融合深度信息的语义分割网络无人机影像大棚提取方法研究
发布时间：2021-12-02 11:44
在精准农业应用中,大棚是一类重要的农业设施,准确的大棚分布、使用信息获取对于精准农业规划、农业产值估算及相关政策制定具有重要意义。传统人工调查耗时耗力,无人机遥感则是方便快捷的新兴地表信息采集工具,十分适合大棚分布信息的快速获取。本文利用无人机遥感技术手段,提出基于深度信息拓展语义分割网络新方法,实现影像上大棚分布信息的自动精确提取。本论文主要工作如下:（1）开展了大棚无人机影像采集与样本集生成针对大棚数据分布、形态特点,设置400m的航高,80%的航向重叠率和旁向重叠率,采集了2019年8月南京市江宁区约为2.52 km2的大棚区域影像。通过多视匹配技术生成实验区稠密三维点云,然后通过仿射变化配准将深度信息映射到二维影像中,实现实验区影像深度信息的恢复。而后对处理好的无人机影像进行数据标注,并制定了一套生成样本集、影像分类的技术流程生成可供网络训练的样本集。（2）提出了基于深度信息拓展语义分割网络的大棚提取方法在梳理多种经典语义分割网络结构的基础上,对U-net和SegNet的基本网络结构进行结构调整;进行了ASPP（Atrous Spatial Pyramid Pooling,空洞...
【文章来源】：南京师范大学江苏省 211工程院校
【文章页数】：93 页
【学位级别】：硕士
【部分图文】：
融合深度信息的无人机影像大棚提取流程图
第2章无人机数据采集及样本集构建10第2章无人机数据采集及样本集构建2.1无人机数据采集研究区位于江苏省南京市江宁区（32°00"29.81"N,118°7"13.77"E），如图2-1所示，拍摄于2019年8月19日下午。数据均由大疆无人机精灵Phantom4RTK拍摄，该款机型是多旋翼无人机，相较于其它机型，如固定翼机型等，在使用时更加灵活，使用者能够对兴趣区域定点规划拍摄，并且Phantom4RTK操作简单，也不需要无人机驾驶证，单块电池的有效飞行时长为20min左右。实验区以大棚为主，也包含农用地、树林、建筑物、水体、道路等地物，其中大棚都为塑料大棚，形态表现有差异，以白色大棚为主，形状多数呈现为矩形，但其边缘不规整，同时有不少破损的大棚。图2-1研究区区位图航拍时，天气晴朗，地面风速小于4级，适于无人机作业，拍摄时间是在夏季，夏季太阳高度角最高，这样地物阴影会较短，一定程度上避免了影像中阴影带来的影响。良好的风速条件也为无人机创造了一个较好的飞行条件。无人机采集的数据后续需要进行深度信息的恢复，深度信息的恢复是通过点云作为中间步骤的，所以影像之间是需要一定重叠率的，重叠率过低可能会造成无法恢复出点云的问题，这里我们将航向重叠率、旁向重叠率都设为80%，云台角度设为-90°以保证能够获得正射影像。本次数据采集中我们设定航拍高度为400m，我们认为400m下的成像效果较好，也利于后续的处理，如果航拍高度过高，一方面会出现无人机信号丢失等问题，另一方面过高的航拍高度会使得地物成像过小，地
第2章无人机数据采集及样本集构建11物过小，可能会使得丢失或者减弱一部分地物特征。同样的，如果航拍高度过低，单张影像涵盖的范围过小，而使得影像中地物过大，并会增长无人机的飞行时长，飞行时长太长，一方面电池电量会是一个问题，另一方面可能会有天气的变化，如云的遮挡等，地面上一些物体的移动等，如道路上行驶的的车辆，这样可能会造成不同旁向、同一区域的影像不一致的问题，这会为后续处理带来一定影响。此外，过低飞行高度会使得拍摄影像的总量增加，过大的数据量，对于后续的深度信息恢复、样本集的构建带来效率问题。通过拍摄共获取262张无人机影像，单张影像大小为5472像素×3648像素。具体实验区参数如表2-1，无人机拍摄的实验区部分影像如图2-2：表2.1实验区参数参数数值/类型航拍高度400m航向重叠率80%旁向重叠率80%飞行速度7m/s飞行面积约995m×1200m覆盖面积约2.52km2云台角度-90°成像大小18375像素×19585像素分辨率0.1m图2-2无人机拍摄的实验区部分图片展示
【参考文献】：
期刊论文
[1]基于高分辨率遥感影像与DSM的典型地物提取[J]. 宋亚斌,林辉,喻龙华,彭检贵,江腾宇. 中南林业调查规划. 2019(02)
[2]无人机遥感在塑料大棚识别中的方法研究[J]. 周洁,范熙伟,刘耀辉. 中国农业信息. 2019(01)
[3]一种基于面向对象辅以DSM的建筑物提取方法[J]. 王俊博,金琦,杨国东,张旭晴,詹国旗,邵鹏. 世界地质. 2018(04)
[4]深度迁移学习在高光谱图像分类中的运用[J]. 王立伟,李吉明,周国民,杨东勇. 计算机工程与应用. 2019(05)
[5]结合图像语义分割的增强现实型平视显示系统设计与研究[J]. 安喆,徐熙平,杨进华,乔杨,刘洋. 光学学报. 2018(07)
[6]无人机在精准农业中的应用现状及发展困境[J]. 陈婷卓,晁栓. 农业装备技术. 2018(03)
[7]基于改进全卷积网络的多尺度感知行人检测算法[J]. 刘辉,彭力,闻继伟. 激光与光电子学进展. 2018(09)
[8]基于深度学习的大棚及地膜农田无人机航拍监测方法[J]. 孙钰,韩京冶,陈志泊,史明昌,付红萍,杨猛. 农业机械学报. 2018(02)
[9]基于多特征融合的SVM高分辨率遥感影像建筑物提取方法[J]. 赵春晖,李思聪. 沈阳大学学报(自然科学版). 2017(04)
[10]无人机在精准农业中的关键技术及应用[J]. 段新宇. 农业与技术. 2017(13)
本文编号：3528366
【文章来源】：南京师范大学江苏省 211工程院校
【文章页数】：93 页
【学位级别】：硕士
【部分图文】：
融合深度信息的无人机影像大棚提取流程图
第2章无人机数据采集及样本集构建10第2章无人机数据采集及样本集构建2.1无人机数据采集研究区位于江苏省南京市江宁区（32°00"29.81"N,118°7"13.77"E），如图2-1所示，拍摄于2019年8月19日下午。数据均由大疆无人机精灵Phantom4RTK拍摄，该款机型是多旋翼无人机，相较于其它机型，如固定翼机型等，在使用时更加灵活，使用者能够对兴趣区域定点规划拍摄，并且Phantom4RTK操作简单，也不需要无人机驾驶证，单块电池的有效飞行时长为20min左右。实验区以大棚为主，也包含农用地、树林、建筑物、水体、道路等地物，其中大棚都为塑料大棚，形态表现有差异，以白色大棚为主，形状多数呈现为矩形，但其边缘不规整，同时有不少破损的大棚。图2-1研究区区位图航拍时，天气晴朗，地面风速小于4级，适于无人机作业，拍摄时间是在夏季，夏季太阳高度角最高，这样地物阴影会较短，一定程度上避免了影像中阴影带来的影响。良好的风速条件也为无人机创造了一个较好的飞行条件。无人机采集的数据后续需要进行深度信息的恢复，深度信息的恢复是通过点云作为中间步骤的，所以影像之间是需要一定重叠率的，重叠率过低可能会造成无法恢复出点云的问题，这里我们将航向重叠率、旁向重叠率都设为80%，云台角度设为-90°以保证能够获得正射影像。本次数据采集中我们设定航拍高度为400m，我们认为400m下的成像效果较好，也利于后续的处理，如果航拍高度过高，一方面会出现无人机信号丢失等问题，另一方面过高的航拍高度会使得地物成像过小，地
第2章无人机数据采集及样本集构建11物过小，可能会使得丢失或者减弱一部分地物特征。同样的，如果航拍高度过低，单张影像涵盖的范围过小，而使得影像中地物过大，并会增长无人机的飞行时长，飞行时长太长，一方面电池电量会是一个问题，另一方面可能会有天气的变化，如云的遮挡等，地面上一些物体的移动等，如道路上行驶的的车辆，这样可能会造成不同旁向、同一区域的影像不一致的问题，这会为后续处理带来一定影响。此外，过低飞行高度会使得拍摄影像的总量增加，过大的数据量，对于后续的深度信息恢复、样本集的构建带来效率问题。通过拍摄共获取262张无人机影像，单张影像大小为5472像素×3648像素。具体实验区参数如表2-1，无人机拍摄的实验区部分影像如图2-2：表2.1实验区参数参数数值/类型航拍高度400m航向重叠率80%旁向重叠率80%飞行速度7m/s飞行面积约995m×1200m覆盖面积约2.52km2云台角度-90°成像大小18375像素×19585像素分辨率0.1m图2-2无人机拍摄的实验区部分图片展示
【参考文献】：
期刊论文
[1]基于高分辨率遥感影像与DSM的典型地物提取[J]. 宋亚斌,林辉,喻龙华,彭检贵,江腾宇. 中南林业调查规划. 2019(02)
[2]无人机遥感在塑料大棚识别中的方法研究[J]. 周洁,范熙伟,刘耀辉. 中国农业信息. 2019(01)
[3]一种基于面向对象辅以DSM的建筑物提取方法[J]. 王俊博,金琦,杨国东,张旭晴,詹国旗,邵鹏. 世界地质. 2018(04)
[4]深度迁移学习在高光谱图像分类中的运用[J]. 王立伟,李吉明,周国民,杨东勇. 计算机工程与应用. 2019(05)
[5]结合图像语义分割的增强现实型平视显示系统设计与研究[J]. 安喆,徐熙平,杨进华,乔杨,刘洋. 光学学报. 2018(07)
[6]无人机在精准农业中的应用现状及发展困境[J]. 陈婷卓,晁栓. 农业装备技术. 2018(03)
[7]基于改进全卷积网络的多尺度感知行人检测算法[J]. 刘辉,彭力,闻继伟. 激光与光电子学进展. 2018(09)
[8]基于深度学习的大棚及地膜农田无人机航拍监测方法[J]. 孙钰,韩京冶,陈志泊,史明昌,付红萍,杨猛. 农业机械学报. 2018(02)
[9]基于多特征融合的SVM高分辨率遥感影像建筑物提取方法[J]. 赵春晖,李思聪. 沈阳大学学报(自然科学版). 2017(04)
[10]无人机在精准农业中的关键技术及应用[J]. 段新宇. 农业与技术. 2017(13)
本文编号：3528366
本文链接：https://www.wllwen.com/nykjlw/nyxlw/3528366.html
