基于RGB-D SLAM手机的森林样地调查系统研究

基于RGB-D SLAM手机构建了森林样地调查系统,该系统实现了样地构建、每木检尺及林分/样地参数的估计功能,并在测量过程中使用增强现实展示测量结果,且提供了重新测量的交互方式,使观测者在观测过程中能够检测结果的可靠性,并保证所获取样地信息的完整性。该系统在18块半径为7. 5 m的圆形样地中进行了测试。结果显示,平均胸径估计值的偏差(BIAS)及均方根误差(RMSE)分别为0. 36、0. 69 cm,平均树高估计值的BIAS及RMSE分别为0. 06、0. 63 m,蓄积量估计值的BIAS及RMSE分别为8. 595 9、25. 735 8 m3/hm2,横断面积估计值的BIAS及RMSE分别为0. 949 7、1. 987 3 m2/hm2,株树密度估计值的BIAS及RMSE分别为-3、13株/hm2,坡度估计值的BIAS及RMSE分别为0. 30°、0. 88°,坡向估计值的BIAS及RMSE分别为-0. 44°、7. 61°。其中,坡向估计具有较大的RMSE,是由于当坡度较小时,即使SLAM系统估计位姿有较小漂移,仍会导致该值产生较大偏差,但整体而言坡向仍是无偏的。     

基于双目相机的车辆鸣笛监测方法

为了减轻交通噪声对日常生活的影响,对车辆违规鸣笛行为进行监测是必要的。提出了一种结合双目相机的车辆鸣笛监测方法,通过对双目相机采集的深度图像可计算出定位区域与麦克风阵列间的距离,对深度图像进行分割获得有效定位区域以减少定位算法计算量,提高违规鸣笛监测声源定位的效率与准确性。通过车辆鸣笛定位实验,验证了该方法能够准确进行鸣笛车辆定位,相较于传统车辆鸣笛监测方法减小了82%定位计算量,提高了鸣笛监测计算的效率。     

基于视觉里程计的森林样地调查系统研究

以视觉里程计技术恢复连续摄影序列图像位姿,并以恢复位姿的图像为基础构建样地调查系统。该系统通过对图像位姿尺度恢复、定义样地坐标系、标记立木等过程估计样地中立木位置及胸径。用相机对12块半径为7. 5 m的圆形样地进行连续摄影,获取有序图像序列,并使用构建的样地调查系统对图像序列进行处理,以获取样地中立木位置及胸径。实验结果表明,所有样地立木位置估计值x轴与y轴方向的偏差(BIAS)分别为0. 04、-0. 03 m,均方根误差(RMSE)分别为0. 21、0. 17 m;样地中立木胸径估计值的BIAS及RMSE分别为0. 09 cm(0. 51%)和0. 88 cm(5. 03%)。     

基于改进LOAM的森林样地调查系统设计与试验

森林中线、面特征较少等,导致LOAM算法去畸变及配准精度低、鲁棒性差,很难将该算法直接用于森林调查。为此以LOAM算法为基础设计了LiDAR SLAM森林样地调查系统,在SLAM系统工作流程中剔除了遮挡线特征,避免视点与立木切线点作为线特征参与运算;引入二次去畸变、二次配准等模块提高了去畸变、配准的鲁棒性及精度;该系统将激光雷达测量精度、位姿估计精度等先验信息引入去畸变及配准优化算法中,提高去畸变及配准精度。使用32线激光雷达扫描了4块32 m×32 m的森林样地,利用LiDAR SLAM森林样地调查系统完成样地建图,利用该点云提取的立木位置及胸径与参考数据对比,完成了新型SLAM样地调查系统在森林中建图精度的间接评估。结果显示：立木位置估计值在x、y轴方向的平均误差分别为-0.004 m和-0.011 m,x、y轴方向均方根误差分别为0.081 m和0.083 m;胸径估计值的偏差为0.25 cm(相对偏差为1.18%),均方根误差为1.03 cm(相对均方根误差为5.53%);经与LOAM估计结果相比,改进系统获取的立木位置及胸径精度均提高。结果表明,所设计的LiDAR SLAM森...     

基于CCD超站仪的森林样地建立与精测方法研究

为了能够快捷、精准地进行固定样地定位和样木胸径测量,提出一种利用CCD超站仪按测带进行像对观测的方法,在GPS/RTK确定或假定的观测点上架设仪器,借助全站仪坐标测量和角度测量功能精确记录CCD摄影瞬间的外方位元素,并确定出其他观测点坐标,选择合适基线长建立像对进行观测,提取目标位置的相对三维坐标,以S形路线按测带进行测量,配合少量的人工补测和相关坐标系的旋转变换,实现森林固定样地精准建立和胸径精测的目的。通过实地测试,表明利用该方法能够以较少的站点实现固定样地的建立,并将图像解算的胸径值与实地调查值进行对比,其平均相对误差为3.9%,解算均方根误差为1.2 cm。该方法在森林样地建立中有较好的应用前景。     

基于双目相机与改进YOLOv3算法的果园行人检测与定位

针对复杂果园环境中行人难以精确检测并定位的问题,提出了一种双目相机结合改进YOLOv3目标检测算法的行人障碍物检测和定位方法。该方法采用ZED双目相机采集左右视图,通过视差原理获取图像像素点的距离信息;将双目相机一侧的RGB图像作为用树形特征融合模块改进的YOLOv3算法的输入,得到行人障碍物在图像中的位置信息,结合双目相机获得的像素位置信息计算出相对于相机的三维坐标。用卡耐基梅隆大学国家机器人工程中心开放的果园行人检测数据集测试改进的YOLOv3算法,结果表明,准确率和召回率分别达到95.34%和91.52%,高于原模型的94.86%和90.19%,检测速度达到30.26 f/ms。行人检测与定位试验表明,行人障碍物的定位在深度距离方向平均相对误差为1.65%,最大相对误差为3.80%。该方法具有快速性和准确性,可以较好地实现果园环境中的行人检测与定位,为无人驾驶农机的避障决策提供依据。     

基于双目立体视觉的植株生长状态无损监测方法的研究

基于双目立体视觉的植物生长状态无损测量方法研究,能快速地对植株生长进行无损监测,尤其能准确测量倾斜生长的植株高度,对于农业工程研究有重要意义。本研究在实验室搭建计算机双目立体视觉平台,对大豆植株生长进行无损监测。由于植物的形态与生长条件限制,双相机光轴与基线的夹角未能构成最佳双目测量系统,因此本研究对双目立体视觉平台本身的精度进行了校验。利用VC＋＋6.0编制的图像分析处理软件,结合界跟踪算法与斜率计算对植株的顶芽进行识别,能取得很好的效果。研究表明,实验表明双目立体视觉可应用于植物无损监测,具有广阔的应用前景。     

基于双目视觉技术的曲面测量方法

介绍了一种基于视觉技术的非接触式曲面测量方法,该方法根据双目立体成像原理,以数学形态学及计算机图形图像学为理论基础,利用数字图像处理技术,采用常规设备实现曲面的测量.通过对已知曲面(圆柱表面)进行测量以及误差分析,得出该测量方法的精度为0.30mm,验证了此方法的可行性.     

基于双目视觉的汽车缝隙尺寸检测技术研究

为了实现对汽车表面缝隙尺寸的快速检测以保证整车的使用性能,提出了一种基于最小外接矩形的缝隙尺寸检测方法.对双目相机进行标定并获取缝隙图像之后,对缝隙图像进行去噪、边缘检测的预处理,通过最小外接矩形定位缝隙并进行固定点匹配,使用最小二乘法实现对特征点的三维重建,最终实现了对汽车表面缝隙尺寸的检测.以大众汽车的车身缝隙为检...     

基于单目视觉工件尺寸测量系统的研究

基于双目视觉三维测量原理,提出了一种摆动式单相机三维测量方法。通过分析系统结构参数对测量精度影响,确定了测量误差处于最小范围时的结构参数。设计了系统的硬件结构并开发了图像处理软件模块,搭建了相应的测量系统。利用平面靶标标定法对该系统进行了立体标定,确立了该系统各坐标系之间的映射关系。     

双目立体视觉在果树采摘机器人中的应用

果树采摘机器人是未来智能农业机械化的发展方向,具有广阔的应用前景。为此,针对果树采摘机器人作业环境的复杂性与定位目标的特殊性,从双目定位的几何模型出发,归纳了双目定位的基本过程,总结了立体视觉的摄像机标定问题,提出变焦距双目视觉定位果实的研究方向,并对双目图像的匹配问题进行了分析。     

基于双目立体视觉的果树三维信息获取与重构

为实现果实收获机器人避障,研究了树枝空间信息提取方法和果树树枝三维重建方法:采用归一化互相关法获取立体图像视差图,在图像中提取树枝骨架并采用多线段逼近法提取特征点;结合视差图,利用双目立体视觉原理计算树枝骨架特征点的空间坐标,再利用距离图像求取树枝半径信息;将分枝点断开形成简单线图形,简化了树枝三维信息。在空间坐标原点采用12棱柱构建各段树枝模块,通过仿射变换将三维模块以正确的位姿与其他模块组合成果树模型。试验表明,生成的虚拟果树为水果采摘机器人避障及路径规划提供了环境参照。     

基于双目立体视觉的苗期玉米株形测

将田间正常生长的待测玉米植株带土移至测定台上,标定双目立体视觉系统,提取、分割叶片图像,以Douglas-Peucker多边形法逼近叶片边缘,去除两幅对应图像中没有匹配关系的多边形顶点,结合投影矩阵计算出叶片边缘点的三维坐标.分别投影叶片边缘点到植株平面和植株水平平面,对投影的离散点分段二次拟合、Cardinal样条插值,得到代表叶片形状的曲线,计算出叶长、叶片着生高度、茎叶夹角、叶片方位角等株形指标.测量实验表明,本方法快速、准确、自动化程度高,能够满足苗期玉米株形测量的要求.     

基于地块面积和形状的土地整治机械旋耕效率研究

为量化不同面积与形状的地块机械耕作效率差异,科学评价土地整治在机械旋耕效率提升方面的潜力,设计一套标准田块,选取69.83kW东方红LX950型拖拉机配套旋耕机进行耕作,工作宽幅为200cm,采用田间实验法对不同面积梯度和形状的地块进行机械旋耕效率测算,并在此基础上,基于区域尺度建立地块面积、形状与机械旋耕效率的耦合关系及函数模型,修正后得到区域尺度机械旋耕效率。结果表明：地块形状的规则程度影响机械旋耕效率,形状越规整,机械旋耕效率越高。在相同的面积梯度上,矩形地块机械旋耕效率最高,梯形地块次之,直角三角形地块最低。随着地块面积的增大,机械旋耕效率不断增加,当地块面积达到一定程度时,机械旋耕效率趋于稳定。当地块面积超过7000m2时,机械旋耕效率基本保持不变,矩形、梯形地块机械旋耕效率较高,维持在0.25s/m2,其他形状地块机械旋耕效率较低,维持在0.30s/m2左右。案例区地块单元水平的机械旋耕效率为0.27s/m2。其中,中低效地块单元数量最少,占比7.10%;高效地块单元数量最多,占比58.24%。案例区西部机械旋耕效率大于东部,主要由于东部区域土地细碎化程度高于西部区域,地块单元面积较小,形状也不尽规则,从而极大地降低了区域机械旋耕效率。实验结果表明,面积大于7000m2地块是大型机械化耕作的适宜耕作规模,地块面积与形状规则程度均影响机械旋耕效率,土地整治工程在扩大地块面积的同时也需保证地块形状的规则化程度。     

基于双目视觉的作物苗期障碍物三维信息检测方法

农业智能装备在实际农田环境中行进或作业的过程中需要感知多变环境下的各种障碍物.为此,基于双目视觉,开展了作物苗期农田障碍物三维信息检测方法研究,提出了一种基于特征的障碍物检测算法.首先,利用边缘检测算法去除天空背景,提取出障碍物潜在区域的上边界线,利用超绿特征颜色变换去除绿色作物苗期农田背景,提取下边界线;然后,通过阈...     

基于光度立体视觉的蔬菜秧苗叶片形态测量方法

为了实现蔬菜秧苗长势智能化在线评估,设计了基于光度立体视觉的蔬菜秧苗叶片曲面形态测量方法和装置,用于对叶片倾角、长度和面积进行精确测量。以15~30 d苗龄辣椒秧苗为测量对象,构建了针对其冠层叶片形态测量的试验装置。根据4组光源在标定球表面成像的反射关系组合方程,标定其对秧苗叶片的照射向量;以D65白色标准板为参考,采用图像RGB分量线性矫正的方法,对不同方位光源辐射强度差异进行补偿,克服光源强度波动对叶片图像明暗信息的影响。根据叶片在不同方位光源照射下图像的明暗特征,基于光度立体视觉获取主叶脉区域离散梯度信息,在此基础上采用最小二乘方法拟合叶片空间平面,以恢复叶片空间倾斜信息,进一步结合叶片图像尺寸测算其实际长度和面积。试验结果表明,视觉系统对秧苗倾角、叶片长度和面积的测量结果与人工测量结果相比平均偏差分别为6.29°、3.82 mm、56.53 mm2,叶片长度和面积与人工测量结果的决定系数R2分别为0.936 3、0.866 4,且对于叶片伸展充分、无遮挡的幼龄秧苗测量精度较高,可为进一步开发温室苗床秧苗长势在线监测设备提供重要技术支撑。