一种基于图像和机器算法生成征地拆迁表的地物识别方法技术

本发明专利技术公开了一种基于图像和机器算法生成征地拆迁表的地物识别方法，该方法通过无人机航拍获得图像，并将图像拼成一张图，导入已有公路用地红线的CAD中，图像需要设置标靶点与路线用地红线坐标系进行标定，通过图像处理和计算机视觉算法对地物边界进行划分判定地物类型，并在CAD中实时显示各地物范围关键要素信息，最后将路线桩号范围进行划分段落并统计相应段落的地物要素信息生成征地拆迁表，本发明专利技术采用图像处理和计算机视觉算法对图像进行处理，采用Python语言编写相应程序，减少了人工干预和错误，提高了工作效率、数据精度和准确性，本发明专利技术方法简便易行，操作简单，可以有效地提高公路工程征地拆迁的工作效率和精度。效地提高公路工程征地拆迁的工作效率和精度。效地提高公路工程征地拆迁的工作效率和精度。

【技术实现步骤摘要】
一种基于图像和机器算法生成征地拆迁表的地物识别方法


[0001]本专利技术涉及数据识别领域，尤其涉及一种基于图像和机器算法生成征地拆迁表的地物识别方法。

技术介绍

[0002]在公路工程中，征地拆迁是一个重要的环节，需要对各地类进行大量的现场勘察和调查，以确定各地物的面积和要素信息，从而生成征地拆迁表。
[0003]传统的现场勘察和调查方法耗时耗力、成本高、且存在误差，因此需要一种快速、准确地识别地物并生成征地拆迁表的方法。
[0004]目前，利用无人机进行航拍已成为公路工程中识别地类的一种有效方式，但是，如何快速、准确地对航拍的图像进行处理和分析，以生成征地拆迁表，仍是亟待解决的问题。

技术实现思路

[0005]本专利技术的目的在于提供一种基于图像和机器算法生成征地拆迁表的地物识别方法，该方法通过无人机航拍获得图像，并将图像拼成一张图，导入已有公路用地红线的CAD中，图像需要设置标靶点与路线用地红线坐标系进行标定，通过图像处理和计算机视觉算法对地物边界进行划分，进而判定划分区域地物类型，并在CAD中实时显示各地物范围关键要素信息，最后需要将路线桩号范围进行划分段落并统计相应段落的地物要素信息并生成征地拆迁表。
[0006]为实现上述目的，本专利技术提供如下技术方案：一种基于图像和机器算法生成征地拆迁表的地物识别方法，具体步骤如下：S1：采用无人机进行航拍，设置标靶点与路线用地红线并用坐标系进行标定，采用Pix4Dmapper软件处理和拼接，生成全息图像，加载图像至CAD带路线桩号的用地红线中，对摄影图像进行预处理得到满足像素要求的TIF格式图像，通过相控点和RTK控制点将图像移至与项目相同的坐标系中，使图像与道路中线和红线位于同一种参考系；S2：对CAD中用地红线范围内的图像进行要素识别，要素为不同果林、苗圃、农田、水塘、道路、建筑、水渠、河流、荒地的面积信息，并将各要素进行划分单元边界线，识别不同要素单元的特征信息，先识别红线，然后识别红线范围内的图像，将红线范围内的图像根据不同特征信息进行区分并识别其特征边界，绘制多段线特征边界；S3：将步骤S2中单元边界线用多段线绘制，将识别出的要素特征信息显示在单元多段线内，用不同段落统计不同桩号范围的多段线包含的要素信息；S4：在步骤S2中采用机器视觉算法识别用地红线和红线范围内的地物信息，由于地物信息的多样性和复杂性，采用机器视觉算法的多种算法如特征提取算法、物体识别和分类算法和图像分割算法；S5：采用Python将步骤S3和S4的要素和地物信息通过CAD多段线自动划分显示，点击不同要素和地物信息单元后显示单元的特征信息，手动修改CAD多段线，统计特征信息；
S6：将S5中的CAD各单元要素和地物信息输出为Excel，使用AutoCAD.NETAPI和AutoLISP编程语言，编写CAD插件，与Excel的数据交换和处理，一键输出征地拆迁表。
[0007]步骤S1中，可通过以下步骤来实现：（1）根据公路勘测规范要求布置全线测绘控制点，现场布置平面和高程控制点，布置控制点时应根据规范要求保证控制点前后间距和通视条件，用GPS采集控制点，航飞前根据测绘相关规定要求布置相控点，并与控制点联测以保证精度要求；（2）完成步骤（1）后，在用无人机航飞前将公路路线导入无人机操作APP中，设定航飞路径，飞行完成后将图像用Pix4Dmapper软件预处理和拼接，得到完整图像，图像为TIF格式。
[0008]（3）用图像导入CAD插件VLX将步骤（2）得到的完整图像导入到有路线和用地红线的CAD中，由于要保证导入图像与地形图坐标系一致，导入时采用坐标校正命令insg，完成后图像与地形图坐标系一致。
[0009]步骤S2中，识别图像的用地红线也即边线，可以采用包括索贝尔（Sobel）算子等在内的经典梯度操作算子与图像进行卷积操作，得到的结果即为图像的边缘轮廓图。
[0010]步骤S2中,可通过以下步骤来实现：（1）读取CAD文件并定位到用地红线所在的图层，使用CAD SDK或API读取文件，并获取所需图层信息；（2）提取用地红线的轮廓信息，包括位置、方向和长度等，可以使用向量运算和矩阵变换等数学方法对CAD图形进行处理，提取轮廓信息；（3）根据用地红线的位置和方向，确定红线范围内的图像区域，可以使用简单的几何计算（如矩形交）或复杂的图像分割算法实现；（4）对红线范围内的图像进行要素识别，根据不同特征信息进行区分并识别其特征边界，可以使用传统的计算机视觉算法（如边缘检测、特征提取、聚类等）或深度学习模型（如卷积神经网络、语义分割网络等）实现：（5）将每个要素单元根据其特征信息进行进一步分类，可以使用图像处理和机器学习算法实现，如神经网络：（6）对于每个要素单元，识别其特征边界，可以使用计算机视觉、图像处理和深度学习算法实现，如轮廓检测、角点检测、边界框回归等；（7）通过多段线将所有特征边界绘制出来。
[0011]上述步骤（4）中对红线范围内的图像进行要素识别，实现图像识别则需要在CAD软件中调用外部程序，可按照以下步骤进行：通过官方网站下载安装包，并按照指示在计算机上安装OpenCV库，在VBA环境下，在代码中引用OpenCV库并调用其函数实现图像处理和分割，在程序中加载CAD文件，并通过VBA命令和API函数选择红线所在的图层和区域，通过CAD软件提供的打印或保存为图像等功能将CAD图形转换为位图，通过调用OpenCV库中的函数基于颜色的阈值分割算法进行图像分割，获取红线相关的信息，利用处理得到的红线信息反向映射回CAD文件中，通过调用CAD软件提供的API函数，根据处理结果对CAD图形进行修改，例如添加标注、修改线型等自动化操作。
[0012]在OpenCV中实现识别用地红线范围的要素，需要采用图像分割算法进行识别，将
CAD图像调用OpenCV，采用以下方法：（1）基于颜色阈值从图像文件中提取红线区域，将图像转换到HSV色彩空间，并根据红色的H（色调）和S（饱和度）通道阈值，得到包含红线的二值掩码，公式如下：；其中，表示二值掩码，和分别表示图像在位置的像素在HSV空间中的色调和饱和度，、、、分别表示阈值范围；（2）对于二值掩码中存在的由于噪声引起的小区域，需要使用形态学操作如膨胀和腐蚀，和连通性处理如开运算和闭运算等方法去除；（3）使用轮廓检测算法，例如找到二值图像中所有的轮廓，并采用一定的筛选规则来判断是否是红线轮廓，来获取红线的轮廓信息，公式为，其中C表示所有轮廓的集合，表示第i个轮廓，表示轮廓的面积，对于一个连通区域，它的面积是由多个像素点组成的，进一步的，该轮廓检测算法，其中的表示的是轮廓对应的连通区域的像素点个数，因此可以将连通区域看作是一个像素点集合，而C应该被理解为所有连通区域的集合；（4）根据红线轮廓信息，可以计算出红线的位置信息，例如坐标、长度、方向等，这可以通过计算轮廓的中心点、端点和方向角度等几何量来实现。
[0013]在CAD中调用OpenCV，需要用到以下技术方法：使用CAD软件提供的打印或保存本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像和机器算法生成征地拆迁表的地物识别方法，其特征在于，包括以下步骤：S1：采用无人机进行航拍，设置标靶点与路线用地红线并用坐标系进行标定，采用Pix4Dmapper软件处理和拼接，生成全息图像，加载图像至CAD带路线桩号的用地红线中，对摄影图像进行预处理得到满足像素要求的TIF格式图像，通过相控点和RTK控制点将图像移至与道路相同的坐标系中，使图像与道路中线和红线位于同一种参考系；S2：对CAD中用地红线范围内的图像进行要素识别，要素为不同果林、苗圃、农田、水塘、道路、建筑、水渠、河流、荒地的面积信息，并将各要素进行划分单元边界线，识别不同要素单元的特征信息，先识别红线，然后识别红线范围内的图像，将红线范围内的图像根据不同特征信息进行区分并识别其特征边界，绘制多段线特征边界；S3：将步骤S2中单元边界线用多段线绘制，将识别出的要素特征信息显示在单元多段线内，用不同段落统计不同桩号范围的多段线包含的要素信息；S4：在步骤S2中采用机器视觉算法识别用地红线和红线范围内的地物信息；S5：采用Python将步骤S3和S4的要素和地物信息通过CAD多段线自动划分显示，点击不同要素和地物信息单元后显示单元的特征信息，手动修改CAD多段线，统计特征信息；S6：将S5中的CAD各单元要素和地物信息输出为Excel，使用编程语言，编写CAD插件，与Excel的数据交换和处理，一键输出征地拆迁表。2.根据权利要求1所述的一种基于图像和机器算法生成征地拆迁表的地物识别方法，其特征在于：所述步骤S1通过以下步骤实现：（1）根据公路勘测规范要求布置全线测绘控制点，现场布置平面和高程控制点，根据规范要求布置控制点，保证控制点前后间距和通视条件，用GPS采集控制点，航飞前根据测绘相关规定要求布置相控点，并与控制点联测；（2）完成步骤（1）后，在用无人机航飞前将公路路线导入无人机操作APP中，设定航飞路径，飞行完成后将图像用Pix4Dmapper软件预处理和拼接，得到完整TIF格式图像；（3）用图像导入CAD插件VLX，将步骤（2）得到的完整TIF格式图像导入到有路线和用地红线的CAD中，采用坐标校正命令insg，使图像与地形图坐标系一致。3.根据权利要求1所述的一种基于图像和机器算法生成征地拆迁表的地物识别方法，其特征在于：所述步骤S2通过以下步骤实现：（1）读取CAD文件并定位到用地红线所在的图层，读取文件，获取所需图层信息；（2）提取用地红线的轮廓信息，包括位置、方向和长度，使用向量运算和矩阵变换数学方法对CAD图形进行处理，提取轮廓信息；（3）根据用地红线的位置和方向，采用矩形交算法确定红线范围内的图像区域，矩形交算法为：，其中、、、、、、和代表矩形的边界坐标，代表矩形交面积；（4）对红线范围内的图像进行要素识别，采用Sobel算子对不同特征信息区分并识别其
特征边界，Sobel算子...

【专利技术属性】
技术研发人员：杨水生，赵军，王国丽，黄沙路，田志斌，邓凌燕，杨林恺，杨苗，叶新田，
申请(专利权)人：江西省公路科研设计院有限公司，
类型：发明
国别省市：