一种林业样地快速设置及样木定位系统的制作方法

1.本发明属于林业调查与研究技术领域，具体涉及一种林业样地快速设置及样木定位系统。


背景技术：

2.传统的野外林业样地(或称标准地)设置通常是以测绳、皮尺、罗盘仪、纤维绳以及树桩等辅助工具来围取所需大小的规整样地(通常是20m*20m或20m*30m)，然后利用gps(global positioning system，全球定位系统)或手机定位功能进行样地四角的坐标定位。样地边界设置后对样地内的乔木(或称样木)进行每木检尺调查时，又利用手机或gps对每木进行定位(坐标定位)。现有的林业样地设置及样木定位方法比较繁琐，且坐标定位误差较大，对于山区林地灌草丛生复杂，难以穿行，准确的确定边界及判定边界木难度极大，而且耗时(完成一个样地设置与乔木调查与定位基本上要4个小时以上)、耗工(3-4个人)以及成本高，其过程中需要多人往返来回穿梭样地内操作的同时，还有可能较大的对样地植被及土壤踩踏进行了人工破坏。另外，对于地势险要及环境恶劣林地类型，人工设置样地操作受伤风险较大。


技术实现要素：

3.本发明提供一种林业样地快速设置及样木定位系统，用以解决现有技术中存在的问题。
4.一种林业样地快速设置及样木定位系统，包括工程存储模块、手动定位模块、自动定位模块以及数据云存储模块；
5.所述工程存储模块用于，根据样地基础数据创建样地工程文件，并且保存样地设置过程中产生的样地数据至样地工程文件中；
6.所述手动定位模块用于接收工人人员通过人机交互产生的样地设置数据以及rtk定位装置的定位数据，得到样地数据，并将样地数据存储至工程存储模块中；
7.所述自动定位模块用于检测rtk定位装置与无人机的关联状态，并接收工作人员通过人机交互产生的样地设置指令，通过关联状态以及样地设置指令控制无人机引导工作人员进行样地设置，产生样地数据，将样地数据存储至工程存储模块中；
8.所述数据云存储模块用于待样地设置完成之后，将样地工程文件上传至云端进行云存储。
9.进一步地，所述工程存储模块包括工程文件生成单元以及数据录入单元；
10.所述工程文件生成单元用于创建样地工程文件，所述样地工程文件用于表征样地设置坐标系所对应的文件，所述样地工程文件为cad文件或者gis文件；
11.所述数据录入单元用于录入样地设置过程中产生的样地数据，所述样地数据包括样地顶点的基础信息以及位置信息，还包括样地中各个样木点的基础信息以及位置信息；
12.所述数据录入单元还用于将样地顶点以及各个样木点的样地数据存储于样地工
程文件中。
13.进一步地，所述手动定位模块包括样地设置单元、rtk定位解算单元以及第一数据存储单元；
14.所述样地设置单元用于接收工作人员通过人机交互输入的样地顶点或者样木点的基础信息；
15.所述rtk定位解算单元用于在获取样地顶点或者样木点的基础信息时，通过工作人员手持的rtk定位装置获取rtk定位数据，并对rtk定位数据进行解算，确定rtk定位装置对应的位置信息，并将rtk定位装置对应的位置信息作为样地顶点或者样木点的位置信息；
16.所述第一数据存储单元用于将样地顶点或者样木点的基础信息以及位置信息关联存储，并存储至工程存储模块中；
17.其中，工程存储模块中样地工程文件的样地设置坐标系原点为任一样地顶点，且样地设置坐标系的x正半轴设置为正东方，样地设置坐标系的y正半轴设置为正北方，因此根据样地顶点或者样木点的位置信息，在样地设置坐标系中产生对应的点，并将样地顶点或者样木点的基础信息与产生的点进行关联，完成地顶点或者样木点的基础信息以及位置信息关联存储。
18.进一步地，通过工作人员手持的rtk定位装置获取rtk定位数据，并对rtk定位数据进行解算，确定rtk定位装置对应的位置信息，包括：
19.通过工作人员手持的rtk定位装置获取rtk定位数据，以rtk定位数据为基础，并采用rtk定位算法或者ppp-rtk定位算法进行定位，得到rtk定位装置对应的位置信息。
20.进一步地，所述自动定位模块包括状态监测模块、指令接收单元、第一引导设置单元以及样木点放置单元；
21.所述状态监测模块用于检测rtk定位装置与无人机的关联状态，以及获取无人机的环境状态；当关联状态以及环境状态不满足预先设定的要求时，不允许无人机起飞；
22.所述指令接收单元用于接收工作人员发送的样地顶点对应的标桩设置完成信息；
23.所述第一引导设置单元用于根据标桩设置完成信息，控制无人机飞向下一个最近的样地顶点，直至工作人员的移动终端反馈样地设置完成信息，以使工作人员能够逐个设置样地顶点对应的标桩，完成样地的划分；
24.其中，在引导设置过程中，记录样地顶点的序号作为基础信息，记录样地顶点的位置信息，并将样地顶点的基础信息以及位置信息传输至工程存储模块进行存储；
25.所述样木点放置单元用于，控制无人机进行样地区域图像的采集，并识别样地区域图像中各个样木点的基础信息以及位置信息，将各个样木点的基础信息以及位置信息传输至工程存储模块进行存储。
26.进一步地，所述自动定位模块还包括第二引导设置单元；
27.所述第二引导设置单元用于根据存储的各个样木点的位置信息，控制无人机引导工作人员前往各个样木点，并将各个样木点的基础信息传输至工作人员手持的移动终端中，以使工作人员对样地中各个样木点进行挂牌。
28.进一步地，控制无人机进行样地区域图像的采集的同时，采集无人机的飞行高度、飞行方向以及定位信息；其中，无人机的摄像头垂直向下，即无人机采集的样地区域图像中心点的位置为无人机所在位置。
29.进一步地，识别样地区域图像中各个样木点的基础信息，包括：
30.构建样地样木类型识别模型，并对样地样木类型识别模型进行训练，得到训练完成的样地样木类型识别模型；
31.采用训练完成的样地样木类型识别模型对样地区域图像中的样木类型进行识别，得到样地区域中林木的样木类型，即各个样木点的基础信息。
32.进一步地，识别样地区域图像中各个样木点的位置信息，包括：
33.根据无人机采集样地区域图像时的定位信息，确定样地区域图像中心点的位置信息；
34.以无人机的相机视角以及无人机定位高度，确定样地区域图像中各个像素点与中心点之间的实际距离；
35.以无人机的飞行方向为基础，确定样地区域图像中各个像素点与中心点之间的方向关系；
36.以样地区域图像中心点的位置信息、样地区域图像中各个像素点与中心点之间的实际距离以及样地区域图像中各个像素点与中心点之间的方向关系，确定每个像素点的位置信息；
37.将样地区域图像中识别为样木点的所有像素点对应的位置信息求平均，得到样木点的位置信息。
38.进一步地，构建样地样木类型识别模型，并对样地样木类型识别模型进行训练，得到训练完成的样地样木类型识别模型，包括：
39.采用卷积神经网络作为样地样木类型识别模型，并采用梯度下降法或者生物优化算法对样地样木类型识别模型进行训练，直至满足训练结束条件，得到训练完成的样地样木类型识别模型。
40.本发明提供的一种林业样地快速设置及样木定位系统，通过手动定位模块可以使工作人员能够快速且精准的定位，并自动将定位得到的位置信息与工作人员输入的基础信息进行关联存储，从而可以实现快速样地设置，不需要进行反复测量；还可以通过自动定位模块，引导工作人员快速设置样地区域，在样地设置完成之后，自动输出样地设置图像，从而实现样地快速的快速设置，解决了现有技术中存在的耗时以及耗力的问题，并且避免了设置样地时反复移动导致的植被破坏与恶劣环境中人员受伤风险问题。
附图说明
41.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
42.图1为本发明实施例提供的一种林业样地快速设置及样木定位系统的结构示意图。
43.通过上述附图，已示出本发明明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本发明构思的范围，而是通过参考特定实施例为本领域技术人员说明本发明的概念。
具体实施方式
44.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
45.下面结合附图详细说明本发明的实施例。
46.如图1所示，一种林业样地快速设置及样木定位系统，包括工程存储模块、手动定位模块、自动定位模块以及数据云存储模块。
47.所述工程存储模块用于，根据样地基础数据创建样地工程文件，并且保存样地设置过程中产生的样地数据至样地工程文件中。
48.样地工程文件可以为图文件，其格式可以为常用的画图软件所对应的文件格式，例如，样地工程文件可以为cad(computeraideddesign，计算机辅助设计)的文件格式。
49.样地设置过程中产生的样地数据可以包括样地区域顶点对应的序号、方位以及定位等等信息，可以以某个样地区域顶点作为样地工程文件中的坐标原点，从而根据缩放比例以及各个顶点之间的相对位置关系，在样地工程文件中确定样地区域。
50.样地数据还可以包括各个样木点的基础信息以及位置信息，根据位置信息，可以在样地工程文件中确定样木点在样地区域中的位置，并且将基础信息以及位置信息关联至样地工程文件中，方便工作人员在查看样地工程文件时，可以通过点击各个样木点，来查看样木点的信息。
51.例如：当原点为某一顶点，y正半轴为正北，x正半轴为正东，缩放比例为1:1000，单位为cm，那么样地工程文件中一个单位长度就为现实世界中10m，如果另一个顶点与原点处的顶点相距40米，且位于正北方向，那么另一个顶点的坐标就应该为(4,0)，并将另一个顶点的基础信息以及位置信息与坐标点关联，从而完成顶点数据的保存。
52.样地设置参数可以包括样地的尺寸以及方向，从而可以根据尺寸以及方向设置样地区域。样地设置参数也可以仅包括尺寸，按照预设的方向进行设置。例如，一般在北方或北京暖温带地区样地大小设置为20m
×
20m。
53.所述手动定位模块用于接收工人人员通过人机交互产生的基础信息以及rtk定位装置的位置信息，得到样地数据，并将样地数据存储至工程存储模块中。
54.rtk(real time kinematic，载波相位差分技术)北斗定位设备主要功能，能够精确设置样地大小，能够精准确定样地四个点的地理坐标，同时可准确判定界内、界外木，还能够同时快速精准定位样地多株乔木地理坐标，其精度可达99.9％(精度亚米级)。大大提高了作业速度(至少要节省1/2)，降低了劳动强度。提高了工作效率。也适用于无网络或信号弱的地方，解决了无信号或信号弱的地方定位问题。
55.采用rtk定位装置，可以实现准确定位，从而可以实现样地的精准设置。
56.当工作人员手持rtk定位装置时，可以先通过其手持移动终端录入样木点的基础信息，即接收工人人员通过人机交互产生的基础信息；当接收了基础信息之后，可以自动设置定时，在定时之后获取rtk定位装置的位置信息，从而确定样木点的位置信息，并给工作人员手持的移动终端传输该样木点已录入完成的信息。还可以接收了基础信息之后，接收工作人员发送的定位指令，当接收到定位指令之后，获取rtk定位装置的位置信息，从而确
定样木点的位置信息。采用上述方法，可以快速引导工作人员进行样地设置，并且完整样地工程文件。
57.由于样地工程文件为图文件，更方便工作人员进行查看。
58.所述自动定位模块用于检测rtk定位装置与无人机的关联状态，并接收工作人员通过人机交互产生的样地设置指令，通过关联状态以及样地设置指令控制无人机引导工作人员进行样地设置，产生样地数据，将样地数据存储至工程存储模块中。
59.当rtk定位装置与无人机关联之后，就可以通过无人机引导进行样地设置，检测rtk定位装置与无人机的关联状态可以为工作人员通过人机交互输入的数据。
60.接收工作人员通过人机交互产生的样地设置指令，通过关联状态以及样地设置指令控制无人机引导工作人员进行样地设置，可以包括：当工作人员完成某一顶点的标桩设置之后，可以发出下一个标桩设置指令，即样地设置指令，若关联状态满足预设要求，就可以控制无人机以固定速度飞向下一个标桩位置，引导工作人员进行样地设置。
61.若工作人员初始指定了样地各个顶点之间的距离以及方向，则将初始无人机所在点为样地工程文件中的原点，y正半轴为正北，x正半轴为正东，从而可以确定其他顶点的具体位置，引导工作人员进行样地顶点的设置。
62.本实施例提供的林业样地快速设置及样木定位系统，具有手动定位模块，可以根据工作人员的操作指令进行定位以及样地数据的关联存储，通过rtk定位帮助工作人员进行快速定位。同时设置有自动定位模块，可以通过与rtk定位装置关联的无人机引导工作人员进行定位，从而使工作人员可以灵活选择。在实际应用中，部分区域存在无人机禁飞的规定，此时工作人员就可以手持rtk定位装置进行快速定位，从而快速进行样地的设置，通过本系统自动将数据存储以及上传。在没有无人机禁飞规定的区域中，就可以由工作人员自行选择采用手动定位还是自动定位。此外，在野外还存在部分地势陡峭环境恶劣难以行走的区域，若采用人工定位存在较大的危险，因此可以采用自动定位模块进行样地设置，虽然工作人员难以行走，但是也能够通过无人机实现样地设置以及工程文件的输出，解决了野外人工样地设置存在人员受伤危险的问题。
63.所述数据云存储模块用于待样地设置完成之后，将样地工程文件上传至云端进行云存储。通过将样地工程文件上传至云端进行云存储，可以使工作人员远程查看样地工程文件。
64.在本实施例中，所述工程存储模块包括工程文件生成单元以及数据录入单元；
65.所述工程文件生成单元用于创建样地工程文件，所述样地工程文件用于表征样地设置坐标系所对应的文件，所述样地工程文件为cad文件或者gis(geographic information system，地理信息系统)文件；
66.所述数据录入单元用于录入样地设置过程中产生的样地数据，所述样地数据包括样地顶点的基础信息以及位置信息，还包括样地中各个样木点的基础信息以及位置信息；
67.所述数据录入单元还用于将样地顶点以及各个样木点的样地数据存储于样地工程文件中。
68.在本实施例中，所述手动定位模块包括样地设置单元、rtk定位解算单元以及第一数据存储单元。
69.所述样地设置单元用于接收工作人员通过人机交互输入的样地顶点或者样木点
的基础信息。例如，样木点的名称、树高等信息，或者样地顶点的序号、各样地顶点之间的距离以及方向。
70.所述rtk定位解算单元用于在获取样地顶点或者样木点的基础信息时，通过工作人员手持的rtk定位装置获取rtk定位数据，并对rtk定位数据进行解算，确定rtk定位装置对应的位置信息，并将rtk定位装置对应的位置信息作为样地顶点或者样木点的位置信息。
71.当接收了工作人员输入的基础信息之后，可以接收工作人员传输的定位指令，从而可以使工作人员将rtk定位装置放置完成之后，获取样木点对应的位置信息。
72.所述第一数据存储单元用于将样地顶点或者样木点的基础信息以及位置信息关联存储，并存储至工程存储模块中。
73.可以根据样地工程文件中坐标系原点的位置信息为基础，获取其他顶点或者样木点的坐标，从而完成样木点的放置，并将样木点的基础信息以及位置信息与其坐标点关联存储，完成数据的存储。
74.其中，工程存储模块中样地工程文件的样地设置坐标系原点为任一样地顶点，且样地设置坐标系的x正半轴设置为正东方，样地设置坐标系的y正半轴设置为正北方，因此根据样地顶点或者样木点的位置信息，在样地设置坐标系中产生对应的点，并将样地顶点或者样木点的基础信息与产生的点进行关联，完成地顶点或者样木点的基础信息以及位置信息关联存储。
75.在本实施例中，通过工作人员手持的rtk定位装置获取rtk定位数据，并对rtk定位数据进行解算，确定rtk定位装置对应的位置信息，包括：
76.通过工作人员手持的rtk定位装置获取rtk定位数据，以rtk定位数据为基础，并采用rtk定位算法或者ppp(precise pointposition，精密单点定位)-rtk定位算法进行定位，得到rtk定位装置对应的位置信息。
77.在本实施例中，所述自动定位模块包括状态监测模块、指令接收单元、第一引导设置单元以及样木点放置单元。
78.所述状态监测模块用于检测rtk定位装置与无人机的关联状态，以及获取无人机的环境状态。当关联状态以及环境状态不满足预先设定的要求时，不允许无人机起飞。
79.rtk定位装置与无人机的关联状态可以为工作人员通过发送所得，也可以在rtk定位装置以及无人机上设置感应装置或者连接触点，当确定rtk定位装置与无人机连接时，则允许无人机进行起飞。
80.无人机的环境状态可以通过工作人员人机交互所得，也可以通过指定数据源获取。
81.所述指令接收单元用于接收工作人员发送的样地顶点对应的标桩设置完成信息。
82.所述第一引导设置单元用于根据标桩设置完成信息，控制无人机飞向下一个最近的样地顶点，直至工作人员的移动终端反馈样地设置完成信息，以使工作人员能够逐个设置样地顶点对应的标桩，完成样地的划分。
83.无人机引导工作人员到达指定点之后，工作人员可以根据无人机的位置进行标桩的设置，当设置完成之后，工作人员通过手持的移动终端反馈信息之后，无人机引导去下一个最近的点，从而实现样地的快速设置。
84.其中，在引导设置过程中，记录样地顶点的序号作为基础信息，记录样地顶点的位
置信息，并将样地顶点的基础信息以及位置信息传输至工程存储模块进行存储。
85.所述样木点放置单元用于，控制无人机进行样地区域图像的采集，并识别样地区域图像中各个样木点的基础信息以及位置信息，将各个样木点的基础信息以及位置信息传输至工程存储模块进行存储。
86.当样地顶点设置完成之后，就完成了样地区域的设置，但是样地往往还需要统计各个样木的坐标信息，因此可以对这些信息进行采集。
87.在本实施例中，所述自动定位模块还包括第二引导设置单元；
88.所述第二引导设置单元用于根据存储的各个样木点的位置信息，控制无人机引导工作人员前往各个样木点，并将各个样木点的基础信息传输至工作人员手持的移动终端中，以使工作人员对样地中各个样木点进行挂牌。
89.通过对林木进行识别之后，仅存在林木的基础信息以及位置信息，但是在样地区域设置完成之后，引导工作人员进行挂牌。
90.由于通过无人机进行数据采集可能存在遗漏，因此可以接收工作人员补充传输的样木点的基础信息以及定位信息。除此之外，样地调查过程中，需要采集大量的样木信息，也可以接收这些样木信息，并将样木信息与已有的样木点进行关联，形成完成的样地调查图，方便工作人员进行报告的生成以及查看。
91.在本实施例中，控制无人机进行样地区域图像的采集的同时，采集无人机的飞行高度、飞行方向以及定位信息；其中，无人机的摄像头垂直向下，即无人机采集的样地区域图像中心点的位置为无人机所在位置。
92.在本实施例中，识别样地区域图像中各个样木点的基础信息，包括：
93.构建样地样木类型识别模型，并对样地样木类型识别模型进行训练，得到训练完成的样地样木类型识别模型。
94.采用训练完成的样地样木类型识别模型对样地区域图像中的样木类型进行识别，得到样地区域中林木的样木类型，即各个样木点的基础信息。
95.在本实施例中，识别样地区域图像中各个样木点的位置信息，包括：
96.根据无人机采集样地区域图像时的定位信息，确定样地区域图像中心点的位置信息。
97.以无人机的相机视角以及无人机定位高度，确定样地区域图像中各个像素点与中心点之间的实际距离。
98.当无人机的相机参数固定之后，其拍摄的视角也随之固定，因此可以根据相机视角以及无人机高度，换算各个点的坐标或者定位。
99.以无人机的飞行方向为基础，确定样地区域图像中各个像素点与中心点之间的方向关系。
100.以样地区域图像中心点的位置信息、样地区域图像中各个像素点与中心点之间的实际距离以及样地区域图像中各个像素点与中心点之间的方向关系，确定每个像素点的位置信息。
101.将样地区域图像中识别为样木点的所有像素点对应的位置信息求平均，得到样木点的位置信息。
102.每个林木图像又多个像素点构成，因此可以将各个像素点的具体位置求平均，作
为样木点的位置。
103.在本实施例中，构建样地样木类型识别模型，并对样地样木类型识别模型进行训练，得到训练完成的样地样木类型识别模型，包括：
104.采用卷积神经网络作为样地样木类型识别模型，并采用梯度下降法或者生物优化算法对样地样木类型识别模型进行训练，直至满足训练结束条件，得到训练完成的样地样木类型识别模型。值得说明的是，样地样木类型识别的实质是对图像进行分类，除了本实施例所采用的卷积神经网络之外，还可以采用其他神经网络作为样地样木类型识别模块。同时，为了保证识别的精准性，还可以先对图像进行分割，确定分割图像的样木点类型，从而确定样地区域图像中各个样木点的类型。
105.可选的，梯度下降法是比较常规的训练方法，本实施例提供一种生物优化算法，具体如下：
106.a1、设置第一计数器t＝1，并在网络参数上限与网络参数下限之间随机产生样地样木类型识别模型的网络参数，得到网络参数对应的寻优个体，并产生多个寻优个体。
107.a2、获取每个寻优个体的适应度值，并选取适应度值最大的寻优个体作为全局最优个体。并将剩余的寻优个体按固定比例分为探寻个体以及跟随个体。
108.可选的，适应度值可以采用适应度函数获取，而卷积神经网络的适应度函数为比较常见的函数，本实施例不再过多赘述，例如：均方根误差的负值或者交叉熵损失函数的负值。
109.a3、针对探寻个体，从多个方向进行寻优，具体为：
[0110][0111]
针对第t次更新中第i个探寻个体中第d维参数采用第一步长stepa对第p个方向进行搜寻，p＝1,2,
…
,h，h表示搜索方向；若搜寻之后的适应度增大，则接受该方向上的更新，否则拒绝该方向上的更新。其中，π表示圆周率。
[0112]
a4、以全局最优个体为基础，对跟随个体进行更新，具体为：
[0113][0114]
其中，表示第t次更新中第j个跟随个体中第d维参数d＝1,2,
…
,d，d表示维度总数，表示全局最优个体中第d维参数，stepb表示第二步长。
[0115]
当跟随个体与全局最优个体之间的距离小于设定阈值时，则进入步骤a5。
[0116]
跟随个体与全局最优个体之间的距离可以为：
[0117][0118]
其中，ω表示距离判定因子，x
maxd
表示所有个体第d维参数中的最大值，x
mind
表示所有个体第d维参数中的最小值。
[0119]
a5、将探寻个体与跟随个体一起寻优，寻优过程为：
[0120][0121]
其中，表示第k个待更新个体中第d维参数，λ表示[-1,1]之间的随机数，stepb表示第三步长。
[0122]
a6、直至适应度值大于设定阈值或者训练次数大于设定次数阈值时，结束更新，淘汰适应度最差的n个个体，并返回步骤a2。
[0123]
可选的，为了加快收敛速度，可以采用适应度值最大的几个个体，采用遗传算法的交叉以及变异思想产生新个体。
[0124]
本发明提供的一种林业样地快速设置及样木定位系统，通过手动定位模块可以使工作人员能够快速且精准的定位，并自动将定位得到的位置信息与工作人员输入的基础信息进行关联存储，从而可以实现快速样地设置及样地内样木定位，不需要进行反复测量；还可以通过自动定位模块，引导工作人员快速设置样地区域，在样地设置完成之后，自动输出样地设置图像，从而实现样地快速的快速设置与样木定位，解决了现有技术中存在的耗时以及耗力的问题，并且避免了设置样地时反复移动导致的植被破坏及恶劣环境中人员受伤风险问题。
[0125]
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求书指出。
[0126]
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求书来限制。

技术特征：
1.一种林业样地快速设置及样木定位系统，其特征在于，包括工程存储模块、手动定位模块、自动定位模块以及数据云存储模块；所述工程存储模块用于，根据样地基础数据创建样地工程文件，并且保存样地设置过程中产生的样地数据至样地工程文件中；所述手动定位模块用于接收工人人员通过人机交互产生的样地设置数据以及rtk定位装置的定位数据，得到样地数据，并将样地数据存储至工程存储模块中；所述自动定位模块用于检测rtk定位装置与无人机的关联状态，并接收工作人员通过人机交互产生的样地设置指令，通过关联状态以及样地设置指令控制无人机引导工作人员进行样地设置，产生样地数据，将样地数据存储至工程存储模块中；所述数据云存储模块用于待样地设置完成之后，将样地工程文件上传至云端进行云存储。2.根据权利要求1所述的林业样地快速设置及样木定位系统，其特征在于，所述工程存储模块包括工程文件生成单元以及数据录入单元；所述工程文件生成单元用于创建样地工程文件，所述样地工程文件用于表征样地设置坐标系所对应的文件，所述样地工程文件为cad文件或者gis文件；所述数据录入单元用于录入样地设置过程中产生的样地数据，所述样地数据包括样地顶点的基础信息以及位置信息，还包括样地中各个样木点的基础信息以及位置信息；所述数据录入单元还用于将样地顶点以及各个样木点的样地数据存储于样地工程文件中。3.根据权利要求2所述的林业样地快速设置及样木定位系统，其特征在于，所述手动定位模块包括样地设置单元、rtk定位解算单元以及第一数据存储单元；所述样地设置单元用于接收工作人员通过人机交互输入的样地顶点或者样木点的基础信息；所述rtk定位解算单元用于在获取样地顶点或者样木点的基础信息时，通过工作人员手持的rtk定位装置获取rtk定位数据，并对rtk定位数据进行解算，确定rtk定位装置对应的位置信息，并将rtk定位装置对应的位置信息作为样地顶点或者样木点的位置信息；所述第一数据存储单元用于将样地顶点或者样木点的基础信息以及位置信息关联存储，并存储至工程存储模块中；其中，工程存储模块中样地工程文件的样地设置坐标系原点为任一样地顶点，且样地设置坐标系的x正半轴设置为正东方，样地设置坐标系的y正半轴设置为正北方，因此根据样地顶点或者样木点的位置信息，在样地设置坐标系中产生对应的点，并将样地顶点或者样木点的基础信息与产生的点进行关联，完成地顶点或者样木点的基础信息以及位置信息关联存储。4.根据权利要求3所述的林业样地快速设置及样木定位系统，其特征在于，通过工作人员手持的rtk定位装置获取rtk定位数据，并对rtk定位数据进行解算，确定rtk定位装置对应的位置信息，包括：通过工作人员手持的rtk定位装置获取rtk定位数据，以rtk定位数据为基础，并采用rtk定位算法或者ppp-rtk定位算法进行定位，得到rtk定位装置对应的位置信息。5.根据权利要求3所述的林业样地快速设置及样木定位系统，其特征在于，所述自动定
位模块包括状态监测模块、指令接收单元、第一引导设置单元以及样木点放置单元；所述状态监测模块用于检测rtk定位装置与无人机的关联状态，以及获取无人机的环境状态；当关联状态以及环境状态不满足预先设定的要求时，不允许无人机起飞；所述指令接收单元用于接收工作人员发送的样地顶点对应的标桩设置完成信息；所述第一引导设置单元用于根据标桩设置完成信息，控制无人机飞向下一个最近的样地顶点，直至工作人员的移动终端反馈样地设置完成信息，以使工作人员能够逐个设置样地顶点对应的标桩，完成样地的划分；其中，在引导设置过程中，记录样地顶点的序号作为基础信息，记录样地顶点的位置信息，并将样地顶点的基础信息以及位置信息传输至工程存储模块进行存储；所述样木点放置单元用于，控制无人机进行样地区域图像的采集，并识别样地区域图像中各个样木点的基础信息以及位置信息，将各个样木点的基础信息以及位置信息传输至工程存储模块进行存储。6.根据权利要求5所述的林业样地快速设置及样木定位系统，其特征在于，所述自动定位模块还包括第二引导设置单元；所述第二引导设置单元用于根据存储的各个样木点的位置信息，控制无人机引导工作人员前往各个样木点，并将各个样木点的基础信息传输至工作人员手持的移动终端中，以使工作人员对样地中各个样木点进行挂牌。7.根据权利要求5所述的林业样地快速设置及样木定位系统，其特征在于，控制无人机进行样地区域图像的采集的同时，采集无人机的飞行高度、飞行方向以及定位信息；其中，无人机的摄像头垂直向下，即无人机采集的样地区域图像中心点的位置为无人机所在位置。8.根据权利要求7所述的林业样地快速设置及样木定位系统，其特征在于，识别样地区域图像中各个样木点的基础信息，包括：构建样地样木类型识别模型，并对样地样木类型识别模型进行训练，得到训练完成的样地样木类型识别模型；采用训练完成的样地样木类型识别模型对样地区域图像中的样木类型进行识别，得到样地区域中林木的样木类型，即各个样木点的基础信息。9.根据权利要求8所述的林业样地快速设置及样木定位系统，其特征在于，识别样地区域图像中各个样木点的位置信息，包括：根据无人机采集样地区域图像时的定位信息，确定样地区域图像中心点的位置信息；以无人机的相机视角以及无人机定位高度，确定样地区域图像中各个像素点与中心点之间的实际距离；以无人机的飞行方向为基础，确定样地区域图像中各个像素点与中心点之间的方向关系；以样地区域图像中心点的位置信息、样地区域图像中各个像素点与中心点之间的实际距离以及样地区域图像中各个像素点与中心点之间的方向关系，确定每个像素点的位置信息；将样地区域图像中识别为样木点的所有像素点对应的位置信息求平均，得到样木点的位置信息。
10.根据权利要求8所述的林业样地快速设置及样木定位系统，其特征在于，构建样地样木类型识别模型，并对样地样木类型识别模型进行训练，得到训练完成的样地样木类型识别模型，包括：采用卷积神经网络作为样地样木类型识别模型，并采用梯度下降法或者生物优化算法对样地样木类型识别模型进行训练，直至满足训练结束条件，得到训练完成的样地样木类型识别模型。

技术总结
本发明公开了一种林业样地快速设置及样木定位系统，通过手动定位模块可以使工作人员能够快速且精准的定位，并自动将定位得到的位置信息与工作人员输入的基础信息进行关联存储，从而可以实现快速样地设置与样木定位，不需要进行反复测量；还可以通过自动定位模块，引导工作人员快速设置样地区域，在样地设置完成之后，自动输出样地设置图像，从而实现样地快速的快速设置与样地内样木的定位，解决了现有技术中存在的耗时以及耗力的问题，并且避免了设置样地时反复移动导致的植被破坏及恶劣环境中人员受伤风险问题。环境中人员受伤风险问题。环境中人员受伤风险问题。


技术研发人员：王月容 金莹杉 胡雪凡 王茜 李芳 舒健骅 秦贺兰 梁芳 陈洪菲
受保护的技术使用者：北京市园林绿化科学研究院
技术研发日：2023.07.04
技术公布日：2023/10/6