本发明涉及一种土壤湿度监测方法，尤其涉及一种基于无人机的土壤湿度监测方法、系统及可读存储介质。
背景技术：
土壤湿度是气候、水文、生态和农业等方面研究的一个重要的基础参数,它直接控制着陆面和大气之间水、热量的输送和平衡。土壤湿度的变化会引起土壤热学特性、地表光学特性的改变,从而影响气候的变化。区域性和大尺度的陆地土壤湿度变化信息对于陆气交互作用平衡和陆面水文研究、改善区域及全球气候模式预报结果、水涝和干早的监测、农作物生长态势评估、自然和生态环境问题的研究等都是十分关键的因素。因而,研究区域或大范围的土壤水分有着特别重要的意义,传统的地面观测站网络不能满足大尺度土壤水分的时间、空间连续动态变化研究的需要。而现在广泛应用的微波测量方式虽然穿透力强,也存在设备过于沉重、短波范围内电测波信号受大气干扰比较大、波段难以控制等缺点,限制了其在农业自动化方面的发展。目前也有很多用可见光近红外热红外等光学遥感手段来获取土壤湿度时空分布信息,采用光学遥感具有体积小、成像简单、周期短、费用低等优点,利于将来的农业普及。但是这种手段在目前的应用中大多依靠高空飞行器负载,因为光学遥感的波段无法穿透云层,所以在实际应用中受到了限制。而无人机的出现解决了这些问题。
为了能够对土壤湿度监测实现精准的控制，需要开发一款与其相匹配的系统进行控制，该系统通过采集目标区域内的土壤图像，对土壤图像进行预处理，得到土壤图像信息；建立土壤湿度预测模型，提取土壤图像灰度值，得到土壤介电特性；根据土壤介电特性分析土壤含水量，但是在进行控制过程中，如何实现精准控制的同时，实现土壤湿度精准监测都是亟不可待要解决的问题。
技术实现要素：
本发明克服了现有技术的不足，提供一种基于无人机的土壤湿度监测方法、系统及可读存储介质。
为达到上述目的，本发明采用的技术方案为：一种基于无人机的土壤湿度监测方法，包括：
采集目标区域内的土壤图像，对土壤图像进行预处理，得到土壤图像信息；
建立土壤湿度预测模型，提取土壤图像灰度值，得到土壤介电特性；
根据土壤介电特性分析土壤含水量，得到结果信息；
将结果信息按照预定方式进行显示。
本发明一个较佳实施例中，采集目标区域内的土壤图像，对土壤图像进行预处理，得到土壤图像信息，具体包括：
获取土壤图像，提取土壤图像特征点，计算每一个特征点对应的图像灰度值，
判断一特征点的图像灰度值与预设模板中心的像素差值是否小于预定阈值；
若小于，则认为该特征点点与中心点同值，并将同值的特征点进行归类。
本发明一个较佳实施例中，设定采样时间t1与t2，分别得到t1时间采集的图像x1与t2时间采集的图像x2，
将图像x1与图像x2中同值的特征点进行归类，得到特征点集合q1与q2；
从q1与q2特征点集合内分别提取3个特征点，判断对应特征点是否满足约束条件，
若满足，则进行图像x1与图像x2匹配，生成图像x1与图像x2的融合图像；
其中，由特征点集合q1中提取的特征点分别记为x11，x12，x13；
由特征点集合q2中提取的特征点分别记为x21，x22，x23；
约束条件为
本发明一个较佳实施例中，采集目标区域内的土壤图像，对土壤图像进行预处理，还包括：
获取土壤图像，对土壤图像进行边界点提取，过滤杂乱的边界，得到图像轮廓；
提取边界点作为特征点，若干个特征点进行相似度比较，
判断相似度是否小于预设阈值，
若小于，则进行特征点配准，
特征点配准完成后，根据图像轮廓进行链码扫描，并对图像进行适配性调整。
本发明一个较佳实施例中，图像适配性调整包括图像旋转、图像补光、图像平移、图像缩放中的一种或多种组合；
相似度采用特征点之间的欧式距离进行表示。
本发明一个较佳实施例中，建立土壤湿度预测模型，提取土壤图像灰度值，得到土壤介电特性，具体包括：
接收雷达波信号，对波信号进行降噪处理，
土壤反射波信号形成回波信号，建立雷达波信号散射系数与土壤水分含量曲线图；
根据曲线图计算土壤表面粗糙度；
根据土壤表面粗糙度反演出土壤水分反射函数，并得到土壤介电特性。
本发明第二方面还提供了一种基于无人机的土壤湿度监测系统，该系统包括：存储器、处理器，所述存储器中包括基于无人机的土壤湿度监测方法程序，所述基于无人机的土壤湿度监测方法程序被所述处理器执行时实现如下步骤：
采集目标区域内的土壤图像，对土壤图像进行预处理，得到土壤图像信息；
建立土壤湿度预测模型，提取土壤图像灰度值，得到土壤介电特性；
根据土壤介电特性分析土壤含水量，得到结果信息；
将结果信息按照预定方式进行显示。
本发明一个较佳实施例中，采集目标区域内的土壤图像，对土壤图像进行预处理，得到土壤图像信息，具体包括：
获取土壤图像，提取土壤图像特征点，计算每一个特征点对应的图像灰度值，
判断一特征点的图像灰度值与预设模板中心的像素差值是否小于预定阈值；
若小于，则认为该特征点点与中心点同值，并将同值的特征点进行归类。
本发明一个较佳实施例中，设定采样时间t1与t2，分别得到t1时间采集的图像x1与t2时间采集的图像x2，
将图像x1与图像x2中同值的特征点进行归类，得到特征点集合q1与q2；
从q1与q2特征点集合内分别提取3个特征点，判断对应特征点是否满足约束条件，
若满足，则进行图像x1与图像x2匹配，生成图像x1与图像x2的融合图像；
其中，由特征点集合q1中提取的特征点分别记为x11，x12，x13；
由特征点集合q2中提取的特征点分别记为x21，x22，x23；
约束条件为
本发明第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质中包括基于无人机的土壤湿度监测方法程序，所述基于无人机的土壤湿度监测方法程序被处理器执行时，实现上述任一项所述的基于无人机的土壤湿度监测方法的步骤。
本发明解决了背景技术中存在的缺陷，本发明具备以下有益效果：
(1)通过将采集的土壤图像进行边界提取，得到图像轮廓，并对不同采集时间下获得的土壤图像进行配准，实现多源信息融合，能够实现不同时间、不同条件下获得的土壤图像的差异性进行监测，图像配准即将同一场景的不同图像进行对齐或匹配，同一场景在不同天气、不同亮度、不同拍摄角度获取的两个或多个图像进行匹配，土壤图像差异性表现在不同的分辨率、不同的灰度属性或不同的位置等等，通过将两个或多个图像数据进行融合实现对目标区域场景精准分析。
(2)根据不同含水量的土壤介电特性的不同，雷达回波信号也不同，可以建立散射系数与土壤水分含量的关系，进而分析土壤中的水分含量，计算结果比较精准。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1示出了本发明一种基于无人机的土壤湿度监测方法的流程图；
图2示出了特征点归类方法流程图；
图3示出了图像轮廓提取方法流程图；
图4示出了一种基于无人机的土壤湿度监测系统框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种基于无人机的土壤湿度监测方法的流程图。
如图1所示，本发明第一方面提供了一种基于无人机的土壤湿度监测方法，包括：
s102，采集目标区域内的土壤图像，对土壤图像进行预处理，得到土壤图像信息；
s104，建立土壤湿度预测模型，提取土壤图像灰度值，得到土壤介电特性；
s106，根据土壤介电特性分析土壤含水量，得到结果信息；
s108，将结果信息按照预定方式进行显示。
需要说明的是，不同的时间地偏角在变化,每天不同的时间采集的数据有很大差异。至于尽量快的采集数据是因为采集过程中,因为水分蒸发,土壤湿度在随时发生变化,为了保证采集数据与照片一致,采集过程需要的时间尽量短。第三,每天的采集时间应该经过计算,保证日偏角最小。这是因为阳光的照射在地面造成阴影,日偏角越小,阴影越少,在后续的无人机飞行过程中,每次飞行之前需要提前计算好最佳飞行时间,因为无人机拍摄的土壤图像精度高,地面任何的阴影都会造成误差。
如图2所示，本发明公开了特征点归类方法流程图；
根据本发明实施例，采集目标区域内的土壤图像，对土壤图像进行预处理，得到土壤图像信息，具体包括：
s202，获取土壤图像，提取土壤图像特征点，计算每一个特征点对应的图像灰度值，
s204，判断一特征点的图像灰度值与预设模板中心的像素差值是否小于预定阈值；
s206，若小于，则认为该特征点点与中心点同值，并将同值的特征点进行归类。
需要说明的是，将需要测量的场地分为多个方格,包括4x4方格或8x8个方格，每次采样在一个方格进行一次,这样保证了获取土壤湿度的平均值为整个区域上的土壤湿度。保证实验区域内没有大的颗粒,减少阴影的出现。
根据本发明实施例，设定采样时间t1与t2，分别得到t1时间采集的图像x1与t2时间采集的图像x2，
将图像x1与图像x2中同值的特征点进行归类，得到特征点集合q1与q2；
从q1与q2特征点集合内分别提取3个特征点，判断对应特征点是否满足约束条件，
若满足，则进行图像x1与图像x2匹配，生成图像x1与图像x2的融合图像；
其中，由特征点集合q1中提取的特征点分别记为x11，x12，x13；
由特征点集合q2中提取的特征点分别记为x21，x22，x23；
约束条件为
如图3所示，本发明公开了图像轮廓提取方法流程图；
根据本发明实施例，采集目标区域内的土壤图像，对土壤图像进行预处理，还包括：
s302，获取土壤图像，对土壤图像进行边界点提取，过滤杂乱的边界，得到图像轮廓；
s304，提取边界点作为特征点，若干个特征点进行相似度比较，
s306，判断相似度是否小于预设阈值，
s308，若小于，则进行特征点配准，
s310，特征点配准完成后，根据图像轮廓进行链码扫描，并对图像进行适配性调整。
需要说明的是，通过将采集的土壤图像进行边界提取，得到图像轮廓，并对不同采集时间下获得的土壤图像进行配准，实现多源信息融合，能够实现不同时间、不同条件下获得的土壤图像的差异性进行监测，图像配准即将同一场景的不同图像进行对齐或匹配，同一场景在不同天气、不同亮度、不同拍摄角度获取的两个或多个图像进行匹配，土壤图像差异性表现在不同的分辨率、不同的灰度属性或不同的位置等等，通过将两个或多个图像数据进行融合实现对目标区域场景精准分析。
根据本发明实施例，图像适配性调整包括图像旋转、图像补光、图像平移、图像缩放中的一种或多种组合；
相似度采用特征点之间的欧式距离进行表示。
需要说明的是，典型的特征点有拐角点、线交叉点、不连续点、轮廓上的曲率最大点、封闭曲线的质心等,若无形状或曲线特征,还可以选择区域中的感兴趣点,如算子,选择具有局部最大变化的点。点特征易于标示和操作,同时也能反映图像的本质特征。保证适当的特征点数目,因为配准运算需要足够的特征点,而过多的特征点则使配准难于进行。特征配准寻找两幅图像中特征点的对应关系,最常采用的是松弛配准算法,依据特征点集中所有点的信息和点之间相互关系的信息,通过迭代消除配准的奇异性,使相似度达到最大。
根据本发明实施例，建立土壤湿度预测模型，提取土壤图像灰度值，得到土壤介电特性，具体包括：
接收雷达波信号，对波信号进行降噪处理，
土壤反射波信号形成回波信号，建立雷达波信号散射系数与土壤水分含量曲线图；
根据曲线图计算土壤表面粗糙度；
根据土壤表面粗糙度反演出土壤水分反射函数，并得到土壤介电特性。
根据本发明实施例，还包括:
获取无人机动态航迹，将动态航迹进行航迹点分解，得到航迹点三维坐标信息；将三维坐标信息进行降维处理，得到航迹点一维信息；
对航迹点一维信息进行迭代求解，得到结果值；
判断结果值是否大于预设阈值；
若大于，则继续迭代；
若小于，生成航迹点信息，并将多个航迹点信息进行耦合，得到动态航迹约束信息。
如图4所示，本发明公开了一种基于无人机的土壤湿度监测系统框图；
本发明第二方面还提供了一种基于无人机的土壤湿度监测系统，该系统包括：存储器、处理器，所述存储器中包括基于无人机的土壤湿度监测方法程序，所述基于无人机的土壤湿度监测方法程序被所述处理器执行时实现如下步骤：
采集目标区域内的土壤图像，对土壤图像进行预处理，得到土壤图像信息；
建立土壤湿度预测模型，提取土壤图像灰度值，得到土壤介电特性；
根据土壤介电特性分析土壤含水量，得到结果信息；
将结果信息按照预定方式进行显示。
需要说明的是，不同的时间地偏角在变化,每天不同的时间采集回的数据有很大差异。至于尽量快的采集数据是因为采集过程中,因为水分蒸发,土壤湿度在随时发生变化,为了保证采集数据与照片一致,采集过程需要的时间尽量短。第三,每天的采集时间应该经过计算,保证日偏角最小。这是因为阳光的照射在地面造成阴影,日偏角越小,阴影越少,在后续的无人机飞行过程中,每次飞行之前需要提前计算好最佳飞行时间,因为无人机拍摄的土壤图像精度高,地面任何的阴影都会造成误差。
根据本发明实施例，采集目标区域内的土壤图像，对土壤图像进行预处理，得到土壤图像信息，具体包括：
获取土壤图像，提取土壤图像特征点，计算每一个特征点对应的图像灰度值，
判断一特征点的图像灰度值与预设模板中心的像素差值是否小于预定阈值；
若小于，则认为该特征点点与中心点同值，并将同值的特征点进行归类。
需要说明的是，将需要测量的场地分为多个方格,包括4x4方格或8x8个方格，每次采样在一个方格进行一次,这样保证了获取土壤湿度的平均值为整个区域上的土壤湿度。保证实验区域内没有大的颗粒,减少阴影的出现。
根据本发明实施例，设定采样时间t1与t2，分别得到t1时间采集的图像x1与t2时间采集的图像x2，
将图像x1与图像x2中同值的特征点进行归类，得到特征点集合q1与q2；
从q1与q2特征点集合内分别提取3个特征点，判断对应特征点是否满足约束条件，
若满足，则进行图像x1与图像x2匹配，生成图像x1与图像x2的融合图像；
其中，由特征点集合q1中提取的特征点分别记为x11，x12，x13；
由特征点集合q2中提取的特征点分别记为x21，x22，x23；
约束条件为
根据本发明实施例，采集目标区域内的土壤图像，对土壤图像进行预处理，还包括：
获取土壤图像，对土壤图像进行边界点提取，过滤杂乱的边界，得到图像轮廓；
提取边界点作为特征点，若干个特征点进行相似度比较，
判断相似度是否小于预设阈值，
若小于，则进行特征点配准，
特征点配准完成后，根据图像轮廓进行链码扫描，并对图像进行适配性调整。
需要说明的是，通过将采集的土壤图像进行边界提取，得到图像轮廓，并对不同采集时间下获得的土壤图像进行配准，实现多源信息融合，能够实现不同时间、不同条件下获得的土壤图像的差异性进行监测，图像配准即将同一场景的不同图像进行对齐或匹配，同一场景在不同天气、不同亮度、不同拍摄角度获取的两个或多个图像进行匹配，土壤图像差异性表现在不同的分辨率、不同的灰度属性或不同的位置等等，通过将两个或多个图像数据进行融合实现对目标区域场景精准分析。
根据本发明实施例，图像适配性调整包括图像旋转、图像补光、图像平移、图像缩放中的一种或多种组合；
相似度采用特征点之间的欧式距离进行表示。
需要说明的是，典型的特征点有拐角点、线交叉点、不连续点、轮廓上的曲率最大点、封闭曲线的质心等,若无形状或曲线特征,还可以选择区域中的感兴趣点,如算子,选择具有局部最大变化的点。点特征易于标示和操作,同时也能反映图像的本质特征。保证适当的特征点数目,因为配准运算需要足够的特征点,而过多的特征点则使配准难于进行。特征配准寻找两幅图像中特征点的对应关系,最常采用的是松弛配准算法,依据特征点集中所有点的信息和点之间相互关系的信息,通过迭代消除配准的奇异性,使相似度达到最大。
根据本发明实施例，还包括:
获取无人机动态航迹，将动态航迹进行航迹点分解，得到航迹点三维坐标信息；将三维坐标信息进行降维处理，得到航迹点一维信息；
对航迹点一维信息进行迭代求解，得到结果值；
判断结果值是否大于预设阈值；
若大于，则继续迭代；
若小于，生成航迹点信息，并将多个航迹点信息进行耦合，得到动态航迹约束信息。
根据本发明实施例，建立土壤湿度预测模型，提取土壤图像灰度值，得到土壤介电特性，具体包括：
接收雷达波信号，对波信号进行降噪处理，
土壤反射波信号形成回波信号，建立雷达波信号散射系数与土壤水分含量曲线图；
根据曲线图计算土壤表面粗糙度；
根据土壤表面粗糙度反演出土壤水分反射函数，并得到土壤介电特性。
本发明第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质中包括基于无人机的土壤湿度监测方法程序，所述基于无人机的土壤湿度监测方法程序被处理器执行时，实现上述任一项所述的基于无人机的土壤湿度监测方法的步骤。
综上所述，通过将采集的土壤图像进行边界提取，得到图像轮廓，并对不同采集时间下获得的土壤图像进行配准，实现多源信息融合，能够实现不同时间、不同条件下获得的土壤图像的差异性进行监测，图像配准即将同一场景的不同图像进行对齐或匹配，同一场景在不同天气、不同亮度、不同拍摄角度获取的两个或多个图像进行匹配，土壤图像差异性表现在不同的分辨率、不同的灰度属性或不同的位置等等，通过将两个或多个图像数据进行融合实现对目标区域场景精准分析。
根据不同含水量的土壤介电特性的不同，雷达回波信号也不同，可以建立散射系数与土壤水分含量的关系，进而分析土壤中的水分含量，计算结果比较精准。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括：移动存储设备、rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
1.一种基于无人机的土壤湿度监测方法，其特征在于，包括：
采集目标区域内的土壤图像，对土壤图像进行预处理，得到土壤图像信息；
建立土壤湿度预测模型，提取土壤图像灰度值，得到土壤介电特性；
根据土壤介电特性分析土壤含水量，得到结果信息；
将结果信息按照预定方式进行显示。
2.根据权利要求1所述的一种基于无人机的土壤湿度监测方法，其特征在于，采集目标区域内的土壤图像，对土壤图像进行预处理，得到土壤图像信息，具体包括：
获取土壤图像，提取土壤图像特征点，计算每一个特征点对应的图像灰度值，
判断一特征点的图像灰度值与预设模板中心的像素差值是否小于预定阈值；
若小于，则认为该特征点点与中心点同值，并将同值的特征点进行归类。
3.根据权利要求2所述的一种基于无人机的土壤湿度监测方法，其特征在于，设定采样时间t1与t2，分别得到t1时间采集的图像x1与t2时间采集的图像x2，
将图像x1与图像x2中同值的特征点进行归类，得到特征点集合q1与q2；
从q1与q2特征点集合内分别提取3个特征点，判断对应特征点是否满足约束条件，
若满足，则进行图像x1与图像x2匹配，生成图像x1与图像x2的融合图像；
其中，由特征点集合q1中提取的特征点分别记为x11，x12，x13；
由特征点集合q2中提取的特征点分别记为x21，x22，x23；
约束条件为
4.根据权利要求1所述的一种基于无人机的土壤湿度监测方法，其特征在于，采集目标区域内的土壤图像，对土壤图像进行预处理，还包括：
获取土壤图像，对土壤图像进行边界点提取，过滤杂乱的边界，得到图像轮廓；
提取边界点作为特征点，若干个特征点进行相似度比较，
判断相似度是否小于预设阈值，
若小于，则进行特征点配准，
特征点配准完成后，根据图像轮廓进行链码扫描，并对图像进行适配性调整。
5.根据权利要求4所述的一种基于无人机的土壤湿度监测方法，其特征在于，图像适配性调整包括图像旋转、图像补光、图像平移、图像缩放中的一种或多种组合；
相似度采用特征点之间的欧式距离进行表示。
6.根据权利要求1所述的一种基于无人机的土壤湿度监测方法，其特征在于，建立土壤湿度预测模型，提取土壤图像灰度值，得到土壤介电特性，具体包括：
接收雷达波信号，对波信号进行降噪处理，
土壤反射波信号形成回波信号，建立雷达波信号散射系数与土壤水分含量曲线图；
根据曲线图计算土壤表面粗糙度；
根据土壤表面粗糙度反演出土壤水分反射函数，并得到土壤介电特性。
7.一种基于无人机的土壤湿度监测系统，其特征在于，该系统包括：存储器、处理器，所述存储器中包括基于无人机的土壤湿度监测方法程序，所述基于无人机的土壤湿度监测方法程序被所述处理器执行时实现如下步骤：
采集目标区域内的土壤图像，对土壤图像进行预处理，得到土壤图像信息；
建立土壤湿度预测模型，提取土壤图像灰度值，得到土壤介电特性；
根据土壤介电特性分析土壤含水量，得到结果信息；
将结果信息按照预定方式进行显示。
8.根据权利要求7所述的一种基于无人机的土壤湿度监测系统，其特征在于，采集目标区域内的土壤图像，对土壤图像进行预处理，得到土壤图像信息，具体包括：
获取土壤图像，提取土壤图像特征点，计算每一个特征点对应的图像灰度值，
判断一特征点的图像灰度值与预设模板中心的像素差值是否小于预定阈值；
若小于，则认为该特征点点与中心点同值，并将同值的特征点进行归类。
9.根据权利要求7所述的一种基于无人机的土壤湿度监测系统，其特征在于，设定采样时间t1与t2，分别得到t1时间采集的图像x1与t2时间采集的图像x2，
将图像x1与图像x2中同值的特征点进行归类，得到特征点集合q1与q2；
从q1与q2特征点集合内分别提取3个特征点，判断对应特征点是否满足约束条件，
若满足，则进行图像x1与图像x2匹配，生成图像x1与图像x2的融合图像；
其中，由特征点集合q1中提取的特征点分别记为x11，x12，x13；
由特征点集合q2中提取的特征点分别记为x21，x22，x23；
约束条件为
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括基于无人机的土壤湿度监测方法程序，所述基于无人机的土壤湿度监测方法程序被处理器执行时，实现如权利要求1至6中任一项所述的基于无人机的土壤湿度监测方法的步骤。
技术总结