CN112700346A - 农作物高度的确定方法、装置、存储介质和设备 - Google Patents
农作物高度的确定方法、装置、存储介质和设备 Download PDFInfo
- Publication number
- CN112700346A CN112700346A CN202011640504.1A CN202011640504A CN112700346A CN 112700346 A CN112700346 A CN 112700346A CN 202011640504 A CN202011640504 A CN 202011640504A CN 112700346 A CN112700346 A CN 112700346A
- Authority
- CN
- China
- Prior art keywords
- model data
- surface model
- digital surface
- determining
- vegetation coverage
- 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
- 238000000034 method Methods 0.000 title claims abstract description 70
- 230000002093 peripheral effect Effects 0.000 claims description 19
- 238000012937 correction Methods 0.000 description 13
- 230000000694 effects Effects 0.000 description 6
- 238000003062 neural network model Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- 229930002875 chlorophyll Natural products 0.000 description 3
- 235000019804 chlorophyll Nutrition 0.000 description 3
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Marine Sciences & Fisheries (AREA)
- Human Resources & Organizations (AREA)
- Animal Husbandry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Multimedia (AREA)
- Economics (AREA)
- Agronomy & Crop Science (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种农作物高度的确定方法、装置、存储介质和设备。其中，该方法包括：获取目标区域的数字表面模型数据；获取目标区域中至少一个植被覆盖区域的第一位置信息，其中，每个植被覆盖区域对应一棵农作物；对于每个植被覆盖区域，基于植被覆盖区域的第一位置信息和数字表面模型数据的第二位置信息，从数字表面模型数据中确定出与植被覆盖区域对应的第一子数字表面模型数据；对于每个植被覆盖区域，基于第一子数字表面模型数据对应的第一高程值和每个植被覆盖区域对应的农作物所生长的地面的第二高程值，确定对应的农作物的高度。本发明解决了农作物高度的确定效率低的技术问题。
Description
技术领域
本发明涉及计算机领域，具体而言，涉及一种农作物高度的确定方法、装置、存储介质和设备。
背景技术
目前，农作物高度是用于衡量农作物生长状态的重要标志之一。在确定农作物的农作物高度时，通常是由人工使用测量设备进行测量得到的。但是，如果需要测量的采样点多，则需要测量人员走到种植区域内部，架设测量设备进行测量，从而使得确定农作物高度的工作量特别巨大，这不仅影响农作物本身，而且操作也会特别麻烦，从而存在农作物高度的确定效率低的技术问题。
针对上述的农作物高度的确定效率低的技术问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种农作物高度的确定方法、装置、存储介质和设备，以至少解决农作物高度的确定效率低的技术问题。
根据本发明实施例的一个方面，提供了一种农作物高度的确定方法。该方法可以包括：获取目标区域的数字表面模型数据；获取目标区域的数字表面模型数据；获取目标区域中至少一个植被覆盖区域的第一位置信息，其中，每个植被覆盖区域对应一棵农作物；对于每个植被覆盖区域，基于植被覆盖区域的第一位置信息和数字表面模型数据的第二位置信息，从数字表面模型数据中确定出与植被覆盖区域对应的第一子数字表面模型数据；对于每个植被覆盖区域，基于第一子数字表面模型数据对应的第一高程值和每个植被覆盖区域对应的农作物所生长的地面的第二高程值，确定对应的农作物的高度。
可选地，基于植被覆盖区域的第一位置信息和数字表面模型数据的第二位置信息，从数字表面模型数据中确定出与植被覆盖区域对应的第一子数字表面模型数据，包括：从第二位置信息中确定出与第一位置信息相同的目标位置信息；将目标位置信息对应的数字表面模型数据确定为第一子数字表面模型数据。
可选地，基于植被覆盖区域的第一位置信息和数字表面模型数据的第二位置信息，从数字表面模型数据中确定出与植被覆盖区域对应的第一子数字表面模型数据，包括：展示数字表面模型数据所呈现的第一图层；在第一图层中标记显示与第一位置信息相同的第二位置信息对应的目标位置；基于用户对目标位置的纠偏操作，得到更新后的目标位置；将更新后的目标位置对应的数字表面模型数据确定为第一子数字表面模型数据。
可选地，在基于用户对目标位置的纠偏操作，得到更新后的目标位置之后，该方法还包括：基于纠偏操作确定对应的目标位置的位置纠偏量；基于位置纠偏量对纠偏操作对应的目标位置以外的其他目标位置进行更新；对于每个植被覆盖区域，将其对应且更新后的目标位置作为植被覆盖区域对应的子数字表面模型数据。
可选地，基于植被覆盖区域的第一位置信息和数字表面模型数据的第二位置信息，从数字表面模型数据中确定出与植被覆盖区域对应的第一子数字表面模型数据，包括：展示数字表面模型数据所呈现的第一图层和植被覆盖区域对应的第二图层；在第一图层和第二图层中分别标记显示对应于设定的基准位置的对齐基准点；基于用于指示将第一图层中的对齐基准点和第二图层中的对齐基准点进行重合的指令，更新显示第一图层和第二图层；将第一图层中与第二图层重合的区域所对应的数字表面模型数据确定为植被覆盖区域对应的第一子数字表面模型数据。
可选地，在从数字表面模型数据中确定出与植被覆盖区域对应的第一子数字表面模型数据之前，该方法还包括：展示数字表面模型数据所呈现的第一图层和植被覆盖区域对应的第二图层；输出用于提示用户是否采纳第一图层和第二图层的提示信息；根据用户针对提示信息反馈的指令，确定是否执行从数字表面模型数据中确定出与植被覆盖区域对应的第一子数字表面模型数据的步骤。
可选地，基于第一子数字表面模型数据对应的第一高程值和每个植被覆盖区域对应的农作物所生长的地面的第二高程值，确定对应的农作物的高度，包括：展示数字表面模型数据所呈现的第一图层；在第一图层中与第一位置信息相同的第二位置信息对应的目标位置处，展示目标位置对应的多个高程值；基于用户对多个高程值的选择操作，从多个高程值中确定出第一高程值；将第一高程值和第二高程值的差值作为农作物的高度。
可选地，在基于第一子数字表面模型数据对应的第一高程值和每个植被覆盖区域对应的农作物所生长的地面的第二高程值，确定对应的农作物的高度之前，该方法还包括：从第一子数字表面模型数据对应的多个高程值中选择出最大高程值；将最大高程值确定为第一高程值。
可选地，在基于第一子数字表面模型数据对应的第一高程值和每个植被覆盖区域对应的农作物所生长的地面的第二高程值，确定对应的农作物的高度之前，该方法还包括：在目标区域中确定第一子数字表面模型数据对应的区域的周边区域，其中，周边区域未覆盖有农作物；在数字表面模型数据中，获取周边区域对应的第二子数字表面模型数据；依据第二子数字表面模型数据确定第二高程值。
可选地，依据第二子数字表面模型数据确定第二高程值，包括：获取第二子数字表面模型数据对应的多个第三高程值；依据多个第三高程值确定第二高程值。
可选地，依据多个第三高程值确定第二高程值，包括以下至少之一：通过多个第三高程值的中值，确定第二高程值；通过多个第三高程值的平均值，确定第二高程值；通过多个第三高程值的最大值，确定第二高程值；通过多个第三高程值的最小值，确定第二高程值。
可选地，第一高程值为农作物的冠层的绝对高程，第二高程值为农作物所生长的地面的绝对高程。
可选地，在获取目标区域中至少一个植被覆盖区域的第一位置信息之前，该方法还包括：将目标区域中符合目标条件的区域，确定为植被覆盖区域；其中，目标条件包括以下任一项：植被覆盖指数大于第一阈值、叶面积指数大于第二阈值；或者，基于目标区域的图像识别出农作物所在区域，以获得植被覆盖区域。
根据本发明实施例的另一方面，还提供了一种农作物高度的确定装置。该装置可以包括：第一获取单元，用于获取目标区域的数字表面模型数据；第二获取单元，用于获取目标区域中至少一个植被覆盖区域的第一位置信息，其中，每个植被覆盖区域对应一棵农作物；第一确定单元，用于对于每个植被覆盖区域，基于植被覆盖区域的第一位置信息和数字表面模型数据的第二位置信息，从数字表面模型数据中确定出与植被覆盖区域对应的第一子数字表面模型数据；第二确定单元，用于对于每个植被覆盖区域，基于第一子数字表面模型数据对应的第一高程值和每个植被覆盖区域对应的农作物所生长的地面的第二高程值，确定对应的农作物的高度。
根据本发明实施例的另一方面，还提供了一种计算机存储介质。该计算机存储介质包括存储的程序，其中，在程序运行时控制计算机存储介质所在设备执行本发明实施例的农作物高度的确定方法。
根据本发明实施例的另一方面，还提供了一种电子设备，该电子设备包括处理器和用于存储程序的存储器；处理器执行程序时实现本发明实施例的农作物高度的确定方法的步骤。
本发明通过获取目标区域的数字表面模型数据；获取目标区域的数字表面模型数据；获取目标区域中至少一个植被覆盖区域的第一位置信息，其中，每个植被覆盖区域对应一棵农作物；对于每个植被覆盖区域，基于植被覆盖区域的第一位置信息和数字表面模型数据的第二位置信息，从数字表面模型数据中确定出与植被覆盖区域对应的第一子数字表面模型数据；对于每个植被覆盖区域，基于第一子数字表面模型数据对应的第一高程值和每个植被覆盖区域对应的农作物所生长的地面的第二高程值，确定对应的农作物的高度。也就是说，该实施例对于每个植被覆盖区域，从目标区域的数字表面模型数据中确定出植被覆盖区域对应的第一子数字表面模型数据，通过该第一子数字表面模型数据对应的第一高程值和对应的农作物所生长的地面的第二高程值，来确定植被覆盖区域中的农作物的高度，从而避免了通过人工使用测量设备对农作物进行测量来得到农作物高度，也避免了影响农作物本身，从而解决了农作物的确定效率低的技术问题，达到了提高农作物的确定效率的技术效果。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的一种农作物高度的确定方法的流程图；
图2是根据本发明实施例的一种农作物高度测量仪的示意图；
图3是根据本发明实施例的一种高精度数字表面模型数据分布的示意图；
图4是根据本发明实施例的一种生存高精度的NDVI指数数据分布的示意图；
图5是根据本发明实施例的一种目标区域的超绿范围和非超绿范围的示意图；以及
图6是根据本发明实施例的一种农作物高度的确定装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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的实施例，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，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本发明实施例，提供了一种农作物高度的确定方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种农作物高度的确定方法的流程图。如图1所示，该方法可以包括如下步骤：
步骤S102，获取目标区域的数字表面模型数据。
在本发明上述步骤S102提供的技术方案中，目标区域可以为种植有农作物的一定范围的区域，可以通过无人机等设备采集并计算得到目标区域的数字表面模型数据(Digital Surface Mode，简称为DSM)，其中，DSM数据为以数字表达的集合，具有高精度的坐标信息，包括了农作物的地面高程模型，可以最真实地表达地面起伏情况。其中，该实施例的农作物为包括根﹑茎﹑叶等部分的成长的农作物体。
步骤S104，获取目标区域中至少一个植被覆盖区域的第一位置信息。
在本发明上述步骤S104提供的技术方案中，在获取目标区域的数字表面模型数据之后，获取目标区域中至少一个植被覆盖区域的第一位置信息，其中，每个植被覆盖区域对应一棵农作物。
在该实施例中，目标区域包括至少一个植被覆盖区域，每个植被覆盖区域中种植有待确定农作物高度的一棵农作物。可选地，目标区域中的至少一个植被覆盖区域构成了为目标区域的超绿区域部分。
该实施例获取目标区域中至少一个植被覆盖区域的第一位置信息，该第一位置信息可以为像素位置的数据，比如，为像素坐标，用于指示植被覆盖区域的位置。
步骤S106，对于每个植被覆盖区域，基于植被覆盖区域的第一位置信息和数字表面模型数据的第二位置信息，从数字表面模型数据中确定出与植被覆盖区域对应的第一子数字表面模型数据。
在本发明上述步骤S106提供的技术方案中，在获取目标区域中至少一个植被覆盖区域的第一位置信息之后，对于每个植被覆盖区域，基于植被覆盖区域的第一位置信息和数字表面模型数据的第二位置信息，从数字表面模型数据中确定出与植被覆盖区域对应的第一子数字表面模型数据。
在该实施例中，数字表面模型数据包括第一子数字表面模型数据，该第一子数字表面模型数据与植被覆盖区域的第一位置信息相对应。可选地，该实施例的植被覆盖区域的第一位置信息和数字表面模型数据的第二位置信息具有高精度的坐标信息，对于每个植被覆盖区域，可以先将植被覆盖区域的第一位置信息和数字表面模型数据的第二位置信息对齐，然后从数字表面模型数据中确定出与植被覆盖区域对应的第一子数字表面模型数据。可选地，在第一位位置信息为像素位置的数据的情况下，可以将其转换为地球坐标，然后将其与数字表面模型数据的第二位置信息进行对齐，进而从数字表面模型数据中确定出与植被覆盖区域对应的第一子数字表面模型数据。
步骤S108，对于每个植被覆盖区域，基于第一子数字表面模型数据对应的第一高程值和每个植被覆盖区域对应的农作物所生长的地面的第二高程值，确定对应的农作物的高度。
在本发明上述步骤S108提供的技术方案中，在从数字表面模型数据中确定出与植被覆盖区域对应的第一子数字表面模型数据之后，对于每个植被覆盖区域，基于第一子数字表面模型数据对应的第一高程值和每个植被覆盖区域对应的农作物所生长的地面的第二高程值，确定对应的农作物的高度。
在该实施例中，对于每个植被覆盖区域，第一子数字表面模型数据中同一个位置对应有一个高程值，获取第一子数字表面模型数据对应的第一高程值，该第一高程值可以用于表示农作物的冠层的高程值。可选地，该实施例可以获取农作物所生长的地面的第二高程值，可以为农作物所生长的地面的绝对高程，可以依据上述第一高程值和第二高程值，确定农作物的农作物高度，该农作物高度指从农作物基部至主茎顶部(主茎生长点)之间的距离，也即，在植被覆盖区域中，为农作物冠层到地面之间的高度，可以反映出农作物的生长状态。其中，农作物所生长的地面的第二高程值可以通过目标区域中的植被覆盖区域的周边区域范围内的所有位置的高程值进行确定。
需要说明的是，该实施例的上述农作物高度的确定方法是针对一棵农作物而言的，其它农作物高度的确定也可以采用上述方法确定，可以遍历至少一个植被覆盖区域，通过上述方法确定每个植被覆盖区域中的农作物的高度，从而可以快速、大范围、自动化的测量农作物的农作物高度，避免了农作物数量较多时，通过人工测量农作物高度导致对确定农作物高度的效率低，且影响农作物本身的问题从而可以确定出目标区域中所有农作物高度。
本申请通过上述步骤S102至步骤S108，获取目标区域的数字表面模型数据；获取目标区域中至少一个植被覆盖区域的第一位置信息，其中，每个植被覆盖区域对应一棵农作物；对于每个植被覆盖区域，基于植被覆盖区域的第一位置信息和数字表面模型数据的第二位置信息，从数字表面模型数据中确定出与植被覆盖区域对应的第一子数字表面模型数据；对于每个植被覆盖区域，基于第一子数字表面模型数据对应的第一高程值和每个植被覆盖区域对应的农作物所生长的地面的第二高程值，确定对应的农作物的高度。也就是说，该实施例对于每个植被覆盖区域，从目标区域的数字表面模型数据中确定出植被覆盖区域对应的第一子数字表面模型数据，通过该第一子数字表面模型数据对应的第一高程值和对应的农作物所生长的地面的第二高程值，来确定植被覆盖区域中的农作物的高度，从而避免了通过人工使用测量设备对农作物进行测量来得到农作物高度，也避免了影响农作物本身，从而解决了农作物的确定效率低的技术问题，达到了提高农作物的确定效率的技术效果。
作为一种可选的实施方式，步骤S106，基于植被覆盖区域的第一位置信息和数字表面模型数据的第二位置信息，从数字表面模型数据中确定出与植被覆盖区域对应的第一子数字表面模型数据，包括：从第二位置信息中确定出与第一位置信息相同的目标位置信息；将目标位置信息对应的数字表面模型数据确定为第一子数字表面模型数据。
在该实施例中，数字表面模型数据的第二位置信息与植被覆盖区域的第一位置信息可以具有相同的目标位置信息，比如，具有相同的坐标信息，可以在目标区域的数字表面模型数据中，将与目标位置信息对应的数字表面模型数据确定为第一数字表面模型数据。可选地，该实施例可以采用实时动态(Real-Time Kinematic，简称为RTK)按照上述目标位置信息，从数字表面模型数据中确定出与植被覆盖区域对应的第一数字表面模型数据。
作为一种可选的实施方式，步骤S106，基于植被覆盖区域的第一位置信息和数字表面模型数据的第二位置信息，从数字表面模型数据中确定出与植被覆盖区域对应的第一子数字表面模型数据，包括：展示数字表面模型数据所呈现的第一图层；在第一图层中标记显示与第一位置信息相同的第二位置信息对应的目标位置；基于用户对目标位置的纠偏操作，得到更新后的目标位置；将更新后的目标位置对应的数字表面模型数据确定为第一子数字表面模型数据。
在该实施例中，数字表面模型数据可以通过第一图层来进行体现，可以展示数字表面模型数据所呈现的第一图层，该第一图层可以用于指示出具体的位置，可以在第一图层中标记显示与第一位置信息相同的第二位置信息对应的目标位置，该目标位置也即第一位置信息在数字表面模型数据中的映射位置，可以将其通过标记信息显示出来，该标记信息可以包括但不限于文字、图标、符号等。
可选地，由于目标位置可能会存在一定偏差，该实施例允许用户对其进行纠偏操作。该实施例获取用户对上述目标位置的纠偏操作，比如，获取用户对目标位置对应的点所进行的拖拽操作，也可以获取对界面中所显示的x轴和y轴方向的输入框或滑动控件所进行的调节操作等。响应上述纠偏操作，对目标位置进行更新，也即，对目标位置进行调整，可以将数字表面模型数据中更新后的目标位置所对应的数字表面模型数据确定为第一子数字表面模型数据，以提高第一子数字表面模型数据的精度。
作为一种可选的实施方式，在基于用户对目标位置的纠偏操作，得到更新后的目标位置之后，该方法还包括：基于纠偏操作确定对应的目标位置的位置纠偏量；基于位置纠偏量对纠偏操作对应的目标位置以外的其他目标位置进行更新；对于每个植被覆盖区域，将其对应且更新后的目标位置作为植被覆盖区域对应的子数字表面模型数据。
在该实施例中，第一图层中可以包括分别与不同的第一位置信息相同的第二位置信息对应的目标位置，也即，该目标位置的数量可以为多个，该实施例可以基于用户对多个目标位置中的一个目标位置的纠偏操作来适应性地调整所有的目标位置。可选地，该实施例可以基于纠偏操作确定对应的目标位置的位置纠偏量，该位置纠偏量可以包括以下至少一项：x轴上的横向位置偏移量、y轴上的纵向位置偏移量。然后可以基于位置纠偏量对纠偏操作对应的目标位置以外的其他目标位置进行更新，也即，该实施例可以基于用户对一个目标位置的纠偏操作来适应性地更新第一图层中所有目标位置。对于每个植被覆盖区域，可以将其对应且更新后的目标位置对应的数字表面模型数据作为植被覆盖区域对应的第一子数字表面模型数据，从而避免了如果用户对每个目标位置都进行纠偏操作，导致操作繁琐，并影响弄作物高度的计算效率的问题。
作为一种可选的实施方式，步骤S106，基于植被覆盖区域的第一位置信息和数字表面模型数据的第二位置信息，从数字表面模型数据中确定出与植被覆盖区域对应的第一子数字表面模型数据，包括：展示数字表面模型数据所呈现的第一图层和植被覆盖区域对应的第二图层；在第一图层和第二图层中分别标记显示对应于设定的基准位置的对齐基准点；基于用于指示将第一图层中的对齐基准点和第二图层中的对齐基准点进行重合的指令，更新显示第一图层和第二图层；将第一图层中与第二图层重合的区域所对应的数字表面模型数据确定为植被覆盖区域对应的第一子数字表面模型数据。
在该实施例中，数字表面模型数据可以通过点第一图层进行体现，植被覆盖区域可以通过第二图层进行体现。该实施例可以在界面上展示数字表面模型数据所呈现的第一图层和植被覆盖区域对应的第二图层，可以在第一图层中标记显示对应于设定的基准位置的对齐基准点，在第二图层中标记显示对应于设定的基准位置的对齐基准点，然后获取由用户触发的用于指示将第一图层中的对齐基准点和第二图层中的对齐基准点进行重合的指令，并响应该指令，更新显示第一图层和第二图层，也即，该实施例可以直接基于用户操作对齐已经显示在界面中的第一位置信息和第二位置信息，而无需事前对齐，这样可以减少一定的对齐运算量，进而将更新后的第一图层中与更新后的第二图层重合的区域所对应的数字表面模型数据确定为植被覆盖区域对应的第一子数字表面模型数据。
作为一种可选的实施方式，在步骤S106，从数字表面模型数据中确定出与植被覆盖区域对应的第一子数字表面模型数据之前，该方法还包括：展示数字表面模型数据所呈现的第一图层和植被覆盖区域对应的第二图层；输出用于提示用户是否采纳第一图层和第二图层的提示信息；根据用户针对提示信息反馈的指令，确定是否执行从数字表面模型数据中确定出与植被覆盖区域对应的第一子数字表面模型数据的步骤。
在该实施例中，在从数字表面模型数据中确定出与植被覆盖区域对应的第一子数字表面模型数据之前，可以在界面上先展示数字表面模型数据所呈现的第一图层和植被覆盖区域对应的第二图层，然后可以在界面上输出提示信息，该提示信息用于向用户提示是否采纳第一图层和第二图层，用户可以触发采纳第一图层和第二图层的第一反馈指令，则响应该第一反馈指令，确定执行从数字表面模型数据中确定出与植被覆盖区域对应的第一子数字表面模型数据的步骤，用户也可以触发不采纳第一图层和第二图层的第二反馈指令，则响应该第二反馈指令，确定不执行从数字表面模型数据中确定出与植被覆盖区域对应的第一子数字表面模型数据的步骤。
作为一种可选的实施方式，步骤S108，基于第一子数字表面模型数据对应的第一高程值和每个植被覆盖区域对应的农作物所生长的地面的第二高程值，确定对应的农作物的高度，包括：展示数字表面模型数据所呈现的第一图层；在第一图层中与第一位置信息相同的第二位置信息对应的目标位置处，展示目标位置对应的多个高程值；基于用户对多个高程值的选择操作，从多个高程值中确定出第一高程值；将第一高程值和第二高程值的差值作为农作物的高度。
在该实施例中，在实现基于第一子数字表面模型数据对应的第一高程值和每个植被覆盖区域对应的农作物所生长的地面的第二高程值，确定对应的农作物的高度时，可以先在界面展示数字表面模型数据所呈现的第一图层，在第一图层中确定与第一位置信息相同的第二位置信息对应的目标位置，然后在该目标位置处展示目标位置对应的多个高程值，比如，展示目标位置对应的高程值列表。获取用户对上述多个高程值的选择操作，响应该选择操作，从多个高程值中选取出第一高程值，并将第一高程值和第二高程值进行作差，可以将得到的差值的绝对值确定为农作物的高度，从而通过用户自己选择高程值来确定农作物的高度，可以起到一定的辅助纠偏作用。
作为一种可选的实施方式，在步骤S106，基于第一子数字表面模型数据对应的第一高程值和每个植被覆盖区域对应的农作物所生长的地面的第二高程值，确定对应的农作物的高度之前，该方法还包括：从第一子数字表面模型数据对应的多个高程值中选择出最大高程值；将最大高程值确定为第一高程值。
在该实施例中，可以对上述多个高程值按照从大到小的顺序进行排序，从排序后的多个高程值中确定出最大高程值，将该最大高程值确定为该实施例的第一高程值。
作为一种可选的实施方式，在步骤S108，基于第一子数字表面模型数据对应的第一高程值和每个植被覆盖区域对应的农作物所生长的地面的第二高程值，确定对应的农作物的高度之前，该方法还包括：在目标区域中确定第一子数字表面模型数据对应的区域的周边区域，其中，周边区域未覆盖有农作物；在数字表面模型数据中，获取周边区域对应的第二子数字表面模型数据；依据第二子数字表面模型数据确定第二高程值。
在该实施例中，在基于第一子数字表面模型数据对应的第一高程值和每个植被覆盖区域对应的农作物所生长的地面的第二高程值，确定对应的农作物的高度之前，确定农作物所生长的地面的第二高程值，可以先在目标区域中确定第一子数字表面模型对应的区域，将该区域在目标区域中外扩一定范围，得到周边区域，从而得到第一子数字表面模型数据对应的区域的周边区域，该周边区域未覆盖有农作物。在获取上述周边区域之后，在目标区域的数字表面模型数据中，获取周边区域对应的第二子数字表面模型数据，该第二子数字表面模型数据在每个位置对应一个高程值，该高程值也即非超绿范围的高程值，可以依据第二子数字表面模型数据对应的高程值确定农作物所生长的地面的第二高程值。
作为一种可选的实施方式，依据第二子数字表面模型数据确定第二高程值，包括：获取第二子数字表面模型数据对应的多个第三高程值；依据多个第三高程值确定第二高程值。
在该实施例中，在实现依据第二子数字表面模型数据确定第二高程值时，第二子数字表面模型数据对应的周边区域中的每个位置对应一个第三高程值，该第三高程值为绝对高程，也即，为地面的点沿垂线方向至大地水准面的距离(高度)，获取第二子数字表面模型数据对应的多个第三高程值，进而依据该多个第三高程值确定农作物所生长的地面的第二高程值。
作为一种可选的实施方式，依据多个第三高程值确定第二高程值，包括以下至少之一：通过多个第三高程值的中值，确定第二高程值；通过多个第三高程值的平均值，确定第二高程值；通过多个第三高程值的最大值，确定第二高程值；通过多个第三高程值的最小值，确定第二高程值。
在该实施例中，在获取多个第三高程值之后，可以获取多个第三高程值的中值，通过该中值确定农作物所生长的地面的第二高程值，比如，可以将上述中值确定为农作物所生长的地面的第二高程值；该实施例还可以获取多个第三高程值的平均值，通过该平均值确定农作物所生长的地面的第二高程值，比如，可以将上述平均值确定为农作物所生长的地面的第二高程值；该实施例还可以获取多个第三高程值的最大值，可以通过该最大值确定农作物所生长的地面的第二高程值，比如，可以将上述最大值确定为农作物所生长的地面的第二高程值；该实施例还可以获取多个第三高程值的最小值，通过该最小值确定农作物所生长的地面的第二高程值，比如，可以将上述最小值确定为农作物所生长的地面的第二高程值。
需要说明的是，该实施例的上述多个第三高程值通过中值、均值、最大值、最小值来确定出第二高程值的方法，仅为本发明实施例的依据多个第三高程值确定第二高程值的优选实施方式，任何可以用于实现利用多个第三高程值确定第二高程值的方法都在本发明实施例的范围之内，此处不再一一举例说明。
作为一种可选的实施方式，在步骤S102，获取目标区域中至少一个植被覆盖区域的第一位置信息之前，该方法还包括：将目标区域中符合目标条件的区域，确定为植被覆盖区域；其中，目标条件包括以下任一项：植被覆盖指数大于第一阈值、叶面积指数大于第二阈值；或者，基于目标区域的图像识别出农作物所在区域，以获得植被覆盖区域。
在该实施例中，在获取目标区域中至少一个植被覆盖区域的第一位置信息之前，可以对目标区域进行检测，将其中符合目标条件的区域，确定为植被覆盖区域，其中，目标条件为用于从目标区域中确定是否为植被覆盖区域的判定条件，下面对其进行进一步介绍。
作为一种可选的实施方式，该方法还包括：获取目标区域的植被覆盖指数；将目标区域中植被覆盖指数大于第一阈值的区域，确定为符合目标条件的区域。
在该实施例中，上述目标条件可以为目标区域中植被覆盖指数是否大于第一阈值的判定条件，可以获取目标区域的植被覆盖指数(Normalized Difference VegetationIndex，简称为NDVI)，其可以指示出目标区域中的树冠分布情况，具有高精度的坐标信息。可选地，该实施例使用搭载多光谱相机的无人机设备来采集并计算目标区域的植被覆盖指数，该植被覆盖指数也可以称为超绿指数，其值范围在-1至1之间，其值的大小可以与对应的区域的叶绿素的多少成正相关关系，也即，植被覆盖指数的值越大，则其对应的区域的叶绿素也越多。
该实施例可以通过设置第一阈值从目标区域中提取植被覆盖区域，比如，该第一阈值可以为0.5，可以判断采集到的植被覆盖指数是否大于第一阈值，如果该植被覆盖指数大于第一阈值，则确定符合上述目标条件，可以将目标区域中所有大于第一阈值的植被覆盖指数所指示的区域，全部确定为上述符合目标条件的区域，进而将其确定为植被覆盖区域，也即，为目标区域中的超绿区域。
作为一种可选的实施方式，该方法还包括：获取目标区域的叶面积指数；将目标区域中叶面积指数大于第二阈值的区域，确定为符合目标条件的区域。
在该实施例中，上述目标条件可以为目标区域中叶面积指数是否大于第二阈值的判定条件，可以获取目标区域的叶面积指数(Leaf Area Index，简称为LAI)，为单位土地面积上植物叶片总面积占土地面积的倍数，其可以指示出目标区域的树冠分布情况。可选地，叶面积指数越高，则可以说明对应的区域的植被越茂盛，也越能说明对应的位置有树冠。该实施例可以通过设置第二阈值从目标区域中提取植被覆盖区域，可以判断采集到的叶面积指数是否大于第二阈值，如果该叶面积指数大于第二阈值，则确定符合上述目标条件，可以将目标区域中所有大于第二阈值的叶面积指数所指示的区域，全部确定为上述符合目标条件的区域，进而将其确定为植被覆盖区域。
作为一种可选的实施方式，该方法还包括：从目标区域的图像中识别出植被图像；将目标区域中植被图像对应的区域，确定为符合目标条件的区域。
在该实施例中，通过图像采集设备采集目标区域的图像，可以利用人工智能技术(Artificial Intelligence，简称为AI)，从目标区域的图像中识别出植被图像，该植被图像包括待确定农作物高度的农作物的图像。可选地，该实施例可以预先采集大量的包含植被覆盖区域的图像样本，可以人工标注该图像样本中的一定范围的植被覆盖区域，将标注结果设定为图像样本的标签，进而通过图像样本和对应的标签对子神经网络模型进行训练，得到目标神经网络模型，该目标神经网络模型为输入是待识别的图像，输出是图像中的植被图像的结果。在训练出目标神经网络模型之后，将目标区域的图像输入至该目标神经网络模型中，通过该目标神经网络模型对目标区域的图像进行识别，从而输出目标区域中的植被图像，进而将该植被图像在目标区域中所对应的区域，确定为符合上述目标条件的区域，将该区域确定为植被覆盖区域。
需要说明的是，该实施例的通过上述植被覆盖指数、叶面积指数以及通过AI图像识别确定植被覆盖区域的方法仅为本发明实施例的优选的实施方式，任何可以用于从目标区域中确定出植被覆盖区域的方法，都在该实施例的范围之内，此处不再一一举例说明。
该实施例的上述农作物高度确定方法，可以是感知作物群体农作物高度分布的方法，获取目标区域的数字表面模型数据；获取目标区域中至少一个植被覆盖区域的第一位置信息，其中，每个植被覆盖区域对应一棵农作物；对于每个植被覆盖区域，基于植被覆盖区域的第一位置信息和数字表面模型数据的第二位置信息，从数字表面模型数据中确定出与植被覆盖区域对应的第一子数字表面模型数据；对于每个植被覆盖区域，基于第一子数字表面模型数据对应的第一高程值和农作物所生长的地面的第二高程值，确定对应的农作物的高度，从而避免了通过人工使用测量设备对农作物进行测量来得到农作物高度，也避免了影响农作物本身，从而解决了农作物的确定效率低的技术问题，达到了提高农作物的确定效率的技术效果。
实施例2
下面结合优选的实施方式对本发明实施例的技术方案进行举例说明。
农作物的农作物高度是用于衡量农作物生长状态的重要标志之一，通常要测量农作物的农作物高度会人工使用测量设备进行测量获得，如图2所示的农作物高度测量仪X，其中，图2是根据本发明实施例的一种农作物高度测量仪的示意图，需要将测量仪X的底部与农作物的最底部对齐，竖直放置，然后读取农作物最高处的读数，即可测量得到农作物高度。
但是，使用农作物高度测量仪或者其它传统的设备来测量农作物高度会存在效率低的技术问题。如果需要测量的采样点多，则工作量特别巨大，需要测量人员走到种植区域内部，架设农作物测量仪进行测量，这不仅影响农作物本身，且操作也会特别麻烦，从而导致农作物确定的效率低的技术问题。
而在该实施例中，可以先使用无人机等设备采集计算获得目标区域的高精度数字表面模型数据。图3是根据本发明实施例的一种高精度数字表面模型数据分布的示意图。如图3所示，该高精度点高精度数字表面模型数据包括待确定农作物高度的农作物，比如，为树木。数字表面模型数据为以数字表达的集合，具有高精度的坐标信息，包括了农作物的地面高程模型，可以最真实地表达地面起伏情况。
图4是根据本发明实施例的一种生存高精度的NDVI指数数据分布的示意图。如图4所示，可以使用搭载多光谱相机的无人机设备采集计算获得目标区域的高精度的NDVI指数数据(如图4浅色部分Y)，使用NDVI指数数据从目标区域中提取出超绿部分(植被覆盖区域)。该实施例的NDVI指数数据的值域范围是-1到1，其中，越靠近最大值的表示叶绿素越多，可以通过设置阈值进行提取，比如，设置阈值为0.5，可以将目标区域中NDVI指数数据>0.5的部分区域，确定为农作物的超绿区域部分，将其确定为植被覆盖区域。
在该实施例中，由于数字表面模型数据和NDVI指数数据都有高精度的坐标信息，因而可以对点云数据和NDVI指数数据进行叠加计算。将从目标区域中提取出来的所有超绿部分的位置叠加到数字表面模型图层进行计算，数字表面模型图层同一个位置只存在一个高程值，该高程值为农作物的绝对高程。图5是根据本发明实施例的一种目标区域的超绿范围和非超绿范围的示意图，如图5所示，圈1所指示的范围为超绿范围，可以根据圈1在目标区域的位置，外扩一定范围，得到圈2，该圈2范围内但非圈1范围的范围，为超绿范围周边的非超绿范围。该实施例可以根据数字表面模型图层，得到圈2范围内但非圈1范围内的所有位置的高程值，得到多个高程值，利用中值、均值、最大或最小值等算法对多个高程值进行计算，得到一个高程值A，将该高程值确定为圈1内的农作物所生长的地面的高程值B，将高程值A和高程值B进行相减运算，从而得到农作物的农作物高度。
该实施例的上述农作物高度确定方法，可以是感知作物群体农作物高度分布的方法，通过RTK位置信息，将目标区域的数字表面模型数据对应的图层和植被覆盖区域的位置数据对应的图层叠加对齐，遍历所有植被覆盖区域的像素位置，计算该像素位置对应的数字表面模型数据的高程值，该数字表面模型数据的高程值可以为农作物的冠层的高程值，然后检索植被覆盖区域的周边区域的地面的高程值，通过其确定为农作物所生长的地面的高程值，将农作物的冠层的高程值和农作物所生长的地面的高程值之间的差值确定农作物高度，从而能够快速、大范围、自动化的测量农作物的农作物高度，避免了通过人工使用测量设备对农作物进行测量来得到农作物高度，也避免了影响农作物本身，从而解决了农作物的确定效率低的技术问题，达到了提高农作物的确定效率的技术效果。
实施例3
本发明实施例还提供了一种农作物高度的确定装置。需要说明的是，该实施例的农作物高度的确定装置可以用于执行本发明实施例的农作物高度的确定方法。
图6是根据本发明实施例的一种农作物高度的确定装置的示意图。如图6所示，该农作物高度的确定装置60可以包括：第一获取单元61、第二获取单元62、第一确定单元63和第二确定单元64。
第一获取单元61，用于获取目标区域的数字表面模型数据。
第二获取单元62，用于获取目标区域中至少一个植被覆盖区域的第一位置信息，其中，每个植被覆盖区域对应一棵农作物。
第一确定单元63，用于对于每个植被覆盖区域，基于植被覆盖区域的第一位置信息和数字表面模型数据的第二位置信息，从数字表面模型数据中确定出与植被覆盖区域对应的第一子数字表面模型数据。
第二确定单元64，用于对于每个植被覆盖区域，基于第一子数字表面模型数据对应的第一高程值和每个植被覆盖区域对应的农作物所生长的地面的第二高程值，确定对应的农作物的高度。
可选地，第一确定单元63包括：第一确定模块，用于从第二位置信息中确定出与第一位置信息相同的目标位置信息；第二确定模块，用于将目标位置信息对应的数字表面模型数据确定为第一子数字表面模型数据。
可选地，第一确定单元63包括：第一展示模块，用于展示数字表面模型数据所呈现的第一图层；第一标记模块，用于在第一图层中标记显示与第一位置信息相同的第二位置信息对应的目标位置；纠偏模块，用于基于用户对目标位置的纠偏操作，得到更新后的目标位置；第三确定模块，用于将更新后的目标位置对应的数字表面模型数据确定为第一子数字表面模型数据。
可选地，该装置还包括：第三确定单元，用于在基于用户对目标位置的纠偏操作，得到更新后的目标位置之后，基于纠偏操作确定对应的目标位置的位置纠偏量；更新单元，用于基于位置纠偏量对纠偏操作对应的目标位置以外的其他目标位置进行更新；第四确定单元，用于对于每个植被覆盖区域，将其对应且更新后的目标位置作为植被覆盖区域对应的子数字表面模型数据。
可选地，第一确定单元63包括：第二展示模块，用于展示数字表面模型数据所呈现的第一图层和植被覆盖区域对应的第二图层；第二标记模块，用于在第一图层和第二图层中分别标记显示对应于设定的基准位置的对齐基准点；第二更新模块，用于基于用于指示将第一图层中的对齐基准点和第二图层中的对齐基准点进行重合的指令，更新显示第一图层和第二图层；第四确定模块，用于将第一图层中与第二图层重合的区域所对应的数字表面模型数据确定为植被覆盖区域对应的第一子数字表面模型数据。
可选地，该装置还包括：展示单元，用于在从数字表面模型数据中确定出与植被覆盖区域对应的第一子数字表面模型数据之前，展示数字表面模型数据所呈现的第一图层和植被覆盖区域对应的第二图层；输出单元，用于输出用于提示用户是否采纳第一图层和第二图层的提示信息；第五确定单元，用于根据用户针对提示信息反馈的指令，确定是否执行从数字表面模型数据中确定出与植被覆盖区域对应的第一子数字表面模型数据的步骤。
可选地，第二确定单元64包括：第三展示模块，用于展示数字表面模型数据所呈现的第一图层；在第一图层中与第一位置信息相同的第二位置信息对应的目标位置处，展示目标位置对应的多个高程值；选择模块，用于基于用户对多个高程值的选择操作，从多个高程值中确定出第一高程值；第五确定模块，用于将第一高程值和第二高程值的差值作为农作物的高度。
可选地，该装置还包括：选择单元，用于在基于第一子数字表面模型数据对应的第一高程值和每个植被覆盖区域对应的农作物所生长的地面的第二高程值，确定对应的农作物的高度之前，从第一子数字表面模型数据对应的多个高程值中选择出最大高程值；第六确定单元，用于将最大高程值确定为第一高程值。
可选地，该装置还包括：第七确定单元，用于在基于第一子数字表面模型数据对应的第一高程值和每个植被覆盖区域对应的农作物所生长的地面的第二高程值，确定对应的农作物的高度之前，在目标区域中确定第一子数字表面模型数据对应的区域的周边区域，其中，周边区域未覆盖有农作物；第三获取单元，用于在数字表面模型数据中，获取周边区域对应的第二子数字表面模型数据；第八确定单元，用于依据第二子数字表面模型数据确定第二高程值。
可选地，第八确定单元包括：获取模块，用于获取第二子数字表面模型数据对应的多个第三高程值；第六确定模块，用于依据多个第三高程值确定第二高程值。
可选地，第六确定模块用于通过以下至少之一步骤来依据多个第三高程值确定第二高程值：通过多个第三高程值的中值，确定第二高程值；通过多个第三高程值的平均值，确定第二高程值；通过多个第三高程值的最大值，确定第二高程值；通过多个第三高程值的最小值，确定第二高程值。
可选地，第一高程值为农作物的冠层的绝对高程，第二高程值为农作物所生长的地面的绝对高程。
可选地，该装置还包括：第九确定单元，用于在获取目标区域中至少一个植被覆盖区域的第一位置信息之前，将目标区域中符合目标条件的区域，确定为植被覆盖区域；其中，目标条件包括以下任一项：植被覆盖指数大于第一阈值、叶面积指数大于第二阈值；或者，基于目标区域的图像识别出农作物所在区域，以获得植被覆盖区域。
该实施例的农作物高度的确定装置，对于每个植被覆盖区域，从目标区域的数字表面模型数据中确定出植被覆盖区域对应的第一子数字表面模型数据，通过该第一子数字表面模型数据对应的第一高程值和对应的农作物所生长的地面的第二高程值，来确定植被覆盖区域中的农作物的高度，从而避免了通过人工使用测量设备对农作物进行测量来得到农作物高度，也避免了影响农作物本身，从而解决了农作物的确定效率低的技术问题，达到了提高农作物的确定效率的技术效果。
实施例4
本发明实施例还提供了一种计算机存储介质。该计算机存储介质包括存储的程序，其中，在程序被处理器运行时控制计算机存储介质所在设备执行本发明实施例的农作物高度的确定方法。
实施例5
本发明实施例还提供了一种电子设备，该电子设备包括处理器和用于存储程序的存储器；处理器执行程序时实现本发明实施例的农作物高度的确定方法的步骤。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以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系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
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中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述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，可以存储在一个计算机可读取存储介质中。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(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (16)
1.一种农作物高度的确定方法，其特征在于，包括：
获取目标区域的数字表面模型数据；
获取所述目标区域中至少一个植被覆盖区域的第一位置信息，其中，每个植被覆盖区域对应一棵农作物；
对于每个植被覆盖区域，基于所述植被覆盖区域的第一位置信息和所述数字表面模型数据的第二位置信息，从所述数字表面模型数据中确定出与所述植被覆盖区域对应的第一子数字表面模型数据；
对于每个植被覆盖区域，基于所述第一子数字表面模型数据对应的第一高程值和每个植被覆盖区域对应的农作物所生长的地面的第二高程值，确定对应的农作物的高度。
2.根据权利要求1所述的方法，其特征在于，基于所述植被覆盖区域的第一位置信息和所述数字表面模型数据的第二位置信息，从所述数字表面模型数据中确定出与所述植被覆盖区域对应的第一子数字表面模型数据，包括：
从所述第二位置信息中确定出与所述第一位置信息相同的目标位置信息；
将所述目标位置信息对应的数字表面模型数据确定为所述第一子数字表面模型数据。
3.根据权利要求1所述的方法，其特征在于，基于所述植被覆盖区域的第一位置信息和所述数字表面模型数据的第二位置信息，从所述数字表面模型数据中确定出与所述植被覆盖区域对应的第一子数字表面模型数据，包括：
展示所述数字表面模型数据所呈现的第一图层；
在所述第一图层中标记显示与所述第一位置信息相同的所述第二位置信息对应的目标位置；
基于用户对所述目标位置的纠偏操作，得到更新后的目标位置；
将更新后的目标位置对应的数字表面模型数据确定为所述第一子数字表面模型数据。
4.根据权利要求3所述的方法，其特征在于，在基于用户对所述目标位置的纠偏操作，得到更新后的目标位置之后，所述方法还包括：
基于所述纠偏操作确定对应的目标位置的位置纠偏量；
基于所述位置纠偏量对所述纠偏操作对应的目标位置以外的其他目标位置进行更新；
对于每个植被覆盖区域，将其对应且更新后的目标位置作为所述植被覆盖区域对应的子数字表面模型数据。
5.根据权利要求1所述的方法，其特征在于，基于所述植被覆盖区域的第一位置信息和所述数字表面模型数据的第二位置信息，从所述数字表面模型数据中确定出与所述植被覆盖区域对应的第一子数字表面模型数据，包括：
展示所述数字表面模型数据所呈现的第一图层和所述植被覆盖区域对应的第二图层；
在所述第一图层和所述第二图层中分别标记显示对应于设定的基准位置的对齐基准点；
基于用于指示将所述第一图层中的对齐基准点和所述第二图层中的对齐基准点进行重合的指令，更新显示所述第一图层和所述第二图层；
将所述第一图层中与所述第二图层重合的区域所对应的数字表面模型数据确定为所述植被覆盖区域对应的第一子数字表面模型数据。
6.根据权利要求1所述的方法，其特征在于，在从所述数字表面模型数据中确定出与所述植被覆盖区域对应的第一子数字表面模型数据之前，所述方法还包括：
展示所述数字表面模型数据所呈现的第一图层和所述植被覆盖区域对应的第二图层；
输出用于提示用户是否采纳所述第一图层和所述第二图层的提示信息；
根据用户针对所述提示信息反馈的指令，确定是否执行从所述数字表面模型数据中确定出与所述植被覆盖区域对应的第一子数字表面模型数据的步骤。
7.根据权利要求1所述的方法，其特征在于，基于所述第一子数字表面模型数据对应的第一高程值和每个植被覆盖区域对应的农作物所生长的地面的第二高程值，确定对应的农作物的高度，包括：
展示所述数字表面模型数据所呈现的第一图层；
在所述第一图层中与所述第一位置信息相同的所述第二位置信息对应的目标位置处，展示所述目标位置对应的多个高程值；
基于用户对所述多个高程值的选择操作，从所述多个高程值中确定出所述第一高程值；
将所述第一高程值和所述第二高程值的差值作为所述农作物的高度。
8.根据权利要求1所述的方法，其特征在于，在基于所述第一子数字表面模型数据对应的第一高程值和每个植被覆盖区域对应的农作物所生长的地面的第二高程值，确定对应的农作物的高度之前，所述方法还包括：
从所述第一子数字表面模型数据对应的多个高程值中选择出最大高程值；
将所述最大高程值确定为所述第一高程值。
9.根据权利要求1所述的方法，其特征在于，在基于所述第一子数字表面模型数据对应的第一高程值和每个植被覆盖区域对应的农作物所生长的地面的第二高程值，确定对应的农作物的高度之前，所述方法还包括：
在所述目标区域中确定所述第一子数字表面模型数据对应的区域的周边区域，其中，所述周边区域未覆盖有农作物；
在所述数字表面模型数据中，获取所述周边区域对应的第二子数字表面模型数据；
依据所述第二子数字表面模型数据确定所述第二高程值。
10.根据权利要求9所述的方法，其特征在于，依据所述第二子数字表面模型数据确定所述第二高程值，包括：
获取所述第二子数字表面模型数据对应的多个第三高程值；
依据所述多个第三高程值确定所述第二高程值。
11.根据权利要求10所述的方法，其特征在于，依据所述多个第三高程值确定所述第二高程值，包括以下至少之一：
通过所述多个第三高程值的中值，确定所述第二高程值；
通过所述多个第三高程值的平均值，确定所述第二高程值；
通过所述多个第三高程值的最大值，确定所述第二高程值；
通过所述多个第三高程值的最小值，确定所述第二高程值。
12.根据权利要求1所述的方法，其特征在于，所述第一高程值为所述农作物的冠层的绝对高程，所述第二高程值为所述农作物所生长的地面的绝对高程。
13.根据权利要求1所述的方法，其特征在于，在获取所述目标区域中至少一个植被覆盖区域的第一位置信息之前，所述方法还包括：
将所述目标区域中符合目标条件的区域，确定为所述植被覆盖区域；其中，所述目标条件包括以下任一项：植被覆盖指数大于第一阈值、叶面积指数大于第二阈值；
或者，基于所述目标区域的图像识别出农作物所在区域，以获得所述植被覆盖区域。
14.一种农作物高度的确定装置，其特征在于，包括：
第一获取单元，用于获取目标区域的数字表面模型数据；
第二获取单元，用于获取所述目标区域中至少一个植被覆盖区域的第一位置信息，其中，每个植被覆盖区域对应一棵农作物；
第一确定单元，用于对于每个植被覆盖区域，基于所述植被覆盖区域的第一位置信息和所述数字表面模型数据的第二位置信息，从所述数字表面模型数据中确定出与所述植被覆盖区域对应的第一子数字表面模型数据；
第二确定单元，用于对于每个植被覆盖区域，基于所述第一子数字表面模型数据对应的第一高程值和每个植被覆盖区域对应的农作物所生长的地面的第二高程值，确定对应的农作物的高度。
15.一种计算机存储介质，其特征在于，所述计算机存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机存储介质所在设备执行权利要求1至13中任意一项所述的方法。
16.一种电子设备，其特征在于，包括处理器和用于存储程序的存储器；所述处理器执行所述程序时实现权利要求1至13中任意一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011640504.1A CN112700346A (zh) | 2020-12-31 | 2020-12-31 | 农作物高度的确定方法、装置、存储介质和设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011640504.1A CN112700346A (zh) | 2020-12-31 | 2020-12-31 | 农作物高度的确定方法、装置、存储介质和设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112700346A true CN112700346A (zh) | 2021-04-23 |
Family
ID=75513959
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011640504.1A Pending CN112700346A (zh) | 2020-12-31 | 2020-12-31 | 农作物高度的确定方法、装置、存储介质和设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112700346A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114494396A (zh) * | 2021-12-28 | 2022-05-13 | 广州极飞科技股份有限公司 | 作业对象高度确定方法、装置、设备和存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102521835A (zh) * | 2011-12-14 | 2012-06-27 | 武汉大学 | 一种基于空间三维模板的点云数据树高提取方法 |
| CN105865413A (zh) * | 2015-01-23 | 2016-08-17 | 北京四维图新科技股份有限公司 | 一种建筑物高度的获取方法及装置 |
| CN106643529A (zh) * | 2016-09-30 | 2017-05-10 | 中国科学院、水利部成都山地灾害与环境研究所 | 基于无人机影像的山区农作物生长高度快速测量的方法 |
| CN109948484A (zh) * | 2019-03-07 | 2019-06-28 | 景遥（上海）信息技术有限公司 | 基于无人机影像dsm提取植物高度的系统及方法 |
| CN110988909A (zh) * | 2019-12-31 | 2020-04-10 | 南京林业大学 | 基于tls进行高寒脆弱区沙地植被的植被盖度测定方法 |
| CN111340317A (zh) * | 2020-05-19 | 2020-06-26 | 北京数字绿土科技有限公司 | 架空输电线路树障隐患的自动预警方法及电子设备 |
| CN111982097A (zh) * | 2019-05-23 | 2020-11-24 | 广州极飞科技有限公司 | 无人作业设备的目标航线的生成方法及装置、植保系统 |
-
2020
- 2020-12-31 CN CN202011640504.1A patent/CN112700346A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102521835A (zh) * | 2011-12-14 | 2012-06-27 | 武汉大学 | 一种基于空间三维模板的点云数据树高提取方法 |
| CN105865413A (zh) * | 2015-01-23 | 2016-08-17 | 北京四维图新科技股份有限公司 | 一种建筑物高度的获取方法及装置 |
| CN106643529A (zh) * | 2016-09-30 | 2017-05-10 | 中国科学院、水利部成都山地灾害与环境研究所 | 基于无人机影像的山区农作物生长高度快速测量的方法 |
| CN109948484A (zh) * | 2019-03-07 | 2019-06-28 | 景遥（上海）信息技术有限公司 | 基于无人机影像dsm提取植物高度的系统及方法 |
| CN111982097A (zh) * | 2019-05-23 | 2020-11-24 | 广州极飞科技有限公司 | 无人作业设备的目标航线的生成方法及装置、植保系统 |
| CN110988909A (zh) * | 2019-12-31 | 2020-04-10 | 南京林业大学 | 基于tls进行高寒脆弱区沙地植被的植被盖度测定方法 |
| CN111340317A (zh) * | 2020-05-19 | 2020-06-26 | 北京数字绿土科技有限公司 | 架空输电线路树障隐患的自动预警方法及电子设备 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114494396A (zh) * | 2021-12-28 | 2022-05-13 | 广州极飞科技股份有限公司 | 作业对象高度确定方法、装置、设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2016369263B2 (en) | Cloud detection on remote sensing imagery | |
| Zhang et al. | Improved maize cultivated area estimation over a large scale combining MODIS–EVI time series data and crop phenological information | |
| CA2483615C (en) | Method of feature identification and analysis | |
| US8111924B2 (en) | Remote sensing and probabilistic sampling based method for determining the carbon dioxide volume of a forest | |
| JP4873545B2 (ja) | 圃場管理支援方法及びシステム | |
| Hall et al. | Characterising and mapping vineyard canopy using high-spatial-resolution aerial multispectral images | |
| CA2656595C (en) | Remote sensing and probabilistic sampling based forest inventory method | |
| JP5626056B2 (ja) | 農作物画像処理プログラム、農作物画像処理方法及び農作物画像処理装置 | |
| Zhong et al. | Phenology-based crop classification algorithm and its implications on agricultural water use assessments in California’s Central Valley | |
| US20190116725A1 (en) | Fertilization Map Generation Method, Fertilization Map Generation System, Fertilization Map Generation Device, and Fertilization Map Generation Program | |
| CN109117811A (zh) | 一种基于低空遥感测量技术估算城市植被覆盖率的系统及方法 | |
| US20200250593A1 (en) | Yield estimation in the cultivation of crop plants | |
| US20180308229A1 (en) | Method and information system for detecting at least one plant planted on a field | |
| Sarkar et al. | High‐throughput measurement of peanut canopy height using digital surface models | |
| JP7176980B2 (ja) | 作物管理システム及び作物管理方法 | |
| JP6589978B2 (ja) | 植物健全性診断装置、該方法および該プログラム | |
| CN113469112B (zh) | 农作物生长状况图像识别方法及系统 | |
| CN111985724B (zh) | 一种农作物产量预估的方法、装置、设备及存储介质 | |
| KR20200020209A (ko) | 포장 단위별 다분광 영상 히스토그램 패턴 분석을 통한 작물 생육 모니터링 장치 | |
| US20200245525A1 (en) | Yield estimation in the cultivation of crop plants | |
| Liu et al. | An efficient approach based on UAV orthographic imagery to map paddy with support of field-level canopy height from point cloud data | |
| CN109960972B (zh) | 一种基于中高分辨率时序遥感数据的农林作物识别方法 | |
| CN112215169A (zh) | 基于低空无人机被动遥感的作物株高及生物量自适应高精度解算方法 | |
| CN111625016A (zh) | 植保无人机作业优化方法、装置、系统及可读存储介质 | |
| CN112036313A (zh) | 烟草种植面积检测方法、装置、设备及可读存储介质 |
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 | ||
| CB02 | Change of applicant information |
Address after: 510000 Block C, 115 Gaopu Road, Tianhe District, Guangzhou City, Guangdong Province Applicant after: XAG Co., Ltd. Address before: 510000 Block C, 115 Gaopu Road, Tianhe District, Guangzhou City, Guangdong Province Applicant before: Guangzhou Xaircraft Technology Co.,Ltd. |
|
| CB02 | Change of applicant information |