基于无人机RGB图像和深度学习的稻田冠层结构高通量表型监测
这是一篇关于水稻,绿色面积指数,无人机,倾斜摄影,绿色分数,深度学习,校正模型的论文, 主要内容为水稻是最重要的粮食作物之一,加速培育适应未来气候的水稻品种是应对潜在粮食危机的关键,大田条件下高通量监测冠层结构动态对提高新品选育的效率具有重要意义。其中,绿色分数(Green Fraction,GF)与绿色面积指数(Green Area Index,GAI)是表征群体光截获能力和生长速率的最重要的冠层结构特征。本研究旨在探索高通量、高精度的水稻GF与GAI估算方法,综合考虑播期、品种、施肥以及气候因素对水稻生长状况的影响,开展水稻大田实验。使用无人机辅以手持式设备,挂载高清RGB相机,从45°天顶角倾斜拍摄水稻关键生育期影像,分别围绕稻田图像GF精确计算以及高通量、高精度估算水稻GAI这两方面开展相关问题的探索。首先,在稻田图像GF的精确计算上,以无人机从4个观测高度(25 m,35 m,50 m,70 m)辅以手持式设备从近地面(2 m)获取的水稻RGB图像为数据源,以GF为分割精度评价指标,开展了以下两方面研究:1)研究训练集构成对U-net模型分割精度以及鲁棒性的影响;2)评价U-net模型与过绿植被指数(Excess Green,Ex G)结合Otsu自动阈值法分割并计算不同高度获取图像的GF的精度。结果表明:相比使用单一空间分辨率的图像作为训练集,使用包含无人机低空(25 m)图像和近地面图像构建的训练集对U-net进行训练得到的输出模型鲁棒性最好(RMSE=0.057)。使用U-net模型分割近地面图像(GSD=0.07 mm)与无人机低空图像(GSD=0.17 mm)的精度均较高,RMSE分别为0.043和0.061。随着图像空间分辨率的下降,U-net模型分割精度降低。Ex G算法的计算误差在不同测试集上均大于U-net,且随着GF的增大,Ex G算法的误差会大幅增加,但U-net模型分割精度几乎不受GF变化的影响。此外,本研究证明了使用U-net模型分割低空无人机图像的精度可以达到分割近地面图像的精度,从而为无人机代替手持式设备进行水稻冠层GF高通量、高精度监测作铺垫。其次,在高通量、高精度估算水稻GAI上,以无人机从4个不同高度(25 m,35m,50 m,70 m)获取的水稻RGB图像以及田间实测的水稻GAI为数据源,在发现无人机图像中水稻冠层的Ex G中位数(Ex Gmed)对空间分辨率(或飞行高度)变化不敏感且与GF有较高的拟合度后,构建了关于不同飞行高度下Ex Gmed与GF的回归模型(本文又名高空-低空校正模型,HLACM),从高空图像中计算每个水稻品种GF,最终构建了1-Ex Gmed与GAI的指数回归模型、基于间隙分数(即1-GF)的对数回归模型和泊松模型这三种估算模型。结果表明:借助不同航高的HLACM可以避免直接从高空低分图像中计算稻田GF,从而提高了GF计算精度。利用间隙分数估算GAI的精度较高,但易受聚集效应影响,其中泊松模型基于辐射传输理论,鲁棒性强,可获取GAI动态信息;对数模型可以减小估算多个生育期水稻GAI的整体偏差。总的来说,本文系统分析了当前获取大田水稻GF与GAI中存在的缺陷,借助深度学习U-net模型,高精度地提取了稻田GF;并通过构建校正模型,进一步实现了使用无人机高通量、高精度的估算大田水稻GAI。本研究思路可以推广到冠层结构与水稻类似的作物上,有助于促进精确高效估算作物GF与GAI的发展,为大尺度的作物表型参数监测研究提供科学依据,对于优化栽培管理和培种选育具有重要意义。
面向不动产的三维场景构建与集成研究
这是一篇关于不动产,倾斜摄影,三维楼盘模型,三维不动产场景,数据集成的论文, 主要内容为随着城市化进程的不断加快,建筑物综合体日益复杂,土地的开发利用已不仅仅局限于地表,地下和地上空间也逐步的开发。二维GIS数据无法直观反映不动产对象在空间中的分布利用状况,具有一定的局限性。基于倾斜摄影技术构建的城市三维场景模型能够真实反映房屋和土地的利用状况,适合大范围的不动产场景浏览和展示,在三维不动产应用中具有独特的优势。基于该优势,探索将城市三维场景模型与三维不动产模型相结合,构建三维不动产场景(3D Real Estate Scene,3DRES),解决现有三维不动产模型在大范围展示时渲染效率低的问题。本文将对面向不动产的三维场景构建与集成进行研究,主要研究内容有以下几个方面:(1)根据不动产管理对三维模型的需求,构建三维不动产场景。包括由倾斜摄影技术构建的大规模城市三维场景模型和由三维宗地体、三维楼盘模型组成的小规模三维不动产场景。(2)提出基于Mashup的三维不动产场景集成方法,实现了三维场景与不动产数据的融合,包括大规模城市三维场景与不动产数据的关联,小规模三维场景中三维楼盘模型与城市三维场景的空间匹配,并探索三维场景的调度机制。(3)基于Cesium的三维可视化方法,结合本文所构建的三维不动产场景,分别实现大规模城市三维场景模型和三维楼盘模型的可视化。(4)在三维不动产场景实际应用中,为解决三维楼盘模型与城市三维场景模型无法完全匹配的问题,提出一种定向多边形空间扩展算法。用于自动扩展房产分层分户图,构建表达层面的三维楼盘模型,优化三维不动产场景可视化效果。(5)基于本文所构建的三维不动产场景,结合实际业务需求,设计并实现B/S架构下的二三维一体化不动产信息管理平台,对本文上述研究内容进行验证。
基于WebGL的三维实景航道研究与应用
这是一篇关于内河航道,三维实景,倾斜摄影,数据可视化,WebGL的论文, 主要内容为在内河航道的运输管理中,及时获取并掌握内河航道环境信息及水上目标信息对于航道通航管理、维护航道、感知航道危险情况具有重要意义。通过构建出高真实度的三维实景航道能够使管理者迅速直观的了解内河航道的多种信息,从而帮助管理者进行高效的分析和决策,减少获取信息的时间从而提高管理者对内河航道管理的反应速度和效率,推动内河航道的信息化发展。当前,我国三维实景航道的发展还处于启动阶段,相关研究还存在如下不足:(1)大多数三维航道的构建使用传统的Open GL方法完成,在真实度上远远达不到实景的程度。(2)许多使用较前沿的方法构建的三维实景航道达到了高真实度,但由于方案不够成熟,通常伴有较高的限制,包括运行速度低、不能跨平台、不具备实时性等。(3)三维实景航道在实际应用上还有较大的空缺,其实用程度不够高。针对上述问题,本文进行了大量研究和测试,完成了以下工作:(1)通过将地图瓦片、倾斜摄影模型、三维模型进行融合,实现了高真实度的三维实景航道的构建,并具备了跨平台特性和实时性。(2)通过设计优化方案,使三维实景航道的运行效率得到了提高,在几乎不影响精细度的情况下较大程度上提升了运行速度。(3)在已构建的三维实景航道的基础上,完成了多个应用拓展,满足了部分社会生产实际的需求。本文的创新点在于:(1)提出了一种新型的三维实景航道的构建方法,并从多个角度进行了分析,凸显了该构建方法的优势。(2)针对本文构建的三维实景航道进行了性能分析,并进一步设计了优化方案,成功完成了三维实景航道的性能优化。本文通过结合多种模型构建技术不断尝试与测试,探索并构建出了三维实景航道,并设计方法完成了性能优化,最后对其进行应用拓展,完成了整个三维实景航道的研究。该研究目前仍处于探索阶段,还有大量可以优化和拓展的空间,包括动态水位面的实现、倾斜摄影模型的优化等,在三维实景航道的研究成熟后,对于内河航道的信息化发展具有重要意义。
基于无人机RGB图像和深度学习的稻田冠层结构高通量表型监测
这是一篇关于水稻,绿色面积指数,无人机,倾斜摄影,绿色分数,深度学习,校正模型的论文, 主要内容为水稻是最重要的粮食作物之一,加速培育适应未来气候的水稻品种是应对潜在粮食危机的关键,大田条件下高通量监测冠层结构动态对提高新品选育的效率具有重要意义。其中,绿色分数(Green Fraction,GF)与绿色面积指数(Green Area Index,GAI)是表征群体光截获能力和生长速率的最重要的冠层结构特征。本研究旨在探索高通量、高精度的水稻GF与GAI估算方法,综合考虑播期、品种、施肥以及气候因素对水稻生长状况的影响,开展水稻大田实验。使用无人机辅以手持式设备,挂载高清RGB相机,从45°天顶角倾斜拍摄水稻关键生育期影像,分别围绕稻田图像GF精确计算以及高通量、高精度估算水稻GAI这两方面开展相关问题的探索。首先,在稻田图像GF的精确计算上,以无人机从4个观测高度(25 m,35 m,50 m,70 m)辅以手持式设备从近地面(2 m)获取的水稻RGB图像为数据源,以GF为分割精度评价指标,开展了以下两方面研究:1)研究训练集构成对U-net模型分割精度以及鲁棒性的影响;2)评价U-net模型与过绿植被指数(Excess Green,Ex G)结合Otsu自动阈值法分割并计算不同高度获取图像的GF的精度。结果表明:相比使用单一空间分辨率的图像作为训练集,使用包含无人机低空(25 m)图像和近地面图像构建的训练集对U-net进行训练得到的输出模型鲁棒性最好(RMSE=0.057)。使用U-net模型分割近地面图像(GSD=0.07 mm)与无人机低空图像(GSD=0.17 mm)的精度均较高,RMSE分别为0.043和0.061。随着图像空间分辨率的下降,U-net模型分割精度降低。Ex G算法的计算误差在不同测试集上均大于U-net,且随着GF的增大,Ex G算法的误差会大幅增加,但U-net模型分割精度几乎不受GF变化的影响。此外,本研究证明了使用U-net模型分割低空无人机图像的精度可以达到分割近地面图像的精度,从而为无人机代替手持式设备进行水稻冠层GF高通量、高精度监测作铺垫。其次,在高通量、高精度估算水稻GAI上,以无人机从4个不同高度(25 m,35m,50 m,70 m)获取的水稻RGB图像以及田间实测的水稻GAI为数据源,在发现无人机图像中水稻冠层的Ex G中位数(Ex Gmed)对空间分辨率(或飞行高度)变化不敏感且与GF有较高的拟合度后,构建了关于不同飞行高度下Ex Gmed与GF的回归模型(本文又名高空-低空校正模型,HLACM),从高空图像中计算每个水稻品种GF,最终构建了1-Ex Gmed与GAI的指数回归模型、基于间隙分数(即1-GF)的对数回归模型和泊松模型这三种估算模型。结果表明:借助不同航高的HLACM可以避免直接从高空低分图像中计算稻田GF,从而提高了GF计算精度。利用间隙分数估算GAI的精度较高,但易受聚集效应影响,其中泊松模型基于辐射传输理论,鲁棒性强,可获取GAI动态信息;对数模型可以减小估算多个生育期水稻GAI的整体偏差。总的来说,本文系统分析了当前获取大田水稻GF与GAI中存在的缺陷,借助深度学习U-net模型,高精度地提取了稻田GF;并通过构建校正模型,进一步实现了使用无人机高通量、高精度的估算大田水稻GAI。本研究思路可以推广到冠层结构与水稻类似的作物上,有助于促进精确高效估算作物GF与GAI的发展,为大尺度的作物表型参数监测研究提供科学依据,对于优化栽培管理和培种选育具有重要意义。
倾斜摄影三维重建算法研究及可视化应用
这是一篇关于倾斜摄影,三维重建,稀疏重建,PMVS,可视化的论文, 主要内容为倾斜摄影测量技术,指在无人机上搭载单镜头或者多镜头相机,采集不同角度的倾斜和垂直图像,从而高效率地获取完整的地面场景信息,成为了当前大规模场景图像获取及三维重建的主要手段。三维重建可以将无人机序列图像恢复成三维点云,实现目标区域的三维建模,已经广泛应用于测绘、监测等领域。然而,在倾斜摄影过程中,需要对同一目标进行不同视角和光照条件下的图像采集,会遇到目标尺度过大、障碍物阻碍等问题,影响三维重建的效率和精度。本文针对倾斜摄影三维重建技术中的关键算法进行研究,主要包括稀疏重建和稠密重建算法,并对重建后的三维模型可视化应用技术进行功能实现。论文主要研究成果及创新点如下:(1)研究基于增量式SFM(Structure from Motion)的稀疏重建算法,介绍了稀疏匹配SIFT(Scale-invariant feature transform)算法的原理,并针对该算法检测特征点时间较长的问题进行改进。通过引入了FAST(Features from accelerated segment test)算法检测角点,它能快速通过比较中心像素点和一定邻域内像元的灰度值判断是否为角点,从而提高算法的速度。同时为了弥补FAST算法在高斯差分金字塔上搜索不足的缺点,使用了基于Ostu和GA(Genetic Algorithm)的图像分割算法对图像进行分割,对分割图像构建高斯金字塔,在高斯金字塔上进行特征点搜索。最终在相关数据集上进行处理比较,验证了该算法对于稀疏重建算法中的光束法平差优化和稀疏点云的有效性。(2)阐述了PMVS(Patch-based Multi-view Stereo)稠密重建算法的基本原理,针对现有三维重建算法效率低,重建点云存在大量空洞的情况,对PMVS稠密重建算法进行改进。在面片生成阶段,根据无人机拍摄时的高度和重叠度选择极线搜索和块匹配的图像,减少了面片生成的盲目性。在面片扩散阶段,使用自适应邻域搜索选择扩散范围,提高扩散的效率。在面片优化阶段采用改进的拟牛顿算法优化面片参数,在保证算法全局收敛性的情况下,提高了面片中心和法向量等相关参数的准确性。最后在三组数据集上进行实验,表明改进算法在效率上提高了15%以上,减少了重建点云中的空洞数量。(3)在倾斜摄影三维模型的可视化应用方面,设计并实现了基于Cesium的倾斜摄影三维模型可视化平台,一方面,该平台可以实现房屋、高楼和山坡等多个三维模型的可视化展示,另一方面,实现了图层管理、空间量测、无人机飞行航迹显示、单体化、剖面分析、坡度坡向分析等功能,提高了可视化平台的实用性。
无人机倾斜摄影仿真在线服务系统的研制
这是一篇关于无人机航拍,倾斜摄影,航线设计,仿真飞行,数据存储,在线服务的论文, 主要内容为无人机倾斜摄影测量相较于传统测绘,具有低成本、机动灵活、周期短、实效性强等优点,已成为当前测绘生产中经常采用的数据采集方式,且愈加工业化、自动化。然而在实际作业和教学培训过程中,仍存在因测区地理环境陌生复杂而出现的航摄方案不合理、地形遮挡、安全隐患等诸多问题,使得作业效率、飞行安全性及影像质量不够高,亟需一种更高效可靠的技术手段来辅助解决,而计算机虚拟仿真技术的发展为此提供了一种可能。基于此,本文设计并开发了一个无人机倾斜摄影仿真在线服务系统,以开源地理数据与自建的无人机模型数据为基础,借助Cesium地图框架和My SQL数据库,实现了无人机倾斜摄影的航线规划设计、飞行航摄、航摄数据存取等环节的仿真。主要研究工作如下:(1)在概述虚拟仿真技术的基础上,分析了本系统应具有的特点和需要解决的关键技术,并以此对系统的总体架构、数据库和功能模块分别进行设计。系统采用B/S架构,前端以Cesium为地图框架展示系统功能,后端使用My SQL数据库进行数据存储,并将系统的功能分为三维场景可视化、航线设计、仿真飞行和数据管理四部分。(2)开展无人机倾斜摄影仿真在线服务系统的关键技术研究。首先研究五镜头折线航线和单镜头环绕航线倾斜摄影方案中的航线设计,包括重叠度的设置、区域覆盖设计等;然后研究仿真飞行的关键技术,包括日照阴影的计算、仿真飞行中的可视化算法;最后研究仿真过程中相关数据存取与管理的关键技术。(3)实现无人机倾斜摄影仿真在线服务系统的相关功能。在完成系统基础数据处理与在线服务网络配置的基础上,使用HTML、Java Script、PHP等语言编程实现航线设计、仿真飞行、数据管理功能,并在线开展了五镜头和单镜头的倾斜摄影仿真案例。在线运行和系统仿真测试表明,本系统能较好地仿真无人机倾斜摄影全过程,可用于辅助无人机倾斜摄影测量的生产与教学。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码货栈 ，原文地址：https://m.bishedaima.com/lunwen/54360.html
