基于空间网格剖分的作业地块自动识别与面积统计方法
【技术领域】
[0001]本发明属于卫星定位识别技术领域，具体涉及一种基于空间网格剖分的作业地块自动识别与面积统计的方法。
【背景技术】
[0002]传统农业大多人工干预，自动化程度不高，比如在农业耕地面积统筹与计算方面，一般均是通过人工划分及测量，耗费大量劳动力，而且人工测量存在一定误差，不能准确反映耕地面积实情。
[0003]精准农业被认为是二十一世纪农业科技发展的前沿，其科技含量高、集成综合性强，极大地提高了农业生产和作业的效率，也是现代化农业生产管理的重要目标。卫星定位系统作为精准农业的核心支撑技术之一，在农业精细化生产管理的各个环节发挥了不可替代的作用，如农机车辆实时定位监控、自动作业导航以及远程指挥调度等等。当前，大规模、集约化、区域性农业生产过程越来越普及，及时掌握农机作业区域和任务完成情况非常重要，其对于整体效率评估以及作业进度管理有重要意义，以往多采用农机手主动上报或委托第三方进行面积实地测量，涉及人为因素、误差较大且消耗了大量的人力物力。当农机车辆安装定位终端后，应用系统软件采集大量的农机行驶轨迹数据，为自动化作业地块识别和统计分析提供了可能。
[0004]在遥感图像识别领域，通过遥感影像判读识别各类地物目标是一项重要的研宄内容，其中非监督分类技术对于自动化作业地块识别有借鉴意义。但由于信号噪声、通信故障以及系统误差等一系列客观因素限制，数据并非完全可靠，因此所设计方法的适应性和可靠性非常重要，目前的测量方法均未克服以上难题。
【发明内容】
[0005]发明目的:本发明的目的是为了减少人力物力的投入，以及适应现代科技的发展，提供一种通过农机车辆的运动轨迹实现作业地块自动识别和区域面积统计的方法，基于对农机作业模式的系统分析，该方法首先进行定位数据集的预处理，然后引入空间剖分，通过有效定位点映射和迭代聚类算法生成多个独立的作业区域，进一步采用细分网格快速计算出每个区域的面积，其适应性好、准确性高且消除人为因素干扰，可以达到大规模农田作业管理和进度跟踪的目的。
[0006]技术方案:本发明所述的基于空间网格剖分的作业地块自动识别与面积统计方法，其目的是这样实现的，一种基于空间网格剖分的作业地块自动识别与面积统计方法，通过卫星定位农机车辆的运动轨迹点，主要包括以下步骤:
[0007]A)数据预处理；
[0008]B)位置点映射和区域聚类；
[0009]C)作业区域边界追踪；
[0010]D)区域面积计算。[0011 ] 所述步骤A)中，数据预处理主要完成:
[0012](I)定位漂移点剔除。定位终端上报数据间隔为t秒，农机最大行驶速度为Vmax，卫星精度为X，基于相邻点位置变化，判断大于距离阀值VmaxXt+2X的点为定位漂移点，对原始数据集进行过滤，剔除该类定位点。
[0013](2)停车位置点剔除。考虑到卫星定位精度和速度扰动，将小于给定速度阀值(一般取0.01千米/小时)的数据点判定为停车点，停车点对区域有效作业点密度统计排序有干扰，需要剔除，同时可以减少算法整体计算量。
[0014]在统计了大量卫星参数，并经过理论分析，发现卫星定位精度和速度扰动对于农机车辆的影响是有限的，即一般的卫星精度都有一定限度，不可能存在精度偏差超过行业标准，并且考虑到速度扰动的时效性，在做了大量研宄后，速度阈值取0.01千米/小时。
[0015]所述步骤B)中，位置点映射和区域聚类主要完成:
[0016](I)数据点集合网格映射。在平面投影坐标系空间计算全部数据点的包围矩形，以农机车辆作业设备宽幅5倍长度为间距，将该包围矩形进行网格划分。遍历数据点，根据投影坐标空间包含关系将其映射到剖分网格单元，相应的网格单元所包含位置点计数加1，直到所有数据点处理完毕。
[0017](2)基于包含位置点数目对计数大于I的所有网格单元进行排序，放入队列Queue。找出最大最小计数值Minvalue^P Max Value，按照下式计算自适应阀值T:
[0018]T = (MinValue+MaxValue) /M
[0019]其中，M为算法预定义的入参数；
[0020](3)在队列Queue中找到当前计数最大的网格单元Cellmax，如果计数值大于T，则开始如下聚类过程(见附图2):
[0021]a.将Cellmax加入当前聚类Cluster，同时从队列Queue中移除。
[0022]b.基于空间位置关系查看Cellmax领域4个Cell，如果某个Cell在队列Queue中且计数值大于T，则以该Cell为当前网格单元，重复a、b操作，直到无法找到满足条件的网格单元为止，收集Cluster中的所有Cell，形成了一个完整的聚类区域，该算法子流程见附图3。
[0023](4)重复(3)直到队列Queue中不包含大于T的Cell为止。
[0024](5)收集所有的Cluster到聚类区域链表Listreg1n0
[0025]所述步骤C)中，作业区域边界追踪主要完成:
[0026](I)针对一个区域网格单元聚类Cluster，从上到下，从左到右扫描找到左下边界网格单元设定为起始追踪边界单元Cellstart。，加入到边界单元链表Listb_dalT。
[0027](2)围绕一个单元，定义左下、下、右下、右、右上、上、左上、左八个方向，以Cellstart为起点，从左下方向开始逆时针扫描相邻Cell，找到第一个包含在Cluster中的有效Cell为当前边界单元Cell—t，加入到边界单元链表Listb_toy，并将其所在方向定义为当前方向 Dircurrent0
[0028](3)从当前边界单元Cellmt开始，以当前方向Dir寸针旋转90度为下一个起始搜索方向，追踪得到下一个Cell记为前边界单元Ce I Iammt，加入链表Listb_dalT，并计算方向。
[0029](4)重复步骤(3)，直到下一个确定的边界单元Cell为起始边界Cellstart，搜索结束。
[0030](5)顺次连接Listb_dalT中的网格单元中心点即得到该聚类Cluster的区域边界多边形。
[0031]所述步骤D)中，区域面积计算主要完成:
[0032](I)针对一个已识别作业区域，计算其所包含所有定位点的空间包围盒，以作业设备宽幅为边长L，对该空间包围盒进行网格剖分，生成空间网格Grid。》—。
[0033](2)遍历作业区域定位点，将其映射到空间网格GricLmpute的网格单元，将包含定位点的网格单元进行标示。
[0034](3)统计所标示的网格单元的数目N，计算区域面积如下:
[0035]Areareg1n= L2XN
[0036]有益效果:随着卫星定位技术在精准农业领域的广泛应用，大面积、大规模农机作业自动化监控、管理和分析的需求将日趋迫切。在农机作业地块识别和统计方面，本发明有如下技术优势:
[0037]1.算法处理过程不需要人为干预，自动化程度高，能够作为实际应用系统定时触发的任务后台执行，极大地提高农机作业生产监督管理的效率；
[0038]2.计算稳定可靠，通过预处理和自适应阀值等机制，可以有效克服定位数据漂移、定位误差以及非作业定位点的干扰；
[0039]3.对不同形状的实际农机作业区域适应性好，可以生成非凸作业区域边界多边形，面积计算准确，算法执行效率高、速度快。
【附图说明】
[0040]图1是本发明的系统流程框图；
[0041]图2是本发明中网格区域聚类流程框图；
[0042]图3是本发明中区域迭代聚类子流程框图。
【具体实施方式】
[0043]为了加深对本发明的理解，下面将结合实施例和附图对本发明作进一步详述，该实施例仅用于解释本发明，并不构成对本发明保护范围的限定。
[0044]参见图1所示，通过农机车辆定位轨迹点实现作业地块自动识别与统计方法涉及的主要算法步骤如下
[0045]A)数据预处理；
[0046]B)位置点映射和区域聚类；
[0047]C)作业区域边界追踪；
[0048]D)区域面积计算。
[0049]所述步骤A)中，数据预处理主要完成:
[0050](I)定位漂移点剔除。定位终端上报数据间隔为t秒，农机最大行驶速度为Vmax，卫星精度为X，基于相邻点位置变化，判断大于距离阀值VmaxXt+2X的点为定位漂移点，对原始数据集进行过滤，剔除该类定位点。
[0051](2)停车位置点剔除。考虑到卫星定位精度和速度扰动，将小于给定速度阀值(一般取0.0l千米/小时)的数据点判定为停车点，停车点对区域有效作业点密度统计排序有干扰，需要剔除，同时可以减少算法整体计算量。
[0052]