【技术实现步骤摘要】
本专利技术属于无人机乡村运输应用，具体涉及一种无人机视野下乡村民居判识装置与系统。
技术介绍
1、无人机在乡村运输中的应用具有广泛的潜力和实际价值。在医疗资源匮乏的农村地区，无人机可以快速运输紧急药品、疫苗、血液和医疗器械，还可为偏远地区提供远程医疗服务，快速运送医疗样本和设备。集成专门的配件装置，无人机在农田间快速采集土壤、水样、作物样品，支持精准农业和农作物监测。在自然灾害或紧急情况下，无人机可以快速运输和投放救援物资，可快速飞抵灾区，进行灾情评估和拍摄，帮助制定救援方案。环境监测与保护方面，无人机用于监测森林、河流、湿地等生态环境，进行植被覆盖、水质变化等数据采集；同时可监控非法采伐、盗猎等活动，保护自然资源和生态环境。
2、基础设施检查与维护方面，无人机用于检查电力线路、通信基站、桥梁等基础设施，及时发现和处理问题；还用于对乡村房屋和公共设施进行定期检查，确保安全和维护需求。
3、电商物流方面，无人机可提供小型包裹、信件和快递的快速配送服务，提升乡村物流效率；以及为农民和居民运送生鲜食品、日用品等，提高生活便利性。未来，将有望支持农村电商平台的物流配送，缩短农产品和日用品的流通时间；同时提供反向物流运输，为农民提供便利的农产品销售渠道，快速运输农产品到城市市场。
4、无人机运输具有高效率、广覆盖的优点。无人机可以快速到达目的地，节省时间，尤其在交通不便的乡村地区更为显著；又由于可覆盖交通不便或偏远的农村地区，因此能提供全方位的服务。
5、在乡村运输中，无论是正常的降落或者紧
6、现有技术中，有几种对建筑物进行测量的方案。如申请号为201811029714.x的专利技术专利申请，公开了智能建筑、测绘等领域的一种空间测算方法，激光器对被被测目标发射一个光脉冲，由被测物体反射所需的飞行时间获得距离，然后，利用摄像机拍摄得到测算图像，来测算图像中两点间的距离；该方法要求相机光轴正对目标平面，且只能测该单一方位目标平面上两点间的距离。申请号为202310233220.8的专利技术专利申请，公开了一种cad图纸长度单位与像素值比例的识别、获取与计算方法，用ai的方法自动化的获取cad图纸上的像素值并获取其在图纸上相对应的像素点个数，从而计算出像素点与实际空间的长度比例，对建筑类cad图像像素代表的实际空间的长度进行自动化计算；显然，该方法需要先验的像素点与实际空间的长度比例，即需要事先测量或者标注一个实际长度。申请号为202310416333.1的专利技术专利申请，公开了一种用于光伏电站的现场踏勘方法，用红外线水平仪、卷尺、皮尺、激光测距仪之中的任意多种工具进行屋顶实际面积及长宽尺寸的测量并交叉复核，方便用户判断是否需要安装光伏电站；通过现场拍照、现场测量和后台系统审核，根据周围障碍物和屋顶的情况判断屋顶是否适合安装光伏电站；可见，该申请同样需要用实测的方法来获得屋顶的尺寸。
7、申请号为202110395821.x的专利技术专利申请，公开了基于角点的高分辨率光学遥感卫星图像建筑物高度监测方法，利用空间分布进行角点配对，再利用阴影成像的几何模型计算建筑物的高度，其利用的是建筑物阴影在遥感图像上的总长度、太阳高度角、太阳方位角与建筑物高度存在的几何关系。
8、从以上技术方案可以看出，目前基于图像对房屋尺寸的测量，要么根据实地测量出的先验数据，要么根据像素比例来直接硬算。其中，后者依赖于一种精确的比例关系，即要求所测线的像素宽度值对应一种先验的确定比例。显然，该方案应用到无人机系统中，要求无人机视频画面为固定的同一相对方位角度，才有可比性，而这无疑大大限制了民居尺寸的可量测性。
9、因此，需要一种泛化性能强、适用性广的乡村民居长宽高尺寸判识装置、系统。
技术实现思路
1、本专利技术的目的在于提供一种无人机视野下乡村民居判识装置、控制器与系统，用于根据无人机视野中的图像来对乡村民居的特征进行识别，进而测算其高度、及屋顶等的长度和宽度，且不需要限定无人机在图像采样时必须保持为某一个精准的方位。
2、为解决上述技术问题，本专利技术提供一种无人机视野下乡村民居判识装置，其包括主机单元和用户接口单元，所述主机单元包括输入输出模块、处理器和存储模块且被配置为：
3、获取乡村民居图像，在所述乡村民居图像中确定包含民居的roi区域，从所述roi区域提取民居区域作为民居目标图像；对所述民居目标图像，经边缘检测获得民居边缘图像；对所述民居边缘图像进行霍夫线变换，经启发式搜索获得包括民居轮廓边缘中三对边线的民居边线图像，其中，所述三对边线中的第一对边线为中间夹着一对侧棱的民居顶部、底部的两条相对边线，所述三对边线中的第二对边线、第三对边线则分别为中间夹着一对水平长边、水平宽边的的两条相对边线；从所述民居边线图像中依次对所述三对边线中的任一对边线，获取其两条相对边线相对图像中心的几何特征，将所述几何特征输入到经训练的基于神经网络的民居尺寸预测模型，得到民居尺寸预测值，将所述尺寸预测值输出。
4、作为优选，所述用户接口单元中设有操作面板，所述主机单元还被配置为：从所述roi区域提取民居区域作为前景对象，以所述乡村民居图像中非前景对象区域作为背景对象，将所述乡村民居图像中背景对象全部置零后形成所述民居目标图像。
5、作为优选，所述处理器包括通用处理模块、获取与预处理模块、特征提取模块、迭代学习模块和民居尺寸预测模块，
6、所述获取与预处理模块从图像采集单元中获取乡村民居图像，经滤波处理后根据深度学习特征，由一个经训练的目标分类模型将民居在图像中的位置标识为roi区域；在原乡村民居图像中将所述roi区域之外的部分剔除，形成民居目标图像后，经边缘检测形成二值化民居边缘图像；对所述二值化民居边缘图像进行霍夫线变换后，根据霍夫线变换中极坐标空间参数特征分别筛选出竖直、及水平方向上长度最大的直线段作为候选直线段，并根据候选直线段的方位特征分别确定中间夹着一对长边、宽边和高边的两条相对边线，来分别作为民居长、宽、高的一对边线，并共同形成民居的三对边线；
7、对所述三对边线中任一对边线的每一条边线，所述特征提取模块结合对应的二值化民居边缘图像，用直线的两端点坐标对其进行描述，并基于两端点分别求取直线的斜率、及图像中心点到直线的垂距；以民居两边直线的所述斜率、图像中心到直线的垂距作为乡村民居图像中民居的几何特征；
8、所述迭代学习模块基于所采集的训练样本，对所述民居尺寸预测模块中的民居尺寸预测模型的神经网络进行训练；
9、所述通用处理模块对消息进行响应，并启动对本文档来自技高网...
【技术保护点】
1.无人机视野下乡村民居判识装置，其包括主机单元和用户接口单元，所述主机单元包括输入输出模块、处理器和存储模块且被配置为：
2.根据权利要求1所述的无人机视野下乡村民居判识装置，其特征在于，所述处理器包括通用处理模块、获取与预处理模块、特征提取模块、迭代学习模块和民居尺寸预测模块，
3.根据权利要求2所述的无人机视野下乡村民居判识装置，其特征在于，所述获取与预处理模块中设置有一个目标检测部，在所述目标检测部中建立一个基于ASFF-YOLOv5s网络的目标分类模型，采用图像采集单元中的俯瞰相机采集乡村场景图像后，以标注了乡村民居区域的所述乡村场景图像组成的图像样本集来对所述网络进行离线训练，获得乡村场景目标分类模型；在线运行时，所述获取与预处理模块以所述乡村场景目标分类模型对待测的包括民居的乡村场景图像即乡村民居图像进行识别处理后获得乡村民居区域锚框，将所述锚框内的区域作为乡村民居的ROI区域；
4.根据权利要求1所述的无人机视野下乡村民居判识装置，其特征在于，所述民居尺寸预测模型采用人工神经网络，其输入层分别从通用处理模块接收所述三对边线中对应
5.根据权利要求1所述的无人机视野下乡村民居判识装置，其特征在于，所述主机单元还被配置为：对所述民居边缘图像中每一边缘像素点进行所述霍夫线变换时，累加获得图像对应的ρ-θ平面矩阵，其中ρ代表直线离原点的垂线段距离，θ是该垂线对横轴的角度；在所述累加中，其中图像中前景像素点(u，v)与一个直线元素li，j(ρi，j，θi，j)对应的判断方式为：
6.根据权利要求1所述的无人机视野下乡村民居判识装置，其特征在于，所述主机单元还被配置为：对所述民居边缘图像中每一边缘像素点进行所述霍夫线变换时，累加获得图像对应的ρ-θ平面矩阵，其中ρ代表直线离原点的垂线段距离，θ是该垂线对横轴的角度；
7.根据权利要求6所述的无人机视野下乡村民居判识装置，其特征在于，所述主机单元还被配置为：在其中一个候选直线组中，以中间夹着一对侧棱的民居屋顶候选直线、地面候选直线这两条相对边线形成所述第一对边线，
8.根据权利要求1所述的无人机视野下乡村民居判识装置，其特征在于，所述主机单元还被配置为：对所述三对边线中的任一对边线，进行几何特征的计算与提取，
9.根据权利要求1所述的无人机视野下乡村民居判识装置，其特征在于，所述民居尺寸预测模型所采用BP神经网络，其模型为包括一个隐含层的三层结构，其中，
10.无人机视野下乡村民居判识系统，其包括：用于对乡村场景进行图像传感采集的图像采集单元，用来进行参数输入和操作以及乡村民居信息显示的用户接口单元，用于数据管理和信息传输的服务器，用来进行远程操作和乡村民居信息交互的手持终端，以及与所述用户接口单元、服务器、图像采集单元相连的主机单元，
...【技术特征摘要】
1.无人机视野下乡村民居判识装置，其包括主机单元和用户接口单元，所述主机单元包括输入输出模块、处理器和存储模块且被配置为：
2.根据权利要求1所述的无人机视野下乡村民居判识装置，其特征在于，所述处理器包括通用处理模块、获取与预处理模块、特征提取模块、迭代学习模块和民居尺寸预测模块，
3.根据权利要求2所述的无人机视野下乡村民居判识装置，其特征在于，所述获取与预处理模块中设置有一个目标检测部，在所述目标检测部中建立一个基于asff-yolov5s网络的目标分类模型，采用图像采集单元中的俯瞰相机采集乡村场景图像后，以标注了乡村民居区域的所述乡村场景图像组成的图像样本集来对所述网络进行离线训练，获得乡村场景目标分类模型；在线运行时，所述获取与预处理模块以所述乡村场景目标分类模型对待测的包括民居的乡村场景图像即乡村民居图像进行识别处理后获得乡村民居区域锚框，将所述锚框内的区域作为乡村民居的roi区域；
4.根据权利要求1所述的无人机视野下乡村民居判识装置，其特征在于，所述民居尺寸预测模型采用人工神经网络，其输入层分别从通用处理模块接收所述三对边线中对应民居长、宽、高的一对边线的斜率k1、k2以及图像中心点到所述一对边线的垂距d1、d2共4个几何特征输入量，输出层的输出量为所述一对边线所对应的民居的长、宽、高。
5.根据权利要求1所述的无人机视野下乡村民居判识装置，其特征在于，所述主机单元还被配置为：对所述民居边缘图像中每一边缘像素点进行所...
【专利技术属性】
技术研发人员：邹细勇，邹乐钧，王焕平，巫欣城，张维特，胡晓静，陈亮，
申请(专利权)人：中国计量大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。