网站开发制作,免费的行情网站app软件大全,查询网站空间商,网络平台贷款逾期不还文章目录 一、引言二、树冠体积测量对比方法2.1冠层体积人工测量法2.2冠层体积拟合测量法 三、基于深度相机与分割掩膜探测树冠体积方法3.1像素值与深度值的转换3.2树冠体积视觉探测法3.3实验分析 总结 一、引言
果树靶标探测是实现农药精准喷施的关键环节#xff0c;本章以果… 文章目录 一、引言二、树冠体积测量对比方法2.1冠层体积人工测量法2.2冠层体积拟合测量法 三、基于深度相机与分割掩膜探测树冠体积方法3.1像素值与深度值的转换3.2树冠体积视觉探测法3.3实验分析 总结 一、引言
果树靶标探测是实现农药精准喷施的关键环节本章以果树冠层体积的计算结果作为实现变量喷药决策的数据依据。基于上一章实例分割模型对树冠图像分割成掩膜的基础上提出一种基于深度相机的果树冠层体积探测方法即视觉探测法。采用深度相机作为感知单元通过扫描果树获得冠层深度图像其深度值表示冠层与相机之间的实际距离通过换算得出树冠掩膜的像素点代表的实际面积进而估算出单棵树冠的真实体积并与人工测量法进行比较以分析视觉探测法的精度。
二、树冠体积测量对比方法
2.1冠层体积人工测量法
本节对人工测量树冠体积的方法进行探究并将其结果作为比较基准。传统的人工测量方法简单地将果树冠层水平截面近似于椭圆通过将冠层等高度分割为多份圆台最后求和得出冠层体积。然而树冠的轮廓形状一般不规则因此难以确定椭圆截面的长、短半轴再者被分割的树冠部分并不一定只是圆台的形状。因此传统的人工测量结果并未能真实反映树冠体积其测量精度较难保证。 为得出果树冠层较为精确的人工测量结果本章在传统方法的基础上进行优化测量步骤具体如下 首先将单棵果树的冠层从上到下看作由圆台、锥体或是其他近似的规则几何体组成 接着将其水平分割成多个独立的几何体截面简化为圆形。 最后根据各部分形状进行单独计算并相加得到整个冠层体积。 以纺锤形冠层的果树为例进行分析绘制了人工测量冠层体积的示意图如图4-1所示。图中的树冠近似锥形但并不规则其中上、下两层近似圆锥而中间部分近似圆台。为便于计算本方法使用皮尺直接测量出的截面周长替换半径即r l/2π并代入基础式中。通过以下式推导出树冠体积的人工测量模型。
2.2冠层体积拟合测量法
由于柑橘树冠属于类球体型本节根据单棵树冠的外轮廓形状拟合成一个相近的、有规则的立方体进而实现对体积的估算该方法简称为拟合测量法下文均以此替代。以成熟期的柑橘树为例其树冠拟合过程如图4-2所示。 具体处理步骤如下 步骤1图4-2a为原始图像经过MSEU R-CNN实例分割模型处理后得到图4-2b所示的实例分割效果图 步骤2通过剔除背景仅保留树冠掩膜部分如图4-2c所示 步骤3之后采用图像二值化、开运算等图像处理操作提取出树冠掩膜的轮廓是否贴近于原始轮廓取决于图像分割精度见图4-2d 步骤4以掩膜轮廓下窄上宽的特征适合拟合成图4-2e的梯形 步骤5最后通过梯形绕中轴线旋转360°拟合成图4-2f所示的圆台。
三、基于深度相机与分割掩膜探测树冠体积方法
3.1像素值与深度值的转换
为探究二维图像与三维空间之间的转换关系根据所用视觉传感器不同其方法各异。若使用普通相机采集图像一般采用标定法获取单位像素代表的实际面积下文均以A表示该值。例如丁为民等将黑色硬纸板作为标定物通过图像处理软件计算多个采样距离下标定板的A值利用该值和对应的采样距离制成散点图发现A与采样距离之间具有明显的幂函数关系。然而每个普通相机内参可能有所不同若要获得较为准确的A值均要进行相对复杂的标定实验才能得到幂函数中合适的系数。本章以D435i深度相机为数据采集设备该款相机配备了二次开发功能包其中就有采用欧几里得度量法指用于测量n维空间中两个点之间的真实距离D(x, y)或称为欧氏距离其计算原理由如下式表示 通过第3章的实例分割算法可获得树冠的掩膜但掩膜以二维图像的像素量表示并非树冠真实参数不能作为精准喷施的决策依据。由于D435i深度相机可同时拍摄目标树冠的RGB图像和深度图像采用欧几里得度量法可测量深度图像中的欧氏距离Hr通过OpenCV图像处理库中的算法计算可获得RGB图像中树冠的像素高度Hp两者比值的平方即为A值。该值再乘以掩膜像素面积从而计算出树冠垂直投影面的实际面积Sr。具体计算过程通过如下的式表示
3.2树冠体积视觉探测法
本节基于实例分割模型的处理结果并结合上节所述方法对单株柑橘树冠层的几何特征进行探测主要参数包括树冠面积、高度、宽度以及体积其探测原理的示意图如图4-4所示。 针对以相机对果树冠层体积进行探测的问题丁为民等提出“多点测量法”通过构建树冠实际垂直投影面积Sr与树冠体积对数lnV间的模型研究两者之间的相关性即基于已知的冠层面积来推算体积。为得出不同果树Sr与lnV的相关性丁为民的科研团队通过实验构建了梨树、桂花树等果树体积计算模型。实验结果表明该模型的决定系数均在0.9以上说明Sr与lnV之间存在明显的相关性同时也表明在不同树种之间树冠垂直投影面与树冠体积的线性关系规律是成立的。 基于上述学者的研究本章对果园内的20棵柑橘树进行采样并在树冠垂直投影面积Sr的基础上结合人工测量法准确测得的树冠体积V以最小二乘法构建柑橘树冠层的Sr与lnV间的关系模型即“基于深度相机和分割掩膜的果树树冠体积探测方法”简称为“视觉探测法”其相关性结果如图4-5所示。
3.3实验分析
上一节采用三种测量模型并对所选8棵柑橘树进行了体积探测得出了各个方法对应的树冠体积平均值。本节将三种树冠体积探测方法的测量结果汇总于表4-4中。并根据误差评估式计算出误差、样本标准差作为误差评估指标。其中误差1和误差2分别指拟合测量法、视觉探测法跟人工测量法之间的误差值。为更为直观地对比三种测量手段得到的体积值之间的差距绘制了图4-9所示的体积平均值以及标准差条形图。 根据表4-4中树冠体积平均值以及标准差绘制了图4-10所示的折线图综合展示了三种方法测量得到的8棵橘树冠层体积。按照大小依次排序为橘树3橘树1橘树6橘树2橘树8橘树7橘树5橘树4。但是三种测量方法均存在一定的偏差尤其是橘树3的冠层体积最大标准差值为0.12。其次为橘树8其体积测量的标准差值达到了0.102而所有橘树冠层体积测量的标准差大于0.05其中最小的标准差值为0.062由测量1号、7号橘树时产生。 综合上述图表可知人工测量相比真实的体积可能存在一定的误差造成的原因可能是树冠形状在转化时将原本不规则的形状抽象成规则形状后丢失了部分空间的体积值导致所测体积值相对偏小。但相比拟合测量法将树冠作为整体的计算方法人工测量通过将冠层水平分割成几部分进行分块计算降低了每个部分的误差数值相对精确故将其作为标准值具有较强的可靠性。
总结
针对目前主流传感器探测果树靶标存在的各种问题本章提出一种基于深度相机和分割掩膜的果树冠层体积探测方法并通过对比实验研究其探测精度。并且为探究视觉探测冠层体积的精确度提出一种人工测量和拟合测量冠层体积法并以人工测量的体积为基准与视觉探测法的结果进行误差分析。实验结果表明视觉探测法与人工测量体积值的主要误差小于8%最小误差仅为2.2%因此视觉探测法测量得到的体积值更加接近于手工测量的结果。验证了基于深度相机的视觉探测树冠体积方法具有良好的测量精度。
