CN110348067B - 一种气流表征物理参数提取方法及系统、介质、设备 - Google Patents

Abstract

本发明公开了一种气流表征物理参数提取方法及系统、介质、设备，所述方法包括步骤：获取柔性植株气流表征的原始左、右视角图像，并获取图像全部像素点的空间三维坐标；根据得到的像素点空间三维坐标，运用基于体素和CFSFDP聚类算法的融合分割算法进行实时运算，得到气流表征三维点云数据；根据得到的气流表征三维点云数据，进行点云三角化处理，得到气流表征的空间完整曲面；根据得到的气流表征的空间完整曲面，采用微元法求解得到柔性植株气流表征体积参数、冠层面面积参数。本发明去掉柔性植株气流表征原始点云数据中没有深度信息的错误点集和气流表征以外的无效点集，实时、精确地提取柔性植株气流表征物理参数。

Description

一种气流表征物理参数提取方法及系统、介质、设备

技术领域

本发明涉及农业航空和农作物植保领域，特别涉及一种基于双目深度图像传感器的柔性植株气流表征物理参数提取方法及系统、介质、设备。

背景技术

旋翼无人机田间作业时各种动作与姿态所需的升力都直接来自于旋翼，旋翼产生的气流向下“包裹”住机体及附属喷洒装备，裹挟着喷洒出来的雾滴“拍击”在柔性植株冠层上，与柔性植株的茎叶互相作用呈现出类似锥体的气流表征，这是旋翼无人机水稻田间低空作业的典型特征。

在农业航空和农作物植保领域，获取柔性植株气流表征物理参数的方法主要是接触式人工测量和非接触式人工测量两种。接触式人工测量就是工作人员通过借助精密的测量仪器设备，在柔性植株冠层实地地测量气流表征的各项物理参数；因为柔性植株气流表征会随着风向和气流的改变而不断地发生变化，所以这种方法存在较大的误差。非接触式人工测量就是工作人员通过借助单目摄像头传感器获取柔性植株气流表征的图像数据，通过拟合得到其柔物理参数，

同时，上述方法提取的物理参数大多为基于二维图像的柔性植株气流表征物理参数，无法提取深度、体积等三维参数；另外，三维参数除了含有气流表征的全部点集外，还包含有一部分无效点集，从而导致提取的物理参数存在误差，并不准确。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种气流表征物理参数提取方法及系统、介质、设备，此方法及系统适应柔性植株气流表征边界移动趋势明显等特性，实时、精确地提取柔性植株气流表征物理参数。

本发明的目的通过以下的技术方案实现：

一种气流表征物理参数提取方法，包括以下步骤：

S1：获取柔性植株气流表征的原始左、右视角图像，并获取图像全部像素点的空间三维坐标p(X，Y，Z)；所获取的空间三维坐标既包含了所述柔性植株气流表征的全部点云集，又包含了一部分无效点云集和一部分没有深度信息的错误点云集；

S2：根据得到的像素点空间三维坐标，设定第一kd-tree参数，即设置点间最大距离、检索最远距离、领域个数，运用基于体素和CFSFDP聚类算法的融合分割算法进行实时运算，将点云集的最小单位从点变成体素，分割删除没有深度信息的错误点云集；根据最小单位体素计算得到包括气流表征和冠层平面的三维点云数据，分割删除冠层平面三维点数据，得到气流表征三维点云数据；由于柔性植株气流表征具有随着风向和气流的改变而不断地发生变化的特点，以及双目深度图像传感器受光照等因素的影响会出现一部分无深度信息的错误像素点的缺陷，本发明提出了一种基于体素和CFSFDP聚类算法的融合分割算法，既解决了柔性植株气流表征原始点云数据存在没有深度信息的错误点集的问题，又解决了气流表征以外的无效点集所造成的轮廓分割错误或者不准确的问题；

S3：根据得到的气流表征三维点云数据，进行点云三角化处理，生成空间曲面，设定第二kd-tree参数，通过将参数范围内的每三个点建一个面，得到气流表征的空间完整曲面；该步骤为空间三维点云三角化处理过程，其中，生成的柔性植株气流表征空间完整曲面是一个没有顶面封闭的不规则椎体，根据该曲面计算提取柔性植株气流表征物理参数，有效地解决了目前大多数基于二维图像的柔性植株气流表征物理参数提取方法无法提取深度、体积等三维参数的缺陷；

S4：根据得到的气流表征的空间完整曲面，采用微元法求解得到柔性植株气流表征体积参数、冠层面面积参数。

优选的，所述步骤S1中，将双目深度图像传感器获取的左、右图像上的全部像素点一一对应，得到左图像像素坐标p₁(X₁，Y₁)和右图像像素坐标p₂(X₂，Y₂)对应的像素坐标组合点云集，结合双目深度图像传感器的标定参数，计算得到图像内所有像素点的空间三维坐标p(X，Y，Z)。

优选的，所述步骤S2中，将点云集最小单位从点变成体素的步骤为：

S2.1、根据步骤S1得到的图像全部像素点的空间三维坐标p(X，Y，Z)，用三维棚格均匀地将所有点云集分割成一个个体素，并用每个体素内的所有点的重心代替该体素内的所有点，将离散的点云集P的最小单位变成体素x；该步骤将点云集的最小单位从点变成了体素，解决原始点云中没有深度信息的错误点集造成的分割不准确的问题。

优选的，所述步骤S2中得到气流表征的三维点云数据的步骤为：

S2.2.1计算每个体素x_i到其余所有体素x_j的距离d(i，j)，i，j∈[1,2，....N]；

S2.2.2设置距离阀值d_s，计算每个体素x_i的密度ρ_i，计算密度公式为：

ρ_i＝∑α[d(i.j)-d_s]，i,j∈(1,2,...N)；

其中α(x)为符号函数，其定义为：

S2.2.3根据得到的各体素的密度ρ_i，计算得到各体素的距离δ_i，δ_i的计算公式为：

S2.2.4将密度ρ_i和距离δ_i最大的体素作为聚类中心点，在设置的检索最远距离内聚类得到包括气流表征和冠层平面的三维点云数据；

S2.2.5根据得到的包括气流表征和冠层平面的三维点云数据，分割删除冠层平面三维点数据，也即无效点集，由此得到气流表征三维点云数据。

优选的，所述步骤S4采用微元法求解得到柔性植株气流表征体积参数V，具体计算步骤为：

V＝∑v；

其中，v是通过将三维点云地面分割成网格，得到的每个网格对应长方体的体积，其计算公式为：

v＝S_w×D；

其中，S_w为单个网格面积，D为该网格中点云曲面深度；

综合得到气流表征的体积计算公式为：

V＝∑(S_w×D)；

由此，通过已知气流表征的三维点云数据求得气流表征的体积。

该步骤选用微元法计算柔性植株气流表征体积参数，在这种体积计算方法中，每个长方体都能够更准确地代替冠层面面积空间曲面在该位置的形态，该方法有助于缩小因柔性植株气流表征空间完整曲面表面不光滑所带来的误差。

优选的，所述步骤S4中采用微元法求解得到柔性植株气流表征冠层面(即未封闭顶面)面积参数S，具体计算步骤为：

S＝∑s；

其中，s是指在气流表征冠层面上取一中心点和在其冠层面轮廓上取间隔角度相同的多个点，通过这些点与中心点的连线将气流表征冠层面分割成多个扇形，得到的每个扇形的面积，其计算公式为：

其中，n为扇形圆心角角度，R为气流表征轮廓到中心点的距离；

综合得到气流表征的冠层面面积计算公式为：

由此，通过已知气流表征的三维点云数据求得气流表征的冠层面面积。

该步骤选用微元法计算柔性植株气流表征冠层面(即未封闭顶面)面积参数，有助于缩小因柔性植株气流表征冠层面边界凹凸所到来的误差。

上述方案中，该方法利用双目深度图像传感器获取柔性植株气流表征的原始左、右视角图像，并结合双目深度摄像头的标定参数，得到图像全部像素点的空间三维坐标；根据得到的像素点空间三维坐标，运用体素滤波和基于CFSFDP的分割算法的融合算法进行实时运算，剔除掉气流表征以外的冠层平面，分割得到气流表征的实时三维点云数据；根据得到的气流表征的三维点云数据，进行点云三角化处理，生成空间曲面，并通过修改kd-tree的参数，得到气流表征的空间完整曲面；根据得到的气流表征的空间完整曲面，求解得到体积、冠层面面积等物理参数。

一种气流表征物理参数提取系统，包括：

双目深度图像传感器模块，用于获取柔性植株气流表征的原始左、右视角图像，并获取图像全部像素点的空间三维坐标p(X，Y，Z)；所获取的空间三维坐标既包含了所述柔性植株气流表征的全部点云集，又包含了一部分无效点云集和一部分没有深度信息的错误点云集；

坐标分割模块，内置体素滤波和基于CFSFDP的分割算法的融合算法，用于根据得到的像素点空间三维坐标，设定第一kd-tree(分割k维数据空间的数据结构)参数，即设置点间最大距离、检索最远距离、领域个数，运用基于体素和CFSFDP聚类算法的融合分割算法进行实时运算，将点云集的最小单位从点变成体素，分割删除没有深度信息的错误点云集；根据最小单位体素计算得到包括气流表征和冠层平面的三维点云数据，分割删除冠层平面三维点数据，得到气流表征三维点云数据；

空间曲面生成模块，用于根据得到的气流表征三维点云数据，进行点云三角化处理，生成空间曲面，设定第二kd-tree参数，通过将参数范围内的每三个点建一个面，得到气流表征的空间完整曲面；

气流表征体积、冠层面面积参数计算模块，用于根据得到的气流表征的空间完整曲面，采用微元法求解得到柔性植株气流表征体积参数、冠层面面积参数。

一种存储介质，存储有程序，所述程序被处理器执行时，结合双目深度图像传感器模块实现上述气流表征物理参数提取方法。

一种计算设备，包括处理器以及用于存储处理器可执行程序的存储器，所述处理器执行存储器存储的程序时，结合双目深度图像传感器模块实现上述的气流表征物理参数提取方法。

本发明与现有技术相比，具有如下优点和有益效果：

1、本发明运用体素滤波和基于CFSFDP的分割算法的融合算法，去掉柔性植株气流表征原始点云数据中没有深度信息的错误点集和气流表征以外的无效点集，实时、精确地提取柔性植株气流表征物理参数。

2、本发明根据已知气流表征的未封闭三维点云曲面，基于微元法求解得到柔性植株气流表征体积、冠层面面积物理参数，有效地解决了柔性植株气流表征物理参数缺失的问题，极大地提高了柔性植株气流表征对于农业航空和农作物植保领域中的雾滴沉积问题的科研价值。

3、本发明运用体素滤波和基于CFSFDP的分割算法的融合算法，以柔性植株气流表征内的特定体素为聚类中心，分割出柔性植株气流表征三维点云数据，适应了柔性植株气流表征边界移动趋势明显等特性。

附图说明

图1为本发明实施例1一种基于双目深度图像传感器的柔性植株气流表征物理参数提取方法流程图。

图2为本发明实施例1柔性植株气流表征的体积计算模型示意图。

图3为本发明实施例1柔性植株气流表征的冠层面面积计算模型示意图。

图4为本发明实施例1气流表征原始点云示意图。

图5为本发明实施例1气流表征具有明显轮廓和边界的三维点云示意图。

图6为本发明实施例1气流表征的空间完整曲面第一视角示意图。

图7为本发明实施例1气流表征的空间完整曲面第二视角示意图。

具体实施方式

为了更好的理解本发明的技术方案，下面结合附图详细描述本发明提供的实施例，但本发明的实施方式不限于此。

实施例1

如图1所示，一种柔性植株气流表征物理参数提取方法，包括以下步骤：

S1、获取柔性植株气流表征的图像及图像像素点的空间三维坐标

NVIDIA Jetson TX2(嵌入式AI计算设备)通过串口连接ZED双目深度摄像头获取柔性植株气流表征的原始左、右视角图像，并结合ZED双目深度摄像头的标定参数计算得到图像全部像素点的空间三维坐标p(X，Y，Z)；所获取的空间三维坐标既包含了所述柔性植株气流表征的全部点集，又包含了一部分无效点集和一部分没有深度信息的错误点集；

S1.1：NVIDIA Jetson TX2将ZED双目深度图像传感器获取的左、右图像上的全部像素点一一对应，得到p₁(X₁，Y₁)和p₂(X₂，Y₂)对应的像素坐标组合点集，结合双目深度图像传感器的标定参数，计算得到图像内所有像素点的三维空间世界坐标p(X，Y，Z)；所获取的三维像素点集不仅包含了所述柔性植株气流表征的全部点集，其中也包含了一部分无效点集和一部分没有深度信息的错误点集。

具体计算p(X，Y，Z)的步骤为：

设左摄像机O-xyz位于世界坐标系原点，且没有发生旋转；已知左摄像机的图像坐标系为O_l-X_lY_l，有效焦距为F_l；右摄像机世界坐标系为O_r-xyz，图像坐标系为O_r-X_rY_r，有效焦距为F_r；点P在左摄像头的图像坐标为

点P在右摄像头的坐标为

旋转平移矩阵R为：

因为：

得像素点三维空间坐标为：

x_l＝z_lX_l/F_l

y_l＝z_lY_l/F_l

S2、分割坐标，去掉无效点集和没有深度信息的错误点集

如图4所示，为气流表征原始点云示意图，ROS_MASTER主机获取并根据得到的像素点空间三维坐标，设定第一kd-tree参数，即设置点间最大距离为0.02、检索最远距离2、领域个数100，运用基于体素和CFSFDP聚类算法的融合分割算法进行实时运算，分割删除掉原始点云中存在的没有深度信息的错误点集和气流表征以外的无效点集，分割得到气流表征的实时三维点云数据；柔性植株气流表征具有随着风向和气流的改变而不断地发生变化的特点，受到外部因素的干扰或者拍摄物离双目摄像头太远/太近时，易导致在步骤S1计算错误导致没有计算结果没有视差，这些没有视差的点没有三维信息，在点云文件中会呈现nan，因此需要在步骤S2中滤波处理掉，也即分割删除没有深度信息的错误点集，本发明提出了一种基于体素和CFSFDP聚类算法的融合分割算法，既解决了柔性植株气流表征原始点云数据存在没有深度信息的错误点集的问题，又解决了气流表征以外的无效点集所造成的轮廓分割错误或者不准确的问题；通过选用基于体素和CFSFDP聚类算法的融合分割算法，得到柔性植株气流表征的具有明显轮廓和边界的三维点云数据，气流表征具有明显轮廓和边界的三维点云示意图如图5。

其中，将点云集最小单位从点变成体素的步骤为：

S2.1：根据S1得到的图像内所有像素点的三维空间世界坐标p(X，Y，Z)，用三维棚格(将空间分割成一样大小的多个正方体)均匀地将所有点集分割成一个个体素，并用每个体素内的所有点的重心代替该体素内的所有点，将离散的点云集P(约250000个)的最小单位变成体素x(约40000个)；

所述得到气流表征的三维点云数据的步骤为：

S2.2.1计算每个体素x_i到其余所有体素的距离d(i，j)(i，j∈[1,2，....N])；

S2.2.2设置距离阀值d_s，计算每个体素x_i的密度ρ_i，计算密度公式为：

ρ_i＝∑α[d(i.j)-d_s][i,j∈(1,2,...N)]；

其中α(x)为符号函数，其定义为：

S2.2.3根据得到的各体素的密度ρ_i，计算得到各体素的距离δ_i，δ_i的计算公式为：

S2.2.4将密度ρ_i和距离δ_i比较大的体素作为聚类中心点，在设置的检索最远距离内聚类得到气流表征和冠层平面的三维点云数据；

S2.2.5根据得到的包括气流表征和冠层平面的三维点云数据，分割删除掉气流表征以外的无效点集，由此得到气流表征三维点云数据。

S3、生成气流表征的空间完整曲面

ROS_MASTER主机根据得到的气流表征三维点云数据，进行点云三角化处理，生成空间曲面，设定第二kd-tree参数，设置点间最大距离为0.025、检索最远距离为2.5、领域个数为100，通过将参数范围内的每三个点建一个面，得到气流表征的空间完整曲面；如图6-7所示，生成的柔性植株气流表征空间完整曲面是一个没有顶面封闭的不规则椎体，根据该曲面计算提取柔性植株气流表征物理参数，有效地解决了目前大多数基于二维图像的柔性植株气流表征物理参数提取方法无法提取深度、体积等三维参数的缺陷。

S4、计算气流表征体积、冠层面面积参数

根据得到的气流表征的空间完整曲面，采用微元法求解得到柔性植株气流表征体积、冠层面面积。

如图2所示，为柔性植株气流表征的体积计算模型示意图，所述采用微元法计算柔性植株气流表征体积参数，具体计算步骤为：

V＝∑v；

其中，v是通过将三维点云地面分割成网格，得到的每个网格对应长方体的体积，其计算公式为：

v＝S_w×D；

其中，S_w为单个网格面积，D为该网格中点云曲面深度；

综合得到气流表征的体积计算公式为：

V＝∑(S_w×D)；

由此，通过已知气流表征的三维点云数据求得气流表征的体积。

该步骤采用微元法计算柔性植株气流表征体积参数，在这种体积计算方法中，每个长方体都能够更准确地代替冠层面面积空间曲面在该位置的形态，该方法有助于缩小因柔性植株气流表征空间完整曲面表面不光滑所带来的误差。

如图3所示，为柔性植株气流表征的冠层面面积计算模型示意图，所述采用用微元法计算柔性植株气流表征冠层面(即未封闭顶面)面积参数S，具体计算步骤为：

S＝∑s；

其中，s是指在气流表征冠层面上取一中心点和在其冠层面轮廓上取间隔角度相同的多个点，通过这些点与中心点的连线将气流表征冠层面分割成多个扇形，得到的每个扇形的面积，其计算公式为：

其中，n为扇形圆心角角度，R为气流表征轮廓到中心点的距离；

综合得到气流表征的冠层面面积计算公式为：

由此，通过已知气流表征的三维点云数据求得气流表征的冠层面面积。

该步骤选用微元法计算柔性植株气流表征冠层面(即未封闭顶面)面积参数，有助于缩小因柔性植株气流表征冠层面边界凹凸所到来的误差。

上述方案中，利用双目深度图像传感器获取柔性植株气流表征的原始左、右视角图像，并结合双目深度摄像头的标定参数，得到图像全部像素点的空间三维坐标；根据得到的像素点空间三维坐标，运用体素滤波和基于CFSFDP的分割算法的融合算法进行实时运算，剔除掉气流表征以外的冠层平面，分割得到气流表征的实时三维点云数据；根据得到的气流表征的三维点云数据，进行点云三角化处理，生成空间曲面，并通过增大kd-tree的参数的点间最大距离、检索最远距离，得到气流表征的空间完整曲面；根据得到的气流表征的空间完整曲面，求解得到体积、冠层面面积等物理参数。

实施例2

一种柔性植株气流表征物理参数提取系统，包括：

双目深度图像传感器模块，为ZED双目深度摄像头，用于获取柔性植株气流表征的原始左、右视角图像，并获取图像全部像素点的空间三维坐标p(X，Y，Z)；所获取的空间三维坐标既包含了所述柔性植株气流表征的全部点云集，又包含了一部分无效点云集和一部分没有深度信息的错误点云集；

坐标分割模块，内置体素滤波和基于CFSFDP的分割算法的融合算法，用于根据得到的像素点空间三维坐标，设定第一kd-tree参数，即设置点间最大距离检索最远距离、领域个数，运用基于体素和CFSFDP聚类算法的融合分割算法进行实时运算，将点云集的最小单位从点变成体素，分割删除没有深度信息的错误点云集；根据最小单位体素计算得到包括气流表征和冠层平面的三维点云数据，分割删除冠层平面三维点数据，得到气流表征三维点云数据；

空间曲面生成模块，用于根据得到的气流表征三维点云数据，进行点云三角化处理，生成空间曲面，设定第二kd-tree参数，通过将参数范围内的每三个点建一个面，得到气流表征的空间完整曲面；

气流表征体积、冠层面面积参数计算模块，用于根据得到的气流表征的空间完整曲面，采用微元法求解得到柔性植株气流表征体积参数、冠层面面积参数。

实施例3

本实施例提供了一种存储介质，该存储介质存储有一个或多个程序，所述程序被处理器执行时，结合双目深度图像传感器模块实现实施例1的柔性植株气流表征物理参数提取方法，如下：

S1：获取柔性植株气流表征的原始左、右视角图像，并获取图像全部像素点的空间三维坐标p(X，Y，Z)；所获取的空间三维坐标既包含了所述柔性植株气流表征的全部点云集，又包含了一部分无效点云集和一部分没有深度信息的错误点云集；

S2：根据得到的像素点空间三维坐标，设定第一kd-tree参数，即设置点间最大距离检索最远距离、领域个数，运用基于体素和CFSFDP聚类算法的融合分割算法进行实时运算，将点云集的最小单位从点变成体素，分割删除没有深度信息的错误点云集；根据最小单位体素计算得到包括气流表征和冠层平面的三维点云数据，分割删除冠层平面三维点数据，得到气流表征三维点云数据；

S3：根据得到的气流表征三维点云数据，进行点云三角化处理，生成空间曲面，设定第二kd-tree参数，通过将参数范围内的每三个点建一个面，得到气流表征的空间完整曲面；

S4：根据得到的气流表征的空间完整曲面，采用微元法求解得到柔性植株气流表征体积参数、冠层面面积参数。

本实施例中所述的存储介质可以是ROM、RAM、磁盘、光盘等介质。

实施例4：

本实施例提供了一种计算设备，该计算设备包括处理器和存储器，存储器存储有一个或多个程序，处理器执行存储器存储的程序时，结合双目深度图像传感器模块实现实施例1的柔性植株气流表征物理参数提取方法，如下：

S1：获取柔性植株气流表征的原始左、右视角图像，并获取图像全部像素点的空间三维坐标p(X，Y，Z)；所获取的空间三维坐标既包含了所述柔性植株气流表征的全部点云集，又包含了一部分无效点云集和一部分没有深度信息的错误点云集；

S2：根据得到的像素点空间三维坐标，设定第一kd-tree参数，即设置点间最大距离检索最远距离、领域个数，运用基于体素和CFSFDP聚类算法的融合分割算法进行实时运算，将点云集的最小单位从点变成体素，分割删除没有深度信息的错误点云集；根据最小单位体素计算得到包括气流表征和冠层平面的三维点云数据，分割删除冠层平面三维点数据，得到气流表征三维点云数据；

S3：根据得到的气流表征三维点云数据，进行点云三角化处理，生成空间曲面，设定第二kd-tree参数，通过将参数范围内的每三个点建一个面，得到气流表征的空间完整曲面；

S4：根据得到的气流表征的空间完整曲面，采用微元法求解得到柔性植株气流表征体积参数、冠层面面积参数。

本实施例中获取图像全部像素点的空间三维坐标的步骤具体通过NVIDIA JetsonTX2嵌入式AI计算设备执行存储器存储的程序来完成；所述分割坐标，生成气流表征的完整曲面，计算气流表征体积、冠层面面积参数的步骤通过ROS_MASTER主机执行存储器存储的程序计算获得；NVIDIA Jetson TX2将全部像素点的空间三维坐标p(X，Y，Z)通过ROS分布式网络的节点进行发布；同时，ROS_MASTER主机订阅上述节点发布的消息内容，将pcl::PCLPointCloud2::Ptr格式的原始点云数据转换成pcl::PointCloud<pcl::PointXYZ>格式的输入点云并输入。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (7)

1.一种气流表征物理参数提取方法，其特征在于，包括以下步骤：

S1：获取柔性植株气流表征的原始左、右视角图像，并获取图像全部像素点的空间三维坐标p(X，Y，Z)；所获取的空间三维坐标集既包含了所述柔性植株气流表征的全部点云集，又包含了一部分无效点云集和一部分没有深度信息的错误点云集；

S2：根据得到的像素点空间三维坐标，设定第一kd-tree参数，即设置点间最大距离、检索最远距离、领域个数，运用基于体素和CFSFDP聚类算法的融合分割算法进行实时运算，将点云集的最小单位从点变成体素，分割删除没有深度信息的错误点云集；根据最小单位体素计算得到包括气流表征和冠层平面的三维点云数据，分割删除冠层平面三维点数据，得到气流表征三维点云数据；

所述将点云集最小单位从点变成体素的步骤为：

S2.1、根据步骤S1得到的图像全部像素点的空间三维坐标p(X，Y，Z)，用三维棚格均匀地将所有点云集分割成一个个体素，并用每个体素内的所有点的重心代替该体素内的所有点，将离散的点云集P的最小单位变成体素x；

所述得到气流表征的三维点云数据的步骤为：

S2.2.1计算每个体素x_i到其余所有体素x_j的距离d(i，j)，i、j∈[1,2，....N]；

S2.2.2设置距离阀值d_s，计算每个体素x_i的密度ρ_i，计算密度公式为：

ρ_i＝∑α[d(i，j)-d_s]，i,j∈[1,2,...N]；

其中α为符号函数，其定义为：

S2.2.3根据得到的各体素的密度ρ_i，计算得到各体素的距离δ_i，δ_i的计算公式为：

S2.2.4将密度ρ_i和距离δ_i最大的体素作为聚类中心点，在设置的检索最远距离内聚类得到包括气流表征和冠层平面的三维点云数据；

S2.2.5根据得到的包括气流表征和冠层平面的三维点云数据，分割删除冠层平面三维点数据，也即无效点集，由此得到气流表征三维点云数据；

S3：根据得到的气流表征三维点云数据，进行点云三角化处理，生成空间曲面，设定第二kd-tree参数，通过将参数范围内的每三个点建一个面，得到气流表征的空间完整曲面；

S4：根据得到的气流表征的空间完整曲面，采用微元法求解得到柔性植株气流表征体积参数、冠层面面积参数。

2.根据权利要求1所述的气流表征物理参数提取方法，其特征在于，所述步骤S1中，将双目深度图像传感器获取的左、右图像上的全部像素点一一对应，得到左图像像素坐标p₁(X₁，Y₁)和右图像像素坐标p₂(X₂，Y₂)对应的像素坐标组合点云集，结合双目深度图像传感器的标定参数，计算得到图像内所有像素点的空间三维坐标p(X，Y，Z)。

3.根据权利要求1所述的气流表征物理参数提取方法，其特征在于，所述步骤S4采用微元法求解得到柔性植株气流表征体积参数V，具体计算步骤为：

V＝∑v；

其中，v是通过将三维点云地面分割成网格，得到的每个网格对应长方体的体积，其计算公式为：

v＝S_w×D；

其中，S_w为单个网格面积，D为该网格中点云曲面深度；

综合得到气流表征的体积计算公式为：

V＝∑(S_w×D)；

由此，通过已知气流表征的三维点云数据求得气流表征的体积。

4.根据权利要求1所述的气流表征物理参数提取方法，其特征在于，所述步骤S4中采用微元法求解得到柔性植株气流表征冠层面面积参数S，具体计算步骤为：

S＝∑s；

其中，s是指在气流表征冠层面上取一中心点和在其冠层面轮廓上取间隔角度相同的多个点，通过这些点与中心点的连线将气流表征冠层面分割成多个扇形，得到的每个扇形的面积，其计算公式为：

其中，n为扇形圆心角角度，R为气流表征轮廓到中心点的距离；

综合得到气流表征的冠层面面积计算公式为：

由此，通过已知气流表征的三维点云数据求得气流表征的冠层面面积。

5.一种气流表征物理参数提取系统，其特征在于，包括：

双目深度图像传感器模块，用于获取柔性植株气流表征的原始左、右视角图像，并获取图像全部像素点的空间三维坐标p(X，Y，Z)；所获取的空间三维坐标既包含了所述柔性植株气流表征的全部点云集，又包含了一部分无效点云集和一部分没有深度信息的错误点云集；

坐标分割模块，内置体素滤波和基于CFSFDP的分割算法的融合算法，用于根据得到的像素点空间三维坐标，设定第一kd-tree参数，即设置点间最大距离、检索最远距离、领域个数，运用基于体素和CFSFDP聚类算法的融合分割算法进行实时运算，将点云集的最小单位从点变成体素，分割删除没有深度信息的错误点云集；根据最小单位体素计算得到包括气流表征和冠层平面的三维点云数据，分割删除冠层平面三维点数据，得到气流表征三维点云数据；所述将点云集最小单位从点变成体素具体包括根据步骤S1得到的图像全部像素点的空间三维坐标p(X，Y，Z)，用三维棚格均匀地将所有点云集分割成一个个体素，并用每个体素内的所有点的重心代替该体素内的所有点，将离散的点云集P的最小单位变成体素x；所述得到气流表征的三维点云数据具体包括计算每个体素x_i到其余所有体素x_j的距离d(i，j)，i、j∈[1,2，....N]；设置距离阀值d_s，计算每个体素x_i的密度ρ_i，计算密度公式为：

ρ_i＝∑α[d(i，j)-d_s]，i,j∈[1,2,...N]；

其中α为符号函数，其定义为：

根据得到的各体素的密度ρ_i，计算得到各体素的距离δ_i，δ_i的计算公式为：

将密度ρ_i和距离δ_i最大的体素作为聚类中心点，在设置的检索最远距离内聚类得到包括气流表征和冠层平面的三维点云数据；根据得到的包括气流表征和冠层平面的三维点云数据，分割删除冠层平面三维点数据，也即无效点集，由此得到气流表征三维点云数据；

空间曲面生成模块，用于根据得到的气流表征三维点云数据，进行点云三角化处理，生成空间曲面，设定第二kd-tree参数，通过将参数范围内的每三个点建一个面，得到气流表征的空间完整曲面；

气流表征体积、冠层面面积参数计算模块，用于根据得到的气流表征的空间完整曲面，采用微元法求解得到柔性植株气流表征体积参数、冠层面面积参数。

6.一种存储介质，存储有程序，其特征在于，所述程序被处理器执行时，结合双目深度图像传感器模块实现权利要求1-4任一项所述的气流表征物理参数提取方法。

7.一种计算设备，其特征在于，包括处理器以及用于存储处理器可执行程序的存储器，所述处理器执行存储器存储的程序时，结合双目深度图像传感器模块实现权利要求1-4任一项所述的气流表征物理参数提取方法。

Images