本發(fā)明涉及一種基于聚集度和Delaunay三角重構(gòu)的巡回作業(yè)區(qū)域邊界提取方法，屬于視覺測量-感興趣區(qū)域提取-二維點云邊界提取
技術(shù)領(lǐng)域：
。
背景技術(shù)：
：巡回作業(yè)區(qū)域測量系統(tǒng)廣泛應(yīng)用于生活、生產(chǎn)和國防領(lǐng)域，特別是在農(nóng)機(jī)深耕作業(yè)面積測量、無人機(jī)農(nóng)藥噴灑、森林防火預(yù)警等存在多區(qū)域巡回作業(yè)需求的應(yīng)用中尤甚。因此開發(fā)出高性能的作業(yè)區(qū)域測量系統(tǒng)具有十分重要的現(xiàn)實意義和經(jīng)濟(jì)意義。巡回作業(yè)區(qū)域測量系統(tǒng)一般包括硬件系統(tǒng)和軟件系統(tǒng)兩個部分。硬件系統(tǒng)包括巡航器本體、攝像頭、GPS接收設(shè)備和存儲設(shè)備等器件組成。巡航器在指定工作區(qū)內(nèi)完成巡回作業(yè)任務(wù)，攝像頭用于工作人員查看巡航器的實際作業(yè)情況，GPS接收設(shè)備用于等間隔地記錄巡航器的GPS坐標(biāo)數(shù)據(jù)，并將其保存至存儲設(shè)備中。每個巡航器在完成作業(yè)后將作業(yè)數(shù)據(jù)、GPS坐標(biāo)數(shù)據(jù)統(tǒng)一上傳至數(shù)據(jù)服務(wù)器中，供進(jìn)一步分析和處理。軟件系統(tǒng)包括實時數(shù)據(jù)采集存儲系統(tǒng)、數(shù)據(jù)庫服務(wù)系統(tǒng)和巡回作業(yè)區(qū)域測量軟件系統(tǒng)等部分組成。巡回作業(yè)區(qū)域測量軟件主要應(yīng)用計算機(jī)圖像識別技術(shù)實現(xiàn)巡回作業(yè)區(qū)域的定位和作業(yè)特征參數(shù)的計算(如作業(yè)面積、作業(yè)時長等)。衡量一個巡回作業(yè)區(qū)域測量軟件系統(tǒng)性能好壞的主要指標(biāo)有：邊界提取準(zhǔn)確度、誤識率、識別速度、用戶界面的友好性，產(chǎn)品的穩(wěn)定性，易用性及可行性等。一般的巡回作業(yè)區(qū)域測量軟件主要由下面幾個部分組成：1、GPS數(shù)據(jù)輸入與坐標(biāo)轉(zhuǎn)換數(shù)據(jù)輸入：巡航器運動的經(jīng)緯度數(shù)據(jù)通過機(jī)載的GPS接收設(shè)備完成采集和存儲，其存儲格式如表-1所示。表-1GPS數(shù)據(jù)點存儲格式時間經(jīng)度緯度速度角度2016-09-2506:26:55.000465702198159160458502902016-09-2506:27:01.000465702216159160470502752016-09-2506:27:09.00046570234815916056650345注：①經(jīng)緯度數(shù)據(jù)單位毫秒除以3600000換算成度；②速度數(shù)據(jù)減500，所得數(shù)據(jù)單位為km/h。坐標(biāo)轉(zhuǎn)換：將經(jīng)緯度數(shù)據(jù)轉(zhuǎn)換成當(dāng)?shù)氐乃矫鍻XY坐標(biāo)(X指向東方，Y指向北方)，根據(jù)弧長公式，坐標(biāo)轉(zhuǎn)換式可由下式確定：其中R為當(dāng)前巡航區(qū)域的地球半徑，一般取平均值6371004，η0、ζ0分別是參考經(jīng)度和參考緯度，一般取首個數(shù)據(jù)點作為參考點，x、y的單位是m。2、感興趣區(qū)域的提取與判定軟件最終目的是識別出哪些數(shù)據(jù)點是巡回作業(yè)點，定位出巡航器真正的作業(yè)區(qū)域并提取其輪廓，然后再統(tǒng)計出在作業(yè)區(qū)域內(nèi)實際作業(yè)中的各項性能參數(shù)，從而為下一步?jīng)Q策提供參考。巡航器所上傳的GPS運動數(shù)據(jù)點集中往往摻雜著大量的遷移點(又稱為非巡回作業(yè)點，巡航器從巡回作業(yè)區(qū)1轉(zhuǎn)移到巡回作業(yè)區(qū)2的過程中就會產(chǎn)生極為稀疏和分散的非巡回作業(yè)點)，這就給整個巡航區(qū)域邊界提取和參數(shù)測量過程帶來巨大的挑戰(zhàn)。因此如何實現(xiàn)在剔除遷移點同時把作業(yè)點保留下來則是軟件實現(xiàn)成敗與否的關(guān)鍵。將巡回作業(yè)區(qū)域從輸入數(shù)據(jù)點集合提取出來的過程叫做感興趣區(qū)域提取，由于實際作業(yè)數(shù)據(jù)點集的多樣性，復(fù)雜性，因此，目前還沒有一個固定的，最優(yōu)的提取模型。感興趣區(qū)域提取的常用方法是將數(shù)據(jù)點集映射成一幅圖片，經(jīng)過必要的圖像形態(tài)學(xué)處理(腐蝕、膨脹、區(qū)域生長、開閉運算等形式)，刪除一部分孤立點后，將連通的區(qū)域整理后(如刪除面積過小的連通域)輸出最終的感興趣區(qū)域，并把該區(qū)域內(nèi)的數(shù)據(jù)點標(biāo)記成巡航作業(yè)點。3、邊界提取與作業(yè)區(qū)域特征參數(shù)計算對第2步得到的感興趣區(qū)域應(yīng)用slope算子將邊緣提取出來，并對連通區(qū)內(nèi)作業(yè)的各項特征參數(shù)進(jìn)行計算。以計算作業(yè)區(qū)域的面積為例，其具體過程是將連通區(qū)域內(nèi)所有的像素點進(jìn)行統(tǒng)計，按照比例轉(zhuǎn)換成實際面積，從而完成作業(yè)區(qū)域面積的計算。利用圖像形態(tài)學(xué)方法提取感興趣區(qū)域時存在效率較低、耗時長、參數(shù)適應(yīng)性差、連通效果不理想等問題。首先是效率低下的問題，考慮以下實際情形，假設(shè)遷移點廣泛分布于整個可視區(qū)域中，而實際作業(yè)區(qū)域面積在整幅圖片中所占的比例非常低(意味著巡航器大部分時間都在趕路，見圖7a)，此時GPS數(shù)據(jù)點集所映射出來的圖片尺寸將是十分巨大的。另一方面，大部分圖像形態(tài)學(xué)處理方法的時間復(fù)雜度與圖片尺寸大致成比例關(guān)系。因此計算機(jī)可能將大量時間耗費在搜索、訪問和判斷圖片上稀疏的非作業(yè)點上，整個處理效率極為低下。其次是參數(shù)適應(yīng)性差的問題，對于兩幅圖像，其中巡航作業(yè)區(qū)域的巡航點分布特性(巡航作業(yè)點之間的距離、均勻程度、是否有孔洞等)變化較大時，同一組形態(tài)學(xué)參數(shù)運算得到的結(jié)果并不總是理想甚至有可能是背離設(shè)計期望的(如將真正的巡回作業(yè)區(qū)域誤刪(特別是長條形的作業(yè)區(qū)域，見圖8a)，作業(yè)區(qū)域被肢解等)。最后是連通效果不理想的問題。由于實際的作業(yè)區(qū)域內(nèi)部數(shù)據(jù)點分布特性較為分散，很難找到一組適用于所有的數(shù)據(jù)點集的形態(tài)學(xué)參數(shù)。極端情況下，連通區(qū)域可能被肢解，而slope邊緣提取算子本身對噪聲分布極為敏感，因此所提取的邊界也變得極為零碎，與真正的巡航區(qū)域相差甚遠(yuǎn)。技術(shù)實現(xiàn)要素：本發(fā)明的目的是為了解決上述現(xiàn)有技術(shù)存在的問題，即感興趣區(qū)提取階段效率低、提取效果不理想的問題。進(jìn)而提供一種基于聚集度和Delaunay三角重構(gòu)的巡回作業(yè)區(qū)域邊界提取方法。本發(fā)明的目的是通過以下技術(shù)方案實現(xiàn)的：一種基于聚集度和Delaunay三角重構(gòu)的巡回作業(yè)區(qū)域邊界提取方法，步驟一、感興趣區(qū)域的粗提取聚集度的計算與優(yōu)化定義兩個數(shù)據(jù)點相關(guān)度：其中d(Pi,Pj)是點Pi、Pj之間的距離，Di、Dj之間的分別是巡航器在Pi、Pj速度方向與參考方向的傾角。某一點的聚集度就用與之高度相關(guān)(如Sij>1.5)的數(shù)據(jù)點總數(shù)來衡量，若聚集度超過7，則稱該點是具有高聚集度的?；诘染鄩嚎s的加速優(yōu)化算法：對數(shù)據(jù)點進(jìn)行等距離壓縮，每隔m個間隔取出一個數(shù)據(jù)點，與等距壓縮了p倍的數(shù)據(jù)點模板進(jìn)行相關(guān)度和聚集度計算。二、感興趣區(qū)域邊界的精提取1、數(shù)據(jù)點預(yù)處理數(shù)據(jù)點的重映射與壓縮：先將包圍盒里的數(shù)據(jù)點按照一定比例(如100m2：1個像素)映射成一幅位圖，再對位圖中灰度不為零的像素點按照上述比例重新映射回實際數(shù)據(jù)點。分區(qū)：將包圍盒內(nèi)的數(shù)據(jù)點用直線分割成若干個區(qū)域，直線的選取標(biāo)準(zhǔn)是直線帶內(nèi)所包含的數(shù)據(jù)點總數(shù)最少。記包圍盒內(nèi)某片分區(qū)內(nèi)所有數(shù)據(jù)點為集合S。2、為點集S求取Delaunay三角網(wǎng)M三角網(wǎng)格以角點表格形式存儲——表格共有三列，每一列分別放置三角形的三個角點在S中索引值。3.利用alpha-shape算法求取點集S凹包的邊列表，算法的過程如下：a.為M初始化所有Edge對象，給每個Edge分配一個唯一的ID，并求取Edge的長度以及鄰接三角形集合。其中鄰接2個三角形的邊為內(nèi)部邊，1個三角形的為邊界邊，0個三角形的為計算過程中會退化的邊，長度限制R取三角網(wǎng)M邊長的均值。b.將所有長度大于R的邊界邊加入隊列，并當(dāng)隊列非空時循環(huán)下列過程：1.從隊列中取出一條邊E，得到E的唯一鄰接三角形T。2.找到T中另外兩個邊E1，E2將他們的鄰接三角形集合刪去T。3.將E1，E2中新形成的長度大于R的邊界邊加入隊列。4.將E置無效標(biāo)記，若E1，E2有退化的，也置成無效標(biāo)記。c.收集所有有效的邊界邊，形成邊列表，輸出。本發(fā)明的有益效果：1、提出了分步提取的思路，由粗到精，兼顧時間效率和實際邊界提取精度。2、粗提取階段充分利用了巡航作業(yè)點稠密的分布特性，提出聚集度計算的概念和應(yīng)用等距壓縮算法，有效提升巡航區(qū)域自動定位的速度。3、精提取階段應(yīng)用基于統(tǒng)計均值信息的alpha-shape凹包邊緣求取算法，自動將Delaunay三角剖分得到的不合理三角形進(jìn)行識別并且刪除，并確保了對于不同的三角形網(wǎng)格均具有較強(qiáng)的適應(yīng)性，邊緣提取的準(zhǔn)確度大為提高。4、精提取階段應(yīng)用直線分區(qū)的思想，將點集中可能存在的孔洞切割破開，拆分成若干個無孔洞的連通區(qū)域，克服了alpha-shape算法對于帶有封閉孔洞的點集邊緣提取不準(zhǔn)確的缺陷。附圖說明圖1為粗提取基本流程圖。圖2為矩形包圍盒合并算法流程圖。圖3為粗提取階段輸出結(jié)果示例圖。圖4為經(jīng)Delaunay三角剖分后的形成三角網(wǎng)圖。圖5a和圖5b為alpha-shape算法處理后三角形網(wǎng)格圖。圖6a和圖6b為作業(yè)區(qū)域邊界提取結(jié)果圖。圖7a和圖7b為測試樣例2及邊界提取結(jié)果圖。圖8a、圖8b和圖8c為測試樣例3及邊界提取結(jié)果圖。具體實施方式下面將結(jié)合附圖對本發(fā)明做進(jìn)一步的詳細(xì)說明：本實施例在以本發(fā)明技術(shù)方案為前提下進(jìn)行實施，給出了詳細(xì)的實施方式，但本發(fā)明的保護(hù)范圍不限于下述實施例。本實施例所涉及的一種基于聚集度和Delaunay三角重構(gòu)的巡回作業(yè)區(qū)域邊界提取方法如下，本實施例利用巡回作業(yè)點的附近聚集了大量的巡回作業(yè)點這一特性，將感興趣區(qū)域提取過程劃分成兩個階段：粗提取階段和精提取階段。粗提取階段完成稠密巡回作業(yè)點的所在區(qū)域的快速定位，精提取階段則保證可靠性的前提下對前一階段處理得到數(shù)據(jù)區(qū)域的邊界進(jìn)行準(zhǔn)確提取，以得到較為真實的作業(yè)區(qū)域輪廓。粗提取階段利用輸入點云數(shù)據(jù)的聚集度矩陣大致判斷出巡回工作點與遷移點，并將遷移點刪除，大致定位出數(shù)據(jù)點稠密區(qū)域，有效縮小映射后圖片的尺寸，提高圖像形態(tài)學(xué)處理時的效率。粗提取階段最終輸出是若干個包含巡回作業(yè)區(qū)連通域的矩形包圍盒。精提取階段則是利用Delaunay三角剖分方法將包圍盒內(nèi)的點構(gòu)造成三角網(wǎng)格的形式，并以三角形的邊長統(tǒng)計信息作為基礎(chǔ)確定邊長閾值，利用alpha-shape凹包邊緣求取算法實現(xiàn)對Delaunay三角網(wǎng)絡(luò)的修剪和邊界提取。一、感興趣區(qū)域的粗提取聚集度的計算與優(yōu)化定義兩個數(shù)據(jù)點相關(guān)度：其中d(Pi,Pj)是點Pi、Pj之間的距離，Di、Dj之間的分別是巡航器在Pi、Pj速度方向與參考方向的傾角。某一點的聚集度就用與之高度相關(guān)(如Sij>1.5)的數(shù)據(jù)點總數(shù)來衡量，若聚集度超過7，則稱該點是具有高聚集度的?；诘染鄩嚎s的加速優(yōu)化算法：粗提取階段大部分時間耗費在聚集度計算和圖像形態(tài)學(xué)處理上。可以證明，計算某點是否具有高聚集度的最壞時間復(fù)雜度是O(n2)，這意味隨著處理的數(shù)據(jù)點增多，用于計算數(shù)據(jù)點聚集度的時間大為增加。解決上述問題辦法是對數(shù)據(jù)點進(jìn)行等距離壓縮(對于巡航作業(yè)點而言，由于附近聚集有大量的巡航作業(yè)點，等距壓縮后對其影響有限；而對于遷移點，則會放大其分布的分散性，從而更有利于將其區(qū)分開來)，每隔m(如m＝2)個間隔取出一個數(shù)據(jù)點，與等距壓縮了p(如p＝3)倍的數(shù)據(jù)點模板進(jìn)行相關(guān)度和聚集度計算。此時，在同等數(shù)據(jù)長度條件下，聚集度的平均計算效率變成原來的mp倍，有效加速粗提取過程?？紤]到圖像形態(tài)學(xué)本身存在的參數(shù)適應(yīng)性較差問題，最后生成的連通區(qū)域可能不是特別理想，因此粗提取階段只要求出連通區(qū)域的矩形包圍盒即可。實踐表明，原本連通區(qū)域在處理過程中即使被不當(dāng)?shù)刂獬扇舾蓧K小連通區(qū)域，其矩形包圍盒仍會存在交疊現(xiàn)象，若將交叉的包圍盒合并在一起，則可以有效抑制圖像形態(tài)學(xué)處理導(dǎo)致連通區(qū)域肢解問題，保證粗提取定位區(qū)域的可靠性。包圍盒合并算法用于將連通域的最小包圍盒進(jìn)行整理和匯總，其處理過程如圖2所示：以某農(nóng)機(jī)執(zhí)行深耕作業(yè)時所得的GPS測試數(shù)據(jù)為例，其在粗提取階段的最終輸出結(jié)果如圖3所示。二、感興趣區(qū)域邊界的精提取感興趣區(qū)域精提取過程分成數(shù)據(jù)點預(yù)處理、Delaunay三角剖分和alpha-shape算法求取凹包邊界。1、數(shù)據(jù)點預(yù)處理數(shù)據(jù)點的重映射與壓縮：考慮到實際的巡回作業(yè)點存在的大量堆積和冗余現(xiàn)象，有必要將數(shù)據(jù)點進(jìn)行重新映射，達(dá)到壓縮數(shù)據(jù)點的個數(shù)、加速Delaunay三角剖分進(jìn)程的目的。具體方案是，先將包圍盒里的數(shù)據(jù)點按照一定比例(如100m2：1個像素)映射成一幅位圖，再對位圖中灰度不為零的像素點按照上述比例重新映射回實際數(shù)據(jù)點。分區(qū)：實際巡回作業(yè)區(qū)域形狀除常見的條形實心區(qū)域，還存在著大量不規(guī)則的空心的孔洞區(qū)域。若對其不進(jìn)行任何處理，勢必造成在邊界提取的不準(zhǔn)確、不全面。解決方案是將包圍盒內(nèi)的數(shù)據(jù)點用直線分割成若干個區(qū)域，直線的選取標(biāo)準(zhǔn)是直線帶內(nèi)所包含的數(shù)據(jù)點總數(shù)最少。記包圍盒內(nèi)某片分區(qū)內(nèi)所有數(shù)據(jù)點為集合S。2、為點集S求取Delaunay三角網(wǎng)M三角網(wǎng)格以角點表格形式存儲——表格共有三列，每一列分別放置三角形的三個角點在S中索引值，該步輸出的圖形化結(jié)果如圖4所示。3.利用alpha-shape算法求取點集S凹包的邊列表，算法的過程如下：a.為M初始化所有Edge對象，給每個Edge分配一個唯一的ID，并求取Edge的長度以及鄰接三角形集合。其中鄰接2個三角形的邊為內(nèi)部邊，1個三角形的為邊界邊，0個三角形的為計算過程中會退化的邊，長度限制R取三角網(wǎng)M邊長的均值。b.將所有長度大于R的邊界邊加入隊列，并當(dāng)隊列非空時循環(huán)下列過程：1.從隊列中取出一條邊E，得到E的唯一鄰接三角形T。2.找到T中另外兩個邊E1，E2將他們的鄰接三角形集合刪去T。3.將E1,E2中新形成的長度大于R的邊界邊加入隊列。4.將E置無效標(biāo)記，若E1，E2有退化的，也置成無效標(biāo)記。c.收集所有有效的邊界邊，形成邊列表，輸出。經(jīng)過alpha-shape算法處理后得到三角形網(wǎng)格如圖5a和圖5b所示。將邊界邊整理后輸出結(jié)果如圖6a和圖6b所示。在該測試樣例中，軟件最終計算得到第一塊作業(yè)區(qū)域面積為151畝，第二塊為243畝，與人工測量結(jié)果相吻合。輸入數(shù)據(jù)總點數(shù)為9296，而平均耗時不超過5s，無論從邊界提取效果還是效率性能方面，整個算法均表現(xiàn)出了令人滿意的結(jié)果。此外改用其它分布類型的輸入樣本進(jìn)行測試，該算法均同樣表現(xiàn)出了極強(qiáng)的適應(yīng)性，如圖7a、圖7b、圖8a、圖8b和圖8c所示。除了巡航器作業(yè)區(qū)域測量領(lǐng)域，本實施例可推廣到類似的二維稠密數(shù)據(jù)點云邊界提取實際工程應(yīng)用中。以上所述，僅為本發(fā)明較佳的具體實施方式，這些具體實施方式都是基于本發(fā)明整體構(gòu)思下的不同實現(xiàn)方式，而且本發(fā)明的保護(hù)范圍并不局限于此，任何熟悉本
技術(shù)領(lǐng)域：
的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到的變化或替換，都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)該以權(quán)利要求書的保護(hù)范圍為準(zhǔn)。當(dāng)前第1頁1 2 3