CN117495869A - 一种基于航拍图像的屋顶光伏选址方法、设备及介质 - Google Patents

一种基于航拍图像的屋顶光伏选址方法、设备及介质 Download PDF

Info

Publication number
CN117495869A
CN117495869A CN202311349726.1A CN202311349726A CN117495869A CN 117495869 A CN117495869 A CN 117495869A CN 202311349726 A CN202311349726 A CN 202311349726A CN 117495869 A CN117495869 A CN 117495869A
Authority
CN
China
Prior art keywords
roof
image
area
determining
position information
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
Application number
CN202311349726.1A
Other languages
English (en)
Inventor
刘家良
石胜坤
张鹏
闵万里
田钿
丁鑫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Synthesis Electronic Technology Co Ltd
Original Assignee
Synthesis Electronic Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Synthesis Electronic Technology Co Ltd filed Critical Synthesis Electronic Technology Co Ltd
Priority to CN202311349726.1A priority Critical patent/CN117495869A/zh
Publication of CN117495869A publication Critical patent/CN117495869A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; 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
    • G06T7/13—Edge detection
    • 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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • 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
    • G06T2207/20004—Adaptive image processing
    • 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
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Image Processing (AREA)

Abstract

本申请实施例公开了一种基于航拍图像的屋顶光伏选址方法、设备及介质。包括，通过无人机拍摄，获取待测屋顶图像，以确定出待测屋顶图像对应的数字正摄影图像与数字表面模型；基于预置图像处理算法与数字表面模型，对待测屋顶图像进行分割，以得到屋顶区域对应的图像位置信息；基于屋顶区域对应的图像位置信息与数字正摄影图像，确定出屋顶可见光图像，以基于屋顶可见光图像与预置屋顶占用物检测模型确定出屋顶占用物检测信息；基于屋顶区域对应的图像位置信息与屋顶占用物检测信息，确定出屋顶空余面积，以基于屋顶空余面积确定出光伏选址信息。通过上述方法缩短屋顶光伏板安装周期。

Description

一种基于航拍图像的屋顶光伏选址方法、设备及介质
技术领域
本申请涉及图像处理技术领域，尤其涉及一种基于航拍图像的屋顶光伏选址方法、设备及介质。
背景技术
随着全球化石燃料资源的日益枯竭、环境污染的日趋恶化，以及人们对核电安全性的担忧，清洁、安全、用之不竭的新能源，特别是太阳能的开发利用越来越受到人们的青睐。人们早期直接大规模利用太阳能的形式主要是光热转换，随着光伏发电技术的发展，成本的逐渐降低，利用太阳能发电已经越来越普及。
屋顶光伏发电可以提供清洁能源，减少环境污染，不仅能够为业主节约用电成本，若有多余电力还可以并入电网产生收益。在屋顶安装光伏板之前，需要首先分析屋顶使用情况，有足够的空闲面积的屋顶才能加装光伏设备。
在屋顶安装光伏板之前，往往需要专人现场勘察屋顶使用情况，根据屋顶的可用面积决定是否可以加装光伏板，导致安装周期较长、人力成本较高。
发明内容
本申请实施例提供了一种基于航拍图像的屋顶光伏选址方法、设备及介质，用于解决如下技术问题：在屋顶安装光伏板之前，往往需要专人现场勘察屋顶使用情况，根据屋顶的可用面积决定是否可以加装光伏板，导致安装周期较长、人力成本较高。
本申请实施例采用下述技术方案：
本申请实施例提供一种基于航拍图像的屋顶光伏选址方法。包括，通过无人机拍摄，获取待测屋顶图像，以确定出待测屋顶图像对应的数字正摄影图像与数字表面模型；基于预置图像处理算法与数字表面模型，对待测屋顶图像进行分割，以得到屋顶区域对应的图像位置信息；其中，图像位置信息与屋顶区域对应的外接矩形位置信息相关；基于屋顶区域对应的图像位置信息与数字正摄影图像，确定出屋顶可见光图像，以基于屋顶可见光图像与预置屋顶占用物检测模型确定出屋顶占用物检测信息；基于屋顶区域对应的图像位置信息与屋顶占用物检测信息，确定出屋顶空余面积，以基于屋顶空余面积确定出光伏选址信息。
本申请实施例通过无人机拍摄，获取待测屋顶图像，能够实现大范围屋顶状况的快速筛查。通过预置图像处理算法与数字表面模型，对待测屋顶图像进行分割，以及基于屋顶可见光图像与预置屋顶占用物检测模型确定出屋顶占用物检测信息，通过空余面积确定出光伏选址信息。一方面可以解决光伏铺设之前对屋顶可用情况没有全面的认知，为光伏铺设作整体规划提供参考，另一方面对要铺设光伏的屋顶可以提前了解其屋顶的实际使用情况，帮助进行光伏铺设的方案设计，降低了人力成本和安装周期。
在本申请的一种实现方式中，基于预置图像处理算法与数字表面模型，对待测屋顶图像进行分割，以得到屋顶区域对应的图像位置信息，具体包括：通过边缘检测算子、自适应分割算法以及数字表面模型，对待测屋顶图像进行分割，得到屋顶分割结果；对屋顶分割结果进行连通域分析，并对每个独立屋顶的分割信息进行独立编号，以得到每个独立屋顶的分割结果；确定出每个独立屋顶的分割结果分别对应的分割掩膜图像，确定出各分割掩膜图像分别对应的行最大值，以及确定出各分割掩膜图像分别对应的列最大值；基于行最大值与列最大值，确定出每个独立屋顶分别对应的正外接矩形，以基于正外接矩形确定出屋顶区域对应的图像位置信息。
在本申请的一种实现方式中，通过边缘检测算子、自适应分割算法以及数字表面模型，对待测屋顶图像进行分割，得到屋顶分割结果，具体包括：基于房屋与地面的高度差，通过边缘检测算子对数字表面模型进行边缘提取；以及基于房屋尺寸数据，通过自适应分割算法对待测屋顶图像进行分割，得到分割目标信息；将边缘提取结果与分割目标信息进行融合，在边缘提取结果与分割目标信息重合部分大于预置重合面积阈值的情况下，确定出屋顶分割结果。
在本申请的一种实现方式中，基于屋顶区域对应的图像位置信息与数字正摄影图像，确定出屋顶可见光图像，具体包括：基于数字正摄影图像对应的图像像素比例尺，与数字表面模型对应的图像像素比例尺之间的比值，确定出像素坐标关系；基于屋顶区域对应的图像位置信息与像素坐标关系，对图像位置信息进行缩放处理，以得到屋顶区域在数字正摄影图像中的位置信息；在数字正摄影图像中的位置信息所对应的外接矩形，为正外接矩形的情况下，截取正外接矩形部分以作为屋顶可见光图像。
在本申请的一种实现方式中，基于屋顶可见光图像与预置屋顶占用物检测模型确定出屋顶占用物检测信息，具体包括：将屋顶可见光图像输入预置屋顶占用物检测模型，以通过预置屋顶占用物检测模型输出不同占用物的检测信息；其中，不同占用物的检测信息至少包括占用物类型、占用物数量以及占用物范围中的一项。
在本申请的一种实现方式中，基于屋顶区域对应的图像位置信息与屋顶占用物检测信息，确定出屋顶空余面积，具体包括：确定出屋顶区域对应的图像位置的分割掩膜图像信息，基于数字表面模型对应的比例尺与分割掩膜图像信息，得到每个屋顶的实际面积；其中，数字表面模型对应的比例尺，与数字表面模型像素尺度到实际地理坐标尺度的比例相关；基于屋顶占用物检测信息与数字正摄影图像对应的比例尺，确定出屋顶占用物实际占用面积；其中，数字正摄影图像对应的比例尺，与数字正摄影图像像素尺度到实际地理坐标尺度的比例相关；基于每个屋顶的实际面积与屋顶占用物实际占用面积之间的差值，确定出屋顶空余面积。
在本申请的一种实现方式中，基于屋顶占用物检测信息与数字正摄影图像对应的比例尺，确定出屋顶占用物实际占用面积，具体包括：确定出占用物的类型，基于占用物的类型，在预置权重表中确定出占用物对应的权重值；基于数字正摄影图像对应的比例尺、占用物对应的权重值以及屋顶占用物检测信息，确定出屋顶占用物实际占用面积。
在本申请的一种实现方式中，基于屋顶空余面积确定出光伏选址信息，具体包括：在屋顶空余面积大于预置光伏铺设面积的情况下，将当前屋顶空余位置作为光伏选址信息，并将屋顶空余面积作为光伏铺设面积。
本申请实施例提供一种基于航拍图像的屋顶光伏选址设备，包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够：通过无人机拍摄，获取待测屋顶图像，以确定出待测屋顶图像对应的数字正摄影图像与数字表面模型；基于预置图像处理算法与数字表面模型，对待测屋顶图像进行分割，以得到屋顶区域对应的图像位置信息；其中，图像位置信息与屋顶区域对应的外接矩形位置信息相关；基于屋顶区域对应的图像位置信息与数字正摄影图像，确定出屋顶可见光图像，以基于屋顶可见光图像与预置屋顶占用物检测模型确定出屋顶占用物检测信息；基于屋顶区域对应的图像位置信息与屋顶占用物检测信息，确定出屋顶空余面积，以基于屋顶空余面积确定出光伏选址信息。
本申请实施例提供的一种非易失性计算机存储介质，存储有计算机可执行指令，计算机可执行指令设置为：通过无人机拍摄，获取待测屋顶图像，以确定出待测屋顶图像对应的数字正摄影图像与数字表面模型；基于预置图像处理算法与数字表面模型，对待测屋顶图像进行分割，以得到屋顶区域对应的图像位置信息；其中，图像位置信息与屋顶区域对应的外接矩形位置信息相关；基于屋顶区域对应的图像位置信息与数字正摄影图像，确定出屋顶可见光图像，以基于屋顶可见光图像与预置屋顶占用物检测模型确定出屋顶占用物检测信息；基于屋顶区域对应的图像位置信息与屋顶占用物检测信息，确定出屋顶空余面积，以基于屋顶空余面积确定出光伏选址信息。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：本申请实施例通过无人机拍摄，获取待测屋顶图像，能够实现大范围屋顶状况的快速筛查。通过预置图像处理算法与所述数字表面模型，对待测屋顶图像进行分割，以及基于屋顶可见光图像与预置屋顶占用物检测模型确定出屋顶占用物检测信息，通过空余面积确定出光伏选址信息。一方面可以解决光伏铺设之前对屋顶可用情况没有全面的认知，为光伏铺设作整体规划提供参考，另一方面对要铺设光伏的屋顶可以提前了解其屋顶的实际使用情况，帮助进行光伏铺设的方案设计，降低了人力成本和安装周期。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。在附图中：
图1为本申请实施例提供的一种基于航拍图像的屋顶光伏选址方法流程图；
图2为本申请实施例提供的一种基于航拍图像的屋顶光伏选址方法整体流程示意图；
图3为本申请实施例提供的一种基于数字表面模型高度信息的屋顶分割示意图；
图4为本申请实施例提供的一种屋顶可铺设光伏板示意图；
图5为本申请实施例提供的一种屋顶不可铺设光伏板示意图；
图6为本申请实施例提供的一种基于航拍图像的屋顶光伏选址设备的结构示意图。
具体实施方式
本申请实施例提供一种基于航拍图像的屋顶光伏选址方法、设备及介质。
为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本说明书实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
下面通过附图对本申请实施例提出的技术方案进行详细的说明。
图1为本申请实施例提供的一种基于航拍图像的屋顶光伏选址方法流程图，如图1所示，基于航拍图像的屋顶光伏选址方法包括如下步骤：
S101、通过无人机拍摄，获取待测屋顶图像，以确定出待测屋顶图像对应的数字正摄影图像与数字表面模型。
在本申请的一个实施例中，对要进行光伏选址分析的区域利用无人机进行拍摄，利用遥感建模技术得到拍摄区域的数字表面模型(DSM，Digital Surface Model)和数字正射影像图(DOM，Digital Orth-photo Map)。对无人机数据进行空中三角测量，生成点云数据，结合影像数据从而得到校正后的DSM数据和DOM数据。
需要说明的是，无人机遥感(Unmanned Aerial Vehicle Remote Sensing),使用无人驾驶飞行器利用遥感遥测技术，自动智能化快速获取空间遥感信息，且完成遥感数据处理、建模和应用分析的应用技术。基于无人机遥感技术，可以对拍摄区域进行三维建模，得到该区域的数字表面模型和数字正射影像图。
S102、基于预置图像处理算法与数字表面模型，对待测屋顶图像进行分割，以得到屋顶区域对应的图像位置信息。
在本申请的一个实施例中，通过边缘检测算子、自适应分割算法以及数字表面模型，对待测屋顶图像进行分割，得到屋顶分割结果。对屋顶分割结果进行连通域分析，并对每个独立屋顶的分割信息进行独立编号，以得到每个独立屋顶的分割结果。确定出每个独立屋顶的分割结果分别对应的分割掩膜图像，确定出各分割掩膜图像分别对应的行最大值，以及确定出各分割掩膜图像分别对应的列最大值。基于行最大值与列最大值，确定出每个独立屋顶分别对应的正外接矩形，以基于正外接矩形确定出屋顶区域对应的图像位置信息。其中，图像位置信息与屋顶区域对应的外接矩形位置信息相关。
在本申请的一个实施例中，基于房屋与地面的高度差，通过边缘检测算子对数字表面模型进行边缘提取。以及基于房屋尺寸数据，通过自适应分割算法对待测屋顶图像进行分割，得到分割目标信息。将边缘提取结果与分割目标信息进行融合，在边缘提取结果与分割目标信息重合部分大于预置重合面积阈值的情况下，确定出屋顶分割结果。
具体地，根据DSM提供的高度信息，利用图像分割技术对区域内的屋顶图像进行分割，再通过连通域分析等图像处理算法提高屋顶分割精度并确定屋顶位置。具体来说又可以细分成屋顶分割和屋顶的位置确定两步：
(1)局部自适应分割技术进行屋顶分割：
(a)使用边缘检测算子对DSM中特定高度差的边缘进行提取，通过指定房屋与地面的高度差，提取屋顶的边缘分布情况：
以canny算法为例，根据分析区域的高度特征设置canny算法的检测算子尺度和两个阈值，可以有效提取出DSM中屋顶的边缘信息。如假设楼房在10米以上，设置canny算法的检测算子尺寸为3×3，较大阈值为80，较小阈值为40。即可以提取出DSM中有10米以上高度差目标的边缘信息。
(b)使用自适应分割算法对DSM中满足一定高度差的区域进行分割，通过指定房屋的长宽数据值，可以获取屋顶的分割结果：
以使用自适应阈值算法adaptiveThreshold为例，可通过设置adaptiveThreshold的blocksize参数提取屋顶掩膜信息。比如，假设屋顶长宽为100米以内，令blocksize＝200/scale_dsm(scale_dsm为DSM图像像素比例尺，代表DSM图中一个像素大小对应真实空间的长度)。即可以提取出长宽在100米以内且较周围环境更高的物体的整体分割结果。
(c)将边缘信息与分割结果进行融合，筛除分割结果中的误检情况：
由于分割算法使用自适应的方法，虽然能够适应地势变化等对分割带来的影响，但是无法准确找出属于屋顶的部分，因此根据边缘信息对分割结果进行筛选，只有分割目标能够覆盖一定的边缘信息时，该分割目标才是屋顶，设屋顶对应的掩膜信息为roof_mask。图3为本申请实施例提供的一种基于数字表面模型高度信息的屋顶分割示意图，如图3所示，通过屋顶对应的掩膜信息，可以清楚得到屋顶分割结果。
(2)连通域检测技术确定每个独立屋顶的位置：
(a)对上一步中得到的分割结果，进行连通域分析，得到每个独立屋顶的分割结果：
通过连通域分析，可以将得到的屋顶信息进行独立编号(设每个屋顶的掩膜信息为roof_maski，i＝1…N，N为检测得到的屋顶数量)，方便后续对每个屋顶进行占用情况分析。
(b)对分割得到的每个分割屋顶求取外接矩形，得到屋顶在图像中的位置信息rect_dsmi：
根据每个屋顶对应的分割掩膜(roof_maski)，计算掩膜覆盖的行、列的最大最小值，得到每个屋顶对应的正外接矩形。
S103、基于屋顶区域对应的图像位置信息与数字正摄影图像，确定出屋顶可见光图像，以基于屋顶可见光图像与预置屋顶占用物检测模型确定出屋顶占用物检测信息。
在本申请的一个实施例中，基于数字正摄影图像对应的图像像素比例尺，与数字表面模型对应的图像像素比例尺之间的比值，确定出像素坐标关系。基于屋顶区域对应的图像位置信息与像素坐标关系，对图像位置信息进行缩放处理，以得到屋顶区域在数字正摄影图像中的位置信息。在数字正摄影图像中的位置信息所对应的外接矩形，为正外接矩形的情况下，截取正外接矩形部分以作为屋顶可见光图像。
在本申请的一个实施例中，将屋顶可见光图像输入预置屋顶占用物检测模型，以通过预置屋顶占用物检测模型输出不同占用物的检测信息。其中，不同占用物的检测信息至少包括占用物类型、占用物数量以及占用物范围中的一项。
具体地，根据S102得到的屋顶位置在DOM中截取对应的屋顶可见光图像，通过已经训练好的预置屋顶占用物检测模型，对屋顶上的占用物进行检测，给出屋顶占用物的具体信息。
(1)训练屋顶占用物检测模型：
根据屋顶加铺光伏板的实际需求，对屋顶的占用物进行检测模型的建模进行训练。例如，采用yolo的目标检测模型，检测包含太阳能热水器、太阳能光伏板、杂物、管道、空调外挂机等检测类型。
(2)根据S102得到的屋顶位置在DOM中截取对应的屋顶可见光图像：
(a)首先根据DOM和DSM的图像像素比例尺计算像素坐标关系ratio＝scale_dom/scale_dsm(scale_dom为DOM图像像素比例尺，代表DOM图中一个像素大小对应真实空间的长度；scale_dsm为DSM图像像素比例尺，代表DSM图中一个像素大小对应真实空间的长度)；
(b)根据S102得到的屋顶外接矩形信息rect_dsm，进行缩放rect_dom＝rect_dsm×ratio，得到在DOM图像中的位置信息rect_dom。
需要说明的是，如果外接矩形为正外接矩形，则直接截取相应位置的图像即可；如果外接矩形为最小外接矩阵，则在截取图像后，需要对图像进行旋转，将其变换成正矩形。
(3)将屋顶图像传入预置屋顶占用物检测模型，得到屋顶占用物的检测结果：
将截取得到的屋顶可见光图像输入预置屋顶占用物检测模型，可以得到屋顶上不同占用物的检测信息，包括占用物种类、占用范围等，设检测得到的检测框为boxj，j＝1…M，M为每个屋顶上占用物的个数，每个box的面积为box_pixel_areaj。
S104、基于屋顶区域对应的图像位置信息与屋顶占用物检测信息，确定出屋顶空余面积，以基于屋顶空余面积确定出光伏选址信息。
在本申请的一个实施例中，确定出屋顶区域对应的图像位置的分割掩膜图像信息，基于数字表面模型对应的比例尺与分割掩膜图像信息，得到每个屋顶的实际面积；其中，数字表面模型对应的比例尺，与数字表面模型像素尺度到实际地理坐标尺度的比例相关。基于屋顶占用物检测信息与数字正摄影图像对应的比例尺，确定出屋顶占用物实际占用面积；其中，数字正摄影图像对应的比例尺，与数字正摄影图像像素尺度到实际地理坐标尺度的比例相关。基于每个屋顶的实际面积与屋顶占用物实际占用面积之间的差值，确定出屋顶空余面积。
在本申请的一个实施例中，确定出占用物的类型，基于占用物的类型，在预置权重表中确定出占用物对应的权重值。基于数字正摄影图像对应的比例尺、占用物对应的权重值以及屋顶占用物检测信息，确定出屋顶占用物实际占用面积。
具体地，根据S102得到的高精度屋顶分割结果和S103得到的屋顶占用物检测结果进行屋顶占用情况的分析，给出屋顶是否可以加装光伏板的判断：
(1)根据S102得到的屋顶分割结果，结合DSM图像像素尺度到真实地理坐标尺度的比例尺scale_dsm，可以计算出屋顶的总体面积roof_area:
每个屋顶的面积为roof_areai＝sum(roof_maski)×scale_dsm；
(2)根据S103得到的屋顶占用物检测结果，结合DOM图像像素尺度到真实地理坐标尺度的比例尺，可以计算出屋顶占用物所占实际面积大小occupy_areai:
occupy_areai＝sum(box_pixel_areaj)×scale_dom；
由于不同占用物对屋顶实际可铺设光伏板的影响不同，对屋顶占用物面积进行加权求和，设每种占用物对应的权重wk,k＝1…K,K为模型训练时设置的占用物种类数量：
occupy_area_wi＝sum(wk×box_pixel_areaj)×scale_dom；
(3)根据占用情况，对屋顶是否可铺设光伏板进行评估，并给出能加铺光伏板的面积：
根据屋顶的总体面积与屋顶占用物所占实际面积，可以计算出屋顶可用面积available_areai：
available_areai＝roof_areai-occupy_areai；
在本申请的一个实施例中，在屋顶空余面积大于预置光伏铺设面积的情况下，将当前屋顶空余位置作为光伏选址信息，并将屋顶空余面积作为光伏铺设面积。
进一步地，实际光伏铺设条件对屋顶是否可加铺光伏板进行判断，一般的判断条件为屋顶可用面积大于一定值，则确定当前屋顶可以铺设光伏板。图4为本申请实施例提供的一种屋顶可铺设光伏板示意图，如图4所示，屋顶中所标注出的占用物面积较小，空余面积较大。图5为本申请实施例提供的一种屋顶不可铺设光伏板示意图，如图5所示，屋顶中标注的占用物面积较大，空余面积较小。
图2为本申请实施例提供的一种基于航拍图像的屋顶光伏选址方法整体流程示意图；如图2所示，通过无人机航拍遥感建模，得到DSM数据与DOM数据，通过获取到的DSM数据做高度检测，利用图像分割技术对区域内的屋顶进行分割，再通过连通域分析等图像处理算法提高屋顶分割精度并确定屋顶位置。在DOM中截取对应的屋顶可见光图像，通过已经训练好的目标检测网络，对屋顶上的占用物进行检测，给出屋顶占用物的具体信息，根据得到的高精度屋顶分割结果以及得到的屋顶占用物检测结果，进行屋顶占用情况的分析，给出屋顶是否可以加装光伏板的判断。
图6为本申请实施例提供的一种基于航拍图像的屋顶光伏选址设备的结构示意图。如图6所示，基于航拍图像的屋顶光伏选址设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：通过无人机拍摄，获取待测屋顶图像，以确定出所述待测屋顶图像对应的数字正摄影图像与数字表面模型；基于预置图像处理算法与所述数字表面模型，对所述待测屋顶图像进行分割，以得到屋顶区域对应的图像位置信息；其中，所述图像位置信息与屋顶区域对应的外接矩形位置信息相关；基于所述屋顶区域对应的图像位置信息与所述数字正摄影图像，确定出屋顶可见光图像，以基于所述屋顶可见光图像与预置屋顶占用物检测模型确定出屋顶占用物检测信息；基于所述屋顶区域对应的图像位置信息与所述屋顶占用物检测信息，确定出屋顶空余面积，以基于所述屋顶空余面积确定出光伏选址信息。
本申请实施例还提供一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：通过无人机拍摄，获取待测屋顶图像，以确定出所述待测屋顶图像对应的数字正摄影图像与数字表面模型；基于预置图像处理算法与所述数字表面模型，对所述待测屋顶图像进行分割，以得到屋顶区域对应的图像位置信息；其中，所述图像位置信息与屋顶区域对应的外接矩形位置信息相关；基于所述屋顶区域对应的图像位置信息与所述数字正摄影图像，确定出屋顶可见光图像，以基于所述屋顶可见光图像与预置屋顶占用物检测模型确定出屋顶占用物检测信息；基于所述屋顶区域对应的图像位置信息与所述屋顶占用物检测信息，确定出屋顶空余面积，以基于所述屋顶空余面积确定出光伏选址信息。
本申请中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、设备、非易失性计算机存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请的实施例可以有各种更改和变化。而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (10)

1.一种基于航拍图像的屋顶光伏选址方法，其特征在于，所述方法包括：
通过无人机拍摄，获取待测屋顶图像，以确定出所述待测屋顶图像对应的数字正摄影图像与数字表面模型；
基于预置图像处理算法与所述数字表面模型，对所述待测屋顶图像进行分割，以得到屋顶区域对应的图像位置信息；其中，所述图像位置信息与屋顶区域对应的外接矩形位置信息相关；
基于所述屋顶区域对应的图像位置信息与所述数字正摄影图像，确定出屋顶可见光图像，以基于所述屋顶可见光图像与预置屋顶占用物检测模型确定出屋顶占用物检测信息；
基于所述屋顶区域对应的图像位置信息与所述屋顶占用物检测信息，确定出屋顶空余面积，以基于所述屋顶空余面积确定出光伏选址信息。
2.根据权利要求1所述的一种基于航拍图像的屋顶光伏选址方法，其特征在于，所述基于预置图像处理算法与所述数字表面模型，对所述待测屋顶图像进行分割，以得到屋顶区域对应的图像位置信息，具体包括：
通过边缘检测算子、自适应分割算法以及所述数字表面模型，对所述待测屋顶图像进行分割，得到屋顶分割结果；
对所述屋顶分割结果进行连通域分析，并对每个独立屋顶的分割信息进行独立编号，以得到每个独立屋顶的分割结果；
确定出每个独立屋顶的分割结果分别对应的分割掩膜图像，确定出各分割掩膜图像分别对应的行最大值，以及确定出各分割掩膜图像分别对应的列最大值；
基于所述行最大值与所述列最大值，确定出每个独立屋顶分别对应的正外接矩形，以基于所述正外接矩形确定出屋顶区域对应的图像位置信息。
3.根据权利要求2所述的一种基于航拍图像的屋顶光伏选址方法，其特征在于，所述通过边缘检测算子、自适应分割算法以及所述数字表面模型，对所述待测屋顶图像进行分割，得到屋顶分割结果，具体包括：
基于房屋与地面的高度差，通过边缘检测算子对所述数字表面模型进行边缘提取；以及
基于房屋尺寸数据，通过自适应分割算法对所述待测屋顶图像进行分割，得到分割目标信息；
将边缘提取结果与分割目标信息进行融合，在所述边缘提取结果与所述分割目标信息重合部分大于预置重合面积阈值的情况下，确定出屋顶分割结果。
4.根据权利要求1所述的一种基于航拍图像的屋顶光伏选址方法，其特征在于，所述基于所述屋顶区域对应的图像位置信息与所述数字正摄影图像，确定出屋顶可见光图像，具体包括：
基于所述数字正摄影图像对应的图像像素比例尺，与所述数字表面模型对应的图像像素比例尺之间的比值，确定出像素坐标关系；
基于所述屋顶区域对应的图像位置信息与所述像素坐标关系，对所述图像位置信息进行缩放处理，以得到所述屋顶区域在所述数字正摄影图像中的位置信息；
在所述数字正摄影图像中的位置信息所对应的外接矩形，为正外接矩形的情况下，截取所述正外接矩形部分以作为所述屋顶可见光图像。
5.根据权利要求1所述的一种基于航拍图像的屋顶光伏选址方法，其特征在于，所述基于所述屋顶可见光图像与预置屋顶占用物检测模型确定出屋顶占用物检测信息，具体包括：
将所述屋顶可见光图像输入所述预置屋顶占用物检测模型，以通过所述预置屋顶占用物检测模型输出不同占用物的检测信息；
其中，所述不同占用物的检测信息至少包括占用物类型、占用物数量以及占用物范围中的一项。
6.根据权利要求1所述的一种基于航拍图像的屋顶光伏选址方法，其特征在于，所述基于所述屋顶区域对应的图像位置信息与所述屋顶占用物检测信息，确定出屋顶空余面积，具体包括：
确定出所述屋顶区域对应的图像位置的分割掩膜图像信息，基于所述数字表面模型对应的比例尺与所述分割掩膜图像信息，得到每个屋顶的实际面积；其中，所述数字表面模型对应的比例尺，与所述数字表面模型像素尺度到实际地理坐标尺度的比例相关；
基于所述屋顶占用物检测信息与数字正摄影图像对应的比例尺，确定出屋顶占用物实际占用面积；其中，所述数字正摄影图像对应的比例尺，与所述数字正摄影图像像素尺度到实际地理坐标尺度的比例相关；
基于所述每个屋顶的实际面积与所述屋顶占用物实际占用面积之间的差值，确定出所述屋顶空余面积。
7.根据权利要求6所述的一种基于航拍图像的屋顶光伏选址方法，其特征在于，所述基于所述屋顶占用物检测信息与数字正摄影图像对应的比例尺，确定出屋顶占用物实际占用面积，具体包括：
确定出占用物的类型，基于所述占用物的类型，在预置权重表中确定出占用物对应的权重值；
基于数字正摄影图像对应的比例尺、所述占用物对应的权重值以及所述屋顶占用物检测信息，确定出屋顶占用物实际占用面积。
8.根据权利要求1所述的一种基于航拍图像的屋顶光伏选址方法，其特征在于，所述基于所述屋顶空余面积确定出光伏选址信息，具体包括：
在所述屋顶空余面积大于预置光伏铺设面积的情况下，将当前屋顶空余位置作为所述光伏选址信息，并将所述屋顶空余面积作为光伏铺设面积。
9.一种基于航拍图像的屋顶光伏选址设备，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
通过无人机拍摄，获取待测屋顶图像，以确定出所述待测屋顶图像对应的数字正摄影图像与数字表面模型；
基于预置图像处理算法与所述数字表面模型，对所述待测屋顶图像进行分割，以得到屋顶区域对应的图像位置信息；其中，所述图像位置信息与屋顶区域对应的外接矩形位置信息相关；
基于所述屋顶区域对应的图像位置信息与所述数字正摄影图像，确定出屋顶可见光图像，以基于所述屋顶可见光图像与预置屋顶占用物检测模型确定出屋顶占用物检测信息；
基于所述屋顶区域对应的图像位置信息与所述屋顶占用物检测信息，确定出屋顶空余面积，以基于所述屋顶空余面积确定出光伏选址信息。
10.一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：
通过无人机拍摄，获取待测屋顶图像，以确定出所述待测屋顶图像对应的数字正摄影图像与数字表面模型；
基于预置图像处理算法与所述数字表面模型，对所述待测屋顶图像进行分割，以得到屋顶区域对应的图像位置信息；其中，所述图像位置信息与屋顶区域对应的外接矩形位置信息相关；
基于所述屋顶区域对应的图像位置信息与所述数字正摄影图像，确定出屋顶可见光图像，以基于所述屋顶可见光图像与预置屋顶占用物检测模型确定出屋顶占用物检测信息；
基于所述屋顶区域对应的图像位置信息与所述屋顶占用物检测信息，确定出屋顶空余面积，以基于所述屋顶空余面积确定出光伏选址信息。
CN202311349726.1A 2023-10-18 2023-10-18 一种基于航拍图像的屋顶光伏选址方法、设备及介质 Pending CN117495869A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311349726.1A CN117495869A (zh) 2023-10-18 2023-10-18 一种基于航拍图像的屋顶光伏选址方法、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311349726.1A CN117495869A (zh) 2023-10-18 2023-10-18 一种基于航拍图像的屋顶光伏选址方法、设备及介质

Publications (1)

Publication Number Publication Date
CN117495869A true CN117495869A (zh) 2024-02-02

Family

ID=89683851

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311349726.1A Pending CN117495869A (zh) 2023-10-18 2023-10-18 一种基于航拍图像的屋顶光伏选址方法、设备及介质

Country Status (1)

Country Link
CN (1) CN117495869A (zh)

Similar Documents

Publication Publication Date Title
Mainzer et al. Assessment of rooftop photovoltaic potentials at the urban level using publicly available geodata and image recognition techniques
Napoly et al. Development and application of a statistically-based quality control for crowdsourced air temperature data
CN109416413B (zh) 太阳能预报
Martín et al. Applying LIDAR datasets and GIS based model to evaluate solar potential over roofs: a review.
US9690987B2 (en) System and methods for determination of potential solar installable surface area
US10445439B2 (en) Construction design support apparatus and construction design support method for photovoltaic power generation facilities
Wang et al. Performance evaluation of automatically generated BIM from laser scanner data for sustainability analyses
JP5527938B2 (ja) 太陽光発電の評価システムおよび評価方法
Aslani et al. Automatic identification of utilizable rooftop areas in digital surface models for photovoltaics potential assessment
KR101884724B1 (ko) 암거시설물 진단지원 시스템
CN115424141A (zh) 一种光伏装机容量计算方法、装置、电子设备和介质
Sampath et al. Estimation of rooftop solar energy generation using satellite image segmentation
CN111914767A (zh) 一种基于多源遥感数据的散乱污企业检测方法及系统
Lee et al. Solar radiation over the urban texture: LIDAR data and image processing techniques for environmental analysis at city scale
Moudrý et al. Evaluation of a high resolution UAV imagery model for rooftop solar irradiation estimates
Yan et al. Estimation of urban-scale photovoltaic potential: A deep learning-based approach for constructing three-dimensional building models from optical remote sensing imagery
Carneiro et al. Assessment of solar irradiance on the urban fabric for the production of renewable energy using LIDAR data and image processing techniques
Aslani et al. Rooftop segmentation and optimization of photovoltaic panel layouts in digital surface models
Zhang et al. Evaluation of the photovoltaic potential in built environment using spatial data captured by unmanned aerial vehicles
Harrie et al. 3D city models for supporting simulations in city densifications
Peronato et al. 3D-modeling of vegetation from LiDAR point clouds and assessment of its impact on façade solar irradiation
Salimzadeh et al. High-level framework for GIS-based optimization of building photovoltaic potential at urban scale using BIM and LiDAR
JP5181379B1 (ja) 発電ポテンシャル評価装置、及び発電ポテンシャル評価プログラム
Nex et al. 3D Solarweb: A solar cadaster in the Italian Alpine landscape
CN118097445A (zh) 一种基于开源卫星地图和深度学习的城市建筑屋面光伏应用潜力评估方法

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