一种坐标转换的方法，装置及处理器制造方法及图纸

本发明专利技术公开了一种坐标转换的方法，装置及处理器，该方法包括：获取待处理图像；基于深度学习获取图像中目标的像素点的坐标；将像素点的坐标转换为UTM坐标系下虚拟点的坐标；UTM坐标系下的虚拟点的坐标转化为WGS84坐标系下的航迹点的坐标值，将所述航迹点的坐标值作为飞行器的作业点的坐标值。本申请提供了一种坐标转换的方法，装置及处理器，解决上述无人机作业航迹点需要手动输入的技术问题。业航迹点需要手动输入的技术问题。业航迹点需要手动输入的技术问题。

【技术实现步骤摘要】
一种坐标转换的方法，装置及处理器


[0001]本申请涉及智慧农业领域，尤其涉及一种坐标转换的方法，装置及处理器。

技术介绍

[0002]随着精准农业航空发展，对植保无人机施药作业要求越来越高，植保无人机作业方式主要有全覆盖喷施(牛耕往复法)与航点喷施法，如图所示。考虑到无人机飞行能耗，植保无人机施药作业目前以往复航线规划为主，对于果园场景，植株分布稀疏，全覆盖航线规划会出现果树重喷、漏喷现象，造成农业浪费及环境污染。植保无人机航点路径规划具有精准、高效、绿的等优点，被广泛应用于果园场景施药作业中。
[0003]果园场景的正射影像图可以进行手动标记柑橘树坐标获取大地坐标信息，但方法过于繁琐，效率低下，应用率不高。导致无人机进行出现漏作业区域。

技术实现思路

[0004]本申请提供了一种坐标转换的方法，装置及处理器，解决上述无人机作业航迹点需要手动输入的技术问题。
[0005]第一方面，本申请提供了一种坐标转换方法，包括，获取待处理图像；
[0006]基于深度学习获取图像中目标的像素点的坐标；
[0007]将像素点的坐标转换为UTM坐标系下虚拟点的坐标，计算公式如下：U
x
＝U
l
+k
l
*x，U
y
＝U
d
+k
h
*y；式中，U
d
为图像的下边界UTM坐标系下虚拟点的坐标值，x、y分别为所述像素点的x、y坐标值；
[0008]比例计算公式如下：其中，U
r
为图像右边界UTM坐标值，U
l
为图像左边界UTM坐标值，l为图像的像素长，h为图像的像素宽，k
l
、k
h
分别为像素坐标转换UTM坐标的比例系数；
[0009]UTM坐标系下的虚拟点的坐标转化为WGS84坐标系下的航迹点的坐标值，将所述航迹点的坐标值作为飞行器的作业点的坐标值。
[0010]优选地，所述UTM坐标系下的虚拟点的坐标转化为WGS84坐标系下的航迹点的坐标值，将所述航迹点的坐标值作为飞行器的作业点的坐标值，包括：通过高斯克吕格反算公式公式进行坐标转换，高斯投影反算公式如下：
[0011][0012][0013]式中，B
f
为底点纬度，即y＝0时，纵坐标在椭球面上的投影点的维度即为底点纬
度；M为子午圈曲率半径N为卯酉圈曲率半径e、e
′
为第一、第二曲率半径，c为极点曲率半径；t＝tanB；a为椭球长半轴，单位为m；L0为中央经线，单位为弧度(rad)，由已知UTM投影带带号Zone推L0公式如下：L0＝(6*Zone
‑
3)
‑
180；
[0014]为方便程序编译，将带入上述公式，整理为：
[0015]015][0016][0017]优选地，所述基于深度学习获取图像中目标的像素点的坐标，包括：
[0018]选择ArcMap软件对图像进行裁剪；
[0019]使用YOLOv5算法对裁剪后的图像进行目标检测，输出目标的像素点的坐标。
[0020]优选地，所述YOLOv5算法训练过程，包括：对果图像进行数据集制作，使用lambing对图片中的目标进行人工信息标注，标注后会产生xml文件；
[0021]将图片以及对应的xml文导入YOLOv5模型进行推理训练，得出训练权重文件。
[0022]优选地，所述获取待处理图像，包括：飞行器从不同高度、不同角度、不同作业区域、不同光照条件下进行拍摄以获取航拍图像，
[0023]根据不同航拍图像中重叠部分匹配相同的特征点，得出所述特征点的点云信息；
[0024]根据点云信息和三维网纹理，导出正射影像图作为待处理图像。
[0025]第二方面，本专利技术还提供一种坐标转换装置，其特征在于，
[0026]获取单元，用于获取待处理图像；
[0027]第一处理单元；用于基于深度学习获取图像中目标的像素点的坐标；
[0028]第二处理单元，用于将像素点的坐标转换为UTM坐标系下虚拟点的坐标，计算公式如下：U
x
＝U
l
+k
l
*x，U
y
＝U
d
+k
h
*y；式中，U
d
为图像的下边界UTM坐标系下虚拟点的坐标值，x、y分别为所述像素点的x、y坐标值；
[0029]比例计算公式如下：其中，U
r
为图像右边界UTM坐标值，U
l
为图像左边界UTM坐标值，l为图像的像素长，h为图像的像素宽，k
l
、k
h
分别为像素坐标转换UTM坐标的比例系数；
[0030]第三处理单元，用于将UTM坐标系下的虚拟点的坐标转化为WGS84坐标系下的航迹点的坐标值，将所述航迹点的坐标值作为飞行器的作业点的坐标值。
[0031]第三方面，本专利技术提供一种处理器，处理器用于执行如如上述第一方面及其任意一种可能实现的方式的方法。
[0032]本专利技术通过获取待处理图像；基于深度学习获取图像中目标的像素点的坐标；可以对作业目标进行精准识别，精准获取作业目标的像素点坐标，另外，通过将像素点的坐标转换为UTM坐标系下虚拟点的坐标，UTM坐标系下的虚拟点的坐标转化为WGS84坐标系下的
航迹点的坐标值，将所述航迹点的坐标值作为飞行器的作业点的坐标值，通过坐标转换的方式，将识别的作业目的像素点的坐标转为飞行器的经纬度坐标，不需要将坐标输入至飞行器，飞行器可以根据识别后的经纬度坐标进行自主作业，提高了飞行器的作业效率。
附图说明
[0033]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。
[0034]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0035]图1为本专利技术一种坐标转换方法的流程图；
[0036]图2为本专利技术无人机坐标转换方法的流程图；
[0037]图3为本专利技术深度学习进行图像处理的流程图；
[0038]图4为本专利技术坐标转换方法的另外一流程图。
具体实施方式
[0039]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0040]需要说明，本专利技术实施例中所有方向性指示(诸如上、下、左、右、前、后...

【技术保护点】

【技术特征摘要】
1.一种坐标转换方法，其特征在于，获取待处理图像；基于深度学习获取图像中目标的像素点的坐标；将像素点的坐标转换为UTM坐标系下虚拟点的坐标，计算公式如下：U
x
＝U
l
+k
l
*x，U
y
＝U
d
+k
h
*y；式中，U
d
为图像的下边界UTM坐标系下虚拟点的坐标值，x、y分别为所述像素点的x、y坐标值；比例计算公式如下：其中，U
r
为图像右边界UTM坐标值，U
l
为图像左边界UTM坐标值，l为图像的像素长，h为图像的像素宽，k
l
、k
h
分别为像素坐标转换UTM坐标的比例系数；UTM坐标系下的虚拟点的坐标转化为WGS84坐标系下的航迹点的坐标值，将所述航迹点的坐标值作为飞行器的作业点的坐标值。2.根据权利要求1的坐标转换方法，其特征在于，所述UTM坐标系下的虚拟点的坐标转化为WGS84坐标系下的航迹点的坐标值，将所述航迹点的坐标值作为飞行器的作业点的坐标值，包括：通过高斯克吕格反算公式公式进行坐标转换，高斯投影反算公式如下：标值，包括：通过高斯克吕格反算公式公式进行坐标转换，高斯投影反算公式如下：式中，B
f
为底点纬度，即y＝0时，纵坐标在椭球面上的投影点的维度即为底点纬度；M为子午圈曲率半径N为卯酉圈曲率半径e、e
′
为第一、第二曲率半径，c为极点曲率半径；t＝tanB；a为椭球长半轴，单位为m；L0为中央经线，单位为弧度(rad)，由已知UTM投影带带号Zone推L0公式如下：L0＝(6*Zone
‑
3)
‑
180；为方便程序编译，将带入上述公式，整理为：带入上述公式，整理为：3.根据权利要求1的坐标转换方法，其特征在于，所述基于深度...

【专利技术属性】
技术研发人员：张亚莉，田昊鑫，方熙鹏，马晨阳，卢小阳，刘含超，赵德华，张子超，莫振杰，李万坚，肖骏祺，王林琳，颜康婷，黄鑫荣，高启超，
申请(专利权)人：华南农业大学，
类型：发明
国别省市：