基于双目视觉的测树方法研究

树木参数是林业调查的重要指标。依据双目视觉原理和图像处理技术提出一种基于双目视觉的测树方法研究,利用经纬仪和CCD代替双CCD,减少计算误差,再经图像处理和识别提取出树木参数。     

基于双目视觉的手势识别研究

搭建了一个便利有效地双目视觉系统,结合深度信息,精准地提取手势信息。采用模板标定法对双目相机进行标定,精确地获取了相机的参数,标定的像素误差为0.67个像素;在立体匹配阶段,利用BM算法快速准确地实现了左右相机图像的匹配,获得被测手势的视差;结合三角测距原理,从而生成较为稠密的深度图;最后将深度信息重新映射到原彩色图像上,实现三维重建,生成三维云图,根据云图信息双目视觉系统能有效地从复杂背景中分割手势,并换一种手势进一步验证了所搭建的双目视觉系统从复杂背景中分割手势的可行性。     

基于双目视觉的农田障碍物检测

针对智能农业机械自动驾驶或辅助驾驶立体视觉障碍物检测技术中,传统阈值分割不能达到目标提取精度的问题,提出基于分析扫描线上区域分割与特征匹配相结合的障碍物检测算法。在双目视觉系统得到农田场景图像对中,通过分析扫描线上像素分布情况将图像分割,进行归类整理提取目标区域;对目标区域进行快速立体特征匹配,得到目标区域的空间信息,进行障碍物的检测。对800帧(400对)图像进行检测试验,结果表明:每对图像的平均处理时间<100 ms,本次试验检测出障碍物的正确率达到95%。该算法用于农田障碍物检测具有很好的检测效果。     

基于双目视觉的叶片形态无损测量方法

利用数码相机实现对植物叶片形态的无损测量,是掌握植物生长规律、科学指导生产以及实现植物生长柜智能化控制的关键技术之一.针对叶片弯曲以及拍照过程中容易出现的几何失真等问题,提出了利用两个相互垂直的数码相机来采集图像,从侧面图像分析叶片的弯曲角度,对正面图像进行失真校正;然后根据投影原理统计出叶片的像素数目,从而得到对应的形态数据.结果表明,该方法能够有效地解决图像的二维图像失真问题,降低叶片数据计算的误差,对于促进农业科技进步、加快现代化发展具有十分重要的意义.     

基于双目机器视觉的菠萝自动采收机设计

由于菠萝植株和菠萝果实结构的特殊性,目前国内大部分菠萝采摘主要以人工为主,机械化水平较低,采摘工作效率较低,工作环境较差,对手、手臂等身体部位有较大的伤害。设计了一种基于双目视觉的自动菠萝采收机,主要由分行器、行走装置、双目视觉系统、采摘装置、输送装置、收集装置、控制系统和电源供给装置组成,对双目视觉定位系统和主要机械部件进行了介绍,使用SolidWorks软件对采收机进行三维建模,并对其进行了经济效益分析。实践表明,该菠萝自动采收机能满足采摘需求,效率较高,经济效益较好。     

基于双目视觉的主从式果园作业车辆自主跟随系统设计

将黑白棋盘格特征板固定于引导车辆作为跟随特征,通过固定于跟随车辆的双目视觉系统,获取黑白棋盘特征板上各角点的三维信息,分析该信息,得到引导车辆相对于跟随车辆的车辆间距、横向偏移及航向偏角,利用该导航信息实现跟随车辆的自动跟随,建立了主从式果园作业车辆的跟随系统。双目视觉系统在不同光强下静态性能测试结果表明,双目系统生成导航参数偏差与日间光强无明显相关性,体现出双目系统对外界光环境变化有良好的适应性。在果园环境下,对该系统进行性能测试,结果系统导航信息生成频率为4.0 Hz,横向偏移平均偏差为3.68 cm,车辆间距平均偏差为8.24 cm,航向偏角平均偏差为2.32°,表明所构建的跟随系统能实现对引导车辆的自动实时跟随。     

基于双目视觉的作物点云获取与分割定位方法

为了提高农业视觉导航系统对作物定位的精确性,提出了一种基于双目视觉的作物点云获取与分割定位方法。该方法采用ZED双目相机采集作物左右视图,通过视差原理获取作物的3D点云数据,利用点云离散程度和体素化网格方法对初始点云数据的离散点和冗余数据进行去除,然后在预处理后的点云图中利用基于点云法线角度差的区域生长分割出每株作物的点云簇,用每个点云簇中所有点的平均坐标值作为该株作物的三维坐标,结合视觉系统坐标系,计算出作物与相机的水平距离以及水平偏角,从而实现作物定位。试验结果表明,该方法测得的作物平均距离误差为1.89%,平均角度误差为2.17%,该算法可以对作物进行准确定位,为基于双目视觉导航的路径规划提供可靠的定位信息。     

基于双目立体视觉的重叠柑橘空间定位

果实的精准识别和定位是智能采摘面临的难题之一。基于双目立体视觉,提出了一种针对户外重叠柑橘的三维空间定位方法。首先,从双目左右图像中提取重叠柑橘果实轮廓并进行高斯平滑,通过曲率分析,找出异常的轮廓像素点;其次,依次连接相邻两个异常像素点,分析该线段上的像素点到柑橘轮廓的距离,在相邻两正常线段的交点处完成重叠柑橘轮廓分割,并通过寻找异常线段剔除对应的非柑橘轮廓像素点;再者,采用最小二乘椭圆拟合方法重建柑橘目标轮廓,并获取柑橘的中心;最后,根据双目极线约束和图像相似度,对重叠柑橘中心点进行匹配,并基于视差原理计算柑橘中心的深度值及三维空间坐标,确定重叠柑橘的遮挡关系。户外实验结果表明,所提出的方法定位误差为6.38 mm,满足柑橘采摘机器人户外采摘作业的定位精度要求。     

基于双目视觉的机器人定位与导航算法

自动化运输机械在丘陵山区的应用可以节省大量农业生产所需劳动力,多种因素的影响使得精确引导路径比较困难,很大程度上制约了自动化运输机械的推广使用.对基于双目视觉的机器人定位与导航算法进行研究,建立丘陵山区道路图像处理模型,强化对阴影的识别与信息的融合,有效将道路和周边环境区分开来.考虑到道路图像形状特征不明显且灰度值差异...     

基于双目立体视觉的草坪植株高度测量

计算机视觉现已被广泛应用于诸多农业领域,有助于精准农业的发展,提高劳动生产效率。针对坐骑式零转弯半径(ZTR)割草机刀盘高度无级调节问题,利用双目立体视觉对草坪植株高度进行测量可推动其智能化发展。首先对地毯草灰度图像中的V分量进行图像增强、形态学处理、阈值分割等预处理提取出植株图像。本研究提出一种结合高通滤波与Foerstner的特征点检测算法,对提取后的植株图像进行特征点检测,该方法可有效去除伪角点,准确率在98%以上。利用双目标确定后的参数对左右2幅图像进行角点匹配,选取z轴方向数值最小的3个点构造假想地面并最终计算植株均高。结果表明,该高度测量系统可识别测量不同草种,且总体相对误差为1.5%,有效地提高了测量精度且适用范围较广。     

基于双目立体视觉的重叠柑橘空间定位

果实的精准识别和定位是智能采摘面临的难题之一。基于双目立体视觉,提出了一种针对户外重叠柑橘的三维空间定位方法。首先,从双目左右图像中提取重叠柑橘果实轮廓并进行高斯平滑,通过曲率分析,找出异常的轮廓像素点;其次,依次连接相邻两个异常像素点,分析该线段上的像素点到柑橘轮廓的距离,在相邻两正常线段的交点处完成重叠柑橘轮廓分割,并通过寻找异常线段剔除对应的非柑橘轮廓像素点;再者,采用最小二乘椭圆拟合方法重建柑橘目标轮廓,并获取柑橘的中心;最后,根据双目极线约束和图像相似度,对重叠柑橘中心点进行匹配,并基于视差原理计算柑橘中心的深度值及三维空间坐标,确定重叠柑橘的遮挡关系。户外实验结果表明,所提出的方法定位误差为6.38 mm,满足柑橘采摘机器人户外采摘作业的定位精度要求。     

基于双目视觉与深度学习的番茄本体特征检测系统

[目的]设计基于双目视觉与深度学习的番茄本体特征检测系统,实现番茄本体特征的自动无损检测,为水肥一体化和智慧农业提供技术支持.[方法]采集4000张番茄图像作为研究样本,利用基于深度学习SSD_MobileNet卷积神经网络的番茄主要器官检测算法,对番茄植株、茎、花、果实和叶进行检测.基于双目视觉的图像测量算法对各器官目标区域中株高、茎直径、果径和叶面积进行特征提取.[结果]利用SSD_MobileNet网络模型对研究样本进行训练和测试,调用训练好的模型对番茄各器官进行识别和定位,对番茄植株、茎、花、果实和叶的检测准确率分别为98.5%、99.0%、99.5%、99.5%和98.0%.利用基于双目视觉的图像测量算法对番茄本体特征进行测量,通过实践证明该系统对株高、茎直径、果径和叶面积测量的相对误差可分别控制在1.5%、1.0%、1.2%和1.3%以内,可实现番茄本体特征的精确检测,较常见系统的鲁棒性和精度有了明显提升;整套系统在番茄大棚中已稳定运行半年,完成了对番茄全生命周期的本体特征检测,并可将数据保存于数据库,实现对番茄本体特征的自动、无损监测.[建议]优化番茄特征遮挡问题,丰富训练数据集,优化网络模型,提高识别率和鲁棒性;建立番茄特征数据共享云平台,实现番茄疫病的提前预警;确定本体特征与番茄长势的关系,以快速判断施肥量,实现大棚番茄自动精确施肥.     

红松分杈对各测树指标的影响研究

红松(Pinus Koraiensis Sieb.Zncc.)是东北地区主要树种之一。红松分权虽然影响树高、材积和形数生长,但未改变立木相关生长因子之间的固有规律。由于红松分杈降低了材种质要,影响使用价值,所以在培育红松用材林时应采取技术措施,防止早期结实和过早分杈。研究结果表明,红松分杈是有规律性。分权个数为2~n(n为分杈次数),分杈与树木年龄、胸径及立地条件有密切关系最后为红松分叉立木提出新的树干解析方法,为测树工作者提供参考依据。     

杆式角规器测树原理分析

角规是森林资源调查中使用的重要工具之一，因其调查法操作简单，工作效率高，所以被广泛应用。本研究在严密证明角规测树原理的基础上，分析了杆式角规的设计误差，并提出修正方法，使角规原理与工具设计相统一，进一步完善了角规测树体系。     

基于全站仪测树技术的立木求积方法研究

全站仪应用于森林调查领域,对林业迈向精准化的进程具有重要的推动作用。该文通过用全站仪对100株落叶松胸径的测定,以轮尺所测值为真值进行比较,得出平均值相差0.18cm,单值最大值相差1.2cm,最小值相差为0,平均误差率为1.52%,不超过3%,完全可以满足调查精度的要求。同时,通过实验,指出了精准测径的关键技术,提出了利用全站仪对立木区分求积的具体方法,为精准获取森林资源数量提供了一种新的方法。     

基于双目立体视觉的花卉三维重建

花卉的植物结构形态复杂,对于农业科研具有十分重要的意义。为了方便快捷地获得花卉的三维形态模型,利用2个平行且位置相对固定的摄像机,组成双目立体视觉系统。运用Chatterjee方法进行摄像机标定,采用区域相关匹配算法对获取的图像进行立体匹配。利用Delaunay三角剖分重建花卉三维曲面模型。结果表明:提出的方法能够准确地对花卉进行三维重建,具有快速、非接触、自动化程度高等特点。     

基于双目视觉的无人补料装置测距技术

基于双目视觉技术,研究一种适用于无人补料设备的目标检测及测距技术,设计了高精度的目标检测识别和双目测距方法,并进行了相关仿真实验。实验结果表明,使用改进后的识别定位算法平均准确率为99.53%,双目相机在距离补料装置40～90 cm时,测距相对误差为0.59%～1.26%,可以有效辅助近距离定位补料装置,较好地满足了补料装置与料仓的对接功能要求,对提高补料装置的自动化水平具有积极意义。     

基于水下三维结构光的视觉测量方法研究

基于结构光测量和小孔成像视觉的特点,用摄像机和投影仪所组成的三维结构光测量系统来进行水下三维视觉测量并获得水下空间中特征点的三维信息。利用结构光的双目视觉方法实现了对物体的三维测量,在世界坐标系中建立了此方法的数学模型,并获得摄像机和投影仪的内外参数。实验证明,当目标物体放置在距离摄像机光心2.50 m处,摄像机和投影仪光心相距为26.50 cm时,进行深度测量的精度可以达到0.5 mm,基本满足测量需求。