一种基于点云信息的麦田倒伏程度识别方法和装置制造方法及图纸

本发明专利技术公开了一种基于点云信息的麦田倒伏程度识别方法和装置，该方法包括：1获取麦田倒伏样本的倾斜高度、垂直高度、麦田的倒伏面积以及麦田无人机图像数据，其中，麦田实测数据用于确定麦田倒伏程度，麦田无人机图像数据用于获取麦田原始点云；2基于麦田原始点云，对麦田原始点云进行预处理，得到麦田归一化点云；3基于霍特林变换的麦田点云数据降维方法，对麦田归一化点云进行降维，得到点云降维图像；4利用深度学习模型对点云降维图像进行训练，得到麦田倒伏程度识别结果。本发明专利技术能降低点云数据处理的难度和复杂度；同时，能实现小麦倒伏程度的快速、精准识别。精准识别。精准识别。

【技术实现步骤摘要】
一种基于点云信息的麦田倒伏程度识别方法和装置


[0001]本专利技术涉及作物表性分析及图像处理领域，具体而言，涉及一种基于点云信息的麦田倒伏程度识别方法和装置。

技术介绍

[0002]目前识别小麦倒伏程度的方法包括基于人工测量、基于光学遥感以及基于点云数据。其中，传统人工测量倒伏程度的方式工作量大、耗时长并且难以获取较大范围的倒伏程度信息。另外，基于传统光学遥感的方式只能提供小麦冠层表面的光谱和纹理特征，对于提取倒伏程度信息仍存在一定的局限性。相比之下，点云数据能够同时获取倒伏小麦的水平和垂直两个维度的信息，可以有效反映出小麦的倒伏程度情况。但是点云为散乱数据，没有具体的拓扑结构，且计算量较大，难以进行直接处理。

技术实现思路

[0003]本专利技术是为了解决上述现有技术存在的不足之处，提出一种基于点云信息的麦田倒伏程度识别方法和装置，以期能降低点云处理的难度与复杂度，从而能快速、精准识别小麦倒伏程度。
[0004]本专利技术为达到上述专利技术目的，采用如下技术方案：
[0005]本专利技术一种基于点云信息的麦田倒伏程度识别方法的特点在于，包括以下步骤：
[0006]步骤1、将麦田区域划分成若干个小区域，并获取每个小区域的麦田倒伏样本的倾斜高度、垂直高度、麦田的倒伏面积以及麦田无人机图像数据；
[0007]步骤2、根据所述麦田倒伏样本的倾斜高度、垂直高度以及麦田的倒伏面积数据确定麦田倒伏程度；
[0008]步骤3、根据所述麦田无人机图像数据获取麦田原始点云；r/>[0009]步骤4、对所述麦田原始点云进行预处理，得到麦田归一化点云；
[0010]步骤5、基于霍特林变换的降维方法对所述麦田归一化点云进行降维处理，得到二维点云降维图像；
[0011]步骤6、利用深度学习识别模型对所述点云降维图像进行训练，得到麦田倒伏程度识别模型，用于识别麦田倒伏程度。
[0012]本专利技术所述的一种基于点云信息的麦田倒伏程度识别方法的特点也在于，所述步骤2包括：
[0013]步骤2.1、根据所述麦田倒伏样本的倾斜高度、垂直高度得到麦田倒伏样本的倒伏角，从而得到麦田区域中每个小区域的倒伏角；
[0014]步骤2.2、根据所述麦田的倒伏面积，计算得到麦田区域中每个小区域的倒伏率；
[0015]步骤2.3、将所述麦田区域中每个小区域的倒伏角以及倒伏率对应相乘后，得到麦田区域中每个小区域的麦田倒伏灾情指数；
[0016]步骤2.4、采用正态统计理论的双阈值划分策略，将所述麦田倒伏灾情指数划分为
未倒伏、轻度倒伏、中度倒伏、重度倒伏，从而确定每个小区域的麦田倒伏程度。
[0017]所述步骤4包括：
[0018]步骤4.1、对所述麦田原始点云进行去噪处理，得到去噪后的麦田原始点云；
[0019]步骤4.2、利用滤波方法获取所述去燥后的麦田原始点云的地面点，从而得到麦田数字高程模型；
[0020]步骤4.3、将去噪后的麦田原始点云与所述麦田数字高程模型相减后，得到麦田归一化点云。
[0021]所述步骤5包括以下步骤：
[0022]步骤5.1、计算所述麦田归一化点云的重心和协方差；
[0023]步骤5.2、对所述协方差进行特征值分解，得到特征向量矩阵和特征值矩阵；
[0024]步骤5.3、对所述特征向量矩阵中的分量进行降序排列，得到排序后的特征向量矩阵；
[0025]以所述重心为坐标原点，以排序后的特征向量矩阵中的前三个分量为三个坐标轴，建立局部坐标系；
[0026]步骤5.4、将所述麦田归一化点云转换至所述局部坐标系中，得到霍特林变换后的麦田归一化点云；
[0027]步骤5.5、根据所述麦田归一化点云在所述局部坐标系中的长度范围和宽度范围来确定网格的尺寸；其中，所述长度范围与网格的间距之比为网格的长度个数，所述宽度范围与网格的间距之比为网格的宽度个数；
[0028]步骤5.6、利用反距离加权插值方法将霍特林变换后的麦田归一化点云在所述局部坐标系中的高度值插值在所述网格上，从而获得二维点云降维图像。
[0029]本专利技术一种基于点云信息的麦田倒伏程度识别装置的特点在于，包括：数据获取单元、点云获取单元、点云预处理单元、点云降维单元和倒伏识别单元，其中，
[0030]所述数据获取单元，用于获取麦田区域中每个小区域的麦田倒伏样本的倾斜高度、垂直高度、麦田的倒伏面积以及麦田无人机图像数据；
[0031]所述点云获取单元，用于根据所述麦田无人机图像数据获取麦田原始点云；
[0032]所述点云预处理单元，用于对所述麦田原始点云进行预处理，得到麦田归一化点云；
[0033]所述点云降维单元，是基于霍特林变换的降维方法对所述麦田归一化点云进行降维处理，得到二维点云降维图像；
[0034]所述倒伏识别单元，是利用深度学习识别模型对所述点云降维图像进行训练，得到麦田倒伏程度识别模型，从而用于对待识别的麦田无人机图像数据的麦田倒伏程度进行识别。
[0035]本专利技术所述的麦田倒伏程度识别装置的特点也在于，所述点云降维单元是按以下过程进行降维处理：
[0036]计算麦田归一化点云的重心和协方差；
[0037]对所述协方差进行特征值分解，得到特征向量矩阵和特征值矩阵；
[0038]对所述特征向量矩阵中的分量进行降序排列，得到排序后的特征向量矩阵；
[0039]以所述重心为坐标原点，以排序后的特征向量矩阵中的前三个分量为三个坐标
轴，建立局部坐标系；
[0040]将所述麦田归一化点云转换至所述局部坐标系中，得到霍特林变换后的麦田归一化点云；
[0041]根据所述麦田归一化点云在所述局部坐标系中的长度范围和宽度范围来确定网格的尺寸；其中，所述长度范围与网格的间距之比为网格的长度个数，所述宽度范围与网格的间距之比为网格的宽度个数；
[0042]利用反距离加权插值方法将霍特林变换后的麦田归一化点云在所述局部坐标系中的高度值插值在所述网格上，从而获得二维点云降维图像。
[0043]与现有技术相比，本专利技术的有益效果在于：
[0044]1、本专利技术通过麦田点云降维方法达到了降低点云处理的难度与复杂度的目的，进而解决了点云数据计算量较大，难以进行直接处理的问题，从而达到了快速、精准识别小麦倒伏程度的效果。
[0045]2、受麦田地形起伏的影响，获得的原始点云具有高程偏差问题，本专利技术通过对原始点云进行预处理，克服了原始点云具有高程偏差的问题，从而获得归一化点云数据，为小麦点云降维提供了数据基础，达到了提高小麦倒伏程度判断精度的效果。
[0046]3、本专利技术通过对归一化麦田点云进行霍特林变换，将点云整体旋转到分布最大的三个方向上来，使点云规则的布满坐标系中，克服了因点云视角倾斜问题带来的影响，达到了提高小麦倒伏程度判断精度的效果。
[0047]4、经过预处理的小麦样地点云是一组通过本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于点云信息的麦田倒伏程度识别方法，其特征在于，包括以下步骤：步骤1、将麦田区域划分成若干个小区域，并获取每个小区域的麦田倒伏样本的倾斜高度、垂直高度、麦田的倒伏面积以及麦田无人机图像数据；步骤2、根据所述麦田倒伏样本的倾斜高度、垂直高度以及麦田的倒伏面积数据确定麦田倒伏程度；步骤3、根据所述麦田无人机图像数据获取麦田原始点云；步骤4、对所述麦田原始点云进行预处理，得到麦田归一化点云；步骤5、基于霍特林变换的降维方法对所述麦田归一化点云进行降维处理，得到二维点云降维图像；步骤6、利用深度学习识别模型对所述点云降维图像进行训练，得到麦田倒伏程度识别模型，用于识别麦田倒伏程度。2.根据权利要求1所述的一种基于点云信息的麦田倒伏程度识别方法，其特征在于，所述步骤2包括：步骤2.1、根据所述麦田倒伏样本的倾斜高度、垂直高度得到麦田倒伏样本的倒伏角，从而得到麦田区域中每个小区域的倒伏角；步骤2.2、根据所述麦田的倒伏面积，计算得到麦田区域中每个小区域的倒伏率；步骤2.3、将所述麦田区域中每个小区域的倒伏角以及倒伏率对应相乘后，得到麦田区域中每个小区域的麦田倒伏灾情指数；步骤2.4、采用正态统计理论的双阈值划分策略，将所述麦田倒伏灾情指数划分为未倒伏、轻度倒伏、中度倒伏、重度倒伏，从而确定每个小区域的麦田倒伏程度。3.根据权利要求1所述的一种基于点云信息的麦田倒伏程度识别方法，其特征在于，所述步骤4包括：步骤4.1、对所述麦田原始点云进行去噪处理，得到去噪后的麦田原始点云；步骤4.2、利用滤波方法获取所述去燥后的麦田原始点云的地面点，从而得到麦田数字高程模型；步骤4.3、将去噪后的麦田原始点云与所述麦田数字高程模型相减后，得到麦田归一化点云。4.根据权利要求1所述的一种基于点云信息的麦田倒伏程度识别方法，其特征在于，所述步骤5包括以下步骤：步骤5.1、计算所述麦田归一化点云的重心和协方差；步骤5.2、对所述协方差进行特征值分解，得到特征向量矩阵和特征值矩阵；步骤5.3、对所述特征向量矩阵中的分量进行降序排列，得到排序后的特征向量矩阵；以所述重心为坐标原点，以排序后的特征向量矩阵中的前三个分量为三个坐标轴，...

【专利技术属性】
技术研发人员：杨宝华，李云龙，周帅军，
申请(专利权)人：安徽农业大学，
类型：发明
国别省市：