一种基于等高航线的无人机边坡植被分类方法与流程

本发明涉及一种基于等高航线的无人机边坡植被分类方法，无人机边坡植被分类方法是基于无人机边坡飞行并获取清晰影像。

背景技术：

边坡生态工程包括规划设计、工程施工、工程监理、工程验收、工程管理和工程研究等六个主要环节，其中工程监理、工程验收、工程管理和工程研究等四个环节的开展都需要聚焦植物空间分布，无论是工程监理中的工序和质量，还是工程验收中的稳定性评估，再到工程管理中的养护、补植、间伐和长势管理，亦或是工程研究中的群里空间格局，生物多样性演替，生态评价等，都需要动态高频的植物空间分布数据作为基础。而植物空间分布监测中最重要的一个数据维度则是植物分类。

目前边坡植物分类，均是以地面调查方法为主，耗时费力，成本较高。现有无人机植物物种分类研究基本是在地势平坦、没有明显起伏的地区进行，且分类对象较为简单。边坡不管是从地形还是群落结构的角度观察，都与现存研究对象有很大不同。我国地质环境丰富，但自然灾害频繁，经常遭遇地震灾害或者自然滑坡，加之人类采矿或施工建设等活动也会破坏自然植物，导致许多裸露的边坡，边坡修复成为常态高频需求。边坡修复的效果，需要通过边坡调查评价来评估。但是边坡地形复杂影响无人机飞行方式和数据质量与信息挖掘，边坡植物层次丰富，高低搭配，使得植物分类也具有一定难度，目前还没有无人机在边坡条件下调查植物物种的研究报道，无现成的研究方法可借鉴，故而本发明研究将是一种创新尝试。

技术实现要素：

有鉴于此，本发明的目的是提供一种基于等高航线的无人机边坡植被分类方法，可获取高质量影像，从而能提高边坡植物分类精度。

本发明的目的是通过以下技术方案实现的：

一种基于等高航线的无人机边坡植被分类方法，包括如下步骤：

（1）使无人机以蛇形方式沿若干等高航线飞行且悬停在等高航线上的采样点上采集影像，若干等高航线离边坡地面的距离均相等且沿边坡倾斜方向均匀间隔并列设置，所述航线上均匀间隔设置有若干采样点；

（2）将影像导入到pix4dmapper中并合成高密度点云数据，由高密度点云数据获得正射影像；

（3）构建样本训练管理器，具体为首先将人工分辨出的植物种类添加到arcgis中生成方案管理类别；然后按照方案管理类别，在近地正射影像中圈出待分类的对象类别，得到样本库；通过无人机低空飞行并将采集的影像导入到pix4dmapper中合成高密度点云数据，从高密度点云数据获得近地正射影像；

（4）将样本训练管理器基于方案管理类别和样本库生成的ecd文件再结合分类方法作用于步骤（2）的最终影像中，得出边坡植物影像的分类结果。

进一步，所述步骤（2）中由高密度点云数据还获得dsm,将dsm和正射影像导入到arcgis，在arcgis中根据正射影像人工选取地面点，从dsm中提取地面点的高程，用反距离权重插值法生成dtm；

ndsm=dsm-dtm

其中ndsm为植株高度影像；dsm为数字表面模型；dtm为数字地形模型；

进一步，所述等高航线获取方法，包括如下步骤：

a使无人机以蛇形方式沿若干定高均分间隔航线飞行并悬停在定高均分间隔航线上的采样点上采集影像，若干定高均分间隔航线位于边坡上方的同一平面内且沿边坡倾斜方向均匀间隔并列设置，所述航线上均匀间隔设置有若干采样点，从对应坡脚的航线到对应坡顶的航线航线上的采样点逐渐增多；

b将影像导入到pix4dmapper中并合成低密度点云数据，从低密度点云数据中获得dsm，将dsm导入arcgis中并获得边坡坡角和边坡坡向；

c在arcgis中首先由边坡坡角、边坡坡向、摄像机镜头参数、对分辨率的要求及对航向重叠率的要求获得等高航线间距及其离边坡地面高度，然后使用等值线提取工具提取出等高航线，使用沿线提取点工具提取出采样点。

进一步，所述等高航线离边坡地面的高度为50m。

进一步，在边坡植物影像中随机生成一定数量的精度评估点，与人工分类做对比，得出精度评估点分类的准确性，最终生成精度检验结果集。

进一步，用精度检验结果集生成混淆矩阵，根据计数、用户精度、生产者精度和fscore分析分类精度，根据kappa得分评估分类方法的适用性。

进一步，所述分类方法为随机森林算法。

本发明的有益效果是：

本发明的一种基于等高航线的无人机边坡植被分类方法，无人机沿等高航线飞行能有效提升坡脚的正射影像清晰度及纹理，进而提升了植物分类精度，使分类精度达到了90%以上。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书和权利要求书来实现和获得。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：

图1为本发明流程示意图。

图2为等高航线示意图。

图3为无人机沿等高航线飞行采集的影像。

图4为获得的正射影像图。

图5为分类结果示意图。

图6为无人机沿等高航线飞行加入ndsm或不加入ndsm的植物分类结果对比图。

图7为无人机沿等高航线或沿传统定高均分间隔航线飞行并加入ndsm的植物分类结果对比图。

图8为无人机沿等高线飞行采样的剖面图。

具体实施方式

以下将参照附图，对本发明的优选实施例进行详细的描述。应当理解，优选实施例仅为了说明本发明，而不是为了限制本发明的保护范围。

本发明的方法分别在汶川地区的人工边坡和自然山地实施，边坡坡高为75m、坡长为150m、坡比为1/2。

如图1-5所示，一种基于等高航线的无人机边坡植被分类方法，包括如下步骤：

（1）使无人机以蛇形方式沿若干等高航线飞行且悬停在等高航线上的采样点上采集影像，若干等高航线离边坡地面的距离均相等且沿边坡倾斜方向均匀间隔并列设置，所述航线上均匀间隔设置有若干采样点，即各个采样点与地面的铅锤高度为一恒定值，这个值的设定需要根据实际采样的分辨率、无人机续航能力等需求而定，本发明设定为50m，采集到的影像分辨率高，纹理强，实际证明后续的分类中也提高了植被分类的精度；本发明中的无人机为四旋翼碳纤维机架，三轴摄像机云台，飞萤8s运动摄像机，自动驾驶仪硬件系统采用pix-hawk2.4.8，软件系统为autopilot。

（2）将影像导入到pix4dmapper中并合成高密度点云数据，由高密度点云数据获得正射影像；正射影像是一种经过垂直视角纠正，采用相邻像素修正的影像，从而纠正了植物影像的投影差，可以更准确的展现地面上的植物。

（3）构建样本训练管理器，具体为首先将人工分辨出的植物种类添加到arcgis中生成方案管理类别；然后按照方案管理类别，在近地正射影像中圈出待分类的对象类别，得到样本库；这里的近地正射影像为8张，最终在汶川样地的边坡选择了147个训练样本，自然样地选择了143个训练样本；近地正射影像的获取方式为：通过无人机低空飞行并将采集的影像导入到pix4dmapper中合成高密度点云数据，从高密度点云数据获得近地正射影像，此处无人机采样点离地面的距离为30m；本发明中的分类方法为随机森林算法，即使用随机森林算法进行特征选择和乔木物种多样性估测。

（4）将样本训练管理器基于方案管理类别和样本库生成的ecd文件再结合分类方法作用于步骤（2）的最终影像中，得出边坡植物影像的分类结果。

所述步骤（2）中由高密度点云数据还获得dsm,将dsm和正射影像导入到arcgis，在arcgis中根据正射影像人工选取地面点，从dsm中提取地面点的高程，用反距离权重插值法生成dtm；

ndsm=dsm-dtm

其中ndsm为植株高度影像；dsm为数字表面模型；dtm为数字地形模型，加入ndsm使边坡植物物种的分类结果更精细，如图6所示，截取边坡局部区域使无人机沿等高航线飞行加入ndsm或不加入ndsm的植物分类结果对比图。

优选的，所述等高航线获取方法，包括如下步骤：

a使无人机以蛇形方式沿若干定高均分间隔航线飞行并悬停在定高均分间隔航线上的采样点上采集影像，若干定高均分间隔航线位于边坡上方的同一平面内且沿边坡倾斜方向均匀间隔并列设置，所述航线上均匀间隔设置有若干采样点，从对应坡脚的航线到对应坡顶的航线航线上的采样点逐渐增多；

b将影像导入到pix4dmapper中并合成低密度点云数据，从低密度点云数据中获得dsm，将dsm导入arcgis中并获得边坡坡角和边坡坡向,dsm为数字表面模型；

c如图2所示，在arcgis中首先由边坡坡角、边坡坡向、摄像机镜头参数、对分辨率的要求及对航向重叠率的要求获得等高航线间距及其离边坡地面高度，然后使用等值线提取工具提取出等高航线，使用沿线提取点工具提取出采样点。

所述等高航线离地面的高度为50m，该值是根据对采样影像的分辨率要求及无人机续航能力而定。

如图8所述，等高线间距计算方法为：

图中无人机采样点p2到地面q2的竖直距离为h`，无人机航向重叠率为ef/tf=ρ=60%，边坡坡角为β，无人机采样点p1到p2的距离可以用地面点o1o2表示，∠ep2o2=α/2，

∠eo2p2=∠qo2o1=1-β，因此根据三角形正弦定理可以得到：eo2=h`.sin(α/2)/sin(β−α/2)。同理，可以得到o2f=h`.sin(α/2)/sin(π−β−α/2)。综上可以得到：

该方法还包括在边坡植物影像中随机生成一定数量的精度评估点，与人工分类做对比，得出精度评估点分类的准确性，最终生成精度检验结果集。

用精度检验结果集生成混淆矩阵，根据计数、用户精度、生产者精度和fscore分析分类精度，根据kappa得分评估分类方法的适用性。

优选的，所述分类方法为随机森林算法。

用传统航线采样会出现两个问题即定高均分间隔采样的坡顶影像航向覆盖率低于坡脚和定高均分间隔飞行采样的坡脚影像分辨率低于坡顶，而本发明的等高航线可避免上述两个问题，使得采集的图像质量更高如图3所示。图7为截取边坡部分区域使无人机沿等高航线或沿传统定高均分间隔航线飞行并加入ndsm的植物分类结果对比图。

精度检验发现，27种植物的分类精度都有提升，特别是白茅、芒、川滇高山栎、杨树、毛茛、野棉花、柏树、桂花、核桃、竹叶草、桉树、小薹草，提升幅度明显。

无人机遥感分类方法在复杂汶川边坡环境下，无人机遥感分类可以发挥巨大作用，并且在种的维度下，分类精度能达到90%以上。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。