CN106845360A - 基于无人机遥感的高分辨率农作物表面模型构造方法 - Google Patents
基于无人机遥感的高分辨率农作物表面模型构造方法 Download PDFInfo
- Publication number
- CN106845360A CN106845360A CN201611223000.3A CN201611223000A CN106845360A CN 106845360 A CN106845360 A CN 106845360A CN 201611223000 A CN201611223000 A CN 201611223000A CN 106845360 A CN106845360 A CN 106845360A
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- aerial vehicle
- unmanned aerial
- surface model
- resolution
- 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.)
- Pending
Links
- 238000010276 construction Methods 0.000 title claims abstract description 10
- 230000000007 visual effect Effects 0.000 claims abstract description 4
- 230000006872 improvement Effects 0.000 claims description 2
- 230000000149 penetrating effect Effects 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 238000000844 transformation Methods 0.000 claims description 2
- 238000000034 method Methods 0.000 abstract description 9
- 230000012010 growth Effects 0.000 abstract description 7
- 238000012544 monitoring process Methods 0.000 abstract description 7
- 239000002028 Biomass Substances 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000009313 farming Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 244000037666 field crops Species 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000002123 temporal effect Effects 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/30—Polynomial surface description
-
- 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
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Analysis (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Algebra (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提出基于无人机遥感的高分辨率农作物表面模型构造方法。方法包括：无人机对农田的高分辨率时空遥感图像采集；利用多视图三维重建软件Agisoft PhotoScan对所采集的遥感图像进行处理，并生成农作物表面模型；建立详细的场景几何采用密集的多视角立体捆集调整算法。应用本发明后，可以利用无人机在数据采集中的高灵活性，基于遥感图像建立多时相大场景高分辨率农作物表面模型，为监测农作物生长态势和评估田间变异性提供及时的信息，以支持农业管理决策。
Description
技术领域
本发明涉及计算机应用技术领域，特别涉及无人机遥感和图像处理技术。
背景技术
精准农业(Precision Agriculture )是当今世界农业发展的新潮流，是由信息技术支持的根据空间变异，定位、定时、定量地实施一整套现代化农事操作技术与管理的系统。精准农业根据现场条件的变化适应农业领域的管理实践。因此，需要用于表征这种变异性的方法，需要建立具有高空间和时间分辨率的描述模型进行田间作物监测。在精确农业中，利用全球定位系统（GPS），地理信息系统（GIS）和遥感（RS）来获取农业决策中的详细现场信息是必需的。
遥感技术（Remote Sensing）是精准农业田间信息获取的关键技术，为精准农业提供农田内作物生长环境、生长状况和空间变异等时空变化信息。
计算，定位和传感器技术的飞速发展使得无人机平台越来越多地应用于遥感领域。无人机遥感技术是采集时空信息数据的重要方法。基于无人机（UAV）的农作物生长监测，既能够收集高分辨率数据而且能够克服图像中的大气效应。根据无人机性能的不同，无人机遥感监测可以对农田进行大面积的航空监测及小范围定点监测，并可对问题发生位置进行准确的问题排查、解决。
农业生产受以下变量的影响：产量变异性，田间变异性，土壤变异性，作物变异性，异常因素变异性和管理变异性。这些变化导致农业田间作物生长的差异，可以通过在整个生长季节监测作物生物量来量化。生物量在农作物生长监测中具有重要的意义，可以通过测量每日生物量增益来定量分析农作物生长态势，也可以通过累积的生物量模拟农作物的最终产量。农作物表面三维模型是模拟作物生物量的重要方法，从高分辨率的多时空农作物表面模型（CSM）中能够导出农作物的生物量数据信息。因此，基于无人机遥感图像，建立高分辨率的农作物表面模型，便是我们要解决的问题。
发明内容
针对以上所述问题，本发明提供了一种基于无人机遥感的高分辨率农作物表面模型构造方法，本发明通过综合运用无人机遥感、图像采集、图像处理和点云三维重建等技术，使得可以使用基于无人机的高分辨率图像对农作物表面进行数字化建模，从而提供一种估计农作物生物量的新方法。
为了达到上述技术效果，本发明采用如下技术方案：基于无人机遥感的高分辨率农作物表面模型构造方法，包括：
基于无人机遥感数据采集平台进行影像数据采集；
利用多视图三维重建软件Agisoft PhotoScan对所采集的遥感图像进行处理，得到三维几何稀疏点云数据；
利用多视角立体捆集调整算法，将三维点云重建为场景几何模型。
无人机遥感数据采集平台包括配备高扭矩发动机和高性能螺旋桨的无人机，电子设备由ARM处理器、陀螺仪、压力传感器和电子罗盘组成，无人机和相机由一个2.4 GHz的发射机进行遥控。
RGB图像传感器使用MV-U2000便携式USB总线图像采集盒，采集高度50m~80m，可采集最大100m*45m对象。
在农田均匀布置一定数量的地面控制点，图像的特征点校准可利用地面控制点识别算法进行手动或者半自动改进。
农作物表面的三维几何模型为局部坐标下的网格模型，其分辨率为0.01m。局部坐标可通过Helmert相似变换转换为绝对坐标。
本发明有益效果是：无人机遥感平台既能够收集高分辨率数据，而且能够克服图像中的大气效应；基于无人机遥感图像建立的高分辨率多时空农作物表面模型能够导出农作物的生物量数据信息。应用本发明后，能够有效解决劳动密集型破坏性采样所面临的问题，大大提高农作物生长态势和产量分析的能力。
附图说明
图1为本发明的总体流程图。
图2为本发明的基于Agisoft PhotoScan的图像处理流程图。
具体实施方式
下面结合附图对本发明做更详细说明。
参阅图 1，基于无人机遥感的高分辨率农作物表面模型构造方法，包括如下步骤：
基于无人机遥感数据采集平台进行影像数据采集；
图像拼接和处理；
生成三维点云；
建立农作物数字化表面模型。
无人机遥感数据采集平台主要包括以下设备：
(1)、配备高扭矩发动机和高性能螺旋桨的无人机；
(2)、ARM处理器；
(3)、陀螺仪；
(4)、压力传感器；
(5)、电子罗盘；
(6)、2.4 GHz的遥控发射机；
(7)、MV-U2000便携式USB总线图像采集盒。
参阅图 2，基于Agisoft PhotoScan的图像处理和三维表面模型建立流程主要包含以下步骤：
(1)、输入遥感图像序列，算法开始；
(2)、识别并提取图像的特征点（如物体的边缘），利用特征点检测图像的几何相似性，并检测整组图像序列的运动特点；
(3)、基于特征点和序列相似度进行图像配准；
(4)、标定相机，计算图像的内部和外部，重构三维点云数据；
(5)、利用多视角立体捆集调整算法，将三维点云重建为场景几何模型。
具体实施时，地面采样距离H取决于相机焦距f以及单位像素覆盖面积所依赖的地面高度h g ，公式如下：
.
Claims (5)
1.基于无人机遥感的高分辨率农作物表面模型构造方法，其特征在于：基于无人机遥感数据采集平台进行影像数据采集；利用多视图三维重建软件Agisoft PhotoScan对所采集的遥感图像进行处理，得到三维几何稀疏点云数据；利用多视角立体捆集调整算法，将三维点云重建为场景几何模型。
2.根据权利要求1所述的基于无人机遥感的高分辨率农作物表面模型构造方法，其特征在于：无人机遥感数据采集平台包括配备高扭矩发动机和高性能螺旋桨的无人机，电子设备由ARM处理器、陀螺仪、压力传感器和电子罗盘组成，无人机和相机由一个2.4 GHz的发射机进行遥控。
3.根据权利要求1所述的基于无人机遥感的高分辨率农作物表面模型构造方法，其特征在于：RGB图像传感器使用MV-U2000便携式USB总线图像采集盒，采集高度50m~80m，可采集最大100m*45m对象。
4.根据权利要求1所述的基于无人机遥感的高分辨率农作物表面模型构造方法，其特征在于：在农田均匀布置一定数量的地面控制点，图像的特征点校准可利用地面控制点识别算法进行手动或者半自动改进。
5.根据权利要求1所述的基于无人机遥感的高分辨率农作物表面模型构造方法，其特征在于：农作物表面的三维几何模型为局部坐标下的网格模型，其分辨率为0.01m，局部坐标可通过Helmert相似变换转换为绝对坐标。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611223000.3A CN106845360A (zh) | 2016-12-27 | 2016-12-27 | 基于无人机遥感的高分辨率农作物表面模型构造方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611223000.3A CN106845360A (zh) | 2016-12-27 | 2016-12-27 | 基于无人机遥感的高分辨率农作物表面模型构造方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106845360A true CN106845360A (zh) | 2017-06-13 |
Family
ID=59135705
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611223000.3A Pending CN106845360A (zh) | 2016-12-27 | 2016-12-27 | 基于无人机遥感的高分辨率农作物表面模型构造方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106845360A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108717301A (zh) * | 2018-06-13 | 2018-10-30 | 仲恺农业工程学院 | 一种基于gis的无人机植保系统及方法 |
| CN109448127A (zh) * | 2018-09-21 | 2019-03-08 | 洛阳中科龙网创新科技有限公司 | 一种基于无人机遥感的农田高精度导航地图生成方法 |
| CN110363861A (zh) * | 2019-07-14 | 2019-10-22 | 南京林业大学 | 基于激光雷达点云的田地作物三维重构方法 |
| CN110704556A (zh) * | 2019-09-03 | 2020-01-17 | 镇江市勘察测绘研究院 | 一种基于gis技术的地理信息采集方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105046909A (zh) * | 2015-06-17 | 2015-11-11 | 中国计量学院 | 一种基于小型无人机的农业辅助定损方法 |
| CN105184863A (zh) * | 2015-07-23 | 2015-12-23 | 同济大学 | 一种基于无人机航拍序列影像的边坡三维重建方法 |
| CN105678701A (zh) * | 2016-01-28 | 2016-06-15 | 鲁鹏 | 一种基于多视角影像与激光扫描的考古发掘探方序列三维可视化方法 |
-
2016
- 2016-12-27 CN CN201611223000.3A patent/CN106845360A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105046909A (zh) * | 2015-06-17 | 2015-11-11 | 中国计量学院 | 一种基于小型无人机的农业辅助定损方法 |
| CN105184863A (zh) * | 2015-07-23 | 2015-12-23 | 同济大学 | 一种基于无人机航拍序列影像的边坡三维重建方法 |
| CN105678701A (zh) * | 2016-01-28 | 2016-06-15 | 鲁鹏 | 一种基于多视角影像与激光扫描的考古发掘探方序列三维可视化方法 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108717301A (zh) * | 2018-06-13 | 2018-10-30 | 仲恺农业工程学院 | 一种基于gis的无人机植保系统及方法 |
| CN109448127A (zh) * | 2018-09-21 | 2019-03-08 | 洛阳中科龙网创新科技有限公司 | 一种基于无人机遥感的农田高精度导航地图生成方法 |
| CN110363861A (zh) * | 2019-07-14 | 2019-10-22 | 南京林业大学 | 基于激光雷达点云的田地作物三维重构方法 |
| CN110363861B (zh) * | 2019-07-14 | 2023-04-07 | 南京林业大学 | 基于激光雷达点云的田地作物三维重构方法 |
| CN110704556A (zh) * | 2019-09-03 | 2020-01-17 | 镇江市勘察测绘研究院 | 一种基于gis技术的地理信息采集方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108732129A (zh) | 一种用图像表示农田土壤成分的系统及其方法 | |
| CN111553245A (zh) | 基于机器学习算法和多源遥感数据融合的植被分类方法 | |
| CN110223386B (zh) | 一种基于多源无人机遥感数据融合的数字地形建模方法 | |
| Rovira-Más et al. | Creation of three-dimensional crop maps based on aerial stereoimages | |
| CN106845360A (zh) | 基于无人机遥感的高分辨率农作物表面模型构造方法 | |
| CN109084690A (zh) | 基于无人机可见光遥感的作物株高计算方法 | |
| CN110889327B (zh) | 一种基于热红外图像的水域周边排污口智能检测方法 | |
| CN104298245A (zh) | 基于无人机的监控林木生长状态的方法 | |
| Aicardi et al. | Integration between TLS and UAV photogrammetry techniques for forestry applications | |
| CN101008676A (zh) | 无人机航空摄影遥感森林计测方法 | |
| CN105046909A (zh) | 一种基于小型无人机的农业辅助定损方法 | |
| Sinde-González et al. | Biomass estimation of pasture plots with multitemporal UAV-based photogrammetric surveys | |
| CN107832655A (zh) | 一种基于无人机近地面成像的航拍系统及棉花产量估测方法 | |
| CN110213536B (zh) | 一种海岸带岸基数字影像监测系统的监测方法 | |
| Liu et al. | Analysis of cotton height spatial variability based on UAV-LiDAR | |
| CN112906719A (zh) | 基于消费级深度相机的立木因子测量方法 | |
| CN211477203U (zh) | 基于高分辨率遥感影像的精细化监测设备系统 | |
| Calou et al. | Estimation of maize biomass using unmanned aerial vehicles | |
| Green | Geospatial tools and techniques for vineyard management in the twenty-first century | |
| Hoffmeister et al. | 3D terres-trial laser scanning for field crop modelling | |
| Gao et al. | A new approach to surveying cliff-dwelling endangered plants using drone-based nap-of-the-object photography: A case study of Clematis acerifolia | |
| CN116989825A (zh) | 一种路侧激光雷达-相机-utm坐标系联合标定方法及系统 | |
| Feng et al. | Developing an image processing pipeline to improve the position accuracy of single UAV images | |
| CN117253163A (zh) | 一种基于无人机激光雷达的田间花生株高估算方法 | |
| Liu et al. | Comparison of Sick and Hokuyo UTM-30LX laser sensors in canopy detection for variable-rate sprayer |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170613 |