基于计算机视觉的立木枝干直径自动测量方法

立木枝干直径是智能型立木整枝机器人工作的重要工作参数.该文提出了一种基于计算机视觉原理的立木枝干自动测量方法.该方法利用已知大小的标定尺简化无线性畸变CCD摄像机标定过程.首先,将标定尺与被测立木紧贴在一起并通过CCD摄像机获取它们的图像;其次,从图像中通过二次模板匹配方法检测标定尺并统计标定尺像素数;然后,计算出图像每一个像素代表的实际尺寸;第四,通过立木枝杈点检测分离出树干和树枝;最后,将统计立木枝干直径的像素数与每一个像素代表的实际尺寸相乘就可以很容易地计算立木枝干直径.该文测量了12组立木枝干的直径,平均绝对误差为0.67 cm,平均相对误差为1.9%.实验结果表明,计算机视觉的立木枝干直径自动测量方法能够比较精确地解决智能型立木整枝机器人中的立木枝干自动测量问题,但是该方法在进行复杂背景立木枝干直径测量时精度需要进一步提高.      

基于Android平台的立木胸径测量系统

本文提出了一种基于Android平台的立木胸径快速测量系统.首先,采用张正友标定法实现了相机自动标定功能,并根据标定结果完成立木图像畸变的矫正;然后,通过YCbCr色彩空间对MeanShift算法进行改进,缩短了图像处理耗时,并减弱了光照的影响;通过改进后的MeanShift算法增强了立木图像纹理与边缘信息,并结合GrabCut算法实现了立木图像的准确分割,提取了立木图像前景;最后,根据立木图像前景提取结果与摄影测量原理构建了立木胸径测量模型和深度提取模型,无需参照物即可实现基于移动端的立木胸径快速测量.本系统比算法改进前有效提高了立木胸径测量的速度,耗时缩短不低于80%,测量结果的最大误差不超过6%,可实现立木胸径的快速测量.     

基于智能手机与机器视觉技术的立木胸径测量方法

针对现有森林资源调查中立木胸径测量工作劳动强度大、效率低,先进设备操作复杂、成本高等问题,结合相机标定、三维重建、机器视觉和近景摄影测量等技术,探索基于智能手机与机器视觉技术的立木胸径测量方法。通过智能手机获取待测立木的图像信息,运用Lab颜色空间模型(Lab color model)和3×3算子对图像进行卷积运算,得到立木图像的视觉显著图; 结合HSV颜色模型(色调H,饱和度S,明度V)中的H分量增强图像中立木树干部分的颜色对比度,通过图像分割算法识别并获取自然环境下的目标立木轮廓区域; 通过一种改进的带有非线性畸变项的相机标定模型标定智能手机的相机内、外参数,并借助相机参数和二维图像信息进行三维世界坐标重建,从而实现树干1.3 m处胸径的测量。经验证,一定距离内胸径测量结果的相对误差小于2.50%。该方法测量精度较高,符合森林资源调查对胸径测量的精度要求,可应用于森林资源调查。     

广角镜头的摄像机非线性标定技术

在路面检测的计算机视觉系统中,采用了线结构光照明和摄像机采集外界三维信息。为了实现在大范围内的测量,摄像机采用了广角镜头摄像,同时也引入了比较大的图像畸变。为了精确标定摄像机,采用比较接近实际情况的几何模型,并采用非线性迭代解方程的方法对摄像机进行标定,求解摄像机的内外参数。实验精度可以达到0.1mm。该方法简洁实用,可以采用这种方法在实际当中对系统进行标定。     

广角镜头的摄像机非线性标定技术

在路面检测的计算机视觉系统中,采用了线结构光照明和摄像机采集外界三维信息。为了实现在大范围内的测量,摄像机采用了广角镜头摄像,同时也引入了比较大的图像畸变。为了精确标定摄像机,采用比较接近实际情况的几何模型,并采用非线性迭代解方程的方法对摄像机进行标定,求解摄像机的内外参数。实验精度可以达到0.1mm。该方法简洁实用,可以采用这种方法在实际当中对系统进行标定。     

基于整枝抚育目的的立木枝干自动识别研究

为了适应我国人工工业用材林自动化整枝抚育的需要，该文提出一种用于工业用材林自动整枝的立木枝干动态识别系统框架，对人工林侧柏的枝干进行了数字图像采集及处理，利用计算机视觉、图像处理、小波分析技术对图像进行压缩、滤波、分割、消噪及边缘特征提取.同时提出了一种立木枝干计算机自动识别算法，提取立木图像枝干形状、尺寸、弯曲度及相对空间位置关系基本生长特征，即利用模式识别技术验算其与特征数据库的匹配情况，从而达到立木枝干自动识别的目的，为后续的自动识别研究提供了依据.      

一种基于圆形标志点的摄像机标定方法

摄像机标定是估计成像过程中的摄像机参数,它直接影响测量的准确性。本文针对圆形标定板的特性,提出了一种基于圆形标志点的摄像机标定方法。首先,提取图像中目标轮廓,用区域属性函数获得图像中目标的属性,计算出标志圆质心的坐标;然后用Zhang提出的基于平面两步标定法进行摄像机标定,并对内参数运用最大似然估计求解;外参数运用最小二乘法和最大似然估计算法求解;最后,对标定结果进行评价。实验结果表明,标定残差的平均误差在0.3以下,验证标定方法的可行与有效性。     

基于智能手机单目视觉的多株立木高度提取方法

  目的  提出一种智能手机单目视觉下的多株立木高度提取方法。  方法  该方法以智能手机为采集设备，利用Graph Cut 算法对输入的立木图像进行分割定位，实现单幅图像中多株立木轮廓的自动获取；再通过智能手机相机对摄像头进行标定，从而基于几何相似法获取智能手机相机图像的深度信息。在不同角度下拍摄标靶，进行深度提取模型的精度优化，进而确定信息提取的最优方位。同时，结合高精度陀螺仪获取相机俯视角，根据提取的深度信息和相机俯视角实现非接触条件下的多株立木高度测量。  结果  使用型号为MI 2S的小米智能手机为试验设备，在本方法中的立木高度测量模型具有良好的稳定性，并且试验中最高相对误差为2.45%，树高测量精度可达97.55%。  结论  基于智能手机单目视觉下的立木高度提取方法精确度高、操作简便，能够有效满足国家森林资源二类调查中对于树高测量精度的要求。      

计算机视觉摄影测量模型的标定算法

计算机视觉摄影测量模型的求解效率和精度是采用摄像机进行测量的关键。为对所建立的摄影测量模型进行高效求解,根据正交变换的基本原理,提出了基于吉文斯变换的标定模型解算方法。利用该算法对模型进行了标定计算,获得了较高的标定和测量精度。     

应用半球图像构建的立木高度测算方法

结合鱼眼相机标定技术、近景摄影测量技术、图像处理技术,提出了应用半球图像测算立木高度的测量方法。利用配有鱼眼镜头的iPhone7苹果手机采集半球图像,图像尺寸为3024×3024像素时,图像光学中心点坐标用图像中心点坐标代替,畸变系数分别取k_x=18.141、k_y=17.936;依据鱼眼镜头的标定、校正原理建立测算树高的数学模型,给出模型参数标定步骤;通过实地测量与计算,分析半球图像立木高度测算方法与传统的超声波测高方法的差异。结果表明:半球图像立木高度测算方法,最高相对误差为3.35%,能够满足国家森林资源二类调查中对树高测量精度的要求。与超声波测距仪相比,半球图像立木高度测算方法——精度更高、测量结果更稳定;测量范围广、单幅采集立木信息量大,能在一幅半球图像中实现一排树的树高测算,有效降低测量工作量;成本低、设备便携、操作简单,单人即可完成测量。     

针叶树种计算机视觉苗木自动分级系统的研究

针对苗木分级领域的实际需要及国际苗木分级技术发展状况,研究,设计了针叶树种计算机视突苗木自动分级系统。该系统应用计算机视觉技术和神经网络技术。通过对苗木图像的处理。在实验室中实现对苗木的自动分级,实验研究表明,计算机视觉自动分级系统在苗木分级领域中具有良好的应用前景。     

基于消费级双目相机的立木因子测量方法

  目的  随着林业信息化的快速发展,机器视觉测量技术广泛应用于林业领域。针对传统立木因子测量方法成本较高、携带不便、操作复杂等问题,提出消费级双目相机与机器视觉技术相结合的立木因子无接触测量方法。  方法  首先使用消费级USB 3.0双目相机采集立木图像,通过改进的SGM算法生成高质量视差图;再根据三角原理转化为深度图,进而获取立木三维点云;基于空间密度聚类和混合滤波三维点云去噪方法快速准确去除聚集、离散的噪声点,再进行方向矫正和点云分割;最后,利用最值遍历法和椭圆拟合法实现树高、胸径的无接触测量。  结果  树高、胸径的相对测量误差分别小于2.219%、5.620%,测量值与真实值的相关系数R2分别为0.978、0.995,均方根误差分别为0.047 m、0.249 cm。  结论  本方法易操作、成本较低,同时具有较高的测量精度,能够满足无接触测量的需求。图5表2参27     

Elman神经网络在农网短期负荷预测中的应用

为提高负荷预测精度,更好地反映负荷的动态特性,提出了一种基于Elman神经网络的预测方法。先对负荷样本进行数据预处理,消除伪数据,然后把不同日各时刻的负荷序列作为样本,对未来时刻的负荷进行短期预测。预测实例表明,基于Elman神经网络的预测方法比基于BP神经网络的预测方法具有更好的预测效果。     

基于特征点提取的林木生长状态无损测量方法

为提高林木生长状态测量的准确性,克服传统测量方法的不足,从视差处理的角度出发,根据不同时间点采集到的树木图像信息,通过采取特征点提取方法,判断出一段时间内树木生长状态的变化情况。试验过程中,将待采集图像的树木上标出红色的矩形信息点,并利用双摄像机针对标出的特征点进行采集,然后将2幅树木图像进行对比研究, 分别计算出在一定时间间隔内树木上信息点空间信息,从而确定该段时间内信息点的位置变化。试验结果表明:针对标定的信息点,传统测量方法在高度和粗度上数值相近,与林木生长实际不符;而基于视觉技术的测量,其测量结果与林木的实际增长过程是一致的,能够很好地实现对树木的无损测量研究,判断出树木的生长状态变化情况。图4表1参22     

一种基于神经网络的扇贝图像识别方法

为了满足计算机视觉辅助下应用机器人进行扇贝自动分拣的实时性和鲁棒性要求,提出了一种基于神经网络的扇贝识别和分级方法.首先对图像进行灰度化处理,并用canny算子检测目标边界,然后用8-连通邻域追踪算法提取目标边界像素坐标,最后计算目标边界到中心点的平均距离及其绝对平均误差,并作为特征信息训练BP神经网络,实现对扇贝图像识别和分类.实验结果表明,该方法可以快速实现扇贝的自动识别和分级工作.     

用人工神经网络进行果实颜色分级技术研究

以计算机视觉自动检测果实表面着色度并进行分级为目的,在分析果实表面颜色色相分布特性的基础上,提出将果实色相分布曲线作为模式处理,用人工神经网络进行果实表面颜色分级。结果表明,人工神经网络分级与人工分级的一致度在９４％以上。     

基于BP神经网络的农业高科技投资项目风险评价模型

在建立农业高科技投资项目风险评价指标体系的基础上,引入人工神经网络建模方法,建立基于BP神经网络的农业高科技投资项目风险评价模型,并运用实例对其进行了训练和预测,取得了较好的结果,说明该模型能较为准确地按照专家的评价方法进行工作,为农业高科技投资项目提供了现实可用的风险预测及风险控制工具,同时进一步显示出神经网络模型在现代农业经济非线性领域应用的广阔前景。     

基于神经网络遗传算法的湿度测量系统研究

在研究湿度测量和控制原理的基础上,设计了一种基于神经网络遗传算法的湿度测量系统。系统采用DHT11湿度传感器,利用改良的神经网络遗传算法对湿度测量进行优化。结果表明,经神经网络遗传算法优化的湿度测量仪可以将精度控制在1.6×10-2,大大地提高了湿度测量的精度,并且基于该算法的湿度测量具有很好的鲁棒性和自适应性。     

基于计算机视觉技术对杂交水稻裂颖种子的识别研究

应用计算机视觉技术理论,通过图像处理获取正常、微裂、裂颖3种杂交水稻种子的特征,并根据这些特征设计神经网络进行杂交水稻裂颖种子识别。结果表明,该方法能准确识别正常、微裂、裂颖的种子,识别率达到96%、85%、95%。