(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211301868.6 (22)申请日 2022.10.24 (71)申请人 湖南长理尚洋科技有限公司 地址 410116 湖南省长 沙市雨花区汇金路 877号嘉华智谷产业园第A3幢1014 号 (72)发明人 王陈浩　 (74)专利代理 机构 长沙大珂知识产权代理事务 所(普通合伙) 4323 6 专利代理师 伍志祥 (51)Int.Cl. G06Q 10/04(2012.01) G06N 3/00(2006.01) G06N 5/00(2006.01) G06F 17/15(2006.01) G06F 17/16(2006.01)G06T 5/30(2006.01) G06T 7/13(2017.01) G06T 7/194(2017.01) G05D 1/10(2006.01) G01N 21/25(2006.01) G01N 21/35(2014.01) G01N 21/84(2006.01) G01N 21/85(2006.01) G01C 21/20(2006.01) B64C 39/02(2006.01) H04N 5/232(2006.01) H04N 7/18(2006.01) G07C 1/20(2006.01) (54)发明名称 基于GIS技术的智慧全景巡河方法及系统 (57)摘要 本发明涉及河流智能巡视的技术领域， 揭露 了一种基于GIS技术的智慧全景巡河方法及系 统， 方法包括： 采集目标河流区域卫星图片， 并对 采集得到的目标河流区域卫星图片进行主题差 异化预处理， 并计算得到目标河流的关键点和距 离信息； 构建最优河流巡航目标函数， 对构建的 最优河流巡航目标函数进行优化求解得到巡航 路径； 实时对巡航过程中的无人机进行动态高度 调整， 控制无人机录制河流生态环 境视频进行环 境检验。 本发明实现卫星图片中河流区域的提 取， 利用改进的启发式算法对最优河流巡航目标 函数进行求解， 快速得到能够涵盖目标河流全 段 的巡航路径， 无人机可按照巡航路径进行巡航， 在保证巡航全 段目标河流的前提下， 实现巡航路 径最短。 权利要求书5页 说明书16页 附图2页 CN 115358497 A 2022.11.18 CN 115358497 A 1.一种基于GIS技 术的智慧全景巡河方法， 其特 征在于， 所述方法包括： S1： 采集目标河流区域卫星图片， 并对采集得到的目标河流区域卫星图片进行主题差 异化预处 理， 得到预处 理后的目标河流区域图片； S2： 对预处理后的目标河流区域图片进行形态识别与数据标定， 得到目标河流的关键 点和距离信息； S3： 根据得到的目标河流关键点和距离信息构建最优河流巡航目标函数； S4： 对构建的最优河流巡航目标函数进行优化求解， 得到不同关键点的访问顺序， 以关 键点访问顺序为河流巡航 顺序控制无 人机对目标河流进行巡航； S5： 实时对巡航过程中的无人机进行动态高度调整保证无人机以恒定高度进行巡航， 并控制无人机录制河流生态环境视频传输至后台服务器， 后台工作人员对传输回来的视频 进行人工核验， 判断目标河流的生态 环境安全状况。 2.如权利要求1所述的一种基于GIS技术的智慧全景巡河方法， 其特征在于， 所述S1步 骤中采集目标河流区域 卫星图片， 包括： 利用遥感平台承载的遥感器采集目标河流区域的卫星图片， 其中遥感平台为人造卫 星， 遥感器为多光谱扫描仪， 目标河流区域 卫星图片的采集 流程为： 分别选取红波段、 蓝波段以及绿波段对应的滤波片进行投影合成， 其中红波段的波长 为0.67um， 蓝波段的波长为0.46um， 绿波段的波长为0.5 3um； 从目标河流区域发出的红外光辐射以及可见光辐射进入多光谱扫描仪， 并透过投影合 成后的滤波片得到目标河流区域 卫星图片。 3.如权利要求2所述的一种基于GIS技术的智慧全景巡河方法， 其特征在于， 所述S1步 骤中对采集得到的目标河流区域 卫星图片进行主题差异化预处 理， 包括： 对采集得到的目标河流 区域卫星图片进行主题差异化预处理， 所述主题差异化预处理 包括河流前景分割处理、 河流边缘增强处理以及河流路径提取处理， 所述主题差异化预处 理流程为： S11： 对目标河流区域卫星图片进行灰度化处理， 将灰度化处理后 像素的灰度值作为对 应像素的像素值， 所述灰度化处 理的公式为： 其中： 表示目标河流区域 卫星图片中第i行第j列像素的像素值； 分别表示目标河流区域卫星图片中第i行第j列像素在R、 G、 B颜色通 道的颜色值； S12： 将灰度化处理后的目标河流区域卫星图片转换为像素矩阵M， 像素的像素值即为 对应元素的元素值， 其中目标河流区域卫星图片的规格为N ×N像素， 像素矩阵为N行N列的 矩阵， N表示目标河流区域 卫星图片分别在水平方向以及竖直方向的像素 数目； S13： 计算像素矩阵M的平均元 素值 ： 其中：权　利　要　求　书 1/5 页 2 CN 115358497 A 2表示元素值k在像素矩阵M中出现的次数； 以m为分割阈值， 将像素矩阵M中小于阈值m的元素划分为背景元素， 大于等于阈值m的 元素划分为河流前 景元素， 则背景 元素的平均元 素值 为： 背景元素的比例 为： 河流前景元素的平均元 素值 为： 河流前景元素的比例 为： 计算河流前 景元素和背景 元素的方差 ： 对分割阈值m进行修改， 使得河流前景元素和背景元素的方差 达到最大， 将修改得到 的分割阈值作为最佳分割阈值m*， 将 像素矩阵M中小于阈值m*的元素划分为背 景元素， 大于 等于阈值m*的元 素划分为河流前 景元素； S14： 对像素矩阵M进行 形态学处 理， 得到形态学处 理后的像素矩阵 ： 其中： 表示膨胀处理， C1表示膨胀矩阵； 表示腐蚀处 理， C2表示腐蚀矩阵； S15： 构建梯度矩阵A1和A2： 基于梯度矩阵计算像素矩阵 中任意元 素的梯度值： 权　利　要　求　书 2/5 页 3 CN 115358497 A 3