CN105243658B - 一种基于Kinect传感器的植株深度特征识别方法 - Google Patents
一种基于Kinect传感器的植株深度特征识别方法 Download PDFInfo
- Publication number
- CN105243658B CN105243658B CN201510568001.0A CN201510568001A CN105243658B CN 105243658 B CN105243658 B CN 105243658B CN 201510568001 A CN201510568001 A CN 201510568001A CN 105243658 B CN105243658 B CN 105243658B
- Authority
- CN
- China
- Prior art keywords
- depth
- plant
- coordinate
- depth image
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供了一种基于Kinect传感器的植株深度特征识别方法,该方法包括以下两个模块:模块一,深度图像处理,通过对获取的深度图像进行深度范围限制和阀值处理,获取植株目标的深度图像;模块二,深度数据处理,通过对获取的深度图像提取其深度数据,由其深度数据的三维空间转换计算出植株目标的体积特征。通过对植株深度识别的实验,结果表明该方法可以实现通过深度图像对目标植株的快速准确识别,同时获取植株目标的体积数据,为农业精准对靶喷雾中植株的有无、大小等特征的检测提供了新的方法。
Description
技术领域
本发明涉及一种农业喷雾植株检测技术,尤其涉及一种基于Kinect传感器的植株深度特征识别方法。
背景技术
在农业喷雾植株检测过程中,实现对目标植株检测最简单的方法之一是距离的检测,即深度信息的获取。目前基于深度信息的目标植株检测方法,所用的距离传感器包括:红外线传感器、超声波传感器和激光传感器。传统的红外线传感器及超声波传感器在实际运用过程中,由于易受外界的环境因素影响,其距离的检测精度欠佳;近年来,激光传感器因其高精度、快速度的特点,受到学者的广泛关注,用于农业喷雾前期的植株检测方面的技术研究也逐渐成熟,通过将激光传感器的植株距离检测与喷雾机喷雾相结合,有效的提高了农药的利用率,同时减少了对环境的影响,但是激光传感器的成本较高,实际运用中对传感器的维护等存在一定问题。Kinect传感器是微软公司推出的一款体感设备,该设备内置深度传感器,可以获取深度信息,经后期的数据处理,将深度信息转换为相对的三维空间坐标,利用坐标信息计算出植株目标的体积特征,可以量化植株目标的体积特征。
发明内容
本发明目的在于提供一种基于Kinect传感器的植株深度特征识别方法,能够实现通过深度图像对目标植株的快速准确识别,并获取植株目标的体积数据。
本发明采用如下的技术方案:一种基于Kinect传感器的植株深度特征识别方法,包括以下步骤:
步骤1,调用Kinect传感器获取深度图像,对获取的深度图像进行深度范围限制,所获取的深度数据在深度范围内的保留,在深度范围之外的则置为0,去除范围外的干扰物体;
步骤2,选用最大类间方差法对限定深度范围后的图像进行阀值处理,该过程的目的是降低错分概率,进一步去除背景干扰物,显示范围物体为白色,背景色为黑色;
步骤3,对获取的深度图像提取其深度数据,将有效范围内的植株深度数据及空间坐标单独保存,进行下一步处理;
步骤4,根据三维空间坐标之间的转换关系,由深度数据转换为三维空间坐标;
步骤5,由三维空间坐标计算出植株目标的体积特征,具体的体积特征为:
1)高度分区域:选取合适的数值n,将植株目标高度分为N段,植株最高坐标ymax,最低坐标ymin,每个区域的高度为Δyn:
2)区域宽度:N段植株目标的最大宽度坐标xmax,最小宽度坐标xmin,区域的宽度为Δx:Δx=xmax-xmin;
3)区域深度:N段植株目标的最远深度坐标zmax,最近深度坐标zmin,区域的深度为Δz:Δz=zmax-zmin;
4)植株目标体积特征:对N段植株目标体积进行求和,获取体积w:
进一步,所述步骤1,调用Kinect传感器获取深度图像的设备为微软公布的XBOX360体感周边外设Kinect for Windows版本,其深度摄像头所获取的深度图像默认为每秒30帧,分辨率为640x480。
进一步,所述步骤3中对获取的深度图像提取其深度数据保存为640x480unit16的矩阵格式。
进一步,所述步骤4中深度数据转换为三维空间坐标之间的转换关系为:
其中,f代表焦距,c代表中心;此时,Kinect参数设取值:s=5000,cx=320,cy=240,fx=fy=525。
本发明的有益效果在于:一种基于Kinect传感器的植株深度特征识别方法,通过对获取的深度图像进行深度范围限制和阀值处理,获取植株目标的深度图像,同时通过对获取的深度图像提取其深度数据,由其深度数据的三维空间坐标转换计算出植株目标的体积特征,可以实现通过深度图像对目标植株的快速准确识别,并获取植株目标的体积数据。
附图说明
图1是本发明一种基于Kinect传感器的植株深度特征识别方法的流程图;
图2是本发明一种基于Kinect传感器的植株深度特征识别方法模块一的流程图;
图3是本发明中对获取的深度图像进行深度范围限制,去除范围外的干扰物体的图像;
图4是本发明中采用最大类间方差法(OTSU)对限定深度范围后的图像进行阀值处理的图像;
图5是本发明一种基于Kinect传感器的植株深度特征识别方法模块二的流程图。
图6是本发明假设的三维空间坐标系,其中O'-UV是图片坐标系,O-XYZ是Kinect的坐标系。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细介绍。以下实施例用于说明本发明的方法,但不用来限制本发明的范围。
本发明一种基于Kinect传感器的植株深度特征识别方法的设计思路是:通过对获取的深度图像进行深度范围限制和阀值处理,获取植株目标的深度图像;同时通过对获取的深度图像提取其深度数据,由其深度数据的三维空间坐标转换计算出植株目标的体积特征。
具体如图1所示,该方法包括以下模块:
模块一,深度图像处理;
模块二,深度数据处理。
参照图2所示,给出了图1中模块一,深度图像处理,包括以下步骤:
(1)调用Kinect传感器获取深度图像,对获取的深度图像进行深度范围限制,所获取的深度数据在深度范围内的保留,在深度范围之外的则置为0,去除范围外的干扰物体;
如图3所示,调用Kinect传感器获取深度图像,该设备为微软公布的XBOX360体感周边外设Kinect for Windows版本,其深度摄像头所获取的深度图像默认为每秒30帧,分辨率为640x480,所获取的深度图像由空间物体的深度数据构成,每个像素点即代表该点的深度坐标。通过对获取的深度图像进行深度范围限制,能够实现去除范围之外的干扰物体,仅保留所需判定区域的物体数据。其中,深度范围根据实际实施例选取,本发明实施例经多次实验调整,选取的深度范围为[500,1500],在深度范围内的数据保留,深度范围外的数据置为0,实验证明,范围之外的干扰物可以被去除,保留的区域物体的深度图像完整,该深度限制范围能够达到实验要求。
(2)选用最大类间方差法(OTSU)对限定深度范围后的图像进行阀值处理,进一步去除背景干扰物,显示范围物体为白色,背景色为黑色。
如图4所示,对模块一中步骤(1)的深度图像进行进一步阀值处理,本实验中选用的最大类间方差法(OTSU)是一种自适应的阀值确定的方法,由日本学者大津(NobuyukiOtsu)于1979年提出的,该方法按图像的灰度特性将图像分为背景和目标,此处使用最大类间方差法获得阀值,降低错分概率。实验证明,经最大类间方差法(OTSU)对限定深度范围后的图像进行阀值处理后,能够将范围内的目标植株从背景以及其他干扰物中提取出。
参照图5所示,给出了图1中模块二,深度数据处理,包括以下步骤:
(1)对获取的深度图像提取其深度数据,将有效范围内的植株深度数据及空间坐标单独保存,进行下一步处理;
调用Kinect传感器获取深度图像,该设备为微软公布的XBOX360体感周边外设Kinect for Windows版本,其深度摄像头所获取的深度图像默认为每秒30帧,分辨率为640x480。对获取的深度图像进行模块一的处理并提取其深度数据,保存为640x480 unit16的矩阵格式,该设置能够实现通过深度图像对目标植株的快速准确识别。
(2)根据三维空间坐标之间的转换关系,由深度数据转换为三维空间坐标;
设坐标系为下图所示:
其中O'-UV是图片坐标系,O-XYZ是Kinect的坐标系,图片中的点为(u,v),对应的三维点位置在(x,y,z),那么它们之间的转换关系为:
即:
其中,f代表焦距,c代表中心,Kinect参数设取值:s=5000,cx=320,cy=240,fx=fy=525。
(3)由三维空间坐标计算出植株目标的体积特征。
由三维空间坐标(x,y,z),进行下面的分割计算得到植株目标的体积特征:
1)高度分区域:选取合适的数值n,将植株目标高度分为N段,植株最高坐标ymax,最低坐标ymin,每个区域的高度为Δyn:
2)区域宽度:N段植株目标的最大宽度坐标xmax,最小宽度坐标xmin,区域的宽度为Δx:
Δx=xmax-xmin
3)区域深度:N段植株目标的最远深度坐标zmax,最近深度坐标zmax,区域的深度为Δz:
Δz=zmax-zmin
4)植株目标体积特征:对N段植株目标体积进行求和,获取体积w:
由以上实施例可以看出,本发明通过调用Kinect深度传感器获取深度图像,对获取的深度图像进行深度范围限制和阀值处理,获取植株目标的深度图像,同时对获取的深度图像提取其深度数据,由其深度数据的三维空间坐标转换计算出植株目标的体积特征,可以实现通过深度图像对目标植株的快速准确识别,并获取植株目标的体积数据。
以上内容是本发明的优选实施方式的说明,应当指出,对于本发明所属技术领域的普通技术人员来说,在不脱离本发明方法原理的前提下,进行其他改进和替换,而且性能或用途相同,都应当视为属于本发明的保护范围。
Claims (3)
1.一种基于Kinect传感器的植株深度特征识别方法,其特征在于,包括以下步骤:
步骤1,调用Kinect传感器获取深度图像,对获取的深度图像进行深度范围限制,所获取的深度图像在深度范围内的保留,在深度范围之外的则置为0,去除范围外的干扰物体;
步骤2,选用最大类间方差法对限定深度范围后的图像进行阀值处理,进一步去除背景干扰物,显示范围物体为白色,背景色为黑色;
步骤3,对获取的深度图像提取其深度数据,将有效范围内的植株深度数据及空间坐标单独保存,进行下一步处理;
步骤4,根据三维空间坐标之间的转换关系,由深度数据转换为三维空间坐标;
所述步骤4中深度数据转换为三维空间坐标之间的转换关系为:
其中,f代表焦距,c代表中心;此时,Kinect参数设取值:s=5000,cx=320,cy=240,fx=fy=525;
步骤5,由三维空间坐标计算出植株目标的体积特征,具体的体积特征为:
1)高度分区域:选取合适的数值n,将植株目标高度分为N段,植株最高坐标ymax,最低坐标ymin,每个区域的高度为Δyn:
2)区域宽度:N段植株目标的最大宽度坐标xmax,最小宽度坐标xmin,区域的宽度为Δx:Δx=xmax-xmin;
3)区域深度:N段植株目标的最远深度坐标zmax,最近深度坐标zmin,区域的深度为Δz:Δz=zmax-zmin;
4)植株目标体积特征:对N段植株目标体积进行求和,获取体积w:
2.根据权利要求1所述的一种基于Kinect传感器的植株深度特征识别方法,其特征在于:所述步骤1,调用Kinect传感器获取深度图像的设备为微软公布的XBOX360体感周边外设Kinect for Windows版本,其深度摄像头所获取的深度图像默认为每秒30帧,分辨率为640x480。
3.根据权利要求1所述的一种基于Kinect传感器的植株深度特征识别方法,其特征在于:所述步骤3中对获取的深度图像提取其深度数据保存为640x480unit16的矩阵格式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510568001.0A CN105243658B (zh) | 2015-09-08 | 2015-09-08 | 一种基于Kinect传感器的植株深度特征识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510568001.0A CN105243658B (zh) | 2015-09-08 | 2015-09-08 | 一种基于Kinect传感器的植株深度特征识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105243658A CN105243658A (zh) | 2016-01-13 |
CN105243658B true CN105243658B (zh) | 2018-10-09 |
Family
ID=55041290
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510568001.0A Active CN105243658B (zh) | 2015-09-08 | 2015-09-08 | 一种基于Kinect传感器的植株深度特征识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105243658B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106247951B (zh) * | 2016-08-29 | 2019-04-02 | 上海交通大学 | 一种基于深度图像的物体测量方法 |
CN107067431B (zh) * | 2017-01-16 | 2020-07-03 | 河海大学常州校区 | 一种基于Kinect的物体体积计算方法 |
CN107564020B (zh) * | 2017-08-31 | 2020-06-12 | 北京奇艺世纪科技有限公司 | 一种图像区域确定方法及装置 |
CN108710845A (zh) * | 2018-05-11 | 2018-10-26 | 北京旷视科技有限公司 | 目标对象与物品的关联方法、装置及系统 |
CN111445513B (zh) * | 2020-02-24 | 2024-01-16 | 浙江科技学院 | 基于深度图像的植株冠层体积获取方法、装置、计算机设备和存储介质 |
CN111539964B (zh) * | 2020-04-02 | 2023-11-07 | 浙江科技学院 | 基于深度图像的植株冠层表面积获取方法、装置、计算机设备和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1628513A (zh) * | 2003-12-18 | 2005-06-22 | 南京林业大学 | 农药精确对靶施用方法 |
CN101533529A (zh) * | 2009-01-23 | 2009-09-16 | 北京建筑工程学院 | 基于深度图像的三维空间数据处理方法与装置 |
CN103778640A (zh) * | 2014-03-07 | 2014-05-07 | 中国工程物理研究院激光聚变研究中心 | 一种基于微球靶标的物方远心显微视觉系统标定方法 |
CN104091175A (zh) * | 2014-07-15 | 2014-10-08 | 中国科学院合肥物质科学研究院 | 一种基于Kinect深度信息获取技术的害虫图像自动识别方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9117274B2 (en) * | 2011-08-01 | 2015-08-25 | Fuji Xerox Co., Ltd. | System and method for interactive markerless paper documents in 3D space with mobile cameras and projectors |
-
2015
- 2015-09-08 CN CN201510568001.0A patent/CN105243658B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1628513A (zh) * | 2003-12-18 | 2005-06-22 | 南京林业大学 | 农药精确对靶施用方法 |
CN101533529A (zh) * | 2009-01-23 | 2009-09-16 | 北京建筑工程学院 | 基于深度图像的三维空间数据处理方法与装置 |
CN103778640A (zh) * | 2014-03-07 | 2014-05-07 | 中国工程物理研究院激光聚变研究中心 | 一种基于微球靶标的物方远心显微视觉系统标定方法 |
CN104091175A (zh) * | 2014-07-15 | 2014-10-08 | 中国科学院合肥物质科学研究院 | 一种基于Kinect深度信息获取技术的害虫图像自动识别方法 |
Non-Patent Citations (5)
Title |
---|
On the use of depth camera for 3D phenotyping of entire plants;Yann Chéné et al;《Computers and Electronics in Agriculture》;20121231(第82期);全文 * |
Rapid Characterization of Vegetation Structure with a Microsoft Kinect Sensor;George Azzari et al;《sensors》;20131231(第13期);全文 * |
基于Kinect深度传感器的三维重建技术应用研究;叶日藏;《中国优秀硕士学位论文全文数据库 信息科技辑》;20140515(第05期);正文第2.1-2.3节 * |
基于Kinect的温室番茄盆栽茎干检测与分割;付代昌 等;《现代农业科技》;20141231(第3期);正文第1节、第2.1节 * |
基于点云数据的株冠体积测量方法;毕银丽 等;《科技导报》;20131231;第31卷(第27期);正文第3.2节 * |
Also Published As
Publication number | Publication date |
---|---|
CN105243658A (zh) | 2016-01-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105243658B (zh) | 一种基于Kinect传感器的植株深度特征识别方法 | |
WO2019040866A3 (en) | APPARATUS AND METHOD FOR COLLECTING AGRICULTURAL DATA AND AGRICULTURAL OPERATIONS | |
CN104331876B (zh) | 直线检测、图像处理的方法及相关装置 | |
EP3340171B1 (en) | Depth image denoising method and denoising device | |
CN107369159B (zh) | 基于多因素二维灰度直方图的阈值分割方法 | |
CN106875419B (zh) | 基于ncc匹配帧差的弱小动目标跟踪丢失重检方法 | |
CN104463877B (zh) | 一种基于雷达影像与电子海图信息的岸线配准方法 | |
CN105783935A (zh) | 农业机械视觉导航方法 | |
CN108280401B (zh) | 一种路面检测方法、装置、云端服务器及计算机程序产品 | |
CN107392095A (zh) | 一种基于掩码图像的红外弱小目标检测算法 | |
CN110070571B (zh) | 一种基于深度相机的毛竹形态参数检测方法 | |
CN104156700A (zh) | 基于活动形状模型和加权插值法的人脸图像眼镜去除方法 | |
US20130022236A1 (en) | Apparatus Capable of Detecting Location of Object Contained in Image Data and Detection Method Thereof | |
CN107220647B (zh) | 一种叶片交叉条件下作物中心点定位方法及系统 | |
TWI726278B (zh) | 行車偵測方法、車輛及行車處理裝置 | |
CN103914836A (zh) | 基于机器视觉的农田机械导航线提取算法 | |
Mattihalli et al. | Real time automation of agriculture land, by automatically detecting plant leaf diseases and auto medicine | |
Zhang et al. | Lane recognition algorithm using the hough transform based on complicated conditions | |
CN105139408A (zh) | 一种基于Kinect传感器的植株绿色特征识别方法 | |
CN104112118A (zh) | 用于车道偏离预警系统的车道线检测方法 | |
CN104065949A (zh) | 一种电视虚拟触控方法及系统 | |
CN106501271A (zh) | 产品外观检测方法 | |
CN106846395A (zh) | 照片中目标图形面积计算方法及系统 | |
CN108734054B (zh) | 无遮挡的柑橘果实图像识别方法 | |
CN101571953B (zh) | 一种目标检测方法、系统及立体视觉系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |