【技术实现步骤摘要】
本专利技术涉及城市植被图像识别领域，具体地，涉及一种基于街景数据的城市道路树木信息识别方法。
技术介绍
1、随着城市的高速发展，植被的减少导致全球气候明显的温室效应加剧。无论哪方面，都需要从碳中和角度开展模型性的城市绿化建设，确保城市园林绿化的碳汇功能高效发挥作用。为最大化城市园林绿化的碳汇功能，需要采用先进的技术手段，全面监测和精准评估城市植被的生态效益。
2、对于城市道路树木的碳汇量计算，需要获取城市道路树木的信息才能够得以实现，城市道路树木的信息包括树木的胸径、树高、树木的种类以及树木的数量。
3、现有的树木信息识别方法主要依赖于lidar点云数据或样地清查方式。这些方法不仅耗费大量时间，还需要购买相关设备，导致人力物力消耗巨大。相比之下，街景数据具有独特的优势，其获取过程简单，且能够直观展示树木的垂直结构。此外，结合相关技术，街景数据可以获取树木的种类及结构特征数据。然而，现有技术尚未实现直接利用街景数据进行树木信息识别和碳汇量估算的方法。
技术实现思路
1、为解决现有技术树木信息识别方法存在耗费时间多，方案实施难度大的技术问题，本专利技术提供了一种基于街景数据的城市道路树木信息识别方法，本专利技术采用的技术方案是：
2、本专利技术第一方面提供了一种基于街景数据的城市道路树木信息识别方法，所述方法包括：
3、获取路网数据并进行预处理，得到研究区域内的街景图片数据集；
4、将街景图片数据集输入训练好的深度学习识别模型
5、构建尺寸参考模型，结合所述尺寸参考模型和所述输出图像，估算树木的胸径和树高；
6、将所述树木信息与树木的胸径和树高进行匹配汇总，得到树木对应的完整的树木信息。
7、作为一种优选方案，获取路网数据并进行预处理，得到研究区域内的街景图片数据集的方法包括：
8、下载路网数据；
9、对路网数据进行简化、矢量化以及地理配准处理；
10、在预设的图片角度下，对观测点进行采样，并叠加每个点对应的道路角度值和道路编号信息，完成后导出并整理为采样点数据纯文本文件；
11、对导入的纯文本文件进行读取并存储采样点信息，生成应用程序编程接口请求的统一资源定位器以爬取街景图片数据；
12、按预设清晰度对所述街景图片数据进行筛选，并对筛选后的图片进行图片增强以及矫正处理，最后得到研究区域内的街景图片数据集。
13、作为一种优选方案，对路网数据进行矢量化以及地理配准的方法包括：
14、将所述路网数据导入预设的地理空间平台中，以预设的阈值进行二值化分类，再进行重分类，将非道路类的数值设置成空值，从而将路网数据简化为纯路网栅格图；
15、使用arcscan工具提取路网数据的道路中心线，完成矢量化处理；
16、使用开放街道地图的路网作为参照对路网数据进行配准调整，完成地理配准。
17、作为一种优选方案，按预设清晰度对所述街景图片数据进行筛选，并对筛选后的图片进行图片增强以及矫正处理，最后得到研究区域内的街景图片数据集的方法包括：
18、对所述街景图片数据进行筛选，得到符合预设清晰度的街景图片；
19、对符合预设清晰度的街景图片进行亮度和对比度的图片增强处理；
20、采用预设的径向畸变模型和切向畸变模型对增强处理后街景图片进行矫正处理。
21、作为一种优选方案，所述径向畸变模型为：
22、u′＝u(1+k1r2+k2r4+k3r6)
23、v′＝v(1+k1r2+k2r4+k3r6)
24、所述切向畸变模型为：
25、u′＝u+[2p1v+p2(r2+2u2)]
26、→′＝v+[p1(r2+2v2)+2p2u]
27、其中，u和v分别为图像点的横、纵坐标，u′和v′分别为图像点畸变矫正后的横、纵坐标，k1、k2、k3为径向畸变系数，p1、p2为切向畸变系数，r为图像中心点到坐标点(u，v)的距离。
28、作为一种优选方案，所述深度学习识别模型的训练方法包括：
29、对街景图片数据集中的不同树种进行标签的标注；
30、将标注好的街景图片数据集输入到预设的深度学习识别模型进行训练以学习样本的特征和模式，其中所述深度学习识别模型为yolov7模型；
31、利用所述测试集对所述模型进行性能评估，保留性能最佳的模型，得到训练好的深度学习识别模型。
32、作为一种优选方案，所述树木信息包括：
33、树木的横纵坐标、树木的id、树木的种类以及树木的数量。
34、作为一种优选方案，构建尺寸参考模型，结合所述尺寸参考模型和所述输出图像，估算树木的胸径和树高的方法包括：
35、选择参照物，其中所述参照物包括以下至少一种：
36、共享单车、公交车站台、小轿车、道路消防栓及环卫桶；
37、通过实地调研以确定参照物的平均尺寸，根据所述参照物的平均尺寸构建相应的尺寸参考模型；
38、结合所述尺寸参考模型和所述输出图像，并设置尺寸参考模型的参照物标尺，估算树木的胸径和树高。
39、作为一种优选方案，所述方法还包括：
40、根据不同树种的异速生长方程结合对应的完整的树木信息，对所有树木的碳储量进行计算统计，得到树木碳汇总量。
41、作为一种优选方案，根据不同树种的异速生长方程结合对应的完整的树木信息，对所有树木的碳储量进行计算统计，得到树木碳汇总量的方法包括：
42、根据完整的树木信息，对树种类型进行统计分类；
43、查询不同类别树木的蓄积量计算公式、材积源生物量法的系数和碳储量计算公式；
44、根据树种选取相应的公式，将胸径d和树高h带入蓄积量公式，计算出该颗树木的植被蓄积量v，v＝adbhc，其中v是植被储蓄量,d为乔木胸径,h为乔木树高；
45、利用材积源生物量法，将植被储蓄量v带入公式，计算出该颗树木的乔木生物量b；
46、b＝av+b
47、其中，a和b均为常数，b为生物量，v为蓄积量，参数a和b的值均和树种有关；
48、将计算得到的树木的乔木生物量b乘以含碳系数，获得该树木的碳储量c；
49、c＝b×cc
50、c为碳储量，cc为含碳系数，b为乔木生物量；
51、使用预设脚本，将完整的树木信息结合上述公式，计算整个研究区域道路树木的碳汇总量。
52、相较于现有技术，本专利技术具有的有益效果是：
53、本专利技术在数据获取与处理方面具有显著的高效性。通过利用现有的街景图像数据，避免了lidar数据获取和样地清查所需的高成本和复杂过程。通过对街景图像进行预处理并对不同树种进行标签，显著提高了后续图像识别本文档来自技高网...
【技术保护点】
1.一种基于街景数据的城市道路树木信息识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于街景数据的城市道路树木信息识别方法，其特征在于，获取路网数据并进行预处理，得到研究区域内的街景图片数据集的方法包括：
3.根据权利要求2所述的一种基于街景数据的城市道路树木信息识别方法，其特征在于，对路网数据进行矢量化以及地理配准的方法包括：
4.根据权利要求3所述的一种基于街景数据的城市道路树木信息识别方法，其特征在于，按预设清晰度对所述街景图片数据进行筛选，并对筛选后的图片进行图片增强以及矫正处理，最后得到研究区域内的街景图片数据集的方法包括：
5.根据权利要求4所述的一种基于街景数据的城市道路树木信息识别方法，其特征在于，
6.根据权利要求1所述的一种基于街景数据的城市道路树木信息识别方法，其特征在于，所述深度学习识别模型的训练方法包括：
7.根据权利要求1所述的一种基于街景数据的城市道路树木信息识别方法，其特征在于，所述树木信息包括：
8.根据权利要求1所述的一种基于街景数据的城市道
9.根据权利要求1所述的一种基于街景数据的城市道路树木信息识别方法，其特征在于，所述方法还包括：
10.根据权利要求1至9任一项所述的一种基于街景数据的城市道路树木信息识别方法，其特征在于，还能根据不同树种的异速生长方程结合对应的完整的树木信息，对所有树木的碳储量进行计算统计，得到树木碳汇总量，具体方法如下：
...【技术特征摘要】
1.一种基于街景数据的城市道路树木信息识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于街景数据的城市道路树木信息识别方法，其特征在于，获取路网数据并进行预处理，得到研究区域内的街景图片数据集的方法包括：
3.根据权利要求2所述的一种基于街景数据的城市道路树木信息识别方法，其特征在于，对路网数据进行矢量化以及地理配准的方法包括：
4.根据权利要求3所述的一种基于街景数据的城市道路树木信息识别方法，其特征在于，按预设清晰度对所述街景图片数据进行筛选，并对筛选后的图片进行图片增强以及矫正处理，最后得到研究区域内的街景图片数据集的方法包括：
5.根据权利要求4所述的一种基于街景数据的城市道路树木信息识别方法，其特征在于，
6.根据权利要求1所...
【专利技术属性】
技术研发人员：成洪权，张圃源，赵亚博，马世发，吴玲玲，张曦文，
申请(专利权)人：广东工业大学，
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。