数据同化的农作物产量估测方法 |
-
2016
- 2016-11-23 CN CN201611050773.6A patent/CN106780323B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012027702A (ja) * | 2010-07-23 | 2012-02-09 | Nippon Seiki Co Ltd | 環境情報取得装置、携帯端末、環境情報収集システム、及び、プログラム |
| CN103093233A (zh) * | 2012-12-03 | 2013-05-08 | 中国环境科学研究院 | 一种基于面向对象的高分辨率遥感影像森林分类方法 |
| CN104134095A (zh) * | 2014-04-17 | 2014-11-05 | 中国农业大学 | 一种基于尺度转换和数据同化的农作物产量估测方法 |
| CN104035412A (zh) * | 2014-06-12 | 2014-09-10 | 江苏恒创软件有限公司 | 一种基于无人机的农作物病虫害监测系统和方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106780323A (zh) | 2017-05-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11769296B2 (en) | Forest surveying | |
| CN108344397B (zh) | 基于倾斜摄影技术的自动化建模方法、系统及其辅助装置 | |
| CN109815300B (zh) | 一种车辆定位方法 | |
| EP2154542A1 (en) | GPS-installed all-azimuth camera and spatial data collecting device | |
| KR101558467B1 (ko) | 지피에스 수신기의 동선에 따라 수치지도에 링크된 수치좌표를 보정하는 수치정보 시스템 | |
| CN103874193A (zh) | 一种移动终端定位的方法及系统 | |
| CN106780323B (zh) | 一种基于智能手机的农情采集与实时更新方法及系统 | |
| CN113066112B (zh) | 一种基于三维模型数据的室内外融合方法及装置 | |
| Zeng et al. | An elevation difference model for building height extraction from stereo-image-derived DSMs | |
| CN109596121A (zh) | 一种机动站自动目标检测与空间定位方法 | |
| CN111811502B (zh) | 一种运动载体多源信息融合导航方法及系统 | |
| CN113297946A (zh) | 一种监控盲区识别方法和识别系统 | |
| KR101793264B1 (ko) | 균열의 발생 및 진행 분석 방법 | |
| CN115950435A (zh) | 无人机巡检影像的实时定位方法 | |
| CN117765420B (zh) | 基于遥感数据的地形勘测方法及系统 | |
| CN109883400B (zh) | 基于yolo-sitcol的固定站自动目标检测与空间定位方法 | |
| KR102033075B1 (ko) | 딥러닝을 이용한 위치정보 시스템 및 그 제공방법 | |
| WO2018120735A1 (zh) | 定位方法及装置 | |
| CN111277791B (zh) | 一种案事件监测方法及系统 | |
| JP6941212B2 (ja) | 画像解析システム、画像解析方法、および画像解析プログラム | |
| CN115410095B (zh) | 灾害信息获取方法、装置、电子设备和计算机可读介质 | |
| CN115019216B (zh) | 实时地物检测和定位计数方法、系统及计算机 | |
| Costa et al. | A study of integration of LIDAR and photogrammetric data sets by indirect georeferencing and in situ camera calibration | |
| CN114898054A (zh) | 一种视觉定位方法和系统 | |
| CN115457378A (zh) | 基站天面信息检测的方法、装置、设备及存储介质 |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20221228 Address after: 312400 fourth floor, building 2, row 4, Changle Town Industrial functional zone, Shengzhou City, Shaoxing City, Zhejiang Province Patentee after: Shengzhou Yiyun Intelligent Technology Co.,Ltd. Address before: 430062 368 Friendship Avenue, Wuchang District, Wuhan, Hubei. Patentee before: Hubei University |