CN114565733A - 一种植被覆盖度测量方法、装置、电子设备及介质 - Google Patents
一种植被覆盖度测量方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN114565733A CN114565733A CN202210202036.2A CN202210202036A CN114565733A CN 114565733 A CN114565733 A CN 114565733A CN 202210202036 A CN202210202036 A CN 202210202036A CN 114565733 A CN114565733 A CN 114565733A
- Authority
- CN
- China
- Prior art keywords
- map
- unmanned aerial
- aerial vehicle
- preset
- generating
- 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
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000012545 processing Methods 0.000 claims abstract description 16
- 238000009826 distribution Methods 0.000 claims abstract description 15
- 238000003860 storage Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 9
- 238000004519 manufacturing process Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 4
- 238000011835 investigation Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 7
- 241000196324 Embryophyta Species 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000005259 measurement Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000209504 Poaceae Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
Classifications
-
- 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
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
-
- 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)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- Instructional Devices (AREA)
Abstract
本发明公开一种植被覆盖度测量方法、装置、电子设备及介质,属于计算机技术领域,特别涉及一种植被覆盖度测量方法,包括:获取待测地区的底图,按照预设线路图规划航迹;设置搭载在无人机上的图像采集模块以及无人机飞行参数,按照航迹控制无人机采集航拍图像;根据航拍图像进行数据处理,生成路域范围的正射影像图,构建三维模型;基于三维模型按照预设分辨率采用指定方式生彩色指数地图;采用自然断点分级法,生成地类分布图,校核明显的错误图斑,统计植被覆盖度。本发明利用低空无人机搭载高精度摄像头对区域范围内航拍,可获取区域范围内的高精度遥感影像,并直接获取待测地区的植被盖情况,结合三维建模调查统计区域植被盖度分布情况。
Description
技术领域
本发明属于计算机技术领域,特别涉及一种植被覆盖度测量方法、装置、电子设备及介质。
背景技术
植被覆盖度(fractional vegetation cover,FVC)是指包括乔、灌、草和农作物在内的所有植被的冠层、枝叶在生长区域地面的垂直投影面积占研究统计区域总面积的百分比。植被覆盖度是衡量地表植被生长状况的一个最重要的指标,是对生态系统进行描述的重要基础数据。
目前,常用的植被覆盖度监测方法中,目测估算法是采用肉眼并凭借经验直接判别或利用相片、网格等参照物来估计植被覆盖度,该方法虽简单易行,但受测量人主观感受和经验影响较大,估算精度较低,不利于进行植被覆盖度变化分析。植被指数法是指通过对遥感影像不同地物光谱信号的分析,选取与植被覆盖度有良好相关性的植被指数,再通过植被指数换算出植被覆盖度,此种方法采用的航空传感器极易受云雾天气等外界因素的干扰,加之遥感光谱信号受植被生长环境的影响,这些因素都会对植被覆盖度提取精度造成影响。仪器监测法通常是利用数码相机捕捉光通过植被冠层的情况,据此计算植被覆盖度,该方法测量结果精度较高且简单易行,但传统的数码相机拍摄范围有限,耗时较长,无法达到快速识别植被的要求。
综上所述,现有技术中利用遥感影像进行服务区范围的乔木植被盖度测量,对遥感影像的精度要求高,遥感影像易受大气云层影响,人工解译难度大,数据处理时间周期长,需要补充人工现场复核,人工工作量大。
发明内容
为了至少解决上述技术问题,本发明提供了一种植被覆盖度测量方法、装置、设备及可读存储介质。
根据本发明第一方面,提供了一种植被覆盖度测量方法,包括:
获取待测地区的底图,按照预设线路图规划航迹;
设置搭载在无人机上的图像采集模块以及无人机飞行参数,按照航迹控制无人机采集航拍图像;
根据航拍图像进行数据处理,生成路域范围的正射影像图,构建三维模型;
基于三维模型按照预设分辨率采用指定方式生彩色指数地图;
采用自然断点分级法,生成地类分布图,校核明显的错误图斑,统计植被覆盖度。
进一步的,
所述设置搭载在无人机上的图像采集模块以及无人机飞行参数,包括:
将搭载在无人机上的图像采集模块采集角度设置为预设角度,按照分级方式设置无人机航向重叠度和侧向重叠度。
进一步的,
所述按照分级方式设置无人机航向重叠度和侧向重叠度,包括:
在地块颜色辨识度达到预设阈值的情形下,将无人机航向重叠度和侧向重叠度设置为一级预设数据;在地块颜色辨识度未达到预设阈值的情形下,将无人机航向重叠度和侧向重叠度设置为二级预设数据。
进一步的,
所述根据航拍图像进行数据处理,生成路域范围的正射影像图,构建三维模型,包括:
将航拍图像利用预设建模软件,进行数据检测,拼接数据,生成路域范围的正射影像图,构建航拍图像对应的三维模型。
进一步的,
所述基于三维模型按照预设分辨率采用指定方式生彩色指数地图,包括:
按预设分辨率生成反射地图和红绿蓝三色图,划分干扰图斑,对干扰图斑外的剩余区域,采用公式编辑器配置的公式,生成蓝光波段图,基于蓝光波段图生成彩色指数地图。
进一步的,
所述划分干扰图斑,包括:
对地块颜色与植被颜色近似度达到预设数值的区域圈定为干扰图斑。
进一步的,
所述采用自然断点分级法,生成地类分布图,校核明显的错误图斑,统计植被覆盖度,包括:
采用自然断点分级法,将等级数设置为大于6的任意等级数值,生成地类分布图,根据原始影像识别植被所占的图斑,校核明显的识别错误的图斑,统计植被覆盖度。
根据本发明第二方面,一种植被覆盖度测量装置,包括:
规划模块,用于获取待测地区的底图,按照预设线路图规划航迹;
调控模块,用于设置搭载在无人机上的图像采集模块以及无人机飞行参数,按照航迹控制无人机采集航拍图像;
建模模块,用于根据航拍图像进行数据处理,生成路域范围的正射影像图,构建三维模型;
生产模块,用于基于三维模型按照预设分辨率采用指定方式生彩色指数地图;
统计模块,用于采用自然断点分级法,生成地类分布图,校核明显的错误图斑,统计植被覆盖度。
根据本发明第三方面,一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,
所述处理器执行所述程序时实现本发明第一方面任一项所述方法的步骤。
根据本发明第四方面,一种计算机可读存储介质,所述计算机可读存储介质存储有程序,所述程序被执行时,能够实现如本发明第一方面任一项所述的方法。
本发明的有益效果:通过利用低空无人机搭载高精度摄像头对区域范围内进行航拍,可获取区域范围内的高精度遥感影像,并直接获取待测地区的植被盖情况,以此快速获取区域植被盖度分布情况。
本发明无需购买遥感影像,仅用无人机配套技术,通过实地航拍即可获取高精度遥感影像,同时以点代面,通过可见光植被指数参数直接获取整个项目的植被盖度,既提高了数据采集和影像处理效率,也提高了数据处理的精度,利用低空无人机航拍测算区域范围内植被覆盖度,能够高效、高精度获取区域范围内的植被覆盖度。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中,
图1为本发明提供的一种植被覆盖度测量方法流程图;
图2为本发明提供的一种航拍图像;
图3为本发明提供的一种蓝光反射图;
图4为本发明提供的另一种蓝光反射图;
图5为本发明提供的又一种蓝光反射图;
图6为本发明提供的一种植被覆盖度测量装置结构示意图;
图7为本发明提供的一种电子设备结构示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
为了更清楚地说明本发明,下面结合优选实施例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解,下面所具体描述的内容是说明性的而非限制性的,不应以此限制本发明的保护范围。
实施例1
在本发明的第一方面,提供一种植被覆盖度测量方法,如图1所示,包括:
步骤101:获取待测地区的底图,按照预设线路图规划航迹;
在本发明中,获取预先采集到的待测地区的底图,根据底图规划设计航迹,本发明中,也可以预先设置线路图。
步骤102:设置搭载在无人机上的图像采集模块以及无人机飞行参数,按照航迹控制无人机采集航拍图像;
本发明中,将搭载在无人机上的图像采集模块采集角度设置为预设角度,预设角度为45°,按照分级方式设置无人机航向重叠度和侧向重叠度。具体可以在无人机上搭载高精度相机作为图像采集模块,相机角度为45°,按照分级方式设置无人机航向重叠度和侧向重叠度。进一步的,在地块颜色辨识度达到预设阈值的情形下,将无人机航向重叠度和侧向重叠度设置为一级预设数据;在地块颜色辨识度未达到预设阈值的情形下,将无人机航向重叠度和侧向重叠度设置为二级预设数据,其中,预设阈值可以为80%。具体可以在地块颜色容易区分的情形下,将无人机航向重叠度和侧向重叠度设置为一级预设数据,其中,预设数据可以为70%;在植被密集,地块颜色难以区分的情形下,将无人机航向重叠度和侧向重叠度设置为二级预设数据,其中,二级预设数据可以为90%,设置好上述参数后,按照既定的航迹控制无人机进行航拍。
步骤103:根据航拍图像进行数据处理,生成路域范围的正射影像图,构建三维模型;
本发明中,将航拍图像利用预设建模软件,进行数据检测,拼接数据,其中,预设建模软件可以为Pix 4D,生成路域范围的正射影像图,构建航拍图像对应的三维模型。
进一步的,筛选并删除掉起飞和降落阶段航拍图像后,对航拍图像进行拼接校正处理,生成能够正确反映研究区实际情况的路域范围的正射影像图。拼接生成路域范围的正射影像图具有红、绿、蓝3个光谱波段。
步骤104:基于三维模型按照预设分辨率采用指定方式生彩色指数地图;
本发明中,按预设分辨率生成反射地图和红绿蓝三色图,其中,预设分辨率设置为50厘米/像素。对地块颜色与植被颜色相似的区域圈定为干扰图斑,具体可以对地块颜色与植被颜色近似度达到预设数值的区域圈定为干扰图斑,预设数值可以为80%。对干扰图斑外的剩余区域,采用公式编辑器配置的公式,生成蓝光波段图即blue波段图,按照彩色地图及配方处选择等级数至少大于5的原则,生成彩色指数地图。
在本发明中,对于干扰图斑比较多的情形,对干扰图斑生成预设分辨率被设置为30厘米/像素的反射地图,将0.2green+0.6blue+0.2red作为指数公式,将blue前系数设置为大于0.5并且小于1的数,动态调整green、red之前的系数,生成彩色指数地图。
步骤105:采用自然断点分级法,生成地类分布图,校核明显的错误图斑,统计植被覆盖度。
在本发明中,采用自然断点分级法,将等级数设置为大于6的任意等级数值,生成地类分布图,根据原始影像即航拍图像,识别植被所占的图斑,校核明显的识别错误的图斑,统计植被覆盖度。
在本发明的一个实施例中,对待测地区航拍后的原始影像图即航拍图像如图2所示,生成的彩色指数地图可以为蓝光指数地图,按照自然断点分级法设为5时,生成的蓝光反射地图如图3所示,按照间距相等设置为5时,生成的蓝光反射图如图4所示,按照同等面积设置为5时,生成的蓝光反射图如图5所示。在本发明的另一个实施例中,生成的彩色指数地图还可以为绿光指数地图,当然彩色指数地图也可为红光指数地图。
在本发明的又一个实施例中,可以利用生成的原始影像即航拍图像,导入GIS软件目视解译,提取服务区的植被盖度S总,导入指数值和比率的多边形shape文件,与植被盖度图对比,校核S1直接表示S总的精度,对比发现采用本发明方法测量的植被覆盖度精度达到90%以上,以此验证本发明技术方案的准确性。
表1,经比较发现,在采用人工样方法调查测量方法时,需要多人协同合作,在一种实施方式中,采用6人及逆行人工测量,耗时长,精度受观测方法影响大,精度偏差大,整体来说,采用人工测量的方法,观测效率低、成本高。通过目测估算盖度,受观测者主观影响大,估测精度难以保证。
采用遥感影像测量方法时,单人独立作业,但是受回访周期限制,一般需要耗时4至10天,耗时长,但是需要地面观测校正结果,操作繁琐,还需要定期定点测量,测量成本高、受云层影响大,不能保证数据实时性。
采用本发明方法,可以一人独立作业,操作简单耗时短,在本发明一种实施方式中,耗时需要2小时,大大节省测量时间,降低时间成本,并且测量精度能够达到94%,时效性强、操作简单。
表1样地植被盖度测量方法对比表
实施例2
在本发明第二方面,提供一种植被覆盖度测量装置,如图6所示,包括:
规划模块601,用于获取待测地区的底图,按照预设线路图规划航迹;
在本发明中,规划模块601用于获取预先采集到的待测地区的底图,根据底图规划设计航迹,本发明中,也可以预先设置线路图。
调控模块602,用于设置搭载在无人机上的图像采集模块以及无人机飞行参数,按照航迹控制无人机采集航拍图像;
本发明中,调控模块602用于将搭载在无人机上的图像采集模块采集角度设置为预设角度,预设角度为45°,按照分级方式设置无人机航向重叠度和侧向重叠度。具体可以在无人机上搭载高精度相机作为图像采集模块,相机角度为45°,按照分级方式设置无人机航向重叠度和侧向重叠度。进一步的,在地块颜色辨识度达到预设阈值的情形下,将无人机航向重叠度和侧向重叠度设置为一级预设数据;在地块颜色辨识度未达到预设阈值的情形下,将无人机航向重叠度和侧向重叠度设置为二级预设数据,其中,预设阈值可以为80%。具体可以在地块颜色容易区分的情形下,将无人机航向重叠度和侧向重叠度设置为一级预设数据,其中,预设数据可以为70%;在植被密集,地块颜色难以区分的情形下,将无人机航向重叠度和侧向重叠度设置为二级预设数据,其中,二级预设数据可以为90%,设置好上述参数后,按照既定的航迹控制无人机进行航拍。
建模模块603,用于根据航拍图像进行数据处理,生成路域范围的正射影像图,构建三维模型;
本发明中,建模模块603具体用于将航拍图像利用预设建模软件,进行数据检测,拼接数据,其中,预设建模软件可以为Pix 4D,生成路域范围的正射影像图,构建航拍图像对应的三维模型。
生产模块604,用于基于三维模型按照预设分辨率采用指定方式生彩色指数地图;
本发明中,生产模块604按预设分辨率生成反射地图和红绿蓝三色图,其中,预设分辨率设置为50厘米/像素。对地块颜色与植被颜色相似的区域圈定为干扰图斑,具体可以对地块颜色与植被颜色近似度达到预设数值的区域圈定为干扰图斑,预设数值可以为80%。对干扰图斑外的剩余区域,采用公式编辑器配置的公式,生成蓝光波段图即blue波段图,按照彩色地图及配方处选择等级数至少大于5的原则,生成彩色指数地图。
在本发明中,生产模块604对于干扰图斑比较多的情形,对干扰图斑生成预设分辨率被设置为30厘米/像素的反射地图,将0.2green+0.6blue+0.2red作为指数公式,将blue前系数设置为大于0.5并且小于1的数,动态调整green、red之前的系数,生成彩色指数地图。
统计模块605,用于采用自然断点分级法,生成地类分布图,校核明显的错误图斑,统计植被覆盖度。
在本发明中,统计模块605具体用于采用自然断点分级法,将等级数设置为大于6的任意等级数值,生成地类分布图,根据原始影像即航拍图像,识别植被所占的图斑,校核明显的识别错误的图斑,统计植被覆盖度。
在本发明第三方面,提供一种电子设备,下面参考图7,其示出了适于用来实现本公开实施例的电子设备的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图7示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图7所示,电子设备可以包括处理装置(例如中央处理器、图形处理器等)701,其可以根据存储在只读存储器(ROM)702中的程序或者从存储装置708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中,还存储有电子设备操作所需的各种程序和数据。处理装置701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
通常,以下装置可以连接至I/O接口705:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置706;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置707;包括例如磁带、硬盘等的存储装置708;以及通信装置709。通信装置709可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置709从网络上被下载和安装,或者从存储装置708被安装,或者从ROM 702被安装。在该计算机程序被处理装置701执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:从第一设备接收语音信号;解析所述语音信号得到第二设备标识符以及第二设备控制指令;根据所述第二设备标识符向所述第二设备发送所述第二设备控制指令;从所述第二设备接收所述第二设备控制指令的执行结果;向所述第一设备发送所述第二设备控制指令的执行结果。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
应当理解,以上借助优选实施例对本发明的技术方案进行的详细说明是示意性的而非限制性的。本领域的普通技术人员在阅读本发明说明书的基础上可以对各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种植被覆盖度测量方法,其特征在于,包括:
获取待测地区的底图,按照预设线路图规划航迹;
设置搭载在无人机上的图像采集模块以及无人机飞行参数,按照航迹控制无人机采集航拍图像;
根据航拍图像进行数据处理,生成路域范围的正射影像图,构建三维模型;
基于三维模型按照预设分辨率采用指定方式生彩色指数地图;
采用自然断点分级法,生成地类分布图,校核明显的错误图斑,统计植被覆盖度。
2.如权利要求1所述的方法,其特征在于,
所述设置搭载在无人机上的图像采集模块以及无人机飞行参数,包括:
将搭载在无人机上的图像采集模块采集角度设置为预设角度,按照分级方式设置无人机航向重叠度和侧向重叠度。
3.如权利要求2所述的方法,其特征在于,
所述按照分级方式设置无人机航向重叠度和侧向重叠度,包括:
在地块颜色辨识度达到预设阈值的情形下,将无人机航向重叠度和侧向重叠度设置为一级预设数据;在地块颜色辨识度未达到预设阈值的情形下,将无人机航向重叠度和侧向重叠度设置为二级预设数据。
4.如权利要求1所述的方法,其特征在于,
所述根据航拍图像进行数据处理,生成路域范围的正射影像图,构建三维模型,包括:
将航拍图像利用预设建模软件,进行数据检测,拼接数据,生成路域范围的正射影像图,构建航拍图像对应的三维模型。
5.如权利要求1所述的方法,其特征在于,
所述基于三维模型按照预设分辨率采用指定方式生彩色指数地图,包括:
按预设分辨率生成反射地图和红绿蓝三色图,划分干扰图斑,对干扰图斑外的剩余区域,采用公式编辑器配置的公式,生成蓝光波段图,基于蓝光波段图生成彩色指数地图。
6.如权利要求5所述的方法,其特征在于,
所述划分干扰图斑,包括:
对地块颜色与植被颜色近似度达到预设数值的区域圈定为干扰图斑。
7.如权利要求1所述的方法,其特征在于,
所述采用自然断点分级法,生成地类分布图,校核明显的错误图斑,统计植被覆盖度,包括:
采用自然断点分级法,将等级数设置为大于6的任意等级数值,生成地类分布图,根据原始影像识别植被所占的图斑,校核明显的识别错误的图斑,统计植被覆盖度。
8.一种植被覆盖度测量装置,其特征在于,包括:
规划模块,用于获取待测地区的底图,按照预设线路图规划航迹;
调控模块,用于设置搭载在无人机上的图像采集模块以及无人机飞行参数,按照航迹控制无人机采集航拍图像;
建模模块,用于根据航拍图像进行数据处理,生成路域范围的正射影像图,构建三维模型;
生产模块,用于基于三维模型按照预设分辨率采用指定方式生彩色指数地图;
统计模块,用于采用自然断点分级法,生成地类分布图,校核明显的错误图斑,统计植被覆盖度。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,
所述处理器执行所述程序时实现权利要求1-7任一项所述方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有程序,所述程序被执行时,能够实现如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210202036.2A CN114565733A (zh) | 2022-03-02 | 2022-03-02 | 一种植被覆盖度测量方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210202036.2A CN114565733A (zh) | 2022-03-02 | 2022-03-02 | 一种植被覆盖度测量方法、装置、电子设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114565733A true CN114565733A (zh) | 2022-05-31 |
Family
ID=81717831
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210202036.2A Pending CN114565733A (zh) | 2022-03-02 | 2022-03-02 | 一种植被覆盖度测量方法、装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114565733A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117371963A (zh) * | 2023-12-06 | 2024-01-09 | 浙江数维科技有限公司 | 一种国土调查举证照片自动核查方法与系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004133094A (ja) * | 2002-10-09 | 2004-04-30 | Zenrin Co Ltd | 3次元電子地図データの生成方法 |
CN111144775A (zh) * | 2019-12-30 | 2020-05-12 | 四川省自然资源科学研究院 | 基于景观格局的乡级土地利用总体规划生态风险评价方法 |
-
2022
- 2022-03-02 CN CN202210202036.2A patent/CN114565733A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004133094A (ja) * | 2002-10-09 | 2004-04-30 | Zenrin Co Ltd | 3次元電子地図データの生成方法 |
CN111144775A (zh) * | 2019-12-30 | 2020-05-12 | 四川省自然资源科学研究院 | 基于景观格局的乡级土地利用总体规划生态风险评价方法 |
Non-Patent Citations (2)
Title |
---|
张立川等: "无人机影像采集与DSM/DEM模型在铜堆浸场的应用", 云南冶金, vol. 48, no. 6, 25 December 2019 (2019-12-25), pages 1 - 4 * |
王美琪等: "废弃矿山植被覆盖度无人机遥感快速提取技术", 中国水土保持科学, vol. 18, no. 2, 15 April 2020 (2020-04-15), pages 1 - 5 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117371963A (zh) * | 2023-12-06 | 2024-01-09 | 浙江数维科技有限公司 | 一种国土调查举证照片自动核查方法与系统 |
CN117371963B (zh) * | 2023-12-06 | 2024-02-23 | 浙江数维科技有限公司 | 一种国土调查举证照片自动核查方法与系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110222903B (zh) | 一种基于无人机遥感的水稻产量预测方法及系统 | |
Roth et al. | PhenoFly Planning Tool: flight planning for high-resolution optical remote sensing with unmanned areal systems | |
US9185289B2 (en) | Generating a composite field of view using a plurality of oblique panoramic images of a geographic area | |
CN114080540A (zh) | 信息处理装置、信息处理方法、程序和感测系统 | |
KR20220119645A (ko) | 작물 유형 및/또는 파종 날짜 추정 | |
CN109918531A (zh) | 一种毒品原植物的搜查方法、装置和计算机可读存储介质 | |
Mozgovoy et al. | Accuracy evaluation of automated object recognition using multispectral aerial images and neural network | |
CN114565733A (zh) | 一种植被覆盖度测量方法、装置、电子设备及介质 | |
CN115265489A (zh) | 一种动态遥感监测的国土测绘方法及其系统 | |
CN109238224B (zh) | 无人机飞行高度消差方法、装置、系统及智能终端 | |
CN115988507A (zh) | 信号测量方法、装置、设备及计算机可读存储介质 | |
CN111598874B (zh) | 一种基于智能移动端的红树林郁闭度调查方法 | |
CN108225318A (zh) | 基于图像质量的航空遥感路径规划方法及系统 | |
CN109784320B (zh) | 人参设施农业域确定方法 | |
CN115620264B (zh) | 车辆定位方法、装置、电子设备和计算机可读介质 | |
CN113553549B (zh) | 一种植被覆盖度反演方法、装置、电子设备及存储介质 | |
CN114494859B (zh) | 基于遥感数据的长时间序列积雪遥感数据集构建方法 | |
Tu et al. | 2D in situ method for measuring plant leaf area with camera correction and background color calibration | |
Liu et al. | High-spatial-resolution nighttime light dataset acquisition based on volunteered passenger aircraft remote sensing | |
CN113240340B (zh) | 基于模糊分类的大豆种植区分析方法、装置、设备和介质 | |
CN112597788B (zh) | 目标测定方法、装置、电子设备和计算机可读介质 | |
CN115077539A (zh) | 一种地图生成方法、装置、设备以及存储介质 | |
Suarez et al. | Vegetation spectroscopy | |
Santillan et al. | Effects of flight plan parameters on the quality and usability of low-cost UAS photogrammetry data products for tree crown delineation | |
CN111291862A (zh) | 用于模型压缩的方法和装置 |
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 |