基于无人机正射影像的城市居民区植被分类DeepLabV3+模型改进实验

针对目前利用无人机可见光影像进行城市居民区植被分类存在精度不高、效率较低的问题,该文构建一种改进的DeepLabV3+模型,选取南京市江宁A、B两处居民区无人机正射影像进行对比实验和模型迁移性能测试。实验结果表明:①基于改进DeepLabV3+模型的植被总体分类准确度、精确度、召回率、F 1得分、平均交并比在验证集上达到95.27%、94.03%、93.55%、93.79%、84.94%,较原模型分别提高了2.36%、1.01%、2.09%、1.56%、8.71%,且参数量降低92.7%,训练用时减少25.7%;②在迁移性能测试中,乔木、灌木、草本分类精确度分别提高了2.88%、6.54%、2.29%。改进DeepLabV3+模型可提高城市居民区植被分类精度与效率,分类结果可为城市微尺度热环境研究提供基础数据。

无人机正射影像在公路工程施工中的应用

随着城市的发展,公路工程施工中受到周边环境的影响制约越来越多,传统的测量方法以及人员现场踏勘的工作模式越来越难以满足工程施工的需要,通过采用无人机技术快速获取正射影像,并通过坐标系统转换,高精度拟合CAD图纸。基于正射影像为底图进行施工测量、场地规划、方案设计等工作,节省大量现场踏勘的人力、物力和时间成本,并且正射影像具有高精度、信息丰富的特性,可以更加精细化地辅助施工设计决策,为工程的建设增值。

基于无人机正射影像的高精地图车道线自动提取方法的研究

车道线作为实现精确导航和自动驾驶的基础信息,其采集方式自动化程度低、生产周期长,严重影响了高精地图的应用。因此,文章设计了一种利用无人机正射影像,基于U-Net语义分割模型,结合栅矢数据处理的高精地图车道线自动提取方法。文章利用Lovász Loss完成20%样本的U-Net模型训练,实现了IoU在75%以上的车道线语义分割,且U-Net识别出的栅格车道线经过栅矢结合手段处理后即可得到高质量矢量车道线。文章设计的综合无人机倾斜摄影、深度学习、GIS数据处理的车道线提取方法可为高精地图车道线的获取提供一种新思路、新方法,为无人驾驶提供一种新的数据支持。

基于低空无人机航空影像的土地整治项目正射影像图制作

根据宁夏中北部土地开发整理重大工程项目的需要,应用了基于低空无人机航空影像,对土地整治项目制作正射影像图.分析了低空无人机航空摄影技术在土地整治中的优势,为在土地整治领域利用低空航测技术进行动态监测奠定了基础,也为土地整治项目管理提供了新的有效途径和方法。

无人机影像与地形指数结合的梯田信息提取

通过卫星遥感和低空遥感影像自动、半自动化解译梯田信息有一定的研究进展,但是受数据获取成本、精度、解译方法单一等限制,只限于大面积提取梯田区域,低成本地进行梯田的田面精准提取以及面积统计仍需进一步研究。基于面向对象方法分别对0.5m分辨率的无人机正射影像和地形指数及两种数据的结合进行梯田区域分割、提取及面积统计,结果表明将正射影像数据与地形指数结合的梯田田面提取结果优于基于单一数据源。

钦江河口潮滩红树林群落空间分布

红树林群落是热带亚热带河口有特色的生态系统,在消浪促淤及存储碳方面具有重要价值。但受到全球海平面上升与人为干扰影响,红树林生境受到破坏,群落结构脆弱。基于此,本文以现场校核的无人机正射影像为数据源,结合历史遥感影像、钦江河口水体盐度与潮滩沉积物采样分析,研究钦江河口潮滩红树林群落空间分布格局及主控要素。结果表明:(1)潮滩分布的红树植物主要有桐花树、无瓣海桑等,其中桐花树为绝对优势种的“纯红树植物”群落,自河口向沿感潮河段逐渐发展成“红树植物—半红树植物”群落与“红树植物—半红树植物—非红树植物”的混合植物群落。(2)桐花树是钦江河口红树林向海发育的前沿先锋树种,二年生桐花树苗分布最前沿高程低于当地海平面0.11 m,当年胎生苗分布最前沿高程为当地海平面以下0.37 m;桐花树也是钦江感潮段上溯分布极限的树种,当年胎生苗上溯分布极限为距河口10.18 km。(3)潮位与盐度是控制红树林群落在钦江河口分布的主要因子,沉积物粒径的粗细影响红树植物生长与发育。研究成果可为热带山区型河口潮滩红树林保护与红树林生态修复工程提供重要理论和技术指导。