基于多视角立体视觉的拔节期玉米水分胁迫预测模型

针对现有采用生理特性指标的玉米水分胁迫检测方法影响玉米植株生长的问题,提出了一种基于多视角立体视觉的玉米水分胁迫预测模型。首先,利用RGB相机获取玉米拔节期-30°、0°(玉米叶片展开平面)和30°的3视角图像;然后,基于加速稳健特征点(Speeded up robust features,SURF)检测的双目立体视觉原理,建立-30°～0°、0°～30°2个玉米点云模型,采用基于KD树(K-dimensional tree,Kd-tree)的最近迭代(Iterative closest point,ICP)点云配准算法,将2个玉米点云模型数据合并到同一坐标系下;最后,用L1-中值法提取玉米点云骨架,在该玉米骨架基础上提取玉米节间高度、叶片长度及株高等参数,建立基于单一参数的玉米水分胁迫预测模型,并建立基于多参数纠错输出编码思想的支持向量机(Error correcting output codes-support vector machine,ECOC-SVM)水分胁迫预测模型。试验结果表明,玉米叶片长度、节间高度和玉米株高每日生长量与水分胁迫程度呈显著线性关系,故分别以节间高度、株高每日生长量和全展叶叶长为自变量,以土壤含水率为因变量,建立水分胁迫预测模型,得到相关系数分别为0. 892 2、0. 892 8和0. 817 6,RMSE分别为2. 92%、2. 53%和2. 76%。为了准确判断玉米水分胁迫程度,以上述3个玉米参数为特征向量,建立ECOC-SVM水分胁迫预测模型,该模型测试集预测准确率为93. 33%,具有较高的准确性。本研究可以快速检测拔节期玉米的水分胁迫情况,为农情信息精准获取提供技术支持。     

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.     

玉米叶片生长状态的双目立体视觉监测技术

研究了使用双目立体视觉技术监测玉米叶片运动的可行性,视觉监测系统包括一个能够垂直升降和水平移动的支架,用于支撑双目相机连续监测被试样品。采用白色荧光小球作为标志物,简化图像算法的同时增加了三维坐标测量精度。图像处理过程中采用亚像素边缘检测算法,有效地提高了立体匹配的精度。仿真实验结果表明,系统测量误差可达0.0139 cm,能够检测叶片微小的位置变化。     

基于计算机视觉技术的玉米植株高度检测的研究

玉米植株高度的检测对于玉米生长期间的营养调控有着非常重要的意义,玉米植株高度也是玉米种植密度的重要参数,更是玉米产量的影响因素之一。大范围地种植玉米,在玉米植株长势的整体控制上就会存在空白区,而引用计算机视觉技术可以全面、快速地检测玉米植株高度,提高检测数据的正确率,减轻测量工作需要的劳动强度和缩短测量时间。为此,基于计算机视觉技术来检测玉米植株高度,利用事先安装在田间的带有红外照明的摄像头采集白天和夜晚的玉米植株图像,通过图像分割、边缘轮廓计算、图像增强等方法处理图像后,测得玉米植株白天和夜晚两个时间段的高度,分析出植株的生长情况,控制其长势。研究结果表明:相较于人眼粗略的判断或是人工采用直尺测量,利用计算机视觉技术来测量玉米植株高度,可以大范围测量,且测量的速度快、测量结果误差小,最大程度地降低了人工的投入。     

基于机器视觉的大田植株生长动态三维定量化研究

高通量植物三维表型的研究对判定植株表型特征至关重要。基于机器视觉的植株三维表型获取方法在温室中已广泛应用,能够动态监测植株生长过程,但在大田复杂环境中应用较少。以大田生长的玉米、大豆植株为研究对象,基于机器视觉分析方法对不同生长时期玉米、大豆植株进行个体和群体的三维重建,并基于手动测量值对叶长、叶最大宽进行精度评估。研究结果表明,叶长、叶最大宽的计算值与手动测量值的R2均大于0.97,精度较高,表明大田环境下此方法可以满足作物表型三维构建参数提取的精度要求,但是当冠层遮挡较严重时,三维重建精度将明显下降。进一步自动提取了株高、冠幅和器官生长动态,结果可为与基因型相关的表型高通量分析提供方法,并可进行株型与冠层辐射的精确评价。     

基于双目立体视觉的植物三维重建系统

为推进农林业科技发展,将虚拟现实的三维重建技术进一步应用于农林业领域将受到更加广泛的关注.本文通过拍摄两幅不同视角的拟南芥图片来获得二维图像信息转换为三维信息,重建出三维模型,并建立人机交互系统.选择双目立体视觉系统来进行拍摄不同视角的拟南芥图片,采用相机标定参数对获取的图像进行畸变校正和极线校正,同时对图像进行图像分...     

基于立体视觉的农机热锻件测量系统设计

为解决农机热态锻件的在线尺寸测量问题,提出了一种基于计算机双目立体视觉的解决方案。针对热锻件的图像获取、特征提取、图像匹配和三维重建等问题展开研究,分别采用光谱选择性图像采集方案、形态学角点和轮廓提取方案,基于标定立体校正的快速匹配和重建方案,构建了一套在线测量系统。为提高系统的实时性,采用Open CV计算机视觉库函数实现相应算法。以一个被加热至1 000℃圆柱体锻件为试验对象,测量结果直径相对误差为2.20%,高度相对误差为1.81%,用时87s。试验结果表明:所提出的农机高温热锻件几何参数测量方法能够满足锻造生产现场对尺寸测量实时、精确、高效的要求。     

基于立体视觉的水果采摘机器人系统设计

基于立体视觉建立了水果采摘机器人系统.在图像空间利用Hough变换检测出果实目标,并利用随机采样目标上均匀分布多个点的三维坐标信息重建果实球模型,进而获得目标质心的空间位置坐标;通过最小二乘法研究了采摘机器人手眼标定;分析了采摘机器人的轨迹规划.实验结果表明,设计的自动采摘系统可以有效地消除遮挡以及立体视觉匹配失效等因素的影响,目标定位误差小于8 mm,显著地提高了抓取的精度和可靠性.     

基于计算机视觉的玉米果穗三维重建方法

提出了一种快速、准确、自动化的基于计算机视觉的玉米果穗三维重建方法。以一定角度间隔旋转果穗获取各视角下的图像,通过双目立体视觉技术重建各视角下的玉米果穗表面点云,计算重投影误差去除点云中的外点,寻找两相邻图像的对应匹配点,并由匹配点确定果穗表面点云中三维配准点的集合,计算两相邻视角下配准点的旋转矩阵与平移向量,采用RANSAC方法检验配准模型的一致性。依次对各视角下的点云配准拼接获得整个果穗表面点云,进行冗余点去除、网格简化、纹理贴图等后处理,获得最终果穗三维造型。实验结果表明:重建模型的体积与实测值不存在显著性差异,所述方法能够满足玉米果穗三维重建的需求。     

基于运动恢复结构的玉米植株三维重建与性状提取

针对传统的玉米植株性状测量方法存在主观性强、劳动强度大、有损伤等问题,提出了基于运动恢复结构(Structure from motion,SfM)的户外玉米植株三维重建方法,并提取了株高、单株最小包围盒体积、茎粗、叶面积、叶片数、叶夹角等11个性状参数。采用前期研制的小车,在户外采集不同视角下的玉米植株图像(采集间距为5~6 cm),基于SfM算法获取玉米植株三维点云;运用直通滤波、圆柱拟合和条件欧氏聚类算法自动分割单株、茎秆和叶片等点云数据,基于距离最值遍历、三角面片化等算法实现株高、茎粗、叶面积等11个性状的准确、无损测量。结果表明,与人工测量值相比,测得的株高、茎粗和叶面积的平均绝对百分比误差分别为3.163%、4.760%和19.102%,均方根误差分别为3.557 cm、1.540 mm、48.163 cm2,决定系数分别为0.970、0.842、0.901。研究表明,本文方法适用于作物表型户外测量,为表型研究提供了一种新的作物表型户外测量方法,同时还证明,株高和单株最小包围盒体积可以显著区分低地上部生物量玉米植株和高地上部生物量玉米植株。     

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。     

基于桌面虚拟现实系统车辆运动仿真的立体视觉实现

设计了一套桌面虚拟现实系统，在该系统下实现了立体视觉，并给出了车辆运动仿真的一个实例。虚拟现实技术为车辆运动仿真提供了一种新的方法。     

基于立体视觉的遥操作工程机器人自主作业系统

建立了基于立体视觉技术的遥操作工程机器人自主作业控制系统.采用立体视觉技术实现对目标物体的形状自动识别与空间定位,进行了遥操作工程机器人运动学方程求解、运动轨迹规划与控制的研究.针对液压伺服控制系统具有非线性、参数不确定的特点,设计了模糊控制器.最后,在遥操作工程机器人实验台上进行了自主作业控制实验.实验结果表明,所构建的基于立体视觉技术的工程机器人自主作业控制系统,能够完成初步的自主作业任务,且作业过程比较流畅.     

基于立体视觉的智能农业车辆实时运动检测

为满足智能农业车辆的精确导航,提出基于立体视觉的车辆实时运动检测方案.该方案通过多线程特征点检测提高传统SIFT特征检测算法的效率,通过归一化综合距离法剔除误匹配的特征点,最后通过相邻时刻同一特征点坐标的变化反推车辆的运动.试验表明:多线程SIFT特征点检测能够缩短检测时间,提高计算效率.归一化综合距离法能够有效剔除传统SIFT算法的误匹配点.当车速为0.8 m/s,图像采集频率为5 Hz时,车辆在x方向和z方向单次测量误差小于0.004 5 m,当持续运动时间达到10s时,2个方向累积测量误差均小于0.15m.     

车辆导航立体视觉测量技术特征点匹配方法

车辆跟踪定位中的立体视觉算法,特征点匹配计算量大,误匹配概率高,实时性不强。对特征点匹配技术进行了研究,通过分析传统特征点提取方法的不足,提出了基于四边形约束的彩色标示特征点的匹配方法。试验表明,该方法匹配的准确率为100%,计算速度快、适应性强。     

基于双目立体视觉的秧苗直立度自动测定系统

介绍了基于双目立体视觉的秧苗直立度自动测定硬件系统和软件系统组成。在移栽机试验台上，两摄像机经标定后获取秧苗图像，通过图像处理得到二值化秧苗图像，在二维图像空间将秧苗角度信息简化为一条直线，然后利用简化的两条已知直线与两摄像机参数矩阵，进行空间直线三维重建，完成秧苗直立度的测定。试验结果表明：该方法可以获得较高的精度。     

基于机器视觉的大田环境小麦麦穗计数方法

基于机器视觉技术研究了一种低成本、针对局部小范围的小麦麦穗计数方法。通过部署的田间摄像头采集大田环境下小麦麦穗低分辨率群体图像,实现了复杂大田环境下小麦麦穗图像的降噪增强处理;提取麦穗的颜色、纹理特征,采用SVM学习的方法,精确提取小麦麦穗轮廓,同时构建麦穗特征数据库,对麦穗的二值图像细化得到麦穗骨架;最后通过计算麦穗骨架的数量以及麦穗骨架有效交点的数量,即可得到图像中麦穗的数量。经过2014年5月和2015年5月在方城县赵河镇示范区的试验测试,以小麦麦穗图像640像素×480像素（约250穗）为例,小麦麦穗计数平均耗时1.7 s,准确率达到93.1%,满足大田环境下小麦麦穗计数要求,可以为小麦估产提供可靠的参考数据。     

基于多层约束立体视觉的采棉机器人视觉系统研究

大田成熟棉花的识别和定位是采棉机器人作业的基本前提。为此,提出一种采棉机器人视觉系统解决方案。首先根据棉纤维颜色特点,将彩色棉田图像分离为RGB 3个通道,分别进行预处理和阈值分割,最后合并为彩色图像,继而检测大面积区域的轮廓并计算其质心点;在轮廓附近区域对预处理过的棉田图像进行FAST角点检测,使用SUFT特征描述并进行四层约束立体匹配,结合隐式定标参数可计算出特征点的空间坐标;最后,建立了一种考虑镜头缩放影响的轮廓面积/最小外接圆面积比值的成熟度估计模型。实验结果表面:本方法可在准确识别和定位大田棉花的同时判断棉花的成熟度。