CN114494396A - 作业对象高度确定方法、装置、设备和存储介质 - Google Patents
作业对象高度确定方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN114494396A CN114494396A CN202111628673.8A CN202111628673A CN114494396A CN 114494396 A CN114494396 A CN 114494396A CN 202111628673 A CN202111628673 A CN 202111628673A CN 114494396 A CN114494396 A CN 114494396A
- Authority
- CN
- China
- Prior art keywords
- image
- determining
- area
- height
- reference point
- 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.)
- Granted
Links
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30172—Centreline of tubular or elongated structure
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种作业对象高度确定方法、装置、设备和存储介质,该方法包括:获取目标区域的正射影像和高程图像;对所述正射影像进行识别得到参照物区域以及作业区域,所述作业区域包括一个或多个作业对象;确定所述参照物区域的中心线以及参照点,基于所述中心线以及所述参照点确定对应的作业对象图像;对所述作业对象图像进行图像处理得到作业对象顶点的轴向距离,根据所述参照点、所述轴向距离以及所述高程图像确定所述作业对象的高度。本方案实现了快速、高效且准确的确定作业对象的高度。
Description
技术领域
本申请实施例涉及无人设备作业技术领域,尤其涉及一种作业对象高度确定方法、装置、设备和存储介质。
背景技术
随着无人设备技术的发展,在很多作业区域实现了无人设备的自动化作业,通过无人设备作业的方式可以显著提高作业效率,降低人力成本。无人设备在作业区域作业过程中,可通过对作业对象进行作业处理以实现区域的自动化作业。以作业对象为植株为例,无人设备可自动对植株进行农药喷洒以保证植株的正常生长。
在无人设备作业时,作业对象的高度信息作为重要参数之一其对无人设备的作业过程影响较大,如无人设备的飞行高度、飞行路径、农药喷洒量等。因此,如何快速准确的得出作业对象的高度信息是当下重要的研究热点之一。现有技术中,确定作业对象高度的方式大都采用估算的方式。如采用基于高清影像插值算法得到作业对象的高度,该种计算方式准确性较低,需要改进,
发明内容
本发明实施例提供了一种作业对象高度确定方法、装置、设备和存储介质,解决了现有技术中作业对象高度信息计算效率低、准确性差的问题,可以得到精确的作业对象的高度。
第一方面,本发明实施例提供了一种作业对象高度确定方法,该方法包括:
获取目标区域的正射影像和高程图像;
对所述正射影像进行识别得到参照物区域以及作业区域,所述作业区域包括一个或多个作业对象;
确定所述参照物区域的中心线以及参照点,基于所述中心线以及所述参照点确定对应的作业对象图像;
对所述作业对象图像进行图像处理得到作业对象顶点的轴向距离,根据所述参照点、所述轴向距离以及所述高程图像确定所述作业对象的高度。
第二方面,本发明实施例还提供了一种作业对象高度确定系统,该系统包括:
图像获取模块,用于获取目标区域的正射影像和高程图像;
区域识别模块,用于对所述正射影像进行识别得到参照物区域以及作业区域,所述作业区域包括一个或多个作业对象;
作业对象识别模块,用于确定所述参照物区域的中心线以及参照点,基于所述中心线以及所述参照点确定对应的作业对象图像;
高度确定模块,用于对所述作业对象图像进行图像处理得到作业对象顶点的轴向距离,根据所述参照点、所述轴向距离以及所述高程图像确定所述作业对象的高度
第三方面,本发明实施例还提供了一种智慧农业系统,该系统包括上述作业对象高度确定装置。
第四方面,本发明实施例还提供了一种作业对象高度确定设备,该设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明实施例所述的作业对象高度确定方法。
第五方面,本发明实施例还提供了一种存储计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行本发明实施例所述的作业对象高度确定方法。
本发明实施例中,通过获取目标区域的正射影像和高程图像,对正射影像进行识别得到参照物区域以及作业区域,其中,作业区域包括一个或多个作业对象,确定参照物区域的中心线以及参照点,基于中心线以及参照点确定对应的作业对象图像后,对作业对象图像进行图像处理得到作业对象的轴向距离,根据该参照点、轴向距离以及高程图像确定作业对象的高度,由此实现了对作业对象高度的精确计算。
附图说明
图1为本发明实施例提供的一种作业对象高度确定方法的流程图;
图2为本发明实施例提供的一种目标区域中识别得到的参照物区域以及作业区域的示意图;
图3为本发明实施例提供的一种参照物区域确定出的中心线和参照点的示意图;
图4为本发明实施例提供的一种确定作业对象高度的计算方法的流程图;
图5为本发明实施例提供的另一种作业对象高度确定方法的流程图;
图6为本发明实施例提供的另一种作业对象高度确定方法的流程图;
图7为本发明实施例提供的另一种作业对象高度确定方法的流程图;
图8为本发明实施例提供的一种作业对象高度确定装置的模块示意图;
图9为本发明实施例提供的一种作业对象高度确定设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员获得的所有其他实施例,都属于本申请保护的范围。
本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象,而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施,且“第一”、“第二”等所区分的对象通常为一类,并不限定对象的个数,例如第一对象可以是一个,也可以是多个。此外,说明书以及权利要求中“和/或”表示所连接对象的至少其中之一,字符“/”,一般表示前后关联对象是一种“或”的关系。
下面结合附图,通过具体的实施例及其应用场景对本申请实施例提供的作业对象高度确定方法进行详细地说明。
图1为本发明实施例提供的一种作业对象高度确定方法的流程图,本实施例可以实现对作业对象的高度进行计算,该方法可以由具备计算功能的设备如无人设备、手机、遥控器、定制手持设备、台式机、平板电脑或笔记本等来实施,具体包括如下步骤:
步骤S101、获取目标区域的正射影像和高程图像。
其中,目标区域为需要确定作业对象高度的区域,如无人设备作业的棉田区域。正射影像是利用数字高程模型对经过扫描处理的目标区域的数字化遥感影像,经逐像元进行辐射改正、微分纠正和镶嵌,并按规定图幅范围裁剪生成的影像数据。正射影像同时具有地图几何精度和影像特征。
其中,高程图像指包含了目标区域各个物体(如作业区域、非作业区域、作业对象、出水桩等)高度的地面高程模型图像。其涵盖了地面及地面以外的其它地表信息的高程,其反映了地面起伏情况。该高程图像可通过航测软件生成,或者由无人设备携带激光雷达测得的点云图转换得到。
步骤S102、对所述正射影像进行识别得到参照物区域以及作业区域,所述作业区域包括一个或多个作业对象。
其中,参照物区域为确定作业对象高度时,使用到的参照对象所在区域。作业区域为包含作业对象的区域。以棉田为例,作业区域为棉花种植区域,参照物区域可以是地膜区域,其中地膜指为保证土壤的温度和湿度铺设的保护膜,地膜区域不进行作业处理其地表高度相对稳定。当然,如果针对无需铺设地膜的情况,该参照物区域也可以是作业区域行间的裸土区域。图2为本发明实施例提供的一种目标区域中识别得到的参照物区域以及作业区域的示意图,如图2所示,区域1021为识别确定的参照物区域,区域1022为识别确定的作业区域。在一个实施例中,识别方法可采用基于神经网络的图像识别方法,以识别出正射影像中的参照物区域和作业区域。作业区域包含的作业对象可以是棉花植株。
步骤S103、确定所述参照物区域的中心线以及参照点,基于所述中心线以及所述参照点确定对应的作业对象图像。
在一个实施例中,在确定作业对象高度的过程中,首先确定识别出的参照物区域的中心线,并相应确定该中心线上的参照点。再基于该中心线和参照点以确定对应的作业对象图像,其中作业对象图像为待确认高度信息的作业对象所对应的图像。可选的,确定中心线的方式可以是以参照物区域的二分之一宽度对应直线为中心线,确定中心线上参照点的方式可以是在确定出的中心线上随机取点作为参照点。示例性的,图3为本发明实施例提供的一种参照物区域确定出的中心线和参照点的示意图,如图3所示,参照物区域1021的中心线为1031,选取的参照点示例性的为1032。
在确定中心线和参照点后,进一步确定该参照点对应的作业对象图像。可选的,如图3所示,对参照点周边区域1033覆盖部分进行作业对象识别,以确定作业对象图像。该作业对象图像为和参照点相对应的包含作业对象的图像部分。可选的,识别过程中,在参照点的以垂直中心线方向的两侧进行图像识别得到包含作业对象的作业对象图像,以提高识别效率,假定在区域1033识别出的作业对象图像部分为1034。
步骤S104、对所述作业对象图像进行图像处理得到作业对象顶点的轴向距离,根据所述参照点、所述轴向距离以及所述高程图像确定所述作业对象的高度。
在确定作业对象图像后,通过对该作业对象图像进行图像处理,根据图像处理结果以确定其对应的作业对象顶点的轴向距离。其中,以作业对象为棉花植株为例,其顶点为棉花植株的顶点。该轴向距离在正射图像中为作业对象顶点左右两侧进行搜索确定的侧向距离。
在一个实施例中,确定作业对象顶点的轴向距离的方式可以是:基于作业对象图像确定作业对象的对象中心点,根据对象中心点的位置信息确定作业对象顶点的轴向距离。其中,该对象中心点的确定方式可以有多种方式。可选的,可以采用曲线移动平均的方法,如利用卷积平滑处理的方式计算得到作业对象图像中作业对象所在区域线段的中心点作为对象中心点来表征作业对象顶点所在的位置。具体的,对作业对象图像对应转换的一维数组中的数据进行卷积平滑处理,根据预设函数以及卷积平滑处理后的数据确定对应的像素波峰;根据像素波峰所在的位置点即对象中心点确定作业对象顶点的轴向距离。可选的,该预设函数可以是寻找峰值函数findpeaks。可选的,确定对象中心点的方式还可以是对作业对象图像进行识别后基于识别得到的线段(线段表征作业对象)直接将线段的中点确定为对象中心点。
在确定对象中心点后,将该对象中心点对应的作业对象图像中的位置点确定为作业对象顶点,相应的可直接计算得到轴向距离。示例性的,以二维图像为例,中心线所在的y轴坐标假定为y1,作业对象顶点的y坐标假定为y2,则该作业对象顶点的轴向距离为|y1-y2|。
在一个实施例中,图4为本发明实施例提供的一种确定作业对象高度的计算方法的流程图,如图4所示,在确定参考点、轴向距离和高程图像,基于该三者确定作业对象的高度方法可以是:
步骤S1041、将所述参照点所在的位置加上所述轴向距离得到所述作业对象的顶点位置。
其中,假定参照点位置坐标为(x,y),轴向距离为y3,示例性确定出的作业对象的顶点位置为(x,y+y3)。
步骤S1042、根据所述参照点的位置以及所述作业对象的顶点位置在所述高程图像中确定各自的参照点高程以及作业对象高程。
其中,高程图像记录有各个位置点的高程信息,在确定出参考点以及对应的作业对象的顶点的位置后,从该高程图像中读取相应的高程信息,如分别确定出参照点高程和作业对象的顶点高程。
步骤S1043、根据所述参照点高程和所述作业对象高程得到所述作业对象的高度。
其中,假定参照点高程为a,作业对象的顶点高程为b,作业对象的高度为作业对象的顶点高程与参照点高程之差为b-a,由此以计算得到最终的作业对象的高度。
由上述可知,本方案中,通过获取目标区域的正射影像和高程图像,对正射影像进行识别得到参照物区域以及作业区域,其中,作业区域包括一个或多个作业对象,确定参照物区域的中心线以及参照点,基于中心线以及参照点确定对应的作业对象图像后,对作业对象图像进行图像处理得到作业对象的轴向距离,根据该参照点、轴向距离以及高程图像确定作业对象的高度,由此实现了对作业对象高度的精确计算。
图5为本发明实施例提供的另一种作业对象高度确定方法的流程图。给出了一种具体的确定中心线以及参照点的方式,如图5所述,具体包括:
步骤S201、获取目标区域的正射影像和高程图像。
步骤S202、对所述正射影像进行识别得到参照物区域以及作业区域,所述作业区域包括一个或多个作业对象。
步骤S203、根据所述参照物区域对所述正射影像进行切分,得到多个网格图像,确定网格图像中参照物区域的中心线以及参照点,基于所述中心线以及所述参照点确定对应的作业对象图像。
在一个实施例中,对得到的正射影像进行切分,分割为多个网格图像。针对每个网格图像确定其中作业对象的高度。作业对象高度确定过程中,针对每个网格图像分别确定参照物区域的中心线以及参照点,基于该中心线以及参照点确定对应的作业对象图像。具体的,如将正射影像切分256*256尺寸或1024*1024尺寸图像,每个切分后的图像包含有相应的参照物区域和作业区域。
步骤S204、对所述作业对象图像进行图像处理得到作业对象顶点的轴向距离,根据所述参照点、所述轴向距离以及所述高程图像确定所述作业对象的高度。
由上述方案可知,根据参照物区域对正射影像进行切分,得到多个网格图像,确定网格图像中参照物区域的中心线以及参照点,进而基于每个网格图像确定其中的作物对象的高度,以高效、精确的计算出目标区域中作业对象的高度,便于后续无人设备作业,提高了作业效率。
图6为本发明实施例提供的另一种作业对象高度确定方法的流程图。给出了一种对网格图像进行旋转的方法,如图6所述,具体包括:
步骤S301、获取目标区域的正射影像和高程图像。
步骤S302、对所述正射影像进行识别得到参照物区域以及作业区域,所述作业区域包括一个或多个作业对象。
步骤S303、根据所述参照物区域对所述正射影像进行切分,得到多个网格图像,确定网格图像中参照物区域的方向信息,如果所述方向信息不满足预设方向条件,则对所述参照物区域对应的图像进行旋转。
其中,参照物区域以地膜区域为例,该参照物区域的方向信息表征地膜走向。判断该方向信息是否满足预设方向条件。可选的,预设方向条件为地膜走向为横向水平,如果确定出方向信息不为横向水平,则确定其不满足预设方向条件,反之,则判定其满足预设方向条件。
以目标区域为棉田区域为例,在计算棉田区域中棉花植株的高度时,由于收到地形限制或者针对田间拐点部分,其参照物区域并非水平,相应的和参照物区域对应的作业区域也非水平,此时,如果检测到其不满足预设方向条件,则对该参照物区域所在的图像进行旋转以使得旋转后参照物区域的方向信息满足预设方向条件。具体的,可通过霍夫直线检测算法计算参照物区域的方向,进而得到其和水平方向的夹角,将图像反向旋转该夹角度数以使参照物区域走向水平,其原理为通过霍夫变换进行直线检测,当检测到多条相似角度的直线时,可确定该多条相似角度的直线组成的直线集合的可信角度,即直线集合中所有直线对应的角度中最大概率合理的符合计算需求的角度,以棉田场景为例,其为符合当前局部图像中的作物种植方向的角度,将可信角度确定为方向信息,具体的,可信角度确定过程中,如果多条直线的角度恰好一致则将该一致的角度作为可信角度,如果存在不一致的角度的直线,则将角度一致的直线数量最多的直线对应的角度确定为可信角度,或者采用计算所有直线的角度平均值,将角度平均值确定为可信角度。需要说明的是,该预设方向条件也可以是与横向坐标方向垂直的方向,相应的,如果确定出参照物区域的方向信息为非垂直走向,则将图像进行旋转以使得参照物区域为垂直走向。可选的,确定方向信息的方式还可以是直接使用训练好的神经网络进行图像识别得到方向信息,进而基于该方向信息进行图像的旋转。
步骤S304、确定旋转后的网格图像中参照物区域的中心线以及参照点,基于所述中心线以及所述参照点确定对应的作业对象图像。
步骤S305、对所述作业对象图像进行图像处理得到作业对象顶点的轴向距离,根据所述参照点、所述轴向距离以及所述高程图像确定所述作业对象的高度。
由上述方案可知,根据参照物区域对所述正射影像进行切分,得到多个网格图像,确定网格图像中参照物区域的方向信息,如果方向信息不满足预设方向条件,则对参照物区域对应的图像进行旋转,进而继续确定作物对象的高度,即实现了非水平或垂直区域的作业对象高度的计算,进一步提高了本方案的适用性和计算灵活性。
图7为本发明实施例提供的另一种作业对象高度确定方法的流程图。给出了一种具体的确定参照物区域的中心线以及参照点的方法,如图7所示,具体包括:
步骤S401、获取目标区域的正射影像和高程图像。
步骤S402、对所述正射影像进行识别得到参照物区域以及作业区域,所述作业区域包括一个或多个作业对象。
步骤S403、对所述参照物区域进行图像腐蚀处理得到预设数量的中心线参考点,根据所述中心线参考点确定所述参照物区域的中心线,以及在所述中心线参考点中选择参照点,基于所述中心线以及所述参照点确定对应的作业对象图像。
其中,可采用预设的图像腐蚀函数对参照物区域进行腐蚀处理得到预设数量的中心线参考点,示例性针对每个网格图像,预设数量为60个中心线参考点。其采取由参照物区域外侧向中间渐进式腐蚀的方式以直至得到60个中心线参考点。即该60个中心线参考点组成的线确定为参照物区域的中心线。其中,在选取参照点时,可随机或者固定方向从该60个中心线参考点选定预设数量的参照点,如3个参照点。
步骤S404、对所述作业对象图像进行图像处理得到作业对象顶点的轴向距离,根据所述参照点、所述轴向距离以及所述高程图像确定所述作业对象的高度。
由上述方案可知,通过对参照物区域进行图像腐蚀处理得到预设数量的中心线参考点,根据中心线参考点确定参照物区域的中心线,以及在中心线参考点中选择参照点,并基于此进行后续的作业对象高度的确定,使得最终确定的作业对象高度的准确度显著提升。
图8为本发明实施例提供的一种作业对象高度确定装置的模块示意图,该装置用于执行上述描述的作业对象高度确定方法,具备执行方法相应的功能模块和有益效果。如图8所示,该系统具体包括:图像获取模块101、区域识别模块102、作业对象识别模块103和高度确定模块104,其中,
图像获取模块101,用于获取目标区域的正射影像和高程图像;
区域识别模块102,用于对所述正射影像进行识别得到参照物区域以及作业区域,所述作业区域包括一个或多个作业对象;
作业对象识别模块103,用于确定所述参照物区域的中心线以及参照点,基于所述中心线以及所述参照点确定对应的作业对象图像;
高度确定模块104,用于对所述作业对象图像进行图像处理得到作业对象顶点的轴向距离,根据所述参照点、所述轴向距离以及所述高程图像确定所述作业对象的高度。
由上述方案可知,通过获取目标区域的正射影像和高程图像,对正射影像进行识别得到参照物区域以及作业区域,其中,作业区域包括一个或多个作业对象,确定参照物区域的中心线以及参照点,基于中心线以及参照点确定对应的作业对象图像后,对作业对象图像进行图像处理得到作业对象的轴向距离,根据该参照点、轴向距离以及高程图像确定作业对象的高度,由此实现了对作业对象高度的精确计算。
在一个可能的实施例中,所述作业对象识别模块103还用于:
在确定所述参照物区域的中心线以及参照点之前,根据所述参照物区域对所述正射影像进行切分,得到多个网格图像;
确定网格图像中参照物区域的中心线以及参照点。
在一个可能的实施例中,所述作业对象识别模块103还用于:
在确定网格图像中参照物区域的中心线以及参照点之前,确定网格图像中参照物区域的方向信息;
如果所述方向信息不满足预设方向条件,则对所述参照物区域对应的图像进行旋转,以使旋转后的所述参照物区域的方向信息满足预设方向条件。
在一个可能的实施例中,所述作业对象识别模块103具体用于:
对所述参照物区域进行图像腐蚀处理得到预设数量的中心线参考点,根据所述中心线参考点确定所述参照物区域的中心线,以及在所述中心线参考点中选择参照点。
在一个可能的实施例中,所述作业对象识别模块103具体用于:
在所述参照点的以垂直所述中心线方向的两侧进行图像识别得到包含作业对象的作业对象图像。
在一个可能的实施例中,所述高度确定模块104具体用于:
基于所述作业对象图像确定作业对象的对象中心点;
根据所述对象中心点的位置信息确定所述作业对象顶点的轴向距离。
在一个可能的实施例中,所述高度确定模块104具体用于:
将所述参照点所在的位置加上所述轴向距离得到所述作业对象的顶点位置;
根据所述参照点的位置以及所述作业对象的顶点位置在所述高程图像中确定各自的参照点高程以及作业对象高程;
根据所述参照点高程和所述作业对象高程得到所述作业对象的高度。
需要说明的是,上述装置中各子模块的实现原理可以参见相应的方法实施例中的相关说明,在此不进行赘述。
另外,本发明实施例还提供一种智慧农业系统,该智慧农业系统可以是一种软件产品,也可以是一种软件和硬件结合的产品,用于基于获取的图像来对图像中作物对象的高度进行计算,该智慧农业系统可以包括上述任一实施例中的作业对象高度确定装置。
图9为本发明实施例提供的一种作业对象高度确定设备的结构示意图,如图9所示,该设备包括处理器201、存储器202、输入装置203和输出装置204;设备中处理器201的数量可以是一个或多个,图9中以一个处理器201为例;设备中的处理器201、存储器202、输入装置203和输出装置204可以通过总线或其他方式连接,图9中以通过总线连接为例。存储器202作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的作业对象高度确定方法对应的程序指令/模块。处理器201通过运行存储在存储器202中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述的作业对象高度确定方法。输入装置203可用于接收输入的数字或字符信息,以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置204可包括显示屏等显示设备。
本发明实施例还提供一种包含计算机可执行指令的存储介质,可以以服务端应用的形式存储,所述计算机可执行指令在由计算机处理器执行时用于执行一种作业对象高度确定方法,该方法包括:
获取目标区域的正射影像和高程图像;
对所述正射影像进行识别得到参照物区域以及作业区域,所述作业区域包括一个或多个作业对象;
确定所述参照物区域的中心线以及参照点,基于所述中心线以及所述参照点确定对应的作业对象图像;
对所述作业对象图像进行图像处理得到作业对象顶点的轴向距离,根据所述参照点、所述轴向距离以及所述高程图像确定所述作业对象的高度。
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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。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、物品或者装置中还存在另外的相同要素。此外,需要指出的是,本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能,还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能,例如,可以按不同于所描述的次序来执行所描述的方法,并且还可以添加、省去或组合各种步骤。另外,参照某些示例所描述的特征可在其他示例中被组合。
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计算机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(可以是无人设备、手机、计算机、服务器或者网络设备等)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 (11)
1.作业对象高度确定方法,其特征在于,包括:
获取目标区域的正射影像和高程图像;
对所述正射影像进行识别得到参照物区域以及作业区域,所述作业区域包括一个或多个作业对象;
确定所述参照物区域的中心线以及参照点,基于所述中心线以及所述参照点确定对应的作业对象图像;
对所述作业对象图像进行图像处理得到作业对象顶点的轴向距离,根据所述参照点、所述轴向距离以及所述高程图像确定所述作业对象的高度。
2.根据权利要求1所述的作业对象高度确定方法,其特征在于,在确定所述参照物区域的中心线以及参照点之前,还包括:
根据所述参照物区域对所述正射影像进行切分,得到多个网格图像;
所述确定所述参照物区域的中心线以及参照点,包括:
确定网格图像中参照物区域的中心线以及参照点。
3.根据权利要求2所述的作业对象高度确定方法,其特征在于,在确定网格图像中参照物区域的中心线以及参照点之前,还包括:
确定网格图像中参照物区域的方向信息;
如果所述方向信息不满足预设方向条件,则对所述参照物区域对应的图像进行旋转,以使旋转后的所述参照物区域的方向信息满足预设方向条件。
4.根据权利要求1所述的作业对象高度确定方法,其特征在于,所述确定所述参照物区域的中心线以及参照点,包括:
对所述参照物区域进行图像腐蚀处理得到预设数量的中心线参考点,根据所述中心线参考点确定所述参照物区域的中心线,以及在所述中心线参考点中选择参照点。
5.根据权利要求1所述的作业对象高度确定方法,其特征在于,所述基于所述中心线以及所述参照点确定对应的作业对象图像,包括:
在所述参照点的以垂直所述中心线方向的两侧进行图像识别得到包含作业对象的作业对象图像。
6.根据权利要求1所述的作业对象高度确定方法,其特征在于,所述对所述作业对象图像进行图像处理得到作业对象顶点的轴向距离,包括:
基于所述作业对象图像确定作业对象的对象中心点;
根据所述对象中心点的位置信息确定所述作业对象顶点的轴向距离。
7.根据权利要求1所述的作业对象高度确定方法,其特征在于,所述根据所述参照点、所述轴向距离以及所述高程图像确定所述作业对象的高度,包括:
将所述参照点所在的位置加上所述轴向距离得到所述作业对象的顶点位置;
根据所述参照点的位置以及所述作业对象的顶点位置在所述高程图像中确定各自的参照点高程以及作业对象高程;
根据所述参照点高程和所述作业对象高程得到所述作业对象的高度。
8.作业对象高度确定装置,其特征在于,包括:
图像获取模块,用于获取目标区域的正射影像和高程图像;
区域识别模块,用于对所述正射影像进行识别得到参照物区域以及作业区域,所述作业区域包括一个或多个作业对象;
作业对象识别模块,用于确定所述参照物区域的中心线以及参照点,基于所述中心线以及所述参照点确定对应的作业对象图像;
高度确定模块,用于对所述作业对象图像进行图像处理得到作业对象顶点的轴向距离,根据所述参照点、所述轴向距离以及所述高程图像确定所述作业对象的高度。
9.一种智慧农业系统,其特征在于,包括权利要求8所述的作业对象高度确定装置。
10.作业对象高度确定设备,所述设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现权利要求1-7中任一项所述的作业对象高度确定方法。
11.一种存储计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行权利要求1-7中任一项所述的作业对象高度确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111628673.8A CN114494396B (zh) | 2021-12-28 | 2021-12-28 | 作业对象高度确定方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111628673.8A CN114494396B (zh) | 2021-12-28 | 2021-12-28 | 作业对象高度确定方法、装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114494396A true CN114494396A (zh) | 2022-05-13 |
CN114494396B CN114494396B (zh) | 2023-06-09 |
Family
ID=81495975
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111628673.8A Active CN114494396B (zh) | 2021-12-28 | 2021-12-28 | 作业对象高度确定方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114494396B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1895025A (zh) * | 2005-07-15 | 2007-01-17 | 南京航空航天大学 | 基于计算机视觉的作物需水信息检测新方法 |
US20150356721A1 (en) * | 2014-06-05 | 2015-12-10 | Weyerhaeuser Nr Company | System and method for differentiating type of vegetation from remotely sensed data |
RU2668319C1 (ru) * | 2017-10-27 | 2018-09-28 | Общество с ограниченной ответственностью "АгроДронГрупп" | Способ и система обработки зон посева сельскохозяйственных культур на основании данных мониторинга |
CN208477111U (zh) * | 2018-05-04 | 2019-02-05 | 中国科学院遥感与数字地球研究所 | 一种基于LiDAR技术的无人机森林树高监测系统 |
CN109341702A (zh) * | 2018-12-13 | 2019-02-15 | 广州极飞科技有限公司 | 作业区域内的路线规划方法、装置、设备及存储介质 |
CN110132238A (zh) * | 2019-05-09 | 2019-08-16 | 苏州嘉奕晟中小企业科技咨询有限公司 | 用于地形影像数字高程模型的无人机测绘方法 |
WO2019198412A1 (ja) * | 2018-04-11 | 2019-10-17 | 国立大学法人信州大学 | 森林資源情報算定方法及び森林資源情報算定装置 |
CN111753688A (zh) * | 2020-06-12 | 2020-10-09 | 广州极飞科技有限公司 | 种植行中心线确定方法、装置、电子设备及存储介质 |
CN111982097A (zh) * | 2019-05-23 | 2020-11-24 | 广州极飞科技有限公司 | 无人作业设备的目标航线的生成方法及装置、植保系统 |
CN112215125A (zh) * | 2020-10-09 | 2021-01-12 | 武汉科技大学 | 一种基于YOLOv3的水位识别方法 |
CN112668534A (zh) * | 2021-01-05 | 2021-04-16 | 长沙理工大学 | 基于数字正射影像和数字表面模型反演林区植被高度的方法 |
CN112700346A (zh) * | 2020-12-31 | 2021-04-23 | 广州极飞科技有限公司 | 农作物高度的确定方法、装置、存储介质和设备 |
CN113807130A (zh) * | 2020-06-12 | 2021-12-17 | 广州极飞科技股份有限公司 | 一种杂草识别方法、装置、计算设备及存储介质 |
US20230039554A1 (en) * | 2021-08-09 | 2023-02-09 | Institute of Forest Resource Information Techniques CAF | Tree crown extraction method based on unmanned aerial vehicle multi-source remote sensing |
-
2021
- 2021-12-28 CN CN202111628673.8A patent/CN114494396B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1895025A (zh) * | 2005-07-15 | 2007-01-17 | 南京航空航天大学 | 基于计算机视觉的作物需水信息检测新方法 |
US20150356721A1 (en) * | 2014-06-05 | 2015-12-10 | Weyerhaeuser Nr Company | System and method for differentiating type of vegetation from remotely sensed data |
RU2668319C1 (ru) * | 2017-10-27 | 2018-09-28 | Общество с ограниченной ответственностью "АгроДронГрупп" | Способ и система обработки зон посева сельскохозяйственных культур на основании данных мониторинга |
WO2019198412A1 (ja) * | 2018-04-11 | 2019-10-17 | 国立大学法人信州大学 | 森林資源情報算定方法及び森林資源情報算定装置 |
CN208477111U (zh) * | 2018-05-04 | 2019-02-05 | 中国科学院遥感与数字地球研究所 | 一种基于LiDAR技术的无人机森林树高监测系统 |
CN109341702A (zh) * | 2018-12-13 | 2019-02-15 | 广州极飞科技有限公司 | 作业区域内的路线规划方法、装置、设备及存储介质 |
CN110132238A (zh) * | 2019-05-09 | 2019-08-16 | 苏州嘉奕晟中小企业科技咨询有限公司 | 用于地形影像数字高程模型的无人机测绘方法 |
CN111982097A (zh) * | 2019-05-23 | 2020-11-24 | 广州极飞科技有限公司 | 无人作业设备的目标航线的生成方法及装置、植保系统 |
CN111753688A (zh) * | 2020-06-12 | 2020-10-09 | 广州极飞科技有限公司 | 种植行中心线确定方法、装置、电子设备及存储介质 |
CN113807130A (zh) * | 2020-06-12 | 2021-12-17 | 广州极飞科技股份有限公司 | 一种杂草识别方法、装置、计算设备及存储介质 |
CN112215125A (zh) * | 2020-10-09 | 2021-01-12 | 武汉科技大学 | 一种基于YOLOv3的水位识别方法 |
CN112700346A (zh) * | 2020-12-31 | 2021-04-23 | 广州极飞科技有限公司 | 农作物高度的确定方法、装置、存储介质和设备 |
CN112668534A (zh) * | 2021-01-05 | 2021-04-16 | 长沙理工大学 | 基于数字正射影像和数字表面模型反演林区植被高度的方法 |
US20230039554A1 (en) * | 2021-08-09 | 2023-02-09 | Institute of Forest Resource Information Techniques CAF | Tree crown extraction method based on unmanned aerial vehicle multi-source remote sensing |
Non-Patent Citations (7)
Title |
---|
KHOSRAVIPOUR A ET AL.: "《Generating pitfree canopy height models from airborne Lidar》", 《PHOTOGRAMMETRIC ENGINEERING & REMOTE SENSING》 * |
刘江俊 等: "《基于无人机影像的树顶点和树高提取及其影响因素分析》", 《林业资源管理》, no. 4 * |
刘治开: "《基于无人机可见光图像的作物株高提取研究》", 《中国优秀博硕士学位论文全文数据库(硕士)农业科技辑》 * |
刘治开: "《基于无人机可见光图像的作物株高提取研究》", 《中国优秀博硕士学位论文全文数据库(硕士)农业科技辑》, 15 August 2019 (2019-08-15), pages 4 * |
李祥 等: "《一种高郁闭度林分树高的估测方法》", 《测绘科学》, vol. 44, no. 7 * |
颜安 等: "《基于无人机影像的棉花株高预测》", 《新疆农业科学》 * |
颜安 等: "《基于无人机影像的棉花株高预测》", 《新疆农业科学》, 15 August 2020 (2020-08-15), pages 1 - 10 * |
Also Published As
Publication number | Publication date |
---|---|
CN114494396B (zh) | 2023-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020134082A1 (zh) | 一种路径规划方法、装置和移动设备 | |
AU2019321145B2 (en) | Method, device, and equipment for obstacle or ground recognition and flight control, and storage medium | |
CN110135278B (zh) | 一种障碍物检测方法、装置及电子设备 | |
US11315318B2 (en) | Method for constructing grid map by using binocular stereo camera | |
CN104197899A (zh) | 移动机器人定位方法及系统 | |
CN112414403B (zh) | 一种机器人的定位定姿方法、设备及存储介质 | |
CN111765884A (zh) | 机器人重定位方法、装置、电子设备及存储介质 | |
CN111222539B (zh) | 基于多源多时相遥感影像优化和扩充监督分类样本的方法 | |
CN110009571B (zh) | 相机图像中检测位置的经纬度计算方法、系统及存储介质 | |
CN110702028B (zh) | 一种果园树干三维检测定位方法及装置 | |
CN115375868B (zh) | 地图显示和遥感地图显示方法、计算设备以及存储介质 | |
CN112381026A (zh) | 航道岸线检测方法、系统、装置和存储介质 | |
CN112561941A (zh) | 一种悬崖检测方法、装置和机器人 | |
CN115457408A (zh) | 一种土地监测方法、装置、电子设备及介质 | |
CN114494396B (zh) | 作业对象高度确定方法、装置、设备和存储介质 | |
CN110910435B (zh) | 建筑物点云提取方法、装置、计算机设备及可读存储介质 | |
CN112419459B (zh) | 烘焙模型ao贴图的方法、装置、计算机设备和存储介质 | |
CN114067038A (zh) | 图像处理方法、装置及电子设备 | |
CN113592975A (zh) | 一种基于遥感的鸟瞰图快速成图系统 | |
CN112559786B (zh) | 一种光学遥感影像成像时间的确定方法及装置 | |
CN114494912A (zh) | 目标对象检测方法、装置、设备和存储介质 | |
CN111337939A (zh) | 一种矩形物体外边框的估计方法及装置 | |
CN103163512A (zh) | 一种激光雷达数据的重采样方法 | |
CN112132967B (zh) | 一种山区洪水模拟方法、存储介质及设备 | |
CN112571410B (zh) | 一种区域确定方法、装置、移动机器人及系统 |
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 |