本發(fā)明涉及不動產(chǎn)測繪，更具體地說，本發(fā)明涉及基于遙感影像的不動產(chǎn)測繪區(qū)域管理方法及系統(tǒng)。

背景技術(shù)：

1、通過無人機(jī)對不動產(chǎn)進(jìn)行測繪，可以獲取高精度的地面影像數(shù)據(jù)，在城市規(guī)劃、土地管理、房地產(chǎn)評估等多個領(lǐng)域具有重要應(yīng)用，為了確保不動產(chǎn)測繪數(shù)據(jù)的質(zhì)量，飛行路徑規(guī)劃顯得尤為關(guān)鍵，優(yōu)化無人機(jī)的飛行路徑，不僅能夠提高測繪效率，還能確保圖像的清晰度和完整性；

2、目前，大多數(shù)無人機(jī)飛行路徑優(yōu)化方法主要側(cè)重于飛行時間、航向角和飛行穩(wěn)定性等因素，然而這些方法往往忽略了圖像質(zhì)量、誤差信息及外形擬合等因素的影響，在盡可能少調(diào)整無人機(jī)姿態(tài)的條件下對較多數(shù)量的不動產(chǎn)進(jìn)行測繪時，不容易綜合性考慮測繪效率和測繪數(shù)據(jù)準(zhǔn)確性。

3、為了解決上述缺陷，現(xiàn)提供一種技術(shù)方案。

技術(shù)實現(xiàn)思路

1、為了克服現(xiàn)有技術(shù)的上述缺陷，本發(fā)明的實施例提供基于遙感影像的不動產(chǎn)測繪區(qū)域管理方法及系統(tǒng)，以解決上述背景技術(shù)中提出的問題。

2、為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

3、基于遙感影像的不動產(chǎn)測繪區(qū)域管理方法，具體包括以下步驟：

4、s1：通過使用無人機(jī)對不動產(chǎn)測繪區(qū)域進(jìn)行拍攝，獲得無人機(jī)在不同飛行路徑和不同姿態(tài)下不動產(chǎn)的影像數(shù)據(jù)；

5、s2：設(shè)計無人機(jī)飛行路徑遺傳算法的適應(yīng)度函數(shù)，優(yōu)化無人機(jī)飛行路徑，結(jié)合無人機(jī)在不同飛行路徑中的飛行信息和遙感影像信息進(jìn)行優(yōu)化；

6、s3：通過各個不動產(chǎn)的誤差信息和外形信息，獲得無人機(jī)飛行路徑中不同不動產(chǎn)的質(zhì)量約束系數(shù)，并設(shè)置質(zhì)量約束系數(shù)閾值；

7、s4：結(jié)合遺傳算法的適應(yīng)度函數(shù)和質(zhì)量約束系數(shù)，基于雙層優(yōu)化策略確定無人機(jī)在不動產(chǎn)測繪區(qū)域的最優(yōu)飛行路徑。

8、在一個優(yōu)選地實施方式中，飛行信息，包括：

9、無人機(jī)在不同飛行路徑的飛行信息通過飛行時間和區(qū)域覆蓋系數(shù)表示；

10、其中，飛行時間通過無人機(jī)在不同飛行路徑的歷史記錄確定，表示無人機(jī)在飛行路徑中完成測繪的總時長；

11、所述區(qū)域覆蓋系數(shù)的獲取邏輯為：根據(jù)無人機(jī)的飛行路徑獲得無人機(jī)采集到的遙感影像，對無人機(jī)采集到遙感影像中的不動產(chǎn)區(qū)域和非不動產(chǎn)區(qū)域進(jìn)行劃分，獲得遙感影像中的不動產(chǎn)區(qū)域和非不動產(chǎn)區(qū)域的像素數(shù)量，并將遙感影像中的不動產(chǎn)區(qū)域和非不動產(chǎn)區(qū)域的像素數(shù)量分別標(biāo)記為：和；

12、根據(jù)遙感影像的分辨率，確定遙感影像中的不動產(chǎn)區(qū)域和非不動產(chǎn)區(qū)域的面積，將遙感影像中的不動產(chǎn)區(qū)域和非不動產(chǎn)區(qū)域的面積分別標(biāo)記為：和?，其中，，，為每像素代表的面積；

13、根據(jù)地籍信息確定不動產(chǎn)區(qū)域中各個不動產(chǎn)的總面積，將不動產(chǎn)區(qū)域中各個不動產(chǎn)的總面積標(biāo)記為：；

14、計算飛行路徑的覆蓋率偏差，計算公式為：；其中，為飛行路徑的覆蓋率偏差；

15、計算飛行路徑的誤覆蓋率，計算公式為：；其中，為飛行路徑的誤覆蓋率；

16、計算區(qū)域覆蓋系數(shù)，計算公式為：；其中，為區(qū)域覆蓋系數(shù)。

17、在一個優(yōu)選地實施方式中，遙感影像信息，包括：

18、遙感影像信息通過清晰度異常變化系數(shù)表示；

19、所述清晰度異常變化系數(shù)的獲取邏輯為：根據(jù)無人機(jī)在飛行路徑中的拍攝過程，設(shè)置時間間隔t，在飛行路徑中的拍攝過程每經(jīng)過時間間隔t采集無人機(jī)拍攝的圖像進(jìn)行分析，對每經(jīng)過時間間隔t采集無人機(jī)拍攝的圖像應(yīng)用拉普拉斯算子來計算圖像清晰度，將每經(jīng)過時間間隔t采集無人機(jī)拍攝圖像的清晰度標(biāo)記為：，其中，n=1、2、3、……、n，n為正整數(shù)，n為無人機(jī)在飛行路徑中的拍攝過程每經(jīng)過時間間隔t采集圖像的編號；

20、計算飛行路徑中無人機(jī)拍攝圖像清晰度的平均值和標(biāo)準(zhǔn)差，并將飛行路徑中無人機(jī)拍攝圖像清晰度的平均值和標(biāo)準(zhǔn)差標(biāo)記為：和；其中，，；

21、計算飛行路徑中無人機(jī)拍攝圖像清晰度的變異系數(shù)，計算公式為：；其中，為飛行路徑中無人機(jī)拍攝圖像清晰度的變異系數(shù)；

22、計算清晰度異常變化系數(shù)，計算公式為：；其中，為清晰度異常變化系數(shù)。

23、在一個優(yōu)選地實施方式中，設(shè)計無人機(jī)飛行路徑遺傳算法的適應(yīng)度函數(shù)，包括：

24、通過無人機(jī)在不同飛行路徑的飛行信息和遙感影像信息綜合性分析，將飛行時間、區(qū)域覆蓋系數(shù)以及清晰度異常變化系數(shù)進(jìn)行加權(quán)計算，生成路徑評估模型，生成路徑評估系數(shù)，路徑評估系數(shù)的計算公式為：；其中，為無人機(jī)飛行路徑的路徑評估系數(shù)，sj為無人機(jī)飛行路徑的飛行時間，分別為飛行時間、區(qū)域覆蓋系數(shù)、清晰度異常變化系數(shù)的比例系數(shù)，分別都大于0；

25、將路徑評估系數(shù)作為遺傳算法的適應(yīng)度函數(shù)。

26、在一個優(yōu)選地實施方式中，獲得無人機(jī)飛行路徑中不同不動產(chǎn)的質(zhì)量約束系數(shù)，包括：

27、通過最大化適應(yīng)度函數(shù)評價每條無人機(jī)飛行路徑的優(yōu)劣，對于每條飛行路徑，檢查每條飛行路徑每個不動產(chǎn)的質(zhì)量約束系數(shù)，確保每個不動產(chǎn)滿足預(yù)定質(zhì)量約束系數(shù)的要求，通過移除機(jī)制，將飛行路徑從種群中移除，避免進(jìn)入下一代；

28、質(zhì)量約束系數(shù)的要求通過設(shè)置質(zhì)量約束系數(shù)閾值，將每個不動產(chǎn)區(qū)域的質(zhì)量約束系數(shù)與質(zhì)量約束系數(shù)閾值進(jìn)行對比，若飛行路徑中存在大于質(zhì)量約束系數(shù)閾值的不動產(chǎn)，則出發(fā)移除機(jī)制，若飛行路徑中不存在大于質(zhì)量約束系數(shù)閾值的不動產(chǎn)，則根據(jù)適應(yīng)度函數(shù)的值，從種群中選擇出表現(xiàn)最好的個體作為父代；

29、父代個體會根據(jù)其適應(yīng)度進(jìn)行交叉和變異操作，通過交換父代個體的一部分路徑信息來生成子代，交叉操作產(chǎn)生新個體，并在不同的飛行路徑中找到更優(yōu)的解決方案，在交叉時，保證生成的子代路徑滿足質(zhì)量約束系數(shù)的要求；

30、對交叉和變異后的子代路徑重新計算適應(yīng)度，并檢查每個飛行路徑中不動產(chǎn)的質(zhì)量約束系數(shù)是否都大于質(zhì)量約束系數(shù)閾值，選取適應(yīng)度最高的個體進(jìn)入下一代種群，達(dá)到預(yù)設(shè)的代數(shù)上限或適應(yīng)度函數(shù)收斂，輸出最優(yōu)的飛行路徑作為最終解。

31、在一個優(yōu)選地實施方式中，質(zhì)量約束系數(shù)，包括：

32、采集遙感影像中各個不動產(chǎn)的誤差信息和外形信息，將各個不動產(chǎn)的誤差信息通過特殊點偏差系數(shù)表示，各個不動產(chǎn)的外形信息通過外形擬合差異系數(shù)表示，通過將特殊點偏差系數(shù)和外形擬合差異系數(shù)進(jìn)行加權(quán)計算，生成質(zhì)量約束系數(shù)，質(zhì)量約束系數(shù)的計算公式為：；其中，為質(zhì)量約束系數(shù)，為特殊點偏差系數(shù)，為外形擬合差異系數(shù)，、為特殊點偏差系數(shù)、外形擬合差異系數(shù)的比例系數(shù)，分別都大于0。

33、在一個優(yōu)選地實施方式中，所述特殊點偏差系數(shù)的獲取邏輯為：

34、獲得不動產(chǎn)的特殊點，確定不動產(chǎn)的特殊點在遙感影像中的坐標(biāo)位置，將不動產(chǎn)的特殊點在遙感影像中的坐標(biāo)位置標(biāo)記為：，其中，m=1、2、3、……、m，m為正整數(shù)，m為不動產(chǎn)的特殊點的編號；

35、獲得不動產(chǎn)特殊點實際地理的坐標(biāo)位置，將不動產(chǎn)特殊點實際地理的坐標(biāo)位置標(biāo)記為：；

36、計算不動產(chǎn)特殊點的距離誤差，計算公式為：；其中，為不動產(chǎn)各個特殊點的距離誤差；

37、設(shè)置距離誤差閾值，將距離誤差閾值標(biāo)記為：，將不動產(chǎn)各個特殊點的距離誤差與距離誤差閾值進(jìn)行對比，獲得特殊點的距離誤差大于距離誤差閾值的特殊點，并將大于距離誤差閾值的特殊點的距離誤差重新標(biāo)記為：，其中，j=1、2、3、……、j，j為正整數(shù)，j為大于距離誤差閾值的特殊點的編號；

38、計算特殊點偏差系數(shù)，計算公式為：。

39、在一個優(yōu)選地實施方式中，所述外形擬合差異系數(shù)的獲取邏輯為：

40、從遙感影像中提取不動產(chǎn)的外形輪廓，獲得遙感影像外形的邊界點集，獲得實際地籍外形的邊界點集，將遙感影像外形的邊界點集和實際地籍外形的邊界點集用復(fù)數(shù)表示，其中，遙感影像外形的邊界點集的復(fù)數(shù)形式為：，實際地籍外形的邊界點的復(fù)數(shù)形式為：,k=1、2、3、……、k，k為正整數(shù)，k為不動產(chǎn)邊界采樣點的編號,i為虛數(shù)單位；

41、對復(fù)數(shù)形式進(jìn)行離散傅里葉變換，計算傅里葉描述子，將遙感影像外形的傅里葉描述子標(biāo)記為：，其中，為遙感影像外形的傅里葉描述子，即頻域中對應(yīng)頻率c的傅里葉變換結(jié)果,為復(fù)指數(shù)，表示每個頻率成分對應(yīng)的旋轉(zhuǎn)因子，c=1、2、3、……、k，c是頻域中對應(yīng)的頻率的索引，將實際地籍外形傅里葉描述子標(biāo)記為：，其中，為實際地籍外形傅里葉描述子；

42、根據(jù)傅里葉分量差異，計算外形擬合差異系數(shù)，計算公式為：；其中，h為選取的低頻分量數(shù)量。

43、在一個優(yōu)選地實施方式中，基于遙感影像的不動產(chǎn)測繪區(qū)域管理系統(tǒng)，包括數(shù)據(jù)采集模塊、路徑評估模塊、質(zhì)量約束模塊、以及遺傳算法模塊，模塊之間信號連接；

44、數(shù)據(jù)采集模塊，用于捕獲多種視角和姿態(tài)下的遙感影像，確保覆蓋不同區(qū)域并提供多角度的圖像信息，用于后續(xù)路徑優(yōu)化和質(zhì)量評估；

45、路徑評估模塊，用于設(shè)計無人機(jī)飛行路徑的遺傳算法適應(yīng)度函數(shù)，結(jié)合飛行信息與遙感影像信息對飛行路徑進(jìn)行評估；

46、質(zhì)量約束模塊，用于獲得飛行路徑下各個不動產(chǎn)的質(zhì)量約束系數(shù)，判斷路徑是否滿足設(shè)定的質(zhì)量閾值；

47、遺傳算法模塊，用于使用遺傳算法進(jìn)行飛行路徑的優(yōu)化，結(jié)合路徑評估模塊的適應(yīng)度函數(shù)和質(zhì)量約束模塊的約束條件，確保最終路徑符合最優(yōu)標(biāo)準(zhǔn)。

48、本發(fā)明的技術(shù)效果和優(yōu)點：

49、本發(fā)明通過無人機(jī)對不動產(chǎn)測繪區(qū)域進(jìn)行拍攝，獲得不同飛行路徑和姿態(tài)下的不動產(chǎn)影像數(shù)據(jù)，為后續(xù)的路徑優(yōu)化和質(zhì)量評估提供基礎(chǔ)數(shù)據(jù)，設(shè)計一個適應(yīng)度函數(shù)，適應(yīng)度函數(shù)結(jié)合無人機(jī)飛行路徑的飛行信息和遙感影像數(shù)據(jù)，優(yōu)化飛行路徑，遺傳算法通過不斷進(jìn)化優(yōu)化路徑，提升路徑的全局性能，通過分析各個不動產(chǎn)的誤差信息和外形信息，計算不同不動產(chǎn)在不同飛行路徑中的質(zhì)量約束系數(shù)，并為設(shè)置質(zhì)量約束系數(shù)閾值，確保飛行路徑能夠滿足精度要求，結(jié)合遺傳算法的適應(yīng)度函數(shù)和質(zhì)量約束系數(shù)，使用雙層優(yōu)化策略來確定最優(yōu)飛行路徑，在優(yōu)化過程中，既考慮全局目標(biāo)，又確保每個不動產(chǎn)區(qū)域的質(zhì)量約束得到滿足，本發(fā)明提供了一種高效、精確的無人機(jī)飛行路徑規(guī)劃方案，有助于測繪的精度與效率。