[發明專利]基于無人機的動物三維參數提取方法、系統及電子設備

有效

• 申請號: 202010475356.6
• 申請日: 2020-05-29
• 公開（公告）號: CN111666855B
• 公開（公告）日: 2023-06-30
• 發明（設計）人: 王東亮;岳煥印;彭金榜;廖小罕;葉虎平;譚翔
• 申請（專利權）人: 中國科學院地理科學與資源研究所;天津中科無人機應用研究院
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V20/64;G06V10/774;G06V10/764;G06V10/82;G06N3/0464;G06T7/62;G06V20/17
• 代理公司: 北京輕創知識產權代理有限公司 11212
• 代理人: 徐琪琦

1.基于無人機的動物三維參數提取方法，其特征在于，包括：

將高分辨率相機和激光雷達傳感器集成于同一架帶高精度POS系統的無人機，同步獲取無人機高分辨率影像和激光雷達點云，所述激光雷達點云與所述無人機高分辨率影像相對誤差優于0.2m；

通過圖像動物識別模型對所述無人機高分辨率影像進行識別，得到每頭/只動物的種類和每頭/只動物的輪廓所對應的掩膜多邊形；

對所述激光雷達點云進行監督分類，得到動物點和每頭/只動物對應點的最小凸包多邊形；

根據獲取每頭/只動物在所述無人機高分辨率影像中的掩膜多邊形及其在所述激光雷達點云中的動物點，得到每頭/只動物的三維參數；

所述對所述激光雷達點云進行監督分類，得到動物點和每頭/只動物對應點的最小凸包多邊形，包括：

對所述激光雷達點云進行地理編碼處理，得到在UTM投影坐標系下的第一投影數據；

按照第一預設規則在所述第一投影數據中得到所述動物點，所述第一預設規則包括基于角度-坡度自適應濾波模型的地表點云分類、基于高度限制的動物點云篩選和點云分類結果人工檢查，其中，對所述激光雷達點云進行監督分類所得到的分類結果包括：植被點、所述動物點和非植被點，所述植被點為高于地表預設高度的點，所述動物點為高于所述地表預設高度且低于預設高度的非植被點，距離在預設閾值內的動物點識別為同一動物；

利用每頭/只動物的動物點，生成每頭/只動物對應的最小凸包多邊形；

獲取每個所述掩膜多邊形所對應的動物點，包括：

對所述無人機高分辨率影像進行地理編碼處理，得到在UTM投影坐標系下的第二投影數據，其中，所述第二投影數據為二維圖像數據，z軸的值均預設為0，并獲取每個所述掩膜多邊形在所述第二投影數據中對應的坐標數據；

按照第二預設規則將每個所述掩膜多邊形對應的坐標數據與所述多個動物點進行匹配，得到每個所述掩膜多邊形對應的動物點，所述第二預設規則包括匈牙利算法，基于所述匈牙利算法尋找每頭/只動物分別在所述無人機高分辨率影像中的掩膜多邊形和在所述激光雷達點云中的最小凸包多邊形之間的最大匹配，在預設距離閾值內進行位置關系匹配，對未匹配成功的掩膜多邊形和最小凸包多邊形，結合所述激光雷達點云和所述無人機高分辨率影像重新識別，保留所述激光雷達點云或所述無人機高分辨率影像中識別可信度高于預設可信度閾值的最小凸包多邊形或掩膜多邊形所對應的動物的種類；

還包括：

搭建具有錨框尺寸自主選定操作、特征提取網絡組合且自動遴選操作的尺度自適應的圖像動物識別特征提取網絡架構；

利用訓練樣本集合對所述圖像動物識別特征提取網絡架構進行訓練后得到第一識別模型；

當所述第一識別模型滿足第一預設條件時，則將所述第一識別模型確定為所述圖像動物識別模型，所述第一預設條件為所述第一識別模型的識別準確率超過預設準確率閾值。

2.根據權利要求1所述的基于無人機的動物三維參數提取方法，其特征在于，通過所述利用訓練樣本集合對圖像動物識別特征提取網絡架構進行訓練后得到第一識別模型，包括：

通過所述圖像動物識別特征提取網絡架構對訓練樣本集合中的多個訓練樣本和驗證樣本集合中的驗證樣本進行初次訓練后得到第二識別模型；

通過所述第二識別模型對所述驗證樣本集合中的驗證樣本進行識別，獲取識別錯誤的目標對象，將對所述識別錯誤的目標對象進行糾正后得到的正確的目標對象，并將所述正確的目標對象輸入所述第二識別模型重新進行訓練得到第三識別模型；

直至得到的第三識別模型滿足第二預設條件時，則所述第三識別模型數即為所述第一識別模型，所述第二預設條件為：所述第三識別模型的識別準確率不再提高。

3.根據權利要求1或2所述的基于無人機的動物三維參數提取方法，其特征在于，根據每個所述掩膜多邊形和每個所述掩膜多邊形對應的動物點得到每頭/只動物的三維參數之后，還包括：

構建每頭/只動物的三維參數與地面實測值之間的回歸模型，得到每頭/只動物的體重和羊單位。