CN107656287A - 一种基于激光雷达的麻类作物行的边界提取设备及方法 - Google Patents
一种基于激光雷达的麻类作物行的边界提取设备及方法 Download PDFInfo
- Publication number
- CN107656287A CN107656287A CN201711033759.XA CN201711033759A CN107656287A CN 107656287 A CN107656287 A CN 107656287A CN 201711033759 A CN201711033759 A CN 201711033759A CN 107656287 A CN107656287 A CN 107656287A
- Authority
- CN
- China
- Prior art keywords
- boundary
- point
- crop
- border
- laser radar
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Abstract
本发明公开了一种基于激光雷达的麻类作物行的边界提取设备及方法,包括有点云采集模块、点云处理模块及用户与执行模块,所述的点云采集模块通过传感器获取麻类作物的点云数据,获取点云数据后将其通过以太网传给点云处理模块,所述点云处理模块接收点云采集模块采集到的点云数据并进行算法处理,进而提取出边界,最后将提取出的边界结果传给用户与执行机构。本发明以固定步长单位获取激光雷达的点云数据并提取出该步长区域内的边界,可以对分段区域的麻类作物边界用最小二乘法进行拟合,这样可以简化边界模型,降低整个边界提取算法的时间复杂度,适合田间作业多变的环境。
Description
技术领域
本发明农作物边界提取涉及技术领域,尤其涉及一种基于激光雷达的麻类作物行的边界提取设备及方法。
背景技术
作物行的边界提取是实现农业植保与收获精准化的重要基础。在农业植保中,识别作物的边界能让植保机避开作物而不会损坏作物;在农业收获中,识别作物的边界能让收获机捕获每一株作物而不漏收。麻类植株分布不均匀,其作物行的间距不固定,为了实现自动对行,需要精准地提取出麻类作物行的边界。目前在智能农业中,提取边界主要采用视觉法,用图像传感器获取边界信息。由于图像传感器易受光影变化影响,且图像处理中需要分离检测对象与场景,代价较大,不适合麻类作物收获与植保作业的多变环境。
发明内容
本发明目的就是为了弥补已有技术的缺陷,提供一种基于激光雷达的麻类作物行的边界提取设备及方法。
本发明是通过以下技术方案实现的:
一种基于激光雷达的麻类作物行的边界提取设备,包括有点云采集模块、点云处理模块及用户与执行模块,所述的点云采集模块包括有二维激光雷达传感器及用来固定二维激光雷达传感器的云台,点云采集模块通过传感器获取麻类作物的点云数据,后将其通过以太网传给点云处理模块,所述点云处理模块接收点云采集模块采集到的点云数据并进行算法处理,进而提取出边界,最后将提取出的边界结果传给用户与执行机构。
所述用户与执行模块包括边界显示模块、上位机、下位机、执行机构,显示模块为LCD显示屏;上位机为PC;下位机为工控机,边界显示模块将点云处理模块提取出的作物边界结果实时传给用户;上位机用于用户实时分析点云处理结果;下位机控制麻类作物收获机上的执行机构实施对行收获操作,执行机构包括收获机上的液压装置、上扶禾与下扶禾装置。
所述的点云处理模块包括有电源模块、存储模块、CPU、系统总线、接口模块与软件模块,所述的接口模块包括以太网接口、视频信号接口、用户输入接口及串行接口,接口模块都与系统总线相连,视频信号接口为HDMI或VGA接口,所述的以太网接口使二维激光雷达传感器与点云处理模块实现通信;所述的视频信号接口将点云处理模块提取出的作物边界结果实时地通过视频信号传给用户;用户输入接口实现点云处理模块与上位机的通信,用户通过上位机进行操作;串行接口实现点云处理模块与下位机的通信,点云处理模块将边界提取出的模型参数数据传给下位机,下位机控制麻类作物收获机上的执行机构实施对行收获操作,串行接口用RS-232或RS-485接口;所述软件模块包括操作系统、点云处理软件、数据库,操作系统上运行的点云处理软件整合了边界提取算法,点云数据放在数据库中。
一种基于激光雷达的麻类作物行的边界提取方法,收获机对准麻类作物行的边界并自动对行,进行收割,具体步骤如下:
(1)获取麻类作物冠层及周围地面的扫描点;将二维激光雷达传感器安装在作物收获机械上方高度h处,并使二维激光雷达传感器向下倾斜一定的角度,使得二维激光雷达传感器以一种由上向下的正面扫描方式扫描麻类作物,二维激光雷达传感器所发射出的扫描面同时可以获取作物周围地面的扫面点;
(2)根据麻类冠层和地面的点云数据划分作物行的边界点;将二维激光雷达传感器采集的二维点云数据融合收获机的运动学信息生成三维数据,再将三维的作物冠层扫描点和地面扫描点向XOY平面进行投影,在不考虑扫描点的高度值的情况下进行XOY面内的边界点的划分,获取的地面扫描点是对麻类作物旁边的地面扫描所取得的且与对应的冠层扫描点进行了对齐,因此当向XOY平面投影后,冠层扫描点区域和地面扫描点区域会有交叉,分别选取投影后交叉区内的作物冠层扫描点和地面扫描点作为边界点,记单个边界点为所有边界点构成的集合为Pbd,公式中Nbd为划分的边界点的个数;
(3)建立边界模型;给定单位长度作物行内的边界点可以拟合出一条直线,整个作物行行内多个单位区域中的不同直线可以拟合出整个作物行;
首先,假设要拟合的单位长度区域的边界直线方程为y=ax+b,公式中a、b为要拟合的直线L的参数,
其次,记所用数据的偏差平方和为R,并且a、b的值满足公式中n为拟合直线L所用的数据点数目,
再次,由于a、b的值满足因此根据公式来分别求解a、b的值,
最后,将a、b用矩阵的形式表示出来,见如下公式
A[a,b]T=B
其中,
为了能够利用上述公式进行a、b值的求解,必须满足2≤n≤Nbd;
(4)求解边界模型参数;为了正确地提取出单位长度区域内作物的边界,需要在步骤(3)中拟合出的边界直线基础上对边界参数进行推导,
首先,当迭代次数尚未达到给定阈值N的条件下,在步骤(2)所得到的边界点里任意选取两个点,根据第三步中的边界拟合公式计算边界参数a,b,
其次,接着计算划分的边界点中到边界L的距离D小于DL的点及其数目C,将三维作物冠层扫描点和地面扫描点向XOY坐标平面投影可以形成一个交叉区,交叉区的最窄宽度值就是DL,再次,若计算划分点中得到的数目C≥CL,CL为划分的边界点密度值,对小于DL的C个数据点按步骤(3)中的边界拟合公式重新求取边界参数a,b;对小于DL的C个数据点计算其到边界L的平均距离Dmean;
最后,若求出的平均距离Dmean比最窄宽度值DL的一半Dstandard小,则输出Dmean最小时的边界L;
(5)提取边界,根据具体收获的环境要求,在不同的迭代次数下获取麻类作物行的边界,分别将麻类作物冠层扫描点和地面扫描点向XOY平面内投影,以冠层扫描点落入地面扫描点投影区最外侧点和地面扫描点落入冠层扫描点投影区最外侧点为边界点构建矩形区域,并以矩形区域内所有投影点为作物边界直线拟合点,进行拟合出边界并求解参数。
本发明的优点是:本发明基于激光雷达传感器提取麻类作物行的边界,相较于采用图像传感器的方法,对灰尘与天气相对不敏感,能适应变化的光影,更适合应用在农作物的边界提取上;以固定步长单位获取激光雷达的点云数据并提取出该步长区域内的边界,可以对分段区域的麻类作物边界用最小二乘法进行拟合,这样可以简化边界模型,降低整个边界提取算法的时间复杂度,适合田间作业多变的环境。
附图说明
图1本发明设备的组成示意图。
图2本发明方法的流程图。
图3本发明步骤(1)所获取的麻类作物冠层及周围地面点云图。
图4本发明步骤(3)模型参数求解流程图。
图5本发明提取交叉区域示意图。
图6本发明提取边界示意图。
具体实施方式
如图1所示,一种基于激光雷达的麻类作物行的边界提取设备,包括有点云采集模块1、点云处理模块2及用户与执行模块3,所述的点云采集模块1包括有二维激光雷达传感器4及用来固定二维激光雷达传感器4的云台5,二维激光雷达4通过以太网与点云处理模块2进行数据通信,所述的点云采集模块1通过传感器获取麻类作物的点云数据,获取点云数据后将其通过以太网传给点云处理模块2,所述点云处理模块2接收点云采集模块1采集到的点云数据并进行算法处理,进而提取出边界,最后将提取出的边界结果传给用户与执行模块3。二维激光雷达根据实际麻类作物种植区域面积大小,可以根据激光雷达扫描距离长度选择相应的型号。
所述用户与执行模块3包括边界显示模块6、上位机7、下位机8、执行机构9,显示模块6为LCD显示屏;上位机7为PC;下位机8为工控机,边界显示模块6将点云处理模块2提取出的作物边界结果实时传给用户;上位机7用于用户实时分析点云处理结果;下位机8控制麻类作物收获机上的执行机构实施对行收获操作,执行机构9包括收获机上的液压装置、上扶禾与下扶禾装置。
所述的点云处理模块2包括有电源模块10、存储模块11、CPU12、系统总线13、接口模块与软件模块14,所述的接口模块包括以太网接口15、视频信号接口16、用户输入接口17及串行接口18,接口模块都与系统总线13相连,视频信号接口16为HDMI或VGA接口,所述的以太网接口15使二维激光雷达传感器4与点云处理模块2实现通信;所述的视频信号接口16将点云处理模块2提取出的作物边界结果实时地通过视频信号传给用户;用户输入接口17实现点云处理模块与上位机7的通信,用户通过上位机7进行操作;串行接口18实现点云处理模块与下位机8的通信,点云处理模块2将边界提取出的模型参数数据传给下位机8,下位机8控制麻类作物收获机上的执行机构9实施对行收获操作,串行接口18用RS-232或RS-485接口;所述软件模块14包括操作系统19、点云处理软件20、数据库21,操作系统19上运行的点云处理软件整合了边界提取算法,点云数据放在数据库21中。
如图2所示,一种基于激光雷达的麻类作物行的边界提取方法,收获机对准麻类作物行的边界并自动对行,进行收割,具体步骤如下:
(1)获取麻类作物冠层及周围地面的扫描点;将二维激光雷达传感器4安装在作物收获机械上方高度h处,并使二维激光雷达传感器向下倾斜一定的角度,使得二维激光雷达传感器4以一种由上向下的正面扫描方式扫描麻类作物,这种架设方式扫描出的行不是被立即收割的,而且可以调节激光雷达的高度值和倾斜角实现不同数目行的连续保存,这样就可以以多行为单位进行数据的处理和收获机的调节,降低了整个系统对实时性的要求且提高了作物行的拟合精度。二维激光雷达传感器所发射出的扫描面同时可以获取作物周围地面的扫面点;如图3所示。
(2)根据麻类冠层和地面的点云数据划分作物行的边界点;将二维激光雷达传感器采集的二维点云数据融合收获机的运动学信息生成三维数据,再将三维的作物冠层扫描点和地面扫描点向XOY平面进行投影,在不考虑扫描点的高度值的情况下进行XOY面内的边界点的划分,获取的地面扫描点是对麻类作物旁边的地面扫描所取得的且与对应的冠层扫描点进行了对齐,因此当向XOY平面投影后,冠层扫描点区域和地面扫描点区域会有交叉,分别选取投影后交叉区内的作物冠层扫描点和地面扫描点作为边界点,记单个边界点为所有边界点构成的集合为Pbd,公式中Nbd为划分的边界点的个数;
(3)建立边界模型;在给定单位长度作物行内的边界点可以拟合出一条直线,整个作物行行内多个单位区域中的不同直线可以拟合出整个作物行;
首先,假设要拟合的单位长度区域的边界直线方程为y=ax+b,公式中a、b为要拟合的直线L的参数,
其次,记所用数据的偏差平方和为R,并且a、b的值满足公式中n为拟合直线L所用的数据点数目,
再次,由于a、b的值满足因此根据公式来分别求解a、b的值,
最后,将a、b用矩阵的形式表示出来,见如下公式
A[a,b]T=B
其中,
为了能够利用上述公式进行a、b值的求解,必须满足2≤n≤Nbd;
(4)求解边界模型参数;求解边界模型参数的流程图如图4所示。为了正确地提取出单位长度区域内作物地边界,需要在步骤(3)中拟合出的边界直线基础上对边界参数进行推导,
首先,当迭代次数尚未达到给定阈值N的条件下,在步骤(2)所得到的边界点里任意选取两个点,根据第三步中的边界拟合公式计算边界参数a,b,
其次,接着计算划分的边界点中到边界L的距离D小于DL的点及其数目C,将三维作物冠层扫描点和地面扫描点向XOY坐标平面投影可以形成一个交叉区,交叉区的最窄宽度值就是DL,再次,若计算划分点中得到的数目C≥CL,CL为划分的边界点密度值,对小于DL的C个数据点按步骤(3)中的边界拟合公式重新求取边界参数a,b;对小于DL的C个数据点计算其到边界L的平均距离Dmean;
最后,若求出的平均距离Dmean比最窄宽度值DL的一半Dstandard小,则输出Dmean最小时的边界L;
(5)提取边界,根据具体收获的环境要求,在不同的迭代次数下获取麻类作物行的边界,分别将麻类作物冠层扫描点和地面扫描点向XOY平面内投影,以冠层扫描点落入地面扫描点投影区最外侧点和地面扫描点落入冠层扫描点投影区最外侧点为边界点构建矩形区域,如图5,并以矩形区域内所有投影点为作物边界直线拟合点,进行拟合出边界并求解参数,如图6。
Claims (4)
1.一种基于激光雷达的麻类作物行的边界提取设备,其特征在于:包括有点云采集模块、点云处理模块及用户与执行模块,所述的点云采集模块包括有二维激光雷达传感器及用来固定二维激光雷达传感器的云台,点云采集模块通过传感器获取麻类作物的点云数据,后将其通过以太网传给点云处理模块,所述点云处理模块接收点云采集模块采集到的点云数据并进行算法处理,进而提取出边界,最后将提取出的边界结果传给用户与执行模块。
2.根据权利要求1所述的一种基于激光雷达的麻类作物行的边界提取设备,其特征在于:所述用户与执行模块包括边界显示模块、上位机、下位机、执行机构,显示模块为LCD显示屏;上位机为PC;下位机为工控机,边界显示模块将点云处理模块提取出的作物边界结果实时传给用户;上位机用于用户实时分析点云处理结果;下位机控制麻类作物收获机上的执行机构实施对行收获操作,执行机构包括收获机上的液压装置、上扶禾与下扶禾装置。
3.根据权利要求2所述的一种基于激光雷达的麻类作物行的边界提取设备,其特征在于:所述的点云处理模块包括有电源模块、存储模块、CPU、系统总线、接口模块与软件模块,所述的接口模块包括以太网接口、视频信号接口、用户输入接口及串行接口,接口模块都与系统总线相连,视频信号接口为HDMI或VGA接口,所述的以太网接口使二维激光雷达传感器与点云处理模块实现通信;所述的视频信号接口将点云处理模块提取出的作物边界结果实时地通过视频信号传给用户;用户输入接口实现点云处理模块与上位机的通信,用户通过上位机进行操作;串行接口实现点云处理模块与下位机的通信,点云处理模块将边界提取出的模型参数数据传给下位机,下位机控制麻类作物收获机上的执行机构实施对行收获操作,串行接口用RS-232或RS-485接口;所述软件模块包括操作系统、点云处理软件、数据库,操作系统上运行的点云处理软件整合了边界提取算法,点云数据存放在数据库中。
4.一种基于权利要求1所述的基于激光雷达的麻类作物行的边界提取设备的提取方法,其特征在于:收获机对准麻类作物行的边界并自动对行,进行收割,具体步骤如下:
(1)获取麻类作物冠层及周围地面的扫描点;将二维激光雷达传感器安装在作物收获机械上方高度h处,并使二维激光雷达传感器向下倾斜一定的角度,使得二维激光雷达传感器以一种由上向下的正面扫描方式扫描麻类作物,二维激光雷达传感器所发射出的扫描面同时可以获取作物周围地面的扫面点;
(2)根据麻类冠层和地面的点云数据划分作物行的边界点;将二维激光雷达传感器采集的二维点云数据融合收获机的运动学信息生成三维数据,再将三维的作物冠层扫描点和地面扫描点向XOY平面进行投影,在不考虑扫描点的高度值的情况下进行XOY面内的边界点的划分,获取的地面扫描点是对麻类作物旁边的地面扫描所取得的且与对应的冠层扫描点进行了对齐,因此当向XOY平面投影后,冠层扫描点区域和地面扫描点区域会有交叉,分别选取投影后交叉区内的作物冠层扫描点和地面扫描点作为边界点,记单个边界点为所有边界点构成的集合为Pbd,公式中Nbd为划分的边界点的个数;
(3)建立边界模型;给定单位长度作物行内的边界点可以拟合出一条直线,整个作物行行内多个单位区域中的不同直线可以拟合出整个作物行;
首先,假设要拟合的单位长度区域的边界直线方程为y=ax+b,公式中a、b为要拟合的直线L的参数,
其次,记所用数据的偏差平方和为R,并且a、b的值满足公式中n为拟合直线L所用的数据点数目,
再次,由于a、b的值满足因此根据公式来分别求解a、b的值,
最后,将a、b用矩阵的形式表示出来,见如下公式
A[a,b]T=B
其中,
为了能够利用上述公式进行a、b值的求解,必须满足2≤n≤Nbd;
(4)求解边界模型参数;为了正确地提取出单位长度区域内作物的边界,需要在步骤(3)中拟合出的边界直线基础上对边界参数进行推导,
首先,当迭代次数尚未达到给定阈值N的条件下,在步骤(2)所得到的边界点里任意选取两个点,根据第三步中的边界拟合公式计算边界参数a,b,
其次,接着计算划分的边界点中到边界L的距离D小于DL的点及其数目C,将三维作物冠层扫描点和地面扫描点向XOY坐标平面投影可以形成一个交叉区,交叉区的最窄宽度值就是DL,再次,若计算划分点中得到的数目C≥CL,CL为划分的边界点密度值,对小于DL的C个数据点按步骤(3)中的边界拟合公式重新求取边界参数a,b;对小于DL的C个数据点计算其到边界L的平均距离Dmean;
最后,若求出的平均距离Dmean比最窄宽度值DL的一半Dstandard小,则输出Dmean最小时的边界L;
(5)提取边界,根据具体收获的环境要求,在不同的迭代次数下获取麻类作物行的边界,分别将麻类作物冠层扫描点和地面扫描点向XOY平面内投影,以冠层扫描点落入地面扫描点投影区最外侧点和地面扫描点落入冠层扫描点投影区最外侧点为边界点构建矩形区域,并以矩形区域内所有投影点为作物边界直线拟合点,进行拟合出边界并求解参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711033759.XA CN107656287B (zh) | 2017-10-30 | 2017-10-30 | 一种基于激光雷达的麻类作物行的边界提取设备及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711033759.XA CN107656287B (zh) | 2017-10-30 | 2017-10-30 | 一种基于激光雷达的麻类作物行的边界提取设备及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107656287A true CN107656287A (zh) | 2018-02-02 |
CN107656287B CN107656287B (zh) | 2019-08-16 |
Family
ID=61095302
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711033759.XA Active CN107656287B (zh) | 2017-10-30 | 2017-10-30 | 一种基于激光雷达的麻类作物行的边界提取设备及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107656287B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111337939A (zh) * | 2018-12-19 | 2020-06-26 | 上海蔚来汽车有限公司 | 一种矩形物体外边框的估计方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104180793A (zh) * | 2014-08-27 | 2014-12-03 | 北京建筑大学 | 一种用于数字城市建设的移动空间信息获取装置和方法 |
CN105354875A (zh) * | 2015-09-25 | 2016-02-24 | 厦门大学 | 一种室内环境二维与三维联合模型的构建方法和系统 |
CN107027423A (zh) * | 2017-04-24 | 2017-08-11 | 中国科学院合肥物质科学研究院 | 一种大麻或苎麻收割高度自动调控和对行方法 |
-
2017
- 2017-10-30 CN CN201711033759.XA patent/CN107656287B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104180793A (zh) * | 2014-08-27 | 2014-12-03 | 北京建筑大学 | 一种用于数字城市建设的移动空间信息获取装置和方法 |
CN105354875A (zh) * | 2015-09-25 | 2016-02-24 | 厦门大学 | 一种室内环境二维与三维联合模型的构建方法和系统 |
CN107027423A (zh) * | 2017-04-24 | 2017-08-11 | 中国科学院合肥物质科学研究院 | 一种大麻或苎麻收割高度自动调控和对行方法 |
Non-Patent Citations (2)
Title |
---|
JI ZHANG ET AL.: ""3D Perception for Accurate Row Following: Methodology and Results"", 《2013 IEEE/RSJ INTERNATIONAL CONFERENCE ON INTELLIGENT ROBOTS AND SYSTEMS (IROS)》 * |
赵腾: ""基于激光扫描的联合收割机自动导航方法研究"", 《西北农林科技大学博士学位论文》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111337939A (zh) * | 2018-12-19 | 2020-06-26 | 上海蔚来汽车有限公司 | 一种矩形物体外边框的估计方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN107656287B (zh) | 2019-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230345928A1 (en) | Identifying and avoiding obstructions using depth information in a single image | |
US10008035B1 (en) | System and method of virtual plant field modelling | |
Mahmud et al. | Development of a LiDAR-guided section-based tree canopy density measurement system for precision spray applications | |
US7248968B2 (en) | Obstacle detection using stereo vision | |
BR102014027364B1 (pt) | sistema de controle e de medição da altura de corte para uma ceifeira de base, método, e, colheitadeira | |
CN109886155B (zh) | 基于深度学习的单株水稻检测定位方法、系统、设备及介质 | |
CN103530643A (zh) | 基于农作物行间自动识别技术的农药定位喷洒方法及系统 | |
CN103488991B (zh) | 一种用于作物田除草机具的导航线提取方法 | |
US11816874B2 (en) | Plant identification using heterogenous multi-spectral stereo imaging | |
US20230306735A1 (en) | Agricultural analysis robotic systems and methods thereof | |
US20220101554A1 (en) | Extracting Feature Values from Point Clouds to Generate Plant Treatments | |
CN107436340A (zh) | 一种植物根冠一体化监测系统及方法 | |
Zermas et al. | Estimating the leaf area index of crops through the evaluation of 3D models | |
WO2022147156A1 (en) | Generating a ground plane for obstruction detection | |
CN107656287B (zh) | 一种基于激光雷达的麻类作物行的边界提取设备及方法 | |
US20220100996A1 (en) | Ground Plane Compensation in Identifying and Treating Plants | |
Potena et al. | Suckers emission detection and volume estimation for the precision farming of hazelnut orchards | |
EP4207074A1 (en) | Camera array calibration in a farming machine | |
Zou et al. | Density estimation method of mature wheat based on point cloud segmentation and clustering | |
CN115451965A (zh) | 基于双目视觉的插秧机插植系统相对航向信息检测方法 | |
CN114937078A (zh) | 自动除草方法、装置和存储介质 | |
Jayasuriya et al. | Machine vision based plant height estimation for protected crop facilities | |
US20230403964A1 (en) | Method for Estimating a Course of Plant Rows | |
CN113920106B (zh) | 一种基于rgb-d相机的玉米长势三维重构及茎粗测量方法 | |
CN214175117U (zh) | 一种基于嵌入式的农作物病虫害识别装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |