CN108303043B - 多传感器信息融合的植物叶面积指数检测方法及系统 - Google Patents
多传感器信息融合的植物叶面积指数检测方法及系统 Download PDFInfo
- Publication number
- CN108303043B CN108303043B CN201711474613.9A CN201711474613A CN108303043B CN 108303043 B CN108303043 B CN 108303043B CN 201711474613 A CN201711474613 A CN 201711474613A CN 108303043 B CN108303043 B CN 108303043B
- Authority
- CN
- China
- Prior art keywords
- plant
- area index
- leaf area
- angle
- laser
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas
Abstract
本发明公开了一种多传感器信息融合的植物叶面积指数检测方法及系统,所述方法包括:实现各传感器之间的数据同步;采用激光雷达传感器扫描植物冠层侧面,获得植物冠层切面轮廓的二维激光点云数据;采用惯性测量单元获取激光雷达传感器的姿态角,并根据姿态角对二维激光点云数据进行矫正;采用卫星导航定位系统获取激光雷达传感器的定位坐标,根据定位坐标计算两次激光扫描点之间的距离,融合定位坐标与矫正后的二维激光点云数据重构植物冠层三维激光点云图;获取叶面积指数反演计算所需的相关参数,构建叶面积指数估算模型,运算模型得到植物的叶面积指数。本发明与现有技术相比,改善了颠簸路面对叶面积指数测定影响,提高了叶面积指数测定效率。
Description
技术领域
本发明涉及一种植物叶面积指数检测方法,尤其是一种多传感器信息融合的植物叶面积指数检测方法及系统,属于农业信息检测领域。
背景技术
传感器是获取信息的重要工具,其作用类似于人类的感知器官。多传感器信息融合(Multi-sensor Information Fusion,MSIF)技术是通过多类同构或异构传感器数据进行综合(集成或融合)获得比单一传感器更多的信息,形成比单一信源更可靠、更完全的融合信息,它突破单一传感器信息表达的局限性,避免单一传感器的信息盲区,提高了多源信息处理结果的质量,有利于对事物的判断和决策。
在使用车载激光雷达传感器检测植物叶面积指数时,由于路面不平整,很容易造成车上激光传感器的俯仰角与横滚角的变化,同时车体车在复杂地形条件下很难操控,很难保证车体的直线前进,又会造成激光传感器偏航角的变化,所以对由于地面不平整时激光传感器所测量的数据进行矫正具有重要的意义。
叶面积指数是指作物叶片的总面积与树冠投影占地面积的比值,是生态学研究的关键参数之一,具有重要的理论价值与实际价值。目前叶面积指数的测量方法大多效率低下,费时费力。例如专利号为201210004979.0的发明专利公开了一种叶面积指数快速自动测定装置及方法,其利用激光传感器测量树叶的层数,从而计算叶面积指数,这种方法在每次测量过程中需要按照每个树冠的形状调整测量时所走的路径,测量速度慢,效率低;专利号为201410746072.0的发明专利公开了一种基于激光雷达点云技术的植物叶面积指数测定方法,其利用激光雷达原始的数据点进行叶面积指数计算,没有考虑路面颠簸对检测结果的影响。
如何实现叶面积指数检测的高效率、高准确率已经成为急需解决的技术问题。
发明内容
本发明的目的是为了解决上述现有技术中叶面指数检测效率低、检测准确率低的问题,提供一种多传感器信息融合的植物叶面积指数检测方法。
本发明的另一目的在于提供一种多传感器信息融合的植物叶面积指数检测系统。
本发明的目的可以通过采取如下技术方案达到:
一种多传感器信息融合的植物叶面积指数检测方法,所述方法包括:
基于卡尔曼的滤波方法实现激光雷达传感器、惯性测量单元和卫星导航定位系统的数据同步;
采用激光雷达传感器扫描植物冠层侧面,获得植物冠层切面轮廓的二维激光点云数据;
采用惯性测量单元获取激光雷达传感器的姿态角,并根据姿态角对所述二维激光点云数据进行矫正;其中,所述姿态角包括横滚角、俯仰角和偏航角;
采用卫星导航定位系统获取激光雷达传感器的定位坐标,根据定位坐标计算两次激光扫描点之间的距离,融合定位坐标与矫正后的二维激光点云数据重构植物冠层三维激光点云图;
获取叶面积指数反演计算所需的相关参数,构建叶面积指数估算模型,运算模型得到植物的叶面积指数。
进一步的,所述二维激光点云数据由一系列扫描角度间隔为α的数据点构成,每个数据点由三部分组成,包括扫描角度θ,该角度θ对应的径向距离radialDis,探测目标点的表面反射率RSSI,第n次激光扫描采样的点云数据以坐标(θk,radialDisk,RSSIk)n表示,其中k在1到激光雷达传感器最大扫描线数之间取值,扫描角度间隔α等于(θk-θk-1)。
进一步的,所述根据姿态角对所述二维激光点云数据进行矫正,如下式:
其中,(θk,radialDisk,RSSIk)n为第n次激光扫描采样时激光雷达传感器的姿态角,(θk,radialDisk,RSSIk)n为第n次激光扫描采样的点云数据,(θ’k,radialDis’k,RSSI’k)n为根据姿态角采样矫正后的第n次激光扫描采样的点云数据,Fun1为矫正函数,θ为扫描角度,radialDis为角度θ对应的径向距离,RSSI为探测目标点的表面反射率,k在1到激光雷达传感器最大扫描线数之间取值。
进一步的,所述根据定位坐标计算两次激光扫描点之间的距离,如下式:
d=Fun2(Coordn,Coordn-1)
其中,Coordn为激光雷达传感器第n次激光扫描点的定位坐标,Fun2为两点定位坐标求解距离d的函数。
进一步的,所述获取叶面积指数反演计算所需的相关参数,构建叶面积指数估算模型,运算模型得到植物的叶面积指数,具体包括:
选择一株样本植物,对样本植物进行取样测量,获取样本植物准确的叶面积指数LAIreal;
获取样本植物的三维激光点云图数据(Coord,(θ’k,radialDis’k,RSSI’k))n;其中,θ为扫描角度,radialDis为角度θ对应的径向距离,RSSI为探测目标点的表面反射率,k在1到激光雷达传感器最大扫描线数之间取值,Coordn为激光雷达传感器第n次激光扫描点的定位坐标,(θ’k,radialDis’k,RSSI’k)n为根据姿态角采样矫正后的第n次激光扫描采样的点云数据;
对样本植物构建叶面积指数估算模型,利用样本植物的叶面积指数LAIreal计算出叶墙面积系数λ1、击中点比例系数λ2、击穿点比例因子λ3、反射率系数λ4和修正值R,如下式:
其中,LWA为植物的叶墙面积,Phit为击中点的比例,Pthrough为击穿点的比例;
按照上述步骤,再选择一株样本植物,计算出叶墙面积系数λ1、击中点比例系数λ2、击穿点比例因子λ3、反射率系数λ4和修正值R,取两次计算结果的平均值作为最终的计算值;
利用最终计算得到的叶墙面积系数λ1、击中点比例系数λ2、击穿点比例因子λ3、反射率系数λ4和修正值R,代入叶面积指数估算模型进行反演计算,得到单株植物的叶面积指数LAI,如下式:
进一步的,所述击中点是指小于植物行距的激光扫描测距点,所述击穿点是指大于植物行距的激光扫描测距点。
本发明的另一目的可以通过采取如下技术方案达到:
一种多传感器信息融合的植物叶面积指数检测系统,所述检测系统包括:
数据同步单元,用于基于卡尔曼的滤波方法实现激光雷达传感器、惯性测量单元和卫星导航定位系统之间的数据同步;
激光雷达传感器,用于扫描植物冠层侧面,获得植物冠层切面轮廓的二维激光点云数据;
惯性测量单元,用于获取激光雷达传感器的姿态角,并根据姿态角对所述二维激光点云数据进行矫正;其中,所述姿态角包括横滚角、俯仰角和偏航角;
卫星导航定位系统,用于获取激光雷达传感器的定位坐标,根据定位坐标计算两次激光扫描点之间的距离,融合定位坐标与矫正后的二维激光点云数据重构植物冠层三维激光点云图;
运算单元,用于获取叶面积指数反演计算所需的相关参数,构建叶面积指数估算模型,运算模型得到植物的叶面积指数。
进一步的,所述激光雷达传感器的角度分辨率不低于1°,测距距离不小于3m。
进一步的,所述惯性测量单元包括三轴加速度计和三轴角速度计,惯性测量单元的数据输出速率不低于10Hz,动态测角精度不低于0.1°。
进一步的,所述卫星导航定位系统的数据输出速率不小于10Hz,平面精度不低于1cm,高程精度不低于2cm。
本发明相对于现有技术具有如下的有益效果:
1、本发明融合了激光雷达传感器、卫星导航定位系统、惯性测量单元的检测数据,并利用卡尔曼滤波方法实现数据同步,获得比单一传感器更多的信息,形成比单一信源更可靠、更完全的融合信息,避免了单一传感器的信息盲区,有利于提高叶面积指数检测的准确率。
2、本发明利用惯性测量单元实时检测激光雷达传感器的姿态角,根据姿态角对激光扫描采样的点云数据进行数据矫正,这样即使路面不平整,在使用车载激光雷达传感器检测植物叶面积指数时,也能获得较高的检测准确率。
3、本发明利用抗干扰能力强的激光雷达传感器作为测距设备,探测实时性更强,探测准确率也更高。
4、本发明在构建叶面积指数估算模型后,计算两株样本植物的叶墙面积系数、击中点比例系数、击穿点比例因子、反射率系数和修正值,取两次计算结果的平均值作为最终的计算值,进一步提高叶面积指数检测的准确率。
附图说明
图1为本发明实施例1的植物叶面积指数检测系统结构框图。
图2为本发明实施例1的植物叶面积指数检测系统结构示意图。
图3为本发明实施例1的植物叶面积指数检测系统中卫星导航定位系统重构的三维激光点云图像示意图。
图4为本发明实施例2的植物叶面积指数检测方法流程图。
其中,1-数据同步单元,2-激光雷达传感器,3-惯性测量单元,4-卫星导航定位系统,5-运算单元,6-车体,7-植物,8-扫描面。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
实施例1:
如图1和图2所示,本实施例提供了一种多传感器信息融合的植物叶面积指数检测系统,该系统包括数据同步单元1、激光雷达传感器2、惯性测量单元3、卫星导航定位系统4和运算单元5,激光雷达传感器2、惯性测量单元3、卫星导航定位系统4装载在一车体6上,数据同步单元1、激光雷达传感器2、惯性测量单元3、卫星导航定位系统4和运算单元5的具体功能如下:
所述数据同步单元1,用于基于卡尔曼(Kalman)的滤波方法实现激光雷达传感器2、惯性测量单元3和卫星导航定位系统4之间的数据同步;其中,激光雷达传感器2获取的数据是二维激光点云数据,惯性测量单元3获取的数据是激光雷达传感器2的姿态角,卫星导航定位系统4获取的数据是激光雷达传感器2的定位坐标。
所述激光雷达传感器2采用二维(2-Dimension,2D)激光雷达传感器,用于扫描植物7冠层侧面,获得植物7冠层切面轮廓的二维激光点云数据,扫描面8可在图2中看到。
进一步地,激光雷达传感器2的角度分辨率不低于1°,测距距离不小于3m。
在本实施例中,二维激光点云数据用极坐标表示,其由一系列扫描角度间隔为α的数据点构成,每个数据点由三部分组成,包括扫描角度θ,该角度θ对应的径向距离radialDis,探测目标点的表面反射率RSSI,第n次激光扫描采样的点云数据以坐标(θk,radialDisk,RSSIk)n表示,其中k在1到激光雷达传感器最大扫描线数之间取值,扫描角度间隔α等于(θk-θk-1)。
所述惯性测量单元3采用MEMS(Micro-Electro-Mechanical System)-IMU(Inertial Measurement Unit)微机电惯性测量单元,用于获取激光雷达传感器的姿态角,并根据姿态角对所述二维激光点云数据进行矫正;其中,所述姿态角包括横滚角、俯仰角和偏航角。
进一步地,惯性测量单元3包括三轴加速度计和三轴角速度计,优选地,惯性测量单元3还可以包括三轴磁力计。
在本实施例中,根据姿态角对所述二维激光点云数据进行矫正,如下式:
其中,(θk,radialDisk,RSSIk)n为第n次激光扫描采样时激光雷达传感器的姿态角,(θk,radialDisk,RSSIk)n为第n次激光扫描采样的点云数据,(θ’k,radialDis’k,RSSI’k)n为根据姿态角采样矫正后的第n次激光扫描采样的点云数据,Fun1为矫正函数,θ为扫描角度,radialDis为角度θ对应的径向距离,RSSI为探测目标点的表面反射率,k在1到激光雷达传感器最大扫描线数之间取值。
所述卫星导航定位系统4采用GNSS(Global Navigation Satellite System)卫星导航定位系统,用于获取激光雷达传感器的定位坐标,根据定位坐标计算两次激光扫描点之间的距离,融合定位坐标与矫正后的二维激光点云数据重构植物冠层三维激光点云图。
进一步地,卫星导航定位系统4的数据输出速率不小于10Hz,平面精度不低于1cm,高程精度不低于2cm。
在本实施例中,根据定位坐标计算两次激光扫描点之间的距离,如下式:
d=Fun2(Coordn,Coordn-1)
其中,Coordn为激光雷达传感器第n次激光扫描点的定位坐标,Fun2为两点定位坐标求解距离d的函数。
融合定位坐标Coordn与矫正后的二维激光点云数据(θ’k,radialDis’k,RSSI’k)n重构植物冠层三维激光点云图,三维激光点云图数据用坐标(Coord,(θ’k,radialDis’k,RSSI’k))n表示,三维激光点云图像如图3所示。
所述运算单元5,用于获取叶面积指数反演计算所需的相关参数,构建叶面积指数估算模型,运算模型得到植物的叶面积指数。
优选地,叶面积指数反演计算所需的相关参数包括三维激光点云图数据(Coord,(θ’k,radialDis’k,RSSI’k))n。
上述数据同步单元1和运算单元5可以通过包含处理器的计算设备实现,如计算机、手机、平板电脑等。
实施例2:
如图2所示,本实施例提供了一种多传感器信息融合的植物叶面积指数检测方法,所述方法包括以下步骤:
S1、选择一株样本植物,对样本植物进行人工取样测量,获取样本植物准确的叶面积指数LAIreal(Leaf Area Index)。
S2、启动电源,初始化激光雷达传感器、卫星导航定位系统和惯性测量单元,保证各传感器工作正常。
S3、基于卡尔曼的滤波方法实现激光雷达传感器、惯性测量单元和卫星导航定位系统之间的数据同步。
S4、触发激光雷达传感器工作,扫描植物冠层侧面,获得植物冠层切面轮廓的二维激光点云数据。
本步骤中,二维激光点云数据由一系列扫描角度间隔为α的数据点构成,每个数据点由三部分组成,包括扫描角度θ,该角度θ对应的径向距离radialDis,探测目标点的表面反射率RSSI,第n次激光扫描采样的点云数据以坐标(θk,radialDisk,RSSIk)n表示,其中k在1到激光雷达传感器最大扫描线数之间取值,扫描角度间隔α等于(θk-θk-1)。
S5、触发惯性测量单元,获取激光雷达传感器的姿态角,并根据姿态角对所述二维激光点云数据进行矫正;其中,所述姿态角包括横滚角、俯仰角和偏航角。
本步骤中,根据姿态角对所述二维激光点云数据进行矫正,如下式:
其中,(θk,radialDisk,RSSIk)n为第n次激光扫描采样时激光雷达传感器的姿态角,(θk,radialDisk,RSSIk)n为第n次激光扫描采样的点云数据,(θ’k,radialDis’k,RSSI’k)n为根据姿态角采样矫正后的第n次激光扫描采样的点云数据,Fun1为矫正函数,θ为扫描角度,radialDis为角度θ对应的径向距离,RSSI为探测目标点的表面反射率,k在1到激光雷达传感器最大扫描线数之间取值。
S6、触发卫星导航定位系统,获取激光雷达传感器的定位坐标,根据定位坐标计算两次激光扫描点之间的距离,融合定位坐标与矫正后的二维激光点云数据重构植物冠层三维激光点云图。
本步骤中,根据定位坐标计算两次激光扫描点之间的距离,如下式:
d=Fun2(Coordn,Coordn-1)
其中,Coordn为激光雷达传感器第n次激光扫描点的定位坐标,Fun2为两点定位坐标求解距离d的函数。
融合定位坐标Coordn与矫正后的二维激光点云数据(θ’k,radialDis’k,RSSI’k)n重构植物冠层三维激光点云图,三维激光点云图数据用坐标(Coord,(θ’k,radialDis’k,RSSI’k))n表示。
S7、利用三维激光点云图数据(Coord,(θ’k,radialDis’k,RSSI’k))n,计算植物的叶墙面积LWA(Leaf Wall Area),击中点比例Phit,击穿点比例Pthrough。
本步骤中,以植物行距为分界点,小于植物行距的激光扫描测距点为击中点,是大于植物行距的激光扫描测距点为击穿点。
S8、对样本植物构建叶面积指数估算模型,利用样本植物的叶面积指数LAIreal计算出叶墙面积系数λ1、击中点比例系数λ2、击穿点比例因子λ3、反射率系数λ4和修正值R,如下式:
其中,LWA(Leaf Wall Area)为植物的叶墙面积,Phit为击中点的比例,Pthrough为击穿点的比例。
S9、按照上述步骤S1~S8,再选择一株样本植物,计算出叶墙面积系数λ1、击中点比例系数λ2、击穿点比例因子λ3、反射率系数λ4和修正值R,取两次计算结果的平均值作为最终的计算值。
S10、利用最终计算得到的叶墙面积系数λ1、击中点比例系数λ2、击穿点比例因子λ3、反射率系数λ4和修正值R,代入叶面积指数估算模型进行反演计算,得到单株植物的叶面积指数LAI,如下式:
综上所述,本发明融合了激光雷达传感器、卫星导航定位系统、惯性测量单元的检测数据,并利用卡尔曼滤波方法实现数据同步,获得比单一传感器更多的信息,形成比单一信源更可靠、更完全的融合信息,避免了单一传感器的信息盲区,有利于提高叶面积指数检测的准确率。同时,本发明实时检测激光雷达传感器的姿态角,根据姿态角对激光扫描采样的点云数据进行数据矫正,这样即使路面不平整,在使用车载激光雷达传感器检测植物叶面积指数时,也能获得较高的检测准确率。
以上所述,仅为本发明专利较佳的实施例,但本发明专利的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明专利所公开的范围内,根据本发明专利的技术方案及其发明构思加以等同替换或改变,都属于本发明专利的保护范围。
Claims (7)
1.一种多传感器信息融合的植物叶面积指数检测方法,其特征在于:所述方法包括:
基于卡尔曼的滤波方法实现激光雷达传感器、惯性测量单元和卫星导航定位系统之间的数据同步;
采用激光雷达传感器扫描植物冠层侧面,获得植物冠层切面轮廓的二维激光点云数据;其中,所述二维激光点云数据由一系列扫描角度间隔为α的数据点构成,每个数据点由三部分组成,包括扫描角度θ,该角度θ对应的径向距离radialDis,探测目标点的表面反射率RSSI,第n次激光扫描采样的点云数据以坐标(θk,radialDisk,RSSIk)n表示,其中k在1到激光雷达传感器最大扫描线数之间取值,扫描角度间隔α等于(θk-θk-1);
采用惯性测量单元获取激光雷达传感器的姿态角,并根据姿态角对所述二维激光点云数据进行矫正,如下式:
其中,(θk,radialDisk,RSSIk)n为第n次激光扫描采样时激光雷达传感器的姿态角,(θk,radialDisk,RSSIk)n为第n次激光扫描采样的点云数据,(θ’k,radialDis’k,RSSI’k)n为根据姿态角采样矫正后的第n次激光扫描采样的点云数据,Fun1为矫正函数,θ为扫描角度,radialDis为角度θ对应的径向距离,RSSI为探测目标点的表面反射率,k在1到激光雷达传感器最大扫描线数之间取值;所述姿态角包括横滚角、俯仰角和偏航角;
采用卫星导航定位系统获取激光雷达传感器的定位坐标,根据定位坐标计算两次激光扫描点之间的距离,融合定位坐标与矫正后的二维激光点云数据重构植物冠层三维激光点云图;
获取叶面积指数反演计算所需的相关参数,构建叶面积指数估算模型,运算模型得到植物的叶面积指数,具体包括:
选择一株样本植物,对样本植物进行取样测量,获取样本植物准确的叶面积指数LAIreal;
获取样本植物的三维激光点云图数据(Coord,(θ’k,radialDis’k,RSSI’k))n;其中,θ为扫描角度,radialDis为角度θ对应的径向距离,RSSI为探测目标点的表面反射率,k在1到激光雷达传感器最大扫描线数之间取值,Coordn为激光雷达传感器第n次激光扫描点的定位坐标,(θ’k,radialDis’k,RSSI’k)n为根据姿态角采样矫正后的第n次激光扫描采样的点云数据;
对样本植物构建叶面积指数估算模型,利用样本植物的叶面积指数LAIreal计算出叶墙面积系数λ1、击中点比例系数λ2、击穿点比例因子λ3、反射率系数λ4和修正值R,如下式:
其中,LWA为植物的叶墙面积,Phit为击中点的比例,Pthrough为击穿点的比例;
按照上述步骤,再选择一株样本植物,计算出叶墙面积系数λ1、击中点比例系数λ2、击穿点比例因子λ3、反射率系数λ4和修正值R,取两次计算结果的平均值作为最终的计算值;
利用最终计算得到的叶墙面积系数λ1、击中点比例系数λ2、击穿点比例因子λ3、反射率系数λ4和修正值R,代入叶面积指数估算模型进行反演计算,得到单株植物的叶面积指数LAI,如下式:
2.根据权利要求1所述的一种多传感器信息融合的植物叶面积指数检测方法,其特征在于:所述根据定位坐标计算两次激光扫描点之间的距离,如下式:
d=Fun2(Coordn,Coordn-1)
其中,Coordn为激光雷达传感器第n次激光扫描点的定位坐标,Fun2为两点定位坐标求解距离d的函数。
3.根据权利要求1所述的一种多传感器信息融合的植物叶面积指数检测方法,其特征在于:所述击中点是指小于植物行距的激光扫描测距点,所述击穿点是指大于植物行距的激光扫描测距点。
4.一种多传感器信息融合的植物叶面积指数检测系统,其特征在于:所述检测系统包括:
数据同步单元,用于基于卡尔曼的滤波方法实现激光雷达传感器、惯性测量单元和卫星导航定位系统之间的数据同步;
激光雷达传感器,用于扫描植物冠层侧面,获得植物冠层切面轮廓的二维激光点云数据;其中,所述二维激光点云数据由一系列扫描角度间隔为α的数据点构成,每个数据点由三部分组成,包括扫描角度θ,该角度θ对应的径向距离radialDis,探测目标点的表面反射率RSSI,第n次激光扫描采样的点云数据以坐标(θk,radialDisk,RSSIk)n表示,其中k在1到激光雷达传感器最大扫描线数之间取值,扫描角度间隔α等于(θk-θk-1);
惯性测量单元,用于获取激光雷达传感器的姿态角,并根据姿态角对所述二维激光点云数据进行矫正,如下式:
其中,(θk,radialDisk,RSSIk)n为第n次激光扫描采样时激光雷达传感器的姿态角,(θk,radialDisk,RSSIk)n为第n次激光扫描采样的点云数据,(θ’k,radialDis’k,RSSI’k)n为根据姿态角采样矫正后的第n次激光扫描采样的点云数据,Fun1为矫正函数,θ为扫描角度,radialDis为角度θ对应的径向距离,RSSI为探测目标点的表面反射率,k在1到激光雷达传感器最大扫描线数之间取值;所述姿态角包括横滚角、俯仰角和偏航角;
卫星导航定位系统,用于获取激光雷达传感器的定位坐标,根据定位坐标计算两次激光扫描点之间的距离,融合定位坐标与矫正后的二维激光点云数据重构植物冠层三维激光点云图;
运算单元,用于获取叶面积指数反演计算所需的相关参数,构建叶面积指数估算模型,运算模型得到植物的叶面积指数,具体包括:
选择一株样本植物,对样本植物进行取样测量,获取样本植物准确的叶面积指数LAIreal;
获取样本植物的三维激光点云图数据(Coord,(θ’k,radialDis’k,RSSI’k))n;其中,θ为扫描角度,radialDis为角度θ对应的径向距离,RSSI为探测目标点的表面反射率,k在1到激光雷达传感器最大扫描线数之间取值,Coordn为激光雷达传感器第n次激光扫描点的定位坐标,(θ’k,radialDis’k,RSSI’k)n为根据姿态角采样矫正后的第n次激光扫描采样的点云数据;
对样本植物构建叶面积指数估算模型,利用样本植物的叶面积指数LAIreal计算出叶墙面积系数λ1、击中点比例系数λ2、击穿点比例因子λ3、反射率系数λ4和修正值R,如下式:
其中,LWA为植物的叶墙面积,Phit为击中点的比例,Pthrough为击穿点的比例;
按照上述步骤,再选择一株样本植物,计算出叶墙面积系数λ1、击中点比例系数λ2、击穿点比例因子λ3、反射率系数λ4和修正值R,取两次计算结果的平均值作为最终的计算值;
利用最终计算得到的叶墙面积系数λ1、击中点比例系数λ2、击穿点比例因子λ3、反射率系数λ4和修正值R,代入叶面积指数估算模型进行反演计算,得到单株植物的叶面积指数LAI,如下式:
5.根据权利要求4所述的一种多传感器信息融合的植物叶面积指数检测系统,其特征在于:所述激光雷达传感器的角度分辨率不低于1°,测距距离不小于3m。
6.根据权利要求4所述的一种多传感器信息融合的植物叶面积指数检测系统,其特征在于:所述惯性测量单元包括三轴加速度计和三轴角速度计,惯性测量单元的数据输出速率不低于10Hz,动态测角精度不低于0.1°。
7.根据权利要求4所述的一种多传感器信息融合的植物叶面积指数检测系统,其特征在于:所述卫星导航定位系统的数据输出速率不小于10Hz,平面精度不低于1cm,高程精度不低于2cm。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711474613.9A CN108303043B (zh) | 2017-12-29 | 2017-12-29 | 多传感器信息融合的植物叶面积指数检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711474613.9A CN108303043B (zh) | 2017-12-29 | 2017-12-29 | 多传感器信息融合的植物叶面积指数检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108303043A CN108303043A (zh) | 2018-07-20 |
CN108303043B true CN108303043B (zh) | 2020-04-17 |
Family
ID=62867697
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711474613.9A Active CN108303043B (zh) | 2017-12-29 | 2017-12-29 | 多传感器信息融合的植物叶面积指数检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108303043B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109407112B (zh) * | 2018-10-15 | 2022-11-25 | 华南农业大学 | 基于LiDAR点云数据的果树树冠体积测算方法及系统 |
CN110082739B (zh) * | 2019-03-20 | 2022-04-12 | 深圳市速腾聚创科技有限公司 | 数据同步方法和设备 |
WO2022060472A2 (en) * | 2020-08-12 | 2022-03-24 | The Penn State Research Foundaton | In-situ process monitoring for powder bed fusion additive manufacturing (pbf am) processes using multi-modal sensor fusion machine learning |
CN112698347A (zh) * | 2020-12-02 | 2021-04-23 | 北京华益瑞科技有限公司 | 地表植被参数监测装置、系统及方法 |
CN112837314B (zh) * | 2021-03-08 | 2023-06-09 | 华南农业大学 | 基于2D-LiDAR和Kinect的果树冠层参数检测系统和方法 |
CN113503839B (zh) * | 2021-07-13 | 2022-04-19 | 电子科技大学 | 一种植被参数自主测量机器人 |
CN114966793B (zh) * | 2022-05-25 | 2024-01-26 | 苏州天硕导航科技有限责任公司 | 三维测量系统、方法及gnss系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2156257A1 (en) * | 2007-05-31 | 2010-02-24 | Deere & Company | Method and system for guiding a vehicle with vision-based adjustment |
CN102997871A (zh) * | 2012-11-23 | 2013-03-27 | 南京大学 | 一种利用几何投影和激光雷达反演有效叶面积指数的方法 |
CN103196368A (zh) * | 2013-03-18 | 2013-07-10 | 华东师范大学 | 基于车载激光扫描数据的单株树三维绿量自动估算方法 |
CN104457626A (zh) * | 2014-12-08 | 2015-03-25 | 中国科学院合肥物质科学研究院 | 一种基于激光雷达点云技术的植物叶面积指数测定方法 |
CN103398957B (zh) * | 2013-08-12 | 2015-11-18 | 河海大学 | 基于高光谱与激光雷达提取叶面积垂直分布的方法 |
CN105557672A (zh) * | 2016-02-16 | 2016-05-11 | 江苏省农业科学院 | 一种果树靶标探测系统 |
CN105675549A (zh) * | 2016-01-11 | 2016-06-15 | 武汉大学 | 一种便携式农作物参数测量与长势智能分析装置及方法 |
-
2017
- 2017-12-29 CN CN201711474613.9A patent/CN108303043B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2156257A1 (en) * | 2007-05-31 | 2010-02-24 | Deere & Company | Method and system for guiding a vehicle with vision-based adjustment |
CN102997871A (zh) * | 2012-11-23 | 2013-03-27 | 南京大学 | 一种利用几何投影和激光雷达反演有效叶面积指数的方法 |
CN103196368A (zh) * | 2013-03-18 | 2013-07-10 | 华东师范大学 | 基于车载激光扫描数据的单株树三维绿量自动估算方法 |
CN103398957B (zh) * | 2013-08-12 | 2015-11-18 | 河海大学 | 基于高光谱与激光雷达提取叶面积垂直分布的方法 |
CN104457626A (zh) * | 2014-12-08 | 2015-03-25 | 中国科学院合肥物质科学研究院 | 一种基于激光雷达点云技术的植物叶面积指数测定方法 |
CN105675549A (zh) * | 2016-01-11 | 2016-06-15 | 武汉大学 | 一种便携式农作物参数测量与长势智能分析装置及方法 |
CN105557672A (zh) * | 2016-02-16 | 2016-05-11 | 江苏省农业科学院 | 一种果树靶标探测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108303043A (zh) | 2018-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108303043B (zh) | 多传感器信息融合的植物叶面积指数检测方法及系统 | |
CN110837080B (zh) | 激光雷达移动测量系统的快速标定方法 | |
CN104111445B (zh) | 用于室内导航的超声波阵列辅助定位方法与系统 | |
CN109991636A (zh) | 基于gps、imu以及双目视觉的地图构建方法及系统 | |
CN110146909A (zh) | 一种定位数据处理方法 | |
CN106767785B (zh) | 一种双回路无人机的导航方法及装置 | |
CN104569972B (zh) | 一种植物根系三维构型无损检测方法 | |
CN114444158B (zh) | 一种基于三维重建的地下巷道形变预警方法及系统 | |
CN110475966A (zh) | 确定风力涡轮机的转子平面的定向 | |
CN104197935B (zh) | 一种基于移动智能终端的室内定位方法 | |
CN105928518A (zh) | 采用伪距和位置信息的室内行人uwb/ins紧组合导航系统及方法 | |
CN103712598B (zh) | 一种小型无人机姿态确定方法 | |
CN108387236A (zh) | 一种基于扩展卡尔曼滤波的偏振光slam方法 | |
CN107747953A (zh) | 一种多敏感器数据与轨道信息时间同步方法 | |
CN105571636A (zh) | 一种用于定位目标的方法及测量设备 | |
CN111308415A (zh) | 一种基于时间延迟的在线估计位姿的方法和设备 | |
Lo et al. | The direct georeferencing application and performance analysis of UAV helicopter in GCP-free area | |
CN115183762A (zh) | 一种机场仓库内外建图方法、系统、电子设备及介质 | |
CN112455502B (zh) | 基于激光雷达的列车定位方法及装置 | |
CN113639722B (zh) | 连续激光扫描配准辅助惯性定位定姿方法 | |
CN108801250B (zh) | 基于水下机器人的实时姿态获取方法及装置 | |
CN104075710B (zh) | 一种基于航迹预测的机动扩展目标轴向姿态实时估计方法 | |
CN206095257U (zh) | 智能巡视机器人组合导航系统 | |
CN112556681B (zh) | 一种基于视觉的果园机械导航定位方法 | |
WO2011159185A1 (ru) | Способ и устройство определения направления начала движения |
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 |