CN105066877A - 基于智能终端镜头的树木测量方法 - Google Patents

Abstract

基于智能终端镜头的树木测量方法，本发明的主要目的在于克服以往利用卷尺或大型测量仪器等不易操作、低效率和复杂麻烦的缺点得出其最佳拍摄环境，为提高数据的精确性提供了宝贵的指导意见。本发明提出了通过结合计算机视觉、数学几何模型、摄像头标定和正交试验分析等技术，研发树木高度、胸径和冠幅测量模型，用于园林管理中树木信息的量测，为树木信息采集和管理提供了一种先进的手段和工具。

Description

基于智能终端镜头的树木测量方法

技术领域

本发明实现了在水平地面上通过智能终端镜头对待测树木拍照利用模型测量树木生长信息(树木高度、胸径、冠幅信息)。

背景技术

林木信息的采集是森林资源调查、林业可视化的基础,是一项复杂、繁重的任务。随着计算机等现代技术的发展,林木信息采集的手段更多、技术更先进、效率和精确度更高。为了测量树木树高、树冠、胸径等,传统方法主要是使用围尺或轮尺等测量工具,并且需要人工读取和记录测量数据。这无疑会耗费大量人力和财力,而且自动化程度低,精度不高。近年来出现的许多辅助测量工具,但一般存在价格昂贵,携带不方便的问题。寻找一种更为便捷的测量方式十分必要。

东北林业大学的关强教授(2006)采用超声波测距技术、条码识别技术及光电技术,实现了单株立木测量高度的确定和直径信息的识别,以及测量数据的自动读取和记录。然而超声波测距在实际应用中的诸多局限性影响了它的精度。一是超声波在空气中衰减极大,由于测量距离的不同,造成回波信号的起伏,使回波到达时间的测量产生较大的误差；二是超声波脉冲回波在接收过程中被极大地展宽,影响了测距的分辨率,尤其是对近距离的测量造成较大的影响。其他还有一些因素,诸如环境温度、风速等也会对测量造成一定的影响,因此这些因素都限制了超声波测距在立木测量中的实际应用。北京林业大学的张青(2003)在研究树木图像匹配与重构关键技术的基础上,完成了树高、树冠的测量。采用单个相机拍摄两张或多张照片,被拍摄的对象中需要一根至少有己知两点距离作为尺度的标杆,由立体视觉的三维未标定的重构技术恢复景物在仿射空间的坐标,运用相关匹配或双视图几何匹配方法确定对应点,再根据仿射空间中平行线段成比例的性质,可以求算树高。

随着嵌入式设备尤其是智能终端的出现,拓宽了图像处理的应用范围,使针对智能终端上的图像处理技术成为一个热门研究领域。借助智能终端设计的树木测量软件更为便捷、易操作。既避免使用大型测量仪器，又避免携带十字架等参照物，真正实现仅以一个智能终端实现树木测量。

发明内容

本发明的主要目的在于克服以往利用卷尺或大型测量仪器等不易操作、低效率和复杂麻烦的缺点，实现高效率，易携带，高精度等优势的基于智能终端的树木测量方法，本发明提出了通过结合计算机视觉、数学几何模型、摄像头标定和正交试验分析等技术，研发树木高度、胸径和冠幅测量模型，用于园林管理中树木信息的量测，为树木信息采集和管理提供了一种先进的手段和工具。

为实现上述目的，本发明采用的技术方案为基于智能终端镜头的树木测量方法，该方法的实现过程如下，

(1)首先在水平地面上，在保证智能终端镜头拍摄角度α＝90°和拍摄高度为1.5米的情况下，拍摄树木图片。

(2)对拍摄到的树木图片用触屏笔分别点击树顶树底来获取图像树木坐标，并以此结合模型利用公式求取真实世界中树木的高度。树高量测模型是结合世界坐标系和图像坐标系的产物，把摄像头作为贯穿实物和图像的中心点O，树顶B经由摄像头映射到图像中的b点，树底A经由摄像头映射到图像中的a点，因为拍摄角度是90度，所以平行于地面的摄像头光轴经由O点交树干于G点，交图像于g点；摄像头能够拍摄的最大纵向视角在图像中为图像上下两端e和f点，两点之间距离就是图像高度，经由中心点O延伸到三维世界中就为E点和F点，摄像头中心点O到地面的距离为OI＝AG＝1.5米。

树木的高度AB为

$AB=AG+BG=OI+\frac{(\frac{H}{2}-y_b)\×OI}{(\frac{H}{2}-y_a)}$

其中AB为真实树高，BG为树顶B到摄像头主光轴IG的长度，图像尺寸为W×H像素，图像坐标系中图像高度的一半ge＝H/2，y_a、y_b分别为图像中树底a点和树顶b点的y轴坐标。

(3)树径量测模型也是结合了世界坐标系和图像坐标系，其中把摄像头作为贯穿实物和图像的中心点O，因为测量树木胸径的高度一般为1.3米，所以把模型中胸径左右两侧的A'点和B'点定义为1.3米处的点；树径右侧B'点经由摄像头映射到图像中的b'点，树径左侧A'点经由摄像头映射到图像中的a'点，因为拍摄角度是90度，所以平行于地面的摄像头光轴经由O点交树干于G点，交图像于g点；摄像头能够拍摄的最大横向视角在图像中为图像左右两端e'点和f'点，两点之间距离就是图像宽度，经由中心点O延伸到三维世界中就为E'点和F'点，摄像头中心点O到地面的距离为OI＝1.5米。

通过点击图像中树径两侧A'点与B'点获取图像坐标系中树木两侧a'点与b'点的位置参数，结合模型利用公式 $A^{\′}G=\frac{OG\×a^{\′}g}{og}=\frac{(\frac{W}{2}-x_{a^{\′}})\×OI}{(\frac{H}{2}-y_a)}$ 和 $B^{\′}G=\frac{OG\×b^{\′}g}{og}=\frac{(\frac{W}{2}-x_{b^{\′}})\×OI}{(\frac{H}{2}-y_a)}$ 求得胸径为A'B'的值(冠幅的求取方式和胸径一样)为 $A^{\′}{B}^{\′}=A^{\′}G+B^{\′}G=\frac{\[(\frac{W}{2}-x_{a^{\′}})+(\frac{W}{2}-x_{b^{\′}})\]\×OI}{(\frac{H}{2}-y_a)},$ 其中摄像头拍摄距离为OG，a'g、b'g分别为图像树木两侧a'和b'点到图像中心点g的长度，og为摄像头焦距，x_a'、x_b'、y_a分别为图像中胸径两侧a'点与b'点的x轴横向坐标和树底a点的y轴坐标。

(4)得到的树高、胸径、冠幅数据都带有一定的误差，其形成原因是多方面的，现在就需要对误差进行排解，增加其精度。首先是智能终端镜头内部误差而造成的图像畸变。在此借用已有的摄像头标定方法，对横竖分别为10个黑白方格和7个黑白方格且每个方格为21.5毫米的黑白棋盘格进行多次多角度拍摄，把得到的多张图像进行分析，并绘制棋盘角点，如附图3所示，再求取摄像头的内参和畸变参数，利用OpenCV中的cvUndistort2函数矫正所拍摄的树木图像。最后把这种方法嵌入到智能终端中。其次也是主要误差造成点是人为确定图像中树木坐标。为了降低这种影响借助于触屏笔代替手指，能更精确的确定坐标位置。

(5)除了以上两点，复杂的环境也会影响测量结果，利用正交试验分析法可以很好的利用最少的试验次数分析摄像头像素、拍摄距离、光照等环境因素所造成的影响。如附表1所示，共九组实验，拍摄距离、摄像头像素和光照三个因素，每个因素有三个水平。每组实验选择了测量五次选平均的方式来避免操作失误导致的数据不准确，如附表2所示，即为正交法分析因素。其中以树高的极差来看，可以得到光照极差值>水平距离极差值>屏幕分辨率极差值，三者大小相差不大；以胸径的极差大小来看，可以得到光照极差值>屏幕分辨率极差值>水平距离极差值，屏幕分辨率和水平距离极差相差不大，综合以上，可以得到影响较大的为光照，另两个因素影响力差不多。各个因素水平折线图见附图5和图6，鉴于相对误差是越小越好，所以结合参数优化结果选取摄影距离以第三水平为佳，即24米，屏幕分辨率选取1300万像素，光照环境选取阴天，因为晴天选取的是强光情况下，所以拍摄环境避免强光直射作为最佳环境的拍摄依据。

本发明的优点：

(1)本发明克服了人工测量效率低和操作携带不方便的问题，把智能终端作为软件载体，利用智能终端自带的摄像头拍摄图片，完成树高、胸径和冠幅的快速测量。

(2)基于计算机视觉、数学几何原理和摄像头标定技术设计水平地面的测树模型，避免了借助十字架等工具。使树木的测量更为快捷，精确。

(3)借助正交试验分析法分析现实拍摄环境中各因素的影响，得出其最佳拍摄环境，为提高数据的精确性提供了宝贵的指导意见。

附图说明

图1：水平测量树高模型

图2：水平测量胸径和冠幅模型

图3：摄像头标定棋盘格

图4：图像矫正前后对比

图5：正交试验分析树高各因素折线图

图6：正交试验分析胸径各因素折线图

图7：测树软件操作界面

具体实施方式

下面结合附图详细说明本实施例：

(1)以智能终端作为工具测量树高、胸径和冠幅。利用设计的软件操控摄像头拍照或者导入终端存有的图片，然后用触屏笔选取图像中的树木坐标，通过模型计算来测量树木信息。

(2)首先选取水平地面，在保证智能终端镜头1.5米的拍摄高度和90度的拍摄角度时，距离以树木完全处于屏幕内最佳，给树木拍照，把拍好的照片通过摄像头标定技术实现畸变矫正，避免径向畸变和桶形畸变，提高测量精度。

(3)对采集到的树木图片用触屏笔分别点击树顶树底来获取图像树木坐标，并以此结合模型利用公式 $AB=AG+BG=OI+\frac{(\frac{H}{2}-y_b)\×OI}{(\frac{H}{2}-y_a)}$ 求取真实世界中树木的高度。

(4)通过点击图像中树径两侧获取图像坐标系中树木的位置参数，结合模型利用公式 $A^{\′}G=\frac{OG\×a^{\′}g}{og}=\frac{(\frac{W}{2}-x_{a^{\′}})\×OI}{(\frac{H}{2}-y_a)}$ 和 $B^{\′}G=\frac{OG\×b^{\′}g}{og}=\frac{(\frac{W}{2}-x_{b^{\′}})\×OI}{(\frac{H}{2}-y_a)}$ 求得胸径和冠幅 $A^{\′}{B}^{\′}=A^{\′}G+B^{\′}G=\frac{\[(\frac{W}{2}-x_{a^{\′}})+(\frac{W}{2}-x_{b^{\′}})\]\×OI}{(\frac{H}{2}-y_a)}.$

(5)把计算所得到的树高、胸径和冠幅与真实的数据通过正交试验分析法进行比较分析，可知各个拍摄因素之间的关系，得到最佳拍摄环境。

智能终端测树软件界面如附图7所示：

(1)获取树木图片

a.通过拍照按钮调用智能终端摄像头拍摄图片。

b.通过相册按钮打开终端中所有图片文件。

(2)获取图片坐标

利用触屏笔在图片上点击来获取树木顶端、底端和两侧坐标。

(3)获取测量结果

a.点击树高按钮会把得到的坐标送入模型公式内，经过计算得到树高。

b.点击胸径按钮会把得到的坐标送入模型公式内，经过计算得到胸径。

c.点击冠幅按钮会把得到的坐标送入模型公式内，经过计算得到冠幅。

(4)保存测量结果

通过保存按钮实现测量的树高、胸径和冠幅数据保存到智能终端SD卡内的txt文本文件中，以便后期使用。

系统软件的测试结果：

采用本发明设计的模型测量树高等信息，采集20组不同树木测得相对误差保持在8％以内，具有相当高的精度。

采用上文提到的正交试验分析法，在拍摄目标高度为5.437米,胸径为83厘米时，分析最佳测试环境。如附表2所示，即为正交法分析因素。其中以树高的极差来看，可以得到光照极差值>水平距离极差值>屏幕分辨率极差值，三者大小相差不大；以胸径的极差大小来看，可以得到光照极差值>屏幕分辨率极差值>水平距离极差值，屏幕分辨率和水平距离极差相差不大，综合以上，可以得到影响较大的为光照，另两个因素影响力差不多。各个因素水平折线图见附图5和图6，鉴于相对误差是越小越好，所以最终得出摄影距离以第三水平为佳，即24m，屏幕分辨率选择1300万像素，光照环境选择阴天，因为晴天选取的是强光情况下，所以拍摄环境避免强光直射为最佳环境的拍摄依据。

本发明是在智能终端摄像头拍摄高度为1.5米和拍摄角度为90度的基础上设计的，所以当这两个条件改变时就会对测试结果造成影响，分别对角度和高度变化时的误差进行比较，各采集十组数据取平均进行比较，其结果如附表3和4。

表1：正交试验因素列表

表2：正交试验分析结果

表3摄像头拍摄角度结果影响

表4摄像头拍摄高度结果影响

Claims (3)

1.基于智能终端镜头的树木测量方法，其特征在于：该方法的实现过程如下，

(1)首先在水平地面上，在保证智能终端镜头拍摄角度α＝90°和拍摄高度为1.5米的情况下，拍摄树木图片；

(2)对拍摄到的树木图片用触屏笔分别点击树顶树底来获取图像树木坐标，并以此结合模型利用公式求取真实世界中树木的高度；树高量测模型是结合世界坐标系和图像坐标系的产物，把摄像头作为贯穿实物和图像的中心点O，树顶B经由摄像头映射到图像中的b点，树底A经由摄像头映射到图像中的a点，因为拍摄角度是90度，所以平行于地面的摄像头光轴经由O点交树干于G点，交图像于g点；摄像头能够拍摄的最大纵向视角在图像中为图像上下两端e和f点，两点之间距离就是图像高度，经由中心点O延伸到三维世界中就为E点和F点，摄像头中心点O到地面的距离为OI＝AG＝1.5米；

树木的高度AB为

$AB=AG+BG=OI+\frac{(\frac{H}{2}-y_b)\×OI}{(\frac{H}{2}-y_a)}$

其中AB为真实树高，BG为树顶B到摄像头主光轴IG的长度，图像尺寸为W×H像素，图像坐标系中图像高度的一半ge＝H/2，y_a、y_b分别为图像中树底a点和树顶b点的y轴坐标；

(3)树径量测模型也是结合了世界坐标系和图像坐标系，其中把摄像头作为贯穿实物和图像的中心点O，因为测量树木胸径的高度一般为1.3米，所以把模型中胸径左右两侧的A'点和B'点定义为1.3米处的点；树径右侧B'点经由摄像头映射到图像中的b'点，树径左侧A'点经由摄像头映射到图像中的a'点，因为拍摄角度是90度，所以平行于地面的摄像头光轴经由O点交树干于G点，交图像于g点；摄像头能够拍摄的最大横向视角在图像中为图像左右两端e'点和f'点，两点之间距离就是图像宽度，经由中心点O延伸到三维世界中就为E'点和F'点，摄像头中心点O到地面的距离为OI＝1.5米；

通过点击图像中树径两侧A'点与B'点获取图像坐标系中树木两侧a'点与b'点的位置参数，结合模型利用公式

$A^{\′}G=\frac{OG\×a^{\′}g}{og}=\frac{(\frac{W}{2}-x_{a^{\′}})\×OI}{(\frac{H}{2}-y_a)}$ 和 $B^{\′}G=\frac{OG\×b^{\′}g}{og}=\frac{(\frac{W}{2}-x_{b^{\′}})\×OI}{(\frac{H}{2}-y_a)}$ 求得胸径为A'B'的值(冠幅的求取方式和胸径一样)为 $A^{\′}{B}^{\′}=A^{\′}G+B^{\′}G=\frac{\[(\frac{W}{2}-x_{a^{\′}})+(\frac{W}{2}-x_{b^{\′}})\]\×OI}{(\frac{H}{2}-y_a)},$ 其中摄像头拍摄距离为OG，a'g、b'g分别为图像树木两侧a'和b'点到图像中心点g的长度，og为摄像头焦距，x_a'、x_b'、y_a分别为图像中胸径两侧a'点与b'点的x轴横向坐标和树底a点的y轴坐标；

(4)得到的树高、胸径、冠幅数据都带有一定的误差，其形成原因是多方面的，现在就需要对误差进行排解，增加其精度；首先是智能终端镜头内部误差而造成的图像畸变；在此借用已有的摄像头标定方法，对横竖分别为10个黑白方格和7个黑白方格且每个方格为21.5毫米的黑白棋盘格进行多次多角度拍摄，把得到的多张图像进行分析，并绘制棋盘角点，再求取摄像头的内参和畸变参数，利用OpenCV中的cvUndistort2函数矫正所拍摄的树木图像；最后把这种方法嵌入到智能终端中；其次也是主要误差造成点是人为确定图像中树木坐标；为了降低这种影响借助于触屏笔代替手指，能更精确的确定坐标位置；

(5)除了以上两点，复杂的环境也会影响测量结果，利用正交试验分析法可以很好的利用最少的试验次数分析摄像头像素、拍摄距离、光照等环境因素所造成的影响；拍摄距离、摄像头像素和光照三个因素，每个因素有三个水平；每组实验选择了测量五次选平均的方式来避免操作失误导致的数据不准确即为正交法分析因素；其中以树高的极差来看，得到光照极差值>水平距离极差值>屏幕分辨率极差值，三者大小相差不大；以胸径的极差大小来看，得到光照极差值>屏幕分辨率极差值>水平距离极差值，屏幕分辨率和水平距离极差相差不大，综合以上得到影响较大的为光照。

2.根据权利要求1所述的基于智能终端镜头的树木测量方法，其特征在于：鉴于相对误差是越小越好，所以结合参数优化结果选取摄影距离以第三水平为佳，即24米，屏幕分辨率选取1300万像素，光照环境选取阴天，因为晴天选取的是强光情况下，所以拍摄环境避免强光直射作为最佳环境的拍摄依据。

3.根据权利要求1所述的基于智能终端镜头的树木测量方法，其特征在于：(1)以智能终端作为工具测量树高、胸径和冠幅；利用设计的软件操控摄像头拍照或者导入终端存有的图片，然后用触屏笔选取图像中的树木坐标，通过模型计算来测量树木信息；

(2)首先选取水平地面，在保证智能终端镜头1.5米的拍摄高度和90度的拍摄角度时，距离以树木完全处于屏幕内最佳，给树木拍照，把拍好的照片通过摄像头标定技术实现畸变矫正，避免径向畸变和桶形畸变，提高测量精度；

(3)对采集到的树木图片用触屏笔分别点击树顶树底来获取图像树木坐标，并以此结合模型利用公式 $AB=AG+BG=OI+\frac{(\frac{H}{2}-y_b)\×OI}{(\frac{H}{2}-y_a)}$ 求取真实世界中树木的高度；

(4)通过点击图像中树径两侧获取图像坐标系中树木的位置参数，结合模型利用公式 $A^{\′}G=\frac{OG\×a^{\′}g}{og}=\frac{(\frac{W}{2}-x_{a^{\′}})\×OI}{(\frac{H}{2}-y_a)}$ 和 $B^{\′}G=\frac{OG\×b^{\′}g}{og}=\frac{(\frac{W}{2}-x_{b^{\′}})\×OI}{(\frac{H}{2}-y_a)}$ 求得胸径和冠幅 $A^{\′}{B}^{\′}=A^{\′}G+B^{\′}G=\frac{\[(\frac{W}{2}-x_{a^{\′}})+(\frac{W}{2}-x_{b^{\′}})\]\×OI}{(\frac{H}{2}-y_a)};$

(5)把计算所得到的树高、胸径和冠幅与真实的数据通过正交试验分析法进行比较分析，可知各个拍摄因素之间的关系，得到最佳拍摄环境。