CN114067038A - 图像处理方法、装置及电子设备 - Google Patents
图像处理方法、装置及电子设备 Download PDFInfo
- Publication number
- CN114067038A CN114067038A CN202111346164.6A CN202111346164A CN114067038A CN 114067038 A CN114067038 A CN 114067038A CN 202111346164 A CN202111346164 A CN 202111346164A CN 114067038 A CN114067038 A CN 114067038A
- Authority
- CN
- China
- Prior art keywords
- target
- level
- region
- interest
- pixel
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 76
- 238000009877 rendering Methods 0.000 claims abstract description 68
- 239000011159 matrix material Substances 0.000 claims abstract description 46
- 238000005520 cutting process Methods 0.000 claims abstract description 16
- 238000000034 method Methods 0.000 claims description 87
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 46
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 10
- 238000003973 irrigation Methods 0.000 claims description 9
- 230000002262 irrigation Effects 0.000 claims description 9
- 230000008595 infiltration Effects 0.000 claims description 8
- 238000001764 infiltration Methods 0.000 claims description 8
- 239000002689 soil Substances 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 6
- 230000008635 plant growth Effects 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 7
- 238000004458 analytical method Methods 0.000 description 8
- 238000007689 inspection Methods 0.000 description 6
- 241000196324 Embryophyta Species 0.000 description 5
- 238000003491 array Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012876 topography Methods 0.000 description 3
- 238000012952 Resampling Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 229910052792 caesium Inorganic materials 0.000 description 1
- TVFDJXOCXUVLDH-UHFFFAOYSA-N caesium atom Chemical compound [Cs] TVFDJXOCXUVLDH-UHFFFAOYSA-N 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000012010 growth Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/005—General purpose rendering architectures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/003—Navigation within 3D models or images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Remote Sensing (AREA)
- Architecture (AREA)
- Radar, Positioning & Navigation (AREA)
- Image Processing (AREA)
Abstract
本申请实施例提供了一种图像处理方法、装置及电子设备,其中图像处理方法包括:对初始图像数据进行切图处理;基于最高级别瓦片集逐级进行瓦片合并处理;对于各低级别瓦片集中各像素点,从像素点对应的像素矩阵中确定一个目标像素点,并将目标像素点的高度值更新为像素点的高度值;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。这样,可以将初始图像数据切片为不同分辨率的瓦片集,且低级别瓦片集中各像素点的高度值为根据对应较高级瓦片集的像素矩阵中确定的目标像素点的高度值,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,使得各级别瓦片集的像素点的高度值分布均匀,提高图像渲染效果。
Description
技术领域
本申请涉及图像数据处理领域,尤其涉及一种图像处理方法、装置及电子设备。
背景技术
现有技术中图像渲染需要依赖于切图处理技术。例如,农业种植物需要进行上水作业,现有技术可借助计算机的图形渲染能力,呈现需要上水的地块的高低起伏情况,使用水淹渲染分析模拟地块在不同的上水高度呈现的水淹效果。现有水淹渲染分析技术中的地形瓦片是通过对原始的数字地表模型(Digital Surface Model,DSM)数据采用最大值、平均值、最近邻、最小值等重采样算法得到的。采用平均值、最近邻、最小值等重采样算法在进行水淹渲染分析时,在不同的三维视角或三维相机高度下,会出现若隐若现的情况。现有技术中的图像切片存在的切片效果比较差的问题。
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图像处理方法、装置及电子设备。
第一方面,本申请实施例提供了一种图像处理方法,所述方法包括:
对初始图像数据进行切图处理,得到分辨率最高的最高级别瓦片集,所述最高级别瓦片集中各瓦片的各像素点具备对应的高度值;
基于所述最高级别瓦片集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瓦片集,其中,所述低级别瓦片集中不同像素点由相对较高级别的瓦片集中不同像素矩阵形成;
对于各低级别瓦片集中各像素点,从所述像素点对应的像素矩阵中确定一个目标像素点,并将所述目标像素点的高度值更新为所述像素点的高度值;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。
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:
获取目标区域的瓦片集;其中,所述瓦片集基于权利要求1-9任一项所述的方法获得;
根据所述目标区域的瓦片集确定所述目标区域中的感兴趣区域;
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图像处理装置,所述装置包括:
第一处理模块,用于对初始图像数据进行切图处理,得到分辨率最高的最高级别瓦片集,所述最高级别瓦片集中各瓦片的各像素点具备对应的高度值;
第二处理模块,用于基于所述最高级别瓦片集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瓦片集,其中,所述低级别瓦片集中不同像素点由相对较高级别的瓦片集中不同像素矩阵形成;
确定模块,用于对于各低级别瓦片集中各像素点,从所述像素点对应的像素矩阵中确定一个目标像素点,并将所述目标像素点的高度值更新为所述像素点的高度值;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。
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:
获取模块,用于获取目标区域的瓦片集;其中,所述瓦片集基于第一方面所述的方法获得;
确定模块,用于根据所述目标区域的瓦片集确定所述目标区域中的感兴趣区域;
生成模块,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,其包括上述图像处理装置和/或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图像处理方法,或者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图像处理方法,或者执行上述第二方面所提供的飞巡任务的生成方法。
上述本申请提供的图像处理方法,对初始图像数据进行切图处理,得到分辨率最高的最高级别瓦片集,所述最高级别瓦片集中各瓦片的各像素点具备对应的高度值;基于所述最高级别瓦片集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瓦片集,其中,所述低级别瓦片集中不同像素点由相对较高级别的瓦片集中不同像素矩阵形成;对于各低级别瓦片集中各像素点,从所述像素点对应的像素矩阵中确定一个目标像素点,并将所述目标像素点的高度值更新为所述像素点的高度值;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。这样,可以将初始图像数据切片为具有不同分辨率的瓦片集,且低级别瓦片集中各像素点的高度值为根据对应较高级瓦片集的像素矩阵中确定的目标像素点的高度值,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,使得各级别瓦片集的像素点的高度值分布均匀,提高图像渲染效果。
此外,上述本申请提供的飞巡任务的生成方法,获取目标区域的瓦片集;其中,所述瓦片集基于第一方面所述的方法获得;根据所述目标区域的瓦片集确定所述目标区域中的感兴趣区域;根据所述感兴趣区域生成飞巡任务。这样,基于高目标区域的瓦片集确定目标区域中的感兴趣区域,根据感兴趣区域得到对应飞巡任务,提高飞巡任务的有效性和精确度,更好地完成飞巡作业。
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图像处理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图像处理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。
通常在此处附图中描述和示出的本申请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申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,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,都属于本申请保护的范围。
在下文中,可在本申请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)具有与本申请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,除非在本申请的各种实施例中被清楚地限定。
实施例1
本公开实施例提供了一种图像处理方法。
具体的,如图1所示,图像处理方法包括:
步骤S101,对初始图像数据进行切图处理,得到分辨率最高的最高级别瓦片集,所述最高级别瓦片集中各瓦片的各像素点具备对应的高度值。
在本实施例中,所述初始图像数据可以为无人设备携带摄像设备获取的图像数据。举例来说,初始图像数据可以为数字地表模型(Digital Surface Model,DSM),DSM数据的精度比较高。DSM数据是一张栅格图,栅格图有很多个栅格,栅格中有许多像素点。初始图像数据所包含的内容比较丰富,例如,初始图像数据可以为对地形进行拍摄所得到,也可以为对农作物进行拍摄得到,在此不做限制。
进一步说明的是,最高级别瓦片集包括多个瓦片,各个瓦片包括多个像素点,各像素点具有对应的高度值。
有多种方式可以对初始图像进行切图处理,在一实施方式中,采用最大值采样算法对所述初始图像数据进行切图处理,得到分辨率最高的最高级别瓦片集。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瓦片集的各像素点的高度值的准确度。
步骤S102,基于所述最高级别瓦片集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瓦片集,其中,所述低级别瓦片集中不同像素点由相对较高级别的瓦片集中不同像素矩阵形成。
在本实施例中,可以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。
在一个实施方式中,步骤S102可以包括以下步骤:对于各低级别瓦片集,对所述低级别瓦片集的上一级别瓦片集中各瓦片阵列进行合并处理,以形成所述低级别瓦片集。
举例来说,若瓦片矩阵为2×2瓦片矩阵,最高级别瓦片集有4×4个瓦片,将最高级别瓦片集按照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,得到对应下一级别瓦片集的一个瓦片。
若最高级别瓦片集经过逐级合并得到21个低级别瓦片集,将最高级别瓦片集和剩余低级别瓦片集设置为共有0到22个级别瓦片集,22是最高级别,0-21是剩余低级别瓦片集。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,假设最高级别的瓦片集有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,则为得到21级瓦片集,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级瓦片集的相对较高级别的瓦片集可以为19~22级瓦片集中的任一个,从中选取一个生成18级瓦片集也可以在一定程度上保证各级别瓦片特征的一致性。
由于各级别的瓦片集都基于较高级别(包括上一级别)的瓦片集生成,这样可以保证不同级别的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等级瓦片集,可以保证各级别瓦片特征的一致性。步骤S103,对于各低级别瓦片集中各像素点,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。
在本实施例中,各低级别瓦片集的各像素点由较高一级瓦片集对应的像素矩阵确定,可以通过将较高一级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,为了使得较低级别的像素点的高度值分布合理均匀,不同时将较高一级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的瓦片集中各像素点的高度的处理:
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,进而保证较低级别的每个瓦片集合中,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的瓦片集中各像素点的高度的处理:
对于各低级别瓦片集中各像素点,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。
在本实施例中,在得到各级别瓦片集后,还可以进一步包括以下步骤:
收到展示目标图像的指令时,根据所述指令对应的图像缩放比例确定目标图像的缩放级别;
根据所述缩放级别确定对应分辨率级别的目标瓦片集;
基于所述目标瓦片集进行图像渲染处理,得到所述目标图像的三维渲染图。
在本实施例中,由于最高级别瓦片集的分辨率最高,较低级别瓦片集的分辨率较低,可以预先获取分辨率与各级瓦片集的对应关系,还可以预先设置缩放级别与分辨率级别的关系,使得基于缩放级别可以从各级瓦片集中确定目标瓦片集,完成对目标瓦片集的渲染,得到相应的三维渲染图。由于初始图像数据包含的内容不一样,相应的,初始图像数据的目标瓦片集渲染的三维渲染图也可以表示不同的含义。所述目标图像包括以下至少之一:目标区域的三维地势渲染图、目标区域的三维水淹渲染图、目标区域的三维植物长势渲染图,但不限于此。
具体的,基于上述各类目标图像可以有不同的处理步骤。下面进行详细说明。
当所述目标图像为目标区域的三维水淹渲染图时,进一步地,还可以包括以下步骤:
根据目标区域的灌溉量和/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;
基于所述目标瓦片集和所述水位变化量进行图像渲染处理,得到所述目标区域的三维水淹渲染图。
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,可以便于查阅目标区域的高墩区域及低洼区域的位置。
在上述实施方式中,充分结合目标区域的灌溉量和/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。
以下以基于目标区域的灌溉量、降雨量和土壤入渗率为例说明下确定目标区域的水位变化量的过程:首先,可以基于目标区域的灌溉量和降雨量确定目标区域的入水量,然后根据入水量、土壤入渗率和目标区域的地势情况,可以以位置点为单位,也可以将目标区域划分为多个子区域,进而以子区域为单位来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/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,进而可以得到目标区域的三维水淹渲染图,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,如下:
获取目标区域的当前水淹高度值;
基于所述目标瓦片集和所述当前水淹高度值进行图像渲染处理,得到所述目标区域的三维水淹渲染图。
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瓦片集实现对目标区域的三维水淹渲染图的获取,例如,可以将目标区域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,将目标区域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区域中实际的水淹高度,也可以表示为用户想要了解目标区域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,由于较低低级别瓦片集都基于较高级别瓦片集生成,这样可以保证逐级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的瓦片集,本实施例可以保证各级别瓦片特征的一致性,避免剩余低级别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景物时的远大近小的准则,使得每个级别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图像所呈现的效果,不会出现部分区域若隐若现的情况。例如,对于水淹分析场景,通过在得到分辨率不同的低级别瓦片集后,重新对低级别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,并由于较低级别瓦片集的分辨率比较高级别瓦片集的分辨率低,且缩放比例比较高级别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瓦片集后,重新对低级别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。
在一实施例中,还可以基于得到的任一级别瓦片集,对目标区域的地势情况进行分析。例如,可以分析目标区域的高墩和低洼情况,基于此,所述方法还可以包括以下步骤:获取目标区域的基准水平高度值;基于基准水平高度值和任一级瓦片集,确定目标区域中的高墩区域和低洼区域。其中,可以选取任一级瓦片集,将其中的每个像素点或每个瓦片的平均高度和基准水平高度值进行比对,然后将高度高于基准水平高度值的像素点或瓦片对应的区域作为高墩区域,将高度低于基准水平高度值的像素点或瓦片对应的区域作为低洼区域,将高度等于基准水平高度值的像素点或瓦片对应的区域作为地平面区域。由此即可获得目标区域的高墩区域、低洼区域和地平面区域。
上述中,所述目标区域的基准水平高度值的获取可以采用多种方式,例如,可以用户输入设定的,也可以是基于像素点的高度值计算得到的。
具体来说,获取所述目标区域的基准水平高度值,可以包括以下步骤:
基于所述初始图像数据或任一级别瓦片集中所有像素点的高度值,确定所述目标区域的基准水平高度值;或者
将预先输入的设定水平高度值作为所述目标区域的基准水平高度值。
举例来说,可以取最高级瓦片集的所有像素点的高度值的中值,或平均值、或加权平均值作为基准水平高度值,或通过聚类算法先对最高级瓦片集的所有像素点的高度值进行聚类处理,然后选取基数较大的一类的高度值最为基准水平高度值,还有其他方式,在此不做限制。在此,若选择根据最高级别的瓦片集的像素点确定基准水平高度值,则由于像素点的数量较多,可以使得得到的水平高度值具备更高的精度;另外,如需减少计算量,可以依需选用较低级别瓦片集的像素点来确定基准水平高度值。
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,获取目标区域的瓦片集;其中,所述瓦片集基于实施例1中任一示例所述的方法获得。
在本实施例中,可以通过多种方式获取目标区域的瓦片集,可以通过接收用户的触控指令,基于触控指令从已展示图像中确定目标区域,并基于目标区域获取对应的瓦片集,可以理解的是,瓦片集可以预先由实施例1所提供的方法预先获取各级别瓦片集,然后对各级别瓦片集进行存储,后续可以基于目标区域直接读取对应的瓦片集,这种方式可以提高处理速度,节约时间。在另一个实施方式中,可以通过实施例1提供的图像处理方法针对目标区域生成对应的瓦片集,这种处理方式可以作为没有预先存储相应瓦片集的补充方式,实时生成对应的瓦片集,满足使用需求。
步骤S402,根据所述目标区域的瓦片集确定所述目标区域中的感兴趣区域。
在本实施例中,目标区域中的感兴趣区域的确定过程可以由用户选择确定,满足用户自定义需求,也可以根据所述目标区域的瓦片集的像素点的分析结果确定感兴趣区域。其中的感兴趣区域为用于进一步应用分析的区域,具有某一类明显的特征。对于不同应用分析来说,可以设置不同的感兴趣区域。例如,对于水淹分析的应用中,感兴趣区域可以为高墩区域、低洼区域,对于植物长势分析的应用中,感兴趣区域可以为植物种植区域等,在此不做限制。
具体的,步骤S402可以包括以下步骤:
根据所述目标区域的瓦片集中像素点的高度值和基准水平高度值,确定得到所述目标区域中的高墩区域和/或低洼区域,其中,所述基准水平高度值可以基于实施例1中提及的方式获得;或者,通过实施例1所述的方法获取所述目标区域的瓦片集对应的三维水淹渲染图,并展示所述三维水淹渲染图;根据用户基于所述三维水淹渲染图输入的触控信息,确定得到所述目标区域中的高墩区域和/或低洼区域;
将所述高墩区域和/或低洼区域作为感兴趣区域。
在上述实施方式中,为满足用户自定义需求,用户可以从展示出的三维水淹渲染图的地块高墩区域及低洼区域中确定需要重点巡查的感兴趣区域。为提高处理效率和及时性,也可以系统自动根据三维水淹渲染图的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,可能会由于农机未能将土地平整到位,而导致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。根据三维水淹渲染图的高墩区域信息和/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,得到图像数据后,可以基于图像数据查看作物长势或作物所处环境情况,例如作物生长是否正常、查看是否出现杂草;也可以基于图像数据查看农田任务是否执行完成或完成情况,例如,查看上水、保水、排水是否执行到位。
步骤S403,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,可以确定感兴趣区域的位置信息,基于位置信息可以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S403还可以包括以下步骤:
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,确定所述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,获取目标区域的瓦片集;其中,所述瓦片集基于实施例1所记载的方法获得;根据所述目标区域的瓦片集确定所述目标区域中的感兴趣区域;根据所述感兴趣区域生成飞巡任务。这样,基于目标区域的瓦片集确定目标区域中的感兴趣区域,根据感兴趣区域得到对应飞巡任务,可以提高飞巡任务的精确度,更好地完成飞巡作业。
实施例3
此外,本公开实施例提供了一种图像处理装置。
具体的,如图5所示,图像处理装置500包括:
第一处理模块501,用于对初始图像数据进行切图处理,得到分辨率最高的最高级别瓦片集,所述最高级别瓦片集中各瓦片的各像素点具备对应的高度值;
第二处理模块502,用于基于所述最高级别瓦片集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瓦片集,其中,所述低级别瓦片集中不同像素点由相对较高级别的瓦片集中不同像素矩阵形成;
确定模块503,用于对于各低级别瓦片集中各像素点,从所述像素点对应的像素矩阵中确定一个目标像素点,并将所述目标像素点的高度值更新为所述像素点的高度值;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。
在一实施例中,第一处理模块501,还用于采用最大值采样算法对所述初始图像数据进行切图处理。
在一实施例中,图像处理装置500还包括:
设置模块,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;
确定模块503,还用于对于各低级别瓦片集中各像素点,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。
在一实施例中,确定模块503,还用于对于各低级别瓦片集中各像素点,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。
在一实施例中,第二处理模块502,还用于对于各低级别瓦片集,对所述低级别瓦片集的上一级别瓦片集中各瓦片阵列进行合并处理,以形成所述低级别瓦片集。
在一实施例中,图像处理装置500还包括:
第三处理模块,用于收到展示目标图像的指令时,根据所述指令对应的图像缩放比例确定目标图像的缩放级别;
根据所述缩放级别确定对应分辨率级别的目标瓦片集;
基于所述目标瓦片集进行图像渲染处理,得到所述目标图像的三维渲染图。
在一实施例中,所述目标图像包括以下至少之一:目标区域的三维地势渲染图、目标区域的三维水淹渲染图、目标区域的三维植物长势渲染图;
所述第三处理模块,还用于当所述目标图像为目标区域的三维水淹渲染图时,根据目标区域的灌溉量和/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;
基于所述目标瓦片集和所述水位变化量进行图像渲染处理,得到所述目标区域的三维水淹渲染图。
在一实施例中,所述第三处理模块,还用于当所述目标图像为目标区域的三维水淹渲染图时,获取目标区域的当前水淹高度值;基于所述目标瓦片集和所述水淹高度值进行图像渲染处理,得到所述目标区域的三维水淹渲染图。
在一实施例中,所述第三处理模块还可以用于对目标区域的地势进行分析,相应地,所述第三处理模块还可以用于:获取所述目标区域的基准水平高度值;基于所述基准水平高度值和任一级别瓦片集,确定所述目标区域中的高墩区域和低洼区域。
在一实施例中,所述第三处理模块获取所述目标区域的基准水平高度值的方式可以包括:第一种方式,基于所述初始图像数据或任一级别瓦片集中所有像素点的高度值,确定所述目标区域的基准水平高度值;第二种方式,将预先输入的设定水平高度值作为所述目标区域的基准水平高度值。
需要说明的是,本实施例的图像处理装置的具体实现步骤可参考上述实施例1中图像处理方法的相关描述,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:
获取模块601,用于获取目标区域的瓦片集;其中,所述瓦片集基于实施例1所述的方法获得;
确定模块602,用于根据所述目标区域的瓦片集确定所述目标区域中的感兴趣区域;
生成模块603,用于根据所述感兴趣区域生成飞巡任务。
在本实施例中,确定模块602,还用于根据所述目标区域的瓦片集中像素点的高度值和基准水平高度值,确定得到所述目标区域中的高墩区域和/或低洼区域,其中,所述基准水平高度值基于实施例1所述的方法获得;或者,通过实施例1所述的方法获取所述目标区域的瓦片集对应的三维水淹渲染图,并展示所述三维水淹渲染图;根据用户基于所述三维水淹渲染图输入的触控信息,确定得到所述目标区域中的高墩区域和/或低洼区域;
将所述高墩区域和/或低洼区域作为感兴趣区域。
在本实施例中,生成模块603,还用于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,确定所述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,生成模块603,还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。
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中任一示例所提供的图像处理方法,和/或,执行上述实施例2中任一示例的所提供的飞巡任务的生成方法。
需要说明的是,本实施例的电子设备的具体实现步骤可参考上述方法实施例1所提供的图像处理方法、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6
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中任一示例所提供的图像处理方法,和/或,执行上述实施例2中任一示例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所提供的图像处理方法、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
本申请还提供一种智慧农业系统,所述系统包括实施例3中任一示例所提供的图像处理装置和/或实施例4中任一示例所提供的飞巡任务的生成装置。
其中,智慧农业系统可以理解为是一种软件产品,可以通过软件安装包的形式囊括上述实施例1任一示例所提供的图像处理方法和/或实施例2任一示例所提供的飞巡任务的生成方法所对应的程序,由此通过在电子设备中安装智慧农业系统的软件安装包,即可实现电子设备能够具备本申请所提供的图像处理方法和/或飞巡任务的生成方法对应的功能。
当然,智慧农业系统也可以理解为是一种硬件产品,可以是一种装载有智慧农业管理功能的平台,也可以是包含有上述平台、农机设备、田间传感器、灌溉系统等的系统性产品,同样能够实现具备本申请所提供的图像处理方法和/或飞巡任务的生成方法对应的功能。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者终端中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献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(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述,但是本申请并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,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 (19)
1.一种图像处理方法,其特征在于,包括:
对初始图像数据进行切图处理,得到分辨率最高的最高级别瓦片集,所述最高级别瓦片集中各瓦片的各像素点具备对应的高度值;
基于所述最高级别瓦片集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瓦片集,其中,所述低级别瓦片集中不同像素点由相对较高级别的瓦片集中不同像素矩阵形成;
对于各低级别瓦片集中各像素点,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。
2.根据权利要求1所述的方法,其特征在于,所述对初始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图像数据进行切图处理。
3.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;
所述对于各低级别瓦片集中各像素点,从所述像素点对应的像素矩阵中确定一个目标像素点,包括:
对于各低级别瓦片集中各像素点,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。
4.根据权利要求1所述的方法,其特征在于,所述对于各低级别瓦片集中各像素点,从所述像素点对应的像素矩阵中确定一个目标像素点,包括:
对于各低级别瓦片集中各像素点,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。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述基于所述最高级别瓦片集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瓦片集,包括:
对于各低级别瓦片集,对所述低级别瓦片集的上一级别瓦片集中各瓦片阵列进行合并处理,以形成所述低级别瓦片集。
6.根据权利要求1-4任一项所述的方法,其特征在于,还包括:
收到展示目标图像的指令时,根据所述指令对应的图像缩放比例确定目标图像的缩放级别;
根据所述缩放级别确定对应分辨率级别的目标瓦片集;
基于所述目标瓦片集进行图像渲染处理,得到所述目标图像的三维渲染图。
7.根据权利要求6所述的方法,其特征在于,所述目标图像包括以下至少之一:目标区域的三维地势渲染图、目标区域的三维水淹渲染图、目标区域的三维植物长势渲染图;
当所述目标图像为目标区域的三维水淹渲染图时,所述方法还包括:
根据目标区域的灌溉量和/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;
所述基于所述目标瓦片集进行图像渲染处理,得到所述目标图像的三维渲染图,包括:
基于所述目标瓦片集和所述水位变化量进行图像渲染处理,得到所述目标区域的三维水淹渲染图。
8.根据权利要求6所述的方法,其特征在于,所述目标图像包括以下至少之一:目标区域的三维地势渲染图、目标区域的三维水淹渲染图、目标区域的三维植物长势渲染图;
当所述目标图像为目标区域的三维水淹渲染图时,所述方法还包括:
获取所述目标区域的当前水淹高度值;
所述基于所述目标瓦片集进行图像渲染处理,得到所述目标图像的三维渲染图,包括:
基于所述目标瓦片集和所述当前水淹高度值进行图像渲染处理,得到所述目标区域的三维水淹渲染图。
9.根据权利要求1-4任一项所述的方法,其特征在于,所述方法还包括:
获取所述目标区域的基准水平高度值;
基于所述基准水平高度值和任一级别瓦片集,确定所述目标区域中的高墩区域和低洼区域。
10.根据权利要求9所述的方法,其特征在于,所述获取所述目标区域的基准水平高度值,包括:
基于所述初始图像数据或任一级别瓦片集中所有像素点的高度值,确定所述目标区域的基准水平高度值;或者,
将预先输入的设定水平高度值作为所述目标区域的基准水平高度值。
11.一种飞巡任务的生成方法,其特征在于,包括:
获取目标区域的瓦片集;其中,所述瓦片集基于权利要求1-10任一项所述的方法获得;
根据所述目标区域的瓦片集确定所述目标区域中的感兴趣区域;
根据所述感兴趣区域生成飞巡任务。
12.根据权利要求11所述的方法,其特征在于,所述根据所述目标区域的瓦片集确定所述目标区域中的感兴趣区域,包括:
根据所述目标区域的瓦片集中像素点的高度值和基准水平高度值,确定得到所述目标区域中的高墩区域和/或低洼区域,其中,所述基准水平高度值基于权利要求10所述的方法获得;或者,通过权利要求6-8任一项所述的方法获取所述目标区域的瓦片集对应的三维水淹渲染图,并展示所述三维水淹渲染图;根据用户基于所述三维水淹渲染图输入的触控信息,确定得到所述目标区域中的高墩区域和/或低洼区域;
将所述高墩区域和/或低洼区域作为感兴趣区域。
13.根据权利要求11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,确定所述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。
14.根据权利要求13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。
15.一种图像处理装置,其特征在于,包括:
第一处理模块,用于对初始图像数据进行切图处理,得到分辨率最高的最高级别瓦片集,所述最高级别瓦片集中各瓦片的各像素点具备对应的高度值;
第二处理模块,用于基于所述最高级别瓦片集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瓦片集,其中,所述低级别瓦片集中不同像素点由相对较高级别的瓦片集中不同像素矩阵形成;
确定模块,用于对于各低级别瓦片集中各像素点,从所述像素点对应的像素矩阵中确定一个目标像素点,并将所述目标像素点的高度值更新为所述像素点的高度值;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。
16.一种飞巡任务的生成装置,其特征在于,包括:
获取模块,用于获取目标区域的瓦片集;其中,所述瓦片集基于权利要求1-10任一项所述的方法获得;
确定模块,用于根据所述目标区域的瓦片集确定所述目标区域中的感兴趣区域;
生成模块,用于根据所述感兴趣区域生成飞巡任务。
17.一种智慧农业系统,其特征在于,包括权利要求15所述的图像处理装置和/或权利要求16所述的飞巡任务的生成装置。
18.一种电子设备,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1-10任一项所述的图像处理方法,和/或,执行权利要求11至14任一项所述的飞巡任务的生成方法。
19.一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1-10任一项所述的图像处理方法,和/或,执行权利要求11至14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 |
---|---|---|---|
CN202111346164.6A CN114067038A (zh) | 2021-11-15 | 2021-11-15 | 图像处理方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111346164.6A CN114067038A (zh) | 2021-11-15 | 2021-11-15 | 图像处理方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114067038A true CN114067038A (zh) | 2022-02-18 |
Family
ID=80271748
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111346164.6A Pending CN114067038A (zh) | 2021-11-15 | 2021-11-15 | 图像处理方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114067038A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114842430A (zh) * | 2022-07-04 | 2022-08-02 | 江苏紫琅汽车集团股份有限公司 | 一种用于道路监测的车辆信息识别方法及系统 |
-
2021
- 2021-11-15 CN CN202111346164.6A patent/CN114067038A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114842430A (zh) * | 2022-07-04 | 2022-08-02 | 江苏紫琅汽车集团股份有限公司 | 一种用于道路监测的车辆信息识别方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8370111B2 (en) | System and method for forming optimized perimeter surveillance | |
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 | |
WO2009124003A1 (en) | System and method for forming optimized perimeter surveillance | |
CN114067038A (zh) | 图像处理方法、装置及电子设备 | |
CN115375868A (zh) | 地图显示和遥感地图显示方法、计算设备以及存储介质 | |
CN111177298A (zh) | 一种基于面积法的通信网络信息地理网格化方法 | |
CN113807128B (zh) | 一种缺苗标记方法、装置、计算机设备和存储介质 | |
CN113837943A (zh) | 图像处理方法、装置、电子设备及可读存储介质 | |
CN111626148B (zh) | 一种无人机农田核查方法、系统、智能终端及存储介质 | |
US20160283915A1 (en) | Failure modeling by incorporation of terrestrial conditions | |
CN113988701B (zh) | 地势分析方法、装置及电子设备 | |
CN116401268A (zh) | 数据检索方法以及装置 | |
CN114283067B (zh) | 一种处方图获取方法、装置、存储介质及终端设备 | |
CN110765931A (zh) | 检测秸秆覆盖率的方法、装置、存储介质和农机 | |
CN112527442B (zh) | 一种环境数据多维显示方法、装置、介质及终端设备 | |
CN113492981B (zh) | 播撒控制方法、装置、终端设备、无人设备及介质 | |
CN110648281B (zh) | 田间全景图生成方法、装置、系统、服务器及存储介质 | |
CN111753687A (zh) | 缺苗识别方法、装置、电子设备和计算机可读存储介质 | |
CN108052585B (zh) | 一种复杂环境中动态目标的判定方法 | |
CN116844075B (zh) | 一种耕地环境判定方法及系统 | |
CN114494396B (zh) | 作业对象高度确定方法、装置、设备和存储介质 | |
Gao et al. | Navigation line detection based on robotic vision in natural vegetation-embraced environment | |
CN111693006B (zh) | 珊瑚沙土壤监测区域的传感器数量和位置确定方法及装置 | |
CN111894046B (zh) | 路堑施工监控系统 | |
CN116058155A (zh) | 智能割草机控制方法、装置、智能割草机及存储介质 |
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 |