CN103440648A - 农作物冠层整齐度的自动测量方法及装置 - Google Patents

Abstract

本发明提供了一种农作物冠层整齐度的自动测量方法及装置，涉及农业信息技术领域。该方法包括以下步骤：S1、获取农作物冠层图像；S2、利用双目图像重建技术计算所述农作物冠层图像的三维点云数据；S3、从所述三维点云数据中分离出农作物的行向点云数据；S4、依据所述行向点云数据，计算农作物冠层整齐度的基础数据；S5、依据所述基础数据计算农作物冠层整齐度指标。本发明解决了连续、自动的获取农作物冠层整齐度指标的问题，能够自动、连续、无损的对农作物冠层整齐度进行测量，该方法相较于以往方法，需要较少的人力投入，自动化程度高，测量结果能够综合反应农作物冠层整齐度，测量结果不受人为误差和测量人员经验的影响。

Description

农作物冠层整齐度的自动测量方法及装置

技术领域

本发明涉及农业信息技术领域，具体涉及一种农作物冠层整齐度的自动测量方法及装置。

背景技术

玉米冠层整齐度包含两个方面，其一是植株在田间分布的均匀程度，第二是植株个体间性状的差异大小。调查玉米冠层整齐度具有一定的现实和理论意义。从现实观点来看，植株在田间分布不均时，一部分植株可得到充足的光照、养分等，而另一部分植株则缺乏这些条件，从而影响植株生产潜力的充分发挥。农业生产上一向从选种、整地、播种、田间管理等各个方面来尽可能地保证田间作物的分布和生长均匀，究竟整齐度要达到怎样的过程才不致影响产量而又节省劳力和成本，就成为一个现实问题。从理论上来说，植株本身具有适应外界条件并根据外界条件来调节其生长发育的能力，它的分蘖、分支习性、向光性、向化性等都是它的调节手段。这种调节的作用有多大，规律如何，如何加以利用，是很值得研究的。

长久以来调查玉米植株冠层分布整齐度的方法主要依靠人工肉眼判断，即通过人工肉眼观察冠层分布，根据人的经验性判断给出冠层整齐度评价。或者人工测量一个、几个能够反映玉米植株冠层整齐度的指标，如冠层中株高的整齐度，人工测量一定范围内的植株高度，取该范围内株高值的变异系数的倒数衡量冠层整齐度。

玉米冠层整齐度的人工测量方法需要耗费大量人力，不易大规模开展，并且人工测量方式依赖于测量人员的操作熟练程度，经验性强，很难去除测量结果中的人为误差。

发明内容

（一）解决的技术问题

针对现有技术的不足，本发明提供一种农作物冠层整齐度的自动测量方法及装置，解决了自动的获取农作物冠层整齐度指标的问题。

（二）技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

一种农作物冠层整齐度的自动测量方法，包括以下步骤：

S1、获取农作物冠层图像；

S2、利用双目图像重建技术计算所述农作物冠层图像的三维点云数据；

S3、从所述三维点云数据中分离出农作物的行向点云数据；

S4、依据所述行向点云数据，计算农作物冠层整齐度的基础数据；

S5、依据所述基础数据计算农作物冠层整齐度指标。

优选的，步骤S3中包含步骤：

S31、依据所述农作物冠层图像的像素点的灰度值，从所述农作物冠层图像的像素点中分离出行向像素点；

S32、遍历所述行向像素点，以预订阈值对图像二值化，得到二值图像；

S33、对所述二值图像进行滤波去噪，去除孤岛像素，填充中间孔洞的操作后；与二值图像中白色像素对应的三维点云既是农作物行向点云数据。

优选的，步骤S4中包含步骤：

S41、将所述行向像素点使用最小二乘法，拟合出一条行向直线；

S42、将所述行向直线映射到所述三维点云数据中，以所述行向直线为中心轴，以预设半径的圆柱体内的冠层点云数据做为计算农作物冠层整齐度的基础数据。

优选的，步骤S5中包含：

S51、计算所述基础数据所包含空间点集的最小外包长方体；

S52、将所述最小外包长方体等分为2ⁿ个等分长方体，遍历每一等分长方体，对包含在每一等分长方体中的点云数据进行平面拟合，获得平面集合；

S53、计算所述平面集合中的平面与该平面的上下、前后、左右相邻的平面所形成的夹角α，以及所述平面与相邻平面的中心距离d_p，并计算所述平面与相邻平面的距离函数f；

S54、对所述距离函数f进行判断，若f小于阈值M，则合并所述平面与相邻平面；

S55、重复步骤S53～S54的操作，当所述平面集合中的任一平面距离函数f大于等于阈值M时，合并截止；并将所述平面集合中占据长方体个数小于阀值N的的平面去除。

优选的，步骤S53中计算距离函数f的表达式为：

$f=e_1\frac{\mathrm{\α}}{90}+e_2\frac{d_p}{\mathrm{len}}$

式中，e₁=0.7，e₂=0.3，len是所述基础数据所包含空间点集的最小外包长方体长边的

优选的，步骤S54中合并所述平面与相邻平面的方法为：用两个相邻等分长方体中的点云拟合新的平面带代替原有平面。

优选的，步骤S5中计算农作物冠层整齐度指标的表达式为：

$\mathrm{Uni}=\underset{i=1}{\overset{64}{\mathrm{\Σ}}}{p}_i{e}^{p_i}$

式中，p=t/sump,表示每个长方体中平面出现的概率，其中t=0或1，sump为平面个数之和。

优选的，步骤S5中的阈值M为0.45，阈值N为4。

本发明还提供了一种农作物冠层整齐度的自动测量装置，包括以下模块：

获取冠层图像模块，通过双目立体相机获取农作物冠层图像；

计算三维点云数据模块，利用双目图像重建技术计算所述农作物冠层图像的三维点云数据；

分离行向点云数据模块，从所述三维点云数据中分离出农作物的行向点云数据；

计算基础数据模块，依据所述行向点云数据，计算农作物冠层整齐度的基础数据；

计算冠层整齐度指标模块，依据所述基础数据计算农作物冠层整齐度指标。

本发明还提供了一种农作物冠层整齐度的自动测量装置，包括以下模块：

获取冠层图像模块，通过双目立体相机获取农作物冠层图像；

计算三维点云数据模块，利用双目图像重建技术计算所述农作物冠层图像的三维点云数据；

分离行向点云数据模块，从所述三维点云数据中分离出农作物的行向点云数据；

计算基础数据模块，依据所述行向点云数据，计算农作物冠层整齐度的基础数据；

计算冠层整齐度指标模块，依据所述基础数据计算农作物冠层整齐度指标。

（三）有益效果

本发明通过提供一种农作物冠层整齐度的自动测量方法及装置，通过获取农作物冠层图像，得到农作物的三维点云数据，进而得到农作物的行向点云数据，进而得到计算农作物冠层整齐度指标，通过此指标来判断农作物冠层整齐度。本发明能够自动、连续、无损的对农作物冠层整齐度进行测量。

本发明相较于以往方法，需要较少的人力投入，自动化程度高，测量结果能够综合反应农作物冠层整齐度，测量结果不受人为误差和测量人员经验的影响。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例的一种农作物冠层整齐度的自动测量方法的流程示意图；

图2为本发明实施例的一种农作物冠层整齐度的自动测量装置的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1：

如图1所示，本发明实施例提供了一种农作物冠层整齐度的自动测量方法，该方法包括以下步骤：

S1、获取农作物冠层图像；

S2、利用双目图像重建技术计算所述农作物冠层图像的三维点云数据；

S3、从所述三维点云数据中分离出农作物的行向点云数据；

S4、依据所述行向点云数据，计算农作物冠层整齐度的基础数据；

S5、依据所述基础数据计算农作物冠层整齐度指标。

本发明实施例通过获取农作物冠层图像，得到农作物的三维点云数据，进而得到农作物的行向点云数据，进而得到计算农作物冠层整齐度指标，通过此指标来判断农作物冠层整齐度。本发明实施例能够自动、连续、无损的对农作物冠层整齐度进行测量；

下面对本发明实施例进行详细的描述：

一种玉米冠层整齐度的自动测量方法，该方法包括以下步骤：

S1、获取农作物冠层图像；

本实施例采用双目立体相机，型号mvcsam1000-30st(北京微视图像)，相机距离冠层顶部100cm左右，垂直朝向地面放置，沿着玉米行方向移动相机10m，每隔50cm获取一幅图像。

拍摄时间宜选择晴朗的午后开展，以便去除阳光与风对获取图像质量的干扰。

S2、利用双目图像重建技术计算所述玉米冠层图像的三维点云数据；

依据事先标定好的双目相机内外参数，使用双目图像重建技术计算出玉米冠层三维点云数据，并根据摄像机的投影关系将三维点云数据与图像上的像素一一对应。

双目摄像机的投影矩阵为Pi,由标定好的双目相机内外参数组成。

$P_i=\left[\begin{array}{cccc}{a}_{11}^i& a_{12}^i& a_{13}^i& a_{14}^i\\ a_{21}^i& a_{22}^i& a_{23}^i& a_{24}^i\\ a_{31}^i& a_{32}^i& a_{33}^i& a_{34}^i\end{array}\right],(i=\mathrm{1,2})$

设冠层植株上一点M(X,Y,Z)，m₁(x₁,y₁)、m₂(x₂,y₂)分别为M点在左右两幅图像上投影点的图像坐标，则

$w_i\left[\begin{array}{c}{x}_i\\ y_i\\ 1\end{array}\right]=P_i\left[\begin{array}{c}X\\ Y\\ Z\\ 1\end{array}\right],(i=\mathrm{1,2})$

其中：(x₁,y₁,1)、(x₂,y₂,1)分别为m1、m2在各自图像中的齐次坐标；(X,Y,Z,1)为M(X,Y,Z)点世界坐标下的齐次坐标；wi为非零参数；a^k _mn(k=1,2;m=1,2,3;n=1,2,3,4)为投影矩阵P_i(i=1,2)中的元素，代表摄像机的内参矩阵（焦距、畸变）和外参矩阵（平移、旋转）。根据被测点M在摄像机像面上的坐标m₁(x₁,y₁)、m₂(x₂,y₂)和式（2），就可以求出未知点M的世界坐标(X,Y,Z)，计算表达式如下：

$\left[\begin{array}{ccc}(a_{11}^i-a_{31}^i{x}_i)& (a_{12}^i-a_{32}^i{x}_i)& (a_{13}^i-a_{33}^i{x}_i)\\ (a_{21}^i-a_{31}^i{y}_i)& (a_{22}^i-a_{32}^i{y}_i)& (a_{23}^i-a_{33}^i{y}_i)\end{array}\right]\left[\begin{array}{c}X\\ Y\\ Z\end{array}\right]=\left[\begin{array}{c}\left(x_i{a}_{14}^i\right)\\ \left(y_i{a}_{24}^i\right)\end{array}\right]$

S3、从所述三维点云数据中分离出玉米的行向点云数据；

优选的，分离出玉米的行向点云数据方法为：

S31、依据所述玉米冠层图像的像素点的灰度值，从所述玉米冠层图像的像素点中分离出行向像素点；

S32、遍历所述行向像素点，以灰度值185为阈值对图像二值化，得到二值图像；

S33、对所述二值图像进行滤波去噪，去除孤岛像素，填充中间孔洞的操作后；与二值图像中白色像素对应的三维点云既是玉米行向点云数据。

S4、依据所述行向点云数据，计算玉米冠层整齐度的基础数据；

优选的，计算玉米冠层整齐度的基础数据的方法为：

S41、将所述行向像素点使用最小二乘法，拟合出一条行向直线。

假设有N个数据点(x_i y_i,i=1,2,3,…n)，一个能够代表函数自变量与因变量之间关系的模型可以被定义为：

y(x)=y(x；a_１…a_Ｍ)

a₁...a_m是模型的系数。求算模型系数即可获得模型的解析形式，一般通过最小二乘法拟合模型，计算下式的最小值，获得a₁...a_m的最大似然估计。

${\mathrm{\Σ}}_{i=1}^N{[y_i-y(x;a_1...a_M)]}^2$

S42、将所述行向直线映射到所述三维点云数据中，以所述行向直线为中心轴，以预设半径为15cm的圆柱体内的冠层点云数据做为计算农作物冠层整齐度的基础数据。

S5、依据所述基础数据计算农作物冠层整齐度指标。

优选的，计算农作物冠层整齐度指标的方法为：

S51、计算所述基础数据所包含空间点集的最小外包长方体；

S52、将所述最小外包长方体等分为64个等分长方体，遍历每一等分长方体，对包含在每一等分长方体中的点云数据进行平面拟合，获得平面集合；

S53、计算所述平面集合中的平面与该平面的上下、前后、左右相邻的任一平面所形成的夹角α，以及所述平面与任一相邻平面的中心距离d_p，并计算所述平面的距离函数f；

优选的，步骤S53中计算距离函数f的表达式为：

$f=e_1\frac{\mathrm{\α}}{90}+e_2\frac{d_p}{\mathrm{len}}$

式中，e₁=0.7，e₂=0.3，len是所述基础数据所包含空间点集的最小外包长方体长边的

。

S54、对所述距离函数f进行判断，若f小于阈值0.45，则合并所述平面与相邻平面；

优选的，步骤S54中合并所述平面与相邻平面的方法为：用两个相邻等分长方体中的点云拟合新的平面带代替原有平面。

S55、重复步骤S53～S54的操作，当所述平面集合中的任一平面距离函数f大于等于阈值0.45时，合并截止；并将所述平面集合中占据长方体个数小于阀值4的的平面去除。

优选的，步骤S5中计算农作物冠层整齐度指标的表达式为：

$\mathrm{Uni}=\underset{i=1}{\overset{64}{\mathrm{\Σ}}}{p}_i{e}^{p_i}$

式中，p=t/sump,表示每个长方体中平面出现的概率，其中t=0或1，sump为平面个数之和。

实施例2：

本发明实施例还提供了一种玉米冠层整齐度的自动测量装置，包括以下模块：

获取冠层图像模块，通过双目立体相机获取玉米冠层图像；

计算三维点云数据模块，利用双目图像重建技术计算所述玉米冠层图像的三维点云数据；

分离行向点云数据模块，从所述三维点云数据中分离出玉米的行向点云数据；

计算基础数据模块，依据所述行向点云数据，计算玉米冠层整齐度的基础数据；

计算冠层整齐度指标模块，依据所述基础数据计算玉米冠层整齐度指标。

综上，本发明实施例所提供的方法和装置相较于以往方法和装置，需要较少的人力投入，自动化程度高，测量结果能够综合反应玉米冠层整齐度，测量结果不受人为误差和测量人员经验的影响。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

需要说明的是，本发明实施例所提供的冠层整齐度的自动测量方法和装置，不仅适合与玉米，还适合与其它如大豆、高粱等农作物的测量需要。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (9)

1.一种农作物冠层整齐度的自动测量方法，其特征在于，包括以下步骤：

S1、获取农作物冠层图像；

S2、利用双目图像重建技术计算所述农作物冠层图像的三维点云数据；

S3、从所述三维点云数据中分离出农作物的行向点云数据；

S4、依据所述行向点云数据，计算农作物冠层整齐度的基础数据；

S5、依据所述基础数据计算农作物冠层整齐度指标。

2.如权利要求1所述的自动测量方法，其特征在于，步骤S3中包含步骤：

S31、依据所述农作物冠层图像的像素点的灰度值，从所述农作物冠层图像的像素点中分离出行向像素点；

S32、遍历所述行向像素点，以预订阈值对图像二值化，得到二值图像；

S33、对所述二值图像进行滤波去噪，去除孤岛像素，填充中间孔洞的操作后；与二值图像中白色像素对应的三维点云既是农作物行向点云数据。

3.如权利要求2所述的自动测量方法，其特征在于，步骤S4中包含步骤：

S41、将所述行向像素点使用最小二乘法，拟合出一条行向直线；

S42、将所述行向直线映射到所述三维点云数据中，以所述行向直线为中心轴，以预设半径的圆柱体内的冠层点云数据做为计算农作物冠层整齐度的基础数据。

4.如权利要求3所述的自动测量方法，其特征在于，步骤S5中包含：

S51、计算所述基础数据所包含空间点集的最小外包长方体；

S52、将所述最小外包长方体等分为2ⁿ个等分长方体，遍历每一等分长方体，对包含在每一等分长方体中的点云数据进行平面拟合，获得平面集合；

S53、计算所述平面集合中的平面与该平面的上下、前后、左右相邻的平面所形成的夹角α，以及所述平面与相邻平面的中心距离d_p，并计算所述平面与相邻平面的距离函数f；

S54、对所述距离函数f进行判断，若f小于阈值M，则合并所述平面与相邻平面；

S55、重复步骤S53～S54的操作，当所述平面集合中的任一平面距离函数f大于等于阈值M时，合并截止；并将所述平面集合中占据长方体个数小于阀值N的的平面去除。

5.如权利要求4所述的自动测量方法，其特征在于，步骤S53中计算距离函数f的表达式为：

$f=e_1\frac{\mathrm{\α}}{90}+e_2\frac{d_p}{\mathrm{len}}$

式中，e₁=0.7，e₂=0.3，len是所述基础数据所包含空间点集的最小外包长方体长边的

6.如权利要求4所述的自动测量方法，其特征在于，步骤S54中合并所述平面与相邻平面的方法为：用两个相邻等分长方体中的点云拟合新的平面带代替原有平面。

7.如权利要求4所述的自动测量方法，其特征在于，步骤S5中计算农作物冠层整齐度指标的表达式为：

$\mathrm{Uni}=\underset{i=1}{\overset{64}{\mathrm{\Σ}}}{p}_i{e}^{p_i}$

式中，p=t/sump,表示每个长方体中平面出现的概率，其中t=0或1，sump为平面个数之和。

8.如权利要求4所述的自动测量方法，其特征在于，步骤S5中的阈值M为0.45，阈值N为4。

9.一种农作物冠层整齐度的自动测量装置，其特征在于，包括以下模块：

获取冠层图像模块，通过双目立体相机获取农作物冠层图像；

计算三维点云数据模块，利用双目图像重建技术计算所述农作物冠层图像的三维点云数据；

分离行向点云数据模块，从所述三维点云数据中分离出农作物的行向点云数据；

计算基础数据模块，依据所述行向点云数据，计算农作物冠层整齐度的基础数据；

计算冠层整齐度指标模块，依据所述基础数据计算农作物冠层整齐度指标。

Images