RGB-D SLAM增强现实原木检尺系统构建与测试

将内嵌有ToF相机、面阵相机及IMU的智能手机作为硬件系统,RGB-D SLAM技术实时获取的深度图、位姿等为数据源,构建了RGB-D SLAM增强现实楞堆原木检尺系统。首先设计了基于ToF影像实时估计RGB影像像素深度的方法,实现对待测原木端面几何坐标的初步估计;其次,设计了散形分区去噪算法实现原木端面点云的精确过滤,设计了原木端面曲率估计算法实现对过滤点云可靠性判别;然后,基于PCA等算法实现原木长、短直径方向向量估计,并基于该向量对原木长、短直径进行了估计;最后,以所构建算法为基础在智能手机平台上搭建了增强现实楞堆检尺系统,实现智能手机对原木进行实时检尺、增强现实场景对测量结果实时监督。新型检尺系统通过对6个楞堆334根原木进行了检尺实验,以评估该设备的测量精度。结果显示：原木平均直径估计值的偏差及均方根误差分别为-0.13 cm(-0.35%)及1.05 cm(3.34%);原木径阶化直径估计值的偏差及均方根误差分别为-0.10 cm(-0.22%)及1.33 cm(4.43%);原木材积估计值的偏差及均方根误差分别为-0.007 m³(-0.27%)及0...     

树木年轮信息解析系统研制与试验

树木年轮信息在树木年代学、气候学、生态学、灾害学和环境学等领域研究中有重要的作用。为准确、快速地获取树木年轮信息，降低工作强度和操作复杂度，该研究设计了一种树木年轮信息解析系统。该系统在硬件上进行了机电一体化设计，主要包含滑台模组、旋转编码器、步进电机、置物台、手轮、工业相机、控制箱、光学显微镜、电脑等组件，基于C#语言和OpenCvSharp工具包设计上位机，所设计的上位机软件通过与工业相机、采集器和控制器通信来实现对年轮信息采集、处理和存储，实现位置计算、电机控制和图像识别。系统设计了2种方法进行年轮信息解析：1）电子显微定位法。在常规显微定位法的基础上，基于旋转编码器和螺旋测距法感知滑台线性位移进而实现年轮宽度测量，并使用工业相机和显示器代替传统显微镜来判读年轮线，最后可生成年轮解析图表；2）图机辅助法。在电子显微法的基础上，结合图像识别与电机控制算法进行改进。为验证系统的年轮宽度测量精度、年轮线识别准确率和解析效率，以传统显微镜和光学标定板作为参照工具，采集油松、落叶松、杨树、白桦4个树种的木芯样品进行试验。试验结果表明：在年轮宽度测量精度上，电子显微定位法和图机辅助法的平均绝...     

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...     

手杖式测树仪立木树高量测研究

[目的]树高是森林经营决策中最重要的一个参量,常用于估计森林生长、年龄、材积、生物量和碳储量等立木参数,其精度对立木质量的评价及森林生长的预测分析影响重大.为解决传统的树高量测仪器移动不便,测量周期长,人力耗损大等问题.[方法]以近景摄影测量为基础,构建了一种以登山杖绑定安卓智能手机为测量平台的便携、快捷的树高测量装备...     

便携式高精度立木胸径测量装置研制与试验

立木胸径是森林资源调查中最重要的测量指标。为了实现高效、精准、简便地测量立木胸径,适应复杂树形和不同径级的树木,节省内外业勘测成本,该研究研制了一款立木胸径测量装置。基于隧道磁阻旋转编码器构建适合低成本、轻小型机电结构和高分辨力处理算法的方法,同时开发了由嵌入式软件、Android端应用和Web端应用构成的系统软件,通过多功能按键组合设计了特殊树形和大径级树木的作业流程。在单木勘查作业过程中,装置的机电结构会将立木胸径由机械量先转换为磁信号再转换成电信号,之后由嵌入式软件中集成的处理算法把电信号换算成胸径测量数据。完成所有单木勘查作业后,装置内的蓝牙将数据传输至Android端应用进行存储再上传到Web端的数据库中。为验证装置的测量精度和作业效率,选取包含多个树种的196株立木和一块包含42株立木的小样地进行试验。试验结果表明：该装置对不同径级的立木都具有较高的测量精准度（总平均绝对误差为0.08 cm、平均绝对百分比误差为0.37%、均方根误差为0.12 cm和相对均方根误差为0.54%）;人均每株立木测量耗时为9.3 s（约为传统围尺方法的1/3）,作业效率高。该装置解决了传统围尺...     

单目SLAM增强现实测树系统设计与试验

将内嵌有面阵相机及IMU的智能手机作为硬件系统，单目SLAM技术获取多视图几何深度图、位姿等为数据源，构建了单目SLAM增强现实森林测树系统。设计了基于平滑度高鲁棒性过滤胸高圆柱体表面点云及切线的方法；然后，基于点到圆柱体表面距离及圆柱体切线到圆柱体表面距离构建了胸径与立木位置精确估计算法；最后，以该算法为基础在智能手机端开发了增强现实测树系统，即利用智能手机实时测树、并通过增强现实场景实时人工监督测量结果。新型测树系统在5块32m×32m方形样地中进行了测试，以评估新型测树系统的测量精度；此外，每块样地使用了单次观测、正交观测、对称观测及环绕观测4种不同的观测方法对立木胸高圆柱体观测，以评估不用观测方式对测树精度的影响。结果显示：立木位置估计值在X、Y轴方向的平均误差范围为-0.014~0.020m，X、Y轴方向均方根误差范围为0.04~0.08m；立木胸径估计值偏差为-0.85~-0.03cm（相对偏差为-3.60%~-0.04%），均方根误差为1.32~2.51cm（相对均方根误差为6.41%~12.33%）；相比于单次观测方法，其他观测方法获取位置及胸径估计精度均有提高（特别是不可近似为圆柱体的立木树干），从精度与效率角度而言，正交观测及对称观测为最佳观测方法。结果表明，单目SLAM增强现实测树系统是一种可精确进行森林样地调查的潜在解决方案。