本發(fā)明涉及地裂縫識別，具體涉及基于機器學習的無人機影像地裂縫識別及提取方法。

背景技術：

1、隨著社會的發(fā)展部分地面例如公路以及一些山巖地面等情況需要進行路面的養(yǎng)護，路面的養(yǎng)護方面包括地面的裂縫處理以及障礙物處理等情況，目前在地面的維護中地裂縫是需要進行重視的方面，目前可通過無人機進行遠程的地面情況的采集，然而在采集的過程中難以對裂縫的實際情況進行獲取，無法準確的得到地裂縫的形狀以及尺寸等信息，沒有較好的地裂縫信息提取作用。

技術實現(xiàn)思路

1、本發(fā)明的目的是提供基于機器學習的無人機影像地裂縫識別及提取方法，以解決背景技術中不足。

2、為了實現(xiàn)上述目的，本發(fā)明提供如下技術方案：基于機器學習的無人機影像地裂縫識別及提取方法，包括以下步驟：

3、獲取監(jiān)測范圍，對應監(jiān)測范圍構建監(jiān)測模型；

4、對應監(jiān)測范圍標記識別信息，將識別信息標記在監(jiān)測模型中并建立監(jiān)測模型與監(jiān)測范圍之間的關聯(lián)關系；

5、基于無人機采集監(jiān)測范圍內的影像，基于識別信息對影像進行定位并識別影像中的圖形得到裂縫圖形；

6、基于機器學習將裂縫圖形構建在監(jiān)測模型中得到地理模型。

7、在一個優(yōu)選的實施方式中，所述獲取監(jiān)測范圍，對應監(jiān)測范圍構建監(jiān)測模型的步驟，包括：

8、劃定監(jiān)測范圍，采集監(jiān)測范圍內的地理信息，其中，地理信息包括地表形狀特征以及對應的尺寸；

9、基于監(jiān)測范圍內的地理信息構建監(jiān)測模型。

10、在一個優(yōu)選的實施方式中，所述對應監(jiān)測范圍標記識別信息，將識別信息標記在監(jiān)測模型中并建立監(jiān)測模型與監(jiān)測范圍之間的關聯(lián)關系的步驟，包括：

11、在監(jiān)測范圍中選取多個識別點，將多個識別點之間進行連線得到識別網(wǎng)；

12、獲取以識別點作為中心在預設直徑下的范圍作為識別范圍，獲取識別范圍內的識別地理信息，獲取識別點在識別地理信息中的位置，基于識別點記載對應的識別范圍內的識別地理信息與識別點在識別地理信息中的位置作為識別點信息；

13、將多個識別點信息與識別網(wǎng)作為識別信息；

14、將識別信息標記在監(jiān)測模型中并建立監(jiān)測模型與監(jiān)測范圍之間的關聯(lián)關系。

15、在一個優(yōu)選的實施方式中，所述將識別信息標記在監(jiān)測模型中并建立監(jiān)測模型與監(jiān)測范圍之間的關聯(lián)關系的步驟，包括：

16、將識別信息標記在監(jiān)測模型中；

17、在監(jiān)測范圍中選取起始點并對應在監(jiān)測模型中標記起始點，基于起始點逐一建立監(jiān)測范圍內識別網(wǎng)中識別點與監(jiān)測模型中識別網(wǎng)的識別點之間的對應關系；

18、基于對應關系建立監(jiān)測范圍內識別網(wǎng)中識別點與監(jiān)測模型中識別網(wǎng)的識別點之間的映射線，其中，映射線為監(jiān)測范圍內識別網(wǎng)與監(jiān)測模型之間的虛擬空間內呈上至下的走向線；

19、基于映射線得到監(jiān)測模型與監(jiān)測范圍之間的關聯(lián)關系。

20、在一個優(yōu)選的實施方式中，所述基于無人機采集監(jiān)測范圍內的影像，基于識別信息對影像進行定位并識別影像中的圖形得到裂縫圖形的步驟，包括：

21、將無人機通過監(jiān)測范圍的起始點對監(jiān)測范圍內的影像進行采集，確定無人機基于起始點采集監(jiān)測范圍內影像的高度，在影像采集的過程中實時識別影像中的地理特征信息以及對應的尺寸作為影像地理信息；

22、將識別點信息中識別地理信息與影像地理信息進行匹配得到影像中的識別點作為影像識別點；

23、將影像識別點與監(jiān)測范圍內識別網(wǎng)中對應的識別點進行對應得到識別點的對應關系，基于識別點的對應關系根據(jù)影像識別點重新建立監(jiān)測范圍內識別網(wǎng)作為實時識別網(wǎng)對影像進行定位；

24、基于監(jiān)測模型與監(jiān)測范圍之間的關聯(lián)關系將實時識別網(wǎng)中的影像識別點與監(jiān)測模型中識別網(wǎng)的識別點之間建立實時映射線，其中，實時映射線為實時識別網(wǎng)與監(jiān)測模型之間的虛擬空間內呈上至下的走向線，基于識別點的對應關系將實時映射線與映射線之間進行對應；

25、提取影像中的裂縫圖像，若實時映射線與對應的映射線無法重合時，獲取裂縫圖像中周圍的影像識別點與對應的監(jiān)測范圍中識別點之間的距離信息，根據(jù)距離信息對裂縫圖像進行尺寸標記得到裂縫圖形。

26、在一個優(yōu)選的實施方式中，所述提取影像中的裂縫圖像，若實時映射線與對應的映射線無法重合時，獲取裂縫圖像中周圍的影像識別點與對應的監(jiān)測范圍中識別點之間的距離信息，根據(jù)距離信息對裂縫圖像進行尺寸標記得到裂縫圖形的步驟，包括：

27、提取影像中的裂縫圖像，其中，裂縫圖像為裂縫的形狀圖像；

28、獲取裂縫圖像中周圍的影像識別點，若裂縫圖像中周圍的影像識別點對應的實時映射線與對應的映射線無法重合時，獲取裂縫圖像中周圍的影像識別點對應的實時映射線與對應的映射線之間的偏移角度，根據(jù)偏移角度以及無人機采集監(jiān)測范圍內影像的高度通過勾股定理計算得到裂縫圖像中周圍的影像識別點與對應的監(jiān)測范圍中識別點之間的距離信息；

29、根據(jù)距離信息對裂縫圖像進行尺寸標記，根據(jù)尺寸標記之后的裂縫圖像進行圖形構建得到裂縫圖形，其中，距離信息包括裂縫圖像中周圍的影像識別點與對應的監(jiān)測范圍中識別點之間的距離以及角度。

30、在一個優(yōu)選的實施方式中，所述基于機器學習將裂縫圖形構建在監(jiān)測模型中得到地理模型的步驟，包括：

31、基于機器學習按照實時識別網(wǎng)中影像識別點與監(jiān)測模型中識別網(wǎng)識別點之間的對應關系對監(jiān)測模型進行更新得到更新之后的監(jiān)測模型；

32、將裂縫圖形構建在更新之后的監(jiān)測模型中得到地理模型。

33、在上述技術方案中，本發(fā)明提供的技術效果和優(yōu)點：

34、本發(fā)明獲取裂縫圖像中周圍的影像識別點與對應的監(jiān)測范圍中識別點之間的距離信息，根據(jù)距離信息對裂縫圖像進行尺寸標記得到裂縫圖形，便能夠確定裂縫的變化尺寸，裂縫圖像為裂縫的一個走向，通過裂縫圖像中周圍的影像識別點與對應的監(jiān)測范圍中識別點的距離能夠將裂縫的實際的尺寸以及寬度進行了準確的了解，最后得到裂縫圖形，能夠根據(jù)地理形狀特征的識別確定裂縫的尺寸等信息，最后能夠將地裂縫提取出來，具有較好的地裂縫提取效果。

技術特征：

1.基于機器學習的無人機影像地裂縫識別及提取方法，其特征在于，包括以下步驟：

2.根據(jù)權利要求1所述的基于機器學習的無人機影像地裂縫識別及提取方法，其特征在于：所述獲取監(jiān)測范圍，對應監(jiān)測范圍構建監(jiān)測模型的步驟，包括：

3.根據(jù)權利要求1所述的基于機器學習的無人機影像地裂縫識別及提取方法，其特征在于：所述對應監(jiān)測范圍標記識別信息，將識別信息標記在監(jiān)測模型中并建立監(jiān)測模型與監(jiān)測范圍之間的關聯(lián)關系的步驟，包括：

4.根據(jù)權利要求3所述的基于機器學習的無人機影像地裂縫識別及提取方法，其特征在于：所述將識別信息標記在監(jiān)測模型中并建立監(jiān)測模型與監(jiān)測范圍之間的關聯(lián)關系的步驟，包括：

5.根據(jù)權利要求1所述的基于機器學習的無人機影像地裂縫識別及提取方法，其特征在于：所述提取影像中的裂縫圖像，若實時映射線與對應的映射線無法重合時，獲取裂縫圖像中周圍的影像識別點與對應的監(jiān)測范圍中識別點之間的距離信息，根據(jù)距離信息對裂縫圖像進行尺寸標記得到裂縫圖形的步驟，包括：

6.根據(jù)權利要求1所述的基于機器學習的無人機影像地裂縫識別及提取方法，其特征在于：所述基于機器學習將裂縫圖形構建在監(jiān)測模型中得到地理模型的步驟，包括：

7.一種計算機可讀介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)權利要求1-6中任一項所述的方法的步驟。

技術總結
本發(fā)明公開了基于機器學習的無人機影像地裂縫識別及提取方法，涉及地裂縫識別技術領域，獲取監(jiān)測范圍，對應監(jiān)測范圍構建監(jiān)測模型；對應監(jiān)測范圍標記識別信息，將識別信息標記在監(jiān)測模型中并建立監(jiān)測模型與監(jiān)測范圍之間的關聯(lián)關系；基于無人機采集監(jiān)測范圍內的影像，基于識別信息對影像進行定位并識別影像中的圖形得到裂縫圖形；基于機器學習將裂縫圖形構建在監(jiān)測模型中得到地理模型。本發(fā)明能夠根據(jù)地理形狀特征的識別確定裂縫的尺寸等信息，最后能夠將地裂縫提取出來，具有較好的地裂縫提取效果。

技術研發(fā)人員：趙蕊,左雙英,田云雷,張濤,龍舉,姚國專
受保護的技術使用者：貴州大學
技術研發(fā)日：
技術公布日：2025/1/6