本申請涉及圖像處理，特別涉及利用激光點云和高光譜圖像進行園林中不同層級植被狀態監測的方法。
背景技術：
1、隨著城市化進程的加速，園林綠化作為城市生態系統的核心組成部分，其建設規模與資金投入持續增長，對監測技術的高效性、精準性與全面性提出了更高要求。傳統園林綠化監測依賴人工實地調查，存在效率低下、成本高昂、主觀性強、時效性差等固有缺陷，難以滿足大面積、高頻次的監測需求。無人機遙感技術憑借其靈活機動、覆蓋范圍廣、數據獲取快速等優勢，已成為園林綠化監測的主流技術方向，通過搭載相機、傳感器等設備獲取遙感影像，結合計算機視覺與人工智能模型，實現對植被狀態的自動化評估。
2、現有專利cn117292282a公開了一種基于高分辨率無人機遙感的園林綠化長勢監測方法及系統，通過無人機獲取影像數據，經處理后提取植被形態學、紋理、顏色等特征，利用convlstm模型構建長勢分析模型，一定程度上提升了監測的便捷性與高效性。但該專利仍存在顯著技術缺陷，核心問題集中在冠層遮擋導致的監測不全面與美觀性評估缺失。在城市園林綠化中，高大喬木密集區域普遍存在，其茂密冠層會完全遮擋下方的灌木、地被等低矮植被，而該專利采用的單一視角相機或常規遙感手段，無法穿透冠層獲取下層植被數據，僅能基于冠層表面信息進行長勢評估。更關鍵的是，該專利未考慮園林綠化的核心需求之一——視覺美觀性評估，植被的形態規整度（如對稱度、均勻性）、顏色一致性、層次協調性等美觀性指標，直接影響市民的地面視覺感受，而現有方法因無法還原林下植被形態，導致監測結果與實際體驗嚴重錯位，難以支撐園林精細化管理與景觀優化決策。
技術實現思路
1、本申請實施例提供了一種基于無人機遙感的園林綠化狀態監測方法及系統，用以解決現有技術中依賴植被冠層數據無法獲取下層植被數據和無法評估下層植被的視覺美觀性的問題。
2、一方面，本申請實施例提供了一種基于無人機遙感的園林綠化狀態監測方法，包括：
3、通過無人機分別在正視方向和多個傾斜視角采集不同視角下園林的多視角雙波段融合點云和多視角高光譜影像；
4、將多視角雙波段融合點云配準至基準坐標系，以地面特征點為配準錨點迭代優化轉換矩陣，得到統一坐標系下的多視角合并點云，填補多視角合并點云中的空洞，生成初步高密度lidar點云；
5、按照預先設置的喬木冠層、林下灌木和林下地被的高度閾值對初步高密度lidar點云進行分層，形成分層后的初步高密度lidar點云；
6、識別分層后的初步高密度lidar點云中的絕對盲區，對多視角高光譜影像處在絕對盲區中的像素進行像元分解，計算林下植被豐度，根據林下植被豐度確定存在有效植被的盲區；
7、推斷存在有效植被的盲區中植被的形態參數，基于形態參數生成虛擬點云，將虛擬點云和分層后的初步高密度lidar點云進行拼接，得到完整高密度lidar點云；
8、提取不同視角間多視角高光譜影像的匹配特征點對，基于匹配特征點對生成sfm稀疏點云，將sfm稀疏點云和完整高密度lidar點云融合，形成融合點云，基于融合點云建立完整三維網格模型；
9、提取多視角高光譜影像的顏色信息，將顏色信息映射至完整三維網格模型，形成帶紋理的完整三維模型；
10、從帶紋理的完整三維模型和多視角高光譜影像中提取多維度特征，輸入改進convlstm模型，得到包含長勢量化分值和美觀性特征的全區域植被特征集；
11、基于全區域植被特征集進行長勢評估和美觀性評估。
12、另一方面，本申請實施例還提供了一種基于無人機遙感的園林綠化狀態監測系統，包括：
13、無人機，用于分別在正視方向和多個傾斜視角采集不同視角下園林的多視角雙波段融合點云和多視角高光譜影像；
14、初步點云生成模塊，用于將多視角雙波段融合點云配準至基準坐標系，以地面特征點為配準錨點迭代優化轉換矩陣，得到統一坐標系下的多視角合并點云，填補多視角合并點云中的空洞，生成初步高密度lidar點云；
15、點云分層模塊，用于按照預先設置的喬木冠層、林下灌木和林下地被的高度閾值對初步高密度lidar點云進行分層，形成分層后的初步高密度lidar點云；
16、盲區識別模塊，用于識別分層后的初步高密度lidar點云中的絕對盲區，對多視角高光譜影像處在絕對盲區中的像素進行像元分解，計算林下植被豐度，根據林下植被豐度確定存在有效植被的盲區；
17、點云拼接模塊，用于推斷存在有效植被的盲區中植被的形態參數，基于形態參數生成虛擬點云，將虛擬點云和分層后的初步高密度lidar點云進行拼接，得到完整高密度lidar點云；
18、網格建立模塊，用于提取不同視角間多視角高光譜影像的匹配特征點對，基于匹配特征點對生成sfm稀疏點云，將sfm稀疏點云和完整高密度lidar點云融合，形成融合點云，基于融合點云建立完整三維網格模型；
19、紋理映射模塊，用于提取多視角高光譜影像的顏色信息，將顏色信息映射至完整三維網格模型，形成帶紋理的完整三維模型；
20、特征集建立模塊，用于從帶紋理的完整三維模型和多視角高光譜影像中提取多維度特征，輸入改進convlstm模型，得到包含長勢量化分值和美觀性特征的全區域植被特征集；
21、狀態評估模塊，用于基于全區域植被特征集進行長勢評估和美觀性評估。
22、本申請中的一種基于無人機遙感的園林綠化狀態監測方法及系統，具有以下優點：
23、1、冠層穿透與數據補全能力強，覆蓋無死角。通過雙波段lidar多視角融合、高光譜混合像元分解與虛擬點云補全技術，將林下植被數據缺失率降至7.8%以下，徹底解決喬木密集區冠層遮擋導致的盲區問題。
24、2、三維形態與紋理精準還原，支撐美觀性評估。通過點云融合、泊松曲面重建與高光譜紋理映射，生成帶真實紋理的完整三維模型，能精準還原植被高度、冠幅、對稱度等形態細節，形態還原誤差（mae）≤0.12m。量化對稱度、顏色一致性等美觀性核心指標，填補現有技術無法評估植被視覺美觀性的空白，滿足地面視覺感受關聯需求。
25、3、評估維度全面，與實際體驗高度契合。構建長勢與美觀性雙維度評估體系，改進的convlstm模型輸出結果與地面志愿者視覺評分相關系數達0.86，綜合評估與專業人員實地評估吻合率89.3%。避免現有專利僅關注長勢、與地面體驗脫節的問題，評估結果更貼合園林綠化管理的實際需求。
26、4、流程閉環且實用高效，無需地面數據支撐。全程依賴無人機多源數據采集與處理，無需額外實地調查。最終輸出三維可視化地圖、熱力圖與整改建議報告，直接為園林精細化管理（補植、修剪、水肥調控）提供決策支撐，兼顧監測效率與落地實用性，操作便捷且成本可控。
1.一種基于無人機遙感的園林綠化狀態監測方法，其特征在于，包括：
2.根據權利要求1所述的一種基于無人機遙感的園林綠化狀態監測方法，其特征在于，采集所述多視角雙波段融合點云和所述多視角高光譜影像后還進行預處理，對所述多視角雙波段融合點云的預處理包括格式轉換、噪聲去除和分視角雙波段融合，對所述多視角高光譜影像的預處理包括輻射校正、大氣校正、配準與拼接和裁剪。
3.根據權利要求1所述的一種基于無人機遙感的園林綠化狀態監測方法，其特征在于，對于存在有效植被的盲區，提取盲區周邊1-2m范圍內同類型林下植被的所述形態參數，結合盲區中的所述林下植被豐度和周邊區域中的所述林下植被豐度的比值推算盲區中植被的所述形態參數。
4.根據權利要求1所述的一種基于無人機遙感的園林綠化狀態監測方法，其特征在于，根據推斷的盲區植被的所述形態參數，在盲區的三維空間范圍內，按植被點云分布規律生成所述虛擬點云，將所述虛擬點云與分層后的所述初步高密度lidar點云按坐標系拼接，去除拼接后的重復點，形成全區域無盲區的所述完整高密度lidar點云。
5.根據權利要求1所述的一種基于無人機遙感的園林綠化狀態監測方法，其特征在于，基于所述匹配特征點對，通過光束法平差優化相機內參與外參，利用優化后的相機參數與所述匹配特征點對三角化計算三維點坐標，生成初步sfm稀疏點云，基于所述多視角高光譜影像的拍攝位置信息，將所述初步sfm稀疏點云轉換至與所述完整高密度lidar點云一致的坐標系，形成所述sfm稀疏點云。
6.根據權利要求1所述的一種基于無人機遙感的園林綠化狀態監測方法，其特征在于，在融合所述sfm稀疏點云和所述完整高密度lidar點云時，對于重疊區域采用加權平均法進行融合，對于盲區則保留所述完整高密度lidar點云中所述虛擬點云的數據。
7.根據權利要求6所述的一種基于無人機遙感的園林綠化狀態監測方法，其特征在于，對所述融合點云中的lidar原始點與融合點采用k近鄰算法查找每個點的相鄰點，構建局部平面，基于平面方程求解法向量；對所述融合點云中的sfm補充點通過鄰域lidar點法向量線性插值修正其法向量；采用拉普拉斯平滑算法對所有點的法向量進行全局調整，將帶法向量的所述融合點云輸入泊松曲面重建算法，對所述融合點云包圍的空間區域進行曲面擬合，生成所述完整三維網格模型。
8.根據權利要求1所述的一種基于無人機遙感的園林綠化狀態監測方法，其特征在于，將所述顏色信息映射至所述完整三維網格模型后，對于映射后的所述完整三維網格模型進行顏色均勻性優化，所述顏色均勻性優化包括局部顏色校正、光譜一致性校驗和全局顏色平衡。
9.根據權利要求1所述的一種基于無人機遙感的園林綠化狀態監測方法，其特征在于，所述改進convlstm模型包括輸入層、卷積層、convlstm隱藏層、特征融合層和輸出層，所述輸出層包含長勢特征輸出層和美觀性特征輸出層。
10.應用權利要求1-9任一項所述的基于無人機遙感的園林綠化狀態監測方法的系統，其特征在于，包括：