CN113393541B - 一种地块面积计算方法、装置、计算机终端及存储介质 - Google Patents
一种地块面积计算方法、装置、计算机终端及存储介质 Download PDFInfo
- Publication number
- CN113393541B CN113393541B CN202110674003.3A CN202110674003A CN113393541B CN 113393541 B CN113393541 B CN 113393541B CN 202110674003 A CN202110674003 A CN 202110674003A CN 113393541 B CN113393541 B CN 113393541B
- Authority
- CN
- China
- Prior art keywords
- track
- path
- parcel
- land
- image
- 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 25
- 238000004364 calculation method Methods 0.000 claims abstract description 25
- 238000012549 training Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 11
- 238000002372 labelling Methods 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 8
- 238000012360 testing method Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 3
- 238000012550 audit Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种地块面积计算方法，其步骤包括，获取预设设备工作时间内的路径轨迹数据。对所述路径轨迹数据进行投影，得到轨迹图像。将轨迹图像输入训练好的地块识别模型进行地块识别，得到轨迹图像中的地块位置。所述地块识别模型基于ResNet50网络模型训练得到。根据所述地块位置找到所有位于地块位置内的轨迹点，计算所述地块面积。本申请实现了农业机械工作地块面积的快速识别和计算，使得面积的计算更加迅速快捷。
Description
技术领域
本发明涉及农业机械面积测量领域，尤其涉及一种地块面积计算方法、装置、计算机终端及存储介质。
背景技术
在现代机械化的农业工作中，为了使农业机械设备的机手在农田作业完毕后，根据作业的农田面积大小来领取合适的补贴，那么作业的面积大小统计计算的准确性则显得尤为重要。
机手在一天工作中的农田数量较多，形状大小不一，工作时间分散，导致了计算农田面积不能单靠实地测量的方式完成，现代农业普遍使用GPS轨迹，通过审计人员去掉轨迹中的道路和部分非工作的区域，提取出作业面积来完成计算，根据此计算的结果由相关部门审核并向机手发放补贴。
但由于GPS的轨迹繁杂，庞大，一天中，少则8000-9000个点，多则2-3万个点，为审计人员识别道路造成非常大的麻烦，人工审计占用时间长且精度低。
发明内容
本申请提供一种地块面积计算方法包括：
获取预设设备工作时间内的路径轨迹数据，所述路径轨迹数据由轨迹点组成；
对所述路径轨迹数据进行投影，得到轨迹图像；
将所述轨迹图像输入训练好的地块识别模型进行地块识别，得到轨迹图像中的地块位置；所述地块识别模型基于ResNet50网络模型训练得到；
根据所述地块位置找到所有位于地块位置内的轨迹点，计算所述地块面积。
进一步的，所述投影的公式如下：
x＝K*F1(L,B)+N1；y＝K*F2(L,B)+N2；
x和y为平面直角坐标系坐标，L和B为所述轨迹数据坐标，F1和F2为标准的高斯投影式，K为比例系数，N1和N2为偏移量；
其中当投影区域为w*h时，上述各系数满足下列条件：
K<(w-h)/|(F1(L,B)-F2(L,B))|；
-w/K<N1<w/K；
-h/K<N2<h/K。
进一步的，还包括：
对所述轨迹图像进行预处理；
所述预处理包括：对所述轨迹图像中的轨迹部分与背景部分进行颜色区分处理，并对所述路径轨迹数据重叠的点在高斯上进行数值和，使得所述轨迹图像具有纹理特征和颜色特征；
所述“将所述轨迹图像输入训练好的地块识别模型进行地块识别，得到轨迹图像中的地块位置”，包括：
将预处理后的所述轨迹图像输入训练好的地块识别模型进行地块识别，得到轨迹图像中的地块位置。
进一步的，所述训练好的地块识别模型的训练过程包括：
获取样本路径轨迹数据并进行投影计算得到轨迹样本图像；
对所述轨迹样本图像中所有地块进行圈记和标注，得到标注后的轨迹样本图像；
将所述标注后的轨迹样本图像输入所述ResNet50网络模型中进行训练，生成所述地块识别模型。
进一步的，对所述轨迹样本图像中所有地块进行圈记和标注包括：
通过labelme工具，在所述轨迹样本中，将所述预设设备的作业地块的轨迹进行圈记，并将圈记的范围进行标注。
进一步的，所述圈记包括：通过区别于背景和轨迹颜色的线段，将所述作业地块覆盖的轨迹通过曲线绕着轮廓包围起来完成圈记；
所述标注包括：在被圈记的范围内填充区别于所述背景部分颜色和所述轨迹部分颜色的标注色，使得所述标注色覆盖被圈记的所有路径点。
进一步的，所述路径轨迹数据包括按照时间排序的经纬度坐标集；
所述根据所述地块位置遍历所有轨迹点，计算所述地块面积包括：
根据所述地块位置，得到所述地块位置内首位路径点和末位路径点，所述首位路径点为进入所述地块位置的路径点，所述末位路径点为离开所述地块位置的路径点；
根据所述首位路径点的时间和所述末位路径点的时间找到所述地块位置中所有路径点，根据找到的路径点计算所覆盖的地块面积。
进一步的，本申请的实施例还提供一种地块面积计算装置，包括：
定位模块，获取预设设备工作时间内的路径轨迹数据，所述路径轨迹数据由轨迹点组成；
投影模块，用于对所述路径轨迹数据进行投影，得到轨迹图像；
识别模块，将所述轨迹图像输入训练好的地块识别模型进行地块识别，得到轨迹图像中的地块位置，所述地块识别模型基于ResNet50网络模型训练得到；
计算模块，根据所述地块位置遍历所有轨迹点，计算所述地块面积。
本申请的实施例还提供一种计算机终端，包括处理器和存储器，所述存储器存储有计算机程序，所述计算机程序在所述处理器上运行时执行上述实施例中任一所述的地块面积计算方法。
进一步的，本申请的实施例还提供一种可读存储介质，其存储有计算机程序，所述计算机程序在处理器上运行时执行上述实施例中任一所述的地块面积计算。
本申请通过基于MaskRcnn网络模型，在对农业机械的路径数据进行投影成像后，将路径图像进行识别，进而识别得到图像中的地块元素，再根据这些地块遍历地块中的每个路径点，根据时间找到其中的首位路径点和末位路径点，根据找到的路径点的时间可以在原始定位数据中找到这些地块中的路径点，再根据这些路径点计算得到地块面积。本申请的投影结果具有纹理特征和颜色特征，使得训练过程更加简单，同时通过对传统高斯投影进行改进，更适合本申请的应用了领域，且相较传统的人工识别的方法，本申请的方案更加准确快速。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对本发明保护范围的限定。在各个附图中，类似的构成部分采用类似的编号。
图1示出了本申请一种计算地块面积流程示意图；
图2示出了本申请一种计算地块面积模型训练过程示意图；
图3示出了本申请一种轨迹图像示意图；
图4示出了本申请一种轨迹图像识别示意图；
图5示出了本申请一种轨迹图像圈记标注示意图；
图6示出了本申请一种计算地块面积装置示意图。
具体实施方式
下面将结合本发明实施例中附图，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。
通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的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。
在下文中，可在本发明的各种实施例中使用的术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合，并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。
此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
除非另有限定，否则在这里使用的所有术语(包括技术术语和科学术语)具有与本发明的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义，除非在本发明的各种实施例中被清楚地限定。
实施例1
本申请实施例提供一种地块面积计算方法，具体流程结合图1所示的流程图理解。
步骤S100，获取预设设备工作时间内的路径轨迹数据，所述路径轨迹数据由轨迹点组成。
本实施例中，该预设设备可以是农业机械设备，比如拖拉机之类适合在田间运作的机器，当机手在工作时间操控农业机械设备在田野间工作时，根据装载在农业机械设备上的定位装置获取到农业机械设备的具体定位数据，也就是路径轨迹数据，比如该机手从早上九点工作到中午12点，则可以通过GPS定位得到该机手在这三小时内的路径行动轨迹，该轨迹数据可以为GPS定位数据，也可以为北斗卫星定位系统得到的定位数据，还可以为伽利略卫星定位系统或格洛纳斯卫星定位系统得到的定位数据，具体的定位数据包括经纬度和时间。
步骤S101，投影所述路径轨迹数据，得到轨迹图像。
具体的到的轨迹图像可以参照图3来理解，在步骤S100中，我们获得了一系列的GPS定位数据，该数据是由经纬度和时间组成的一系列的坐标点，为了方便计算，需要将该坐标投影到直角平面坐标系中，在本实施例中使用的方法为自定义的高斯投影，具体参照的公式如下所示：
x＝K*F1(L,B)+N；y＝K*F2(L,B)+N；
其中，x和y为平面直角坐标系坐标，L和B为所述轨迹数据坐标，F1和F2为标准的高斯投影式，K为比例系数，N1和N2为偏移量；
当投影区域为w*h时，需要保证投影后的轨迹点不会溢出，并且保证投影形状不变，以使纹理特征不会发生变化，因此上述各系数必须满足条件：
x<w；y<h；
得到K*F1(L,B)+N1<w；K*F2(L,B)+N2<h；
其中，当偏移量N1和N2为0时，图像为原始坐标，为了有更好的投影效果，因此联立两式得到：
K<(w-h)/|(F1(L,B)-F2(L,B))|。
同时，在该场景下，投影后的图像也满足下列关系式：
F1(L,B)<w/K；
F2(L,B)<h/K。
然而在这种情况下生成的图像在某些拐点会断开不连续，因此需要引入偏移量，经过迭代计算，当偏移量N1和N2的取值满足下列关系时，投影效果最好。
-w/K<N1<w/K；
-h/K<N2<h/K。
上述的w和h由具体的GPS数据设定，以保障最好的投影效果。其中，为了保证转换后的图像更能被识别，本实施例中对没有颜色特征的GPS数据进行颜色处理，比如在进行路径描绘时，使得背景为白色，轨迹为黑色，对GPS路径重叠的值，在其颜色深度上进行数值和，比如机手在某段路径上倒车后退了，那么势必有GPS点重叠，那么此处重叠的颜色深度比周围没有重叠的要深。
经过上述处理，本方案中将单纯的GPS数据转换成了具有纹理特征和颜色特征的轨迹图像，使得生成的轨迹图像特征更加丰富，有更高的区别度，便于后续的模型学习以及识别工作。
步骤S102，将所述轨迹图像输入训练好的地块识别模型进行地块识别，得到轨迹图像中的地块位置。
继续以图3的轨迹图为例，将图3的轨迹图像特征提取后，以JSON格式输入到识别模型中进行识别，最终输出结果示意图如图4所示，留下的黑色块块为模型识别得到的地块，其余没有被识别为地块的路径都被清除，黑色地块下保留了路径点，方便步骤S103根据这些路径点进行计算。
步骤S103，根据所述地块位置找到所有位于地块位置内的轨迹点，计算所述地块面积。
在步骤S102中已经通过模型，从路径图像中得到了路径中的地块，也就是机手使用农业机械设备工作的田地，每个地块中存留着路径点数据，也就是GPS坐标，因此可以根据每个地块对在地块内的路径点进行遍历，根据每个路径点的时间就可以找到进入地块的首位路径点和离开地块的末位路径点，根据首位路径点的时间和末位路径点的时间可以在原始路径数据中找到一段段代表各个地块的GPS数据，根据这些GPS数据便可以计算得到这些地块的面积。
实施例2
本申请还提供了一种地块识别模型的训练方法。
如图2中的训练流程所示，本实施例的地块识别模型基于MASKRCNN神经网络进行训练包括：
步骤S200，获取样本路径轨迹数据并进行投影计算得到轨迹样本图像。
该步骤和实施例一种的投影方法一样，在此不再赘述，为了方便说明，本实施例依旧使用图3的轨迹图像进行说明。
步骤S201，对所述轨迹样本图像中所有地块进行圈记和标注，得到标注后的轨迹样本图像。
本步骤参照图5示出的示意图进行理解。
如图5所示，本实施例中，通过labelme工具，在上述轨迹样本中，将农业机械工作过的作业地块进行圈记，然后将圈记的范围进行标注。圈记时区别于背景和路径，可以使用不同颜色的线条，圈记结束后，将圈记后的区域进行填充，将区域内的所有路径点和空隙覆盖，得到如图6所示的标记后图像。
实际操作中，圈记用的线可以是和路径轨迹区分的其他颜色，比如红色，标注所用颜色可以为黄色，使得模型更容易辨认轨迹图像。
步骤S202，将所述标注后的轨迹样本图像输入所述ResNet50网络模型中进行训练，生成所述地块识别模型。
提取标注后的轨迹样本图像的特征数据，将特征数据以json格式输入ResNet50网络模型中进行训练，在本步骤中，轨迹样本图像不止一幅，且可以是往年留下来的轨迹图像。
比如，将去年一年中十台农业机械的轨迹图像作为一个轨迹样本图像集，其中每台的轨迹图像的一半作为训练集，一半作为测试集，先使用训练集对模型进行训练，训练结束后得到模型，然后使用测试集测试，得到针对测试集的测试结果正确率，根据测试结果正确率以及损失函数得到损失函数值，根据损失函数值调节ResNet50网络模型的网络参数，直至调整后的ResNet50网络模型输出的识别结果正确率使得损失函数值到达预设值，则将最终调节后的ResNet50网络模型作为地块识别模型。
实施例3
本申请的实施例还提供一种地块面积计算装置，包括定位模块10、投影模块20、识别模块30以及计算模块40。
定位模块10，获取预设设备工作时间内的路径轨迹数据，所述路径轨迹数据由轨迹点组成；
投影模块20，用于对所述路径轨迹数据进行投影，得到轨迹图像；
识别模块30，将所述轨迹图像输入训练好的地块识别模型进行地块识别，得到轨迹图像中的地块位置，所述地块识别模型基于ResNet50网络模型训练得到；
计算模块40，根据所述地块位置遍历所有轨迹点，计算所述地块面积。
进一步的，本申请的实施例还提供一种计算机终端，包括处理器和存储器，所述存储器存储有计算机程序，所述计算机程序在所述处理器上运行时执行上述实施例中的地块面积计算方法。
本申请的实施例还提供一种可读存储介质，其存储有计算机程序，所述计算机程序在处理器上运行时上述实施例中的地块面积计算方法。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和结构图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，结构图和/或流程图中的每个方框、以及结构图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块或单元可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或更多个模块集成形成一个独立的部分。
所述功能如果以软件功能模块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(可以是智能手机、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、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。
Claims (9)
1.一种地块面积计算方法，其特征在于，包括：
获取预设设备工作时间内的路径轨迹数据，所述路径轨迹数据由轨迹点组成；
对所述路径轨迹数据进行投影，得到轨迹图像，并对所述轨迹图像进行预处理；
将预处理后的所述轨迹图像输入训练好的地块识别模型进行地块识别，得到轨迹图像中的地块位置；所述地块识别模型基于ResNet50网络模型训练得到；
根据所述地块位置找到所有位于地块位置内的轨迹点，计算所述地块面积；
所述预处理包括：对所述轨迹图像中的轨迹部分与背景部分进行颜色区分处理，并对所述路径轨迹数据重叠的点在高斯上进行数值和，使得所述轨迹图像具有纹理特征和颜色特征。
2.根据权利要求1所述的地块面积计算方法，其特征在于，所述投影的公式如下：
x＝K*F1(L,B)+N1；y＝K*F2(L,B)+N2；
x和y为平面直角坐标系坐标，L为所述轨迹点的经度坐标，B为所述轨迹点的纬度坐标，F1和F2为标准的高斯投影式，K为比例系数，N1和N2为偏移量；
其中当投影区域为w*h时，上述各系数满足下列条件：
K<(w-h)/|(F1(L,B)-F2(L,B))|；
-w/K<N1<w/K；
-h/K<N2<h/K。
3.根据权利要求1所述的地块面积计算方法，其特征在于，所述训练好的地块识别模型的训练过程包括：
获取样本路径轨迹数据并进行投影计算得到轨迹样本图像；
对所述轨迹样本图像中所有地块进行圈记和标注，得到标注后的轨迹样本图像；
将所述标注后的轨迹样本图像输入所述ResNet50网络模型中进行训练，生成所述地块识别模型。
4.根据权利要求3所述的地块面积计算方法，其特征在于，对所述轨迹样本图像中所有地块进行圈记和标注包括：
通过labelme工具，在所述轨迹样本中，将所述预设设备的作业地块的轨迹进行圈记，并将圈记的范围进行标注。
5.根据权利要求4所述的地块面积计算方法，其特征在于，
所述圈记包括：通过区别于背景和轨迹颜色的线段，将所述作业地块覆盖的轨迹通过曲线绕着轮廓包围起来完成圈记；
所述标注包括：在被圈记的范围内填充区别于所述背景部分颜色和所述轨迹部分颜色的标注色，使得所述标注色覆盖被圈记的所有路径点。
6.根据权利要求1所述的地块面积计算方法，其特征在于，所述路径轨迹数据包括按照时间排序的经纬度坐标集；
所述根据所述地块位置遍历所有轨迹点，计算所述地块面积包括：
根据所述地块位置，得到所述地块位置内首位路径点和末位路径点，所述首位路径点为进入所述地块位置的路径点，所述末位路径点为离开所述地块位置的路径点；
根据所述首位路径点的时间和所述末位路径点的时间找到所述地块位置中所有路径点，根据找到的路径点计算所覆盖的地块面积。
7.一种地块面积计算装置，其特征在于，包括：
定位模块，获取预设设备工作时间内的路径轨迹数据，所述路径轨迹数据由轨迹点组成；
投影模块，用于对所述路径轨迹数据进行投影，得到轨迹图像，并对所述轨迹图像进行预处理，所述预处理包括：对所述轨迹图像中的轨迹部分与背景部分进行颜色区分处理，并对所述路径轨迹数据重叠的点在高斯上进行数值和，使得所述轨迹图像具有纹理特征和颜色特征；
识别模块，用于将预处理后的所述轨迹图像输入训练好的地块识别模型进行地块识别，得到轨迹图像中的地块位置，所述地块识别模型基于ResNet50网络模型训练得到；
计算模块，根据所述地块位置遍历所有轨迹点，计算所述地块面积。
8.一种计算机终端，其特征在于，包括处理器和存储器，所述存储器存储有计算机程序，所述计算机程序在所述处理器上运行时执行权利要求1至6中任一项所述的地块面积计算方法。
9.一种可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序在处理器上运行时执行权利要求1至6中任一项所述的地块面积计算方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110674003.3A CN113393541B (zh) | 2021-06-17 | 2021-06-17 | 一种地块面积计算方法、装置、计算机终端及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110674003.3A CN113393541B (zh) | 2021-06-17 | 2021-06-17 | 一种地块面积计算方法、装置、计算机终端及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113393541A CN113393541A (zh) | 2021-09-14 |
| CN113393541B true CN113393541B (zh) | 2022-02-15 |
Family
ID=77621713
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110674003.3A Active CN113393541B (zh) | 2021-06-17 | 2021-06-17 | 一种地块面积计算方法、装置、计算机终端及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113393541B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114186323A (zh) * | 2021-12-15 | 2022-03-15 | 中煤科工重庆设计研究院(集团)有限公司 | 一种基于cad的建筑绿地面积计算及标注方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108874919A (zh) * | 2018-05-31 | 2018-11-23 | 湖北大学 | 规划用地自动核查方法、电子设备、存储介质及系统 |
| CN112396699A (zh) * | 2020-11-30 | 2021-02-23 | 常州市星图测绘科技有限公司 | 一种基于无人机影像进行地块自动勾画的方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101343975B1 (ko) * | 2012-06-11 | 2013-12-20 | 휴앤에스(주) | 돌발검지 시스템 |
| CN103673937B (zh) * | 2013-11-11 | 2017-06-20 | 安徽赛为信息技术有限责任公司 | 一种双重算法模式农机田作业面积的计算系统及其方法 |
| CN110619649A (zh) * | 2018-06-19 | 2019-12-27 | 广州极飞科技有限公司 | 作业面积确定方法及装置、终端 |
| CN109884664B (zh) * | 2019-01-14 | 2022-12-02 | 武汉大学 | 一种城市地上生物量光学微波协同反演方法及系统 |
| CN110836632A (zh) * | 2019-12-09 | 2020-02-25 | 邢台学院 | 一种山区土地面积测量方法及系统 |
-
2021
- 2021-06-17 CN CN202110674003.3A patent/CN113393541B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108874919A (zh) * | 2018-05-31 | 2018-11-23 | 湖北大学 | 规划用地自动核查方法、电子设备、存储介质及系统 |
| CN112396699A (zh) * | 2020-11-30 | 2021-02-23 | 常州市星图测绘科技有限公司 | 一种基于无人机影像进行地块自动勾画的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113393541A (zh) | 2021-09-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6612196B2 (ja) | 岩盤強度判定装置、岩盤強度判定方法、及び岩盤強度判定プログラム | |
| CN106909886B (zh) | 一种基于深度学习的高精度交通标志检测方法及系统 | |
| CN110751678A (zh) | 运动目标的检测方法、装置和电子设备 | |
| Wujanz et al. | Identification of stable areas in unreferenced laser scans for deformation measurement | |
| CN106610981A (zh) | 电子地图中道路信息的验证更新方法及系统 | |
| CN113393541B (zh) | 一种地块面积计算方法、装置、计算机终端及存储介质 | |
| CN110363176B (zh) | 一种图像分析方法及装置 | |
| CN109117746A (zh) | 手部检测方法及机器可读存储介质 | |
| CN109407131A (zh) | 车头朝向确定方法、装置及设备 | |
| EP3293486B1 (en) | Method and system for improving spatial accuracy of map data | |
| CN115294317A (zh) | 一种用于工业生产厂区的指针式仪表读数智能检测方法 | |
| US20220237908A1 (en) | Flight mission learning using synthetic three-dimensional (3d) modeling and simulation | |
| CN115131363A (zh) | 基于语义信息的定位方法、装置和终端设备 | |
| CN115131759A (zh) | 交通标线的识别方法、装置、计算机设备和存储介质 | |
| CN110310278A (zh) | 基于余量切割法的滑动窗口扫描方法 | |
| CN112697044B (zh) | 一种基于无人机平台的静态刚性物体视觉测量方法 | |
| CN107657262A (zh) | 一种计算机自动分类精度评价方法 | |
| CN103218820A (zh) | 一种基于多维特征的相机标定误差补偿方法 | |
| CN115979299A (zh) | 基于地图数据转换的精度检查方法及装置 | |
| CN115115954A (zh) | 基于无人机遥感的松材线虫病疫区变色立木智能识别方法 | |
| CN110895791A (zh) | 一种提高输电线路无人机影像快速拼接质量的方法 | |
| US10373004B1 (en) | Method and device for detecting lane elements to plan the drive path of autonomous vehicle by using a horizontal filter mask, wherein the lane elements are unit regions including pixels of lanes in an input image | |
| CN106776745A (zh) | 业务单据的处理方法、业务单据的处理装置和终端 | |
| Shankar et al. | Segment anything in glaciology: An initial study implementing the segment anything model (SAM) | |
| Shankar et al. | Segment anything in glaciology: An initial study implementing the segment anything model (SAM) |
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 | ||
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: 100192 Zhongguancun Dongsheng Science and Technology Park, No. 66 Xixiaokou Road, Haidian District, Beijing. A801, 8th Floor, Building A, Building B-6, Northern Territory Patentee after: Bochuang Linkage Technology Co.,Ltd. Country or region after: China Address before: A801, 8 / F, block a, building B-6, Zhongguancun Dongsheng science and Technology Park, No. 66, xixiaokou Road, Haidian District, Beijing 100098 Patentee before: BEIJING BOCHUANG LIANDONG TECHNOLOGY Co.,Ltd. Country or region before: China |