CN113792650A - 一种绿视率测量方法和系统 - Google Patents

一种绿视率测量方法和系统 Download PDF

Info

Publication number
CN113792650A
CN113792650A CN202111070621.3A CN202111070621A CN113792650A CN 113792650 A CN113792650 A CN 113792650A CN 202111070621 A CN202111070621 A CN 202111070621A CN 113792650 A CN113792650 A CN 113792650A
Authority
CN
China
Prior art keywords
green
rate
picture
measuring
pictures
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
Application number
CN202111070621.3A
Other languages
English (en)
Inventor
芮丽燕
季雪纯
李鹏魁
廖琳
祝磊
张嫄
李晓
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Building Science Research Institute Co Ltd
Original Assignee
Shanghai Building Science Research Institute Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Building Science Research Institute Co Ltd filed Critical Shanghai Building Science Research Institute Co Ltd
Priority to CN202111070621.3A priority Critical patent/CN113792650A/zh
Publication of CN113792650A publication Critical patent/CN113792650A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2431—Multiple classes
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A30/00—Adapting or protecting infrastructure or their operation
    • Y02A30/60—Planning or developing urban green infrastructure

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)

Abstract

一种绿视率测量方法，该测量方法包括，采用无人机获取待测区域的低空图片；采用经过训练的绿视识别模型对所述图片进行图像语义分割；计算所述图片绿视率为
Figure DDA0003260104440000011
其中，G表示单张照片的绿视率，Nv表示照片中植物像素点数量，N表示照片的总像素点数量。所述无人机设有4个拍摄方向间隔90度的相机或者摄像机，使得在测量点获得4个不同方向的图片。

Description

一种绿视率测量方法和系统
技术领域
本发明属于绿化技术领域，特别涉及一种绿视率测量方法和系统。
背景技术
城市绿化系统是现代生态城市建设的重要组成部分，城市绿化在缓解城市热岛效应，固碳释氧，改善城市微气候，调节城市生态平衡等方面起着无可替代的作用。
目前，常用的绿化评价指标还局限于绿地率、绿化覆盖率和人均公园绿地面积等传统的二维平面指标。但实际上，城市绿化系统除了能提供生态效益，在人居环境舒适性体验及情绪调节方面也具有显著作用，相关研究表明绿色具有消除疲惫，健康身心的积极作用。因此，将绿视率这个指标用于绿色空间感知的直观评价标准，它的定义为人的视野中绿色所占的百分比，是个可测算的物理量，宜作为有效绿色的景观评价因素。
虽然在城市街景绿视率计算方面可以采用街景地图来获取图像，但对于居住区等街景难以覆盖的区域，还是采用传统现场拍照的方式和图像处理方式进行绿视率测试，测试一次需要耗费大量人力及时间。
发明内容
本发明实施例之一，一种绿视率测量方法，包括，
采用无人机获取待测区域的低空图片；
采用经过训练的绿视识别模型对所述图片进行图像语义分割；
计算所述图片绿视率为
Figure BDA0003260104420000011
其中，G表示单张照片的绿视率，Nv表示照片中植物像素点数量，N表示照片的总像素点数量。
本发明提出一种绿视率快速测量方法，目的是为了简化传统绿视率的测量方法。
附图说明
通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，其中：
图1根据本发明实施例之一的绿视率快速测量的方法流程示意图。
图2根据本发明实施例之一的图像语义分割识别结果示意图。
图3根据本发明实施例之一的绿视率分布情况示意图。
具体实施方式
绿视率通常是指人眼视野范围内绿色植被占视觉总面积的百分比。相关研究与实践表明，绿视率还可以被用于衡量人在绿色环境中的视觉感受，当绿视率高于25％时，会产生周边绿化较好的心理感受，当绿视率高于50％时人能感知到更多的绿色并产生舒适的心理感受。因此，该指标可以衡量人在绿化环境中的视觉感受，是提高市民绿化满意度的重要指标，符合当前城市规划注重以人为本的发展趋势。
绿视率的图像获取方式主要分为两种，一种是人工采集样本图像，另外一种是通过街景地图进行采集。人工采集样本方法为现场调研拍照方法。该方法需要将最接近人眼成像效果的焦距24mm相机固定在大致相当成人视线高度1.5-1.6m处，进行实景照片拍摄。第二种方法是，利用街景地图采集，该方法通过利用谷歌、腾讯街景、百度街景地图等提供公共的API开发接口，免费下载和调用街景静态图片，该方法可在短时间内获得采样点四个方向的街道立面图片数据，能有效的避免了现场采集的繁琐和安全隐患。
上述方法中人工采集的方法往往需要耗费大量的人力、物力，且所费时间过于冗长。但在一些街景道路地图难以覆盖的区域，例如住宅区内部、生态公园等区域还是需要依赖人工的测量方法。在获得绿视率图像后，需要将图像导入软件中进行图像处理计算绿视率。
常用的计算方法主要有像素计算方法及网格计算方法。这两种方法都需要使用图像处理软件，例如Photoshop、Matlab、GIMP等，逐一对每一张图像进行人工操作(手动涂抹、网格划分等)。此种处理方式人力消耗大、处理时间漫长，也容易因为受主观因素影响，导致人工误差的出现。
为了解决目前缺乏对景观绿视率快速测量的方法，本发明提供一种简单便捷的方式测量绿视率。该方法可以更加快速测量并直观显示绿视率水平情况，包括不同区域的绿视率大小及分布情况，通过测量结果的可视化展示可以更加合理优化景观绿化。
根据一个或者多个实施例，一种绿视率快速测量方法，包括四个步骤。
步骤1：训练数据集。根据绿视率测量类别建立图像训练集和测试集，(例如测量城市街道绿视率，则需要随机选取城市街景图像)。收集1500+图像训练样本和200+测试样本后，需要对图像进行类别标记，例如，天空、植物、建筑物、车辆、人、等类别。对标注后的训练集图像进行神经网络训练。用测试集中的照片进行精度检验，调整训练次数，使模型精度评价指标mIoU接近1。
步骤2：使用无人机获取绿视率照片。根据绿视率测量对象设置测点间距(例如：城市街道测点间距设置为100m，住宅小区测点间距20m)。操作无人机在调研区域内按照预设的飞行轨迹飞行，飞行高度设置为1.5m-1.6m。该无人机配备4个焦距为24mm的高清相机和GPS定位记录系统。该设备能在每个测点处，采集4个正交方向照片(道路前后及两侧)，并且所有拍摄的照片含有经纬度信息。飞行高度的设置是基于中国成年人平均身高及视线高度。
步骤3：绿视率计算。将拍摄的照片进行编号，每个测点有4个方向的照片。使用DeeplabV3+对所有测点拍摄的照片进行图像语义分割。单张照片的绿视率为统计识别出来的植物像素点占图像的总像素的比例。公式如下：
Figure BDA0003260104420000031
式中：G表示单张照片的绿视率；Nv表示照片中植物像素点数量；N表示照片的总像素点数量。
测点位置的绿视率为4个方位拍摄照片的绿视率的平均值。公式如下：
Figure BDA0003260104420000032
式中：Gave表示测点位置的平均绿视率；G0°，G90°，G180°，G270°分别表示四个方向拍摄照片的绿视率。
步骤4：采用GIS软件可视化绿视率水平。根据照片的经纬度信息可确定测点位置，将测点位置和计算出的平均绿视数值导入到ArcGis中，可显示测量区域内绿视率的分布情况。
根据一个或者多个实施例，一种绿视率快速测量方法，包括，
步骤1：训练数据集。随机选取1500张训练样本照片和200张测试样本照片，使用Labelme图像标注工具对训练样本和测试样本图像进行类别标记。使用软件中EditPolygons功能对训练照片进行图像内容标注，将照片分为植物、天空和其他，共3类，并保存为.json格式。将标注后的.json文件转为DeeplabV3+可识别的单通道灰度图，使用DeeplabV3+对标注后的图像进行神经网络训练，循环训练次数设置为3000次。使用训练集照片对模型进行精度检验，模型精度评价指标mIoU达到0.8，模型具有较好的识别性。
步骤2：使用无人机获取绿视率照片。本案例在每间隔50m的道路上设置了一个绿视率测点，一共设置了8个测点。选择天气状况良好，无分无云的时间，操作无人机在调研区域内按照预设的飞行轨迹飞行，飞行高度设置为1.5m-1.6m。该无人机配备4个正交安装的高清相机(焦距24mm)和GPS定位记录系统的无人机。该设备能在每个测点处，采集4个正交方向照片(道路前后及两侧)，并且所有拍摄的照片含有经纬度信息。
步骤3：绿视率计算。将拍摄的照片进行编号，每个测点有4个方向的照片。使用DeeplabV3+对所有测点拍摄的照片进行图像语义分割，即每个像素点都有所归属的类别，图像语义分割图如图2所示。将所识别的结果以表格的形式导出，根据绿视率的定义，可以计算出每张照片绿视率的数值。单张照片的绿视率为统计识别出来的植物像素点占图像的总像素的比例，公式如下：
Figure BDA0003260104420000041
式中：G表示单张照片的绿视率；Nv表示照片中植物像素点数量；N表示照片的总像素点数量。
测点位置的绿视率为4个方位拍摄照片的绿视率的平均值。公式如下：
Figure BDA0003260104420000042
式中：Gave表示测点位置的平均绿视率；G0°，G90°，G180°，G270°分别表示四个方向拍摄照片的绿视率。
通过计算后，可以得到本实施例8个测点的平均绿视率分别为0.56，0.50，0.56，0.17，0.26，0.27，0.29，0.36。
步骤4：采用GIS软件可视化绿视率水平。在ArcGis中导入测量区域的卫星地图，使用工具条中的地理匹配工具，添加5个控制点的经纬度，校准卫星地图的地理位置。根据照片的经纬度信息可确定测点位置，将测点位置经纬度位置和平均绿视率数值保存在excel中。将excel文件导入到ArcGis中，点击显示XY数据，X字段选择经度，Y字节段选择纬度，Z字段选择平均绿视率。操作完毕后，可发现卫星地图上显示的测点位置与实际测点位置一致。通过导入测点的属性设置分级色彩，即可以在卫星地图中直接显示不同梯度绿视率的分布情况，有利于景观管理人员直观发现绿视率低的区域并进行优化。如图3所示。
关于本发明实施例的有益效果，由于景观绿化在环境舒适性及情绪调节方面也具有显著作用，具有消除疲惫，健康身心的积极作用。本发明提出的快速测量绿视率，对于推广绿视率应用有积极作用，可以方便评估景观绿化，通过更有针对性的提高和改善景观绿化，提高居民满意度。
本发明通过无人机技术及机器学习技术，能快速测量绿视率数值，节约了实地调研人工、时间成本的投入，提高了工作效率。同时，将绿视率结果展示在地图上，景观管理者可以直观地看到绿视率的大小及分布情况。这种可视化的绿视率展示可以更有利于景观规划和管理。
值得说明的是，虽然前述内容已经参考若干具体实施方式描述了本发明创造的精神和原理，但是应该理解，本发明并不限于所公开的具体实施方式，对各方面的划分也不意味着这些方面中的特征不能组合，这种划分仅是为了表述的方便。本发明旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。

Claims (10)

1.一种绿视率测量方法，其特征在于，该测量方法包括，
采用无人机获取待测区域的低空图片；
采用经过训练的绿视识别模型对所述图片进行图像语义分割；
计算所述图片绿视率为
Figure FDA0003260104410000011
其中，G表示单张照片的绿视率，Nv表示照片中植物像素点数量，N表示照片的总像素点数量。
2.根据权利要求1所述的绿视率测量方法，其特征在于，所述无人机设有4个拍摄方向间隔90度的相机或者摄像机，使得在测量点获得4个不同方向的图片。
3.根据权利要求2所述的绿视率测量方法，其特征在于，
测量点的绿视率为4个方位拍摄照片的绿视率的平均值，
Figure FDA0003260104410000012
其中，Gave表示测点位置的平均绿视率，G0°，G90°，G180°，G270°分别表示四个方向拍摄照片的绿视率。
4.根据权利要求1所述的绿视率测量方法，其特征在于，所述绿视识别模型基于卷积神经网络，采用多个图片经过类别标注后作为训练集对所述绿视识别模型进行训练。
5.根据权利要求1或3所述的绿视率测量方法，其特征在于，将测量点的绿视率或者平均绿视率在GIS中显示，以评估待测区域的绿视率分布情况。
6.根据权利要求1或3所述的绿视率测量方法，其特征在于，所述无人机的飞行高度设置为普通人的身高。
7.一种绿视率测量系统，其特征在于，该系统包括无人机和服务器，
所述无人机通过记载的相机或者摄像机获取待测区域的低空图片，并将图片发送至服务器，
服务器中经过训练的绿视识别模型对所述图片进行图像语义分割，计算所述图片绿视率为
Figure FDA0003260104410000013
其中，G表示单张照片的绿视率，Nv表示照片中植物像素点数量，N表示照片的总像素点数量。
8.根据权利要求7所述的绿视率测量系统，其特征在于，所述无人机设有4个拍摄方向间隔90度的相机或者摄像机，使得在测量点获得4个不同方向的图片。
9.根据权利要求8所述的绿视率测量系统，其特征在于，
测量点的绿视率为4个方位拍摄照片的绿视率的平均值，
Figure FDA0003260104410000021
其中，Gave表示测点位置的平均绿视率，G0°，G90°，G180°，G270°分别表示四个方向拍摄照片的绿视率。
10.根据权利要求7所述的绿视率测量系统，其特征在于，所述绿视识别模型基于卷积神经网络，采用多个图片经过类别标注后作为训练集对所述绿视识别模型进行训练。
CN202111070621.3A 2021-09-13 2021-09-13 一种绿视率测量方法和系统 Pending CN113792650A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111070621.3A CN113792650A (zh) 2021-09-13 2021-09-13 一种绿视率测量方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111070621.3A CN113792650A (zh) 2021-09-13 2021-09-13 一种绿视率测量方法和系统

Publications (1)

Publication Number Publication Date
CN113792650A true CN113792650A (zh) 2021-12-14

Family

ID=79183055

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111070621.3A Pending CN113792650A (zh) 2021-09-13 2021-09-13 一种绿视率测量方法和系统

Country Status (1)

Country Link
CN (1) CN113792650A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117128977A (zh) * 2023-10-26 2023-11-28 中国测绘科学研究院 基于双影像融合的优质绿道路径规划方法、装置及设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001142393A (ja) * 1999-11-17 2001-05-25 Asia Air Survey Co Ltd 緑被マップまたは緑視マップの作成方法
CN109948547A (zh) * 2019-03-20 2019-06-28 广州市城市规划勘测设计研究院 城市绿地景观评价方法、装置、存储介质及终端设备
CN112507839A (zh) * 2020-12-02 2021-03-16 上海市建筑科学研究院有限公司 一种城市景观固碳量的快速测算方法
CN113033959A (zh) * 2021-02-26 2021-06-25 苏州城室科技有限公司 基于tod发展模式的轨道交通站点周边建成环境评价方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001142393A (ja) * 1999-11-17 2001-05-25 Asia Air Survey Co Ltd 緑被マップまたは緑視マップの作成方法
CN109948547A (zh) * 2019-03-20 2019-06-28 广州市城市规划勘测设计研究院 城市绿地景观评价方法、装置、存储介质及终端设备
CN112507839A (zh) * 2020-12-02 2021-03-16 上海市建筑科学研究院有限公司 一种城市景观固碳量的快速测算方法
CN113033959A (zh) * 2021-02-26 2021-06-25 苏州城室科技有限公司 基于tod发展模式的轨道交通站点周边建成环境评价方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117128977A (zh) * 2023-10-26 2023-11-28 中国测绘科学研究院 基于双影像融合的优质绿道路径规划方法、装置及设备
CN117128977B (zh) * 2023-10-26 2024-01-19 中国测绘科学研究院 基于双影像融合的优质绿道路径规划方法、装置及设备

Similar Documents

Publication Publication Date Title
US10168141B2 (en) Method for identifying air pollution sources based on aerosol retrieval and glowworm swarm algorithm
CN106403904B (zh) 一种基于无人机的景观尺度植被覆盖度的计算方法及系统
CN110263717B (zh) 一种融入街景影像的土地利用类别确定方法
CN112633535A (zh) 一种基于无人机图像的光伏电站智能巡检方法及系统
CN105516584B (zh) 全景影像采集系统、基于其的测量天际线的装置和方法
WO2013139100A1 (zh) 基于云服务的智能摄影方法、装置及移动终端
CN113610040B (zh) 一种基于改进BiSeNetV2分割网络的水稻田杂草密度实时统计方法
CN102509102A (zh) 基于图像学习的能见度测量方法
CN113743358B (zh) 一种全方位采集和智能计算的景观视觉特征识别方法
CN114627021A (zh) 基于点云与深度学习的缺陷检测方法和系统
CN113792650A (zh) 一种绿视率测量方法和系统
CN115100262A (zh) 一种复杂场景三维温度和长波辐射模型的建立方法及系统
CN114812418A (zh) 一种便携式植株密度和株距测量系统
Beiranvand et al. Evaluation of changes in per capita green space through remote sensing data
CN106556579A (zh) 基于激光的团雾图像全天候自适应检测方法
CN113867406A (zh) 基于无人机的线路巡检方法、系统、智能设备和存储介质
CN113420109A (zh) 一种街道界面渗透率的测量方法、计算机及存储介质
CN111598874A (zh) 一种基于智能移动端的红树林郁闭度调查方法
CN111626893A (zh) 一种家畜自由放牧状态下畜群放牧强度的测定方法
CN116229001A (zh) 一种基于空间熵的城市三维数字地图生成方法及系统
CN115541032A (zh) 基于无人机热红外遥感影像的烟株温度提取方法
CN115797802A (zh) 基于3s技术的作物种植结构精细化监测分析方法
CN114064737A (zh) 一种基于无人机的大型鲸类时空分布调查方法和系统
CN114119389A (zh) 一种图像复原方法、系统和存储模块
CN113650783A (zh) 固定翼倾斜摄影地籍测图方法、系统及设备

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