一种基于北斗定位数据的农机行为分析与作业面积统计方法
技术领域
本发明涉及一种基于北斗定位数据的农机行为分析与作业面积统计方法，属于农机作业数据采集及分析的
技术领域
。背景技术
我国传统农业大部分仍是通过人工干预的方式完成，自动化程度不高，例如在农机作业面积统计、计算方面，大部分仍是采用人工划分、皮尺测量的方式实现，耗费大量的人力和时间，而且人工测量存在一定误差，且均为静态测量方式，无法实时地计算农机作业面积。
精准农业是二十一世纪农业科技发展的重中之重，其科技含量高、集成综合性强，极大地提高了农业生产效率，成为现代化农业生产管理的重要目标。北斗定位导航系统作为核心支撑技术之一，在农业精细化播种及收获、农机实时定位监控、农机自动作业导航、远程指挥调度等方面发挥了不可替代的作用。随着大规模、集约化、区域性农业生产过程的普及，及时掌握农机作业区域和任务完成情况对于整体效率评估以及后续作业调度具有重要意义。传统的农机作业区域统计方法多数采用农机作业人员手动上报或委托第三方实地测绘实现，涉及人为因素较多、误差较大、并且耗费大量人力、物力和时间。针对上述问题，本领域技术人员提出的技术问题为：怎样利用动态计量的方式实现自动、准确的农机作业面积测量？
目前在农机作业面积动态计量方面，主要有车轮转数测量法、超声波测量法、激光测量法以及基于定位导航系统(如GPS、北斗)的测量方法。车轮转数测量法主要利用速度传感器统计农机车轮转数，根据车轮半径间接计算出农机作业距离，然后通过农机作业幅宽乘以作业距离得出作业面积，该方法原理简单、成本低，但是农机在田地里多出现轮子打滑的情况，导致面积测量出现较大误差，而且无法准确测量农机存在重叠作业情况时的作业面积。超声波以及激光测量法原理上差不多，但是激光测量法精度要比超声波测量法高，其主要通过超声或激光传感器实时测量实际作业幅宽，然后结合速度传感器实现作业面积的计算，此方法能有效测量农机重叠作业时的面积，但是需要农作物作为参考，才能获得实际作业幅宽，多用于收获时的作业面积计算。基于定位导航的测量方法主要有基于边界的测量方法和基于轨迹的测量方法。其中，基于边界的测量方法多数是沿着农机作业区域绕行一周，然后采用三角形分割算法或者Simpson算法实现面积的计算。
基于边界的测量方法可用于任意形状的作业区域，一般区域越大，计算精度越高，但是无法统计遗漏作业区域的面积。
基于轨迹的测量方法主要有幅宽法、缓冲区矢量法等计算方法。幅宽法是根据农机作业轨迹长度乘以作业幅宽来获得作业区域的面积，作业长度看作是相邻两个数据点之间的距离累加和，该方法可以动态、实时地计算农机作业面积，但是对于存在重叠作业区域时，无法准确计算作业面积，该方法多用于带有精确自主导航的农机进行满幅作业时的面积计算。缓冲区矢量法主要是构建轨迹线实体的缓冲区，其本质上就是根据农机运行轨迹，向轨迹两侧沿垂直方向平移半个作业幅宽的距离(假设定位终端在农机的中轴线上)得到两条平行线，并在平行线两端或一端采用光滑曲线进行拟合，最终得到的封闭区域即为线实体的缓冲区。
缓冲区矢量法可用于任意形状的作业区域，可统计有效作业以及遗漏作业区域面积，但设计的计算复杂度较高，涉及到多种、多次求交运算。
针对上述技术问题，中国专利文献公开了以下技术内容：
中国专利文献CN107036572B公开一种农机作业面积获取方法及装置，包括：接收农机定位装置发送的农机作业轨迹数据；基于作业速度改进dbscan聚类算法的邻域半径确定方法；采用改进的dbscan聚类算法过滤农机作业轨迹数据中的道路行驶点和田间转场点；根据过滤后的农机作业轨迹数据确定农机作业田块数量；利用距离法分别计算各个农机作业田块的面积。但是该专利文献所述的方法并不适合现有农机作业轨迹数据的采集要求：其农机作业轨迹数据中要求包含速度、航向信息，由此，距离法不适用于重叠作业时的面积统计分析。
中国专利文献CN107462208A公开一种农机及农机作业面积测量装置和测量方法，通过农机上的作业面积测量装置实时采集经纬度数据，记录农机运行轨迹；移除发生偏移的经纬度信息点,确定农机作业轨迹；将所述农机作业轨迹图形的轮廓线确定为作业区域边界线；基于多个测量基准点与作业区域边界线计算作业区域面积。本发明通过去除偏移点、补充空白点的方式准确确定出作业区域边界线,进一步通过多测量基准点计算作业区域面积,具有测量速度快精度高的优点。该文献的技术本质上采用的是基于边界的面积计算方法，因而无法分析、统计遗漏作业区域的面积。
中国专利文献CN107843228B公开一种多层扫描时序空间轨迹面积的获取方法，包括：对农机作业轨迹上运行轨迹点进行高斯克吕格投影；获取运行轨迹点坐标的第一外接矩形；针对每相邻的两个运行轨迹点的坐标，分别生成线缓冲区；扫描每个线缓冲区并栅格化，计算每个线缓冲区所覆盖的栅格面积之和，得到第一作业面积；再次扫描每个线缓冲区，对每个线缓冲区中未完全覆盖的栅格重新栅格化，计算每个线缓冲区所覆盖的栅格的面积之和，得到第二作业面积；第二作业面积与第一作业面积的差值的绝对值小于设定误差阈值时，将第二作业面积作为农机的实际作业面积。本专利文献计算面积采用的是缓冲区矢量法和栅格法相结合的方式，并且涉及到两次测量，计算复杂度较高，而且无法自动识别作业区域，无法分析、统计遗漏作业区域的面积。
综上，本发明利用北斗定位终端实现农机行驶轨迹的实时采集，进而提出一种分析农机行为的方法，其只依靠农机运行的经纬度信息、时间以及作业幅宽便可自动识别农机作业区域，分析统计农机有效作业、遗漏作业、重叠作业时的面积。
发明内容
针对现有技术的不足，本发明公开一种基于北斗定位数据的农机行为分析与作业面积统计方法。
本发明的目的在于：为了提高农机作业区域面积统计的精度以及效率，减少人力、物力以及时间的投入，适应现代农业发展的需求，提供了一种通过北斗定位数据自动分析农机行为以及统计作业区域面积的方法，可自动识别农机作业的每个子区域，可适用于重叠作业、遗漏作业同时存在情况下的面积统计。
本发明详细的技术方案如下：
一种基于北斗定位数据的农机行为分析与作业面积统计方法，其特征在于，包括农机作业区域的自动识别、计算面积、分析重叠面积和遗漏面积；
所述农机作业区域的自动识别的方法为基于空间聚类的农机作业区域自动识别算法；
所述计算面积的方法包括基于栅格的面积计算方法和基于轮廓的面积计算方法；
所述分析重叠面积的方法为，根据轨迹长度乘以幅宽得到的面积减去基于栅格的面积计算方法得到的面积而计算出：
其中d(Qi，Qi+1)表示农机作业相邻轨迹点之间的距离；
所述分析遗漏面积的方法为：
Smiss＝Scontour-Sgrid；
其中，所述Scontour是基于轮廓的面积；所述Sgrid是计算基于栅格的面积。
根据本发明优选的，所述基于空间聚类的农机作业区域自动识别算法包括：
1-1)农机作业数据获取
通过车载北斗定位终端以及GPRS移动通信设备获得农机作业的轨迹数据集合P＝{P1(t1，lat1，long1)，P2(t2，lat2，long2)，…，Pn(tn，latn，longn)，其中t表示时间，lat表示维度，long表示经度，n表示轨迹点总的数量；
1-2)数据预处理
所述预处理是指剔除数据异常点、漂移点、停歇点和随机噪声点；
1-3)投影
得UTM坐标系下的数据点集合Q＝{Q1(t1，x1，y1)，Q2(t2，x2，y2)，…，Qn(tn，xn，yn)；
1-4)空间聚类
利用空间聚类对作业区域进行识别，识别的具体步骤如下：
1-4-1)以预处理之后的每个数据点为圆心，以一定半径r画圆圈，圆圈内有多少个相邻的数据点成为该点的密度值；
1-4-2)如果该点的密度值小于设定阈值min_pts，那么标记该点为低密度点，否则为高密度点；
1-4-3)如果某个高密度点在另一个高密度点的圆圈内，则将两点连接起来；如果某一低密度点在另一个高密度点的圆圈内，也将其连接到距离最近的高密度点上，成为边界点；
1-4-4)重复步骤1-4-2)、1-4-3)，剔除不在任何高密度点的圈内的低密度点，保留高密度点集合为农机作业区域的轨迹点；
1-5)计算基于轮廓的面积Scontour；
1-6)计算基于栅格的面积Sgrid；
1-7)分析所述分析重叠面积的方法为：
根据轨迹长度乘以幅宽得到的面积减去基于栅格的面积计算方法得到的面积而计算出：
其中d(Qi，Qi+1)表示农机作业相邻轨迹点之间的距离；
所述分析遗漏面积的方法为：
Smiss＝Scontour-Sgrid。
根据本发明优选的，所述步骤1-2)数据预处理的方法包括，但不限定剔除数据的顺序：
1-2-1)剔除异常点：任意农机轨迹点应满足P(t，lat，long)：
lat∈[-90°，90°]
long∈[-180°，180°]
将不满足上述公式的数据点作为异常点剔除；
1-2-2)剔除漂移点：对于相邻的2个轨迹点Pi(ti，lati，longi)，Pi+1(ti+1，lati+1，longi+1)计算农机的运行速度：
其中d(Pi，Pi+1)表示相邻轨迹点Pi、Pi+1之间的距离，将v(PiPi+1)＞vmax的轨迹点剔除，其中vmax为农机的最大运行速度；
1-2-3)剔除停歇点：对于k个连续的农机运行轨迹点计算其平均速度：
剔除平均速度小于一定阈值δ的轨迹点进行剔除；
1-2-4)剔除随机噪声点：对于相邻的2个轨迹点Pi(ti，lati，longi)，Pi+1(ti+1，lati+1，longi+1)计算其方向：
将其转化为单位向量的表示方法：θi，i+1→(cos(θi，i+1)，sin(θi，i+1))，那么对于k个连续的农机运行轨迹点计算其方向均值为：
计算其标准差为：
将标准差大于一定阈值的点剔除。
根据本发明优选的，所述15)计算基于轮廓的面积Scontour的方法，基于轮廓的面积计算方法包括以下步骤：
1-5-1)凹包计算
根据聚类得到的数据点，对每一类数据点进行凹包计算，具体步骤如下：
(1)找到y值最小的点，y值相同则取x值最大的点，作为起始点O；
(2)从起始点O出发，以(1，0)为基准向量，先找一个小于半径为R的边作为初始边，此时该点为A；
(3)循环找接下来的边，假设上一条边为AB，那么下一条边必然从B点开始，连接到B的R邻域内的一个点C，寻找点C使用如下规则：先对B的R邻域内的点，以B为中心、BA向量为基准进行极坐标方向排序，然后依次为B的R邻域内的点C0～Cn建立以BCi为弦的圆，然后检查其中是否包含其它的邻域点，若不存在，则该弦即为新的边，跳出循环；
(4)依次找到所有的边，直到找不到新的边或者遇到之前已经作为边的点为止；
1-5-2)计算面积
计算每个类别的凹包得到多个多边形，然后采用三角形分割算法或者Simpson算法计算多边形面积，得到Scontour_in，即
其中w表示作业幅宽，d(Qi，Qi+1)表示相邻边界点Qi、Qi+1之间的距离。
根据本发明优选的，所述步骤16)计算基于栅格的面积Sgrid的方法如下：
1-6-1)区域膨胀，区域膨胀是根据农机轨迹数据以及幅宽对实际作业区域进行栅格化处理，具体步骤如下：
(a-1)找到x，y的最小值xmin，ymin以及最大值xmax，ymax；
(a-2)根据像元与实际尺寸的比例μ确定要开辟的栅格矩阵大小：
其中ε表示额外的边界，保证数据点都位于矩阵内；开辟表示栅格矩阵的二维数组，并初始化为0；
(a-3)根据农机轨迹以及幅宽计算要膨胀的区域：
已知相邻农机运行轨迹点Qi(ti，xi，yi)，Qi+1(ti+1，xi+1，yi+1)以及作业幅宽w，对其进行区域膨胀实际上就是求Q′i，Q″i，Q′i+1，Q″i+1四个点的坐标：
Q′i(x′i，y′i)＝(xi+Δx，yi-Δy)
Q″i(x″i，y″i)＝(xi-Δx，yi+Δy)
Q′i+1(x′i+1，y′i+1)＝(xi+1+Δx，yi+1-Δy)
Q″i+1(x″i+1，y″i+1)＝(xi+1-Δx，yi+1+Δy)
根据Q′i，Q″i，Q′i+1，Q″i+1这四个点生成的矩形以及Q′i+1，Q″i+1这两个点生成的以为半径的半圆与栅格矩阵进行叠加处理：得到栅格化的农机运行轨迹图；
1-6-2)计算面积
根据上述栅格矩阵，统计栅格单元值为1的数量，然后根据像元与实际尺寸的比例计算面积：
Sgrid＝N*w2
其中N为栅格单元值为1的数量。
本发明的技术优势在于：
1.本发明可自动识别农机作业区域，减少了人力、物力以及时间的投入，识别结果如附图所示。
2.本发明可实时统计分析农机作业区域的有效耕作面积、遗漏区域面积、重叠耕作面积，为精准农业分析提供了基础。
3.本发明可适用于低成本的定位终端，对定位数据存在的噪声、漂移不敏感。
4.本发明仅需要农机全天的定位数据以及作业幅宽即可有效分析农机作业面积，无需其它硬件告知算法模型农机是否处于作业状态。
5.本发明不仅可以统计农机全天总的有效作业面积，而且可以有效统计各个子作业区域面积。
附图说明
图1是本发明所述方案的流程图；
图2是农机监管平台示意图；
图3是农机行驶轨迹示意图；
图4是农机行驶轨迹的外围轮廓；
图5是区域膨胀的示意图；
图6是栅格化农机运行轨迹示意图；
图7是凹包计算时寻找新边的原理说明图；
图8是基于边界的作业区域面积计算方法的坐标示意图；
图9a-图9f是本发明实施例中，剔除掉重合区域和遗漏区域干扰后，得到的农机作业区域的图像。
具体实施方式
下面结合实施例和说明书附图对本发明做详细的说明，但不限于此。
实施例
如图1所示，一种基于北斗定位数据的农机行为分析与作业面积统计方法，包括农机作业区域的自动识别、计算面积、分析重叠面积和遗漏面积；
所述农机作业区域的自动识别的方法为基于空间聚类的农机作业区域自动识别算法；
所述计算面积的方法包括基于栅格的面积计算方法和基于轮廓的面积计算方法；
所述分析重叠面积的方法为，根据轨迹长度乘以幅宽得到的面积减去基于栅格的面积计算方法得到的面积而计算出：
其中d(Qi，Qi+1)表示农机作业相邻轨迹点之间的距离；
所述分析遗漏面积的方法为：
Smiss＝Scontour-Sgrid；
其中，所述Scontour是基于轮廓的面积；所述Sgrid是计算基于栅格的面积。
所述基于空间聚类的农机作业区域自动识别算法包括：
1-1)农机作业数据获取
如图2所示，通过车载北斗定位终端以及GPRS移动通信设备获得农机作业的轨迹数据集合P＝{P1(t1，lat1，long1)，P2(t2，lat2，long2)，…，Pn(tn，latn，longn)，其中t表示时间，lat表示维度，long表示经度，n表示轨迹点总的数量；
1-2)数据预处理
所述预处理是指剔除数据异常点、漂移点、停歇点和随机噪声点；
1-3)投影
为便于后续面积及两点之间距离的计算，需要将经纬度信息(WGS84坐标系)转化为平面直角坐标系(UTM坐标系)下的数据点，得UTM坐标系下的数据点集合Q＝{Q1(t1，x1，y1)，Q2(t2，x2，y2)，…，Qn(tn，xn，yn)；
1-4)空间聚类
根据农机行驶数据点的划分，公路行驶点以及田间转移行驶点与实际作业点在空间分布上具有不同之处：如图3、4所示，作业区域的轨迹点分布较为稠密，而公路行驶以及田间转移区域的轨迹点分布较为稀疏，利用空间聚类对作业区域进行识别，识别的具体步骤如下：
1-4-1)以预处理之后的每个数据点为圆心，以一定半径r画圆圈，圆圈内有多少个相邻的数据点成为该点的密度值；
1-4-2)如果该点的密度值小于设定阈值min_pts，那么标记该点为低密度点，否则为高密度点；
1-4-3)如果某个高密度点在另一个高密度点的圆圈内，则将两点连接起来；如果某一低密度点在另一个高密度点的圆圈内，也将其连接到距离最近的高密度点上，成为边界点；
1-4-4)重复步骤1-4-2)、1-4-3)，剔除不在任何高密度点的圈内的低密度点，保留高密度点集合为农机作业区域的轨迹点，所有能够连接在一起的点就构成一类，而不在任何高密度点的圈内的低密度点就是异常点(即公路行驶点或田间转移点)，可以剔除掉，从而得到高密度点(即农机作业区域的轨迹点)；
1-5)计算基于轮廓的面积Scontour；
1-6)计算基于栅格的面积Sgrid；
1-7)分析所述分析重叠面积的方法为：
根据轨迹长度乘以幅宽得到的面积减去基于栅格的面积计算方法得到的面积而计算出：
其中d(Qi，Qi+1)表示农机作业相邻轨迹点之间的距离；
所述分析遗漏面积的方法为：
由于基于轮廓的面积计算方法可能会将遗漏作业区域考虑在内，所以遗漏区域的面积为：
Smiss＝Scontour-Sgrid。
所述步骤1-2)数据预处理的方法包括，但不限定剔除数据的顺序：
1-2-1)剔除异常点：任意农机轨迹点应满足P(t，lat，long)：
lat∈[-90°，90°]
long∈[-180°，180°]
将不满足上述公式的数据点作为异常点剔除；
1-2-2)剔除漂移点：对于相邻的2个轨迹点Pi(ti，lati，longi)，Pi+1(ti+1，lati+1，longi+1)计算农机的运行速度：
其中d(Pi，Pi+1)表示相邻轨迹点Pi、Pi+1之间的距离，将v(PiPi+1)＞vmax的轨迹点剔除，其中vmax为农机的最大运行速度；
1-2-3)剔除停歇点：由于农机在停止状态时，北斗定位终端仍不停的上传数据，所以需要将停歇点剔除掉，农机停歇时，运动速度在一定时间内持续为0，但是在农机转弯时，速度也会接近于0，所以在剔除停歇点时采用平均速度，对于k个连续的农机运行轨迹点计算其平均速度：
剔除平均速度小于一定阈值δ(很小的值，用户可以根据实际农机工作情况进行预先设定)的轨迹点进行剔除；
1-2-4)剔除随机噪声点：由于北斗定位导航系统不可避免的受到多种干扰而出现一定的随机噪声，尤其是农机在停止状态时，农机数据点并不总是固定在一个位置，而是围绕某个中心点，随机游走，所以需要剔除掉这些噪声，减少噪声对后续聚类算法的影响，随机噪声的特点是在一定时间内，数据点方向随机变化，即方差较大；对于相邻的2个轨迹点Pi(ti，lati，longi)，Pi+1(ti+1，lati+1，longi+1)计算其方向：
将其转化为单位向量的表示方法：θi，i+1→(cos(θi，i+1)，sin(θi，i+1))，那么对于k个连续的农机运行轨迹点计算其方向均值为：
计算其标准差为：
将标准差大于一定阈值(用户可以根据实际农机工作情况进行预先设定)的点剔除。
根据本发明优选的，所述1-5)计算基于轮廓的面积Scontour的方法，由空间聚类可得到农机的实际作业区域，因为作业区域可能存在多块(即聚类结果为多个类别)，所以按照类别对每一块作业区域进行面积计算，基于轮廓的面积计算方法包括以下步骤：
1-5-1)凹包计算
根据聚类得到的数据点，对每一类数据点进行凹包计算，如图4所示，具体步骤如下：
(1)找到y值最小的点，y值相同则取x值最大的点，作为起始点O，其中x、y点为数据点的坐标值，此点一定在凹包上；
(2)从起始点O出发，以(1，0)为基准向量，先找一个小于半径为R的边作为初始边，此时该点为A；
(3)循环找接下来的边，假设上一条边为AB，那么下一条边必然从B点开始，连接到B的R邻域内的一个点C，寻找点C使用如下规则：先对B的R邻域内的点，以B为中心、BA向量为基准进行极坐标方向排序，然后依次为B的R邻域内的点C0～Cn建立以BCi为弦的圆，然后检查其中是否包含其它的邻域点，若不存在，则该弦即为新的边，跳出循环，图7是展示如何寻找C点，就是建立BC为弦的圆，然后判断是否包含其它的邻域点，不存在，即找到了该点；
(4)依次找到所有的边，直到找不到新的边或者遇到之前已经作为边的点为止；
1-5-2)计算面积
计算每个类别的凹包得到多个类似于图8所示的多边形，然后采用三角形分割算法或者Simpson算法计算多边形面积，得到Scontour_in，假设北斗定位终端安装在农机的中轴线上，那么实际的面积还要包括外围轮廓长度乘以幅宽/2的面积，即
其中w表示作业幅宽，d(Qi，Qi+1)表示相邻边界点Qi、Qi+1之间的距离。
根据本发明优选的，所述步骤16)计算基于栅格的面积Sgrid的方法如下：
栅格数据结构是由大小相等、分布均匀、紧密相连的像元(网格单元)所组成的阵列数据，可用来表示空间地物或现象的分布，利用栅格数据结构可实现农机作业面积的计算，而且对于重叠作业区域的处理更加容易，其具体步骤如下：
1-6-1)区域膨胀，区域膨胀是根据农机轨迹数据以及幅宽对实际作业区域进行栅格化处理，具体步骤如下：
(a-1)找到x，y的最小值xmin，ymin以及最大值xmax，ymax；
(a-2)根据像元与实际尺寸的比例μ确定要开辟的栅格矩阵大小：
其中ε表示额外的边界，保证数据点都位于矩阵内；开辟表示栅格矩阵的二维数组，并初始化为0；
(a-3)根据农机轨迹以及幅宽计算要膨胀的区域：
如图5所示，已知相邻农机运行轨迹点Qi(ti，xi，yi)，Qi+1(ti+1，xi+1，yi+1)以及作业幅宽w，对其进行区域膨胀实际上就是求Q′i，Q″i，Q′i+1，Q″i+1四个点的坐标：
Q′i(x′i，y′i)＝(xi+Δx，yi-Δy)
Q″i(x″i，y″i)＝(xi-Δx，yi+Δy)
Q′i+1(x′i+1，y′i+1)＝(xi+1+Δx，yi+1-Δy)
Q″i+1(x″i+1，y″i+1)＝(xi+1-Δx，yi+1+Δy)
根据Q′i，Q″i，Q′i+1，Q″i+1这四个点生成的矩形以及Q′i+1，Q″i+1这两个点生成的以为半径的半圆(为了作业区域的平滑)与栅格矩阵进行叠加处理：把此矩形以及半圆范围内的栅格单元的值修改为1，如果之前已经是1(重叠作业)，无需修改，得到栅格化的农机运行轨迹图，如图6所示；
1-6-2)计算面积
根据上述栅格矩阵，统计栅格单元值为1的数量，然后根据像元与实际尺寸的比例计算面积：
Sgrid＝N*w2
其中N为栅格单元值为1的数量。
应用对比例、
如实施例所述的一种基于北斗定位数据的农机行为分析与作业面积统计方法，将该方法应用至6个不同地块，用于检测农机在上述不同地块作业时的运行轨迹，形成如图9a～图9f。
为了验证本发明所述分析与作业面积统计方法的准确性，特对上述6个地块进行实际作业面积人工测量，得到“实际作业面积”。
同时引入现有技术中所述的“边界法”、“幅宽法”分别对农机作业数据进行处理，分别得出对应的面积数据。
将上述按本发明所述方法、利用“边界法”、“幅宽法”得到的农机作业面积进行比较，如表1所示：
表1：
其中“195001018747_0、195001018747_1、195001018747_2、195001018747_3”是指在地块195001018747中的三个识别区域；
“195001018965_0、195001018965_1、195001018965_2、195001018965_3、195001018965_4、195001018965_5”是指在地块195001018965中的六个识别区域；
“206003470996_0、206003470996_1”是指地块206003470996中的两个识别区域。
由表1可知，“边界法”对于存在遗漏作业时的面积统计存在较大误差；而“幅宽法”将重叠作业考虑在内，存在很大误差；本发明根据基于轮廓的以及基于栅格的面积计算方法可将重叠区域、以及遗漏区域分别进行统计，然后剔除掉二者的干扰，得到的实际有效面积误差都要比上述对比算法误差小。
- 上一篇：石墨接头机器人自动装卡簧、装栓机
- 下一篇：一种图像处理方法、装置及存储介质
