1 引言
目前我国现代农业中开始引入无人机技术进行山区茶园的监管工作，主要思路是通过引入视觉检测技术能够自动识别茶园中杂草生长情况等农情信息。但是在完成识别后，如何进行无人机相应帧所在位置的定位成为需要解决的问题。按已有技术，这主要依赖标志物进行测量[1]。另一方面，由于现有多旋翼无人机多在超低空飞行，多数农情监控帧的图像中是没有标志物的，那么就需要计算农情监控帧与标志物所在帧之间两幅图像所对应无人机的飞行距离。在已有研究中对于特定帧图像间的飞行距离测量缺乏针对性的方法[2]，而对于山区茶园可以考虑茶园中茶树的分布特点进行相应的视觉测量。
山区茶园以绿色植被为主且具有规则分布的特点，特别是随着山坡不断上升，具有较强的规律性。因此，可以考虑特定帧时间的相似情况进行飞行距离的测量，充分利用了山区茶园无人机视频图像的特点，提高了测量的精度。
2 山区茶园旋翼无人机飞行距离视觉测量的要求
随着我国消费级无人机的广泛应用，我国农用无人机得到广泛应用。而与国际上常用的农用无人机不同，我国农用无人机主要来源于电池驱动的消费级飞行器，体积小、重量轻、飞行高度低、装载设备少。因此，我国农用无人机多用于农情采集和农情监管。同时，由于价格低廉是的相关技术和设备得到广泛应用。但是，由于缺乏辅助设备，对于飞行参数的测量很难从机载设备获取，因此应用视觉测量进行飞行参数的测算成为这类农用无人机不可回避的问题。
在山区茶园的农情监控中，无人机一般从起飞点出发对整个茶园进行巡航，在巡航过程中拍摄视频。按已有技术，一般将无人机拍摄的视频分解为一帧帧的图像序列，通过图像处理技术，可以实现相应的农情监控。比如，通过图像处理技术可以发现一些帧所对应的茶园区域内杂草情况较为严重，需要进行除草作业。在通过图像处理技术解决了特定帧的识别判定后，就需要确定特定帧所对应茶园区域的位置。另外，我国的多旋翼无人机的飞行作业高度多在50米以下，若高度过高则所获取的视频清晰度可能无法满足识别的需要。因此，特定帧所对应的山区茶园区域一般都是不存在特定标志物的，而一般都是以起飞点的标志物作为坐标原点。这是对特定帧所对应茶园区域的确定就转化为对无人机飞行距离的测量问题。
3 基于遗传算法的飞行距离视觉测量方法
山区茶园中茶树分布较为有规律，所以可以利用分割后二值图像中特征区域对应像素点的差异表示两幅图像不同飞行距离下的相似情况，并建立指标函数。当用遗传算法寻找的飞行距离越接近真实值时，指标函数越小，通过算法迭代最后自动得出最合适的飞行距离作为答案。相应方法的步骤为：
STEP1：将无人机拍摄的山区茶园视频按帧转换为图像序列，再结合视频拍摄时间建立图像序列。根据无人机的飞行速度和可视范围确定图像序列中可以测算距离的范围。确认需测算飞行距离的两帧图像在可测算的范围内。
STEP2：对需要测算距离的两幅图像采用超滤特征和阈值分割的方法进行图像分割，获取二值图像。在分割后的二值图像中选取任意一幅图像提取茶园的特征区域所对应的图像区域作为原始特征图像区域；
STEP3：根据飞行速度确定飞行距离测算范围并以此作为飞行距离所有可能解的范围，以需要测算距离的两幅图像中特征图像区域的相似情况建立指标函数为评价标准，使得每一个飞行距离可以在另一幅二值图像中找到一个对应区域，从而算出这个对应区域与原始特征图像区域相似情况指标函数。以寻找最相似情况下（即指标函数最小）的飞行距离为目标，应用遗传算法计算出图像间的飞行距离。
STEP4：通过摄像机标定的方法将图像中的飞行距离映射到地面坐标系，从而得到无人机在获取两帧图像所对应点之间的飞行距离。
4 实验结果与分析
对柳州三江山区茶园进行相应实验。如图1所示为两帧图像，图2为对应的分割结果。对比图2两幅图像最下面的部分，明显看到无人机的视野向前移动，最下面一垄的茶树离开了无人机的视野。通过匹配相同部分，可以得出无人机向前的飞行距离为1米左右
图1 原始图像 (a)前帧 (b)后帧
图1 原始图像 (a)前帧 (b)后帧
5 结语
针对山区茶园无人机飞行距离的视觉测量，应用茶园中茶树分布较有规律，比较两帧图像中位置差异，提出了相应的测量方法，这将为茶园监控中无人机的定位提供基础。
参考文献
[1]李永河. 无人机在森林资源清查中的应用探析. 山西农经. 2019(9):96
[2]汪沛，罗锡文，周志艳，臧英，胡炼. 基于微小型无人机的遥感信息获取关键技术综述. 农业工程学报. 2014,30(18):1-12
作者简介：胡波（1981-），男，广西柳州，硕士，副教授，主要从事农业信息化研究，柳州市侗天湖农业生态旅游投资有限责任公司所聘任客座专家