基于LiDAR的温室番茄冠层几何参数提取

【目的】准确获取温室番茄作物行中单株冠层数据,为分析作物生长状态和为对靶喷药提供冠层数据支持。【方法】采用三维激光雷达(LiDAR)搭建番茄植株冠层检测平台,使用导轨以0.05 m/s的速度移动三维激光雷达,利用雷达上位机软件Ctrlview保存双侧扫描的A、B 2组共40株番茄植株点云。双侧点云使用ICP(迭代最近点)算法进行配准,利用基于特征值的平面拟合法去除地面,使用均值漂移算法(Meanshift)分割番茄行中的单株点云,获取冠层参数,与人工测量值比较验证精度,将单株点云在MATLAB中使用alpha shape算法进行重建并进行体积的获取,使用凸包算法作物参考值对比。【结果】该检测平台在激光雷达前进方向与垂直前进方向的测量误差分别为-2.65%、-3.95%;获取到的单株番茄植株高度与人工测量值相比,平均绝对误差分别为0.025和0.031 m;重建后求取的体积与凸包算法相比平均误差下降了约15.3%,与人工获取相比相差不大,各指标良好。【结论】番茄行点云分割结果与人工测量相比A、B 2组的均方根误差RMSE分别为0.039和0.043,冠层体积获取与参考值对比V_RMSE为0.011 3,激光雷达在获取作物外形轮廓信息中具有一定的准确性和可靠性,该方法用于温室环境下单株作物冠层数据的获取。     

基于Kinect传感器的羊体体尺测量方法

在基于机器视觉的羊体体尺测量中,当受到光线、背景等干扰时,彩色图像无法精确提取羊体轮廓。此外,羊体站姿的变化也会造成测量误差。为解决彩色镜头受背景干扰的问题,采用Kinect传感器采集羊体彩色、深度图像,利用深度信息不受光干扰的特点,提出彩色与深度图像相结合的方法提取羊体轮廓;在特征点提取中,采用U弦长曲率得到臀部点,位置关系扫描得到前蹄点、后蹄点、耆点;为解决站姿干扰问题,利用传感器深度信息建立羊体空间轮廓线拟合平面,并计算其与像平面夹角,进行体位站姿纠偏,计算出羊体体尺数据。最后,基于VS2010软件搭建测量系统,经过实地测试,准确测量得到羊体体尺数据,且相对误差小于4.3%。     

逐日平台搭载作物生长信息传感器效果检验与评估

为验证逐日平台追踪太阳的准确性及其消除太阳高度对作物生长信息传感器影响的效果,从而解决被动光源作物生长信息监测仪器因太阳高度角变化导致反射率测量误差波动大、有效采样窗口期短等问题,在课题组前期被动光源作物生长信息传感器和逐日平台研制的基础上,通过逐日准确性试验、标准反射率以及作物冠层反射率检测对比试验,对逐日平台搭载作物生长信息传感器的实际效果进行了检验与评估。结果显示,逐日平台水平方向追踪太阳的平均偏离角度为0.592°,竖直方向追踪太阳的平均偏离角度为0.470°;当作物生长信息传感器直接测量10%、20%、40%、60%标准反射率灰度板和作物冠层反射率时,在8:00-17:00时间段内因受太阳高度角影响,传感器测量的反射率波动幅度达60.00%以上,仅中午前后(11:00-13:00)测量的反射率较为准确;当使用逐日平台搭载作物生长信息传感器测量相同对象时,8:00-17:00时间段内测得反射率均较为准确,反射率波动幅度在2.53%以内。试验结果表明,使用逐日平台能显著提升被动光源作物生长信息传感器测量的准确性,延长作物生长信息传感器日工作时间1倍以上。     

基于移动式三维激光雷达的柑橘冠层结构信息的获取

基于移动式三维激光雷达,建立了一种柑橘冠层结构信息(树高、冠幅、分枝角度)的获取方法：1)利用移动式三维激光雷达获取柑橘三维点云数据;2)选定SOR滤波组合(k,α)分别为(100,0.9),(20,1.2),(100,0.9)对冠层残缺叶片点云和叶片边缘点云进行滤波处理;3)利用Mean shift算法求取植株点云中心结合采集点角度,完成点云初始匹准;4)运用ICP算法进行精准拼接并构建完整植株的三维模型,提取柑橘的株高、冠幅和枝干角度信息。验证结果表明,三维模型获取树高、冠幅、枝干角度的相对误差分别小于等于2.5%、小于等于4.5%、小于等于5.5%,判定系数R²大于0.97,均方根误差大于5.1。     

图像处理技术在水培蔬菜生长监测中的应用

为了量化营养液浓度对植物生长的影响,在3组不同浓度的营养液环境下,连续观测并采集蔬菜生长过程的图像,通过图像分割和边缘检测技术提取出蔬菜的总根长、株高和叶冠投影面积等外部形态特征数据。结果表明,运用计算机图像处理技术测量的根长、株高数据与人工测量结果之间的误差在5%范围内,而且对3组不同营养液浓度下油菜幼苗冠层叶面积的连续测量后发现,蔬菜生长过程中的叶冠投影面积的方差与其营养液浓度具有明显的一致性。     

基于深度信息的植株叶面积估算方法

为实现低成本无损精确测量植株叶片面积,提出了一种基于TOF深度相机的植株叶片三维重建测量面积的方法。首先,采用Kinect v2相机获取植株三维点云数据;其次,通过背景差法去除背景点云、通过基于搜索半径和邻域内点云数相结合法去除离群点,实现点云预处理;然后采用FPFH特征初始配准和ICP算法精确配准16个角度点云,通过欧氏聚类实现植株叶片分割;最后采用滚球算法重建叶片表面网格模型,统计网格数量求得叶片面积。与传统坐标纸法比较,本研究方法测量叶片面积误差平均百分比为2.54%,试验结果表明,本方法成本低精确度高,可以满足植株叶片面积的无损测量需求。     

基于Kinect的苹果树点云提取研究及展望

为获取苹果树三维形态数据,研究使用Kinect三维采集传感器获取果树点云数据的系统工作流程,并在室内和室外进行了验证实验。结果表明该研究方法在适宜的环境条件和实验对象下可以提取到苹果树的三维点云数据,为苹果树的三维形态获取以及未来的应用方向进行了有益的探索。     

基于物联网的温室干旱预警系统设计

本文给出了基于物联网的温室干旱预警系统结构图,从数据采集、信息传输和功能分析三个模块进行了设计。根据土壤温湿度、植物冠层温湿度和作物叶片含水量三个指标,选择LC-TWS土壤温湿度传感器、WTH-215空气温湿度传感器和X8W850-H2植物叶面水分传感器采集数据,将数据传输到CC2530芯片;通过Zigbee组网和GPRS模块将数据发送到上位机数据库;建立系统管理平台,进行数据显示与处理,实现温室干旱预警。     

基于光场相机的大豆冠层叶面积无损测量方法研究

大豆上、中、下冠层叶面积分布是大豆植株株型状况评价、产量预测的重要依据,而传统上、中、下冠层叶面积测量方法采用大田切片法,该方法过程繁琐,且会对叶片造成伤害。针对这一问题,引入光场相机重聚焦技术分别得到聚焦在上、中、下叶片的重聚焦图像,通过图像处理技术提取聚焦平面的叶片,去掉离焦平面的叶片,分别得到上、中、下层的投影面积。选用开花期103盆宏秋品种大豆植株作为校正集,根据光场相机的标定计算各冠层叶片的校正系数,获得修正后的各冠层叶片投影面积。建立大豆植株各冠层投影面积和真实叶面积的回归模型,并选20盆作为预测集来验证各回归模型。研究发现:上层叶面积模型的决定系数为0.945,预测集的最大误差为4.48%,均方根误差为4.376;中层叶面积模型的决定系数为0.796,预测集的最大误差为13.62%,均方根误差为7.273;下层叶面积模型的决定系数为0.914,预测集的最大误差为8.63%,均方根误差为1.529。上层和下层叶面积测量模型相关性高,由于上层叶片的遮挡,中层叶面积模型相关性略低。     

基于小波降噪和自适应加权法的温室数据融合

针对温室环境信息多节点数据采集中存在误差大、冲突多和冗余等问题,提出一种基于小波降噪和自适应加权的多传感器数据融合算法.通过小波降噪对采集的数据进行处理,使其具有良好的光滑度和稳定性;利用自适应加权算法对多传感器数据进行融合,得到测量数据的最优估计值.实例验证结果表明,采用所提算法可以有效降低原始数据中存在的噪声和冗余,得到方差较小的数据融合值,可以提高测量数据的准确性和降低数据的传输量;具备良好的稳健性,能够实现对温室环境信息的可靠性和一致性描述.     

基于参数L-系统的温室番茄植株的三维重建

研究利用参数L-系统对温室番茄植株的生长过程进行快速高效的三维可视化仿真的方法。首先根据番茄植株的生长特点从图像中提取植株骨架,分析其拓扑结构,总结出番茄植株生长的参数L-系统公式集,然后利用图像与计算机图形学相结合的方法,对公式集进行图形符号解释,模拟再现番茄植株的生长过程。为了保证真实性,重建的虚拟番茄植株的茎干骨架利用来自Kinect数字化结果的真实番茄植株的茎干样本进行绘制;叶片采用了基于图像与图形相结合的方法重建,花和果实用纯图形学方法进行模拟。在VC++平台上,结合OpenGL图形库实现了可视化仿真过程。研究中所提出的方法能够较好地模拟温室番茄植株动态生长的过程,同时具备快速性与真实性。     

一种基于信息融合苹果果实世界定位方法

构建由Kinect设备、差分GPS设备和陀螺仪组成的信息获取系统,推导RGB图像中苹果果实世界坐标的计算方法。利用Kinect设备获取果园果树RGB图像和深度图像,差分GPS全球定位系统和陀螺仪分别获取Kinect相机位置信息和姿态信息。融合RGB图像和深度图像,利用相对位置定位模型,计算苹果圆心相机空间坐标,融合相机位置信息和姿态信息,利用空间三维坐标转换原理,建立绝对位置定位模型计算苹果世界坐标,对每个果实进行世界空间位置唯一标定。结果表明,果实相对平均定位误差0.035 m,果实绝对定位经度误差0.117 m,纬度误差0.437 m,海拔误差0.145 m。     

激光传感器在喷雾靶标检测中的研究应用

树木尺寸、形状等特征信息的获取,是现代化农业中重要的环节,为农林管理中的变量精密喷雾提供依据。为了实现对树木靶标信息的精确测量,搭建了基于UTM-30LX型激光传感器的室内滑台靶标检测系统,实现对规则物体、仿真树的扫描检测,通过编写的C++程序,实时读取数据信息并存储于控制计算机中。利用MATLAB软件对存储的数据信息进行后期的离线分析,重构物体三维图像,通过最大相对误差、轮廓相似度两个参数,分析激光传感器检测得到靶标目标尺寸、重构目标三维图像的精确度。以长方体柜子、圆柱体泡沫、2棵仿真树为试验对象,按照选取的3个检测距离和4个检测速度分别对4个试验对象进行检测与数据分析。试验结果显示,多次试验下,与人工测量尺寸比较而言,激光传感器测得的长方体柜子长度、宽度和高度尺寸最大相对误差分别为6.76%、6.86%和3.92%,圆柱体泡沫的高度、直径尺寸最大相对误差分别为4.25%和7.33%,仿真树1高度、宽度尺寸最大相对误差分别为4.06%和5.91%,仿真树2高度、宽度尺寸最大相对误差分别为3.24%和4.00%;仿真树1、2的激光扫描重构图像与对应实物轮廓相似度最小值分别为0.928 8和0.932 6。研究表明,UTM-30LX型激光传感器在各种试验条件下对多种试验靶标特征检测均具有较好的精确性和准确性,可以担负变量喷雾检测的任务,具有应用到农业生产中的前景。     

低空林地航拍图像拼接的改进缝合线算法

目的图像拼接效果的优劣主要取决于图像配准和图像融合两个步骤。图像配准误差导致的错切以及图像序列间的视差导致的鬼影、重影问题可通过图像融合算法减小或消除。目前图像融合算法中最佳缝合线算法的综合效果较好, 但没有考虑到拼接图的正射效果, 并且无人机低空飞行时树高相对飞行高度比值较大, 这在获取正射影像时是不可忽略的干扰因素。传统的数字正射影像(DOM)是基于数字高程模型(DEM)对单张影像进行数字微分纠正进而拼接成整个区域的正射影像图。但是, 地形高程数据和植物的高度数据获取困难, 而恢复出来的地形和植物高度与实际数据存在误差, 造成DOM在局部边缘出现扭曲、模糊问题。本文提出一种不需要DEM数据, 仅用图像信息使拼接结果图保留正射投影的改进缝合线算法。方法首先对SURF特征检测、匹配与筛选, 用RANSAC算法求得的单应性矩阵确定相邻图像重叠区域; 然后基于重叠区中像素点位置与相邻两图像中心点位置的距离差可以反映正射效果的思想, 将距离差引入能量函数, 同时设计了动态权值参数用来平衡颜色、结构和距离三者的重要程度, 利用动态规划思想搜索得到最佳缝合线; 最后在缝合线两侧进行多频带融合生成类似正射影像的无缝拼接图。结果实验图像来源于不同样地、不同飞行高度, 在相邻两幅图像以及同一条带航线图像上将本文的改进缝合线算法与其他3种缝合线算法以及Pix4D生成的数字正射影像进行对比。实验结果表明, 本文提出的缝合线改进算法能保留正射投影, 视觉效果优于现有的缝合线算法, 在城镇建筑图像的实验中局部效果优于Pix4D。结论本文针对无人机低空林地航拍图像拼接重影问题和拼接结果由于视角不同而产生非正射影像区域的问题, 实现了一种不需要DEM数据进行数字微分纠正但能生成类似正射影像效果的改进缝合线算法。实验结果显示, 本文算法优于目前的最佳缝合线算法, 能够保留正射投影, 效果类似DOM, 并且在保证物体边缘清晰方面优于目前商用软件生成的DOM。这有利于更准确地计算林地的郁闭度, 估算林地植被覆盖面积, 对跟踪识别地表动植物也具有一定的帮助。除林地图像之外, 本方法也可以推广到其他需要保留正射投影的低空航拍拼接应用领域, 如城镇航拍图像等。      

基于沙培温室番茄生长特性确定水分传感器最佳埋设位置研究

为研究实时控制灌溉系统中温室番茄的沙地水分传感器合理埋设位置,将传感器距滴头水平距离与距滴头垂直距离结合后设定6个处理,不同生育期水分传感器设定不同的土壤含水量上下限,系统分析了沙培番茄生长、根系、光合参数、品质、WUE、产量等指标,结果表明：TDR土壤水分传感器埋设在沙地距滴灌带滴头垂直深度、水平距离均为10 cm处时较适宜。     

基于Kinect的温室番茄盆栽茎干检测与分割

立体视觉系统能够得到图像的深度信息,可以很好地将植物前景与温室的背景分开。茎干是植物的骨架,也是识别植株的重要特征。通过采用基于Kinect的立体视觉系统对温室盆栽植物的茎干进行检测和分割。通过细化算法、Hough变换、基于直方图的统计方法及Otsu算法在深度图像上进行植物茎干检测,从而分割植物的茎干。最后基于OpenGL图形平台,实现了番茄植株个体的形态可视化,从而为番茄植株生长的可视化奠定了技术基础。     

基于三维点云的苹果树冠层光照分布模型研究

为给果园精细管理中果树修枝整形、果实品质评价以及果实产量估算等提供科学的理论依据和技术指导,以果园自然开心形苹果树为研究对象,基于果树三维点云结构,进行果树冠层空间光照分布建模研究。用三维点云重构技术和点云分割技术获取果树不同高度的点云分层,分别使用像素占比和Graham扫描算法计算各高度点云分层垂直投影的有效投影面积和占地面积及有效叶面积指数。以果树冠层不同高度层的有效叶面积指数为自变量,对不同高度层平均相对光照强度进行线性回归,获得果树冠层光照分布模型,并对模型进行验证。结果表明:所建果树冠层光照分布模型的校正决定系数R2c为0.924,校正均方根误差RMSEC为0.05,验证决定系数R2v为0.955,验证均方根误差RMSEP为0.04,相对分析误差RPD为4.91。该模型具有较高的预测精度和较强的预测能力。     

改进区域增长算法的植株多视图几何重建

【目的】通过研究3种不同复杂程度植株冠层的三维重建,为更加精准获取植株冠层表型参数提供新方法。【方法】本文首先用单反相机获取3种不同复杂程度植株冠层图片序列,通过三维重建得到各植株稠密点云;随后还原植株点云原始尺度,过滤稠密点云中的噪声,再使用改进区域增长算法分割植株点云冠层;之后借助激光扫描仪,利用手动测量和激光扫描方法分别从二维和三维两个方面对多视图几何重建的叶片进行精度评价,二维精度评价为叶片长宽的实际测量值分别与激光扫描仪获取的叶片的长宽值和多视图几何重建叶片的长宽值进行统计分析,三维精度评价使用传统的网格对比方法豪斯多夫距离与更加精准的工业级网格3D精度对比检测软件Geomagic Qualify。【结果】多视图几何重建的植株叶片表型信息与手动测量值间的判定系数（R ²）均高于0.96,激光扫描方法获取的植株叶片表型信息与手动测量值间的判定系数（R ²）均高0.99;多视图几何重建的叶片与激光扫描得到的叶片在0—±1mm偏差范围内的比例大部分达到97%以上;以激光扫描的叶片网格为参考,多视图几何重建的叶片网格的豪斯多夫距离90%以上分布在0—2 mm。本研究的多视图几何重建方法与改进区域增长算法相结合能对不同复杂程度的植株取得比较理想的重建结果。 【结论】本文提出的多视图几何方法与改进区域增长算法相结合的重建方法可以弥补区域增长算法的不足,对表面不平滑的植株冠层具有更好的分割效果,适合不同复杂程度植株三维重建,为育种研究获取植株表型提供一定的参考。