CN116772815A - 一种无人机遥感测绘方法、装置及系统 - Google Patents
一种无人机遥感测绘方法、装置及系统 Download PDFInfo
- Publication number
- CN116772815A CN116772815A CN202311067587.3A CN202311067587A CN116772815A CN 116772815 A CN116772815 A CN 116772815A CN 202311067587 A CN202311067587 A CN 202311067587A CN 116772815 A CN116772815 A CN 116772815A
- Authority
- CN
- China
- Prior art keywords
- area
- updated
- unmanned aerial
- aerial vehicle
- region
- 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
- 238000013507 mapping Methods 0.000 title claims abstract description 95
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000008859 change Effects 0.000 claims abstract description 139
- 238000012545 processing Methods 0.000 claims description 25
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 239000003086 colorant Substances 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000011835 investigation Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 241000282414 Homo sapiens Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002420 orchard Substances 0.000 description 1
- 238000002407 reforming Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Landscapes
- Instructional Devices (AREA)
Abstract
本发明涉及计算机领域,特别是涉及一种无人机遥感测绘方法、装置及系统,其中方法通过确定与地图用途相关的关联地理要素,进而确定出与地图用途有强关联性的关联区域,同时也依据了历史地理要素信息对包括关联地理要素的关联区域进行变化率评估,进而可将具有高变化概率的关联区域筛选出来,以得到待更新区域,进一步还能够依据历史数据计算出待更新数据的更新间隔时长,由此可以实现对待更新区域以其更新间隔时长进行有针对性的无人机测绘,减少了无人机的无用飞行,也降低了无人机的耗损。
Description
技术领域
本发明涉及计算机领域,特别是涉及一种无人机遥感测绘方法、装置及系统。
背景技术
无人机遥感测绘是利用无人机搭载的遥感传感器进行地理信息获取和地图制作的过程;相较于传统的卫星和航空遥感,无人机遥感技术具有高空间分辨率、灵活机动性强、实时监测与反馈、多源数据融合等特点和优势。
然而,为了方便使用,测绘形成的地图每间隔一段时长即需要进行更新,由于无人机可测绘的范围较小,现有的无人机测绘方法为了实现对地图的更新,需要使无人机对整个待测绘区域进行全覆盖飞行测绘,会加大对无人机的耗损,另外由于在一段时间内地理信息的改变往往只发生在局部区域,并且部分区域的地理信息改变对该测绘地图的使用并不构成影响,即进行无人机全覆盖飞行测绘所得到的地理信息更新绝大部分是无用更新,即无人机的耗损并未带来实际的效益。
因此,现有的无人机测绘方法存在难以实现对测绘地图进行有针对性的更新,进而造成无人机的耗损大的问题。
发明内容
基于此,有必要针对上述的问题,提供一种无人机遥感测绘方法、装置及系统。
本发明实施例是这样实现的,一种无人机遥感测绘方法,所述方法包括:
S1:调用无人机在待测绘区域进行全域测绘,以得到待测绘区域的全域地图;
S2:获取用户输入的地图用途;
S3:确定与地图用途相对应的关联地理要素,所述关联地理要素为用户使用地图时需要使用的地理要素;
S4:在全域地图上确定若干个关联区域,关联区域为包括关联地理要素的区域,每一个关联区域包括一个关联地理要素;
S5:获取一个关联地理要素对应的历史地理要素信息,所述历史地理要素信息包括该关联地理要素在历史上的各个要素状态以及每一个要素状态的持续时长;
S6:确定每两个相邻要素状态之间的变化值;
S7:计算所有变化值的平均变化值;
S8:计算所有持续时长的平均持续时长;
S9:依据平均变化值以及平均持续时长确定该关联地理要素对应的关联区域的变化率,其中,平均变化值表征关联区域的变化程度,平均持续时长表征关联区域的变化速度;
S10:获取另一个关联地理要素对应的历史地理要素信息,执行步骤S6至步骤S9,以得到该关联地理要素对应的关联区域的变化率,重复执行本步骤,以得到每一个关联地理要素对应的关联区域的变化率;
S11:将变化率大于第一设定值的关联区域作为待更新区域;
S12:选取一个待更新区域并将对应的平均持续时长作为该待更新区域的更新间隔时长,重复执行本步骤,直至得到每一个待更新区域的更新间隔时长;
S13:按照各个待更新区域的更新间隔时长调用无人机对各个待更新区域进行二次测绘,以对全域地图进行更新。
在其中一个实施例中,本发明提供了一种无人机遥感测绘装置,包括:
第一调用模块,调用无人机在待测绘区域进行全域测绘,以得到待测绘区域的全域地图;
第一获取模块,用于获取用户输入的地图用途;
第一处理模块,用于确定与地图用途相对应的关联地理要素,所述关联地理要素为用户使用地图时需要使用的地理要素;
第二处理模块,用于在全域地图上确定若干个关联区域,关联区域为包括关联地理要素的区域,每一个关联区域包括一个关联地理要素;
第二获取模块,用于获取一个关联地理要素对应的历史地理要素信息,所述历史地理要素信息包括该关联地理要素在历史上的各个要素状态以及每一个要素状态的持续时长;
第三处理模块,用于确定每两个相邻要素状态之间的变化值;
第四处理模块,用于计算所有变化值的平均变化值;
第五处理模块,用于计算所有持续时长的平均持续时长;
第六处理模块,用于依据平均变化值以及平均持续时长确定该关联地理要素对应的关联区域的变化率,其中,平均变化值表征关联区域的变化程度,平均持续时长越短表征关联区域的变化速度;
第三获取模块,用于获取另一个关联地理要素对应的历史地理要素信息,用于执行步骤S6至步骤S9,以得到该关联地理要素对应的关联区域的变化率,重复执行本步骤,以得到每一个关联地理要素对应的关联区域的变化率;
第七处理模块,用于将变化率大于第一设定值的关联区域作为待更新区域;
第八处理模块,用于选取一个待更新区域并将对应的平均持续时长作为该待更新区域的更新间隔时长,重复执行本步骤,直至得到每一个待更新区域的更新间隔时长;
第二调用模块,用于按照各个待更新区域的更新间隔时长调用无人机对各个待更新区域进行二次测绘,以对全域地图进行更新。
在其中一个实施例中,本发明提供了一种无人机遥感测绘系统,包括:
至少一架无人机,用于在被测区域上空飞行,以进行地理遥感测绘;以及
计算机设备,与每一架无人机连接,用于执行所述的无人机遥感测绘方法。
本申请提供了一种无人机遥感测绘方法、装置及系统,其中方法包括调用无人机在待测绘区域进行全域测绘,以得到待测绘区域的全域地图;获取用户输入的地图用途;确定与地图用途相对应的关联地理要素,所述关联地理要素为用户使用地图时需要使用的地理要素;在全域地图上确定若干个关联区域,关联区域为包括关联地理要素的区域,每一个关联区域包括一个关联地理要素;获取一个关联地理要素对应的历史地理要素信息;确定每两个相邻要素状态之间的变化值;计算所有变化值的平均变化值;计算所有持续时长的平均持续时长;依据平均变化值以及平均持续时长确定该关联地理要素对应的关联区域的变化率;获取另一个关联地理要素对应的历史地理要素信息,执行上述步骤,以得到该关联地理要素对应的关联区域的变化率,重复执行本步骤,以得到每一个关联地理要素对应的关联区域的变化率;将变化率大于第一设定值的关联区域作为待更新区域;取各个待更新区域的平均持续时长作为对应待更新区域的更新间隔时长;按照各个待更新区域的更新间隔时长调用无人机对各个待更新区域进行二次测绘,以对全域地图进行更新;本申请通过确定与地图用途相关的关联地理要素,进而确定出与地图用途有强关联性的关联区域,同时也依据了历史地理要素信息对包括关联地理要素的关联区域进行变化率评估,进而可将具有高变化概率的关联区域筛选出来,以得到待更新区域,进一步还能够依据历史数据计算出待更新数据的更新间隔时长,由此可以实现对待更新区域以其更新间隔时长进行有针对性的无人机测绘,减少了无人机的无用飞行,也降低了无人机的耗损。
附图说明
图1为一个实施例中提供的无人机遥感测绘方法的流程图;
图2为一个实施例中提供的无人机遥感测绘方法的无人机匹配图;
图3为一个实施例中提供的无人机遥感测绘装置的模块图;
图4为一个实施例中提供的无人机遥感测绘系统的示意图;
图5为一个实施例中计算机设备的内部结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。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。
可以理解,本发明所使用的术语“第一”、“第二”等可在本文中用于描述各种元件,但除非特别说明,这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说,在不脱离本发明的范围的情况下,可以将第一xx脚本称为第二xx脚本,且类似地,可将第二xx脚本称为第一xx脚本。
如图1所示,在一个实施例中,提出了一种无人机遥感测绘方法。具体可以包括以下步骤:
S1:调用无人机在待测绘区域进行全域测绘,以得到待测绘区域的全域地图;
S2:获取用户输入的地图用途;
S3:确定与地图用途相对应的关联地理要素,所述关联地理要素为用户使用地图时需要使用的地理要素;
S4:在全域地图上确定若干个关联区域,关联区域为包括关联地理要素的区域,每一个关联区域包括一个关联地理要素;
S5:获取一个关联地理要素对应的历史地理要素信息,所述历史地理要素信息包括该关联地理要素在历史上的各个要素状态以及每一个要素状态的持续时长;
S6:确定每两个相邻要素状态之间的变化值;
S7:计算所有变化值的平均变化值;
S8:计算所有持续时长的平均持续时长;
S9:依据平均变化值以及平均持续时长确定该关联地理要素对应的关联区域的变化率,其中,平均变化值表征关联区域的变化程度,平均持续时长表征关联区域的变化速度;
S10:获取另一个关联地理要素对应的历史地理要素信息,执行步骤S6至步骤S9,以得到该关联地理要素对应的关联区域的变化率,重复执行本步骤,以得到每一个关联地理要素对应的关联区域的变化率;
S11:将变化率大于第一设定值的关联区域作为待更新区域;
S12:选取一个待更新区域并将对应的平均持续时长作为该待更新区域的更新间隔时长,重复执行本步骤,直至得到每一个待更新区域的更新间隔时长;
S13:按照各个待更新区域的更新间隔时长调用无人机对各个待更新区域进行二次测绘,以对全域地图进行更新。
在本实施例中,本方法在计算机设备中执行,计算机设备可以是独立的物理服务器或终端,也可以是多个物理服务器构成的服务器集群,可以是提供云服务器、云数据库、云存储和CDN等基础云计算服务的云服务器;无人机与计算机设备之间通信连接;待测绘区域为用户设置的需要进行测绘的区域,待测绘区域中包括若干地理要素,地理要素是地图的地理内容,包括表示地球表面自然形态所包含的要素,如地貌、水系、植被和土壤等自然地理要素与人类在生产活动中改造自然界所形成的要素;用户通过计算机设备的输入装置(比如键盘)输入地图用途,比如土地利用率调查、植被覆盖率调查、江河水域变化分析等;地图用途输入后,计算机设备依据地图使用数据库确定该地图用途对应的关联地理要素,地图使用数据库依据历史上各个类型的地图使用情况而建立的数据库,其中包括了各个类型的地图用途,以及各个地图用途对应所需的地理要素,比如地图用途为调查农业用地的占比,则关联地理要素包括耕地、鱼池、牧区用地、果园等;确定关联区域时,可以先识别关联地理要素的轮廓,在确定一个能够包围整个轮廓的区域作为关联区域;历史地理要素信息为存储在计算机设备中关于关联地理信息的历史测绘结果,要素状态为关联地理要素在历史上各个时期的状态,状态持续时长可以由对发生变化的两个要素状态的测绘间隔时间来确定,历史测绘结果可以是无人机测绘结果,也可以是其它测绘形式的测绘结果;变化率为本申请引入的考量关联区域变化概率的参数,其主要由两部分决定,一个是平均变化值、另一个是平均持续时长,其中平均变化值越大,表征关联区域变化的程度越高,平均持续时长越短,表征关联区域变化的速度越快,频率越高;第一设定值可以设为0.8,当计算出来的变化率大于第一设定值时,比如变化率为0.9,则该变化率对应的关联区域被归类为待更新区域;无人机在每个区域进行测绘的时候会记录下测绘的时间,在所有的关联区域分类完成之后,对于每一个待更新区域,以待更新区域的测绘时间作为起始时间,每隔该待更新区域的更新间隔时长即调动无人机对该待更新区域进行二次测绘,进而将二次测绘的结果覆盖该待更新区域的原测绘结果,以实现地图更新。
在本申请中,通过确定与地图用途相关的关联地理要素,进而能够确定出与地图用途有强关联性的关联区域,关联区域为潜在的需要进行二次测绘的区域,即能够实现将与地图的使用无关的区域先筛出,避免了无人机对这些区域进行无用测绘,同时也依据了历史地理要素信息对包括关联地理要素的关联区域进行变化率评估,进而可将变化概率较低的关联区域筛出,以得到待更新区域,由于变化概率较低的区域其在整个地图使用周期发生的变化幅度较小,进而对于地图使用的影响也比较小,将这一部分关联区域筛出,能够实现在对地图的使用影响不大的情况下,进一步减少无人机的出机次数,进而进一步减少对无人机的损耗;再者,还能够依据历史数据计算出待更新数据的更新间隔时长,由此可以实现对待更新区域以其更新间隔时长进行有针对性的无人机测绘,即能够尽可能保证无人机在变化发生后进行测绘,减少了无人机的无效飞行。
作为一个优选的实施例,所述确定每两个相邻要素状态之间的变化值包括:
S531:取任意两个相邻要素状态作为相邻要素状态组;
S532:取相邻要素状态组中的一个要素状态为第一要素状态,取另一个要素状态为第二要素状态;
S533:分别对处于第一要素状态的关联地理要素和处于第二要素状态的关联地理要素进行特征提取,以得到若干个关联地理要素处于第一要素状态时的第一特征和若干个关联地理要素处于第二要素状态时的第二特征;
S534:对各个第一特征与各个第二特征进行归一化处理,以将各个特征转化为无量纲形式;
S535:通过以下公式确定该相邻要素状态组的两个相邻要素状态的变化值:
,
其中,为变化值,/>为第i个第一特征,/>为第i个第二特征;
S536:取另外两个相邻要素状态作为相邻要素状态组,执行步骤S532至步骤S535,以得到该相邻要素状态组的两个相邻要素状态的变化值,重复执行本步骤,以得到每两个相邻要素状态之间的变化值;
关联区域的变化率通过以下公式得到:
,
其中,为关联区域的变化率,/>为平均变化值,/>为平均持续时长,/>为变化程度调整系数,/>为变化速度调整系数。
在本实施例中,举例说明,对于一片河流流域,关联地理要素的特征包括数值特征比如河流的局部长度、最大宽度、水域面积、结冰水面面积,河道角度等,还包括非数值特征,比如河面颜色;在对关联地理要素进行特征提取时,对于数值特征,直接提取其相关数值,比如河流局部长度、最大宽度、水域面积分别为5km、300m、1km2,对与非特征要素,比如河面颜色,通过用户预设的特征与数值的映射关系来对其取值,比如对于所有的颜色,将每一种颜色与数值范围0~100中的数值进行对应,其中白色对应为0,黑色对应为100,提取特征河面颜色即提取该颜色对应的数值,提取完之后将各个数值归一化从而将各个特征转化为无量纲形式,如以上几个例句特征,转化后为5、300、1、100;另外根据用户根据地图用途会预设各个特征的权重系数,以对转化后的数值进行数值调整,比如上述四个特征的权重系数分别为1、0.01、2、0.05,经过权重调整之后各个特征为5、3、2、5,然后将各个特征带入变化值计算公式中进行计算,从而得到变化值。
再者,平均变化值越大,表征关联区域变化的程度越高,平均持续时长越短,表征关联区域变化的速度越快,频率越高,即在平均变化值越大、平均持续时长越短的情况下关联区域的变化率越大;与/>为根据两者对于计算结果的影响程度而预设的调整系数,其值具体可选,在此不作限定。
如图2所示,作为一个优选的实施例,供调用的无人机有若干架,所述调用无人机在待测绘区域进行全域测绘包括:
对各个无人机进行编号;
将全域地图划分成若干个子区域,其中子区域的数量与无人机的数量一致;
按照无人机的编号方式对各个子区域进行编号;
将编号一致的无人机和子区域进行配对;
调用每一个无人机对相匹配的子区域进行测绘,从而实现全域测绘。
所述按照各个待更新区域的更新间隔时长调用无人机对各个待更新区域进行二次测绘包括:
取一个待更新区域的更新间隔时长,并依据更新间隔时长确定该待更新区域的更新时间点,重复本步骤,直至得到每一个待更新区域的更新时间点;
监测各个待更新区域是否达到对应的更新时间点;
若某个待更新区域达到对应的更新时间点,则调用该待更新区域所在的子区域对应的无人机对该待更新区域进行二次测绘。
当某个子区域包括一个以上待更新区域时,若其中一个待更新区域处于二次测绘阶段,而另一个待更新区域达到对应的更新时间点,则调用距离最近的闲置无人机对该待更新区域进行二次测绘。
在本实施例中,子区域的划分依据无人机的数量以及关联区域的分布确定,比如某一块区域的关联区域较多则设置对应的子区域的面积较小,关联区域较少,则设置对应的子区域的面积较大,子区域的形状可以的规则图形,也可以是不规则图形,在此不作现代;对无人机进行编号,例如无人机1、无人机2、无人机3、无人机4、无人机5,相应的对子区域编号为子区域1、子区域2、子区域3、子区域4、子区域5,则实现了无人机和子区域的一一对应。
在本实施例中,无人机在每个区域进行测绘的时候会记录下测绘的时间,在所有的关联区域分类完成之后,对于每一个待更新区域,计算机设备以待更新区域的测绘时间作为起始时间,以该待更新区域对应的平均持续时长作为更新间隔时长,从待更新区域筛选完成时开始计算机设备监测该待更新区域是否从起始时间起已经经过了更新间隔时长,当刚好达到更新间隔时长时,将该时间点作为更新时间点,然后调用对应的无人机对该待更新区域进行二次测绘。
在本实施例中,由于一个子区域可能包括若干个待更新区域,而同一个子区域中可能存在两个或以上数量的待更新区域同时需要进行二次测绘,此时将与本子区域对应的无人机调至离该无人机最近的需更新的待更新区域进行二次测绘,而对于其它的需更新的待更新区域则调用离其距离最近的闲置无人机对其进行二次测绘;确定闲置无人机过程如下,取一个未工作的无人机,先确定该无人机飞到需更新的待更新区域并对该区域进行测绘并返回的必要时长,再将该必要时长与该无人机对其匹配的子区域中的待更新区域进行下一次测绘的剩余时长进行比较,若必要时长不大于剩余时长,则该无人机可确定为闲置无人机。
在本申请中,设置有多个无人机,并在全域地图中相对应设置有多个子区域,并将无人机与子区域一一对应起来,使每台无人机只需要在一个较小的范围内执行飞行测绘任务,减少了对无人机的损耗;再者,当某个子区域需要有多个无人机同时测绘时,也可以调用附近的闲置无人机进行协同测绘,保证了地图更新的及时性。
如图3所示,在一个实施例中,提供了一种无人机遥感测绘装置,包括:
第一调用模块,调用无人机在待测绘区域进行全域测绘,以得到待测绘区域的全域地图;
第一获取模块,用于获取用户输入的地图用途;
第一处理模块,用于确定与地图用途相对应的关联地理要素,所述关联地理要素为用户使用地图时需要使用的地理要素;
第二处理模块,用于在全域地图上确定若干个关联区域,关联区域为包括关联地理要素的区域,每一个关联区域包括一个关联地理要素;
第二获取模块,用于获取一个关联地理要素对应的历史地理要素信息,所述历史地理要素信息包括该关联地理要素在历史上的各个要素状态以及每一个要素状态的持续时长;
第三处理模块,用于确定每两个相邻要素状态之间的变化值;
第四处理模块,用于计算所有变化值的平均变化值;
第五处理模块,用于计算所有持续时长的平均持续时长;
第六处理模块,用于依据平均变化值以及平均持续时长确定该关联地理要素对应的关联区域的变化率,其中,平均变化值表征关联区域的变化程度,平均持续时长越短表征关联区域的变化速度;
第三获取模块,用于获取另一个关联地理要素对应的历史地理要素信息,用于执行步骤S6至步骤S9,以得到该关联地理要素对应的关联区域的变化率,重复执行本步骤,以得到每一个关联地理要素对应的关联区域的变化率;
第七处理模块,用于将变化率大于第一设定值的关联区域作为待更新区域;
第八处理模块,用于选取一个待更新区域并将对应的平均持续时长作为该待更新区域的更新间隔时长,重复执行本步骤,直至得到每一个待更新区域的更新间隔时长;
第二调用模块,用于按照各个待更新区域的更新间隔时长调用无人机对各个待更新区域进行二次测绘,以对全域地图进行更新。
在本申请中,各模块实现各自功能的过程,具体可参考前述图1所示实施例的描述,此处不再赘述。
如图4所示,在一个实施例中,一种无人机遥感测绘系统,包括:
至少一架无人机,用于在被测区域上空飞行,以进行地理遥感测绘;以及
计算机设备,与每一架无人机连接,用于执行所述的无人机遥感测绘方法。
在本实施例中,计算机设备控制各个无人机对待测区域进行测绘,通过确定与地图用途相关的关联地理要素,进而能够确定出与地图用途有强关联性的关联区域,关联区域为潜在的需要进行二次测绘的区域,即能够实现将与地图的使用无关的区域先筛出,避免了无人机对这些区域进行无用测绘,同时也依据了历史地理要素信息对包括关联地理要素的关联区域进行变化率评估,进而可将变化概率较低的关联区域筛出,以得到待更新区域,由于变化概率较低的区域其在整个地图使用周期发生的变化幅度较小,进而对于地图使用的影响也比较小,将这一部分关联区域筛出,能够实现在对地图的使用影响不大的情况下,进一步减少无人机的出机次数,进而进一步减少对无人机的损耗;再者,还能够依据历史数据计算出待更新数据的更新间隔时长,由此可以实现对待更新区域以其更新间隔时长进行有针对性的无人机测绘,即能够尽可能保证无人机在变化发生后进行测绘,减少了无人机的无效飞行。
图5示出了一个实施例中计算机设备的内部结构图。如图5所示,该计算机设备包括该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、输入装置和显示屏。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现本发明实施例提供的无人机遥感测绘方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行本发明实施例提供的无人机遥感测绘方法。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图5中示出的结构,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,本发明实施例提供的无人机遥感测绘装置可以实现为一种计算机程序的形式,计算机程序可在如图5所示的计算机设备上运行。计算机设备的存储器中可存储组成该无人机遥感测绘装置的各个程序模块,比如图3所示的各个程序模块。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本发明各个实施例的无人机遥感测绘方法中的步骤。
例如,图5所示的计算机设备可以通过如图3所示的无人机遥感测绘装置中的调用模块模块执行步骤S1和步骤S13;计算机设备可通过获取模块执行步骤S2、步骤S5和步骤S10;计算机设备可通过处理模块执行步骤S3至步骤S4、步骤S6至步骤S12。
在一个实施例中,提出了一种计算机设备,所述计算机设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
S1:调用无人机在待测绘区域进行全域测绘,以得到待测绘区域的全域地图;
S2:获取用户输入的地图用途;
S3:确定与地图用途相对应的关联地理要素;
S4:在全域地图上确定若干个关联区域;
S5:获取一个关联地理要素对应的历史地理要素信息;
S6:确定每两个相邻要素状态之间的变化值;
S7:计算所有变化值的平均变化值;
S8:计算所有持续时长的平均持续时长;
S9:依据平均变化值以及平均持续时长确定该关联地理要素对应的关联区域的变化率;
S10:获取另一个关联地理要素对应的历史地理要素信息,执行步骤S6至步骤S9,以得到该关联地理要素对应的关联区域的变化率,重复执行本步骤,以得到每一个关联地理要素对应的关联区域的变化率;
S11:将变化率大于第一设定值的关联区域作为待更新区域;
S12:选取一个待更新区域并将对应的平均持续时长作为该待更新区域的更新间隔时长,重复执行本步骤,直至得到每一个待更新区域的更新间隔时长;
S13:按照各个待更新区域的更新间隔时长调用无人机对各个待更新区域进行二次测绘,以对全域地图进行更新。
在一个实施例中,提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时,使得处理器执行以下步骤:
S1:调用无人机在待测绘区域进行全域测绘,以得到待测绘区域的全域地图;
S2:获取用户输入的地图用途;
S3:确定与地图用途相对应的关联地理要素;
S4:在全域地图上确定若干个关联区域;
S5:获取一个关联地理要素对应的历史地理要素信息;
S6:确定每两个相邻要素状态之间的变化值;
S7:计算所有变化值的平均变化值;
S8:计算所有持续时长的平均持续时长;
S9:依据平均变化值以及平均持续时长确定该关联地理要素对应的关联区域的变化率;
S10:获取另一个关联地理要素对应的历史地理要素信息,执行步骤S6至步骤S9,以得到该关联地理要素对应的关联区域的变化率,重复执行本步骤,以得到每一个关联地理要素对应的关联区域的变化率;
S11:将变化率大于第一设定值的关联区域作为待更新区域;
S12:选取一个待更新区域并将对应的平均持续时长作为该待更新区域的更新间隔时长,重复执行本步骤,直至得到每一个待更新区域的更新间隔时长;
S13:按照各个待更新区域的更新间隔时长调用无人机对各个待更新区域进行二次测绘,以对全域地图进行更新。
应该理解的是,虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。
Claims (9)
1.一种无人机遥感测绘方法,其特征在于,所述方法包括:
S1:调用无人机在待测绘区域进行全域测绘,以得到待测绘区域的全域地图;
S2:获取用户输入的地图用途;
S3:确定与地图用途相对应的关联地理要素,所述关联地理要素为用户使用地图时需要使用的地理要素;
S4:在全域地图上确定若干个关联区域,关联区域为包括关联地理要素的区域,每一个关联区域包括一个关联地理要素;
S5:获取一个关联地理要素对应的历史地理要素信息,所述历史地理要素信息包括该关联地理要素在历史上的各个要素状态以及每一个要素状态的持续时长;
S6:确定每两个相邻要素状态之间的变化值;
S7:计算所有变化值的平均变化值;
S8:计算所有持续时长的平均持续时长;
S9:依据平均变化值以及平均持续时长确定该关联地理要素对应的关联区域的变化率,其中,平均变化值表征关联区域的变化程度,平均持续时长表征关联区域的变化速度;
S10:获取另一个关联地理要素对应的历史地理要素信息,执行步骤S6至步骤S9,以得到该关联地理要素对应的关联区域的变化率,重复执行本步骤,以得到每一个关联地理要素对应的关联区域的变化率;
S11:将变化率大于第一设定值的关联区域作为待更新区域;
S12:选取一个待更新区域并将对应的平均持续时长作为该待更新区域的更新间隔时长,重复执行本步骤,直至得到每一个待更新区域的更新间隔时长;
S13:按照各个待更新区域的更新间隔时长调用无人机对各个待更新区域进行二次测绘,以对全域地图进行更新。
2.根据权利要求1所述的方法,其特征在于,所述确定每两个相邻要素状态之间的变化值包括:
S531:取任意两个相邻要素状态作为相邻要素状态组;
S532:取相邻要素状态组中的一个要素状态为第一要素状态,取另一个要素状态为第二要素状态;
S533:分别对处于第一要素状态的关联地理要素和处于第二要素状态的关联地理要素进行特征提取,以得到若干个关联地理要素处于第一要素状态时的第一特征和若干个关联地理要素处于第二要素状态时的第二特征;
S534:对各个第一特征与各个第二特征进行归一化处理,以将各个特征转化为无量纲形式;
S535:通过以下公式确定该相邻要素状态组的两个相邻要素状态的变化值:
,
其中,为变化值,/>为第i个第一特征,/>为第i个第二特征;
S536:取另外两个相邻要素状态作为相邻要素状态组,执行步骤S532至步骤S535,以得到该相邻要素状态组的两个相邻要素状态的变化值,重复执行本步骤,以得到每两个相邻要素状态之间的变化值。
3.根据权利要求2所述的方法,其特征在于,关联区域的变化率通过以下公式得到:
,
其中,为关联区域的变化率,/>为平均变化值,/>为平均持续时长,/>为变化程度调整系数,/>为变化速度调整系数。
4.根据权利要求1所述的方法,其特征在于,供调用的无人机有若干架,所述调用无人机在待测绘区域进行全域测绘包括:
对各个无人机进行编号;
将全域地图划分成若干个子区域,其中子区域的数量与无人机的数量一致;
按照无人机的编号方式对各个子区域进行编号;
将编号一致的无人机和子区域进行配对;
调用每一个无人机对相匹配的子区域进行测绘,从而实现全域测绘。
5.根据权利要求4所述的方法,其特征在于,所述按照各个待更新区域的更新间隔时长调用无人机对各个待更新区域进行二次测绘包括:
取一个待更新区域的更新间隔时长,并依据更新间隔时长确定该待更新区域的更新时间点,重复本步骤,直至得到每一个待更新区域的更新时间点;
监测各个待更新区域是否达到对应的更新时间点;
若某个待更新区域达到对应的更新时间点,则调用该待更新区域所在的子区域对应的无人机对该待更新区域进行二次测绘。
6.根据权利要求5所述的方法,其特征在于,当某个子区域包括一个以上待更新区域时,若其中一个待更新区域处于二次测绘阶段,而另一个待更新区域达到对应的更新时间点,则调用距离最近的闲置无人机对该待更新区域进行二次测绘。
7.根据权利要求1所述的方法,其特征在于,每隔一段设定时长后,将上一设定时长中测绘得到的地理要素信息作为历史地理要素信息,重新执行步骤S4至步骤S13,以对待更新区域以及对应的更新间隔时长进行更新。
8.一种无人机遥感测绘装置,其特征在于,包括:
第一调用模块,调用无人机在待测绘区域进行全域测绘,以得到待测绘区域的全域地图;
第一获取模块,用于获取用户输入的地图用途;
第一处理模块,用于确定与地图用途相对应的关联地理要素,所述关联地理要素为用户使用地图时需要使用的地理要素;
第二处理模块,用于在全域地图上确定若干个关联区域,关联区域为包括关联地理要素的区域,每一个关联区域包括一个关联地理要素;
第二获取模块,用于获取一个关联地理要素对应的历史地理要素信息,所述历史地理要素信息包括该关联地理要素在历史上的各个要素状态以及每一个要素状态的持续时长;
第三处理模块,用于确定每两个相邻要素状态之间的变化值;
第四处理模块,用于计算所有变化值的平均变化值;
第五处理模块,用于计算所有持续时长的平均持续时长;
第六处理模块,用于依据平均变化值以及平均持续时长确定该关联地理要素对应的关联区域的变化率,其中,平均变化值表征关联区域的变化程度,平均持续时长越短表征关联区域的变化速度;
第三获取模块,用于获取另一个关联地理要素对应的历史地理要素信息,用于执行步骤S6至步骤S9,以得到该关联地理要素对应的关联区域的变化率,重复执行本步骤,以得到每一个关联地理要素对应的关联区域的变化率;
第七处理模块,用于将变化率大于第一设定值的关联区域作为待更新区域;
第八处理模块,用于选取一个待更新区域并将对应的平均持续时长作为该待更新区域的更新间隔时长,重复执行本步骤,直至得到每一个待更新区域的更新间隔时长;
第二调用模块,用于按照各个待更新区域的更新间隔时长调用无人机对各个待更新区域进行二次测绘,以对全域地图进行更新。
9.一种无人机遥感测绘系统,其特征在于,包括:
至少一架无人机,用于在被测区域上空飞行,以进行地理遥感测绘;以及
计算机设备,与每一架无人机连接,用于执行如权利要求1~7任意一项权利要求所述的无人机遥感测绘方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311067587.3A CN116772815B (zh) | 2023-08-23 | 2023-08-23 | 一种无人机遥感测绘方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311067587.3A CN116772815B (zh) | 2023-08-23 | 2023-08-23 | 一种无人机遥感测绘方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116772815A true CN116772815A (zh) | 2023-09-19 |
CN116772815B CN116772815B (zh) | 2023-10-17 |
Family
ID=87989895
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311067587.3A Active CN116772815B (zh) | 2023-08-23 | 2023-08-23 | 一种无人机遥感测绘方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116772815B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117537790A (zh) * | 2024-01-09 | 2024-02-09 | 深圳市国测测绘技术有限公司 | 一种基于无人机的立体地图测绘方法、装置和系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113534839A (zh) * | 2021-07-21 | 2021-10-22 | 武昌理工学院 | 一种无人机群组联动测绘的航线介入引导方法及装置 |
CN114476065A (zh) * | 2022-03-28 | 2022-05-13 | 黄河水利职业技术学院 | 一种测绘工程测量用无人机遥感装置 |
CN114880334A (zh) * | 2022-03-16 | 2022-08-09 | 高德软件有限公司 | 地图数据更新方法及电子设备 |
CN115839714A (zh) * | 2022-12-26 | 2023-03-24 | 电子科技大学 | 一种基于航拍图像的无人机工作区域地图构建方法 |
-
2023
- 2023-08-23 CN CN202311067587.3A patent/CN116772815B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113534839A (zh) * | 2021-07-21 | 2021-10-22 | 武昌理工学院 | 一种无人机群组联动测绘的航线介入引导方法及装置 |
CN114880334A (zh) * | 2022-03-16 | 2022-08-09 | 高德软件有限公司 | 地图数据更新方法及电子设备 |
CN114476065A (zh) * | 2022-03-28 | 2022-05-13 | 黄河水利职业技术学院 | 一种测绘工程测量用无人机遥感装置 |
CN115839714A (zh) * | 2022-12-26 | 2023-03-24 | 电子科技大学 | 一种基于航拍图像的无人机工作区域地图构建方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117537790A (zh) * | 2024-01-09 | 2024-02-09 | 深圳市国测测绘技术有限公司 | 一种基于无人机的立体地图测绘方法、装置和系统 |
CN117537790B (zh) * | 2024-01-09 | 2024-04-09 | 深圳市国测测绘技术有限公司 | 一种基于无人机的立体地图测绘方法、装置和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116772815B (zh) | 2023-10-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10015359B1 (en) | Image-based field boundary detection and identification | |
CN116772815B (zh) | 一种无人机遥感测绘方法、装置及系统 | |
CN112214561B (zh) | 地图数据处理方法、装置、计算机设备及存储介质 | |
Lehmann et al. | Temporal and spatial changes of land use in rare metal mining areas of Rwanda | |
CN115797781A (zh) | 农作物识别方法、装置、计算机设备和存储介质 | |
Nielsen et al. | Visualization of and software for omnibus test-based change detected in a time series of polarimetric SAR data | |
Wei et al. | Selecting the optimal NDVI time-series reconstruction technique for crop phenology detection | |
CN114462723B (zh) | 基于高空风资源影响的云层迁移分钟级光伏功率预测方法 | |
CN111009179B (zh) | 剥蚀厚度的确定方法及装置 | |
US20220358621A1 (en) | Point cloud feature enhancement and apparatus, computer device and storage medium | |
CN103390271B (zh) | 遥感影像分割方法及装置 | |
EP4310745A1 (en) | Methods and systems for high resolution and scalable crop yield forecasting | |
CN108427710B (zh) | 企业数据可视化处理方法、服务器和存储介质 | |
CN108829932B (zh) | 兴趣匹配方法、装置、计算机设备和存储介质 | |
US20210049786A1 (en) | Method and device of processing image, and computer readable storage medium | |
CN114418243B (zh) | 分布式新能源云端网格预测方法与系统 | |
CN113222276B (zh) | 覆冰情况预测方法、装置、计算机设备和存储介质 | |
Rao et al. | Fast spatiotemporal data fusion: merging LISS III with AWiFS sensor data | |
Zhang et al. | Two-stage traffic clustering based on HNSW | |
Mitra et al. | Confluence: adaptive spatiotemporal data integration using distributed query relaxation over heterogeneous observational datasets | |
CN116758047A (zh) | 光伏资源预测方法、装置、计算机设备和存储介质 | |
CN113627296B (zh) | 叶绿素a浓度插值方法、装置、电子设备及存储介质 | |
US20230161890A1 (en) | Persona prediction for access to resources | |
AU2021106697A4 (en) | A Superpixel Based Deep Neural Network System For Satellite Imagery | |
CN118014158B (zh) | 一种顾及伞护种习性的面域生态廊道划定方法和系统 |
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 |