CN111445513A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN111445513A CN111445513A CN202010112993.7A CN202010112993A CN111445513A CN 111445513 A CN111445513 A CN 111445513A CN 202010112993 A CN202010112993 A CN 202010112993A CN 111445513 A CN111445513 A CN 111445513A
- Authority
- CN
- China
- Prior art keywords
- canopy
- volume
- depth image
- pixel point
- acquiring
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000004590 computer program Methods 0.000 claims description 25
- 238000004364 calculation method Methods 0.000 abstract description 13
- 230000001788 irregular Effects 0.000 abstract description 7
- 241000196324 Embryophyta Species 0.000 description 62
- 238000010586 diagram Methods 0.000 description 15
- 241000220223 Fragaria Species 0.000 description 14
- 238000000926 separation method Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 235000021012 strawberries Nutrition 0.000 description 3
- 235000016623 Fragaria vesca Nutrition 0.000 description 2
- 235000011363 Fragaria x ananassa Nutrition 0.000 description 2
- 238000002790 cross-validation Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
- Y02A40/25—Greenhouse technology, e.g. cooling systems therefor
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本申请涉及一种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。所述方法包括:获取目标植株冠层的深度图像;基于所述深度图像获取冠层像素点;基于所述深度图像获取每个所述冠层像素点的离地距离;基于所述离地距离获取每个冠层像素点对应区域的体积;基于每个冠层像素点对应区域的体积获取冠层体积。上述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,通过将冠层进行切割,分别计算各部分体积,再计算冠层总体积,避免小型植株冠层形状不规则对计算的影响与误差,计算结果较准确,精度较高。
Description
技术领域
本申请涉及图像处理技术领域,特别是涉及一种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。
背景技术
深度图像是在图像采集的过程中将成像对象离相机镜头的距离存储并成像,因此深度图像中每个像素的值为该像素点对应的实际物体区域距离镜头的距离。根据深度图像提供的深度信息,可以计算被摄对象的体积等相关信息。
传统对植株体积计算的方法多集中于大型植株,如树或灌木。计算大型植株冠层体积时,植株冠层形状比较规则对称,误差比小型植株小很多。但传统的植株体积计算方法应用在小型植株上时,其冠层体积小,形状不规则,使体积计算难度增加,误差较大,精度不高。
发明内容
基于此,有必要针对传统的植株体积计算方法应用在小型植株上时,其冠层体积小,形状不规则,使体积计算难度增加,误差较大,精度不高的技术问题,提供一种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。
一种基于深度图像的植株冠层体积获取方法,所述方法包括:
获取目标植株冠层的深度图像;
基于所述深度图像获取冠层像素点;
基于所述深度图像获取每个所述冠层像素点的离地距离;
基于所述离地距离获取每个冠层像素点对应区域的体积;
基于每个冠层像素点对应区域的体积获取冠层体积。
在其中一个实施例中,所述基于所述深度图像获取冠层像素点包括:
基于所述深度图像将背景像素点与冠层像素点分离,得到冠层像素点。
在其中一个实施例中,所述基于所述深度图像将背景像素点与冠层像素点分离包括:
基于深度图像中每个像素点的深度值将背景像素点与冠层像素点分离。
在其中一个实施例中,所述基于所述深度图像获取每个所述冠层像素点的离地距离包括:
获取深度相机离地距离;
基于所述深度图像获取每个冠层像素点距离深度相机的距离;
基于深度相机离地距离以及每个冠层像素点距离深度相机的距离获取每个所述冠层像素点的离地距离。
在其中一个实施例中,所述基于所述离地距离获取每个冠层像素点对应区域的体积包括:
基于所述深度图像获取每个冠层像素点对应区域的截面积;
基于每个冠层像素点对应区域的截面积以及离地距离获取每个冠层像素点对应区域的体积。
在其中一个实施例中,所述基于所述深度图像获取每个冠层像素点对应区域的截面积包括:
基于冠层像素点的离地高度、深度相机的视场角以及深度图像的分辨率获取每个冠层像素点对应区域的截面积。
在其中一个实施例中,所述基于每个冠层像素点对应区域的体积获取冠层体积包括:
将每个冠层像素点对应区域的体积相加,得到冠层体积。
一种基于深度图像的植株冠层体积获取装置,所述装置包括:
深度图像获取模块,用于获取目标植株冠层的深度图像;
冠层像素点获取模块,用于基于所述深度图像获取冠层像素点;
距离获取模块,用于基于所述深度图像获取每个所述冠层像素点的离地距离;
区域体积获取模块,用于基于所述离地距离获取每个冠层像素点对应区域的体积;
冠层体积获取模块,用于基于每个冠层像素点对应区域的体积获取冠层体积。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取目标植株冠层的深度图像;
基于所述深度图像获取冠层像素点;
基于所述深度图像获取每个所述冠层像素点的离地距离;
基于所述离地距离获取每个冠层像素点对应区域的体积;
基于每个冠层像素点对应区域的体积获取冠层体积。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取目标植株冠层的深度图像;
基于所述深度图像获取冠层像素点;
基于所述深度图像获取每个所述冠层像素点的离地距离;
基于所述离地距离获取每个冠层像素点对应区域的体积;
基于每个冠层像素点对应区域的体积获取冠层体积。
上述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,通过获取目标植株冠层的深度图像;基于所述深度图像获取冠层像素点;基于所述深度图像获取每个所述冠层像素点的离地距离;基于所述离地距离获取每个冠层像素点对应区域的体积;基于每个冠层像素点对应区域的体积获取冠层体积的方法,将冠层进行切割,分别计算各部分体积,再计算冠层总体积,避免小型植株冠层形状不规则对计算的影响与误差,计算结果较准确,精度较高。
附图说明
图1为本发明一实施例的基于深度图像的植株冠层体积获取方法的流程示意图;
图2为本发明一实施例的基于深度图像的植株冠层体积获取方法的深度图像采集的示意图;
图3为本发明一实施例的基于深度图像的植株冠层体积获取方法的计算深度相机离地距离的示意图;
图4为本发明一实施例的基于深度图像的植株冠层体积获取方法的草莓植株冠层的灰度图;
图5为本发明一实施例的基于深度图像的植株冠层体积获取方法的草莓植株冠层的深度图像;
图6为本发明一实施例的基于深度图像的植株冠层体积获取方法的草莓植株冠层的三维示意图;
图7为本发明一实施例的基于深度图像的植株冠层体积获取方法的草莓植株冠层的扫描图像;
图8为对图7进行背景分离后的示意图;
图9为本发明一实施例的基于深度图像的植株冠层体积获取方法的回归模型的示意图;
图10为本发明一实施例的基于深度图像的植株冠层体积获取装置的结构框图;
图11为本发明一实施例的计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
请参阅图1,图1为本发明一实施例的基于深度图像的植株冠层体积获取方法的流程示意图。
在本实施例中,基于深度图像的植株冠层体积获取方法包括:
步骤100,获取目标植株冠层的深度图像。
可以理解的,深度图像由深度相机摄制得到,是指在图像采集的过程中将成像对象离相机镜头的距离存储并成像,因此深度图像中每个像素的值为该像素点对应的实际物体区域距离镜头的距离。根据深度图像提供的深度信息,可以计算被摄对象的体积等相关信息。请参阅图2,图2为本发明一实施例的基于深度图像的植株冠层体积获取方法的深度图像采集的示意图。其中,目标植株冠层的深度图像由深度相机在目标植株上方以垂直向下角度拍摄。
步骤110,基于深度图像获取冠层像素点。
示例性地,深度图像中包括冠层像素点与背景像素点。
步骤120,基于深度图像获取每个冠层像素点的离地距离。
可以理解的,深度图像中包括各像素点距离相机镜头的距离,可以根据像素点距离相机镜头的距离计算像素点的离地距离。
步骤130,基于离地距离获取每个冠层像素点对应区域的体积。
在本实施例中,每个像素点的对应区域为该像素点对应的实际物体的覆盖区域,例如某一像素点对应一片叶子,则该像素点的对应区域为该叶子的覆盖区域。
步骤140,基于每个冠层像素点对应区域的体积获取冠层体积。
可以理解的,得到分割后各部分的体积后,即可计算冠层总体积。
上述基于深度图像的植株冠层体积获取方法,通过获取目标植株冠层的深度图像;基于深度图像获取冠层像素点;基于深度图像获取每个冠层像素点的离地距离;基于离地距离获取每个冠层像素点对应区域的体积;基于每个冠层像素点对应区域的体积获取冠层体积的方法,将冠层进行切割,分别计算各部分体积,再计算冠层总体积,避免小型植株冠层形状不规则对计算的影响与误差,计算结果较准确,精度较高。
在其它实施例中,基于深度图像获取冠层像素点包括基于深度图像将背景像素点与冠层像素点分离,得到冠层像素点。具体地,背景像素点即为深度图像中地面的图像对应的像素点,冠层像素点即为目标植株冠层的图像对应的像素点。
在其它实施例中,基于深度图像将背景像素点与冠层像素点分离包括基于深度图像中每个像素点的深度值将背景像素点与冠层像素点分离。可以理解的,深度值指被摄对象到相机镜头的距离,本实施例的相机为俯视拍摄,因此地面的背景像素点深度值大于冠层像素点深度值。具体地,设置分割阈值为0.5,即深度值大于0.5的像素点为背景像素点,深度值小于0.5的像素点为冠层像素点。在其它实施例中,分割阈值可以根据实际情况进行设置。在本实施例中,将背景像素点与冠层像素点分离即将背景像素点的深度值设为0,将冠层像素点的深度值保留原值。
在其它实施例中,基于深度图像获取每个冠层像素点的离地距离包括获取深度相机离地距离;基于深度图像获取每个冠层像素点距离深度相机的距离;基于深度相机离地距离以及每个冠层像素点距离深度相机的距离获取每个冠层像素点的离地距离。可以理解的,深度图像中包括各冠层像素点距离相机镜头的距离,只需获取深度相机离地距离,将深度相机离地距离减去各冠层像素点距离相机镜头的距离即可得到每个冠层像素点的离地距离。
请参阅图3,图3为本发明一实施例的基于深度图像的植株冠层体积获取方法的计算深度相机离地距离的示意图。可以理解的,深度相机离地距离指相机镜头至地面的垂直线的长度,大多数情况下,该垂直线与地面的交点被目标植株覆盖,无法直接从深度图像中获取镜头至地面的垂直距离。具体地,针对深度图像的4条边缘,由镜头与深度图像边缘中点的连线、深度图像中心点与边缘中点的连线和深度图像中心点与相机的连线构成三角形,共构成4个三角形。在本实施例中,相机视场角分别为85°和58°,深度图像分辨率为1280×720,即深度图像的长边方向每行有1280个像素点,宽边方向每列有720个像素点,85°视场角对应1280像素的方向,58°视场角对应720像素的方向。针对每个三角形,深度图像中心点与相机镜头连线间的夹角为相机视场角的1/2,深度图像中心点与边缘中点连线长度为图像边缘长度的1/2,相机镜头与边缘中点连线的长度为边缘中点像素的深度值,根据以上信息可按比例分别计算出每个三角形中相机镜头到深度图像中心点连线的长度。可以理解的,深度图像边缘中点的像素为背景像素点,即代表地面的像素点,其深度值为相机镜头到该像素点代表的地面的距离,因此,这一三角形中垂直于地面的直角边的长度即代表相机镜头的离地距离。因此,将根据4个三角形计算得到的该直角边的长度取平均值即为相机镜头的离地距离。例如,深度图像宽边边缘的中点所对应的三角形与长边边缘平行,该三角形的斜边长度为该边缘中心点像素的深度值,相机镜头与图像中心点连线与斜边的夹角为42.5°,深度图像长边边缘的中点所对应的三角形中相机镜头与图像中心点连线与斜边的夹角则为29°。根据以上信息,即可计算出相机镜头到图像中心点的距离,以L代表斜边长度,x代表垂直于地面的直角边的长度,具体公式为:
x/L=cos(85°/2)或x/L=cos(58°/2)
将4个三角形的垂直于地面的直角边长度计算出来,取平均值即为相机镜头离地距离。在本实施例中,相机离地距离为0.6246米。
在其它实施例中,基于离地距离获取每个冠层像素点对应区域的体积包括基于深度图像获取每个冠层像素点对应区域的截面积;基于每个冠层像素点对应区域的截面积以及离地距离获取每个冠层像素点对应区域的体积。可以理解的,将每个冠层像素点对应区域的截面积乘以每个冠层像素点的离地距离即可得到每个冠层像素点对应区域的体积。
在其它实施例中,基于深度图像获取每个冠层像素点对应区域的截面积包括基于冠层像素点的离地高度、深度相机的视场角以及深度图像的分辨率获取每个冠层像素点对应区域的截面积。具体地,若相机视场角为85°和58°、分辨率为1280×720,具体计算每个冠层像素点对应区域的截面积的公式为:
其中,S为某一像素对应区域的截面积,h为该像素离地距离。
在其它实施例中,基于每个冠层像素点对应区域的体积获取冠层体积包括:将每个冠层像素点对应区域的体积相加,得到冠层体积。
在本实施例中,为验证本申请中基于深度图像的植株冠层体积获取方法的准确性,对50棵草莓单株冠层计算冠层体积,由于草莓冠层体积不规则,无法精确测算真实体积,因此本实施例采用每一单株的叶片面积总和作为冠层体积的参考值,建立叶片面积与冠层体积的回归模型,并采取交叉验证方法估算体积计算的精度。
具体地,将单株草莓所有叶片剪下并平铺在扫描仪上且不允许叶片重叠,获取叶片扫描图片,对图像实现背景分离,根据扫描图片分辨率与纸张实际尺寸即可计算叶片的实际面积。请参阅图4至图8,图4为本发明一实施例的基于深度图像的植株冠层体积获取方法的草莓植株冠层的灰度图;图5为本发明一实施例的基于深度图像的植株冠层体积获取方法的草莓植株冠层的深度图像;图6为本发明一实施例的基于深度图像的植株冠层体积获取方法的草莓植株冠层的三维示意图;图7为本发明一实施例的基于深度图像的植株冠层体积获取方法的草莓植株冠层的扫描图像;图8为对图7进行背景分离后的示意图。在本实施例中,实际叶片总面积为500.37平方厘米。为保证准确性,分别计算50株草莓的冠层体积和叶片面积,建立回归模型,如图9所示,图9为本发明一实施例的基于深度图像的植株冠层体积获取方法的回归模型的示意图,其中,直线代表基于50株草莓的叶片面积和估计得到的冠层体积建立的回归模型,黑点代表采取本发明的基于深度图像的植株冠层体积获取方法计算得到50株草莓的冠层体积。
示例性地,采用5轮交叉验证方法对冠层体积和叶片面积建模,R平方表示总离差平方和中可由回归平方和解释的比例,该值越接近1模型精度越高,本实施例所得R平方的平均值为0.8966,为理想结果。具体验证结果如表1所示。
表1
应该理解的是,虽然图1的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图10所示,提供了一种基于深度图像的植株冠层体积获取装置,包括:深度图像获取模块200、冠层像素点获取模块210、距离获取模块220、区域体积获取模块230和冠层体积获取模块240,其中:
深度图像获取模块200,用于获取目标植株冠层的深度图像。
冠层像素点获取模块210,用于基于深度图像获取冠层像素点。
冠层像素点获取模块210,还用于基于深度图像将背景像素点与冠层像素点分离,得到冠层像素点。
冠层像素点获取模块210,还用于基于深度图像中每个像素点的深度值将背景像素点与冠层像素点分离。
距离获取模块220,用于基于深度图像获取每个冠层像素点的离地距离。
距离获取模块220,还用于:
获取深度相机离地距离;
基于深度图像获取每个冠层像素点距离深度相机的距离;
基于深度相机离地距离以及每个冠层像素点距离深度相机的距离获取每个冠层像素点的离地距离。
区域体积获取模块230,用于基于离地距离获取每个冠层像素点对应区域的体积。
区域体积获取模块230,还用于:
基于深度图像获取每个冠层像素点对应区域的截面积;
基于每个冠层像素点对应区域的截面积以及离地距离获取每个冠层像素点对应区域的体积。
区域体积获取模块230,还用于基于冠层像素点的离地高度、深度相机的视场角以及深度图像的分辨率获取每个冠层像素点对应区域的截面积。
冠层体积获取模块240,用于基于每个冠层像素点对应区域的体积获取冠层体积。
冠层体积获取模块240,还用于将每个冠层像素点对应区域的体积相加,得到冠层体积。
关于基于深度图像的植株冠层体积获取装置的具体限定可以参见上文中对于基于深度图像的植株冠层体积获取方法的限定,在此不再赘述。上述基于深度图像的植株冠层体积获取装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图11所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于深度图像的植株冠层体积获取方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图11中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取目标植株冠层的深度图像;
基于深度图像获取冠层像素点;
基于深度图像获取每个冠层像素点的离地距离;
基于离地距离获取每个冠层像素点对应区域的体积;
基于每个冠层像素点对应区域的体积获取冠层体积。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
基于深度图像将背景像素点与冠层像素点分离,得到冠层像素点。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
基于深度图像中每个像素点的深度值将背景像素点与冠层像素点分离。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取深度相机离地距离;
基于深度图像获取每个冠层像素点距离深度相机的距离;
基于深度相机离地距离以及每个冠层像素点距离深度相机的距离获取每个冠层像素点的离地距离。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
基于深度图像获取每个冠层像素点对应区域的截面积;
基于每个冠层像素点对应区域的截面积以及离地距离获取每个冠层像素点对应区域的体积。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
基于冠层像素点的离地高度、深度相机的视场角以及深度图像的分辨率获取每个冠层像素点对应区域的截面积。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
将每个冠层像素点对应区域的体积相加,得到冠层体积。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取目标植株冠层的深度图像;
基于深度图像获取冠层像素点;
基于深度图像获取每个冠层像素点的离地距离;
基于离地距离获取每个冠层像素点对应区域的体积;
基于每个冠层像素点对应区域的体积获取冠层体积。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
基于深度图像将背景像素点与冠层像素点分离,得到冠层像素点。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
基于深度图像中每个像素点的深度值将背景像素点与冠层像素点分离。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取深度相机离地距离;
基于深度图像获取每个冠层像素点距离深度相机的距离;
基于深度相机离地距离以及每个冠层像素点距离深度相机的距离获取每个冠层像素点的离地距离。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
基于深度图像获取每个冠层像素点对应区域的截面积;
基于每个冠层像素点对应区域的截面积以及离地距离获取每个冠层像素点对应区域的体积。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
基于冠层像素点的离地高度、深度相机的视场角以及深度图像的分辨率获取每个冠层像素点对应区域的截面积。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
将每个冠层像素点对应区域的体积相加,得到冠层体积。
上述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,通过获取目标植株冠层的深度图像;基于深度图像获取冠层像素点;基于深度图像获取每个冠层像素点的离地距离;基于离地距离获取每个冠层像素点对应区域的体积;基于每个冠层像素点对应区域的体积获取冠层体积的方法,将冠层进行切割,分别计算各部分体积,再计算冠层总体积,避免小型植株冠层形状不规则对计算的影响与误差,计算结果较准确,精度较高。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于深度图像的植株冠层体积获取方法,其特征在于,所述方法包括:
获取目标植株冠层的深度图像;
基于所述深度图像获取冠层像素点;
基于所述深度图像获取每个所述冠层像素点的离地距离;
基于所述离地距离获取每个冠层像素点对应区域的体积;
基于每个冠层像素点对应区域的体积获取冠层体积。
2.根据权利要求1所述的植株冠层体积获取方法,其特征在于,所述基于所述深度图像获取冠层像素点包括:
基于所述深度图像将背景像素点与冠层像素点分离,得到冠层像素点。
3.根据权利要求2所述的植株冠层体积获取方法,其特征在于,所述基于所述深度图像将背景像素点与冠层像素点分离包括:
基于深度图像中每个像素点的深度值将背景像素点与冠层像素点分离。
4.根据权利要求1所述的植株冠层体积获取方法,其特征在于,所述基于所述深度图像获取每个所述冠层像素点的离地距离包括:
获取深度相机离地距离;
基于所述深度图像获取每个冠层像素点距离深度相机的距离;
基于深度相机离地距离以及每个冠层像素点距离深度相机的距离获取每个所述冠层像素点的离地距离。
5.根据权利要求1所述的植株冠层体积获取方法,其特征在于,所述基于所述离地距离获取每个冠层像素点对应区域的体积包括:
基于所述深度图像获取每个冠层像素点对应区域的截面积;
基于每个冠层像素点对应区域的截面积以及离地距离获取每个冠层像素点对应区域的体积。
6.根据权利要求5所述的植株冠层体积获取方法,其特征在于,所述基于所述深度图像获取每个冠层像素点对应区域的截面积包括:
基于冠层像素点的离地高度、深度相机的视场角以及深度图像的分辨率获取每个冠层像素点对应区域的截面积。
7.根据权利要求1所述的植株冠层体积获取方法,其特征在于,所述基于每个冠层像素点对应区域的体积获取冠层体积包括:
将每个冠层像素点对应区域的体积相加,得到冠层体积。
8.一种基于深度图像的植株冠层体积获取装置,其特征在于,所述植株冠层体积获取装置包括:
深度图像获取模块,用于获取目标植株冠层的深度图像;
冠层像素点获取模块,用于基于所述深度图像获取冠层像素点;
距离获取模块,用于基于所述深度图像获取每个所述冠层像素点的离地距离;
区域体积获取模块,用于基于所述离地距离获取每个冠层像素点对应区域的体积;
冠层体积获取模块,用于基于每个冠层像素点对应区域的体积获取冠层体积。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述植株冠层体积获取方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的植株冠层体积获取方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010112993.7A CN111445513B (zh) | 2020-02-24 | 2020-02-24 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010112993.7A CN111445513B (zh) | 2020-02-24 | 2020-02-24 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111445513A true CN111445513A (zh) | 2020-07-24 |
CN111445513B CN111445513B (zh) | 2024-01-16 |
Family
ID=71653926
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010112993.7A Active CN111445513B (zh) | 2020-02-24 | 2020-02-24 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111445513B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112254635A (zh) * | 2020-09-23 | 2021-01-22 | 洛伦兹(北京)科技有限公司 | 体积测量方法、装置及系统 |
CN114241033A (zh) * | 2021-12-17 | 2022-03-25 | 贵州省山地资源研究所 | 一种植株叶面积垂直结构的异位获取方法 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050088643A1 (en) * | 2003-09-15 | 2005-04-28 | Anderson Noel W. | Method and system for identifying an edge of a crop |
CN103322946A (zh) * | 2013-06-20 | 2013-09-25 | 北京农业信息技术研究中心 | 一种获取玉米冠层孔隙度的方法 |
CN105243658A (zh) * | 2015-09-08 | 2016-01-13 | 江苏大学 | 一种基于Kinect传感器的植株深度特征识别方法 |
US9451745B1 (en) * | 2012-09-21 | 2016-09-27 | The United States Of America, As Represented By The Secretary Of Agriculture | Multi-band photodiode sensor |
CN107125229A (zh) * | 2017-04-20 | 2017-09-05 | 北京农业智能装备技术研究中心 | 一种果园对靶喷雾机及其对果树冠层的喷雾方法 |
US20180042176A1 (en) * | 2016-08-15 | 2018-02-15 | Raptor Maps, Inc. | Systems, devices, and methods for monitoring and assessing characteristics of harvested specialty crops |
US20180313760A1 (en) * | 2015-04-29 | 2018-11-01 | Board Of Trustees Of Michigan State University | Methods for estimating photosynthetic characteristics in plant canopies and systems and apparatus related thereto |
CN109029588A (zh) * | 2018-09-11 | 2018-12-18 | 南京都宁大数据科技有限公司 | 一种基于气候影响的农作物长势预测方法 |
CN109373977A (zh) * | 2019-01-02 | 2019-02-22 | 山东农业大学 | 用于植物表型获取的主动视觉平台及植物表型获取方法 |
CN109816680A (zh) * | 2018-12-19 | 2019-05-28 | 黑龙江八一农垦大学 | 一种农作物株高的高通量计算方法 |
CN110348067A (zh) * | 2019-06-18 | 2019-10-18 | 华南农业大学 | 一种气流表征物理参数提取方法及系统、介质、设备 |
CN110610438A (zh) * | 2019-09-16 | 2019-12-24 | 黑龙江八一农垦大学 | 一种农作物冠层叶柄夹角计算方法及系统 |
WO2020001149A1 (zh) * | 2018-06-29 | 2020-01-02 | 京东方科技集团股份有限公司 | 用于在深度图像中提取物体的边缘的方法、装置和计算机可读存储介质 |
CN110689567A (zh) * | 2019-09-11 | 2020-01-14 | 广东中绿园林集团有限公司 | 一种乔木整株总叶面积的测算方法 |
-
2020
- 2020-02-24 CN CN202010112993.7A patent/CN111445513B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050088643A1 (en) * | 2003-09-15 | 2005-04-28 | Anderson Noel W. | Method and system for identifying an edge of a crop |
US9451745B1 (en) * | 2012-09-21 | 2016-09-27 | The United States Of America, As Represented By The Secretary Of Agriculture | Multi-band photodiode sensor |
CN103322946A (zh) * | 2013-06-20 | 2013-09-25 | 北京农业信息技术研究中心 | 一种获取玉米冠层孔隙度的方法 |
US20180313760A1 (en) * | 2015-04-29 | 2018-11-01 | Board Of Trustees Of Michigan State University | Methods for estimating photosynthetic characteristics in plant canopies and systems and apparatus related thereto |
CN105243658A (zh) * | 2015-09-08 | 2016-01-13 | 江苏大学 | 一种基于Kinect传感器的植株深度特征识别方法 |
US20180042176A1 (en) * | 2016-08-15 | 2018-02-15 | Raptor Maps, Inc. | Systems, devices, and methods for monitoring and assessing characteristics of harvested specialty crops |
CN107125229A (zh) * | 2017-04-20 | 2017-09-05 | 北京农业智能装备技术研究中心 | 一种果园对靶喷雾机及其对果树冠层的喷雾方法 |
WO2020001149A1 (zh) * | 2018-06-29 | 2020-01-02 | 京东方科技集团股份有限公司 | 用于在深度图像中提取物体的边缘的方法、装置和计算机可读存储介质 |
CN109029588A (zh) * | 2018-09-11 | 2018-12-18 | 南京都宁大数据科技有限公司 | 一种基于气候影响的农作物长势预测方法 |
CN109816680A (zh) * | 2018-12-19 | 2019-05-28 | 黑龙江八一农垦大学 | 一种农作物株高的高通量计算方法 |
CN109373977A (zh) * | 2019-01-02 | 2019-02-22 | 山东农业大学 | 用于植物表型获取的主动视觉平台及植物表型获取方法 |
CN110348067A (zh) * | 2019-06-18 | 2019-10-18 | 华南农业大学 | 一种气流表征物理参数提取方法及系统、介质、设备 |
CN110689567A (zh) * | 2019-09-11 | 2020-01-14 | 广东中绿园林集团有限公司 | 一种乔木整株总叶面积的测算方法 |
CN110610438A (zh) * | 2019-09-16 | 2019-12-24 | 黑龙江八一农垦大学 | 一种农作物冠层叶柄夹角计算方法及系统 |
Non-Patent Citations (5)
Title |
---|
T. MEYER等: "Estimation Of Volume Fraction And Gravimetric Moisture Of Winter Wheat Based On Microwave Attenuation: A Field Scale Study", IGARSS 2019 - 2019 IEEE INTERNATIONAL GEOSCIENCE AND REMOTE SENSING SYMPOSIUM * |
刘刚;张雪;宗泽;郭彩玲;: "基于深度信息的草莓三维重建技术", 农业机械学报, no. 04 * |
刘慧;徐慧;沈跃;李宁;: "Kinect传感器的植株冠层三维数据测量", 农业现代化研究, no. 05 * |
孙圣等: "基于无人机热红外图像的核桃园土壤水分预测模型建立与应用", 农业工程学报 * |
赵芸等: "上海地区甜樱桃高接换种技术", 栽培技术 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112254635A (zh) * | 2020-09-23 | 2021-01-22 | 洛伦兹(北京)科技有限公司 | 体积测量方法、装置及系统 |
CN112254635B (zh) * | 2020-09-23 | 2022-06-28 | 洛伦兹(北京)科技有限公司 | 体积测量方法、装置及系统 |
CN114241033A (zh) * | 2021-12-17 | 2022-03-25 | 贵州省山地资源研究所 | 一种植株叶面积垂直结构的异位获取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111445513B (zh) | 2024-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111797650B (zh) | 障碍物的识别方法、装置、计算机设备和存储介质 | |
CN107564069B (zh) | 标定参数的确定方法、装置及计算机可读存储介质 | |
CN111815707B (zh) | 点云确定方法、点云筛选方法、装置、计算机设备 | |
CN111353969B (zh) | 道路可行驶区域的确定方法、装置及计算机设备 | |
CN113140036B (zh) | 一种三维建模方法、装置、设备及存储介质 | |
WO2021004416A1 (zh) | 一种基于视觉信标建立信标地图的方法、装置 | |
CN112686877B (zh) | 基于双目相机的三维房屋损伤模型构建测量方法及系统 | |
CN116433737A (zh) | 一种激光雷达点云与图像配准的方法、装置及智能终端 | |
CN111383264B (zh) | 一种定位方法、装置、终端及计算机存储介质 | |
CN111445513A (zh) | 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 | |
CN112686950A (zh) | 位姿估计方法、装置、终端设备及计算机可读存储介质 | |
CN113804100A (zh) | 确定目标对象的空间坐标的方法、装置、设备和存储介质 | |
CN112629565B (zh) | 像机与惯性测量单元旋转关系校准方法、装置和设备 | |
CN116778094B (zh) | 一种基于优选视角拍摄的建筑物变形监测方法及装置 | |
CN113034347A (zh) | 倾斜摄影图像处理方法、装置、处理设备及存储介质 | |
CN111721283B (zh) | 定位算法的精度检测方法、装置、计算机设备和存储介质 | |
CN111539964B (zh) | 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 | |
CN116012242A (zh) | 一种相机畸变矫正效果评价方法、装置、介质及设备 | |
CN114359410B (zh) | 泳池防溺水多相机空间融合方法、装置、计算机设备及存储介质 | |
CN116524382A (zh) | 一种桥梁转体合拢准确性检验方法系统、设备 | |
CN112241984A (zh) | 双目视觉传感器标定方法、装置、计算机设备和存储介质 | |
CN113628284B (zh) | 位姿标定数据集生成方法、装置、系统、电子设备及介质 | |
CN111508067B (zh) | 一种基于垂直平面和垂直线的轻量级室内建模方法 | |
CN114445415A (zh) | 可行驶区域的分割方法以及相关装置 | |
CN109919998B (zh) | 卫星姿态确定方法、装置和终端设备 |
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 |