基于无人机倾斜航空影像的树冠体积测算方法

树冠是结构复杂的不规则体,对树冠体积的精确测定一直是树木测量研究中的难点问题。该文以消费级多旋翼无人机对目标树木进行倾斜摄影获取的多角度航空影像为基础,通过空三加密处理生成目标树木的三维点云模型;用等高线法分割树冠点云,并确定树冠最优分割层数;用投影法对点云数据进行转化,并选取测算点计算树高和树冠任意横截面积;对分割后各规则体的体积进行累加获得树冠体积。结果表明:8棵目标树木的树高测算值相对误差为1.46%～4.10%,平均相对误差为2.88%;树冠体积测算值的相对误差为6.95%～12.39%,平均相对误差为9.42%;精度均可满足林业调查中对于树高和树冠体积测量结果的要求。利用无人机倾斜航空影像建立单木的三维点云模型并进行树冠体积测算的方法是可行且有效的,该方法可为研究单木树冠几何参数的提取提供参考。     

基于WPF的粮仓三维激光测绘系统设计与开发

粮仓清仓查库是粮食储藏管理中必不可少的环节,关系国内粮食的宏观调控。该文针对传统的清仓查库方式中效率低,准确率低的问题,在搭建三维激光监测系统的基础上,提出基于三维激光扫描的粮堆快速三维建模与体积计算方法。利用三维激光测距传感器扫描粮堆表面轮廓,获取表面三维点云,再根据Delaunay原则对点云进行三角划分,最终利用微软WPF(windows presentation foundation)技术的3D渲染引擎完成粮堆三维模型的建立,而系统中粮堆体积的快速计算采用方格网算法。利用该系统在实验室搭建的试验粮堆上进行了试验。系统利用处理后的标准点云数据可快速准确地完成粮堆三维模型的建立。通过对试验数据的处理和分析,结果显示利用该系统对粮堆扫描后计算出的体积与真实体积的相对误差的平均值仅为0.318%。验证了该系统中所使用的体积计算方法的准确性与稳定性。该研究为粮仓的清仓查库提供了一种高效准确的方法。     

基于三维激光扫描技术的粮食储量监测系统的设计与试验

为实现仓储粮储量在线实时监测,该研究开发了一种基于三维激光扫描技术的粮食储量在线监测系统。采用自主研制的倒置式粮仓专用型三维激光扫描仪对储粮进行扫描,通过上位机通讯、采集点云数据并控制扫描仪的工作过程,应用粮食体积计算软件实时计算储粮体积和数量,从而解决了仓储粮储量快速高精度监测的问题。使用该系统在中储粮某直属库进行系统验证试验,结果表明,测量得到的粮食体积满足最大误差不超过1%的技术指标,且经过多次试验检验,系统具有较好的稳定性、测量精度高、操作简便等优点,能够满足仓储粮储量监测的要求。该研究为实现仓储粮储量的快速实时在线监测提供了有效的方法。     

基于超声波的果树冠层三维重构与体积测量

为了克服地面不平整和拖拉机非线性行驶对果树冠层参数测量的影响,该文在超声波传感器阵列测量果树冠层体积技术的基础上,使用RTK-DGPS空间定位技术和姿态航向参考系统,通过空间坐标的平移和旋转转换,直接获得以大地坐标表示的果树冠层的三维点阵云图数据,通过PC机后台处理重构果树冠层三维轮廓和计算果树冠层体积,并详细介绍了系统的结构与工作原理。以果园荔枝树为试验对象,采用该系统对15棵不同高度和体积的果树进行了3次重复试验,另对56棵树的测量结果与人工测量结果进行了对比分析,试验结果表明该方法具有较好的重复性（     

基于点云采集设备的奶牛体尺指标测量

为验证Xtion在奶牛体尺测量上应用的可行性,该文以提高现有体尺指标测量技术的精度、效率及自动化程度为目标,选用Xtion作为采集设备,石膏奶牛模型和真实奶牛作为试验对象,在实验室环境下,采用高精度三维扫描仪扫描奶牛模型作为对比点云数据,以不同距离下Xtion采集的数据作为测试点云数据,通过统计误差定量分析数据精度和密度随采集距离变化的规律,以确定合适的采集距离。养殖场环境下,在小于1.2 m采集距离条件下利用Xtion获取奶牛点云数据,采用Meshlab对点云数据进行可视化和交互测量,定性分析阳光、体表材质等因素对获取点云数据质量的影响,并将交互测量与人工测量结果进行对比分析。结果表明,在遮挡太阳光和采集距离大于0.6小于1.2 m条件下,平均误差小于±5 mm,相对误差小于10%,Xtion作为点云采集设备用于奶牛体尺测量是可行的。     

基于地面激光雷达的田间花生冠层高度测量系统研制

在花生育种研究中对于冠层高度的获取主要依靠人工测量,不但费时费力,而且存在一定的主观性。为解决这一问题,该文构建了一个田间花生冠层高度特性表型信息获取系统,利用地面激光雷达Li DAR对花生冠层结构进行扫描,获取其三维点云数据;采用多项式曲线拟合算法对点云数据进行分析,描绘冠层的大致轮廓并确定其边界,以得到目标冠层的有效数据集;通过对有效点云数据集生成的冠层高度矩阵分析,得到冠层的高度特性。试验结果表明,利用该系统获取的花生冠层平均高度与手工测量值最小偏差为2%,最大偏差为32%,最大偏差受地形影响和植株早期冠层本身的低高度所致,平均测量偏差约为11%,位于15%的可接受范围之内。该系统可以实现田间花生冠层高度信息的快速自动化获取,减少了人力成本的投入,该研究可为花生育种研究提供参考。     

三维激光扫描技术在开发建设项目水土保持监测中应用初探

运用Optech ILRIS 36D地面三维激光扫描仪对某水电工程取料场开挖边坡进行三维扫描,获取料场同一边坡不同时期的三维点云数据.在Polyworks软件下,对获取的不同时期三维点云数据进行处理,建立模型,并在此基础上通过模型计算,在料场开采扰动面积、实施水土保持工程措施面积、料场开采量及其动态变化等方面获得较为准确的监测结果.     

高速水稻插秧机车架的轻量化设计

以某型号高速水稻插秧机车架为研究对象,利用三维建模软件UG对其参数化建模,并导入有限元分析软件ANSYS Workbench中对水稻插秧机车架进行有限元分析。该文进行了车架的应力计算,并对主要变形部位进行应力试验测量,将计算结果与田间试验数据进行对比,验证了有限元计算的正确性。以有限元分析结果为依据,建立了车架优化设计模型,通过计算提出较为合理的车架轻量化设计方案,经优化及结构改进,车架质量降幅达16.77%,证明了该优化方案的经济性和可行性。     

基于3D扫描技术的木材缺陷定量化分析

木材缺陷检测是有效进行木材分级提高木材使用率的重要途径之一,该文提出了一种基于3D激光扫描点云数据的木材缺陷探测与量化的方法。首先,使用Artec 3D Scanner扫描木材表面后获取3D点云数据,在对3D点云数据进行预处理后,通过比较当前点Z坐标值(深度值)与设置的阈值的大小关系判定读入的点云数据是否为缺陷点;其次,采用深度优先搜索算法对筛选保留的缺陷点进行分类,并且对各个缺陷使用不同的颜色进行标注;最后,再使用积分法计算各个缺陷处所占表面积和体积。试验结果表明,该方法可以比较精确的测量木材表面孔洞等凹陷的表面积和体积,相对误差在5%内,测量精度较高,可为后续的木材分级和合理定价提供定量依据。此外,该方法使用的Artec Scanner仪器质量轻体积小(标准质量为0.85 kg,尺寸为261 mm×158 mm×64 mm),它和笔记本电脑可以组成便携式的木材缺陷定量检测系统。该系统携带方便,可应用于林场、木材加工企业及木材进出口部门的现场测定。     

面向土地精细平整的车载三维地形测量系统设计与实现

设计开发了一种基于全地形车（ATV）的农田三维地形快速采集系统,系统由ATV车辆、RTK-GPS、田间作业辅助导航装置、车载计算机和数据采集软件等部分组成。采用高精度RTK-GPS自动测量三维地形数据,车载计算机能实时记录三维地形数据,辅助平行作业导航装置能指引数据采集车辆在测区进行全区域覆盖测量,以提高农田三维地形数据采集质量和效率。田间实测试验表明,基于ATV的三维地形数据自动采集系统测量的三维地形与人工RTK-GPS测量的三维地形与具有很好的空间一致性,最大平均偏差3.54 cm,最大标准偏差2.48 cm,能够满足农田土地精细平整三维地形数据采集工作的需要。     

基于机器视觉的冬小麦叶片形态测量软件开发

随着图像处理与识别技术的快速发展,作物表型识别技术日趋成熟。为实现不同品种、不同生育期冬小麦叶片面积和面积系数的精准快速测定,依托VB.net和OpenCV在.NET平台下的图像处理封装库,研发了基于机器视觉的冬小麦叶片形态测量算法并设计开发了软件,软件可实现数字图片的畸变校准并可以同时测量多个叶片长、宽和面积。为验证软件测定效果,选取冬小麦绿色展开叶100 片,通过与人工测量的叶片长宽、WinDIAS叶面积分析系统测量的叶面积结果对比,分析图像识别方法的准确性和稳定性。结果表明,图像识别法与人工和WinDIAS测量的冬小麦叶片长、宽和面积的相关系数均≥0.975,归一化均方根误差均≤0.10%;针对数字照片畸变校准功能进行测试,对叶片水平（垂直）缩放50%且垂直（水平）斜切30°的图像校准后,其测量结果与原始图像测量结果的最大相对误差仅为2%。说明基于机器视觉的冬小麦叶片形态识别方法,可对多种畸变图像进行准确的几何校准,可作为一种可同时准确测定多个叶片面积和长宽的新方法,在农业科学测量、农情信息业务、农业气象观测业务等领域推广应用。     

全站仪测量立木胸径树高及材积的误差分析

立木材积表是常用的森林调查数表,胸径、树高和材积的测量精度直接影响到编制材积表的精度,该文以全站仪无损测量立木的原理和误差传播理论为基础,推导了测算胸径、树高、材积误差的数学模型,研究了各立木因子间的相关性及其误差变化规律。结果表明：树干各分段高度与分段直径间存在弱相关性,树干总材积的误差受各分段材积的方差和相邻两段材积间的协方差影响。全站仪立木因子测量理论误差材积大于树高和胸径,其中胸径、树高和材积的平均相对误差分别为0.070%、0.023%和0.235%,说明全站仪无损测量立木的理论精度均远高于不同目标的林业调查及编制材积表的精度要求,对大范围的林业生产实践有着现实意义。     

利用轻小型飞机遥感数据建立人工林特征参数模型

目前获取森林特征参数的主要方法是外业测量,工作量大、效率低。该文以中国自主研发的轻小型航空遥感系统为数据获取工具,以油松人工林为研究对象,通过对获取森林的激光雷达（light detection and ranging,LIDAR）点云数据去噪,分类,提取等过程获得单木的树高数据,对获取的航空影像数据进行预处理,匹配,拼接,分割及冠幅提取获得单木的冠幅数据,再与外业抽样调查的单木的树高、胸径建立回归模型,同时验证模型精度。试验结果表明：通过LIDAR点云数据提取的树高与实测的树高具有极显著的相关性,所建立的模型预测精度达97.5%,通过影像提取的冠幅与实测的胸径也具有极显著的相关性,预测精度达91.6%,基本上能够满足林业生产的要求。     

基于双传感器数据融合的土壤湿度测量与建模

为了克服TDR-3土壤湿度传感器所测量的土壤湿度数据受土壤硬度的影响,得到客观的水分/土壤的质量百分比,设计并制作基于TDR-3土壤湿度传感器和土壤硬度计的土壤湿度测量装置。装置标定时,通过逆向烘干法精确计算水分与土壤的质量百分比,进行土壤湿度(c)、土壤硬度(ψ)和TDR-3传感器输出电压(U)三因素正交试验,用Matlab软件进行二元曲线拟合,构建三者间的数学关系。试验表明,融合TDR-3传感器的输出电压和土壤硬度计的硬度数据后,装置可直接测量出土壤水分的质量百分比,与理论含水率的最大误差为4.75%。相对于单纯使用TDR-3土壤湿度传感器测量土壤湿度,装置的测量精度显著提高。对同一土样测量的最大重复性误差为0.83%,模型具有一定的可靠性与鲁棒性。该文可为开发更加精确的土壤湿度传感器提供参考。     

Alpha-shape算法构建枣树点云三维模型

为了实现枣树智能化修剪作业,该研究提出了基于点云配准的自然光照环境下的果树三维重构方法,并针对传统最近点迭代（Iterative Closest Point,ICP）算法对待配准点云的空间位置要求苛刻的问题,提出了改进的点云配准算法。首先,使用彩色深度（RGB-D）相机采集不同角度下的枣树彩色和深度图像,并通过信息融合实现相应角度下的点云获取。其次,对点云进行背景去除和滤波处理,基于直方图设定分割阈值,提取单株枣树点云,并将放置在树根附近的标靶球作为标记,使用人工标记法进行两站点云初配准。最后,在初配准基础上计算点云的曲面法向量和曲率,由曲率相近的点构成配对点对,使用k维树最近点迭代（k dimensional-tree-Iterative Closest Point,kd-tree-ICP）算法完成精配准,对点云使用Alpha-shape算法面片化,实现表面重构。利用上述方法对多棵枣树进行全局配准并完整重构果树模型。试验结果表明,通过引入初配准,有效提高了点云配准的准确性和稳定性,配准误差均控制在1.0 cm以内,平均配准误差为0.78 cm;重构模型真实感较强,在外观上更加接近真实树,枝干相对误差控制在7%以内。该研究重构模型精度较高,可为枣树智能修剪提供可视化研究基础和技术支持。     

基于边缘检测算法的坡面薄层水流深度测量系统研制

为了准确高效地测定坡面薄层水流断面位置上的水深，该研究利用"一"字线激光器、高分辨率工业摄像机获取激光线边缘像素点坐标数据，基于Python语言与OpenCV计算机视觉库进行边缘检测算法编程，通过分析、计算薄层水流表面激光线偏移量与水深间的函数关系，构建坡面薄层水流深度测量系统，并利用人工测量方法（测针法与染色法）对该系统测定结果的精确性与稳定性进行验证。结果表明，坡面薄层水流深度测量系统对标准水深进行标定的变异系数均值为6.64%，具有较高的稳定性；在光滑床面上的测定结果与人工测量方法相比，相对均方差误差、平均相对误差与平均绝对误差均不超过0.2，水深测量系统与测针法、染色法对比所得纳什效率系数分别达到了0.922与0.972，说明水深测量系统与人工测量方法具有较好的一致性与相关性，能够满足定床测量坡面薄层水流深度的需求，在坡面水动力学研究中具有较好的应用前景。     

基于嵌入式互联网的远程智能喷雾控制系统设计

为提高设施农业植保作业智能管控能力,该文提出一种基于STM32F101和STM32F103嵌入式技术,结合4G互联网、局域WIFI通信技术及超声波靶标检测算法,能够便捷地对设施作业装备远程视频与控制的方案,达到人机分离与精准施药的目的。该系统在Eclipse和Keil-uvision4开发环境下采用Socket和多线程技术实现双向通信,以TCP通讯协议为媒介,Android端和客户端通过互联网或无线网卡转接移动路由实现远程智能喷雾控制。试验结果表明：1）Android端能够在LAN或Internet中实现智能喷雾装备的近远程控制,软件界面回传状态无卡顿、延时发生,能够准确发射控制指令,实现了对靶标间歇性施药管控;2）系统建立的双向心跳包能够在通信故障情况下迫使喷雾装备处于休眠状态,经测试,心跳包设定时间与喷雾装备休眠响应时间平均相对误差不超过5.50%;3）采用视频帧对冠层中线定位,借助超声检测算法确定风送距离参数且建立冠层体积模型。试验发现,冠层密度对体积测量结果有显著影响,但总体测量准确度可达94.67%。该研究对其他农机装备的智能化管控研究有参考意义。     

多视角深度相机的猪体三维点云重构及体尺测量

对活体牲畜三维重构,数据采集方式、快速配准融合方法、表型体尺测量方法缺乏成熟有效的方案,导致目前活体牲畜的自动体尺测量技术难以在养殖场中推广应用。该文以猪为研究对象运用消费级深度相机KinectV2从正上方和左右两侧3个不同角度同步获取在采集通道中自由行走猪的局部点云。局部点云采用邻域曲率变化法去噪,并运用基于轮廓连贯性点云配准融合,最后采用多体尺数据精确估算技术测定包括体长、体高、胸宽、腹围等数据。该文分别对比实验室中模型猪由传输带以5种不同速率经过通道和养殖场内25头猪逐一经过通道,2种情况下采集数据进行各项体尺测算结果。其结果显示模型猪在传输带上以0、0.3、0.6、0.9和1.2 m/s等5种不同速率下测量体长、体高、胸宽、腹围值与实测值的平均相对误差分别为1.77%、1.36%、2.74%和2.17%。养殖环境下对25头猪同样4种体尺值与实测值的平均相对误差分别为2.56%,2.32%,3.89%和4.51%。试验结果发现养殖场活体猪测量最小误差可以达到实验室环境下的效果,但是最大相对误差变化较大,其原因在于养殖场中猪自由行走采集数据时行为姿态发生很大变化。