一种基于数字视频的病虫害区目标定位方法
步骤S1，松树林区数字视频采集：在无人机上安装双目相机，并利用双目相机采集检测
步骤S3，林区图像帧预处理：对图像帧进行灰度化处理、几何变换和图像噪声过滤，进
步骤S4，重合区域图像配准：找到图像中的重合区域，计算它们之间的变换关系，经过
步骤S5，松材线虫病害林区目标识别：利用历史图像中松材线虫病害林区树木的特征，
构建由松树弯曲度特征、树干颜色特征以及树冠颜色特征整合而成的松材线虫病害林区目
标特征向量，识别图像中与松材线虫病害林区目标特征向量相似度高的林区，并将图像中
步骤S6，利用目标虫害区的深度信息获取目标的三维位置信息，生成目标虫害区的基
2.根据权利要求1所述的一种基于数字视频的病虫害区目标定位方法，其特征在于，在
步骤S5中，采集已知松材线虫病害林区的历史图像，对每张历史图像进行预处理，使用曲率
计算方法获取每张历史图像中目标树木的弯曲度特征提取，对松材线虫病害的数目弯曲度
准备带有标签的训练样本：准备一组已知的松材线虫病害树木和健康树木的图像弯曲
训练分类器区分松材线虫病害树木：对分类器中的初始识别函数设置为松材线虫病害
识别值公式，获取松材线虫病害识别值的识别阈值区间，松材线虫病害识别值为发生病害
的分割点数量与特异性病害位置曲率之和的乘积减去发生病害位置的最大外凸值，并引入
树干外轮廓分割点的序号，为发生病害区域连续出现的最大树干外轮廓分割点数目，
分类器的验证和优化：选择测试样本集，获取测试样本集中的松材线虫病害识别值，并
将松材线虫病害识别值作为分类器的输入，并根据输出结果进行识别结果的准确度判断，
3.根据权利要求1所述的一种基于数字视频的病虫害区目标定位方法，其特征在于，在
统计树干区域颜色矩，构建树干颜色特征向量：提取树干区域颜色的平均值、标准差、
松材线虫病害树干颜色识别：准备包括松材线虫病害树干和健康树干四维颜色矩特征
向量的训练样本，利用机器学习算法进行识别，将新的树干四维颜色矩特征向量输入分类
器进行识别，并利用验证样本去验证训练模型的识别精度，优化更新模型中的参数；
4.根据权利要求1所述的一种基于数字视频的病虫害区目标定位方法，其特征在于，在
颜色直方图计算：使用颜色空间将图像中的像素映射到相应的颜色通道上，提取树冠
松材线虫病害树冠颜色识别：准备带有标签的训练样本，样本包括松材线虫病害树冠
和健康树冠的树冠颜色特征，使用训练样本利用支持向量机方法训练分类器，利用测试样
5.根据权利要求1所述的一种基于数字视频的病虫害区目标定位方法，其特征在于，在
步骤S6中，由载有双目相机的无人机拍摄抓取符合松材线虫识别的树冠颜色特征向量的林
区图像，并对病害林区进行标定，利用立体视觉进行深度估计，获取病害区域中心的三维位
置信息，将深度估计得到的三维信息转换为点云数据，从点云数据中提取基于深度的形状
描述子和局部表面特征描述子，将每个点的描述子组成基于深度描述子的特征向量，基于
深度描述子的特征向量，获取该特征向量横坐标和纵坐标的数值范围，并在横坐标和纵坐
标的数值范围内搜索预先设定在林中地面的双目相机，获取确认目标林区内的图像，进行
松树弯曲度特征、树干颜色特征以及树冠颜色特征的融合特征向量的二次识别，根据二次
6.根据权利要求5所述的一种基于数字视频的病虫害区目标定位方法，其特征在于，在
步骤S6的松材线虫病害的二次识别中，松树弯曲度特征、树干颜色特征以及树冠颜色特征
进行特征融合的策略为加权融合，且松树弯曲度特征、树干颜色特征以及树冠颜色特征的
7.根据权利要求6所述的一种基于数字视频的病虫害区目标定位方法，其特征在于，在
步骤S6中，根据二次识别结果和一次识别结果对目标虫害林区进行二次定位判断的方式
虫害判定结果辨识：如果二次识别结果为不具备松材线虫病害特征，将地面双目相机
识别区域范围对应的林区从无人机识别定位的目标区域中圈出，并将圈出区域定义为轻型
松材线虫病害区域，如果二次识别结果为具备松材线虫病害特征，将地面双目相机识别区
域对应的林区从无人机识别定位的目标区域中圈出，并将圈出区域定义为重型松材线虫病
害区域，将无人机标定的目标区域减去地面双目相机识别区域的区域定义为疑似区域；
定位信息确认：利用地面双目相机记录的定位信息和无人机确定的目标区域相融合，
获取以地面双目相机为参考点的东南西北四个方向上，目标区域轮廓距离参考点的四个外
围距离，四个外围距离分别为东外围距离、南外围距离、西外围距离和北外围距离，构建目
8.根据权利要求7所述的一种基于数字视频的病虫害区目标定位方法，其特征在于，根
据二次识别结果和一次识别结果对目标虫害林区进行二次定位判断的方法，所述基于数字
步骤S7，林区管理人员信息输送：地面双目相机通过无线通信技术获取无人机传输的
松材线虫识别目标区域的定位数据，并结合二次识别结果，将虫害判定结果数据和定位信
息确认结果通过物联网技术传输给与地面双目相机直线距离最近的林区管理人员的移动
虫害，疾病感染的数目以及虫害侵袭的林区如果不通过数字视频及时识别和发现，并采取
相应防治措施进行整治，会对林区其他树木造成不可逆转的损害，松材线虫病就是其中一
种严重侵害林木的病害，主要是由松材线虫侵袭松树引起的，松材线虫通过在幼虫阶段侵
入松树内部，吸食松树的树液和携带松材壳孢菌侵袭松树导管组织，导致松树失去水分和
养分供应，松树被松材线虫病侵害的主要表现为松树的迅速枯死，针叶由绿色变为黄色，随
后迅速褪绿、枯萎，最终变为褐色，树冠逐渐枯萎，在病害发展后期，整棵树的枯萎会迅速扩
散，导管组织受到破坏后，树干会出现蓝色或黑色的树脱脂区，而现在对松树林区的摄像测
量多采用双目摄像机采集数字视频，针对数字视频中发生松材线虫病害的林区，传统的林
地目标定位方法定位信息识别度不高，且无法对松材线虫病害进行状态判断。为了解决上
定位方法，通过无人机携带的双目相机联合林区预设的地面监测双目相机，在利用无人机
通过由松树弯曲度特征、树干颜色特征以及树冠颜色特征整合而成的松材线虫病害林区目
标特征向量识别从松材线虫病害之后，利用地面双目相机进一步确认目标区域内数目松材
线虫病害的程度，并相对地面双目无人相机进行信息具象化，为林区管理人员指示方向，以
步骤S1，松树林区数字视频采集：在无人机上安装双目相机，并利用双目相机采集
步骤S3，林区图像帧预处理：对图像帧进行灰度化处理、几何变换和图像噪声过
步骤S4，重合区域图像配准：找到图像中的重合区域，计算它们之间的变换关系，
在步骤S4中的变换关系计算、图像对齐和深度计算是基于双目相机的图像处理和
提取，使用的特征提取方法为SIFT特征描述子特征提取方法；在左目图像和右目图像中提
的变换关系包括平移、旋转、缩放和透视变换；利用计算得到的变换关系，对右目图像进行
深度计算：在图像对齐后，利用基于SIFT特征点的视差计算方法双目视差计算方
法来计算匹配点对的深度信息，双目视差计算方法基于视差原理，即左目图像和右目图像
中的匹配点对之间的视差（即像素位移）与物体的深度之间存在一定的关系；通过计算匹配
点对的视差，计算出目标虫害区的深度信息，这些深度信息用于生成目标虫害区的基于深
步骤S5，松材线虫病害林区目标识别：利用历史图像中松材线虫病害林区树木的
特征，构建由松树弯曲度特征、树干颜色特征以及树冠颜色特征整合而成的松材线虫病害
林区目标特征向量，识别图像中与松材线虫病害林区目标特征向量相似度高的林区，并将
步骤S6，利用目标虫害区的深度信息获取目标的三维位置信息，生成目标虫害区
作为本发明进一步的方案，在步骤S5中，采集已知松材线虫病害林区的历史图像，
对每张历史图像进行预处理，使用曲率计算方法获取每张历史图像中目标树木的弯曲度特
征提取，对松材线虫病害的数目弯曲度特异性识别区域，基于松材线虫病害识别值进行识
弯曲度特征，分别对训练样本中的树干区域进行等距分割，分割距离为0.8cm；
病害识别值公式，获取松材线虫病害识别值的识别阈值区间，松材线虫病害识别值为发生
病害的分割点数量与特异性病害位置曲率之和的乘积减去发生病害位置的最大外凸值，并
区域树干外轮廓分割点的序号， 为发生病害区域连续出现的最大树干外轮廓分割点数
目， 为发生病害区域连续出现的第 个分割点对应的曲率， 为发生病害位置的最大
值，并将松材线虫病害识别值作为分类器的输入，并根据输出结果进行识别结果的准确度
作为本发明进一步的方案，在步骤S5中，识别松材线虫病害林区树干颜色特征的
统计树干区域颜色矩，构建树干颜色特征向量：提取树干区域颜色的平均值、标准
特征向量的训练样本，利用机器学习算法进行识别，将新的树干四维颜色矩特征向量输入
分类器进行识别，并利用验证样本去验证训练模型的识别精度，优化更新模型中的参数；
作为本发明进一步的方案，在步骤S5中，识别松材线虫病害林区树冠颜色特征的
树冠和健康树冠的树冠颜色特征，使用训练样本利用支持向量机方法训练分类器，利用测
作为本发明进一步的方案，在步骤S6中，由载有双目相机的无人机拍摄抓取符合
松材线虫识别的树冠颜色特征向量的林区图像，并对病害林区进行标定，利用立体视觉进
行深度估计，获取病害区域中心的三维位置信息，将深度估计得到的三维信息转换为点云
数据，从点云数据中提取基于深度的形状描述子和局部表面特征描述子，将每个点的描述
子组成基于深度描述子的特征向量，基于深度描述子的特征向量，获取该特征向量横坐标
和纵坐标的数值范围，并在横坐标和纵坐标的数值范围内搜索预先设定在林中地面的双目
相机，获取确认目标林区内的图像，进行松树弯曲度特征、树干颜色特征以及树冠颜色特征
的融合特征向量的二次识别，根据二次识别结果和一次识别结果对目标虫害林区进行二次
作为本发明进一步的方案，在步骤S6的松材线虫病害的二次识别中，松树弯曲度
特征、树干颜色特征以及树冠颜色特征进行特征融合的策略为加权融合，且松树弯曲度特
作为本发明进一步的方案，在步骤S6中，根据二次识别结果和一次识别结果对目
相机识别区域范围对应的林区从无人机识别定位的目标区域中圈出，并将圈出区域定义为
轻型松材线虫病害区域，如果二次识别结果为具备松材线虫病害特征，将地面双目相机识
别区域对应的林区从无人机识别定位的目标区域中圈出，并将圈出区域定义为重型松材线
虫病害区域，将无人机标定的目标区域减去地面双目相机识别区域的区域定义为疑似区
合，获取以地面双目相机为参考点的东南西北四个方向上，目标区域轮廓距离参考点的四
个外围距离，四个外围距离分别为东外围距离、南外围距离、西外围距离和北外围距离，构
行二次定位判断的方法，所述基于数字视频的松材线虫病害区定位方法还包括步骤S7，步
步骤S7，林区管理人员信息输送：地面双目相机通过无线通信技术获取无人机传
输的松材线虫识别目标区域的定位数据，并结合二次识别结果，将虫害判定结果数据和定
位信息确认结果通过物联网技术传输给与地面双目相机直线距离最近的林区管理人员的
人机通过由松树弯曲度特征、树干颜色特征以及树冠颜色特征整合而成的松材线虫病害林
区目标特征向量识别从松材线虫病害之后，利用地面双目相机进一步确认目标区域内数目
松材线虫病害的程度，并相对地面双目无人相机进行信息具象化，为林区管理人员指示方
然，所描述的技术方案仅仅是本发明一部分，而不是全部。基于本发明的内容，本领域普通
技术人员在没有做出创造性劳动前提下所获得的所有其他技术方案，都属于本发明保护的
如图1所示，本发明提出的一种基于数字视频的病虫害区目标定位方法，通过无人
机携带的双目相机联合林区预设的地面监测双目相机，在利用无人机通过由松树弯曲度特
征、树干颜色特征以及树冠颜色特征整合而成的松材线虫病害林区目标特征向量识别从松
材线虫病害之后，利用地面双目相机进一步确认目标区域内数目松材线虫病害的程度，并
相对地面双目无人相机进行信息具象化，为林区管理人员指示方向，包括如下步骤：
步骤S1，松树林区数字视频采集：在无人机上安装双目相机，并利用双目相机采集
步骤S3，林区图像帧预处理：对图像帧进行灰度化处理、几何变换和图像噪声过
步骤S4，重合区域图像配准：找到图像中的重合区域，计算它们之间的变换关系，
在步骤S4中的变换关系计算、图像对齐和深度计算是基于双目相机的图像处理和
提取，使用的特征提取方法为SIFT特征描述子特征提取方法；在左目图像和右目图像中提
的变换关系包括平移、旋转、缩放和透视变换；利用计算得到的变换关系，对右目图像进行
深度计算：在图像对齐后，利用基于SIFT特征点的视差计算方法双目视差计算方
法来计算匹配点对的深度信息，双目视差计算方法基于视差原理，即左目图像和右目图像
中的匹配点对之间的视差（即像素位移）与物体的深度之间存在一定的关系；通过计算匹配
点对的视差，计算出目标虫害区的深度信息，这些深度信息用于生成目标虫害区的基于深
步骤S5，松材线虫病害林区目标识别：利用历史图像中松材线虫病害林区树木的
特征，构建由松树弯曲度特征、树干颜色特征以及树冠颜色特征整合而成的松材线虫病害
林区目标特征向量，识别图像中与松材线虫病害林区目标特征向量相似度高的林区，并将
步骤S6，利用目标虫害区的深度信息获取目标的三维位置信息，生成目标虫害区
进一步地，在步骤S5中，采集已知松材线虫病害林区的历史图像，对每张历史图像
进行预处理，使用曲率计算方法获取每张历史图像中目标树木的弯曲度特征提取，对松材
线虫病害的数目弯曲度特异性识别区域，基于松材线虫病害识别值进行识别，识别过程如
弯曲度特征，分别对训练样本中的树干区域进行等距分割，分割距离为0.8cm；
病害识别值公式，获取松材线虫病害识别值的识别阈值区间，松材线虫病害识别值为发生
病害的分割点数量与特异性病害位置曲率之和的乘积减去发生病害位置的最大外凸值，并
区域树干外轮廓分割点的序号， 为发生病害区域连续出现的最大树干外轮廓分割点数
目， 为发生病害区域连续出现的第 个分割点对应的曲率， 为发生病害位置的最大
值，并将松材线虫病害识别值作为分类器的输入，并根据输出结果进行识别结果的准确度
行识别，松材线虫病害树木会出现明显的弯曲现象，这种方法能够有效地捕捉到松树受到
线虫侵袭后的形态变化，从而实现对松材线虫病害的特异性识别，该方法不仅考虑了松材
线虫病害树木的形态特征，还结合了弯曲度特征和树干颜色特征、树冠颜色特征的融合，从
多个角度综合考虑目标的特征信息，通过综合利用多个特征，能够增加识别的准确性和稳