CN111539964B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN111539964B CN111539964B CN202010252664.2A CN202010252664A CN111539964B CN 111539964 B CN111539964 B CN 111539964B CN 202010252664 A CN202010252664 A CN 202010252664A CN 111539964 B CN111539964 B CN 111539964B
- Authority
- CN
- China
- Prior art keywords
- canopy
- pixel point
- depth image
- area
- surface area
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000004590 computer program Methods 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 abstract description 14
- 241000196324 Embryophyta Species 0.000 description 54
- 241000220223 Fragaria Species 0.000 description 15
- 238000010586 diagram Methods 0.000 description 11
- 230000001788 irregular Effects 0.000 description 7
- 235000021012 strawberries Nutrition 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 235000016623 Fragaria vesca Nutrition 0.000 description 1
- 235000011363 Fragaria x ananassa Nutrition 0.000 description 1
- 239000006185 dispersion Substances 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
- 238000000926 separation method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Image Processing (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表面积获取方法、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位置信息;基于所述位置信息获取每个所述冠层像素点对应区域的面积;基于每个所述冠层像素点对应区域的面积获取冠层表面积。上述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,通过将冠层进行切割,分别计算各个像素点对应区域的面积,再计算冠层表面积,避免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表面积获取方法、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形状、面积、体积等相关信息。
传统对植株面积的计算多集中于冠面积,即植株最大横截面积。对于冠层形状不规则的植株,冠面积无法精确反映冠层形状信息和冠层受阳光照射面积信息。冠层表面积能够精确表示植株形状和生长状况信息,但由于冠层形状不规则,使表面积计算难度较大,误差较大,精度不高。
发明内容
基于此,有必要针对形状不规则的植株冠层表面积计算难度较大,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表面积获取方法。
一种基于深度图像的植株冠层表面积获取方法,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位置信息;
基于所述位置信息获取每个所述冠层像素点对应区域的面积;
基于每个所述冠层像素点对应区域的面积获取冠层表面积。
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位置信息包括:
将所述冠层像素点放入三维坐标系中,以每个冠层像素点在深度图像中的位置以及深度值作为坐标,得到每个所述冠层像素点的位置信息。
在其中一个实施例中,所述基于所述位置信息获取每个所述冠层像素点对应区域的面积包括:
基于所述冠层像素点及其相邻像素点的位置信息获取每个所述冠层像素点对应区域的边长;
基于每个所述冠层像素点对应区域的边长获取每个所述冠层像素点对应区域的面积。
在其中一个实施例中,所述基于所述冠层像素点及其相邻像素点的位置信息获取每个所述冠层像素点对应区域的边长包括:
基于所述冠层像素点及其相邻像素点的位置信息以及深度相机的视场角获取每个所述冠层像素点对应区域的边长。
在其中一个实施例中,所述基于每个所述冠层像素点对应区域的面积获取冠层表面积包括:
将每个冠层像素点对应区域的面积相加,得到冠层表面积。
一种基于深度图像的植株冠层表面积获取装置,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;
位置信息获取模块,用于基于所述深度图像获取每个所述冠层像素点的位置信息;
区域面积获取模块,用于基于所述位置信息获取每个所述冠层像素点对应区域的面积;
冠层表面积获取模块,用于基于每个所述冠层像素点对应区域的面积获取冠层表面积。
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位置信息;
基于所述位置信息获取每个所述冠层像素点对应区域的面积;
基于每个所述冠层像素点对应区域的面积获取冠层表面积。
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位置信息;
基于所述位置信息获取每个所述冠层像素点对应区域的面积;
基于每个所述冠层像素点对应区域的面积获取冠层表面积。
上述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,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位置信息;基于所述位置信息获取每个所述冠层像素点对应区域的面积;基于每个所述冠层像素点对应区域的面积获取冠层表面积的方法,将冠层进行切割,分别计算各个像素点对应区域的面积,再计算冠层表面积,避免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表面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表面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表面积获取方法的草莓植株冠层图;
图4为本发明一实施例的基于深度图像的植株冠层表面积获取方法的草莓植株冠层的深度图像;
图5为本发明一实施例的基于深度图像的植株冠层表面积获取方法的草莓植株冠层的三维示意图;
图6为本发明一实施例的基于深度图像的植株冠层表面积获取方法的草莓植株冠层叶片的扫描图像;
图7为本发明一实施例的基于深度图像的植株冠层表面积获取方法的回归模型的示意图;
图8为本发明一实施例的基于深度图像的植株冠层表面积获取装置的结构框图;
图9为一个实施例中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表面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表面积获取方法包括:
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面积等相关信息。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表面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位置信息。
可以理解的,各个像素点在深度图像中有各自的平面位置坐标,与各个像素点的深度值结合,即形成了每个冠层像素点的位置信息。
步骤130,基于位置信息获取每个冠层像素点对应区域的面积。
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面积获取冠层表面积。
可以理解的,得到分割后各部分的面积后,即可计算冠层表面积。
上述基于深度图像的植株冠层表面积获取方法,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位置信息;基于位置信息获取每个冠层像素点对应区域的面积;基于每个冠层像素点对应区域的面积获取冠层表面积的方法,将冠层进行切割,分别计算各个像素点对应区域的面积,再计算冠层表面积,避免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。
在其它实施例中,基于深度图像获取每个冠层像素点的位置信息包括将冠层像素点放入三维坐标系中,以每个冠层像素点在深度图像中的位置以及深度值作为坐标,得到每个冠层像素点的位置信息。可以理解的,将深度图像放置于三维坐标系中,像素点Pi,j的坐标为(i,j,ki,j),表示该像素点处于第i行第j列,深度值为ki,j。
在其它实施例中,基于位置信息获取每个冠层像素点对应区域的面积包括基于冠层像素点及其相邻像素点的位置信息获取每个冠层像素点对应区域的边长;基于每个冠层像素点对应区域的边长获取每个冠层像素点对应区域的面积。
在其它实施例中,基于冠层像素点及其相邻像素点的位置信息获取每个冠层像素点对应区域的边长包括基于冠层像素点及其相邻像素点的位置信息以及深度相机的视场角获取每个冠层像素点对应区域的边长。具体地,对于冠层像素点Pi,j(i,j,ki,j),分别基于像素点P(i-1),j(i-1,j,k(i-1),j)以及像素点P(i+1),j(i+1,j,k(i+1),j)的位置信息以及第一轴的方向所对应的相机视场角,计算该像素点在第一轴方向上的边长,以及,基于像素点Pi,(j-1)(i,j-1,ki,(j-1))以及像素点Pi,(j+1)(i,j+1,ki,(j+1))的位置信息以及第二轴的方向所对应的相机视场角,计算该像素点在第二轴方向上的边长。可以理解的,若相邻两像素点的连线与地面以及相机镜头不平行时,即相邻两像素点的深度值不相同时,则需要将对应方向的相机视场角纳入计算范围中。在本实施例中,第一轴的方向与第二轴的方向即为深度图像的长边方向与宽边方向。
示例性地,若深度相机在第一轴方向上的视场角为85°,在第二轴方向上的视场角为58°,深度图像分辨率为1280×720,则冠层像素点在第一轴方向上的边长为在第二轴方向上的边长为该冠层像素点对应区域的面积的计算公式为:
在其它实施例中,基于每个冠层像素点对应区域的面积获取冠层表面积包括将每个冠层像素点对应区域的面积相加,得到冠层表面积。
在本实施例中,为验证本申请中基于深度图像的植株冠层表面积获取方法的准确性,对50棵草莓单株冠层计算冠层表面积,由于草莓冠层形状不规则,冠层表面呈凹凸不平坦状,无法精确测算真实表面积,因此本实施例采用每一单株的冠面积和叶片面积总和作为冠层表面积的参考值(冠面积与冠层表面积不同),建立以叶片面积为权重的冠面积与冠层表面积的回归模型,估算冠层表面积计算的精度。
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3至图6,图3为本发明一实施例的基于深度图像的植株冠层表面积获取方法的草莓植株冠层图;图4为本发明一实施例的基于深度图像的植株冠层表面积获取方法的草莓植株冠层的深度图像;图5为本发明一实施例的基于深度图像的植株冠层表面积获取方法的草莓植株冠层的三维示意图;图6为本发明一实施例的基于深度图像的植株冠层表面积获取方法的草莓植株冠层叶片的扫描图像。在本实施例中,实际冠面积为614.38平方厘米,叶片总面积为1139平方厘米。为保证准确性,分别计算50株草莓的冠层表面积、冠面积和叶片面积,建立回归模型,如图7所示,图7为本发明一实施例的基于深度图像的植株冠层表面积获取方法的回归模型的示意图,其中,直线代表基于50株草莓的冠面积(以叶片面积为权值)和估计得到的冠层表面积建立的回归模型,黑点代表采取本发明的基于深度图像的植株冠层表面积获取方法计算得到50株草莓的冠层表面积。
示例性地,对50株草莓的冠面积(以叶片面积为权值)和冠层表面积建模,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平方值为0.9389,为理想结果。
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8所示,提供了一种基于深度图像的植株冠层表面积获取装置,包括:深度图像获取模块200、冠层像素点获取模块210、位置信息获取模块220、区域面积获取模块230和冠层表面积获取模块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。
位置信息获取模块220,用于基于深度图像获取每个冠层像素点的位置信息;
位置信息获取模块220,还用于将冠层像素点放入三维坐标系中,以每个冠层像素点在深度图像中的位置以及深度值作为坐标,得到每个冠层像素点的位置信息。
区域面积获取模块230,用于基于位置信息获取每个冠层像素点对应区域的面积;
区域面积获取模块230,还用于:
基于冠层像素点及其相邻像素点的位置信息获取每个冠层像素点对应区域的边长;
基于每个冠层像素点对应区域的边长获取每个冠层像素点对应区域的面积。
区域面积获取模块230,还用于基于冠层像素点及其相邻像素点的位置信息以及深度相机的视场角获取每个冠层像素点对应区域的边长。
冠层表面积获取模块240,用于基于每个冠层像素点对应区域的面积获取冠层表面积。
冠层表面积获取模块240,还用于将每个冠层像素点对应区域的面积相加,得到冠层表面积。
关于基于深度图像的植株冠层表面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表面积获取方法的限定,在此不再赘述。上述基于深度图像的植株冠层表面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9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表面积获取方法。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9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位置信息;
基于位置信息获取每个冠层像素点对应区域的面积;
基于每个冠层像素点对应区域的面积获取冠层表面积。
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:
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:
将冠层像素点放入三维坐标系中,以每个冠层像素点在深度图像中的位置以及深度值作为坐标,得到每个冠层像素点的位置信息。
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:
基于冠层像素点及其相邻像素点的位置信息获取每个冠层像素点对应区域的边长;
基于每个冠层像素点对应区域的边长获取每个冠层像素点对应区域的面积。
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:
基于冠层像素点及其相邻像素点的位置信息以及深度相机的视场角获取每个冠层像素点对应区域的边长。
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面积相加,得到冠层表面积。
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位置信息;
基于位置信息获取每个冠层像素点对应区域的面积;
基于每个冠层像素点对应区域的面积获取冠层表面积。
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:
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:
将冠层像素点放入三维坐标系中,以每个冠层像素点在深度图像中的位置以及深度值作为坐标,得到每个冠层像素点的位置信息。
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:
基于冠层像素点及其相邻像素点的位置信息获取每个冠层像素点对应区域的边长;
基于每个冠层像素点对应区域的边长获取每个冠层像素点对应区域的面积。
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:
基于冠层像素点及其相邻像素点的位置信息以及深度相机的视场角获取每个冠层像素点对应区域的边长。
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面积相加,得到冠层表面积。
上述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,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位置信息;基于位置信息获取每个冠层像素点对应区域的面积;基于每个冠层像素点对应区域的面积获取冠层表面积的方法,将冠层进行切割,分别计算各个像素点对应区域的面积,再计算冠层表面积,避免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。不同实施例中的技术特征体现在同一附图中时,可视为该附图也同时披露了所涉及的各个实施例的组合例。
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 (8)
1.一种基于深度图像的植株冠层表面积获取方法,其特征在于,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位置信息;
基于所述位置信息获取每个所述冠层像素点对应区域的面积,包括:基于所述冠层像素点及其相邻像素点的位置信息以及深度相机的视场角获取每个所述冠层像素点对应区域的边长,对于冠层像素点Pi,j(i,j,ki,j),表示该像素点处于第i行第j列,深度值为ki,j,分别基于像素点P(i-1),j(i-1,j,k(i-1),j)以及像素点P(i+1),j(i+1,j,k(i+1),j)的位置信息以及第一轴的方向所对应的相机视场角,计算该像素点在第一轴方向上的边长,以及基于像素点Pi,(j-1)(i,j-1,ki,(j-1))以及像素点Pi,(j+1)(i,j+1,ki,(j+1))的位置信息以及第二轴的方向所对应的相机视场角,计算该像素点在第二轴方向上的边长,第一轴的方向与第二轴的方向即为深度图像的长边方向与宽边方向,若相邻两像素点的深度值不相同,则将对应方向的相机视场角纳入计算,基于每个所述冠层像素点对应区域的边长获取每个所述冠层像素点对应区域的面积,深度相机在第一轴方向上的视场角为α,在第二轴方向上的视场角为β,深度图像分辨率为W×H,冠层像素点在第一轴方向上的边长为在第二轴方向上的边长为
基于每个所述冠层像素点对应区域的面积获取冠层表面积。
2.根据权利要求1所述的植株冠层表面积获取方法,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所述的植株冠层表面积获取方法,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所述的植株冠层表面积获取方法,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位置信息包括:
将所述冠层像素点放入三维坐标系中,以每个冠层像素点在深度图像中的位置以及深度值作为坐标,得到每个所述冠层像素点的位置信息。
5.根据权利要求1所述的植株冠层表面积获取方法,其特征在于,所述基于每个所述冠层像素点对应区域的面积获取冠层表面积包括:
将每个冠层像素点对应区域的面积相加,得到冠层表面积。
6.一种基于深度图像的植株冠层表面积获取装置,其特征在于,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;
位置信息获取模块,用于基于所述深度图像获取每个所述冠层像素点的位置信息;
区域面积获取模块,用于基于所述位置信息获取每个所述冠层像素点对应区域的面积,包括:基于所述冠层像素点及其相邻像素点的位置信息以及深度相机的视场角获取每个所述冠层像素点对应区域的边长,对于冠层像素点Pi,j(i,j,ki,j),表示该像素点处于第i行第j列,深度值为ki,j,分别基于像素点P(i-1),j(i-1,j,k(i-1),j)以及像素点P(i+1),j(i+1,j,k(i+1),j)的位置信息以及第一轴的方向所对应的相机视场角,计算该像素点在第一轴方向上的边长,以及基于像素点Pi,(j-1)(i,j-1,ki,(j-1))以及像素点Pi,(j+1)(i,j+1,ki,(j+1))的位置信息以及第二轴的方向所对应的相机视场角,计算该像素点在第二轴方向上的边长,第一轴的方向与第二轴的方向即为深度图像的长边方向与宽边方向,若相邻两像素点的深度值不相同,则将对应方向的相机视场角纳入计算,基于每个所述冠层像素点对应区域的边长获取每个所述冠层像素点对应区域的面积,深度相机在第一轴方向上的视场角为α,在第二轴方向上的视场角为β,深度图像分辨率为W×H,冠层像素点在第一轴方向上的边长为在第二轴方向上的边长为
冠层表面积获取模块,用于基于每个所述冠层像素点对应区域的面积获取冠层表面积。
7.一种计算机设备,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5中任一项所述植株冠层表面积获取方法的步骤。
8.一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5中任一项所述植株冠层表面积获取方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010252664.2A CN111539964B (zh) | 2020-04-02 | 2020-04-02 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010252664.2A CN111539964B (zh) | 2020-04-02 | 2020-04-02 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111539964A CN111539964A (zh) | 2020-08-14 |
CN111539964B true CN111539964B (zh) | 2023-11-07 |
Family
ID=71978530
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010252664.2A Active CN111539964B (zh) | 2020-04-02 | 2020-04-02 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111539964B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114241033B (zh) * | 2021-12-17 | 2022-07-22 | 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 (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN108895964A (zh) * | 2018-07-09 | 2018-11-27 | 南京农业大学 | 一种基于Kinect自主标定的高通量温室植物表型测量系统 |
CN109115776A (zh) * | 2018-08-27 | 2019-01-01 | 江苏大学 | 一种基于颜色和深度信息的穴盘苗长势无损监测方法和装置 |
CN109556511A (zh) * | 2018-11-14 | 2019-04-02 | 南京农业大学 | 一种基于多视角rgb-d融合技术的悬架式高通量温室植物表型测量系统 |
WO2019134453A1 (zh) * | 2018-01-03 | 2019-07-11 | 江苏大学 | 一种基于悬挂式滑轨平台的温室信息自动监测方法 |
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 |
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 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015006675A2 (en) * | 2013-07-11 | 2015-01-15 | Blue River Technology, Inc. | Method for automatic phenotype measurement and selection |
JP6009502B2 (ja) * | 2014-07-29 | 2016-10-19 | 株式会社ソニー・インタラクティブエンタテインメント | 情報処理装置および情報処理方法 |
-
2020
- 2020-04-02 CN CN202010252664.2A patent/CN111539964B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
WO2019134453A1 (zh) * | 2018-01-03 | 2019-07-11 | 江苏大学 | 一种基于悬挂式滑轨平台的温室信息自动监测方法 |
CN108895964A (zh) * | 2018-07-09 | 2018-11-27 | 南京农业大学 | 一种基于Kinect自主标定的高通量温室植物表型测量系统 |
CN109115776A (zh) * | 2018-08-27 | 2019-01-01 | 江苏大学 | 一种基于颜色和深度信息的穴盘苗长势无损监测方法和装置 |
CN109556511A (zh) * | 2018-11-14 | 2019-04-02 | 南京农业大学 | 一种基于多视角rgb-d融合技术的悬架式高通量温室植物表型测量系统 |
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 |
---|
Modeling Interferometric SAR Features of Forest Canopies Over Mountainous Area at Landscape Scales;Wenjian Ni等;IEEE Transactions on Geoscience and Remote Sensing;全文 * |
上海地区甜樱桃高接换种技术;赵芸等;果树实用技术与信息;全文 * |
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.2016,(第05期),全文. * |
基于三维点云的苹果树冠层点-叶模型重建方法;郭彩玲等;农业机械学报;全文 * |
基于深度信息的草莓三维重建技术;刘刚;张雪;宗泽;郭彩玲;;农业机械学报(第04期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111539964A (zh) | 2020-08-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109285190B (zh) | 对象定位方法、装置、电子设备和存储介质 | |
CN111797650B (zh) | 障碍物的识别方法、装置、计算机设备和存储介质 | |
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 | |
CN110738707A (zh) | 一种相机的畸变校正方法及装置、设备、存储介质 | |
CN113449536B (zh) | 条码图像修复方法、装置、计算机设备和存储介质 | |
CN112258418A (zh) | 图像畸变校正方法、装置、电子设备和存储介质 | |
CN111445513B (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 | |
CN112991456A (zh) | 拍摄定位方法、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 | |
KR102159134B1 (ko) | 무인비행기를 이용한 비측량용 실시간 고해상도 정사지도 생성 방법 및 비측량용 실시간 고해상도 정사지도 생성 장치 | |
CN116164711A (zh) | 一种无人机测绘方法、系统、介质及计算机 | |
CN110809779B (zh) | 图像合成方法、图像合成装置及记录介质 | |
CN113436267A (zh) | 视觉惯导标定方法、装置、计算机设备和存储介质 | |
CN108846856B (zh) | 图片特征点的跟踪方法和跟踪装置 | |
CN116972880A (zh) | 定位算法的精度检测装置 | |
CN113436256B (zh) | 拍摄装置状态识别方法、装置、计算机设备和存储介质 | |
CN114782556A (zh) | 相机与激光雷达的配准方法、系统及存储介质 | |
CN114322751B (zh) | 目标测量方法、装置、计算机设备和存储介质 | |
CN110866535B (zh) | 视差图的获取方法、装置、计算机设备和存储介质 | |
CN108827157B (zh) | 激光测量的校验方法、装置、系统、设备和存储介质 | |
CN111161303A (zh) | 标记方法、装置、计算机设备和存储介质 | |
US20230419468A1 (en) | Image processing apparatus, image processing method, and image processing program | |
CN112733773B (zh) | 一种对象检测方法、装置、计算机设备和存储介质 | |
CN110443835B (zh) | 图像配准方法、装置、设备和存储介质 |
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 |