农机轨迹识别的方法和系统技术方案

农机轨迹识别的方法和系统，涉及农业应用技术领域，该方法包括：基于

【技术实现步骤摘要】
农机轨迹识别的方法和系统


[0001]本申请涉及农业应用
，更具体地，涉及农机轨迹识别的方法和系统
。

技术介绍

[0002]在农业工作中，获取农田的分布信息是至关重要的
。
通常情况下，农耕人员都是采取现场勘测的方式，来获取农田的分布信息，然后将农田的分布信息标记在指定的地图之上用于展示，该方法效率低，准确性较差
。
[0003]鉴于此，如何在无需人工现场勘测的情况下，高效准确地对地图上标记农田的分布信息是亟待解决的技术问题
。

技术实现思路

[0004]本申请提供一种农机轨迹识别的方法和系统，能够将农机的移动轨迹和卫星地图相匹配，分析出移动轨迹对应的农田部分和道路部分，并在卫星地图之上进行标记，以实现在无需人工参与的情况下，高效准确地对地图上标记农田的分布信息
。
[0005]第一方面，提供了一种农机轨迹识别的方法，该方法包括：根据农机搭载的全球定位系统
GPS
设备发来的第一轨迹点信息，确定第一轨迹图，该第一轨迹图包括由多个轨迹点连接而成的第一移动轨迹，该第一移动轨迹用于表示农机在第一区域内的移动轨迹，该第一轨迹图用于表示第一移动轨迹与第一状态信息之间的关系，该第一状态信息包括以下至少一项信息：速度信息
、
时间信息和里程信息；根据第一轨迹点信息确定初始点序列，初始点序列包括每个轨迹点都对应着农机所在位置的经纬坐标
、
农机的瞬时速度
、
农机的行驶里程和打点时刻；确定第一卫星地图，该第一卫星地图用于表示第一区域，该第一卫星地图和第一轨迹图的尺寸参数相同，且在同一个大地坐标轴下；将第一轨迹图
、
第一卫星地图和初始点序列输入到第一神经网络模型，输出第一标记地图，该第一标记地图包括针对第一移动轨迹的识别结果，第一神经网络模型包括编码器和处理器，编码器和处理器均包括
n
个阶段，第一神经网络模型被配置为：
[0006]将第一轨迹图和第一卫星地图相叠加，确定第一输入图像；在编码器的第1阶段，对第一输入图像在第1下采样尺度下进行特征提取，确定第1特征图，且在处理器的第1阶段，对初始点序列进行全连接操作，确定第1点序列，第1点序列中用于表示点信息的通道数与第1特征图中用于表示点信息的通道数相同；并基于多头自注意力
(multi
‑
headed self
‑
attention
，
MSA)
机制，对第1特征图和第1点序列进行自注意力操作，确定第1融合点序列；在编码器的第
m
阶段，对第
m
‑1特征图在第
m
下采样尺度进行特征提取，确定第
m
特征图，且在处理器的第
m
阶段，对第
m
‑1融合点序列进行全连接操作，确定第
m
点序列，第
m
点序列中用于表示点信息的通道数与第
m
特征图中用于表示点信息的通道数相同；并基于
MSA
机制，对第
m
特征图和第
m
点序列进行自注意力操作，确定第
m
融合点序列，
m∈[2,n]且为整数；在
m
等于
n
的情况下，对第
n
融合点序列进行全连接操作，确定目标点序列，该目标点序列包括构成第一移动轨迹的每个轨迹点的经纬坐标和用于候选的分类信息，用于候选的分类信息至少包
括农田和道路；通过归一化指数函数，从用于候选的分类信息中，确定目标点序列中构成第一移动轨迹的每个轨迹点分别所属的分类信息，并根据每个轨迹点的经纬坐标和每个轨迹点分别所属的分类信息，将第一移动轨迹和构成第一移动轨迹的每个轨迹点分别所属的分类信息映射至第一卫星地图，输出第一标记地图
。
[0007]示例地，上述第一轨迹图可以是一种基于
STD
的图像
。
且上述第一轨迹图是根据每个轨迹点对应的打点时间绘制的，具体是一种灰度图，而构成第一移动轨迹的每个轨迹点分别对应于不同的灰度值，该灰度值可以和上述第一状态信息相关联
。
[0008]示例地，由于第一卫星地图和第一轨迹图的尺寸参数需要相同，且都用于表示同一区域，还需要在同一个大地坐标系下，所以需要预先确定好这两个地图的地图级别和尺寸参数
。
[0009]示例地，上述
n
个阶段也称编码器的
n
个阶段
(stage)
，具体可以是4个
stage
，在每个
stage
中，输入的图像需要经过多个
transformer
处理块
(block)
来提取图像特征
。
[0010]基于上述技术方案，能够在无需人工现场勘测的情况下，基于
GPS
设备采集的轨迹点信息和相应的卫星地图，并通过神经网络模型高效准确地识别农机的移动轨迹，并将该移动轨迹标记在在卫星地图上
。
并且该移动轨迹能够表示其各部分所属的区域类型为农田或是道路，那么基于属于农田的部分移动轨迹就能够直观地确定农田的分布信息
。
[0011]结合第一方面，在第一方面的某些实现方式中，在将第一轨迹图和第一卫星地图输入至第一神经网络模型之前，将第一轨迹图和第一卫星地图的尺寸参数中的第一长度和第一宽度分别扩展至第二长度和第二宽度
。
[0012]示例地，上述第一长度和上述第一宽度具体可以基于像素个数表示，具体可以表示为
1024
×
1024
；类似地，上述第二长度和上述第二宽度具体可以表示为
1280
×
1280。
[0013]基于上述技术方案，能够保证模型能够获取到足够丰富的图像边缘信息
。
[0014]结合第一方面，在第一方面的某些实现方式中，在将第一轨迹图和第一卫星地图相叠加，确定第一输入图像之前，针对第一轨迹图和第一卫星地图进行下采样操作，将第一轨迹图和第一卫星地图的尺寸参数中的第二长度和第二宽度缩小至第三长度和第三宽度，并相应扩展第一轨迹图和第一卫星地图的尺寸参数中的图像通道数量
。
[0015]示例地，可以使用两个步长为2的卷积核，分别对上述第一轨迹图和上述第一卫星地图进行下采样操作，以改变图像的尺寸参数
。
[0016]基于上述技术方案，能够降低输入图像尺寸的同时，还丰富了图像的特征数量，有助于后续神经网络模型对输入图像特征提取的准确性
。
[0017]结合第一方面，在第一方面的某些实现方式中，上述第一移动轨迹中分类信息为农田的轨迹点之间通过第一颜色线条进行连接，上述第一移动轨迹中分类信息为道路的轨迹点之间通过第二颜色线本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种农机轨迹识别的方法，其特征在于，所述方法包括：根据农机搭载的全球定位系统
GPS
设备发来的第一轨迹点信息，确定第一轨迹图，所述第一轨迹图包括由多个轨迹点连接而成的第一移动轨迹，所述第一移动轨迹用于表示所述农机在第一区域内的移动轨迹，所述第一轨迹图用于表示所述第一移动轨迹与第一状态信息之间的关系，所述第一状态信息包括以下至少一项信息：速度信息
、
时间信息和里程信息；根据所述第一轨迹点信息确定初始点序列，所述初始点序列包括每个轨迹点都对应着所述农机所在位置的经纬坐标
、
所述农机的瞬时速度
、
所述农机的行驶里程和打点时刻；确定第一卫星地图，所述第一卫星地图用于表示所述第一区域，所述第一卫星地图和所述第一轨迹图的尺寸参数相同，且在同一个大地坐标轴下；将所述第一轨迹图
、
所述第一卫星地图和所述初始点序列输入到第一神经网络模型，输出第一标记地图，所述第一标记地图包括针对所述第一移动轨迹的识别结果，所述第一神经网络模型包括编码器和处理器，所述编码器和所述处理器均包括
n
个阶段，所述第一神经网络模型被配置为：将所述第一轨迹图和所述第一卫星地图相叠加，确定第一输入图像；在所述编码器的第1阶段，对所述第一输入图像在第1下采样尺度下进行特征提取，确定第1特征图，且在所述处理器的第1阶段，对所述初始点序列进行全连接操作，确定第1点序列，所述第1点序列中用于表示点信息的通道数与所述第1特征图中用于表示点信息的通道数相同；并基于多头自注意力
MSA
机制，对所述第1特征图和所述第1点序列进行自注意力操作，确定第1融合点序列；在所述编码器的第
m
阶段，对第
m
‑1特征图在第
m
下采样尺度进行特征提取，确定第
m
特征图，且在所述处理器的第
m
阶段，对第
m
‑1融合点序列进行全连接操作，确定第
m
点序列，所述第
m
点序列中用于表示点信息的通道数与所述第
m
特征图中用于表示点信息的通道数相同；并基于
MSA
机制，对所述第
m
特征图和所述第
m
点序列进行自注意力操作，确定第
m
融合点序列，所述
m∈[2,n]
且为整数；在所述
m
等于
n
的情况下，对第
n
融合点序列进行全连接操作，确定目标点序列，所述目标点序列包括构成所述第一移动轨迹的每个轨迹点的经纬坐标和用于候选的分类信息，所述用于候选的分类信息至少包括农田和道路；通过归一化指数函数，从所述用于候选的分类信息中，确定所述目标点序列中构成所述第一移动轨迹的每个轨迹点分别所属的分类信息，并根据所述每个轨迹点的经纬坐标和所述每个轨迹点分别所属的分类信息，将所述第一移动轨迹和构成所述第一移动轨迹的每个轨迹点分别所属的分类信息映射至所述第一卫星地图，输出所述第一标记地图
。2.
根据权利要求1所述的方法，其特征在于，在将所述第一轨迹图和所述第一卫星地图输入至所述第一神经网络模型之前，所述方法还包括：将所述第一轨迹图和所述第一卫星地图的尺寸参数中的第一长度和第一宽度分别扩展至第二长度和第二宽度
。3.
根据权利要求2所述的方法，其特征在于，在所述将所述第一轨迹图和所述第一卫星地图相叠加，确定第一输入图像之前，所述方法还包括：针对所述第一轨迹图和所述第一卫星地图进行下采样操作，将所述第一轨迹图和所述
第一卫星地图的尺寸参数中的第二长度和第二宽度缩小至第三长度和第三宽度，并相应扩展所述第一轨迹图和所述第一卫星地图的尺寸参数中的图像通道数量
。4.
根据权利要求1所述的方法，其特征在于，所述第一移动轨迹中分类信息为农田的轨迹点之间通过第一颜色线条进行连接，所述第一移动轨迹中分类信息为道路的轨迹点之间通过第二颜色线条进行连接
。5.
根据权利要求1至4中任一项所述的方法，其特征在于，所述方法还包括：向所述第一神经网络模型依次输入
Q
组包括所述第一轨迹图
、
所述第一卫星地图和所述初始点序列的数据集，所述第一神经网络模型对应输出
Q
个所述第一标记地图，所述
Q
为大于1的整数；将
Q
个所述第一标记地图进行拼接，确定第二标记地图
。6.
一种农机轨迹识别的系统，其特征在于，所述装置包括：全球定位系统
GPS<...

【专利技术属性】
技术研发人员：常志中，张鹏，
申请(专利权)人：黑龙江惠达科技股份有限公司，
类型：发明
国别省市：