CN115358497A - 基于gis技术的智慧全景巡河方法及系统 - Google Patents
基于gis技术的智慧全景巡河方法及系统 Download PDFInfo
- Publication number
- CN115358497A CN115358497A CN202211301868.6A CN202211301868A CN115358497A CN 115358497 A CN115358497 A CN 115358497A CN 202211301868 A CN202211301868 A CN 202211301868A CN 115358497 A CN115358497 A CN 115358497A
- Authority
- CN
- China
- Prior art keywords
- river
- target
- cruise
- aerial vehicle
- unmanned aerial
- 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
- 238000000034 method Methods 0.000 title claims abstract description 74
- 238000005516 engineering process Methods 0.000 title claims abstract description 33
- 230000004069 differentiation Effects 0.000 claims abstract description 25
- 230000008569 process Effects 0.000 claims abstract description 19
- 238000007781 pre-processing Methods 0.000 claims abstract description 18
- 238000005457 optimization Methods 0.000 claims abstract description 16
- 238000000605 extraction Methods 0.000 claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims description 131
- 238000012545 processing Methods 0.000 claims description 33
- 230000011218 segmentation Effects 0.000 claims description 22
- 241000257303 Hymenoptera Species 0.000 claims description 17
- 239000003016 pheromone Substances 0.000 claims description 13
- 230000000877 morphologic effect Effects 0.000 claims description 8
- 230000015572 biosynthetic process Effects 0.000 claims description 6
- 230000005855 radiation Effects 0.000 claims description 6
- 238000003786 synthesis reaction Methods 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000005530 etching Methods 0.000 claims description 2
- 230000003628 erosive effect Effects 0.000 claims 1
- 238000007689 inspection Methods 0.000 abstract 1
- 230000006870 function Effects 0.000 description 39
- 230000007797 corrosion Effects 0.000 description 11
- 238000005260 corrosion Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 201000004569 Blindness Diseases 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000000969 carrier Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 108090000765 processed proteins & peptides Proteins 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
Images
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C39/00—Aircraft not otherwise provided for
- B64C39/02—Aircraft not otherwise provided for characterised by special use
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/85—Investigating moving fluids or granular solids
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C1/00—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
- G07C1/20—Checking timed patrols, e.g. of watchman
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Business, Economics & Management (AREA)
- Radar, Positioning & Navigation (AREA)
- Computational Mathematics (AREA)
- Pathology (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Chemical & Material Sciences (AREA)
- Remote Sensing (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Human Resources & Organizations (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Automation & Control Theory (AREA)
- Economics (AREA)
- Algebra (AREA)
- Strategic Management (AREA)
- Databases & Information Systems (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
Abstract
本发明涉及河流智能巡视的技术领域,揭露了一种基于GIS技术的智慧全景巡河方法及系统,方法包括:采集目标河流区域卫星图片,并对采集得到的目标河流区域卫星图片进行主题差异化预处理,并计算得到目标河流的关键点和距离信息;构建最优河流巡航目标函数,对构建的最优河流巡航目标函数进行优化求解得到巡航路径;实时对巡航过程中的无人机进行动态高度调整,控制无人机录制河流生态环境视频进行环境检验。本发明实现卫星图片中河流区域的提取,利用改进的启发式算法对最优河流巡航目标函数进行求解,快速得到能够涵盖目标河流全段的巡航路径,无人机可按照巡航路径进行巡航,在保证巡航全段目标河流的前提下,实现巡航路径最短。
Description
技术领域
本发明涉及河流智能巡视的技术领域,尤其涉及基于GIS技术的智慧全景巡河方法及系统。
背景技术
随着河流生态环境安全引起广泛关注,巡河任务作为保护河流生态环境的重要手段也越来越得到重视。现有的巡河手段主要为人工巡河,即工作人员乘坐船艇等载体进行河流生态巡视,该种手段不仅效率低下而且无法保证河流巡视的全面性,存在诸多缺陷。针对该问题,本发明提出一种基于GIS技术的智慧全景巡河方法及系统,实现无人全场景智能巡河。
发明内容
有鉴于此,本发明提供一种基于GIS技术的智慧全景巡河方法,目的在于1)对卫星图片进行主题差异化处理,其中主题差异化预处理包括河流前景分割处理、河流边缘增强处理以及河流路径提取处理,实现卫星图片中河流区域的提取;2)根据所提取的河流区域路径,构建最优河流巡航目标函数,利用改进的启发式算法对最优河流巡航目标函数进行求解,快速得到能够涵盖目标河流全段的巡航路径,无人机可按照巡航路径进行巡航,在保证巡航全段目标河流的前提下,实现巡航路径最短;3)使用基于量子比特的概率幅矩阵完成传统蚁群算法中信息素的更新,保证随着算法迭代次数的增加,算法求解结果能够逐渐接近最优解,并基于选择概率控制蚂蚁移动,有效的降低传统蚁群搜索的盲目性和从众性,这样既能够保证大多数蚂蚁根据信息素寻径,也能保证使少量蚂蚁选择其他路径,从而可以避免陷入局部最优,加快全局收敛速度,快速得到最优河流巡航路径。
实现上述目的,本发明提供的一种基于GIS技术的智慧全景巡河方法,包括以下步骤:
S1:采集目标河流区域卫星图片,并对采集得到的目标河流区域卫星图片进行主题差异化预处理,得到预处理后的目标河流区域图片;
S2:对预处理后的目标河流区域图片进行形态识别与数据标定,得到目标河流的关键点和距离信息,其中目标河流关键点包括河流分支点、折转点,距离信息为目标河流关键点之间的距离;
S3:根据得到的目标河流关键点和距离信息构建最优河流巡航目标函数,其中最优河流巡航目标函数的变量为不同关键点的访问先后次序,目标值为河流巡航距离;
S4:对构建的最优河流巡航目标函数进行优化求解,得到不同关键点的访问顺序,以关键点访问顺序为河流巡航顺序控制无人机对目标河流进行巡航;
S5:实时对巡航过程中的无人机进行动态高度调整保证无人机以恒定高度进行巡航,并控制无人机录制河流生态环境视频传输至后台服务器,后台工作人员对传输回来的视频进行人工核验,判断目标河流的生态环境安全状况。
作为本发明的进一步改进方法:
可选地,所述S1步骤中采集目标河流区域卫星图片,包括:
利用遥感平台承载的遥感器采集目标河流区域的卫星图片,其中遥感平台为人造卫星,遥感器为多光谱扫描仪,目标河流区域卫星图片的采集流程为:
分别选取红波段、蓝波段以及绿波段对应的滤波片进行投影合成,其中红波段的对应波长为0.67um,蓝波段的波长为0.46um,绿波段的波长为0.53um;
从目标河流区域发出的红外光辐射以及可见光辐射进入多光谱扫描仪,并透过投影合成后的滤波片得到目标河流区域卫星图片。
可选地,所述S1步骤中对采集得到的目标河流区域卫星图片进行主题差异化预处理,包括:
对采集得到的目标河流区域卫星图片进行主题差异化预处理,所述主题差异化预处理包括河流前景分割处理、河流边缘增强处理以及河流路径提取处理,所述主题差异化预处理流程为:
S11:对目标河流区域卫星图片进行灰度化处理,将灰度化处理后像素的灰度值作为对应像素的像素值,所述灰度化处理的公式为:
其中:
S12:将灰度化处理后的目标河流区域卫星图片转换为像素矩阵M,像素的像素值即为对应元素的元素值,其中目标河流区域卫星图片的规格为N×N像素,像素矩阵为N行N列的矩阵,N表示目标河流区域卫星图片分别在水平方向以及竖直方向的像素数目;
其中:
其中:
表示膨胀处理,C1表示膨胀矩阵,在本发明实施例中,所述膨胀处理的流程为用膨胀矩阵的中心点依次扫描待膨胀矩阵的元素,待膨胀矩阵的被扫描元素的取值为膨胀矩阵所有效覆盖的待膨胀矩阵元素的最大值,其中膨胀矩阵中元素值为1的元素可以有效覆盖待膨胀矩阵元素;
表示腐蚀处理,C2表示腐蚀矩阵,在本发明实施例中,所述腐蚀处理的流程为用腐蚀矩阵的中心点依次扫描待腐蚀矩阵的元素,待腐蚀矩阵的被扫描元素的取值为腐蚀矩阵所有效覆盖的待腐蚀矩阵元素的最小值,其中腐蚀矩阵中元素值为1的元素可以有效覆盖待腐蚀矩阵元素;
S15:构建梯度矩阵A1和A2:
其中:
将像素矩阵中梯度值大于等于阈值且元素值大于等于m*的元素标记为河流边缘元素,并将河流边缘元素的元素值设置为255,河流前景元素的元素值设置为160,非河流边缘元素的元素值设置为0,得到标记河流边缘后的像素矩阵;
S17:将像素矩阵转换为图片,并将所转换图片为预处理后的目标河流区域图片,预处理后目标河流区域图片中的边缘线即为目标河流路径的边缘,所述预处理后的目标河流区域图片中黑色区域即为背景,白色部分即为目标河流的边缘,相邻两条边缘线之间的蓝色区域即为目标河流。
可选地,所述S2步骤中对预处理后的目标河流区域图片进行形态识别与数据标定,包括:
对预处理后的目标河流区域图片进行形态识别与数据标定,得到目标河流的关键点和距离信息,其中目标河流关键点包括河流分支点、折转点,距离信息为目标河流关键点之间的距离,所述形态识别与数据标定的流程为:
S21:将相邻两条边缘线中间蓝色区域的中心作为目标河流的中心点,依次连接目标河流的相邻中心点,得到目标河流的中心线;
S22:计算中心线中相邻两段直线的夹角,若夹角小于160度,则表示两端直线的连接点为目标河流关键点,重复该步骤,得到目标河流关键点集合;
S23:计算任意两个目标河流关键点的距离,所述任意两个目标河流关键点的距离为任意两个目标河流关键点在中心线上的等比例扩大后的实际地理距离。
可选地,所述S3步骤中构建最优河流巡航目标函数,包括:
按照河流巡航路径对目标河流的关键点进行编号,得到目标河流的关键点集合key:
其中:
构建最优河流巡航目标函数:
其中:
L表示无人机对目标河流进行巡航的巡航路径节点序列,无人机从基地出发,沿着目标河流中心线进行巡航,依次经过巡航路径节点,直到返回初始河流巡航位置,f(L)表示巡航路径L的总距离。在本发明实施例中,通过对最优河流巡航目标函数进行求解,得到能够涵盖目标河流全段的巡航路径,无人机可按照巡航路径进行巡航,在保证巡航全段目标河流的前提下,实现巡航路径最短。
可选地,所述S4步骤中对构建的最优河流巡航目标函数进行优化求解,得到不同关键点的访问顺序,包括:
对所构建的最优河流巡航目标函数进行优化求解,得到目标河流中不同关键点的访问顺序,即无人机对目标河流进行巡航的巡航路径,所述最优河流巡航目标函数的优化求解流程为:
S41:初始化最优河流巡航目标函数的最大迭代次数为Max,蚂蚁数量为U,当前迭代次数为t,t的初始值为0;
初始化Q个目标河流关键点以及无人机基地位置的概率幅矩阵,表示在第t次迭代时蚂蚁从第x个点到第y个点的概率幅,其中第0个点表示无人机基地位置,其余点则表示目标河流关键点;当x=y,,当t=0且,初始化;
其中:
重复该步骤,直到所有蚂蚁遍历完成Q个目标河流关键点并返回无人机基地,得到第t次迭代的P组巡航路径节点序列,并将P组巡航路径节点序列代入到最优河流巡航目标函数中,将总距离最小的巡航路径节点序列作为第t次迭代的最优巡航路径节点序列;
S43:更新两个点之间的信息素浓度:
其中:
S44:更新概率幅矩阵:
其中:
S45:若t=Max,则输出第t次迭代的最优巡航路径节点序列作为求解结果,否则令t=t+1,返回步骤S42。
可选地,所述S4步骤中以关键点访问顺序为河流巡航顺序控制无人机对目标河流进行巡航,包括:
根据求解得到的目标河流关键点访问顺序,确定无人机的目标河流巡航路径节点序列,控制无人机从基地出发,沿着目标河流中心线进行巡航,依次经过求解得到的目标河流巡航路径节点,直到返回无人机基地。
可选地,所述S5步骤中实时对巡航过程中的无人机进行动态高度调整保证无人机以恒定高度进行巡航,并控制无人机录制河流生态环境视频传输至后台服务器,包括:
控制处于巡航过程中的无人机实时录制河流生态环境视频,并基于所录制的河流生态环境视频的分辨率实时确定无人机高度,并对无人机高度进行动态调整,保证无人机以恒定的初始巡航高度进行巡航,其中无人机高度W的计算公式为:
其中:
无人机将所录制视频传输至后台服务器,后台工作人员对传输回来的视频进行人工核验,判断目标河流的生态环境安全状况,若存在生态环境污染问题则进行告警。
为了解决上述问题,本发明提供一种基于GIS技术的智慧全景巡河系统,所述系统包括:
目标河流识别装置,用于采集目标河流区域卫星图片,并对采集得到的目标河流区域卫星图片进行主题差异化预处理,对预处理后的目标河流区域图片进行形态识别与数据标定,得到目标河流的关键点和距离信息;
河流巡航路径求解模块,用于根据得到的目标河流关键点和距离信息构建最优河流巡航目标函数,对构建的最优河流巡航目标函数进行优化求解,得到不同关键点的访问顺序;
巡航控制装置,用于以关键点访问顺序为河流巡航顺序控制无人机对目标河流进行巡航,实时对巡航过程中的无人机进行动态高度调整保证无人机以恒定高度进行巡航,并控制无人机录制河流生态环境视频传输至后台服务器。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
存储器,存储至少一个指令;及
处理器,执行所述存储器中存储的指令以实现上述所述的基于GIS技术的智慧全景巡河方法。
为了解决上述问题,本发明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中存储有至少一个指令,所述至少一个指令被电子设备中的处理器执行以实现上述所述的基于GIS技术的智慧全景巡河方法。
相对于现有技术,本发明提出一种基于GIS技术的智慧全景巡河方法,该技术具有以下优势:
首先,本方案提出一种基于主题差异化处理的河流区域路径识别方法,通过对目标河流区域卫星图片进行灰度化处理,将灰度化处理后像素的灰度值作为对应像素的像素值,所述灰度化处理的公式为:
其中:表示目标河流区域卫星图片中第i行第j列像素的像素值;分别表示目标河流区域卫星图片中第i行第j列像素在R、G、B颜色通道的颜色值;将灰度化处理后的目标河流区域卫星图片转换为像素矩阵M,像素的像素值即为对应元素的元素值,其中目标河流区域卫星图片的规格为像素,像素矩阵为N行N列的矩阵,N表示目标河流区域卫星图片分别在水平方向以及竖直方向的像素数目;以m为分割阈值,将像素矩阵M中小于阈值m的元素划分为背景元素,大于等于阈值m的元素划分为河流前景元素,对分割阈值m进行修改,使得河流前景元素和背景元素的方差达到最大,将修改得到的分割阈值作为最佳分割阈值,将像素矩阵M中小于阈值的元素划分为背景元素,大于等于阈值的元素划分为河流前景元素;对像素矩阵M进行形态学处理,得到形态学处理后的像素矩阵;构建梯度矩阵和:
其中:表示像素矩阵中以任意第i行第j列元素为中心的邻域元素矩阵,所述邻域元素矩阵为矩阵;表示像素矩阵M中任意第i行第j列元素的梯度值,表示水平方向梯度,表示竖直方向梯度;表示卷积操作;将像素矩阵中梯度值大于等于阈值且元素值大于等于的元素标记为河流边缘元素,并将河流边缘元素的元素值设置为255,河流前景元素的元素值设置为160,非河流边缘元素的元素值设置为0,得到标记河流边缘后的像素矩阵;若像素矩阵中相邻河流边缘元素的欧式距离小于等于,则连接相邻河流边缘元素,重复该步骤,得到目标河流在像素矩阵中的边缘线;将像素矩阵转换为图片,并将所转换图片为预处理后的目标河流区域图片,预处理后目标河流区域图片中的边缘线即为目标河流的边缘,所述预处理后的目标河流区域图片中黑色区域即为背景,白色部分即为目标河流的边缘,相邻两条边缘线之间的蓝色区域即为目标河流。本方案采用主要基于蓝色通道的灰度处理方法将卫星图片转换为灰度矩阵,从而对卫星图片进行有效的主题差异化处理,提取得到更为准确的河流区域路径,其中主题差异化预处理包括河流前景分割处理、河流边缘增强处理以及河流路径提取处理。
同时,本方案提出一种巡航路径确定方法,按照河流巡航路径对目标河流的关键点进行编号,得到目标河流的关键点集合key:
其中:表示对目标河流进行巡航的第q个关键点位置,Q表示目标河流中关键点的总数,令表示无人机基地位置,所述无人机基地在目标河流的中心关键点位置;构建基于目标河流关键点的距离矩阵,,表示关键点和关键点之间的距离;构建最优河流巡航目标函数:
其中:L表示无人机对目标河流进行巡航的巡航路径节点序列,表示巡航路径L的总距离。本方案通过根据所提取的河流区域路径,构建最优河流巡航目标函数,利用改进的启发式算法对最优河流巡航目标函数进行求解,快速得到能够涵盖目标河流全段的巡航路径,无人机可按照巡航路径进行巡航,在保证巡航全段目标河流的前提下,实现巡航路径最短;同时在目标函数求解过程中,使用基于量子比特的概率幅矩阵完成传统蚁群算法中信息素的更新,保证随着算法迭代次数的增加,算法求解结果能够逐渐接近最优解,并基于选择概率控制蚂蚁移动,有效的降低传统蚁群搜索的盲目性和从众性,这样既能够保证大多数蚂蚁根据信息素寻径,也能保证使少量蚂蚁选择其他路径,从而可以避免陷入局部最优,加快全局收敛速度,快速得到最优河流巡航路径。
附图说明
图1为本发明一实施例提供的一种基于GIS技术的智慧全景巡河方法的流程示意图;
图2为本发明一实施例提供的基于GIS技术的智慧全景巡河系统的功能模块图;
图3为本发明一实施例提供的实现基于GIS技术的智慧全景巡河方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种基于GIS技术的智慧全景巡河方法。所述基于GIS技术的智慧全景巡河方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述基于GIS技术的智慧全景巡河方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。
实施例1:
S1:采集目标河流区域卫星图片,并对采集得到的目标河流区域卫星图片进行主题差异化预处理,得到预处理后的目标河流区域图片。
所述S1步骤中采集目标河流区域卫星图片,包括:
利用遥感平台承载的遥感器采集目标河流区域的卫星图片,其中遥感平台为人造卫星,遥感器为多光谱扫描仪,目标河流区域卫星图片的采集流程为:
分别选取红波段、蓝波段以及绿波段对应的滤波片进行投影合成,其中红波段的对应波长为0.67um,蓝波段的波长为0.46um,绿波段的波长为0.53um;
从目标河流区域发出的红外光辐射以及可见光辐射进入多光谱扫描仪,并透过投影合成后的滤波片得到目标河流区域卫星图片。
可选地,所述S1步骤中对采集得到的目标河流区域卫星图片进行主题差异化预处理,包括:
对采集得到的目标河流区域卫星图片进行主题差异化预处理,所述主题差异化预处理包括河流前景分割处理、河流边缘增强处理以及河流路径提取处理,所述主题差异化预处理流程为:
S11:对目标河流区域卫星图片进行灰度化处理,将灰度化处理后像素的灰度值作为对应像素的像素值,所述灰度化处理的公式为:
其中:
S12:将灰度化处理后的目标河流区域卫星图片转换为像素矩阵M,目标河流区域卫星图片中第i行第j列像素即为像素矩阵M中第i行第j列元素,像素的像素值即为对应元素的元素值,其中目标河流区域卫星图片的规格为N×N像素,像素矩阵为N行N列的矩阵,N表示目标河流区域卫星图片分别在水平方向以及竖直方向的像素数目;
其中:
其中:
表示膨胀处理,C1表示膨胀矩阵,在本发明实施例中,所述膨胀处理的流程为用膨胀矩阵的中心点依次扫描待膨胀矩阵的元素,待膨胀矩阵的被扫描元素的取值为膨胀矩阵所有效覆盖的待膨胀矩阵元素的最大值,其中膨胀矩阵中元素值为1的元素可以有效覆盖待膨胀矩阵元素;
表示腐蚀处理,C2表示腐蚀矩阵,在本发明实施例中,所述腐蚀处理的流程为用腐蚀矩阵的中心点依次扫描待腐蚀矩阵的元素,待腐蚀矩阵的被扫描元素的取值为腐蚀矩阵所有效覆盖的待腐蚀矩阵元素的最小值,其中腐蚀矩阵中元素值为1的元素可以有效覆盖待腐蚀矩阵元素;
S15:构建梯度矩阵A1和A2:
其中:
将像素矩阵中梯度值大于等于阈值且元素值大于等于m*的元素标记为河流边缘元素,并将河流边缘元素的元素值设置为255,河流前景元素的元素值设置为160,非河流边缘元素的元素值设置为0,得到标记河流边缘后的像素矩阵;
S17:将像素矩阵转换为图片,并将所转换图片为预处理后的目标河流区域图片,预处理后目标河流区域图片中的边缘线即为目标河流路径的边缘,所述预处理后的目标河流区域图片中黑色区域即为背景,白色部分即为目标河流的边缘,相邻两条边缘线之间的蓝色区域即为目标河流。
S2:对预处理后的目标河流区域图片进行形态识别与数据标定,得到目标河流的关键点和距离信息,其中目标河流关键点包括河流分支点、折转点,距离信息为目标河流关键点之间的距离。
所述S2步骤中对预处理后的目标河流区域图片进行形态识别与数据标定,包括:
对预处理后的目标河流区域图片进行形态识别与数据标定,得到目标河流的关键点和距离信息,其中目标河流关键点包括河流分支点、折转点,距离信息为目标河流关键点之间的距离,所述形态识别与数据标定的流程为:
S21:将相邻两条边缘线中间蓝色区域的中心作为目标河流的中心点,依次连接目标河流的相邻中心点,得到目标河流的中心线;
S22:计算中心线中相邻两段直线的夹角,若夹角小于160度,则表示两端直线的连接点为目标河流关键点,重复该步骤,得到目标河流关键点集合;
S23:计算任意两个目标河流关键点的距离,所述任意两个目标河流关键点的距离为任意两个目标河流关键点在中心线上的等比例扩大后的实际地理距离。
S3:根据得到的目标河流关键点和距离信息构建最优河流巡航目标函数,其中最优河流巡航目标函数的变量为不同关键点的访问先后次序,目标值为河流巡航距离。
所述S3步骤中构建最优河流巡航目标函数,包括:
按照河流巡航路径对目标河流的关键点进行编号,得到目标河流的关键点集合key:
其中:
构建最优河流巡航目标函数:
其中:
L表示无人机对目标河流进行巡航的巡航路径节点序列,无人机从基地出发,沿着目标河流中心线进行巡航,依次经过巡航路径节点,直到返回初始河流巡航位置,f(L)表示巡航路径L的总距离。在本发明实施例中,通过对最优河流巡航目标函数进行求解,得到能够涵盖目标河流全段的巡航路径,无人机可按照巡航路径进行巡航,在保证巡航全段目标河流的前提下,实现巡航路径最短。
S4:对构建的最优河流巡航目标函数进行优化求解,得到不同关键点的访问顺序,以关键点访问顺序为河流巡航顺序控制无人机对目标河流进行巡航。
所述S4步骤中对构建的最优河流巡航目标函数进行优化求解,得到不同关键点的访问顺序,包括:
对所构建的最优河流巡航目标函数进行优化求解,得到目标河流中不同关键点的访问顺序,即无人机对目标河流进行巡航的巡航路径,所述最优河流巡航目标函数的优化求解流程为:
S41:初始化最优河流巡航目标函数的最大迭代次数为Max,蚂蚁数量为U,当前迭代次数为t,t的初始值为0;
初始化Q个目标河流关键点以及无人机基地位置的概率幅矩阵,表示在第t次迭代时蚂蚁从第x个点到第y个点的概率幅,其中第0个点表示无人机基地位置,其余点则表示目标河流关键点;当x=y,,当t=0且,初始化;
其中:
重复该步骤,直到所有蚂蚁遍历完成Q个目标河流关键点并返回无人机基地,得到第t次迭代的P组巡航路径节点序列,并将P组巡航路径节点序列代入到最优河流巡航目标函数中,将总距离最小的巡航路径节点序列作为第t次迭代的最优巡航路径节点序列;
S43:更新两个点之间的信息素浓度:
其中:
S44:更新概率幅矩阵:
其中:
S45:若t=Max,则输出第t次迭代的最优巡航路径节点序列作为求解结果,否则令t=t+1,返回步骤S42。
所述S4步骤中以关键点访问顺序为河流巡航顺序控制无人机对目标河流进行巡航,包括:
根据求解得到的目标河流关键点访问顺序,确定无人机的目标河流巡航路径节点序列,控制无人机从基地出发,沿着目标河流中心线进行巡航,依次经过求解得到的目标河流巡航路径节点,直到返回无人机基地。
S5:实时对巡航过程中的无人机进行动态高度调整保证无人机以恒定高度进行巡航,并控制无人机录制河流生态环境视频传输至后台服务器,后台工作人员对传输回来的视频进行人工核验,判断目标河流的生态环境安全状况。
所述S5步骤中实时对巡航过程中的无人机进行动态高度调整保证无人机以恒定高度进行巡航,并控制无人机录制河流生态环境视频传输至后台服务器,包括:
控制处于巡航过程中的无人机实时录制河流生态环境视频,并基于所录制的河流生态环境视频的分辨率实时确定无人机高度,并对无人机高度进行动态调整,保证无人机以恒定的初始巡航高度进行巡航,其中无人机高度W的计算公式为:
其中:
无人机将所录制视频传输至后台服务器,后台工作人员对传输回来的视频进行人工核验,判断目标河流的生态环境安全状况,若存在生态环境污染问题则进行告警。
实施例2:
如图2所示,是本发明一实施例提供的基于GIS技术的智慧全景巡河系统的功能模块图,其可以实现实施例1中的基于GIS技术的智慧全景巡河方法。
本发明所述基于GIS技术的智慧全景巡河系统100可以安装于电子设备中。根据实现的功能,所述基于GIS技术的智慧全景巡河系统可以包括目标河流识别装置101、河流巡航路径求解模块102及巡航控制装置103。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
目标河流识别装置101,用于采集目标河流区域卫星图片,并对采集得到的目标河流区域卫星图片进行主题差异化预处理,对预处理后的目标河流区域图片进行形态识别与数据标定,得到目标河流的关键点和距离信息;
河流巡航路径求解模块102,用于根据得到的目标河流关键点和距离信息构建最优河流巡航目标函数,对构建的最优河流巡航目标函数进行优化求解,得到不同关键点的访问顺序;
巡航控制装置103,用于以关键点访问顺序为河流巡航顺序控制无人机对目标河流进行巡航,实时对巡航过程中的无人机进行动态高度调整保证无人机以恒定高度进行巡航,并控制无人机录制河流生态环境视频传输至后台服务器。
详细地,本发明实施例中所述基于GIS技术的智慧全景巡河系统100中的所述各模块在使用时采用与上述的图1中所述的基于GIS技术的智慧全景巡河方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
实施例3:
如图3所示,是本发明一实施例提供的实现基于GIS技术的智慧全景巡河方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信接口13和总线,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如程序12。
其中,所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元,例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备,例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card, SMC)、安全数字(SecureDigital, SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据,例如程序12的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(用于实现智慧全景巡河的程序12等),以及调用存储在所述存储器11内的数据,以执行电子设备1的各种功能和处理数据。
所述通信接口13可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备1与其他电子设备之间建立通信连接,并实现电子设备内部组件之间的连接通信。
所述总线可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图3示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备1还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
可选地,该电子设备1还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的程序12是多个指令的组合,在所述处理器10中运行时,可以实现:
采集目标河流区域卫星图片,并对采集得到的目标河流区域卫星图片进行主题差异化预处理;
对预处理后的目标河流区域图片进行形态识别与数据标定,得到目标河流的关键点和距离信息;
根据得到的目标河流关键点和距离信息构建最优河流巡航目标函数;
对构建的最优河流巡航目标函数进行优化求解,得到不同关键点的访问顺序,以关键点访问顺序为河流巡航顺序控制无人机对目标河流进行巡航;
实时对巡航过程中的无人机进行动态高度调整保证无人机以恒定高度进行巡航,并控制无人机录制河流生态环境视频传输至后台服务器。
具体地,所述处理器10对上述指令的具体实现方法可参考图1至图3对应实施例中相关步骤的描述,在此不赘述。
需要说明的是,上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。并且本文中的术语“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、装置、物品或者方法不仅包括那些要素,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、装置、物品或者方法所固有的要素。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、装置、物品或者方法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,本发明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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (9)
1.一种基于GIS技术的智慧全景巡河方法,其特征在于,所述方法包括:
S1:采集目标河流区域卫星图片,并对采集得到的目标河流区域卫星图片进行主题差异化预处理,得到预处理后的目标河流区域图片;
S2:对预处理后的目标河流区域图片进行形态识别与数据标定,得到目标河流的关键点和距离信息;
S3:根据得到的目标河流关键点和距离信息构建最优河流巡航目标函数;
S4:对构建的最优河流巡航目标函数进行优化求解,得到不同关键点的访问顺序,以关键点访问顺序为河流巡航顺序控制无人机对目标河流进行巡航;
S5:实时对巡航过程中的无人机进行动态高度调整保证无人机以恒定高度进行巡航,并控制无人机录制河流生态环境视频传输至后台服务器,后台工作人员对传输回来的视频进行人工核验,判断目标河流的生态环境安全状况。
2.如权利要求1所述的一种基于GIS技术的智慧全景巡河方法,其特征在于,所述S1步骤中采集目标河流区域卫星图片,包括:
利用遥感平台承载的遥感器采集目标河流区域的卫星图片,其中遥感平台为人造卫星,遥感器为多光谱扫描仪,目标河流区域卫星图片的采集流程为:
分别选取红波段、蓝波段以及绿波段对应的滤波片进行投影合成,其中红波段的波长为0.67um,蓝波段的波长为0.46um,绿波段的波长为0.53um;
从目标河流区域发出的红外光辐射以及可见光辐射进入多光谱扫描仪,并透过投影合成后的滤波片得到目标河流区域卫星图片。
3.如权利要求2所述的一种基于GIS技术的智慧全景巡河方法,其特征在于,所述S1步骤中对采集得到的目标河流区域卫星图片进行主题差异化预处理,包括:
对采集得到的目标河流区域卫星图片进行主题差异化预处理,所述主题差异化预处理包括河流前景分割处理、河流边缘增强处理以及河流路径提取处理,所述主题差异化预处理流程为:
S11:对目标河流区域卫星图片进行灰度化处理,将灰度化处理后像素的灰度值作为对应像素的像素值,所述灰度化处理的公式为:
其中:
S12:将灰度化处理后的目标河流区域卫星图片转换为像素矩阵M,像素的像素值即为对应元素的元素值,其中目标河流区域卫星图片的规格为N×N像素,像素矩阵为N行N列的矩阵,N表示目标河流区域卫星图片分别在水平方向以及竖直方向的像素数目;
其中:
其中:
S15:构建梯度矩阵A1和A2:
其中:
将像素矩阵中梯度值大于等于阈值且元素值大于等于m*的元素标记为河流边缘元素,并将河流边缘元素的元素值设置为255,河流前景元素的元素值设置为160,非河流边缘元素的元素值设置为0,得到标记河流边缘后的像素矩阵;
4.如权利要求3所述的一种基于GIS技术的智慧全景巡河方法,其特征在于,所述S2步骤中对预处理后的目标河流区域图片进行形态识别与数据标定,包括:
对预处理后的目标河流区域图片进行形态识别与数据标定,得到目标河流的关键点和距离信息,其中目标河流关键点包括河流分支点、折转点,距离信息为目标河流关键点之间的距离,所述形态识别与数据标定的流程为:
S21:将相邻两条边缘线中间河流区域的中心作为目标河流的中心点,依次连接目标河流的相邻中心点,得到目标河流的中心线;
S22:计算中心线中相邻两段直线的夹角,若夹角小于160度,则表示两端直线的连接点为目标河流关键点,重复该步骤,得到目标河流关键点集合;
S23:计算任意两个目标河流关键点的距离,所述任意两个目标河流关键点的距离为任意两个目标河流关键点在中心线上的等比例扩大后的实际地理距离。
5.如权利要求1所述的一种基于GIS技术的智慧全景巡河方法,其特征在于,所述S3步骤中构建最优河流巡航目标函数,包括:
按照河流巡航路径对目标河流的关键点进行编号,得到目标河流的关键点集合key:
其中:
构建最优河流巡航目标函数:
其中:
L表示无人机对目标河流进行巡航的巡航路径节点序列,无人机从基地出发,沿着目标河流中心线进行巡航,依次经过巡航路径节点,直到返回初始河流巡航位置,f(L)表示巡航路径L的总距离。
6.如权利要求5所述的一种基于GIS技术的智慧全景巡河方法,其特征在于,所述S4步骤中对构建的最优河流巡航目标函数进行优化求解,包括:
对所构建的最优河流巡航目标函数进行优化求解,得到目标河流中不同关键点的访问顺序,即无人机对目标河流进行巡航的巡航路径,所述最优河流巡航目标函数的优化求解流程为:
S41:初始化最优河流巡航目标函数的最大迭代次数为Max,蚂蚁数量为U,当前迭代次数为t,t的初始值为0;
初始化Q个目标河流关键点以及无人机基地位置的概率幅矩阵,表示在第t次迭代时蚂蚁从第x个点到第y个点的概率幅,其中第0个点表示无人机基地位置,其余点则表示目标河流关键点;当x=y,,当t=0且,初始化;
其中:
重复该步骤,直到所有蚂蚁遍历完成Q个目标河流关键点并返回无人机基地,得到第t次迭代的P组巡航路径节点序列,并将P组巡航路径节点序列代入到最优河流巡航目标函数中,将总距离最小的巡航路径节点序列作为第t次迭代的最优巡航路径节点序列;
S43:更新两个点之间的信息素浓度:
其中:
S44:更新概率幅矩阵:
其中:
S45:若t=Max,则输出第t次迭代的最优巡航路径节点序列作为求解结果,否则令t=t+1,返回步骤S42。
7.如权利要求6所述的一种基于GIS技术的智慧全景巡河方法,其特征在于,所述S4步骤中以求解得到的关键点访问顺序为河流巡航顺序控制无人机对目标河流进行巡航,包括:
根据求解得到的目标河流关键点访问顺序,确定无人机的目标河流巡航路径节点序列,控制无人机从基地出发,沿着目标河流中心线进行巡航,依次经过求解得到的目标河流巡航路径节点,直到返回无人机基地。
8.如权利要求1所述的一种基于GIS技术的智慧全景巡河方法,其特征在于,所述S5步骤中实时对巡航过程中的无人机进行动态高度调整保证无人机以恒定高度进行巡航,并控制无人机录制河流生态环境视频传输至后台服务器,包括:
控制处于巡航过程中的无人机实时录制河流生态环境视频,并基于所录制的河流生态环境视频的分辨率实时确定无人机高度,并对无人机高度进行动态调整,保证无人机以恒定的初始巡航高度进行巡航,其中无人机高度W的计算公式为:
其中:
无人机将所录制视频传输至后台服务器,后台工作人员对传输回来的视频进行人工核验,判断目标河流的生态环境安全状况,若存在生态环境污染问题则进行告警。
9.一种基于GIS技术的智慧全景巡河系统,其特征在于,所述系统包括:
目标河流识别装置,用于采集目标河流区域卫星图片,并对采集得到的目标河流区域卫星图片进行主题差异化预处理,对预处理后的目标河流区域图片进行形态识别与数据标定,得到目标河流的关键点和距离信息;
河流巡航路径求解模块,用于根据得到的目标河流关键点和距离信息构建最优河流巡航目标函数,对构建的最优河流巡航目标函数进行优化求解,得到不同关键点的访问顺序;
巡航控制装置,用于以关键点访问顺序为河流巡航顺序控制无人机对目标河流进行巡航,实时对巡航过程中的无人机进行动态高度调整保证无人机以恒定高度进行巡航,并控制无人机录制河流生态环境视频传输至后台服务器,以实现一种如权利要求1-8任一项所述的基于GIS技术的智慧全景巡河方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211301868.6A CN115358497B (zh) | 2022-10-24 | 2022-10-24 | 基于gis技术的智慧全景巡河方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211301868.6A CN115358497B (zh) | 2022-10-24 | 2022-10-24 | 基于gis技术的智慧全景巡河方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115358497A true CN115358497A (zh) | 2022-11-18 |
CN115358497B CN115358497B (zh) | 2023-03-10 |
Family
ID=84008992
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211301868.6A Active CN115358497B (zh) | 2022-10-24 | 2022-10-24 | 基于gis技术的智慧全景巡河方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115358497B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116088584A (zh) * | 2023-04-07 | 2023-05-09 | 山东省地质矿产勘查开发局第五地质大队(山东省第五地质矿产勘查院) | 一种测绘协同作业方法、系统及一种电子设备 |
CN116844065A (zh) * | 2023-06-29 | 2023-10-03 | 中交天航南方交通建设有限公司 | 一种基于gis的航道清淤智能识别管理方法 |
Citations (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002368982A (ja) * | 2001-06-11 | 2002-12-20 | Ricoh Co Ltd | 画像処理装置および画像処理方法および記録媒体 |
US6753902B1 (en) * | 1999-07-26 | 2004-06-22 | Pioneer Corporation | Image processing apparatus, image processing method, navigation apparatus, program storage device and computer data signal embodied in carrier wave |
JP2005051353A (ja) * | 2003-07-30 | 2005-02-24 | Ricoh Co Ltd | 画像処理装置、画像読み取り装置、画像形成装置、コンピュータプログラム及び記録媒体 |
US20060221181A1 (en) * | 2005-03-30 | 2006-10-05 | Cernium, Inc. | Video ghost detection by outline |
CN101299861A (zh) * | 2008-04-23 | 2008-11-05 | 南京大学 | 一种基于最短回路的基站系统巡检路径自动化确定方法 |
JP2012066350A (ja) * | 2010-09-24 | 2012-04-05 | Ihi Marine United Inc | マーカの移動経路最適化方法 |
CN103903014A (zh) * | 2014-04-17 | 2014-07-02 | 西安煤航卫星数据应用有限公司 | 一种基于卫星遥感技术的荒漠化判释方法 |
US20160364988A1 (en) * | 2014-03-18 | 2016-12-15 | Bae Systems Plc | Path planning |
US20170098310A1 (en) * | 2014-06-30 | 2017-04-06 | Ventana Medical Systems, Inc. | Edge-based local adaptive thresholding system and methods for foreground detection |
US20170162060A1 (en) * | 2015-12-07 | 2017-06-08 | International Business Machines Corporation | METHOD OF OPTIMIZED PATH PLANNING FOR UAVs FOR THE PURPOSE OF GROUND COVERAGE |
CN108286965A (zh) * | 2018-01-09 | 2018-07-17 | 深圳飞马机器人科技有限公司 | 基于精细三维地形的无人机变高航线方法、终端及系统 |
US20190145778A1 (en) * | 2017-11-13 | 2019-05-16 | Shenzhen University | UAV Flight Path Generating Method and Device |
CN109765933A (zh) * | 2019-01-04 | 2019-05-17 | 哈瓦国际航空技术(深圳)有限公司 | 一种无人机带状区域航线规划方法、装置和设备 |
CN110297498A (zh) * | 2019-06-13 | 2019-10-01 | 暨南大学 | 一种基于无线充电无人机的轨道巡检方法及系统 |
WO2020062338A1 (zh) * | 2018-09-30 | 2020-04-02 | 深圳眸瞳科技有限公司 | 无人机迁移轨迹生成方法、装置、电子设备和存储介质 |
CN111046772A (zh) * | 2019-12-05 | 2020-04-21 | 国家海洋环境监测中心 | 多时相卫星遥感岛礁岸线及开发利用信息提取方法 |
CN111862117A (zh) * | 2020-07-16 | 2020-10-30 | 大连理工大学 | 基于像素优化的海冰冰块分水岭分割方法 |
CN111985435A (zh) * | 2020-08-29 | 2020-11-24 | 浙江工业大学 | 一种基于机器视觉的无人机水域监测巡航方法 |
CN112001362A (zh) * | 2020-09-11 | 2020-11-27 | 汪秀英 | 一种图像分析方法、图像分析装置及图像分析系统 |
CN112114584A (zh) * | 2020-08-14 | 2020-12-22 | 天津理工大学 | 一种球形两栖机器人的全局路径规划方法 |
US20210003412A1 (en) * | 2019-01-16 | 2021-01-07 | Beijing University Of Posts And Telecommunications | Method and Device of Path Optimization for UAV, and Storage Medium thereof |
CN112837343A (zh) * | 2021-04-01 | 2021-05-25 | 中国船舶重工集团公司第七0九研究所 | 基于相机阵列的低空无人机防控光电预警识别方法及系统 |
WO2021212773A1 (zh) * | 2020-04-24 | 2021-10-28 | 滨州学院 | 一种多旋翼无人机智能巡检系统 |
CN114442660A (zh) * | 2021-12-31 | 2022-05-06 | 北京理工大学重庆创新中心 | 一种基于gps和图像的无人机搜索方法 |
US20220207747A1 (en) * | 2019-09-18 | 2022-06-30 | Huawei Technologies Co., Ltd. | Image Distortion Correction Method and Apparatus |
WO2022205605A1 (zh) * | 2021-04-01 | 2022-10-06 | 广东拓斯达科技股份有限公司 | 图像边缘特征库构建方法、装置、计算机设备及存储介质 |
-
2022
- 2022-10-24 CN CN202211301868.6A patent/CN115358497B/zh active Active
Patent Citations (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6753902B1 (en) * | 1999-07-26 | 2004-06-22 | Pioneer Corporation | Image processing apparatus, image processing method, navigation apparatus, program storage device and computer data signal embodied in carrier wave |
JP2002368982A (ja) * | 2001-06-11 | 2002-12-20 | Ricoh Co Ltd | 画像処理装置および画像処理方法および記録媒体 |
JP2005051353A (ja) * | 2003-07-30 | 2005-02-24 | Ricoh Co Ltd | 画像処理装置、画像読み取り装置、画像形成装置、コンピュータプログラム及び記録媒体 |
US20060221181A1 (en) * | 2005-03-30 | 2006-10-05 | Cernium, Inc. | Video ghost detection by outline |
CN101299861A (zh) * | 2008-04-23 | 2008-11-05 | 南京大学 | 一种基于最短回路的基站系统巡检路径自动化确定方法 |
JP2012066350A (ja) * | 2010-09-24 | 2012-04-05 | Ihi Marine United Inc | マーカの移動経路最適化方法 |
US20160364988A1 (en) * | 2014-03-18 | 2016-12-15 | Bae Systems Plc | Path planning |
CN103903014A (zh) * | 2014-04-17 | 2014-07-02 | 西安煤航卫星数据应用有限公司 | 一种基于卫星遥感技术的荒漠化判释方法 |
US20170098310A1 (en) * | 2014-06-30 | 2017-04-06 | Ventana Medical Systems, Inc. | Edge-based local adaptive thresholding system and methods for foreground detection |
US20170162060A1 (en) * | 2015-12-07 | 2017-06-08 | International Business Machines Corporation | METHOD OF OPTIMIZED PATH PLANNING FOR UAVs FOR THE PURPOSE OF GROUND COVERAGE |
US20190145778A1 (en) * | 2017-11-13 | 2019-05-16 | Shenzhen University | UAV Flight Path Generating Method and Device |
CN108286965A (zh) * | 2018-01-09 | 2018-07-17 | 深圳飞马机器人科技有限公司 | 基于精细三维地形的无人机变高航线方法、终端及系统 |
WO2020062338A1 (zh) * | 2018-09-30 | 2020-04-02 | 深圳眸瞳科技有限公司 | 无人机迁移轨迹生成方法、装置、电子设备和存储介质 |
CN109765933A (zh) * | 2019-01-04 | 2019-05-17 | 哈瓦国际航空技术(深圳)有限公司 | 一种无人机带状区域航线规划方法、装置和设备 |
US20210003412A1 (en) * | 2019-01-16 | 2021-01-07 | Beijing University Of Posts And Telecommunications | Method and Device of Path Optimization for UAV, and Storage Medium thereof |
CN110297498A (zh) * | 2019-06-13 | 2019-10-01 | 暨南大学 | 一种基于无线充电无人机的轨道巡检方法及系统 |
US20220207747A1 (en) * | 2019-09-18 | 2022-06-30 | Huawei Technologies Co., Ltd. | Image Distortion Correction Method and Apparatus |
CN111046772A (zh) * | 2019-12-05 | 2020-04-21 | 国家海洋环境监测中心 | 多时相卫星遥感岛礁岸线及开发利用信息提取方法 |
WO2021212773A1 (zh) * | 2020-04-24 | 2021-10-28 | 滨州学院 | 一种多旋翼无人机智能巡检系统 |
CN111862117A (zh) * | 2020-07-16 | 2020-10-30 | 大连理工大学 | 基于像素优化的海冰冰块分水岭分割方法 |
CN112114584A (zh) * | 2020-08-14 | 2020-12-22 | 天津理工大学 | 一种球形两栖机器人的全局路径规划方法 |
CN111985435A (zh) * | 2020-08-29 | 2020-11-24 | 浙江工业大学 | 一种基于机器视觉的无人机水域监测巡航方法 |
CN112001362A (zh) * | 2020-09-11 | 2020-11-27 | 汪秀英 | 一种图像分析方法、图像分析装置及图像分析系统 |
CN112837343A (zh) * | 2021-04-01 | 2021-05-25 | 中国船舶重工集团公司第七0九研究所 | 基于相机阵列的低空无人机防控光电预警识别方法及系统 |
WO2022205605A1 (zh) * | 2021-04-01 | 2022-10-06 | 广东拓斯达科技股份有限公司 | 图像边缘特征库构建方法、装置、计算机设备及存储介质 |
CN114442660A (zh) * | 2021-12-31 | 2022-05-06 | 北京理工大学重庆创新中心 | 一种基于gps和图像的无人机搜索方法 |
Non-Patent Citations (3)
Title |
---|
刘昂: "基于改进蚁群和鸽群算法的移动机器人混合路径规划研究", 《信息科技》 * |
刘燕、张力、王庆栋、王春青、韩晓霞: "《国产高分辨率卫星影像云检测》", 《遥感信息》 * |
钱世豪: "基于图像处理的输电线路异物检测技术研究与电力巡线管理系统设计", 《工程科技Ⅱ辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116088584A (zh) * | 2023-04-07 | 2023-05-09 | 山东省地质矿产勘查开发局第五地质大队(山东省第五地质矿产勘查院) | 一种测绘协同作业方法、系统及一种电子设备 |
CN116844065A (zh) * | 2023-06-29 | 2023-10-03 | 中交天航南方交通建设有限公司 | 一种基于gis的航道清淤智能识别管理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115358497B (zh) | 2023-03-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115358497B (zh) | 基于gis技术的智慧全景巡河方法及系统 | |
US10719743B2 (en) | License plate reader using optical character recognition on plural detected regions | |
CN110020651B (zh) | 基于深度学习网络的车牌检测定位方法 | |
CN111797697B (zh) | 基于改进CenterNet的有角度高分遥感图像目标检测方法 | |
Gonçalves et al. | Real-time automatic license plate recognition through deep multi-task networks | |
JP3987264B2 (ja) | ナンバープレート読取装置及び方法 | |
Chen et al. | Surrounding vehicle detection using an FPGA panoramic camera and deep CNNs | |
CN106971185B (zh) | 一种基于全卷积网络的车牌定位方法及装置 | |
CN108961162A (zh) | 一种无人机林区航拍图像拼接方法和系统 | |
KR101261409B1 (ko) | 영상 내 노면표시 인식시스템 | |
CN111476210A (zh) | 基于图像的文本识别方法、系统、设备及存储介质 | |
CN111339976A (zh) | 室内定位方法、装置、终端及存储介质 | |
CN113486819A (zh) | 一种基于YOLOv4算法的船舶目标检测方法 | |
Yang et al. | Detecting small objects in urban settings using SlimNet model | |
CN116721398A (zh) | 一种基于跨阶段路由注意力模块和残差信息融合模块的Yolov5目标检测方法 | |
CN115578590A (zh) | 基于卷积神经网络模型的图像识别方法、装置及终端设备 | |
CN116030194A (zh) | 一种基于目标检测规避的空地协同实景三维建模优化方法 | |
CN112633114B (zh) | 面向建筑物变化事件的无人机巡查智能预警方法和装置 | |
CN115265545A (zh) | 基于决策分析的地图匹配导航方法、装置、设备及存储介质 | |
JPH05181411A (ja) | 地図情報照合更新方式 | |
Xu et al. | 2d license plate recognition based on automatic perspective rectification | |
CN112818837B (zh) | 一种基于姿态校正和困难样本感知的航拍车辆重识别方法 | |
CN111860050B (zh) | 一种基于图像帧的回环检测方法及装置、车载终端 | |
CN113298702A (zh) | 基于大尺寸图像像素点的重新排序和分割方法 | |
Vemulapalli et al. | Multi-object detection in night time |
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 |