CN113988701B - 地势分析方法、装置及电子设备 - Google Patents
地势分析方法、装置及电子设备 Download PDFInfo
- Publication number
- CN113988701B CN113988701B CN202111345757.0A CN202111345757A CN113988701B CN 113988701 B CN113988701 B CN 113988701B CN 202111345757 A CN202111345757 A CN 202111345757A CN 113988701 B CN113988701 B CN 113988701B
- Authority
- CN
- China
- Prior art keywords
- low
- high pier
- region
- lying
- boundary
- 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
- 238000012876 topography Methods 0.000 title claims abstract description 50
- 238000004458 analytical method Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 claims abstract description 94
- 238000012545 processing Methods 0.000 claims abstract description 45
- 238000007621 cluster analysis Methods 0.000 claims abstract description 42
- 239000011159 matrix material Substances 0.000 claims description 31
- 238000009877 rendering Methods 0.000 claims description 17
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 14
- 238000007499 fusion processing Methods 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 230000008595 infiltration Effects 0.000 claims description 6
- 238000001764 infiltration Methods 0.000 claims description 6
- 239000002689 soil Substances 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 5
- 239000003621 irrigation water Substances 0.000 claims description 4
- 238000002347 injection Methods 0.000 claims description 3
- 239000007924 injection Substances 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 238000007689 inspection Methods 0.000 description 7
- 230000004927 fusion Effects 0.000 description 6
- 238000003973 irrigation Methods 0.000 description 4
- 230000002262 irrigation Effects 0.000 description 4
- 241000196324 Embryophyta Species 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 229910052792 caesium Inorganic materials 0.000 description 2
- TVFDJXOCXUVLDH-UHFFFAOYSA-N caesium atom Chemical compound [Cs] TVFDJXOCXUVLDH-UHFFFAOYSA-N 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 1
- 230000000994 depressogenic effect Effects 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000003971 tillage Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- 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
-
- 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
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Evolutionary Computation (AREA)
- Marketing (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Processing Or Creating Images (AREA)
Abstract
本申请实施例提供了一种地势分析方法、装置及电子设备,其中方法包括:基于预先确定的地块基准高度对目标地块的三维点集合进行处理,以得到所述目标地块的高墩点集合和低洼点集合;基于所述高墩点集合和所述低洼点集合确定所述三维点集合的目标聚类网格尺寸;根据所述目标聚类网格尺寸对所述三维点集合进行聚类分析,得到所述目标地块的高墩区域信息和低洼区域信息。这样,基于对目标地块的三维点集合的网格聚类分析,得到高墩区域信息和低洼区域信息,提高地块高墩区域及低洼区域信息的准确度及处理效率。
Description
技术领域
本申请涉及地形数据处理领域,尤其涉及一种地势分析方法、装置及电子设备。
背景技术
在农业作业中,为对耕地进行更好地管理,需要了解耕地的高墩与低洼情况。现有的方式是通过人工实地在耕地进行观察,通过人工经验大概预估耕地的高墩及低洼范围。实地观察过程中需要投入大量人力资源,由于人工观察只能得出预估情况,耕地的高墩及低洼等耕地信息误差大,导致耕地的高墩及低洼区域信息准确度比较低。
发明内容
为了解决上述技术问题,本申请实施例提供了一种地势分析方法、装置及电子设备。
第一方面,本申请实施例提供了一种地势分析方法,所述方法包括:
基于预先确定的地块基准高度对目标地块的三维点集合进行处理,以得到所述目标地块的高墩点集合和低洼点集合;
基于所述高墩点集合和所述低洼点集合确定所述三维点集合的目标聚类网格尺寸;
根据所述目标聚类网格尺寸对所述三维点集合进行聚类分析,得到所述目标地块的高墩区域信息和低洼区域信息。
第二方面,本申请实施例提供了一种飞巡任务的生成方法,包括:
根据高墩区域信息和/或低洼区域信息生成感兴趣区域,所述高墩区域信息和/或低洼区域信息根据第一方面所提供的地势分析方法获得;
根据所述感兴趣区域生成飞巡任务。
第三方面,本申请实施例提供了一种地势分析装置,所述装置包括:
处理模块,用于基于预先确定的地块基准高度对目标地块的三维点集合进行处理,以得到所述目标地块的高墩点集合和低洼点集合;
确定模块,用于基于所述高墩点集合和所述低洼点集合确定所述三维点集合的目标聚类网格尺寸;
分析模块,用于根据所述目标聚类网格尺寸对所述三维点集合进行聚类分析,得到所述目标地块的高墩区域信息和低洼区域信息。
第四方面,本申请实施例提供了一种飞巡任务的生成装置,所述装置包括:
第一生成模块,用于根据高墩区域信息和/或低洼区域信息生成感兴趣区域,所述高墩区域信息和/或低洼区域信息根据第一方面所提供的地势分析方法获得;
第二生成模块,用于根据所述感兴趣区域生成飞巡任务。
第五方面,本公开实施例提供了一种智慧农业系统,包括第三方面所提供的地势分析装置,和/或第四方面所提供的飞巡任务的生成装置。
第六方面,本公开实施例提供了一种电子设备,包括存储器以及处理器,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第一方面所提供的地势分析方法,和/或,执行上述第二方面所提供的飞巡任务的生成方法。
第七方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质上存储计算机程序,所述计算机程序在处理器上运行时执行上述第一方面所提供的地势分析方法,和/或,执行上述第二方面所提供的飞巡任务的生成方法。
上述本申请提供的地势分析方法,基于预先确定的地块基准高度对目标地块的三维点集合进行处理,以得到所述目标地块的高墩点集合和低洼点集合;基于所述高墩点集合和所述低洼点集合确定所述三维点集合的目标聚类网格尺寸;根据所述目标聚类网格尺寸对所述三维点集合进行聚类分析,得到所述目标地块的高墩区域信息和低洼区域信息。这样,基于对目标地块的三维点集合的网格聚类分析,得到高墩区域信息和低洼区域信息,提高地块高墩区域及低洼区域信息的准确度及处理效率。
此外,上述本申请提供的飞巡任务的生成方法,根据高墩区域信息和/或低洼区域信息生成感兴趣区域;根据所述感兴趣区域生成飞巡任务。这样,基于高墩区域信息和/或低洼区域信息生成的感兴趣区域得到对应飞巡任务,提高飞巡任务的精确度,从而有针对性地获取感兴趣区域的相关信息,更好地辅助农业作业。
附图说明
为了更清楚地说明本申请的技术方案,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申请的某些实施例,因此不应被看作是对本申请保护范围的限定。在各个附图中,类似的构成部分采用类似的编号。
图1示出了本申请实施例提供的地势分析方法的一流程示意图;
图2示出了本申请实施例提供的像素矩阵的一示意图;
图3示出了本申请实施例提供的三维水淹渲染图的一示意图;
图4示出了本申请实施例提供的飞巡任务的生成方法的一流程示意图;
图5示出了本申请实施例提供的地势分析装置的一结构示意图;
图6示出了本申请实施例提供的飞巡任务的生成装置的一结构示意图。
具体实施方式
下面将结合本申请实施例中附图,对本申请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申请一部分实施例,而不是全部的实施例。
实施例1
本公开实施例提供了一种地势分析方法。
具体的,如图1所示,地势分析方法包括:
步骤S101,基于预先确定的地块基准高度对目标地块的三维点集合进行处理,以得到所述目标地块的高墩点集合和低洼点集合;
在本实施例中,目标地块可以是根据用户输入的地块范围确定的地块,也可以是系统默认设置的地块。三维点集合中的各三维点有对应的经纬度信息、高度值等参数。地块基准高度的确定方式有多种,例如,可以有由用户自定义设置地块基准高度,还可以根据目标地块的整体高度情况确定地块基准高度,在此不做限制。
具体来说,在一实施方式中,所述地块基准高度通过预先设定得到;或者,所述地块基准高度通过以下操作确定得到:
统计所述三维点集合的高度分布情况;
根据所述高度分布情况确定多个高度范围对应的三维点数量;
从多个所述高度范围中确定三维点数量最多的目标高度范围;
将所述目标高度范围对应的三维点平均高度确定为所述地块基准高度。
这样,可以通过多种方式确定地块基准高度,便于用户根据需求选择合理的地块基准高度,为后续确定目标地块的高墩区域信息及低洼区域信息提供支持。
在本实施例中,高墩点集合中的三维点为目标地块的三维点集合中高度值大于或等于地块基准高度的三维点。低洼点集合中的三维点为目标地块的三维点集合中高度值小于地块基准高度的三维点。对目标地块的三维点集合进行处理,得到高墩点集合和低洼点集合的处理方式有多种。例如,可以直接将三维点集合中的各三维点的高度值与地块基准高度比较,将高度值大于或等于地块基准高度对应的三维点放入第一三维点集合,将高度值小于地块基准高度对应的三维点放入第二三维点集合,比较完毕后,将第一三维点集合作为高墩点集合,将第二三维点集合作为低洼点集合。
需要说明的是,在步骤S101之前,可以预先获取目标地块的三维点集合,获取目标地块的三维点集合,可以包括以下步骤:
对所述目标地块对应的目标地形瓦片集合进行解析,以得到所述目标地块的三维点集合。
在一实施方式中,目标地形瓦片集可以为初始地形图像数据进行切图处理后得到的地形瓦片集,其中,初始地形图像数据可以为无人设备携带摄像设备获取的地形图像数据。例如,初始地形图像数据可以为数字地表模型(Digital Surface Model,DSM)数据,DSM数据的精度比较高。
具体来说,目标地形瓦片集合的获取过程包括:
对初始地形图像数据进行切图处理,得到分辨率最高的最高级别地形瓦片集合,所述最高级别地形瓦片集合的各像素点具备对应的高度值;
基于所述最高级别地形瓦片集合逐级进行瓦片合并处理,得到分辨率不同的至少一个低级别地形瓦片集,其中,所述低级别地形瓦片集中不同像素点由相对较高级别的地形瓦片集中不同像素矩阵形成;
对于各低级别地形瓦片集中各像素点,从所述像素点对应的像素矩阵中确定一个目标像素点,并将所述像素点的高度值更新为所述目标像素点的高度值;其中,确定出的所有目标像素点不同时为具备最大高度值的像素点;
根据地形图像缩放等级,从所述最高级别地形瓦片集合和所述低级别地形瓦片集中确定对应分辨率级别的目标地形瓦片集合。
在本实施例中,为保证地形图像数据的分辨率需求,所述对初始地形图像数据进行切图处理,包括:
采用最大值采样算法对所述初始地形图像数据进行切图处理。
具体来说,可以使用Cesium的切图工具Cesium Terrain Build进行最大值采样算法切图。切图工具采用最大值采样算法对DSM数据进行切图处理,得到最高级别的多个瓦片,最高级别的瓦片的分辨率是最高的。例如,最高级别的各瓦片包括N×N个像素点,各像素点包括对应的高度值。其中,N可以取值为65,相应地,最高级别的各瓦片包括的N×N个高度值可以为65×65个高度值。
这样,就可以保证在切图获取最大级别的瓦片集时,各像素点的高度值是比较准确的,提高分辨率最高的最高级别地形瓦片集的各像素点的高度值的准确度。
在本实施例中,可以预先设置对应的预设瓦片合并处理规则,基于预设瓦片合并处理规则实现瓦片合并处理。进一步的,预设瓦片合并处理规则可以为:设置用于进行瓦片合并的瓦片矩阵,基于瓦片矩阵进行瓦片合并。基于瓦片矩阵进行瓦片合并,可以根据像素点融合技术,将多个像素点融合为1个像素点,从而完成将一个瓦片矩阵合并为一个瓦片的过程。例如,将4个相邻像素点求平均像素值后,将平均像素值作为4个相邻像素点的融合后像素点的像素值。
需要补充说明的是,所述基于所述最高级别地形瓦片集合逐级进行瓦片合并处理,得到分辨率不同的至少一个低级别地形瓦片集,可以包括:
对于各低级别地形瓦片集,对所述低级别地形瓦片集的上一级别地形瓦片集中各瓦片阵列进行合并处理,以形成所述低级别地形瓦片集。
举例来说,若瓦片矩阵为2×2瓦片矩阵,上一级别地形瓦片集有4×4个瓦片,将上一级别地形瓦片集按照2×2瓦片阵列进行划分,得到4个2×2瓦片阵列,将各2×2瓦片阵列进行合并,得到对应下一级别地形瓦片集的一个瓦片。
若最高级别地形瓦片集经过逐级合并得到21个低级别地形瓦片集,将最高级别地形瓦片集和剩余低级别地形瓦片集设置为共有0到22个级别地形瓦片集,22是最高级别地形瓦片集,0-21是剩余低级别地形瓦片集。22级是21级的上一级别,21级是20级的上一级别。22级地形瓦片集是通过采用最大值采样算法对DSM数据进行切图处理得到的,并得到最高级别的多个瓦片,假设最高级别地形瓦片集有10000张瓦片,21级则有10000/4张瓦片,即2500张瓦片。假设在22级时的瓦片范围是长宽为1米(M)的矩形区域,即瓦片面积为1M×1M,那么,21级瓦片集按照22级别的各2×2瓦片阵列合并得到,每张瓦片对应的矩形区域是2M×2M。若在22级的每个瓦片有65×65像素点,各像素点对应具有高度值,21级的瓦片由22级对应的2×2瓦片阵列合并得到,则为了得到21级地形瓦片集,可以将22级的2×2瓦片阵列对应的65×65×2×2个像素点,划分为65×65个2×2像素矩阵,对每个2×2像素矩阵的4个像素点进行融合处理,相应地得到21级的各瓦片的像素点的像素值。
21级是20级的上一级别,20级则有2500/4张瓦片,即625张瓦片,基于21级的瓦片集进行类似22级至21级的处理过程,得到20级的瓦片集,还可以参考前述处理过程,得到更多低级别地形瓦片集,在此不做赘述。
另需说明的是,虽然上述示例指明了各级别的瓦片集可以基于其上一级瓦片集生成,但各级别的瓦片集还可以基于比其级别高的其他瓦片集生成。可以理解为,上文中提及的较高级别的瓦片集可以理解为比当前瓦片集的级别高的任一个级别的瓦片集,例如,18级地形瓦片集的相对较高级别的地形瓦片集可以为19~22级地形瓦片集中的任一个,从中选取一个生成18级地形瓦片集也可以在一定程度上保证各级别地形瓦片特征的一致性。
由于各级别地形瓦片集都基于较高级别(包括上一级别)的地形瓦片集生成,这样可以保证不同级别地形瓦片集之间的关联性,相比于相关技术中基于初始图像数据分别生成多个地形等级瓦片集,可以保证各级地形别瓦片特征的一致性。
在本实施例中,各低级别地形瓦片集的各像素点由较高一级地形瓦片集对应的像素矩阵确定,可以通过将较高一级地形瓦片集的像素点按照预设行、列的像素矩阵进行划分,得到多个像素矩阵,较高一级地形瓦片集的各像素矩阵对应较低一级瓦片集的各像素点。从而可以根据较高一级地形瓦片集的各像素矩阵相应地确定较低一级瓦片集的像素点。此外,还需要对较低一级瓦片集的像素点的高度值进行设置,具体的,可以从较高一级地形瓦片集的各像素矩阵的各像素点具备的高度值中确定一个。
在一实施例中,为了使得较低级别地形瓦片集的像素点的高度值分布合理均匀,不同时将较高一级地形瓦片集的各像素矩阵的最高高度值确定为较低一级瓦片集的像素点的高度,其中可以采用以下处理过程实现对较低级别地形瓦片集中各像素点的高度值的处理:
对各像素矩阵中各像素点进行编号;其中,同一像素矩阵中不同像素点的编号不同,任意两像素矩阵中像素点的编号一一对应,且编号对应的两个像素点的编号相同;
对于各低级别地形瓦片集中各像素点,从所述像素点对应的像素矩阵中确定设定编号的像素点为目标像素点。
举例来说,请参阅图2,图2所示的2×2像素矩阵包括4个像素点,各像素点的高度值分别为第一高度值、第二高度值、第三高度值、第四高度值,按照顺时针方向对四个像素点进行编号,对应分别编号1、2、3、4。其他2×2像素矩阵也进行相同的编号过程。设定编号可以为2×2高度值对应编号中的任一个编号,可以理解为设定编号为1、2、3、4中任一个,例如设定编号为2。基于此示例,可以将图2所示的2×2像素矩阵中编号2的像素点作为目标像素点,同理,将其他2×2像素矩阵中编号2的像素点作为其他剩余的目标像素点。
这样,基于大量像素的情况下,通过设定编码获取目标像素点的方式,可以使得目标像素点的高度值不同时为像素矩阵中最高高度值的像素点,进而保证较低级别地形瓦片集合中像素点的高度值能够合理分布。
在其他实施例中,还可以采用以下处理过程实现对较低级别地形瓦片集中各像素点的高度值的处理:
对于各低级别地形瓦片集中各像素点,从所述像素点对应的像素矩阵中确定位于设定行和列的像素点为目标像素点。
举例来说,请再次参阅图2,可以不对2×2像素矩阵进行编号,而是可以通过像素矩阵的行列数对像素点进行定位,例如可以选择图2所示的像素矩阵、及其他像素矩阵中第一行、第一列的像素点作为目标像素点。
这样,可以减少对像素矩阵中像素点的编号过程,直接选择出对应的目标像素点,节约计算资源,提高处理效率。
进一步补充说明的是,在获取目标地形瓦片集合之后,可以基于目标地形瓦片结合作出适应于农业作业相关的作业处理分析,例如,对目标地块的灌溉水量、水淹情况进行分析。
具体来说,在一实施方式中,还可以包括以下步骤:
根据所述目标地块的灌溉注水量和/或降雨量和/或土壤入渗率,确定所述目标地块的水位变化量;
基于所述目标地形瓦片集合和所述水位变化量进行图像渲染处理,得到所述目标地块的三维水淹渲染效果图。
请参阅图3,图3所示为通过切图工具得到的三维水淹渲染图,切图工具可以为Cesium切图工具。在图3所示的三维水淹渲染图包括高墩区域301、低洼区域302、水面303及地平面304等信息,可以便于查阅目标地块的高墩区域信息及低洼区域信息。
在上述实施方式中,充分结合目标地块的灌溉注水量和/或降雨量和/或土壤入渗率,确定所述目标区域的水位变化量,与实际发生情况符合,可以提高目标区域的三维水淹渲染图的精确度。
以下以基于目标地块的灌溉量、降雨量和土壤入渗率为例,说明确定目标地块的水位变化量的过程:首先,可以基于目标地块的灌溉量和降雨量确定目标地块的入水量,然后根据入水量、土壤入渗率和目标地块的地势情况,可以以位置点为单位,也可以将目标地块划分为多个子区域,进而以子区域为单位,以确定每个位置点或每个子区域的水淹情况,例如,可以先根据入水量和土壤入渗率确定每个位置点和/或每个子区域处的当前水位高度,然后基于当前水位高度和每个位置点的高度/每个子区域处的平均高度,来确定每个位置点/每个子区域处于被水淹没的状态还是处于未被水淹没的状态,进而可以得到目标地块的三维水淹渲染图,例如,如图3所示。
需要说明的是,上述水淹情况的确定过程涉及到的一些计算方式,可以基于物理学相关的一些技术原理得知,故本申请不进行赘述。
为在一定程度上提升数据处理效率,在其他实施例中,还可以通过其他方式来获取目标区域的三维水淹渲染图。在另一实施方式中,还可以包括以下步骤:
获取所述目标地块的当前水淹高度值;
根据地形图像缩放等级确定对应分辨率级别的目标地形瓦片集合;
基于所述目标地形瓦片集合、所述当前水淹高度值进行图像渲染处理,得到所述目标地块的三维水淹渲染效果图。
这样,可以有多种方式获取目标地块的三维水淹渲染效果图,提高农业作业的效率。
在上述实施方式中,可以无需考虑土壤入渗率、灌溉量、降雨量,而是直接基于获得的水淹高度值和目标地形瓦片集合实现对目标地块的三维水淹渲染图的获取,例如,可以将目标地块中低于水淹高度值的区域或位置点显示为被水淹没的状态,将目标地块中高于水淹高度值的区域或位置点显示为未被水淹没的状态;由此大大简化运算量,提高运算处理速度。
需要说明的是,水淹高度值可以由用户直接输入,也可以通过航测图像获取,其中,在用户输入水淹高度值的场景下,用户输入的水淹高度值可以表示为目标地块中实际的水淹高度,也可以表示为用户想要了解目标地块在不同水淹程度下的状态时,由用户根据自身需求输入的数值,不一定是实际的水淹高度。
在本实施例中,由于较低级别地形瓦片集都基于较高级别地形瓦片集生成,这样可以保证逐级地形瓦片集之间的关联性。相比于通过基于初始图像数据,例如基于DSM数据分别生成多个等级地形瓦片集,本实施例可以保证各级别地形瓦片特征的一致性,避免剩余低级别地形瓦片集的各瓦片的高度值均为由最大值采用算法确定的最大高度值,更加符合实际人眼观看地形时的远大近小的准则,使得每个级别地形瓦片集中的各个像素点的特性与其分辨率级别(也可以理解为缩放级别)相应,均满足人眼观看的远大近小的准则,进而可以提升最终渲染得到的三维水淹渲染效果图所呈现的效果,不会出现部分区域若隐若现的情况。具体来说,对于水淹分析场景,通过在得到分辨率不同的低级别地形瓦片集后,重新对低级别地形瓦片集中的像素点的高度进行更新,以使各像素点的高度值不同时为对应的像素矩阵中的最大高度值,可以保证水淹效果不会存在若隐若现的情况,并由于较低级别地形瓦片集的分辨率比较高级别地形瓦片集的分辨率低,且缩放比例比较高级别地形瓦片集的缩放比例大,可以理解为:在同一尺寸的屏幕上展示目标地块时,基于较低级别地形瓦片集展示在屏幕的图像所显示的地块范围,大于基于较高级别地形瓦片集展示在屏幕的图像所显示的地块范围,可以理解为:较低级别地形瓦片集所展示的景物与用户之间的“距离”更远,由此通过在得到低级别地形瓦片集后,重新对低级别地形瓦片集中的像素点高度进行更新,以使各像素点的高度值不同时为对应的像素矩阵中的最大高度值,可以模糊掉一些在近处才能观看得到或在近处才会比较明显的特征物信息,使得基于较低级别地形瓦片集中的像素点生成的图像可以更加符合人眼观看的远大近小的准则。
步骤S102,基于所述高墩点集合和所述低洼点集合确定所述三维点集合的目标聚类网格尺寸。
在本实施例中,对三维点集合进行网格聚类分析时,网格尺寸的大小对分析结果有影响,为获得比较准确的网格聚类分析结果,需要选择合适的网格尺寸。由于所述三维点集合划分为高墩点集合及低洼点集合,因此需要结合对高墩点集合进行网格聚类分析时应用的网格尺寸,及对低洼点集合进行网格聚类分析时应用的网格尺寸,确定对所述三维点集合进行网格聚类分析时所应用的网格尺寸。
在本实施例中,为提高聚类分析的准确度,可以分别确定高墩点集合的最佳聚类网格尺寸、及低洼点集合的最佳聚类网格尺寸,从高墩点集合的最佳聚类网格尺寸、及低洼点集合的最佳聚类网格尺寸中确定较小的聚类网格尺寸作为目标聚类网格尺寸。
具体的,在一实施方式中,步骤S102可以包括一下步骤:
确定用于对所述高墩点集合进行网格聚类分析的第一网格尺寸;
确定用于对所述低洼点集合进行网格聚类分析的第二网格尺寸;
将所述第一网格尺寸及所述第二网格尺寸中的较小值作为所述目标聚类网格尺寸。
这样,第一网格尺寸及第二网格尺寸可以满足实际的聚类分析需求,第一网格尺寸及第二网格尺寸中选择较小的网格尺寸作为目标聚类分析尺寸,可以同时满足对高墩区域及低洼区域进行聚类分析的网格要求,可以提高网格聚类分析结果的准确度。
在本实施例中,可以采用递归合并的方式确定第一聚类网格尺寸、及第二网格尺寸。具体的,在一实施方式中,所述确定用于对所述高墩点集合进行网格聚类分析的第一网格尺寸,包括:
按照预设网格间距对所述高墩点集合进行网格化处理,以得到多个第一网格;
按照M×M网格阵列将多个所述第一网格进行递归合并,直至递归合并所得的至少一个网格中包含的三维点的总数少于设定数量;其中,M为非1的正数;
将最后一次递归合并得到的网格的尺寸作为所述第一网格尺寸。
举例来说,预设网格间距、设定数量可以为用户自定义数值,例如,预设网格间距可以为0.02米,设定数量可以为3,在在起始递归合并过程时,将高墩点集合划分为0.02米×0.02米的多个第一网格,在相邻的2×2个第一网格中各网格的三维点数量大于等于3时,对2×2个第一网格进行合并得到对应的一个合并网格,合并网格的各三维点由2×2个第一网格的所有三维点按照2×2三维点矩阵进行三维点融合对应得到。在下一阶段的递归合并过程中,基于上一阶段的合并网格进一步进行递归合并,直到递归合并后所得的至少一个合并网格中包含的三维点的总数少于3的情况出现,将此前递归合并过程中,最后一出现所有网格中包含的三维点的总数均大于3时对应的网格尺寸作为第一网格尺寸。
这样,通过递归合并网格可以确定高墩点集合进行网格聚类分析的第一网格尺寸,可以实现自动获取第一网格尺寸,提高计算效率。
具体的,在一实施方式中,所述确定用于对所述低洼点集合进行网格聚类分析的第二网格尺寸,包括:
按照预设网格间距对所述低洼点集合进行网格化处理,以得到多个第二网格;
按照M×M网格阵列将多个所述第二网格进行递归合并,直至递归合并所得的至少一个网格中包含的三维点的总数少于设定数量;
将最后一次递归合并得到的网格的尺寸作为所述第二网格尺寸。
举例来说,预设网格间距可以为0.02米,设定数量可以为3,在起始递归合并过程时,将高墩点集合划分为0.02米×0.02米的多个第二网格,在相邻的2×2个第二网格中各网格的三维点数量大于等于3时,对2×2个第二网格进行合并得到对应的一个合并网格,合并网格的各三维点由2×2个第二网格的所有三维点按照2×2三维点矩阵进行三维点融合对应得到。在下一阶段的递归合并过程中,基于上一阶段的合并网格进一步进行递归合并,直到递归合并后所得的至少一个合并网格中包含的三维点的总数少于3的情况出现,将此前递归合并过程中,最后一出现所有网格中包含的三维点的总数均大于3时对应的网格尺寸作为第二网格尺寸。
这样通过递归合并网格可以确定低洼点集合进行网格聚类分析的第二网格尺寸,可以实现自动获取第二网格尺寸,提高计算效率。
步骤S103,根据所述目标聚类网格尺寸对所述三维点集合进行聚类分析,得到所述目标地块的高墩区域信息和低洼区域信息。
在本实施例中,可以根据目标聚类网格尺寸对三维点集合进行网格化处理,基于网格化处理后的网格进行聚类分析,以确定各个网格的高墩点数量和/或低洼点的数量,从而可以确定各个网格对应为高墩区域或低洼区域,进而得到目标地块整体上的高墩区域信息和低洼区域信息。此外,目标地块的高墩区域信息及低洼区域信息可以通过可视化显示方式进行显示。可以将高墩区域信息及低洼区域信息展示给用户,让用户直观地了解地块高墩和低洼的分布情况,并为农业作业采取相应的农事措施。
在本实施例中,可以快速地计算百亩甚至千亩的地块的高墩区域信息及与低洼区域信息,准确地得到高墩区域的范围与面积、低洼区域的范围及面积,可以为地块整平方面的人力物力等资源规划提供参考信息,还可以为无人机进行航线规划等任务提供参考信息。
在一实施方式中,步骤S103可以包括以下步骤:
按照所述目标聚类网格尺寸对所述三维点集合进行网格化处理,得到多个待分类网格;
根据所述地块基准高度对所述多个待分类网格的三维点进行聚类分析,分别得到高墩网格、低洼网格及混合网格;
根据所述高墩网格、所述低洼网格及所述混合网格确定所述目标地块的高墩区域信息及低洼区域信息。
在本实施例中,聚类分析过程中,可以将高度值大于或等于地块基准高度的三维点确定为高墩点,将高度值小于地块基准高度的三维点确定为低洼点,根据各待分类网格中高墩点的数量和/或低洼点的数量确定各待分类网格为高墩网格、低洼网格或混合网格。
在一实施方式中,所述根据所述地块基准高度对所述多个待分类网格的三维点进行聚类分析,分别得到高墩网格、低洼网格及混合网格,可以包括以下步骤:将多个所述待分类网格中低洼点的个数小于或等于预设数值的网格确定为高墩网格;
将多个所述待分类网格中高墩点的个数小于或等于预设数值的网格确定为低洼网格;
将多个所述待分类网格中除所述高墩网格及所述低洼网格之外的其他网格作为混合网格。
需要说明的是,预设数值可以为用户自定义数值,或者系统默认数值,例如,预设数值可以为3,待分类网格的数量有100个,假设待分类网格中低洼点的个数小于或等于3的网格有50个,则确定高墩网格的数量为50个,待分类网格中高墩点的个数小于或等于3的网格有30个,则确定低洼网格的数量为30个,基于此,混合网格的数量为20个。
在本实施例中,为得到比较准确的高墩区域信息及低洼区域信息,可以从区域边界和/或区域面积等多个方面进行分析。下面对目标地块的高墩区域信息及低洼区域信息的确定过程进行详细说明。
在一实施方式中,所述高墩区域信息包括高墩区域边界及高墩区域面积中的至少一项,所述低洼区域信息包括低洼区域边界及低洼面积中的至少一项;所述根据所述高墩网格、所述低洼网格及所述混合网格确定所述目标地块的高墩区域信息及低洼区域信息,包括:
根据所述高墩网格的三维点,确定得到第一高墩区域边界和/或第一高墩区域面积;
根据所述低洼网格的三维点,确定得到第一低洼区域边界和/或第一低洼区域面积;
根据所述混合网格的三维点,确定得到第二高墩区域边界和/或第二高墩区域面积、及第二低洼区域边界和/或第二低洼区域面积;
根据所述第一高墩区域边界和第二高墩区域边界确定得到所述目标地块的高墩区域边界,及根据所述第一低洼区域边界和第二低洼区域边界确定得到所述目标地块的低洼区域边界;和/或,根据所述第一高墩区域面积和第二高墩区域面积确定得到所述目标地块的高墩区域面积,及根据所述第一低洼区域面积和第二低洼区域面积确定得到所述目标地块的低洼区域面积。
这样,可以分别确定高墩网格的高墩区域边界、高墩区域面积,低洼网格的低洼区域边界、低洼区域面积,以及混合网格的高墩区域边界、高墩区域面积、低洼区域边界及低洼区域面积,从而得到目标地块的整体的高墩区域边界、高墩区域面积、低洼区域边界及低洼区域面积,提高目标地块的高墩区域信息及低洼区域信息的准确度。
补充说明的是,由于混合网格中包括高墩点和低洼点,高墩点和低洼点的分布不一定是均匀的,为提高混合网格的第二高墩区域边界、第二高墩区域面积、及第二低洼区域边界、第二低洼区域面积的准确度,可以采用以下步骤:
确定所述混合网格的三维点对应的混合区域边界和/或混合区域面积;
确定所述混合网格的目标三维点对应的子区域边界和/或子区域面积,其中,所述目标三维点为高墩三维点或低洼三维点;
根据所述混合区域边界和所述子区域边界确定第二高墩区域边界和第二低洼区域边界,和/或,根据所述混合区域面积和所述子区域面积确定第二高墩区域面积和第二低洼区域面积。
举例来说,若目标三维点为高墩三维点,确定混合网格的高墩三维点对应的子区域边界和/或子区域面积,将子区域边界作为第二高墩区域边界,将子区域面积作为第二高墩区域面积,将混合区域边界去掉第二高墩区域边界得到第二低洼区域边界,将混合区域面积减去子区域面积得到第二低洼区域面积。此外,若目标三维点为低洼三维点,也可以做前述类似的处理,为避免重复,在此不做赘述。
在本实施例中,为提高对目标地块的高墩区域信息及低洼区域信息的计算效率,可以分别将高墩网格和混合网格的三维点结合计算高墩区域边界和/或高墩区域面积,可以将低洼网格和混合网格的三维点结合计算低洼区域边界和/或低洼区域面积。
具体的,所述根据所述高墩网格、所述低洼网格及所述混合网格确定所述目标地块的高墩区域信息及低洼区域信息,可以包括以下步骤:
根据所述高墩网格和所述混合网格的三维点,确定得到所述目标地块的高墩区域的高墩区域边界和/或高墩区域面积;
根据所述低洼网格和所述混合网格的三维点,确定得到所述目标地块的低洼区域边界和/或低洼区域面积。
这样,可以综合高墩网格和混合网格的三维点,减少确定目标地块的高墩区域的高墩区域边界和/或高墩区域面积的计算量,相应的,也可以综合低洼网格和混合网格的三维点,减少确定得到所述目标地块的低洼区域边界和/或低洼区域面积的计算量,提高计算效率。
在本实施例中,根据所述高墩网格和所述混合网格的三维点,确定得到所述目标地块的高墩区域的高墩区域边界和/或高墩区域面积,包括:
根据所述高墩网格的三维点确定得到第一高墩区域边界和/或第一高墩区域面积,根据所述混合网格的三维点确定得到第二高墩区域边界和/或第二高墩区域面积;
根据所述第一高墩区域边界和所述第二高墩区域边界确定得到所述目标地块的高墩区域边界,和/或,根据所述第一高墩区域面积和所述第二高墩区域面积确定得到所述目标地块的高墩区域面积。
上述方式中,直接确定高墩网格的第一高墩区域边界和/或第一高墩区域面积,直接确定混合网格的第二高墩区域边界和/或第二高墩区域面积,通过第一高墩区域边界、第二高墩区域边界进行融合,即可得到目标地块的高墩区域边界。通过将第一高墩区域面积与第二高墩区域面积相加,即可得到目标地块的高墩区域面积,这样,可以得到比较准确的目标地块的高墩区域边界及高墩区域面积。
在本实施例中,所述根据第一高墩区域边界和第二高墩区域边界确定得到所述目标地块的高墩区域边界,包括:
确定所述第一高墩区域边界与所述第二高墩区域边界是否满足预设条件;其中,所述预设条件包括:所述第一高墩区域边界和所述第二高墩区域边界两者之间的距离小于预设距离阈值且两者之间不存在低洼三维点;
如果所述第一高墩区域边界与所述第二高墩区域边界满足预设条件,则对所述第一高墩区域边界和所述第二高墩区域边界进行融合处理,以得到所述目标地块的高墩区域边界。
在本实施例中,所述第一高墩区域边界和所述第二高墩区域边界两者之间的距离小于预设距离阈值且两者之间不存在低洼三维点,说明两个高墩区域之间的间距很小,且没有低洼区域,可以忽略掉两者之间的中间间距部分,则对所述第一高墩区域边界和所述第二高墩区域边界进行融合处理,可以减少最终得到的高墩区域的边界点数量,有利于降低运算复杂度,提高计算效率,节约计算资源。
在本实施例中,所述对第一高墩区域边界和第二高墩区域边界进行融合处理的过程包括:
根据所述第一高墩区域边界和所述第二高墩区域边界确定包围所述第一高墩区域和所述第二高墩区域的边界点集合,以得到所述目标地块的高墩区域边界。
在本实施例中,通过确定包围所述第一高墩区域和所述第二高墩区域的边界点集合,可以将第一高墩区域边界和第二高墩区域边界融合为一个高墩区域边界,直接确定目标地块的高墩区域边界。
在本实施例中,所述根据所述低洼网格和所述混合网格的三维点,确定得到所述目标地块的低洼区域边界和/或低洼区域面积,包括:
根据所述低洼网格的三维点确定得到第一低洼区域边界和/或第一低洼区域面积,根据所述混合网格的三维点确定得到第二低洼区域边界和/或第二低洼区域面积;
根据所述第一低洼区域边界和所述第二低洼区域边界确定得到所述目标地块的低洼区域边界,和/或,根据所述第一低洼区域面积和所述第二低洼区域面积确定得到所述目标地块的低洼区域面积。
上述方式中,直接确定低洼网格的第一低洼区域边界和/或第一低洼区域面积,直接确定混合网格的第二低洼区域边界和/或第二低洼区域面积,通过第一低洼区域边界、第二低洼区域边界进行融合,即可得到目标地块的低洼区域边界。通过将第一低洼区域面积与第二低洼区域面积相加,即可得到目标地块的低洼区域面积,这样,可以得到比较准确的目标地块的高墩区域边界及高墩区域面积。
在本实施例中,所述根据所述第一低洼区域边界和所述第二低洼区域边界确定得到所述目标地块的低洼区域边界,包括:
确定所述第一低洼区域边界与所述第二低洼区域边界是否满足预设条件;其中,所述预设条件包括:所述第一低洼区域边界和所述第二低洼区域边界两者之间的距离小于预设距离阈值且两者之间不存在高墩三维点;
如果所述第一低洼区域边界与所述第二低洼区域边界满足预设条件,则对所述第一低洼区域边界和所述第二低洼区域边界进行融合处理,以得到所述目标地块的低洼区域边界。
在本实施例中,所述第一低洼区域边界和所述第二低洼区域边界两者之间的距离小于预设距离阈值且两者之间不存在高墩三维点,说明两个低洼区域之间的间距很小,且没有高墩区域,可以忽略掉两者之间的中间间距部分,则对所述第一低洼区域边界和所述二低洼区域边界进行融合处理,可以减少最终得到的低洼区域的边界点数量,有利于降低运算复杂度,提高计算效率,节约计算资源。
在本实施例中,所述对所述第一低洼区域边界和所述第二低洼区域边界进行融合处理的过程包括:
根据所述第一低洼区域边界和所述第二低洼区域边界确定包围所述第一低洼区域和所述第二低洼区域的边界点集合,以得到所述目标地块的低洼区域边界。
在本实施例中,通过确定包围所述第一低洼区域和所述第二低洼区域的边界点集合,可以将第一低洼区域边界和第二低洼区域边界融合为一个低洼区域边界,直接确定目标地块的低洼区域边界。
在本实施例中,根据所述高墩网格的三维点,确定得到第一高墩区域边界的过程包括以下任一种方式:
第一种方式:如果所述高墩网格的数量有多个,则从各所述高墩网格的三维点中确定各高墩子区域的边界点集合,根据各高墩子区域的边界点集合确定得到对应的高墩子区域边界,以得到所述第一高墩区域边界;
第二种方式:如果所述高墩网格的数量有多个,则从各高墩子区域的三维点中确定各高墩子区域的边界点,对各所述高墩子区域的边界点进行融合处理,以生成所述第一高墩区域边界。
在本实施例中,上述第一种方式,确定各所述高墩网格中高墩子区域的边界点集合后,直接根据各高墩子区域的边界点集合得到高墩子区域边界,即可以理解为:得到的第一高墩区域边界直接采用多个高墩子区域边界即可,无需后处理,这样一来,得到的第一高墩区域边界可能是离散分布的,这种方式计算比较直接、简单,不过由于未进行后处理,得到的第一高墩区域边界的数据量和多个高墩子区域的边界数据量基本相同,进而导致数据存储量比较大。上述第二种方式中,确定各高墩网格中高墩子区域的边界点后,不是直接将多个高墩子区域的边界作为第一高墩区域边界,而是可以基于上述提及的预设条件,对满足预设条件的多个高墩子区域边界进行融合处理,可以减少一些边界点,基于此,还可以进一步进行抽稀处理,使得最终存储的第一高墩区域边界的数据量进一步减少,相比第一种方式,可以减少第一高墩区域边界的数据存储量量,并且减少后续应用到第一高墩区域边界进行处理的计算量,节约计算资源,提高计算效率。
同理,在低洼网格的数量也有多个时,也可以基于上述第一种方式或第二种方式相应的处理原理,对低洼网格的三维点进行处理的到第一低洼区域边界,在此不进行赘述。
本实施例提供的地势分析方法,基于预先确定的地块基准高度对目标地块的三维点集合进行处理,以得到所述目标地块的高墩点集合和低洼点集合;基于所述高墩点集合和所述低洼点集合确定所述三维点集合的目标聚类网格尺寸;根据所述目标聚类网格尺寸对所述三维点集合进行聚类分析,得到所述目标地块的高墩区域信息和低洼区域信息。这样,通过利用三维点云集合中的高墩点集合和低洼点集合来共同确定对三维点云集合进行聚类用的目标聚类网格尺寸,并利用该目标聚类网格尺寸对三维点云集合进行聚类分析,不仅能够保证网格聚类满足当前三维点云集合的实际特性,而且还可以提高聚类分析的效率,可以快速地确定目标地块的高墩信息和低洼信息。
实施例2
此外,本公开实施例提供了一种飞巡任务的生成方法。
具体的,如图4所示,飞巡任务的生成方法包括:
步骤S401,根据高墩区域信息和/或低洼区域信息生成感兴趣区域。
在本实施例中,所述高墩区域信息和/或低洼区域信息根据实施例1的地势分析方法获得,为避免重复,在此不做赘述。
在本实施例中,感兴趣区域可以包括实施例1中确定的高墩区域。感兴趣区域还可以包括实施例1中确定低洼区域。可以根据高墩区域信息和/或低洼区域信息渲染得到地块高墩区域及低洼区域结果,用户从地块高墩区域及低洼区域结果中确定需要重点巡查的感兴趣区域。也可以系统自动根据地块高墩区域及低洼区域结果确定高墩区域及低洼区域对应的位置信息,生成感兴趣区域。
需要说明的是,对于农业的耕整农事环节,农机未能将土地平整到位,在田间形成高墩区域和低洼区域。在田间灌溉管理环节,需要前往高墩区域和低洼区域所在位置重点巡查。根据地块的高墩区域信息和/或低洼区域信息生成感兴趣区域,对感兴趣区域采集图像数据,基于图像数据查看作物长势,例如作物是否正常、查看是否出现杂草;基于图像数据查看农田任务是否执行完成,例如,查看上水、保水、排水是否执行到位。
步骤S402,根据所述感兴趣区域生成飞巡任务。
在本实施例中,确定感兴趣区域后,可以基于感兴趣区域的位置信息生成用于安排巡查作业的飞巡任务。为提高飞巡任务的执行效率,可以对感兴趣区域确定兴趣点,只需在兴趣点悬停进行相应巡查作业即可。在一实施例中,步骤S402包括:
根据所述感兴趣区域确定至少一个兴趣点;
根据所述至少一个兴趣点生成飞巡任务;
其中,所述根据所述感兴趣区域确定至少一个兴趣点,包括:
在所述感兴趣区域的面积小于或等于预设面积时,在所述感兴趣区域中任取一位置点作为兴趣点;
在所述感兴趣区域的面积大于预设面积时,将所述感兴趣区域划分为面积小于或等于所述预设面积的多个第一子区域,并分别在各第一子区域中任取一位置点作为兴趣点;或者,确定目标区域中是否存在与所述感兴趣区域处于预设范围的其他感兴趣区域,在存在其他感兴趣区域时,根据所述感兴趣区域及所述其他感兴趣区域确定兴趣点。
在本实施例中,为对感兴趣区域拍摄完整的图像数据,需要确定相应的兴趣点。在一实施方式中,兴趣点的数量可以是一个或多个,在有多个兴趣点时,可以对多个兴趣点划分兴趣点分组,根据兴趣点分组生成飞巡任务。在另一实施方式中,对所述兴趣点设置飞巡参数,根据多个所述兴趣点生成兴趣点分组,根据所述兴趣点分组及所述飞巡参数生成所述飞巡任务。
在本实施例中,兴趣点分组可以包括多个低洼区域对应的多个兴趣点,和/或,多个高墩区域对应的多个兴趣点。兴趣点分组可以理解为将预设范围内的所有兴趣点划分到一个兴趣点分组。飞巡参数包括如位置、高度、俯仰角、航向角、速度等,通过飞巡参数可以对无人机的飞巡姿态、高度、速度等进行控制。根据所述兴趣点分组及所述飞巡参数生成所述飞巡任务,可以提高飞巡效率。
这样,对兴趣点设置飞巡参数,便于控制无人机的飞巡姿态、飞巡高度,方便无人机在执行飞巡任务时获得清晰的图像数据。基于兴趣点分组生成飞巡任务,可以节约飞巡时间,提高飞巡效率。
需要补充说明的是,本实施例还可以包括如下步骤:
向无人机发送所述飞巡任务,以使所述无人机根据所述飞巡任务生成对应的飞巡航线。
在本实施例中,可以根据接收到的用户指令向无人机发送飞巡任务,或者生成了飞巡任务后,自动向无人机发送飞巡任务。无人机按照飞巡任务中兴趣点的位置自动规划航线,并在兴趣点处悬停拍照,拍照前可调整拍摄位置、镜头朝向、无人机高度、俯仰角度和航向角,采集感兴趣区域的图像数据。
进一步补充说明的是,本实施例还可以包括如下步骤:
接收所述无人机采集的图像数据;
识别所述图像数据是否存在预设异常信息。
在本实施例中,接收无人机所采集到的图像数据,并应用AI助手的图像分析能力,识别该位置是否存在异常,如通过物体检测识别感兴趣区域的高墩处是否存在杂草。通过图像分割技术识别高墩区域、低洼区域是否存在缺苗或苗色异常。补充说明的是,AI助手可以理解是系统自带的利用AI实现图像处理的功能,本实施例不限制该功能的表现形式,只要能实现图像处理即可。
在本实施例中,无人机执行飞巡任务,采集图像数据,并将图像数据发送出去。预设异常信息可以包括通过物体检测识别感兴趣区域的异常信息。例如,感兴趣区域是高墩区域时,识别高墩区域是否存在杂草。再比如,感兴趣区域是高墩区域及低洼区域时,通过图像分割识别高墩区域、低洼区域是否存在缺苗或苗色异常等,以辅助农户快速的做出相关准确的决策,达到人力物力等资源利用率最大化。
在本实施例中,预设面积可以根据无人机的拍摄范围确定,预设面积可以设置为小于无人机的拍摄范围的数值。感兴趣区域的面积小于或等于预设面积时,无人机在该感兴趣区域的上空的拍照范围可以覆盖该感兴趣区域,将感兴趣区域的任一点作为兴趣点。感兴趣区域的面积大于预设面积时,可以通过多设置几个兴趣点,各兴趣点负责对应拍摄区域的巡查工作。具体来说,在感兴趣区域的面积大于预设面积时,可以将感兴趣区域划分为多个第一子区域,第一子区域的面积小于或等于预设面积,由于第一子区域满足面积较小,其中的任取一位置点作为兴趣点时,均可以拍摄到比较全面的图像,可以任取第一子区域的一位置点作为兴趣点。在一优先的方式中,可以将第一子区域的中心点作为兴趣点。
在本实施例中,若感兴趣区域与其他感兴趣区域相隔较远,或者其他感兴趣区域的面积较大,在将感兴趣区域与其他感兴趣区域进行融合修正后,再根据修正后的感兴趣区域确定的兴趣点不会减少巡查工作量,在这些情况下,不执行感兴趣区域与其他感兴趣区域的融合修正过程。在感兴趣区域与其他感兴趣区域相隔较近,或者其他感兴趣区域的面积较小,在将感兴趣区域与其他感兴趣区域进行融合修正后,再根据修正后的感兴趣区域确定的兴趣点可以有效减少巡查工作量,在这些情况下,可以执行感兴趣区域与其他感兴趣区域的融合修正过程。
在本实施例中,所述根据所述感兴趣区域及所述其他感兴趣区域确定兴趣点,包括:
在所述其他感兴趣区域的面积小于预设面积时,根据所述感兴趣区域及所述其他感兴趣区域生成感兴趣修正区域;
将所述感兴趣修正区域划分为面积小于或等于所述预设面积的多个第二子区域,并分别在各第二子区域中任取一位置点作为兴趣点。
在本实施例中,将感兴趣区域划分为多个较小的子区域,将子区域的任一点作为兴趣点,便于分别对子区域拍摄相应图像,汇总子区域对应的图像,得到感兴趣区域的图像。
这样,可以减少飞巡点的数量,可以在一定程度上提高飞巡效率。
进一步补充说明的是,在另一实施方式中,还可以包括:
在所述感兴趣区域的面积大于预设面积时,将所述感兴趣区域的中心点作为所述兴趣点;
设置所述兴趣点对应的无人机飞巡高度,以使无人机处于所述无人机飞巡高度时的拍照范围可覆盖所述感兴趣区域。
在本实施例中,在感兴趣区域的面积大于预设面积时,可以通过调整无人机的高度达到拍摄感兴趣区域的全景图像的效果。
本实施例提供的飞巡任务的生成方法,根据高墩区域信息和/或低洼区域信息生成感兴趣区域;根据所述感兴趣区域生成飞巡任务。这样,基于高墩区域信息和/或低洼区域信息生成的感兴趣区域得到对应飞巡任务,提高飞巡任务的精确度,从而有针对性地获取感兴趣区域的相关信息,更好地辅助农业作业。
实施例3
此外,本公开实施例提供了一种地势分析装置。
具体的,如图5所示,地势分析装置500包括:
处理模块501,用于基于预先确定的地块基准高度对目标地块的三维点集合进行处理,以得到所述目标地块的高墩点集合和低洼点集合;
确定模块502,用于基于所述高墩点集合和所述低洼点集合确定所述三维点集合的目标聚类网格尺寸;
分析模块503,用于根据所述目标聚类网格尺寸对所述三维点集合进行聚类分析,得到所述目标地块的高墩区域信息和低洼区域信息。
需要说明的是,本实施例的地势分析装置的具体实现步骤可参考上述实施例1中地势分析方法的相关描述,在此不赘述。
实施例4
此外,本公开实施例提供了一种飞巡任务的生成装置。
具体的,如图6所示,飞巡任务的生成装置600包括:
第一生成模块601,用于根据高墩区域信息和/或低洼区域信息生成感兴趣区域,所述高墩区域信息和/或低洼区域信息根据实施例1中所提供的地势分析方法获得;
第二生成模块602,用于根据所述感兴趣区域生成飞巡任务。
需要说明的是,本实施例的飞巡任务的生成装置的具体实现步骤可参考上述实施例2中提供的飞巡任务的生成方法的相关描述,在此不赘述。
实施例5
此外,本公开实施例提供了一种智慧农业系统,包括实施例3提供的地势分析装置和/或实施例2提供的飞巡任务的生成装置。
需要说明的是,本实施例的智慧农业系统的具体实现步骤可参考上述实施例1中地势分析方法的相关描述,及上述实施例2中提供的飞巡任务的生成方法的相关描述,在此不赘述。
实施例6
此外,本公开实施例提供了一种电子设备,包括存储器以及处理器,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方法实施例1所提供的地势分析方法,和/或执行上述实施例2中的所提供的飞巡任务的生成方法。
需要说明的是,本实施例的终端设备的具体实现步骤可参考上述方法实施例1所提供的地势分析方法、上述实施例2中飞巡任务的生成方法的相关描述,在此不赘述。
实施例7
本申请还提供一种计算机可读存储介质,所述计算机可读存储介质上存储计算机程序,所述计算机程序在处理器上运行时执行上述方法实施例1所提供的地势分析方法,和/或执行上述实施例2中的所提供的飞巡任务的生成方法。
在本实施例中,计算机可读存储介质可以为只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等。
需要说明的是,本实施例的计算机可读存储介质的具体实现步骤可参考上述方法实施例1所提供的地势分析方法、上述实施例2中飞巡任务的生成方法的相关描述,在此不赘述。
本领域的普通技术人员在本申请的启示下,在不脱离本申请宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本申请的保护之内。
Claims (28)
1.一种地势分析方法,其特征在于,所述方法包括:
基于预先确定的地块基准高度对目标地块的三维点集合进行处理,以得到所述目标地块的高墩点集合和低洼点集合;
基于所述高墩点集合和所述低洼点集合确定所述三维点集合的目标聚类网格尺寸,包括:确定用于对所述高墩点集合进行网格聚类分析的第一网格尺寸;确定用于对所述低洼点集合进行网格聚类分析的第二网格尺寸;将所述第一网格尺寸及所述第二网格尺寸这两个尺寸中的较小值作为所述目标聚类网格尺寸;
根据所述目标聚类网格尺寸对所述三维点集合进行聚类分析,得到所述目标地块的高墩区域信息和低洼区域信息。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
对所述目标地块对应的目标地形瓦片集合进行解析,以得到所述目标地块的三维点集合;其中,所述目标地形瓦片集合的获取过程包括:
对初始地形图像数据进行切图处理,得到分辨率最高的最高级别地形瓦片集合,所述最高级别地形瓦片集合的各像素点具备对应的高度值;
基于所述最高级别地形瓦片集合逐级进行瓦片合并处理,得到分辨率不同的至少一个低级别地形瓦片集,其中,所述低级别地形瓦片集中不同像素点由比所述低级别地形瓦片集的级别高的地形瓦片集中不同像素矩阵形成;
对于各低级别地形瓦片集中各像素点,从所述像素点对应的像素矩阵中确定一个目标像素点,并将所述像素点的高度值更新为所述目标像素点的高度值;其中,确定出的所有目标像素点不同时为具备最大高度值的像素点;
根据地形图像缩放等级,从所述最高级别地形瓦片集合和所述低级别地形瓦片集中确定对应分辨率级别的目标地形瓦片集合。
3.根据权利要求2所述的方法,其特征在于,所述对初始地形图像数据进行切图处理,包括:
采用最大值采样算法对所述初始地形图像数据进行切图处理。
4.根据权利要求1所述的方法,其特征在于,所述确定用于对所述高墩点集合进行网格聚类分析的第一网格尺寸,包括:
按照预设网格间距对所述高墩点集合进行网格化处理,以得到多个第一网格;
按照M×M网格阵列将多个所述第一网格进行递归合并,直至递归合并所得的至少一个网格中包含的三维点的总数少于设定数量;其中,M为非1的正数;
将最后一次递归合并得到的网格的尺寸作为所述第一网格尺寸。
5.根据权利要求1所述的方法,其特征在于,所述确定用于对所述低洼点集合进行网格聚类分析的第二网格尺寸,包括:
按照预设网格间距对所述低洼点集合进行网格化处理,以得到多个第二网格;
按照M×M网格阵列将多个所述第二网格进行递归合并,直至递归合并所得的至少一个网格中包含的三维点的总数少于设定数量;
将最后一次递归合并得到的网格的尺寸作为所述第二网格尺寸。
6.根据权利要求1所述的方法,其特征在于,所述根据所述目标聚类网格尺寸对所述三维点集合进行聚类分析,得到所述目标地块的高墩区域信息和低洼区域信息,包括:
按照所述目标聚类网格尺寸对所述三维点集合进行网格化处理,得到多个待分类网格;
根据所述地块基准高度对所述多个待分类网格的三维点进行聚类分析,分别得到高墩网格、低洼网格及混合网格;
根据所述高墩网格、所述低洼网格及所述混合网格确定所述目标地块的高墩区域信息及低洼区域信息。
7.根据权利要求6所述的方法,其特征在于,所述根据所述地块基准高度对所述多个待分类网格的三维点进行聚类分析,分别得到高墩网格、低洼网格及混合网格,包括:
将多个所述待分类网格中低洼点的个数小于或等于预设数值的网格确定为高墩网格;
将多个所述待分类网格中高墩点的个数小于或等于预设数值的网格确定为低洼网格;
将多个所述待分类网格中除所述高墩网格及所述低洼网格之外的其他网格作为混合网格。
8.根据权利要求6所述的方法,其特征在于,所述高墩区域信息包括高墩区域边界及高墩区域面积中的至少一项,所述低洼区域信息包括低洼区域边界及低洼面积中的至少一项;
所述根据所述高墩网格、所述低洼网格及所述混合网格确定所述目标地块的高墩区域信息及低洼区域信息,包括:
根据所述高墩网格的三维点,确定得到第一高墩区域边界和/或第一高墩区域面积;
根据所述低洼网格的三维点,确定得到第一低洼区域边界和/或第一低洼区域面积;
根据所述混合网格的三维点,确定得到第二高墩区域边界和/或第二高墩区域面积、及第二低洼区域边界和/或第二低洼区域面积;
根据所述第一高墩区域边界和第二高墩区域边界确定得到所述目标地块的高墩区域边界,及根据所述第一低洼区域边界和第二低洼区域边界确定得到所述目标地块的低洼区域边界;和/或,根据所述第一高墩区域面积和第二高墩区域面积确定得到所述目标地块的高墩区域面积,及根据所述第一低洼区域面积和第二低洼区域面积确定得到所述目标地块的低洼区域面积。
9.根据权利要求8所述的方法,其特征在于,所述根据所述混合网格的三维点,确定得到第二高墩区域边界和/或第二高墩区域面积、及第二低洼区域边界和/或第二低洼区域面积,包括:
确定所述混合网格的三维点对应的混合区域边界和/或混合区域面积;
确定所述混合网格的目标三维点对应的子区域边界和/或子区域面积,其中,所述目标三维点为高墩三维点或低洼三维点;
根据所述混合区域边界和所述子区域边界确定第二高墩区域边界和第二低洼区域边界,和/或,根据所述混合区域面积和所述子区域面积确定第二高墩区域面积和第二低洼区域面积。
10.根据权利要求6所述的方法,其特征在于,所述高墩区域信息包括高墩区域边界及高墩区域面积中的至少一项,所述低洼区域信息包括低洼区域边界及低洼面积中的至少一项;
所述根据所述高墩网格、所述低洼网格及所述混合网格确定所述目标地块的高墩区域信息及低洼区域信息,包括:
根据所述高墩网格和所述混合网格的三维点,确定得到所述目标地块的高墩区域的高墩区域边界和/或高墩区域面积;
根据所述低洼网格和所述混合网格的三维点,确定得到所述目标地块的低洼区域边界和/或低洼区域面积。
11.根据权利要求10所述的方法,其特征在于,根据所述高墩网格和所述混合网格的三维点,确定得到所述目标地块的高墩区域的高墩区域边界和/或高墩区域面积,包括:
根据所述高墩网格的三维点确定得到第一高墩区域边界和/或第一高墩区域面积,根据所述混合网格的三维点确定得到第二高墩区域边界和/或第二高墩区域面积;
根据所述第一高墩区域边界和所述第二高墩区域边界确定得到所述目标地块的高墩区域边界,和/或,根据所述第一高墩区域面积和所述第二高墩区域面积确定得到所述目标地块的高墩区域面积。
12.根据权利要求11所述的方法,其特征在于,所述根据第一高墩区域边界和第二高墩区域边界确定得到所述目标地块的高墩区域边界,包括:
确定所述第一高墩区域边界与所述第二高墩区域边界是否满足预设条件;其中,所述预设条件包括:所述第一高墩区域边界和所述第二高墩区域边界两者之间的距离小于预设距离阈值且两者之间不存在低洼三维点;
如果所述第一高墩区域边界与所述第二高墩区域边界满足预设条件,则对所述第一高墩区域边界和所述第二高墩区域边界进行融合处理,以得到所述目标地块的高墩区域边界。
13.根据权利要求12所述的方法,其特征在于,对所述第一高墩区域边界和所述第二高墩区域边界进行融合处理的过程包括:
根据所述第一高墩区域边界和所述第二高墩区域边界确定包围所述第一高墩区域和所述第二高墩区域的边界点集合,以得到所述目标地块的高墩区域边界。
14.根据权利要求10所述的方法,其特征在于,所述根据所述低洼网格和所述混合网格的三维点,确定得到所述目标地块的低洼区域边界和/或低洼区域面积,包括:
根据所述低洼网格的三维点确定得到第一低洼区域边界和/或第一低洼区域面积,根据所述混合网格的三维点确定得到第二低洼区域边界和/或第二低洼区域面积;
根据所述第一低洼区域边界和所述第二低洼区域边界确定得到所述目标地块的低洼区域边界,和/或,根据所述第一低洼区域面积和所述第二低洼区域面积确定得到所述目标地块的低洼区域面积。
15.根据权利要求14所述的方法,其特征在于,所述根据所述第一低洼区域边界和所述第二低洼区域边界确定得到所述目标地块的低洼区域边界,包括:
确定所述第一低洼区域边界与所述第二低洼区域边界是否满足预设条件;其中,所述预设条件包括:所述第一低洼区域边界和所述第二低洼区域边界两者之间的距离小于预设距离阈值且两者之间不存在高墩三维点;
如果所述第一低洼区域边界与所述第二低洼区域边界满足预设条件,则对所述第一低洼区域边界和所述第二低洼区域边界进行融合处理,以得到所述目标地块的低洼区域边界。
16.根据权利要求15所述的方法,其特征在于,所述对所述第一低洼区域边界和所述第二低洼区域边界进行融合处理的过程包括:
根据所述第一低洼区域边界和所述第二低洼区域边界确定包围所述第一低洼区域和所述第二低洼区域的边界点集合,以得到所述目标地块的低洼区域边界。
17.根据权利要求8至16任一项所述的方法,其特征在于,根据所述高墩网格的三维点,确定得到第一高墩区域边界的过程包括以下任一种方式:
第一种方式:如果所述高墩网格的数量有多个,则从各所述高墩网格的三维点中确定各高墩子区域的边界点集合,根据各高墩子区域的边界点集合确定得到对应的高墩子区域边界,以得到所述第一高墩区域边界;
第二种方式:如果所述高墩网格的数量有多个,则从各所述高墩网格的三维点中确定各高墩子区域的边界点,对各高墩子区域的边界点进行融合处理,以生成所述第一高墩区域边界。
18.根据权利要求1所述的方法,其特征在于,所述地块基准高度通过预先设定得到;或者,所述地块基准高度通过以下操作确定得到:
统计所述三维点集合的高度分布情况;
根据所述高度分布情况确定多个高度范围对应的三维点数量;
从多个所述高度范围中确定三维点数量最多的目标高度范围;
将所述目标高度范围对应的三维点平均高度确定为所述地块基准高度。
19.根据权利要求2所述的方法,其特征在于,所述方法还包括:
根据所述目标地块的灌溉注水量和/或降雨量和/或土壤入渗率,确定所述目标地块的水位变化量;
基于所述目标地形瓦片集合和所述水位变化量进行图像渲染处理,得到所述目标地块的三维水淹渲染效果图。
20.根据权利要求2所述的方法,其特征在于,所述方法还包括:
获取所述目标地块的当前水淹高度值;
根据地形图像缩放等级确定对应分辨率级别的目标地形瓦片集合;
基于所述目标地形瓦片集合、所述当前水淹高度值进行图像渲染处理,得到所述目标地块的三维水淹渲染效果图。
21.一种飞巡任务的生成方法,其特征在于,包括:
根据高墩区域信息和/或低洼区域信息生成感兴趣区域,所述高墩区域信息和/或低洼区域信息根据权利要求1-20中任一项所述的地势分析方法获得;
根据所述感兴趣区域生成飞巡任务。
22.根据权利要求21所述的方法,其特征在于,所述根据所述感兴趣区域生成飞巡任务,包括:
根据所述感兴趣区域确定至少一个兴趣点;
根据所述至少一个兴趣点生成飞巡任务;
其中,所述根据所述感兴趣区域确定至少一个兴趣点,包括:
在所述感兴趣区域的面积小于或等于预设面积时,在所述感兴趣区域中任取一位置点作为兴趣点;
在所述感兴趣区域的面积大于预设面积时,将所述感兴趣区域划分为面积小于或等于所述预设面积的多个第一子区域,并分别在各第一子区域中任取一位置点作为兴趣点;或者,确定目标区域中是否存在与所述感兴趣区域处于预设范围的其他感兴趣区域,在存在其他感兴趣区域时,根据所述感兴趣区域及所述其他感兴趣区域确定兴趣点。
23.根据权利要求22所述的方法,其特征在于,所述根据所述感兴趣区域及所述其他感兴趣区域确定兴趣点,包括:
在所述其他感兴趣区域的面积小于预设面积时,根据所述感兴趣区域及所述其他感兴趣区域生成感兴趣修正区域;
将所述感兴趣修正区域划分为面积小于或等于所述预设面积的多个第二子区域,并分别在各第二子区域中任取一位置点作为兴趣点。
24.一种地势分析装置,其特征在于,所述装置包括:
处理模块,用于基于预先确定的地块基准高度对目标地块的三维点集合进行处理,以得到所述目标地块的高墩点集合和低洼点集合;
确定模块,用于基于所述高墩点集合和所述低洼点集合确定所述三维点集合的目标聚类网格尺寸,包括:确定用于对所述高墩点集合进行网格聚类分析的第一网格尺寸;确定用于对所述低洼点集合进行网格聚类分析的第二网格尺寸;以及将所述第一网格尺寸及所述第二网格尺寸这两个尺寸中的较小值作为所述目标聚类网格尺寸;
分析模块,用于根据所述目标聚类网格尺寸对所述三维点集合进行聚类分析,得到所述目标地块的高墩区域信息和低洼区域信息。
25.一种飞巡任务的生成装置,其特征在于,所述装置包括:
第一生成模块,用于根据高墩区域信息和/或低洼区域信息生成感兴趣区域,所述高墩区域信息和/或低洼区域信息根据权利要求1-20中任一项所述的地势分析方法获得;
第二生成模块,用于根据所述感兴趣区域生成飞巡任务。
26.一种智慧农业系统,其特征在于,包括权利要求24所述的地势分析装置和/或权利要求25所述的飞巡任务的生成装置。
27.一种电子设备,其特征在于,包括:存储器以及处理器,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运行时执行权利要求1至20中任一项所述的地势分析方法,和/或,执行权利要求21至23中任一项所述的飞巡任务的生成方法。
28.一种计算机可读存储介质,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20中任一项所述的地势分析方法,和/或,执行权利要求21至23中任一项所述的飞巡任务的生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111345757.0A CN113988701B (zh) | 2021-11-15 | 2021-11-15 | 地势分析方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111345757.0A CN113988701B (zh) | 2021-11-15 | 2021-11-15 | 地势分析方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113988701A CN113988701A (zh) | 2022-01-28 |
CN113988701B true CN113988701B (zh) | 2023-07-18 |
Family
ID=79748458
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111345757.0A Active CN113988701B (zh) | 2021-11-15 | 2021-11-15 | 地势分析方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113988701B (zh) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109359170B (zh) * | 2018-11-02 | 2020-05-12 | 百度在线网络技术(北京)有限公司 | 用于生成信息的方法和装置 |
CN111753031A (zh) * | 2019-12-05 | 2020-10-09 | 广州极飞科技有限公司 | 地图区域的整合方法、装置、存储介质和电子设备 |
CN113011221A (zh) * | 2019-12-19 | 2021-06-22 | 广州极飞科技股份有限公司 | 作物分布信息的获取方法、装置及测量系统 |
CN111475746B (zh) * | 2020-04-07 | 2023-09-12 | 深圳市腾讯计算机系统有限公司 | 兴趣点位置挖掘方法、装置、计算机设备和存储介质 |
CN112052269B (zh) * | 2020-08-24 | 2022-04-22 | 腾讯科技(深圳)有限公司 | 一种推荐位置的方法及装置 |
CN112071096A (zh) * | 2020-09-24 | 2020-12-11 | 山东智果云科技有限公司 | 一种低洼路面积水深度检测、预警、预报的方法及装置 |
CN112634370A (zh) * | 2020-12-31 | 2021-04-09 | 广州极飞科技有限公司 | 一种无人机打点方法、装置、设备及存储介质 |
-
2021
- 2021-11-15 CN CN202111345757.0A patent/CN113988701B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113988701A (zh) | 2022-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10015359B1 (en) | Image-based field boundary detection and identification | |
Gruszczyński et al. | Comparison of low-altitude UAV photogrammetry with terrestrial laser scanning as data-source methods for terrain covered in low vegetation | |
Jiménez-Brenes et al. | Quantifying pruning impacts on olive tree architecture and annual canopy growth by using UAV-based 3D modelling | |
EP3503025B1 (en) | Utilizing artificial intelligence with captured images to detect agricultural failure | |
CN111949817A (zh) | 基于遥感影像的农作物信息展示系统、方法、设备及介质 | |
CN114067038A (zh) | 图像处理方法、装置及电子设备 | |
CN113988701B (zh) | 地势分析方法、装置及电子设备 | |
CN114581464A (zh) | 边界检测方法、装置、电子设备及计算机可读存储介质 | |
CN113837943A (zh) | 图像处理方法、装置、电子设备及可读存储介质 | |
CN113807128B (zh) | 一种缺苗标记方法、装置、计算机设备和存储介质 | |
CN116051777B (zh) | 超高层建筑提取方法、设备和可读存储介质 | |
CN110765931A (zh) | 检测秸秆覆盖率的方法、装置、存储介质和农机 | |
CN116739739A (zh) | 一种贷款额度评估方法、装置、电子设备及存储介质 | |
CN108985154B (zh) | 基于影像聚集度的小尺寸地物亚像元定位方法和系统 | |
EP3664038A1 (en) | Geospatial surveying tool | |
CN111783192B (zh) | 基于倾斜摄影实景模型的复杂地形场地平整土方计算方法 | |
CN109086655B (zh) | 基于对称初始化和聚集度优化的亚像元定位方法和系统 | |
CN111860626A (zh) | 基于无人机遥感和面向对象分类的水土保持监测方法及系统 | |
Gao et al. | Navigation line detection based on robotic vision in natural vegetation-embraced environment | |
CN116449875B (zh) | 一种无人机巡检方法及系统 | |
CN114524097B (zh) | 一种测绘地理信息用无人机勘测装置 | |
KR101632070B1 (ko) | 시뮬레이션용 지구표면영상발생장치 및 지구표면영상저장방법 | |
CN116823918B (zh) | 作物苗株数测量方法、装置、电子设备及存储介质 | |
CN111894046B (zh) | 路堑施工监控系统 | |
CN112765770B (zh) | 一种水土流失遥感动态监测方法及系统 |
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 |