基于Kinect的农作物长势深度图像实时获取算法

快速、准确、实时获取农作物长势形态图像信息已经成为数字农业生产管理的趋势和必要手段,而深度图像信息包含彩色图像所没有的三维信息,可为农作物的生长模型三维重建以及实时长势形态监测提供有价值的数据。本研究采用微软公司开发的一款廉价体感游戏设备Kinect,尝试了对农作物长势形态深度图像进行实时监测研究,在介绍Kinect深度成像原理的基础上,提出了采用Kinect获取农作物长势深度图像的算法以及提取3D点云世界坐标的算法,并开展了初步试验。试验结果表明,该方法可以获取良好的三维图像数据信息,能够为后期农作物的生长模型三维重建、长势状态分析、病虫害实时监测等研究提供有价值的数据依据。     

林区GPS控制网的建立及应用

该文通过试验探讨了林区GPS控制网布设的方法和一般原则,研究了基于该网的GPS单点定位、小班边界空间定位和SPOT5、QuickBird等高空间分辨率遥感图像几何精校正地面控制点采集等GPS在林业中应用的主要问题.结果表明,通过以林区GPS控制网差分基准站作为控制点求解高精度的坐标转换参数,手持式GPS单机定位最大综合误差为3.86 m;小班边界平均位移和中心位置绝对位移分别为3.23、3.72 m,小班面积测量精度达到98%以上;所采集的地面控制点综合误差小于0.5 m,完全满足SPOT5、IKONOS及QuickBird等高空间分辨率卫星图像几何精校正的要求,对SPOT5和QuickBird图像进行多项式变换几何精校正,综合误差均小于1个像元.建立林区GPS控制网后,GPS在林区应用的精度和效率大大提高.     

自然场景下多目标苹果识别定位融合算法研究

自然场景下苹果采摘对目标的精准识别和三维定位是苹果智能采摘设备的关键技术。融合YOLOv3算法和双目视觉技术,通过YOLOv3算法对多种自然场景下的样本进行训练,构建识别模型,利用双目视觉获取苹果图像,运用YOLOv3模型得到图像中目标苹果的二维坐标,再利用双目视觉视差原理得到深度坐标信息,从而实现对目标苹果的三维空间定位。将该算法应用于不同自然场景下苹果的识别和定位,并进行识别效果和定位精度的评价。结果表明,在光照不均、果实上存在阴影并且存在相互遮挡的情况下,最小相对误差为0.193%,最大相对误差为3.670%;在夜晚光照不足且存在相互遮挡的情况下,最小相对误差为0.831%,最大相对误差为4.417%;有露水在苹果表面形成反射并且果实存在相互遮挡的情况下,最小相对误差为0.176%,最大相对误差为4.205%;在光线较弱、阴影小、存在遮挡时,最小相对误差为0.168%,最大相对为误差3.776%。研究中所运用的算法只需适量样本就可以满足不同场景下的识别和定位训练,在不同场景下的mAP(mean Average Precision)达96.60%。该算法具有较强的稳定性,能够识别重...     

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。      

基于苹果朝向的最大横切面直径检测方法

为提高运动苹果的采后分选精度,设计一种基于苹果朝向的最大横切面直径检测方法。采集苹果在传送杆上多位置、多姿态RGB图像,利用张氏标定法进行图像畸变校正,通过颜色分割和形态学处理方法提取苹果区域;基于R通道分量的梯度变化获取苹果果梗/花萼区中心,通过对称性判断苹果朝向。计算垂直于朝向的最大直径,将其作为最大横切面直径;针对相机投影角增大产生的投影失真问题,构建投影校正方程以校正检测结果。结果表明：1）对60个苹果（富士和黄元帅各30个）的720幅图像进行直径检测,以单张图像检测结果在±5 mm内作为检测准确的判断标准,所提出的投影校正算法将单张图像的直径检测准确率从65.3%提升至95.3%。2）对每个苹果的12张图像的直径检测结果求平均值作为最终果径,准确率达100%,其中,86.7%的富士和93.3%的黄元帅检测直径在±2 mm以内,均方根误差分别为1.5 mm和1.1 mm。总体结果表明,本研究提出的最大横切面直径检测方法能够精确检测苹果果径,可为苹果大小分级提供技术支持,也为近球形的果蔬分选提供了有效参考。     

基于梯度Hough变换的遮挡苹果目标定位

为实现自然环境中被枝叶或其他果实遮挡的苹果目标定位,提出一种基于图像边缘信息的梯度Hough变换的目标定位方法。该方法首先在Lab空间中利用K-means聚类算法对自然环境下苹果图像进行分割,然后对分割结果进行形态学操作以去除小区域,接着采用Sobel算子提取苹果目标的边缘,最后利用梯度Hough变换获取苹果目标的圆心及半径,实现遮挡苹果目标定位。实验结果表明,该方法能够有效定位遮挡苹果,定位重合度高达93.17%。     

基于线结构光视觉的番茄重叠果实识别定位方法研究

为实现番茄自动化采收,针对温室光照条件多变、背景复杂及果实簇生遮挡的特征,构建了基于线结构光视觉的番茄果实识别定位视觉系统,并提出了一种针对簇生重叠果实的区域分割方法。在(2R-G-B)色差模型下利用动态阈值分割,提取成熟果实区域;计算亮度渐变梯度向量,采用灰度重心法提取结构光条纹中心线;基于线结构光立体测量原理,在光条纹扫描视场过程中实时获取成熟果实表面三维信息,并映射形成果实表面与相机光心距离深度图像,实现簇生重叠果实区域的立体分割;基于果实表面激光条纹点空间坐标拟合果实外接球体,获取果实形态和空间坐标信息;试验结果表明,视觉系统单次识别测量耗时2.8s,果实直径测量误差小于6mm,果实与摄像机中心距测量误差小于8mm。     

名优绿茶嫩芽识别与定位方法研究

由于人工采摘名优绿茶效率太低,严重制约了名优绿茶产业的发展。研究具有选择性且能快速准确采摘名优绿茶的智能系统迫在眉睫。而嫩芽识别和定位则是实现名优绿茶机械采摘的前提,因此,开展了名优绿茶嫩芽识别与定位方法的研究。基于RGB颜色空间采用三基色以及组合因子对图像进行灰度化处理,利用维纳滤波和梯度增强技术对处理后的图像进行滤波去噪,采用大津法和迭代法分割图像获取二值图像;借助MATLAB软件对相机进行标定处理获取各项内外参数,然后采用质心法对目标进行定位。结果表明,利用G-B索引因子结合迭代法能较大程度地识别出嫩芽目标,采用张氏标定法能在误差要求范围内对目标质心进行定位,且实时性较高。     

GPS测码伪距绝对定位的几种算法

GPS定位方程是非线性的,一般处理方法是按泰勒级数展开取至一次项进行线性化,再利用最小二乘原理求解,如果所取观测站坐标的初始值具有较大的偏差,略去二次微小量的模型误差,对解算结果将产生不能忽略的影响.本文研究分析了GPS测码伪距绝对定位的传统算法,并提出了一种通过求差法将GPS绝对定位的非线性观测方程转化成线性方程直接求解测站坐标的新算法,通过实例计算表明该方法计算简单,不需要测站的初始坐标信息,不需要求导计算和迭代计算,对于提高GPS测码伪距单点定位的解算速度和精度具有重要的意义.     

基于激光雷达和Kinect相机点云融合的单木三维重建

为了更好地建立单木三维彩色模型，获得准确表型参数，提出了一种基于Kinect v2相机和激光雷达的单木点云信息融合检测方法。首先由激光雷达采集樱树单木所在区域的完整环境点云，生成点云地图；由Kinect相机采集樱树单木多视角点云得到完整的三维彩色点云；然后以激光雷达点云位置为基准，通过选取对应同名点的方式对2种点云进行初始配准，使点云之间具有良好的初始位置关系，再使用最近点迭代（iterative closest point, ICP）算法对点云进行精配准；最后使用彩色点云对雷达点云进行点云着色融合处理，实现樱树单木的三维重建。结果显示：与只使用Kinect v2相机生成的樱树单木表型参数对比，融合后的樱树单木的株高、冠幅和胸径的平均相对误差分别降低了1.52、6.46和18.17个百分点。研究结果表明，Kinect v2深度彩色相机和激光雷达在单木三维重建上能实现优势互补，提升点云配准精度，同时，既能降低光照气候条件的影响，又能增加测量距离，单木表型参数更准确。     

Kinect传感器的植株冠层三维数据测量

植株三维信息重构能为植株生长状态监测和精确喷雾施药提供有效数据。提出一种基于Kinect传感器技术的植株冠层三维数据测量的方法。由Kinect传感器进行植株彩色和深度图像数据的采集,提取和处理所采集的植株冠层目标有效三维信息,完成对植株深度数值和水平投影面积的计算。以规则形状物体与不规则植株为实验对象,对三维数据测量方法进行准确性实验测试,并将实验结果与人工测量结果进行比对。实验结果显示,该方法的深度和面积测量的准确性较高,深度测量误差小于1.0%,面积测量误差小于3.6%。选取温室吊兰作为场地实验对象,采用由测量机构和控制处理机构组成的冠层三维检测系统对吊兰冠层进行三维数据测量,并实时输出深度以及水平投影面积信息,其深度测量的相对误差为1.77%。研究表明,该方法具有较高的可行性,适用于温室植株冠层三维数据测量。     

Flowering estimation in apple orchards by image analysis

Tree-specific management practice related to individual tree physiological condition is necessary for higher quality and quantity in apple fruit production. Detection of apple flowering abundance based on analysis of HSL (hue, saturation, luminance) images was used to estimate the number of flower clusters (FC) of individual trees in a high density apple orchard. The image acquisition was performed with a still camera and an industrial color camera during the day and night. The FC estimation algorithm included HSL thresholding with parameter optimization. Three hypothetical, tree-specific management practices (sprayings) were assumed, using >25, >50 and >100 FC thresholds to carry out the practice. When an industrial camera was used for image acquisition during the daytime and hypothetical spraying was done by on/off criterion >100 FC per tree, 10 % incorrect executions were identified. Comparable FC counting performance was achieved by using a still camera or an industrial camera.     

激光雷达和摄像机联合标定识别作物

作物识别技术广泛应用于杂草精准对靶施药、果实采摘机器人、植物病虫害识别等方面.从机器视觉和激光探测两方面分析了国内外作物识别的研究现状,机器视觉识别作物主要是利用作物的颜色、纹理、形状、位置特征;激光探测识别作物利用激光的测距信息.分析了国内外融合激光雷达和摄像机信息识别作物的研究现状,总结了激光雷达和摄像机联合标定的方法,并指出其在作物识别中的重要性.     

基于DGPS定位与双闭环转向控制的农业自动导航系统

以东方红X-804拖拉机为平台,开发了一种基于RTK-DGPS定位和双闭环转向控制相组合的农业自动导航系统。系统主要包括RTK-DGPS接收机、姿态航向参考系统(AHRS)、转向控制器、电控液压转向装置和转向角检测传感器。设计了Kalman滤波器对定位数据进行平滑处理,同时实现航向角的校正。为实现自动转向,在拖拉机原有手动控制系统基础上加上电控比例液压阀,并设计电控单元。然后,推导了转向系统的数学模型,通过Matlab仿真工具箱得到传递函数的参数,设计了双闭环转向控制算法。最后,进行了算法验证试验和田间试验,结果表明,双闭环控制方法较好抑制了稳态时的震荡现象,方波信号的角度跟踪稳态时最大误差0.60°,平均误差0.40°,平均延时为0.20 s;设计的Kalman滤波器有助于提高定位系统的精度,横向跟踪误差不超过0.09 m,转向角度平均跟踪误差为0.43°,延时0.25 s。     

GPS在定位和面积量测中的误差分析

以河南农业大学校区为研究区域,通过手持GPS仪探讨了不同观测时长、不同观测时间以及不同区域面积对GPS精密度和稳定性的影响。结果表明:不同观测时长对GPS定位的坐标没有影响;不同观测时段中,定位时长为60 s和120 s的稳定度相差不大,而实时定位的稳定度比120 s的稳定度高3倍以上;当地块面积在3 600 m2以下时,GPS测量结果的变化幅度较大,呈不稳定状态,当地块面积在3 600 m2以上时,GPS测量结果的变化幅度逐渐变小,呈现面积越大、误差越小、精度越高的趋势。     

基于图像特征的小麦胚芽鞘识别

利用图像颜色特征,首先分割小麦种子图像进而确定小麦种子轮廓矩,根据其轮廓距确定小麦种子质心坐标,然后根据小麦胚芽鞘图像颜色特征对胚芽鞘图像进行分割、获取小麦胚芽鞘图像,其次利用Zhang-Suen并行快速细化算法对小麦胚芽鞘进行细化获取胚芽鞘骨骼线,进而获取骨骼线图像(单像素)上所有点对胚芽鞘骨骼线进行多段直线曲线近似,最后根据小麦种子轮廓质心坐标、胚芽鞘骨骼线近似曲线和切割距离(给定)确定胚芽鞘的姿态和对小麦胚芽鞘切割点位置进行定位。通过对小麦胚芽鞘30幅图片进行图像处理验证。结果表明,该方法能完整地提取小麦种子和胚芽鞘图像、小麦胚芽鞘姿态及位置信息。基于图像颜色特征的小麦胚芽鞘识别及定位方法,为小麦胚芽鞘的识别与分析提供了准确、快捷、可视的技术手段,对于构建胚芽鞘智能识别、定位的视觉系统及自动化切割装置的研究意义重大。     

Development of a low-cost attitude sensor for agricultural vehicles

The objective of this research was to develop a low-cost attitude sensor for agricultural vehicles. The attitude sensor was composed of three vibratory gyroscopes and two inclinometers. A sensor fusion algorithm was developed to estimate tilt angles (roll and pitch) by least-squares method. In the algorithm, the drift error of the gyroscopes was estimated using the inclinometers. In addition to tilt angles, the attitude sensor also estimated the absolute heading angle and position with inclination error correction by integrating a GPS. Tests were conducted on a flat field, a sloping ground and a bumpy road. Results showed that the attitude sensor was able to estimate the roll angle with the maximum root mean square error of 0.43°, the pitch angle with 0.61° and the heading angle with 0.64°. Moreover, the attitude sensor dramatically improved the positioning accuracy from 25.9 cm to 3.0 cm in the sloping ground test and from 8.4 cm to 3.7 cm in the bumpy road test. The proposed technology used in the attitude sensor will help to develop advanced agricultural applications.     

Vision-based Navigation System for Autonomous Transportation Vehicle

Autonomous navigation using global positioning system (GPS) or geomagnetic direction sensor (GDS) to detect absolute position is widely used. An alternative system that detects boundary lines and intersections information can be achieved using machine vision based navigation systems. The objectives of this research are the development of the intersection detection method using machine vision and the approaching/turning at the intersection using dead reckoning method. Intersection guidance markers (IGM) were installed on farm road intersections. The method of intersection recognition involved the search to detect the IGM instead of the actual intersection, which would be difficult because the latter changes appearance through the season. Hough Transform and coordinate transformation was used for this purpose. A dead reckoning system for approaching and turning on the intersection was developed. Rotary encoders installed on both sides of the crawler sprocket are used as guidance sensors. RTK-DGPS and fiber optic gyroscope (FOG) were used for evaluating the track of autonomous traveling. The result of field tests (the speed was 0.8 m/s) showed the rms of intersection detection error and the dead reckoning error were 0.12 m at 8.64 Hz processing speed and 0.063 m respectively.     

天宝Trimble 5800单点定位在林业测量中的应用探析

检测了全球定位系统（GPS）接收机天宝Trimble 5800在复杂地形中的定位精度和在林业测量中应用的可行性。研究表明：天宝Trimble 5800 GPS接收机在不同地形中单点定位时,WGS-84坐标的内符合精度为0 ～ 2 m占65％,2 ～ 5 m占30％,最大偏差＜8 m;经坐标转换后,各历元观测平均值的BJ-54坐标外符合精度都＜5 m,在0 ～ 5 m分布均匀,因此,在同一作业时间段,以在已知点上获得观测值与已知值的偏差值作为其他观测点观测值的改正参数,将有效提高定位精度;在距离和面积测量中,以全站仪测量数据为参考值,天宝Trimble 5800单点定位的相对误差分别优于1/300和1%,比手持GPS定位精度高。图1表8参8