CN111578837A - 面向农业机器人作业的植物形态视觉跟踪测量方法 - Google Patents

面向农业机器人作业的植物形态视觉跟踪测量方法 Download PDF

Info

Publication number
CN111578837A
CN111578837A CN202010367606.4A CN202010367606A CN111578837A CN 111578837 A CN111578837 A CN 111578837A CN 202010367606 A CN202010367606 A CN 202010367606A CN 111578837 A CN111578837 A CN 111578837A
Authority
CN
China
Prior art keywords
plant
view
stem
image information
tracking
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
Application number
CN202010367606.4A
Other languages
English (en)
Other versions
CN111578837B (zh
Inventor
冯青春
王秀
赵学观
姜凯
李翠玲
张春凤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Research Center of Intelligent Equipment for Agriculture
Original Assignee
Beijing Research Center of Intelligent Equipment for Agriculture
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Research Center of Intelligent Equipment for Agriculture filed Critical Beijing Research Center of Intelligent Equipment for Agriculture
Priority to CN202010367606.4A priority Critical patent/CN111578837B/zh
Publication of CN111578837A publication Critical patent/CN111578837A/zh
Application granted granted Critical
Publication of CN111578837B publication Critical patent/CN111578837B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Image Processing (AREA)

Abstract

本发明实施例涉及农业智能装备领域，提供一种面向农业机器人作业的植物形态视觉跟踪测量方法。该方法包括获取植物在多个视场下的主茎图像信息，基于多个主茎图像信息确定植物主茎立体形态信息；其中，每一主茎图像信息包括位于对应视场内的植物主茎中心线最下端的跟踪目标参考点及位于植物主茎中间的跟踪起始参考点；获取植物多个视场下的主茎图像信息包括：以第i个视场内的跟踪起始参考点作为第i+1个视场内的跟踪目标参考点。本发明实施例提供的面向农业机器人作业的植物形态视觉跟踪测量方法，以植株主茎为引导，跟踪采集其不同区域的离散小视场图像，提高目标识别和定位效率，有助于实现对跟踪区域的主茎形态的准确测量。

Description

面向农业机器人作业的植物形态视觉跟踪测量方法
技术领域
本发明涉及农业智能装备技术领域，尤其涉及一种面向农业机器人作业的植物形态视觉跟踪测量方法。
背景技术
在果菜种植行业，整枝打叶、授粉、采摘以及喷药等劳动密集环节消耗整个生产周期人力投入的70％以上，人工管理成本不断上涨已高达总生产成本的35％以上。因此，需要研发代替或辅助人工作业的农业机器人以降低人工成本。
农业机器人中，作业对象的视觉信息获取是支撑农业机器人作业的重要前提。当前农业机器人的视觉系统多采用固定安装方式，以固定姿态和视角进行视觉信息的获取，难以全面获取不同空间位置的目标。另外，传统方案中多采集大视场图像，而农作物行间空间狭窄、作业目标无序分布，大视场图像识别方式存在成像物距小、冗余干扰多的问题。再者，现有的视觉系统多采用无参考随机采集图像的方式，对目标的搜索效率低且搜索范围有限，影响农业机器人的作业效率。
发明内容
本发明的目的是提供一种面向农业机器人作业的植物形态视觉跟踪测量方法，用以解决现有的视觉跟踪法搜索效率低且搜索范围有限，难以实现精确测量的问题。
为了解决上述问题，本发明提供一种面向农业机器人的植物形态视觉跟踪测量法，获取植物在多个视场下的主茎图像信息，基于多个所述主茎图像信息确定植物主茎立体形态信息；其中，每一所述主茎图像信息包括位于对应视场内的植物主茎中心线最下端的跟踪目标参考点及位于植物主茎中间的跟踪起始参考点；
所述获取植物多个视场下的主茎图像信息包括：以第i个视场内的跟踪起始参考点作为第i+1个视场内的跟踪目标参考点。
优选地，所述基于多个所述主茎图像信息确定植物主茎立体形态信息包括：
基于多个所述主茎图像信息确定植物的立体信息，基于所述立体信息确定植物主茎立体形态信息。
优选地，所述主茎图像信息通过多视角视觉系统获取，所述多视角视觉系统包括双目视觉摄像机及用于安装所述双目视觉摄像机的二自由度云台机构，对应的，所述基于多个所述主茎图像信息确定植物的立体信息包括：
以初始视场下的双目视觉摄像机坐标系为标准坐标系，将多个视场内的所述主茎图像信息转换至标准坐标系内，基于多个视场下所述主茎图像信息中的参考点在标准坐标系中的坐标确定植物主茎的长度L及生长倾角ω。
优选地，所述将多个视场内的所述主茎图像信息转换至标准坐标系内包括：
将所述主茎图像信息中的参考点
Figure BDA0002477034720000021
按照如下公式转换为标准坐标系下的坐标
Figure BDA0002477034720000022
Figure BDA0002477034720000023
其中，
Figure BDA0002477034720000024
为二自由度云台机构由初始姿态向姿态i的逆转化矩阵，T为云台坐标系OT-XTYTZT和视觉坐标系OC-XCYCZC之间的转化矩阵。
优选地，所述基于多个视场下所述主茎图像信息中的参考点在标准坐标系中的坐标确定植物主茎的长度L及生长倾角ω具体包括：
Figure BDA0002477034720000025
Figure BDA0002477034720000026
其中，a和b满足公式
Figure BDA0002477034720000031
优选地，所述以第i个视场内的跟踪起始参考点作为第i+1个视场内的跟踪目标参考点具体包括：
基于同一空间点在不同视场内的坐标值确定双目视觉摄像机转移视场的水平旋转角度α和垂直旋转角度β。
优选地，所述双目视觉摄像机转移视场的水平旋转角度α和垂直旋转角度β基于如下公式确定，
Figure BDA0002477034720000032
式中，(xT,yT,zT)为空间点P的云台坐标系坐标，(x'T,y'T,z'T)为空间点P在双目视觉摄像机转移后的预期坐标。
本发明实施例提供的面向农业机器人作业的植物形态视觉跟踪测量方法，以植株主茎为引导，以第i个视场内的跟踪起始参考点作为第i+1个视场内的跟踪目标参考点，跟踪采集其不同区域的离散小视场图像，提高目标识别和定位效率，有助于实现对跟踪区域的主茎形态的准确测量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的面向农业机器人作业的植物形态视觉跟踪测量方法的流程示意图；
图2为本发明实施例多视角视觉系统的结构示意图；
图3为本发明实施例视场调整的原理示意图；
图4为本发明实施例植物主茎立体形态信息确定方法的流程示意图；
图5为本发明实施例植物主茎立体形态信息确定方法的另一流程示意图；
图6为本发明实施例提供的电子设备的结构示意图。
图中：
1、双目视觉摄像机；2、垂直旋转机构；3、水平旋转机构。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明实施例的描述中，需要说明的是，除非另有明确的规定和限定，术语“第一”“第二”是为了清楚说明产品部件进行的编号，不代表任何实质性区别。“上”“下”“左”“右”的方向均以附图所示方向为准。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明实施例中的具体含义。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
图1为本发明实施例提供的面向农业机器人作业的植物形态视觉跟踪测量方法的流程示意图，如图1所示，该方法包括：
步骤110，获取植物在多个视场下的主茎图像信息，其中，每一主茎图像信息包括位于对应视场内的植物主茎中心线最下端的跟踪目标参考点及位于植物主茎中间的跟踪起始参考点；获取植物多个视场下的主茎图像信息包括：以第i个视场内的跟踪起始参考点作为第i+1个视场内的跟踪目标参考点。
具体地，通过多视角视觉系统获取主茎图像信息。图2为本发明实施例多视角视觉系统的结构示意图，如2图所示，多视角视觉系统包括双目视觉摄像机1和二自由度云台机构，其中双目视觉摄像机1配置1/3″CCD和8mm焦距镜头，二自由度云台机构包括垂直旋转机构2和水平旋转机构3，水平旋转机构3的旋转方向与垂直旋转机构2的旋转方向垂直。具体地，垂直旋转机构2安装在水平旋转机构3的旋转平台上，借助垂直旋转机构2和水平旋转机构3的配合可以调整双目视觉摄像机1在空间的坐标位置。以植物目标番茄为例，设定单株番茄管理作业区域宽300mm、高900mm，且该区域番茄主茎呈倾斜姿态。双目视觉摄像机相距番茄植株900mm位置，可获得约宽450mm、高400mm视场区域图像。二自由度云台可进行垂直旋转和水平旋转，用以调整双目视觉摄像机的空间姿态，从不同视角采集番茄植株不同区域的图像。其中，视觉坐标系OC-XCYCZC的原点OC位于左相机感光芯片中心、XC和YC分别与相机感光芯片中心线重合、ZC轴与镜头光心重合。云台坐标系OT-XTYTZT中ZT轴为其水平旋转轴，XT轴为其垂直旋转轴，原点OT为两轴交点。图3为本发明实施例视场调整的原理示意图，如图3所示，双目视觉摄像机视场内主茎中心线上端、下端和中间点图像坐标分别为(utop,vtop)、(ubottom,vbottom)和(ucentor,vcentor)。由于双目视觉摄像机自下而上对植物主茎进行定向搜索，且视场边缘畸变误差较大，因此以(ucentor,vcentor)为跟踪起始参考点、(ubottom,vbottom)为跟踪目标参考点。同一视场内两个参考点对应的视觉坐标(xC,yC,zC)和(x'C,y'C,z'C)可由双目视觉摄像机测量得到。
摄像机由姿态i调整为i+1，中间点P需从起始参考点移动至目标参考点，即其图像坐标由(ucentor,vcentor)向下移动至(ubottom,vbottom)。鉴于在小视场区域内植株主茎形态变化有限，可认为姿态i和i+1双目视觉摄像机所获图像中坐标(ubottom,vbottom)对应的视觉坐标近似相等为(x'C,y'C,z'C)。
步骤120，基于多个主茎图像信息确定植物主茎立体形态信息。
具体地，对多个主茎图像信息进行拼接确定大视场下植物主茎的信息，进而确定植物主茎立体形态信息。也可以直接通过多个主茎图像信息确定植物主茎立体形态信息。
本发明实施例提供的植物形态视觉跟踪测量法以植株主茎为引导，以第i个视场内的跟踪起始参考点作为第i+1个视场内的跟踪目标参考点，跟踪采集其不同区域的离散小视场图像，提高目标识别和定位效率，有助于实现对跟踪区域的主茎形态的准确测量。
基于上述实施例，图4为本发明实施例植物主茎立体形态信息确定方法的流程示意图。如图4所示，该方法中，基于多个主茎图像信息确定植物主茎立体形态信息包括：
步骤410，基于多个主茎图像信息确定植物的立体信息；
步骤420，基于立体信息确定植物主茎立体形态信息。
基于上述实施例，主茎图像信息通过多视角视觉系统获取，多视角视觉系统包括双目视觉摄像机及用于安装双目视觉摄像机的二自由度云台机构。图5为本发明实施例植物主茎立体形态信息确定方法的另一流程示意图。如图5所示，基于多个主茎图像信息确定植物的立体信息包括：步骤510，以初始视场下的双目视觉摄像机坐标系为标准坐标系，将多个视场内的主茎图像信息转换至标准坐标系内；步骤520，基于多个视场下主茎图像信息中的参考点在标准坐标系中的坐标确定植物主茎的长度L及生长倾角ω。
基于上述实施例，将多个视场内的主茎图像信息转换至标准坐标系内包括：
将主茎图像信息中的参考点
Figure BDA0002477034720000071
按照如下公式转换为标准坐标系下的坐标
Figure BDA0002477034720000072
Figure BDA0002477034720000073
其中，
Figure BDA0002477034720000074
为二自由度云台机构由初始姿态向姿态i的逆转化矩阵，T为云台坐标系OT-XTYTZT和视觉坐标系OC-XCYCZC之间的转化矩阵。
具体地，若二自由度云台依次绕ZT和XT轴水平旋转和垂直旋转角度分别为α和β，根据欧拉角旋转矩阵表示方法，坐标系OT-XTYTZT旋转前后的相对姿态变换矩阵可表示为B。如下式所示，B由旋转矩阵RB和平移向量tB构成：
Figure BDA0002477034720000075
双目视觉摄像机特定姿态i下，视场内起始参考点Pi的视觉坐标为
Figure BDA0002477034720000076
其可由双目视觉摄像机测量得到。若以初始姿态视觉坐标系为标准坐标系，参考点
Figure BDA0002477034720000077
与其在标准坐标系下的坐标
Figure BDA0002477034720000078
之间存在如下关系：
Figure BDA0002477034720000079
其中，
Figure BDA00024770347200000710
为二自由度云台由姿态i向姿态i-1的逆转化矩阵，其由两个姿态之间二自由度云台相对转角确定。将上式整理后可得：
Figure BDA00024770347200000711
对于任意视场内的参考点坐标
Figure BDA00024770347200000712
根据上式即可确定其在标准坐标系下的坐标
Figure BDA00024770347200000713
在上述实施例基础上，基于多个视场下主茎图像信息中的参考点在标准坐标系中的坐标确定植物主茎的长度L及生长倾角ω具体包括：
Figure BDA0002477034720000081
Figure BDA0002477034720000082
其中，a和b满足公式
Figure BDA0002477034720000083
具体地，以植物目标番茄主茎为例，主茎形态近似为空间直线，且该空间直线经过主茎的初始参考点
Figure BDA0002477034720000084
因此该空间直线可表示为：
Figure BDA0002477034720000085
由上式可得：
Figure BDA0002477034720000086
其中，a＝k1/k2、b＝k2/k3。
离散空间点与拟合直线方程偏差表示如下：
Figure BDA0002477034720000087
根据最小二乘算法原理，上式分别对a和b求偏导，并令其偏导为零，分别求出a和b为：
Figure BDA0002477034720000088
令k3＝1，可得到主茎在标准坐标系中的方向向量l＝(a,b,1)，其相对地面的生长倾角
Figure BDA0002477034720000089
基于上述实施例，以第i个视场内的跟踪起始参考点作为第i+1个视场内的跟踪目标参考点具体包括：
基于同一空间点在不同视场内的坐标值确定双目视觉摄像机转移视场的水平旋转角度α和垂直旋转角度β。
基于上述实施例，双目视觉摄像机转移视场的水平旋转角度α和垂直旋转角度β基于如下公式确定，
Figure BDA0002477034720000091
式中，(xT,yT,zT)为空间点P的云台坐标系坐标，(x'T,y'T,z'T)为空间点P在双目视觉摄像机转移后的预期坐标。
具体地，双目视觉摄像机连续姿态下P点的当前坐标(xC,yC,zC)和预期坐标(x'C,y'C,z'C)存在如下关系：
T-1[xC yC zC 1]T＝BT-1[x'C y'C z'C 1]T
其中，B为二自由度云台当前与预期系姿态的转化矩阵，其包含的未知数α和β为云台依次绕ZT和XT轴旋转的角位移增量。设空间点P的云台坐标系坐标表示为(xT,yT,zT)，则根据上式可得。
[xT yT z'T 1]T＝B[x'T y'T z'T 1]T
结合公式
Figure BDA0002477034720000092
得到如下方程组：
Figure BDA0002477034720000093
从而解得
Figure BDA0002477034720000094
其中
Figure BDA0002477034720000095
将β代入上式中的其他方程可解得α。
图6为本发明实施例提供的电子设备的结构示意图，如图6所示，该电子设备可以包括：处理器(processor)610、通信接口(Communications Interface)620、存储器(memory)630和通信总线640，其中，处理器610，通信接口620，存储器630通过通信总线640完成相互间的通信。处理器610可以调用存储器630中的逻辑命令，以执行如下方法：获取植物在多个视场下的主茎图像信息，基于多个主茎图像信息确定植物主茎立体形态信息；其中，每一主茎图像信息包括位于对应视场内的植物主茎中心线最下端的跟踪目标参考点及位于植物主茎中间的跟踪起始参考点；获取植物多个视场下的主茎图像信息包括：以第i个视场内的跟踪起始参考点作为第i+1个视场内的跟踪目标参考点。
此外，上述的存储器630中的逻辑命令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干命令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的方法，例如包括：获取植物在多个视场下的主茎图像信息，基于多个主茎图像信息确定植物主茎立体形态信息；其中，每一主茎图像信息包括位于对应视场内的植物主茎中心线最下端的跟踪目标参考点及位于植物主茎中间的跟踪起始参考点；获取植物多个视场下的主茎图像信息包括：以第i个视场内的跟踪起始参考点作为第i+1个视场内的跟踪目标参考点。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (7)

1.一种面向农业机器人作业的植物形态视觉跟踪测量方法，其特征在于，获取植物在多个视场下的主茎图像信息，基于多个所述主茎图像信息确定植物主茎立体形态信息；其中，每一所述主茎图像信息包括位于对应视场内的植物主茎中心线最下端的跟踪目标参考点及位于植物主茎中间的跟踪起始参考点；
所述获取植物多个视场下的主茎图像信息包括：以第i个视场内的跟踪起始参考点作为第i+1个视场内的跟踪目标参考点。
2.根据权利要求1所述的面向农业机器人作业的植物形态视觉跟踪测量方法，其特征在于，所述基于多个所述主茎图像信息确定植物主茎立体形态信息包括：
基于多个所述主茎图像信息确定植物的立体信息，基于所述立体信息确定植物主茎立体形态信息。
3.根据权利要求2所述的面向农业机器人作业的植物形态视觉跟踪测量方法，其特征在于，所述主茎图像信息通过多视角视觉系统获取，所述多视角视觉系统包括双目视觉摄像机及用于安装所述双目视觉摄像机的二自由度云台机构，对应的，所述基于多个所述主茎图像信息确定植物的立体信息包括：
以初始视场下的双目视觉摄像机坐标系为标准坐标系，将多个视场内的所述主茎图像信息转换至标准坐标系内，基于多个视场下所述主茎图像信息中的参考点在标准坐标系中的坐标确定植物主茎的长度L及生长倾角ω。
4.根据权利要求3所述的面向农业机器人作业的植物形态视觉跟踪测量方法，其特征在于，所述将多个视场内的所述主茎图像信息转换至标准坐标系内包括：
将所述主茎图像信息中的参考点
Figure FDA0002477034710000011
按照如下公式转换为标准坐标系下的坐标
Figure FDA0002477034710000012
Figure FDA0002477034710000021
其中，
Figure FDA0002477034710000022
为二自由度云台机构由初始姿态向姿态i的逆转化矩阵，T为云台坐标系OT-XTYTZT和视觉坐标系OC-XCYCZC之间的转化矩阵。
5.根据权利要求4所述的面向农业机器人作业的植物形态视觉跟踪测量方法，其特征在于，所述基于多个视场下所述主茎图像信息中的参考点在标准坐标系中的坐标确定植物主茎的长度L及生长倾角ω具体包括：
Figure FDA0002477034710000023
Figure FDA0002477034710000024
其中，a和b满足公式
Figure FDA0002477034710000025
6.根据权利要求3-5任一项所述的面向农业机器人作业的植物形态视觉跟踪测量方法，其特征在于，所述以第i个视场内的跟踪起始参考点作为第i+1个视场内的跟踪目标参考点具体包括：
基于同一空间点在不同视场内的坐标值确定双目视觉摄像机转移视场的水平旋转角度α和垂直旋转角度β。
7.根据权利要求6所述的面向农业机器人作业的植物形态视觉跟踪测量方法，其特征在于，所述双目视觉摄像机转移视场的水平旋转角度α和垂直旋转角度β基于如下公式确定，
Figure FDA0002477034710000026
式中，(xT,yT,zT)为空间点P的云台坐标系坐标，(x'T,y'T,z'T)为空间点P在双目视觉摄像机转移后的预期坐标。
CN202010367606.4A 2020-04-30 2020-04-30 面向农业机器人作业的植物形态视觉跟踪测量方法 Active CN111578837B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010367606.4A CN111578837B (zh) 2020-04-30 2020-04-30 面向农业机器人作业的植物形态视觉跟踪测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010367606.4A CN111578837B (zh) 2020-04-30 2020-04-30 面向农业机器人作业的植物形态视觉跟踪测量方法

Publications (2)

Publication Number Publication Date
CN111578837A true CN111578837A (zh) 2020-08-25
CN111578837B CN111578837B (zh) 2022-03-01

Family

ID=72122846

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010367606.4A Active CN111578837B (zh) 2020-04-30 2020-04-30 面向农业机器人作业的植物形态视觉跟踪测量方法

Country Status (1)

Country Link
CN (1) CN111578837B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112215765A (zh) * 2020-09-08 2021-01-12 北京农业智能装备技术研究中心 农业自然光环境下机器人视觉色彩校正方法及装置
CN112487936A (zh) * 2020-11-26 2021-03-12 郑州数农通大数据科技有限公司 一种基于机器视觉技术的玉米田间管理机器人

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101266690A (zh) * 2007-03-15 2008-09-17 华南农业大学 植物根系形态三维图像重建系统及方法
CN101539405A (zh) * 2009-04-09 2009-09-23 南京航空航天大学 基于姿态传感器的多视角测量数据自拼合方法
CN102410811A (zh) * 2011-07-27 2012-04-11 北京理工大学 一种弯管参数的测量方法和系统
CN103065352A (zh) * 2012-12-20 2013-04-24 北京农业信息技术研究中心 一种基于图像和扫描数据的植株三维重建方法
CN103759669A (zh) * 2014-01-03 2014-04-30 河南科技大学 一种大型零件的单目视觉测量方法
CN103971353A (zh) * 2014-05-14 2014-08-06 大连理工大学 采用激光辅助大型锻件测量图像数据的拼接方法
CN106871799A (zh) * 2017-04-10 2017-06-20 淮阴工学院 一种全自动农作物株高测量方法及装置
CN107664480A (zh) * 2016-07-28 2018-02-06 大陆汽车电子（连云港）有限公司 基于机器视觉的汽车传感器电缆长度测量系统
CN108876903A (zh) * 2018-05-24 2018-11-23 北京农业信息技术研究中心 一种基于玉米雄穗三维表型的玉米品种区分方法及系统
CN109000582A (zh) * 2018-03-15 2018-12-14 杭州思看科技有限公司 跟踪式三维扫描装置的扫描方法及系统、存储介质、设备
CN109708578A (zh) * 2019-02-25 2019-05-03 中国农业科学院农业信息研究所 一种植株表型参数测量装置、方法及系统
CN109829941A (zh) * 2019-01-04 2019-05-31 华南农业大学 一种基于中心线提取的植物根系三维构型测量方法
CN110864644A (zh) * 2019-11-13 2020-03-06 北京农业信息技术研究中心 植物茎秆表型信息获取装置与方法
EP3690800A2 (en) * 2019-02-04 2020-08-05 Canon Kabushiki Kaisha Information processing apparatus, information processing method, and program

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101266690A (zh) * 2007-03-15 2008-09-17 华南农业大学 植物根系形态三维图像重建系统及方法
CN101539405A (zh) * 2009-04-09 2009-09-23 南京航空航天大学 基于姿态传感器的多视角测量数据自拼合方法
CN102410811A (zh) * 2011-07-27 2012-04-11 北京理工大学 一种弯管参数的测量方法和系统
CN103065352A (zh) * 2012-12-20 2013-04-24 北京农业信息技术研究中心 一种基于图像和扫描数据的植株三维重建方法
CN103759669A (zh) * 2014-01-03 2014-04-30 河南科技大学 一种大型零件的单目视觉测量方法
CN103971353A (zh) * 2014-05-14 2014-08-06 大连理工大学 采用激光辅助大型锻件测量图像数据的拼接方法
CN107664480A (zh) * 2016-07-28 2018-02-06 大陆汽车电子（连云港）有限公司 基于机器视觉的汽车传感器电缆长度测量系统
CN106871799A (zh) * 2017-04-10 2017-06-20 淮阴工学院 一种全自动农作物株高测量方法及装置
CN109000582A (zh) * 2018-03-15 2018-12-14 杭州思看科技有限公司 跟踪式三维扫描装置的扫描方法及系统、存储介质、设备
CN108876903A (zh) * 2018-05-24 2018-11-23 北京农业信息技术研究中心 一种基于玉米雄穗三维表型的玉米品种区分方法及系统
CN109829941A (zh) * 2019-01-04 2019-05-31 华南农业大学 一种基于中心线提取的植物根系三维构型测量方法
EP3690800A2 (en) * 2019-02-04 2020-08-05 Canon Kabushiki Kaisha Information processing apparatus, information processing method, and program
CN109708578A (zh) * 2019-02-25 2019-05-03 中国农业科学院农业信息研究所 一种植株表型参数测量装置、方法及系统
CN110864644A (zh) * 2019-11-13 2020-03-06 北京农业信息技术研究中心 植物茎秆表型信息获取装置与方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
QINGCHUN FENG: "Plant growth information detection device of greenhouse vegetable plug seedlings", 《SPIE/COS PHOTONICS ASIA》 *
冯青春: "基于视觉伺服的温室番茄植株主茎跟踪与测量方法", 《农业机械学报》 *
董乔雪: "番茄三维形态结构的参数提取及模拟", 《农业工程学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112215765A (zh) * 2020-09-08 2021-01-12 北京农业智能装备技术研究中心 农业自然光环境下机器人视觉色彩校正方法及装置
CN112487936A (zh) * 2020-11-26 2021-03-12 郑州数农通大数据科技有限公司 一种基于机器视觉技术的玉米田间管理机器人

Also Published As

Publication number Publication date
CN111578837B (zh) 2022-03-01

Similar Documents

Publication Publication Date Title
CN111578837B (zh) 面向农业机器人作业的植物形态视觉跟踪测量方法
CN109816680B (zh) 一种农作物株高的高通量计算方法
CN105809711B (zh) 一种基于视频追踪的猪只运动大数据提取方法及其系统
CN112418188A (zh) 基于无人机视觉的农作物生长全程数字化评估方法
KR20200116111A (ko) 가변적인 장면에서의 다중 장치의 시각 네비게이션 방법 및 시스템
CN109084690A (zh) 基于无人机可见光遥感的作物株高计算方法
KR102291827B1 (ko) 스마트 팜의 작물 자동 생육 계측 시스템 및 그 방법
CN109584293A (zh) 一种基于rgb-d视觉技术的温室作物三维形态全景测量系统
JPWO2019044244A1 (ja) 作物栽培支援装置
Fujinaga et al. Image mosaicing using multi-modal images for generation of tomato growth state map
CN115908708B (zh) 基于Kinect的植物群体全局三维重建方法
WO2023172080A1 (ko) 식생 지수 획득 유닛 및 이를 포함하는 식물 모니터링 장치
CN108901366A (zh) 一种天地一体化柑橘采摘方法
CN109598215A (zh) 一种基于无人机定位拍摄的果园建模分析系统和方法
Jin et al. Low-damage transplanting method for leafy vegetable seedlings based on machine vision
Jin et al. Far-near combined positioning of picking-point based on depth data features for horizontal-trellis cultivated grape
CN111833435A (zh) 无人机近地遥感成熟作物密度高通量测量方法
CN108876903B (zh) 一种基于玉米雄穗三维表型的玉米品种区分方法及系统
Fan et al. A high-throughput phenotyping robot for measuring stalk diameters of maize crops
CN112837314A (zh) 基于2D-LiDAR和Kinect的果树冠层参数检测系统和方法
CN109827503B (zh) 一种田间作物精准定位方法和装置
CN117021059A (zh) 采摘机器人及其果实定位方法、装置、电子设备及介质
CN115937314B (zh) 一种油茶果生长姿态检测方法
Bao et al. Field-based robotic phenotyping for sorghum biomass yield component traits characterization using stereo vision
Chen et al. A Hybrid Cable-Driven Robot for Non-Destructive Leafy Plant Monitoring and Mass Estimation using Structure from Motion

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