CN115512305A - 道路树木倒伏识别方法、装置、存储介质及电子装置 - Google Patents
道路树木倒伏识别方法、装置、存储介质及电子装置 Download PDFInfo
- Publication number
- CN115512305A CN115512305A CN202211418128.0A CN202211418128A CN115512305A CN 115512305 A CN115512305 A CN 115512305A CN 202211418128 A CN202211418128 A CN 202211418128A CN 115512305 A CN115512305 A CN 115512305A
- Authority
- CN
- China
- Prior art keywords
- road
- target
- tree
- determining
- condition
- 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 46
- 230000033001 locomotion Effects 0.000 claims description 32
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 abstract description 3
- 238000007689 inspection Methods 0.000 abstract description 3
- 230000005540 biological transmission Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001154 acute effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例提供了一种道路树木倒伏识别方法、装置、存储介质及电子装置,涉及道路巡检的技术领域。其方法包括:获取目标道路的道路图像信息,其中,所述道路图像信息包括所述目标道路的道路基准线;通过CHM冠层高度模型确定所述道路图像信息中包含的目标树木的树木中轴线;对所述道路基准线以及所述树木中轴线进行第一夹角计算,以确定所述道路基准线以及所述树木中轴线的第一空间夹角;在所述第一空间夹角不满足第一阈值条件的情况下,确定所述目标树木存在倒伏。通过本发明,解决了道路树木倒伏识别精度低的问题,进而达到了提高道路识别精度的效果。
Description
技术领域
本发明实施例涉及通信领域,具体而言,涉及一种道路树木倒伏识别方法、装置、存储介质及电子装置。
背景技术
当前的树木倒伏识别的方式通常为人工巡视与基于遥感图像得树木检测,前者需要大量的人力成本,并且巡视效果一般,便捷性,时效性低;后者则常用于台风等灾害后,快速排查绿化区域,但是基于传统的图像算法与随机森林算法,得到的结果不准确且不能广泛推广于各个场景(例如论文基于无人机遥感技术的台风灾害倒伏绿化树木检测)。
而针对输电线路的树木倒伏方法,只有基于点云的树木倒伏点预测(如申请号CN109214573A,专利名称为输电线路树木生长或倒伏危险点预测方法和装置),该方案仍存在以下问题:
1、通过分割点云数据进行预测,对专业设备,采样精度要求高;
2、无法准确给出当前树木倒伏点,不具备时效性;
3、预测树木倒伏点的方法实用性低。
目前,针对上述问题,尚无较好的解决办法。
发明内容
本发明实施例提供了一种道路树木倒伏识别方法、装置、存储介质及电子装置,以至少解决相关技术中道路树木倒伏识别精度低的问题。
根据本发明的一个实施例,提供了一种道路树木倒伏识别方法,包括:
获取目标道路的道路图像信息,其中,所述道路图像信息包括所述目标道路的道路基准线;
通过CHM冠层高度模型确定所述道路图像信息中包含的目标树木的树木中轴线;
对所述道路基准线以及所述树木中轴线进行第一夹角计算,以确定所述道路基准线以及所述树木中轴线的第一空间夹角;
在所述第一空间夹角不满足第一阈值条件的情况下,确定所述目标树木存在倒伏。
在一个示例性实施例中,在所述获取目标道路的道路图像信息之后,所述方法还包括:
通过所述CHM冠层高度模型确定所述道路图像信息中包括的相邻的目标树木的树冠位置信息;
基于所述树冠位置信息,确定相邻的目标树木的树冠的第一树冠连线;
对所述第一树冠连线以及所述道路基准线进行第二夹角计算,以确定所述第一树冠连线以及所述道路基准线之间的第二空间夹角;
在所述第二空间夹角不满足第二阈值条件的情况下,确定所述目标树木存在倒伏。
在一个示例性实施例中,在所述通过所述CHM冠层高度模型确定所述道路图像信息中包括的相邻的目标树木的树冠位置信息之后,所述方法还包括:
基于所述树冠位置信息,确定所述相邻的目标树木之间的距离关系;
在所述距离关系不满足第三条件的情况下,确定所述相邻的目标树木之间存在遮挡。
在一个示例性实施例中,所述方法还包括:
对道路图像信息进行面积分类处理,以得到位于目标区域且满足面积条件的目标对象,其中,所述目标区域包括所述目标道路中的任一区域;
对所述目标对象进行对象识别,以得到对象属性信息;
在所述属性信息满足树木属性条件的情况下,确定所述目标道路存在树木倒伏。
在一个示例性实施例中,在所述对所述目标对象进行对象识别,以得到对象属性信息之后,所述方法还包括:
获取所述目标对象的运动信息;
基于所述运动信息,确定所述目标对象在目标时间段的运动属性;
在所述运动属性满足运动条件的情况下,确定所述目标道路存在树木倒伏。
根据本发明的另一个实施例,提供了一种道路树木倒伏识别装置,包括:
基准采集模块,用于获取目标道路的道路图像信息,其中,所述道路图像信息包括所述目标道路的道路基准线;
中轴线采集模块,用于通过CHM冠层高度模型确定所述道路图像信息中包含的目标树木的树木中轴线;
夹角计算模块,用于对所述道路基准线以及所述树木中轴线进行第一夹角计算,以确定所述道路基准线以及所述树木中轴线的第一空间夹角;
倒伏确定模块,用于在所述第一空间夹角不满足第一阈值条件的情况下,确定所述目标树木存在倒伏。
在一个示例性实施例中,还包括:
相邻树冠确定模块,用于在所述获取目标道路的道路图像信息,其中,所述道路图像信息包括所述目标道路的道路基准线之后,通过所述CHM冠层高度模型确定所述道路图像信息中包括的相邻的目标树木的树冠位置信息;
第一树冠连线模块,用于基于所述树冠位置信息,确定相邻的目标树木的树冠的第一树冠连线;
第二夹角计算模块,用于对所述第一树冠连线以及所述道路基准线进行第二夹角计算,以确定所述第一树冠连线以及所述道路基准线之间的第二空间夹角;
第二倒伏确定模块,用于在所述第二空间夹角不满足第二阈值条件的情况下,确定所述目标树木存在倒伏。
在一个示例性实施例中,还包括:
距离计算模块,用于在所述通过所述CHM冠层高度模型确定所述道路图像信息中包括的相邻的目标树木的树冠位置信息之后,基于所述树冠位置信息,确定所述相邻的目标树木之间的距离关系;
遮挡判断模块,用于在所述距离关系不满足第三条件的情况下,确定所述相邻的目标树木之间存在遮挡。
根据本发明的又一个实施例,还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中存储有计算机程序,其中,所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
根据本发明的又一个实施例,还提供了一种电子装置,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
通过本发明,由于只需要进行树木与道路的中轴夹角判断,减少了计算难度,也减少了识别过程的干扰因素,因此,可以解决树木倒伏识别精度低的问题,达到树木识别精度的效果。
附图说明
图1是本发明实施例的一种道路树木倒伏识别方法的移动终端的硬件结构框图;
图2是根据本发明实施例的一种道路树木倒伏识别方法的流程图;
图3是根据本发明具体实施例的原理示意图一;
图4是根据本发明具体实施例的原理示意图二;
图5是根据本发明实施例的一种道路树木倒伏识别装置的结构框图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明的实施例。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
本申请实施例中所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例,图1是本发明实施例的一种道路树木倒伏识别方法的移动终端的硬件结构框图。如图1所示,移动终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104,其中,上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述移动终端的结构造成限定。例如,移动终端还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如本发明实施例中的一种道路树木倒伏识别方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输设备106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中,传输设备106包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输设备106可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种道路树木倒伏识别方法,图2是根据本发明实施例的一种道路树木倒伏识别方法的流程图,如图2所示,该流程包括如下步骤:
步骤S202,获取目标道路的道路图像信息,其中,所述道路图像信息包括所述目标道路的道路基准线;
在本实施例中,获取道路基准线是为了后续方便对树木倒伏情况进行判断。
其中,目标道路包括(但不限于)需要进行树木倒伏监控的道路,可以是根据行政规划人工设置的,也可以是根据信息采集设备的设备参数确定的信息可采集范围确定的,还可以是通过GIS技术进行空间划分得到的;获取道路图像信息的方式可以(但不限于)是通过可见光摄像头或激光雷达对一定区域内进行图像或信息采集的得到的,或者通过无人机搭载机载摄像头的方式对目标道路进行图像采集得到的,对应的,道路图像信息还包括目标道路的坐标信息、目标道路上的对象(如车辆、行人、路灯)的属性信息(如颜色、尺寸、坐标、高度、类型、时间、运动速度、运动方向等),道路图像信息可以通过标签的方式进行显示;道路基准线的确定可以(但不限于)是在确定道路的边界后,确定道路的中轴线,并将该中轴线作为道路基准线,也可以是以道路的边界线作为道路基准线,还可以是以目标道路中画设的实线或者虚线作为道路基准线,对应的,目标道路以及道路基准线的确定均可以(但不限于)通过yolo3、yolo5等经过训练的神经网络模型进行识别别来是现实。
步骤S204,通过CHM冠层高度模型确定所述道路图像信息中包含的目标树木的树木中轴线;
在本实施例中,基于CHM冠层高度模型的分水岭分割算法,可以确定树木可能存在倒伏的区域位置,同时也可以确定树冠对应的树冠的朝向(竖直或倾斜或倒伏),由于树冠朝向与树干的朝向相同,因而可以将树冠的朝向确定为树木的朝向,由此确定树木的中轴线。
需要说明的是,除了CHM冠层高度模型之外,还可以采用lidar(Laser Radar,激光雷达)等其它遥感或三维辐射识别技术确定树木的中轴线。
步骤S206,对所述道路基准线以及所述树木中轴线进行第一夹角计算,以确定所述道路基准线以及所述树木中轴线的第一空间夹角。
在本实施例中,如图3所示,在通常情况下,树木与地面的是相互垂直的(如α),而发生树木倒伏时,树木的中轴线与地面出现偏斜或平行(如β和γ),即便出现树木拦腰折断的情况,由于本申请是以树冠确定树木中轴线,因而拦腰折断的情况下,树木中轴线依然与地面存在小于90°的锐角夹角,因此通过判断道路基准线与树木中轴线的夹角即可判断是否存在树木倒伏。
其中,由于树木通常位于目标道路两侧,因而需要进行空间向量计算才能确定树木中轴线是否与道路基准线是否空间相交,进而确定其第一空间夹角是否满足对应的判断条件。
步骤S208,在所述第一空间夹角不满足第一阈值条件的情况下,确定所述目标树木存在倒伏。
在本实施例中,第一阈值条件包括(但不限于)是第一空间夹角的取值范围为[80,90],其中,当道路条件恶劣时,取值范围的上下限可以适当变化,如[78,95]、[75,88]等,具体根据实际使用情况而定。
需要说明的是,第一空间夹角的计算可以通过数据化的基准线以及中轴线坐标及其空间向量的点积计算来确定。
通过上述步骤,由于只需要进行树木与道路的中轴夹角判断,减少了计算难度,也减少了识别过程的干扰因素,解决了树木倒伏识别精度低的问题,提高了树木识别精度。
其中,上述步骤的执行主体可以为基站、终端等,但不限于此。
在一个可选的实施例中,在所述获取目标道路的道路图像信息之后,所述方法还包括:
步骤S2010,通过所述CHM冠层高度模型确定所述道路图像信息中包括的相邻的目标树木的树冠位置信息;
步骤S2012,基于所述树冠位置信息,确定相邻的目标树木的树冠的第一树冠连线;
步骤S2014,对所述第一树冠连线以及所述道路基准线进行第二夹角计算,以确定所述第一树冠连线以及所述道路基准线之间的第二空间夹角;
步骤S2016,在所述第二空间夹角不满足第二阈值条件的情况下,确定所述目标树木存在倒伏。
在本实施例中,考虑到树木倒伏时,受倒伏角度及图像采集角度的影响,可能存在树冠被相邻的树木遮挡的情况,因而需要再计算第二空间夹角来做进一步判断。
如图4所示,当道路图像信息的采集装置设置在龙门架上时,其视角可能为直俯视视角,在这种视角下,树木的树木中轴线与道路基准线无法进行有效比对,此时可以将倒伏树木的与正常树木之间的树冠进行连线,再将第一树冠连线与道路基准线进行空间相交,以得到第二空间夹角α或者β,随后再判断第二空间夹α或者β是否满足第二阈值条件。
其中,第二阈值条件包括(但不限于)是第二空间夹角的取值范围为[0,45],在道路树木密集或树冠较大的情况下,取值范围的上下限可以适当调整,例如[10,40]、[0,30]等,具体根据实际情况而定。
在一个可选的实施例中,在所述通过所述CHM冠层高度模型确定所述道路图像信息中包括的相邻的目标树木的树冠位置信息之后,所述方法还包括:
步骤S20122,基于所述树冠位置信息,确定所述相邻的目标树木之间的距离关系;
步骤S20124,在所述距离关系不满足第三条件的情况下,确定所述相邻的目标树木之间存在遮挡。
在本实施例中,对遮挡情况进行判断为了进一步避免因树木遮挡导致的判断错误,以提高树木倒伏的判断精度。
如图4所示,在一般情况下,道路旁的树木的种植是按照固定距离等距种植的,因而相邻的树木之间的距离通常为常值c,此时若出现相邻树木之间的距离大于常值c或小于常值c,则说明相邻树木之间存在倒伏的树木,具体包括:相隔的树木纳入距离关系计算,从而导致关系距离远大于常值c;倒伏的树木可能倒架于相邻树木,从而导致关系距离小于远小于常值c。
其中,距离关系可以是通过计算树冠之间的距离得到的,也可以是计算树木中轴线之间的距离得到的,还可以是通过其它方式得到的。
在一个可选的实施例中,所述方法还包括:
步骤S2018,对道路图像信息进行面积分类处理,以得到位于目标区域且满足面积条件的目标对象,其中,所述目标区域包括所述目标道路中的任一区域;
步骤S2020,对所述目标对象进行对象识别,以得到对象属性信息;
步骤S2022,在所述属性信息满足树木属性条件的情况下,确定所述目标道路存在树木倒伏。
在本实施例中,为了进一步对树木倒伏情况进行识别,还可以通过识别树木倒伏至道路,根据其像素面积以及属性来判断是否为倒伏的树木。
其中,通过图像识别模型识别目标道路的倒伏树木时,通常通过矩形框对目标道路中所有的对象均进行捕捉,由于倒伏树木的形状与车辆等不同,因而对应的矩形框的形状及面积也不同,此时,通过计算矩形框长宽比例及其面积即可判断该对象是否为树木,例如,判断矩形框的长宽比是否为3:1,且面积是否为预设阈值范围,颜色属性是否绿色/灰绿色/灰色等综合属性条件。
对应的,对象属性信息包括(但不限于)矩形框长宽比例、矩形框面积、对象类型、对象颜色等。
需要说明的是,对象属性信息的确定可以直接通过经过训练后的神经网络模型获得,但是为了进一步提高其识别精度,可以通过上述方式进行进一步判断,以减少错误识别或漏检的情况。
在一个可选的实施例中,获取所述目标对象的运动信息;
步骤S20202,基于所述运动信息,确定所述目标对象在目标时间段的运动属性;
步骤S20204,在所述运动属性满足运动条件的情况下,确定所述目标道路存在树木倒伏。
在本实施例中,由于存在车辆上画设有树木的宣传广告,因而加入运动信息的判断来进一步对树木倒伏情况进行识别。
其中,运动属性包括(但不限于)运动速度、运动方向等,对应的,运动条件包括(但不限于)运动速度和运动方向平行或垂直于道路基准方向、或运动方向与道路基准方向呈一定夹角等。
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根据上述实施例的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。
在本实施例中还提供了一种道路树木倒伏识别装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图5是根据本发明实施例的一种道路树木倒伏识别装置的结构框图,如图5所示,该装置包括:
基准采集模块52,用于获取目标道路的道路图像信息,其中,所述道路图像信息包括所述目标道路的道路基准线;
中轴线采集模块54,用于通过CHM冠层高度模型确定所述道路图像信息中包含的目标树木的树木中轴线;
夹角计算模块56,用于对所述道路基准线以及所述树木中轴线进行第一夹角计算,以确定所述道路基准线以及所述树木中轴线的第一空间夹角;
倒伏确定模块58,用于在所述第一空间夹角不满足第一阈值条件的情况下,确定所述目标树木存在倒伏。
在一个可选的实施例中,所述装置还包括:
相邻树冠确定模块510,用于在所述获取目标道路的道路图像信息,其中,所述道路图像信息包括所述目标道路的道路基准线之后,通过所述CHM冠层高度模型确定所述道路图像信息中包括的相邻的目标树木的树冠位置信息;
第一树冠连线模块512,用于基于所述树冠位置信息,确定相邻的目标树木的树冠的第一树冠连线;
第二夹角计算模块514,用于对所述第一树冠连线以及所述道路基准线进行第二夹角计算,以确定所述第一树冠连线以及所述道路基准线之间的第二空间夹角;
第二倒伏确定模块516,用于在所述第二空间夹角不满足第二阈值条件的情况下,确定所述目标树木存在倒伏。
在一个可选的实施例中,所述装置还包括:
距离计算模块518,用于在所述通过所述CHM冠层高度模型确定所述道路图像信息中包括的相邻的目标树木的树冠位置信息之后,基于所述树冠位置信息,确定所述相邻的目标树木之间的距离关系;
遮挡判断模块520,用于在所述距离关系不满足第三条件的情况下,确定所述相邻的目标树木之间存在遮挡。
在一个可选的实施例中,所述装置还包括:
面积分类模块522,用于对道路图像信息进行面积分类处理,以得到位于目标区域且满足面积条件的目标对象,其中,所述目标区域包括所述目标道路中的任一区域;
属性识别模块524,用于对所述目标对象进行对象识别,以得到对象属性信息;
倒伏判断模块526,用于在所述属性信息满足树木属性条件的情况下,确定所述目标道路存在树木倒伏。
在一个可选的实施例中,属性识别模块524包括:
运动信息采集单元5242,用于在所述对所述目标对象进行对象识别,以得到对象属性信息之后,获取所述目标对象的运动信息;
运动属性判断单元5244,用于基于所述运动信息,确定所述目标对象在目标时间段的运动属性;
倒伏判断单元5246,用于在所述运动属性满足运动条件的情况下,确定所述目标道路存在树木倒伏。
需要说明的是,上述各个模块是可以通过软件或硬件来实现的,对于后者,可以通过以下方式实现,但不限于此:上述模块均位于同一处理器中;或者,上述各个模块以任意组合的形式分别位于不同的处理器中。
本发明的实施例还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
在一个示例性实施例中,上述计算机可读存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明的实施例还提供了一种电子装置,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
在一个示例性实施例中,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
本实施例中的具体示例可以参考上述实施例及示例性实施方式中所描述的示例,本实施例在此不再赘述。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种道路树木倒伏识别方法,其特征在于,包括:
获取目标道路的道路图像信息,其中,所述道路图像信息包括所述目标道路的道路基准线;
通过CHM冠层高度模型确定所述道路图像信息中包含的目标树木的树木中轴线;
对所述道路基准线以及所述树木中轴线进行第一夹角计算,以确定所述道路基准线以及所述树木中轴线的第一空间夹角;
在所述第一空间夹角不满足第一阈值条件的情况下,确定所述目标树木存在倒伏。
2.根据权利要求1所述的方法,其特征在于,在所述获取目标道路的道路图像信息之后,所述方法还包括:
通过所述CHM冠层高度模型确定所述道路图像信息中包括的相邻的目标树木的树冠位置信息;
基于所述树冠位置信息,确定相邻的目标树木的树冠的第一树冠连线;
对所述第一树冠连线以及所述道路基准线进行第二夹角计算,以确定所述第一树冠连线以及所述道路基准线之间的第二空间夹角;
在所述第二空间夹角不满足第二阈值条件的情况下,确定所述目标树木存在倒伏。
3.根据权利要求2所述的方法,其特征在于,在所述通过所述CHM冠层高度模型确定所述道路图像信息中包括的相邻的目标树木的树冠位置信息之后,所述方法还包括:
基于所述树冠位置信息,确定所述相邻的目标树木之间的距离关系;
在所述距离关系不满足第三条件的情况下,确定所述相邻的目标树木之间存在遮挡。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
对道路图像信息进行面积分类处理,以得到位于目标区域且满足面积条件的目标对象,其中,所述目标区域包括所述目标道路中的任一区域;
对所述目标对象进行对象识别,以得到对象属性信息;
在所述属性信息满足树木属性条件的情况下,确定所述目标道路存在树木倒伏。
5.根据权利要求4所述的方法,其特征在于,在所述对所述目标对象进行对象识别,以得到对象属性信息之后,所述方法还包括:
获取所述目标对象的运动信息;
基于所述运动信息,确定所述目标对象在目标时间段的运动属性;
在所述运动属性满足运动条件的情况下,确定所述目标道路存在树木倒伏。
6.一种道路树木倒伏识别装置,其特征在于,包括:
基准采集模块,用于获取目标道路的道路图像信息,其中,所述道路图像信息包括所述目标道路的道路基准线;
中轴线采集模块,用于通过CHM冠层高度模型确定所述道路图像信息中包含的目标树木的树木中轴线;
夹角计算模块,用于对所述道路基准线以及所述树木中轴线进行第一夹角计算,以确定所述道路基准线以及所述树木中轴线的第一空间夹角;
倒伏确定模块,用于在所述第一空间夹角不满足第一阈值条件的情况下,确定所述目标树木存在倒伏。
7.根据权利要求6所述的装置,其特征在于,还包括:
相邻树冠确定模块,用于在所述获取目标道路的道路图像信息,其中,所述道路图像信息包括所述目标道路的道路基准线之后,通过所述CHM冠层高度模型确定所述道路图像信息中包括的相邻的目标树木的树冠位置信息;
第一树冠连线模块,用于基于所述树冠位置信息,确定相邻的目标树木的树冠的第一树冠连线;
第二夹角计算模块,用于对所述第一树冠连线以及所述道路基准线进行第二夹角计算,以确定所述第一树冠连线以及所述道路基准线之间的第二空间夹角;
第二倒伏确定模块,用于在所述第二空间夹角不满足第二阈值条件的情况下,确定所述目标树木存在倒伏。
8.根据权利要求7所述的装置,其特征在于,还包括:
距离计算模块,用于在所述通过所述CHM冠层高度模型确定所述道路图像信息中包括的相邻的目标树木的树冠位置信息之后,基于所述树冠位置信息,确定所述相邻的目标树木之间的距离关系;
遮挡判断模块,用于在所述距离关系不满足第三条件的情况下,确定所述相邻的目标树木之间存在遮挡。
9.一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中存储有计算机程序,其中,所述计算机程序被设置为运行时执行所述权利要求1至5任一项中所述的方法。
10.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行所述权利要求1至5任一项中所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211418128.0A CN115512305A (zh) | 2022-11-14 | 2022-11-14 | 道路树木倒伏识别方法、装置、存储介质及电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211418128.0A CN115512305A (zh) | 2022-11-14 | 2022-11-14 | 道路树木倒伏识别方法、装置、存储介质及电子装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115512305A true CN115512305A (zh) | 2022-12-23 |
Family
ID=84514026
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211418128.0A Pending CN115512305A (zh) | 2022-11-14 | 2022-11-14 | 道路树木倒伏识别方法、装置、存储介质及电子装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115512305A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170358088A1 (en) * | 2016-06-14 | 2017-12-14 | International Business Machines Corporation | Detection of obstructions |
CN111476091A (zh) * | 2020-03-05 | 2020-07-31 | 中国电力科学研究院有限公司 | 一种输电线路通道树障信息的处理方法及系统 |
CN114078211A (zh) * | 2021-11-16 | 2022-02-22 | 上海岩易科技有限公司 | 基于激光雷达智能检测树木倒伏的方法 |
CN114386674A (zh) * | 2021-12-21 | 2022-04-22 | 广东电网有限责任公司 | 一种输电线路树木倒伏动态风险预警方法和系统 |
-
2022
- 2022-11-14 CN CN202211418128.0A patent/CN115512305A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170358088A1 (en) * | 2016-06-14 | 2017-12-14 | International Business Machines Corporation | Detection of obstructions |
CN111476091A (zh) * | 2020-03-05 | 2020-07-31 | 中国电力科学研究院有限公司 | 一种输电线路通道树障信息的处理方法及系统 |
CN114078211A (zh) * | 2021-11-16 | 2022-02-22 | 上海岩易科技有限公司 | 基于激光雷达智能检测树木倒伏的方法 |
CN114386674A (zh) * | 2021-12-21 | 2022-04-22 | 广东电网有限责任公司 | 一种输电线路树木倒伏动态风险预警方法和系统 |
Non-Patent Citations (1)
Title |
---|
陆庆轩、何兴元 主编: "《城市森林健康管理及案例分析 以沈阳为例》", 辽宁科学技术出版社, pages: 114 - 115 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220245792A1 (en) | Systems and methods for image quality detection | |
CN109447169A (zh) | 图像处理方法及其模型的训练方法、装置和电子系统 | |
CN113537049B (zh) | 地面点云数据处理方法、装置、终端设备及存储介质 | |
CN115631356B (zh) | 道路设施缺失识别方法、装置、存储介质及电子装置 | |
CN106845321A (zh) | 路面标记信息的处理方法和装置 | |
CN113325868B (zh) | 一种基于无人机的农作物实时识别系统及方法 | |
CN110488391B (zh) | 针对小区域的天气预测系统、方法及存储介质 | |
CN106845324A (zh) | 路牌信息的处理方法和装置 | |
CN111382808A (zh) | 一种车辆检测处理方法及装置 | |
CN114241326B (zh) | 一种渐进式遥感影像地物要素智能生产方法及系统 | |
CN111126211A (zh) | 标牌识别方法和装置、电子设备 | |
CN114722944A (zh) | 点云精度确定方法、电子设备及计算机存储介质 | |
CN114863380A (zh) | 车道线识别方法、装置及电子设备 | |
CN111899279A (zh) | 一种目标对象的运动速度检测方法及装置 | |
CN114519712A (zh) | 一种点云数据处理方法、装置、终端设备及存储介质 | |
Rumora et al. | Spatial video remote sensing for urban vegetation mapping using vegetation indices | |
CN112863195A (zh) | 车辆状态的确定方法及装置 | |
CN108109125A (zh) | 基于遥感图像的信息提取方法和装置 | |
CN112631333A (zh) | 无人机的目标跟踪方法、装置及图像处理芯片 | |
CN112183554A (zh) | 一种自动化道路边界轮廓提取方法 | |
CN115512305A (zh) | 道路树木倒伏识别方法、装置、存储介质及电子装置 | |
CN112115737A (zh) | 一种车辆朝向的确定方法、装置及车载终端 | |
CN113989509B (zh) | 基于图像识别的农作物虫害检测方法、检测系统及设备 | |
CN115731560A (zh) | 一种基于深度学习的槽线识别方法、装置、存储介质及终端 | |
CN113469130A (zh) | 一种遮挡目标检测方法、装置、存储介质及电子装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20221223 |