一种基于无人机摄影测量的山区光伏目标定位方法技术

本发明专利技术公开了一种基于无人机摄影测量的山区光伏目标定位方法，本发明专利技术采用无人机拍摄山区多光谱图像，通过对山区多光谱图像进行处理，得到轮廓特征，采用目标特征提取模型对轮廓特征进行处理，进一步地提取特征数据，计算提取到的特征数据与存储的光伏电站特征数据的相似度，在相似度高时，则说明山区多光谱图像中存在光伏电站，获取在拍摄山区多光谱图像时的定位数据，则可得到光伏电站的位置。本发明专利技术利用无人机对山区进行巡查，利用图像处理识别光伏电站，本发明专利技术解决了通过人工方式寻找光伏电站设备位置，存在效率低下的问题。存在效率低下的问题。存在效率低下的问题。

【技术实现步骤摘要】
一种基于无人机摄影测量的山区光伏目标定位方法


[0001]本专利技术属于图像处理
，具体涉及一种基于无人机摄影测量的山区光伏目标定位方法。

技术介绍

[0002]光伏电站设备需要将太阳辐射能转换电能，且光伏电站设备上的光伏板占地面积宽，因此，光伏电站设备通常设置在山区。由于光伏电站设备隐藏在山区中，通过人工进行巡查，很难找到光伏电站的位置。在山区中，若无法获知光伏电站设备的具体位置，则需要耗费大量的人力进行寻找，存在效率低下的问题。

技术实现思路

[0003]针对现有技术中的上述不足，本专利技术提供的一种基于无人机摄影测量的山区光伏目标定位方法解决了通过人工方式寻找光伏电站设备位置，存在效率低下的问题。
[0004]为了达到上述专利技术目的，本专利技术采用的技术方案为：一种基于无人机摄影测量的山区光伏目标定位方法，包括以下步骤：S1、通过无人机拍摄山区多光谱图像；S2、对山区多光谱图像进行预处理，得到轮廓特征；S3、采用目标特征提取模型对轮廓特征进行处理，得到待处理特征数据；S4、计算待处理特征数据与光伏电站特征数据的相似度；S5、在相似度大于相似度阈值时，山区多光谱图像中存在光伏电站，获取在拍摄山区多光谱图像时的定位数据，得到光伏电站的位置。
[0005]进一步地，所述S2包括以下分步骤：S21、对山区多光谱图像进行灰度化处理，得到灰度图；S22、对灰度图滤波处理，得到滤波图；S23、对滤波图提取轮廓，得到轮廓特征。
[0006]上述进一步地方案的有益效果为：本专利技术先对山区多光谱图像进行灰度处理，将其转换为灰度图，再通过滤波处理，滤除噪点，减少对特征数据的影响，最后提取出轮廓特征，降低图像数据的数据量。
[0007]进一步地，所述S21中灰度化处理的公式为：，其中，为灰度图的灰度值，为山区多光谱图像的第种光谱通道值，为光谱通道数量。
[0008]上述进一步地方案的有益效果为：本专利技术通过各光谱通道中各光谱通道值所占比例进行灰度化处理，最大程度保留图像特征。
[0009]进一步地，所述S22中滤波公式为：
，其中，为滤波图中第个像素点的灰度值，为灰度图中第个像素点的灰度值，为灰度图中第个像素点的邻域范围内的第个像素点的灰度值，为邻域范围内的像素点数量，为滤波因子，为滤波图中第个像素点的灰度值，为绝对值，为滤波图中第个像素点的灰度值，为滤波后像素点的数量，为滤波后像素点的编号。
[0010]上述进一步地方案的有益效果为：本专利技术通过将当前待滤波的灰度值与上一次滤波后的灰度值相减，其差值绝对值越大，灰度值相比于灰度值变化明显，因此所占比例较大，在差值绝对值较小时，灰度值相比于灰度值变化较小，所占比例较大，在考虑到数据变化的同时，本专利技术以灰度值、灰度值邻域范围内的灰度值和邻近个滤波后的灰度值为参考，进一步滤除噪声的影响。
[0011]进一步地，所述S3中目标特征提取模型包括：第一下采样层、第二下采样层、第三下采样层、第四下采样层、第一连接层Concat1、特征提取单元、最大池化层、平均池化层、第二连接层Concat2、第一卷积层Conv1和第二卷积层Conv2；所述第一下采样层的输入端分别与第二下采样层的输入端、第三下采样层的输入端和第四下采样层的输入端连接，并作为目标特征提取模型的输入端；所述第一连接层Concat1的输入端分别与第一下采样层的输出端、第二下采样层的输出端、第三下采样层的输出端和第四下采样层的输出端连接，其输出端与特征提取单元的输入端连接；所述特征提取单元的输出端分别与最大池化层的输入端和平均池化层的输入端连接；所述第二连接层Concat2的输入端分别与最大池化层的输出端和平均池化层的输出端连接，其输出端与第一卷积层Conv1的输入端连接；所述第一卷积层Conv1的输出端与第二卷积层Conv2的输入端连接；所述第二卷积层Conv2的输出端作为目标特征提取模型的输出端。
[0012]上述进一步地方案的有益效果为：本专利技术通过多个下采样层将轮廓特征切分成4份输入第一连接层Concat1进行拼接，在降低数据量的同时，又保留了有效信息，丰富特征数据，再输入特征提取单元中，进一步地提取特征数据，最后通过最大池化层保留显著特征，通过平均池化层保留均值特征。
[0013]进一步地，所述特征提取单元包括：第三卷积层Conv3、第四卷积层Conv4、第五卷积层Conv5、第六卷积层Conv6、第一ReLU1激活层、第二ReLU2激活层、第一乘法器A1、第二乘法器A2、加法器B1和sigmiod激活层；所述第三卷积层Conv3的输入端作为特征提取单元的输入端，其输出端分别与第二乘法器A2的输入端、第六卷积层Conv6的输入端和第四卷积层Conv4的输入端连接；所述
第六卷积层Conv6的输出端与sigmiod激活层的输入端连接；所述第一ReLU1激活层的输入端与第四卷积层Conv4的输出端连接，其输出端与第五卷积层Conv5的输入端连接；所述sigmiod激活层的输出端分别与第二乘法器A2的输入端和第一乘法器A1的输入端连接；所述第五卷积层Conv5的输出端与第一乘法器A1的输入端连接；所述加法器B1的输入端分别与第一乘法器A1的输出端和第二乘法器A2的输出端连接，其输出端与第二ReLU2激活层的输入端连接；所述第二ReLU2激活层的输出端作为特征提取单元的输出端。
[0014]上述进一步地方案的有益效果为：特征图像数据通过第三卷积层Conv3后分为三路，第一路通过第四卷积层Conv4和第五卷积层Conv5提取特征，第二路通过第六卷积层Conv6提取特征，第三路保持第三卷积层Conv3输出的特征，在第一乘法器A1处，将第一路和第二路特征进行融合，在第二乘法器A2处，将第二路和第三路特征进行融合，再通过加法器B1将融合后的特征进行通道上的特征数据相加，通过三路分别对特征进行处理，充分保留特征，提高特征提取精度。
[0015]进一步地，所述S3中使用的目标特征提取模型为采用梯度下降法训练后的目标特征提取模型，其训练的损失函数为：，其中，为损失函数，为反正切函数，为训练过程目标特征提取模型输出的特征数据中心像素点的横坐标，为训练过程目标特征提取模型输出的特征数据中心像素点的纵坐标，为目标特征数据中心像素点的横坐标，为目标特征数据中心像素点的纵坐标，为训练过程目标特征提取模型输出的特征数据的宽度，为训练过程目标特征提取模型输出的特征数据的高度，为目标特征数据的宽度，为目标特征数据的高度，为训练过程目标特征提取模型输出的特征数据的像素点数量，为目标特征数据的像素点数量，| |为绝对值。
[0016]上述进一步地方案的有益效果为：本专利技术的损失函数考虑三方面的情况，第一方面目标特征提取模型输出的特征数据的宽和高分别与目标特征数据的宽和高的差值，第二方面目标特征提取模型输出的特征数据的像素点数量与目标特征数据的像素点数量差值，第三方面目标特征提取模型输出的特征数据中心像素点与目标特征数据中心像素点的位置距离，本专利技术通过像素点数量差值放大宽高差值，使得模型本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于无人机摄影测量的山区光伏目标定位方法，其特征在于，包括以下步骤：S1、通过无人机拍摄山区多光谱图像；S2、对山区多光谱图像进行预处理，得到轮廓特征；S3、采用目标特征提取模型对轮廓特征进行处理，得到待处理特征数据；S4、计算待处理特征数据与光伏电站特征数据的相似度；S5、在相似度大于相似度阈值时，山区多光谱图像中存在光伏电站，获取在拍摄山区多光谱图像时的定位数据，得到光伏电站的位置。2.根据权利要求1所述的基于无人机摄影测量的山区光伏目标定位方法，其特征在于，所述S2包括以下分步骤：S21、对山区多光谱图像进行灰度化处理，得到灰度图；S22、对灰度图滤波处理，得到滤波图；S23、对滤波图提取轮廓，得到轮廓特征。3.根据权利要求2所述的基于无人机摄影测量的山区光伏目标定位方法，其特征在于，所述S21中灰度化处理的公式为：，其中，为灰度图的灰度值，为山区多光谱图像的第种光谱通道值，为光谱通道数量。4.根据权利要求2所述的基于无人机摄影测量的山区光伏目标定位方法，其特征在于，所述S22中滤波公式为：，其中，为滤波图中第个像素点的灰度值，为灰度图中第个像素点的灰度值，为灰度图中第个像素点的邻域范围内的第个像素点的灰度值，为邻域范围内的像素点数量，为滤波因子，为滤波图中第个像素点的灰度值，为绝对值，为滤波图中第个像素点的灰度值，为滤波后像素点的数量，为滤波后像素点的编号。5.根据权利要求1所述的基于无人机摄影测量的山区光伏目标定位方法，其特征在于，所述S3中目标特征提取模型包括：第一下采样层、第二下采样层、第三下采样层、第四下采样层、第一连接层Concat1、特征提取单元、最大池化层、平均池化层、第二连接层Concat2、第一卷积层Conv1和第二卷积层Conv2；所述第一下采样层的输入端分别与第二下采样层的输入端、第三下采样层的输入端和第四下采样层的输入端连接，并作为目标特征提取模型的输入端；所述第一连接层Concat1的输入端分别与第一下采样层的输出端、第二下采样层的输出端、第三下采样层的输出端和第四下采样层的输出端连接，其输出端与特征提取单元的输入端连接；所述特征提取单元的输出端分别与最大池化层的输入端和平均池化层的输入端连接；所述第二连接层Concat2的输入端分别与最大池化层的输出端和平均池化层的输出端连接，其输出端与第一卷积层Conv1的输入端连接；所述第一卷积层Conv1的输出端与第二卷积层Conv2的输入端连接；所述第二卷积层Conv2的输出端作为目标特征提取模型的输出端。
6.根据权利要求5所述的基于无人机摄影测量的山区光伏目标定位方法，其特征在于，所述特征提取单元包括：第三卷积层Conv3、第四卷积层Conv4、第五卷积层Conv5、第六卷积层Conv6、第一ReLU1激活层、第二ReLU2激活层、第一乘法器A1、第二乘法器A2、加法器B1和sigmiod激活层；所述第三卷积层Conv3的输入端作为特征提取单元...

【专利技术属性】
技术研发人员：李国明，靳旭，李晓娟，陆博，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：