CN112036407A - 一种植物群体三维表型原位获取方法及装置 - Google Patents
一种植物群体三维表型原位获取方法及装置 Download PDFInfo
- Publication number
- CN112036407A CN112036407A CN202010750715.4A CN202010750715A CN112036407A CN 112036407 A CN112036407 A CN 112036407A CN 202010750715 A CN202010750715 A CN 202010750715A CN 112036407 A CN112036407 A CN 112036407A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- plant
- population
- plant population
- scene
- 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 40
- 238000011065 in-situ storage Methods 0.000 title claims abstract description 38
- 238000012545 processing Methods 0.000 claims abstract description 14
- 230000011218 segmentation Effects 0.000 claims abstract description 9
- 238000012937 correction Methods 0.000 claims description 37
- 238000004891 communication Methods 0.000 claims description 13
- 230000007246 mechanism Effects 0.000 claims description 12
- 238000011084 recovery Methods 0.000 claims description 4
- 239000003086 colorant Substances 0.000 claims description 2
- 238000003306 harvesting Methods 0.000 claims 2
- 238000012625 in-situ measurement Methods 0.000 abstract description 6
- 230000001066 destructive effect Effects 0.000 abstract description 3
- 238000002474 experimental method Methods 0.000 abstract description 3
- 238000005070 sampling Methods 0.000 abstract description 3
- 241000196324 Embryophyta Species 0.000 description 172
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 10
- 240000008042 Zea mays Species 0.000 description 7
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 7
- 235000005822 corn Nutrition 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 241000482268 Zea mays subsp. mays Species 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 241000238097 Callinectes sapidus Species 0.000 description 1
- 229920000049 Carbon (fiber) Polymers 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 239000004917 carbon fiber Substances 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008638 plant developmental process Effects 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Processing (AREA)
- Spectrometry And Color Measurement (AREA)
Abstract
本发明实施例提供一种植物群体三维表型原位获取方法及装置,该植物群体三维表型原位获取方法包括:S1,获取植物群体在当前环境中的场景点云;S2,对场景点云进行分割、去噪处理,获取植物群体点云,对植物群体点云进行欧式聚类,提取得到植物群体中各个植物的点云;S3,计算获取植物群体及相应的各个植物的三维表型;本发明在对植物群体原位测量的基础上,通过三维点云分割处理的方式来获取三维表型,不仅操作便捷,避免了人工破坏性采样,而且自动化程度高,可快速准确地获取植物群体及其相应的各个植物的三维表型,为科研人员开展大规模样本实验提供理论支持。
Description
技术领域
本发明涉及植物表型采集技术领域,尤其涉及一种植物群体三维表型原位获取方法及装置。
背景技术
植物表型是受基因和环境因素决定或影响的,反映植物结构及组成、植物生长发育过程及结果的全部物理、生理、生化特征和性状。基于获取的植物表型数据,可以此作为构建田间植物表型大数据的主要数据来源,为作物数字育种、数字栽培和农业生产智能化管理研究与应用提供基础数据支撑服务。
植物表型的监测和分析手段逐渐向综合化、规模化、多尺度和高通量的方向发展。基于多视角重建技术,即运动恢复结构法(SFM)算法与多视角立体视觉(MVS)算法相结合的图像三维重建方法,能够通过拍摄重建对象,生成与对象物体相应的致密的三维点云数据,精度等级达到毫米级别,从而达到获取植物三维表型数据的目的。
目前,基于多视角重建技术,已经成功地在室内或密闭空间内进行单株植物的三维表型数据获取,并没有关于对植物群体三维表型进行原位获取的相关介绍。在现有的专利文献中,提出了一种基于三维点云轮廓分维值的植物识别分类方法,该方法使用三维激光扫描仪快速高效地获取被测物体表面的三维信息,通过闵可夫斯基维数法计算植物轮廓点云数据的分维值,然后,利用植物三维点云轮廓分维值,区分植物种类,以实现对植物的识别分类。然而,该方法只是基于不同类型植物的轮廓特征,实现对植株的识别。在实际应用中,往往需要获取室外植物群体中每株植物的表型,但是,现有的在室内获取单一植株的三维表型时,必须要进行样本采样,这会对采样植物造成人工破坏。与此同时,由于受到室外的光线、风速、背景色等环境因素的影响及多植株相互间的干扰,在现有的数据处理中,也没有提供相应的方式,以将植物群体及其相应的每株植物从其环境因素中分割出来,从而也就无法原位获取室外植物群体及其相应的各个植物的三维表型。
发明内容
本发明实施例提供一种植物群体三维表型原位获取方法及装置,用以解决当前只能在室内获取单一植株的三维表型,无法原位获取室外植物群体及其相应的各个植物的三维表型的问题。
本发明实施例提供一种植物群体三维表型原位获取方法,包括:S1,获取植物群体在当前环境中的场景点云;S2,对所述场景点云进行分割、去噪处理,获取植物群体点云,对所述植物群体点云进行欧式聚类,提取得到所述植物群体中各个植物的点云;S3,计算获取植物群体及相应的各个植物的三维表型。
根据本发明一个实施例的植物群体三维表型原位获取方法,S1还包括:在所述植物群体的当前环境中放置标定板,基于获取的所述标定板的标定板点云,对所述场景点云进行方向矫正和比例矫正,其中,基于所述标定板点云,计算所述标定板点云的平面法向量,基于所述平面法向量对所述场景点云的正方向进行矫正;同时,基于所述标定板点云获取所述标定板上表面的标定面积,基于所述标定面积与所述标定板上表面的实际面积之比,获取矫正比例尺,通过所述矫正比例尺对所述场景点云进行比例矫正。
根据本发明一个实施例的植物群体三维表型原位获取方法,S1进一步包括:采集所述植物群体的多视角彩色图像,通过运动恢复结构算法结合多视角立体视觉算法,获取所述场景点云,所述场景点云中的各点均以空间坐标与三基色共同表征;相应地,S2中对所述场景点云进行分割、去噪处理,进一步包括:将所述场景点云从RGB颜色空间转换至HSL颜色空间,提取基于所述HSL颜色空间中场景点云的各点的h分量值;基于对所述植物群体预设的h分量值置信区间,将所述HSL颜色空间中的场景点云分割为所述植物群体点云与噪声点云,通过去噪处理,获取所述植物群体点云。
根据本发明一个实施例的植物群体三维表型原位获取方法,S2还包括:基于对所述场景点云去噪处理所获取的噪声点云,对提取得到的各个植物的点云进行一次补偿矫正:基于每个植物的点云,计算每个植物的第一凸包,提取所述第一凸包在竖直方向上的最低点,将所述最低点作为每个植物的基部点;将所述基部点作为起点,沿竖直方向以第一预设半径向所述噪声点云建立包围盒,提取所述包围盒中的所述噪声点云,获取每个植物的补偿点云,将各个植物初始的点云及相应的补偿点云相融合,获取对各个植物一次补偿矫正后的点云。
根据本发明一个实施例的植物群体三维表型原位获取方法,S2还包括:基于所述噪声点云,对各个植物一次补偿矫正后的点云进行二次补偿矫正:基于各个植物一次补偿矫正后的点云,计算每个植物的第二凸包;将所述第二凸包内的各点作为基点,以第二预设半径对所述噪声点云进行搜索,提取搜索点云,将各个植物一次补偿矫正后的点云与所述搜索点云相融合,获取对各个植物二次补偿矫正后的点云。
本发明实施例还提供一种植物群体三维表型原位获取装置,包括:支架组件,所述支架组件用于架设于植物群体的上侧;场景点云采集装置,所述场景点云采集装置安装于所述支架组件上,用于采集所述植物群体在当前环境中的场景点云;处理模块,所述处理模块通讯连接所述场景点云采集装置,并执行如上所述的植物群体三维表型原位获取方法,以计算获取植物群体及相应的各个植物的三维表型。
根据本发明一个实施例的植物群体三维表型原位获取装置,所述场景点云采集装置包括:旋转机构,所述旋转机构以竖直轴向安装于所述支架组件上;传感支架,所述传感支架连接所述旋转机构;图像采集组件,所述图像采集组件安装于所述传感支架上,所述图像采集组件通讯连接所述处理模块。
根据本发明一个实施例的植物群体三维表型原位获取装置,所述支架组件包括多个支撑臂,多个所述支撑臂的一端相连接,另一端用于连接大地,以在支护状态下围成空间支护骨架;相应地,还包括:闭风膜,所述闭风膜呈透明状,并包覆于所述空间支护骨架的外侧。
根据本发明一个实施例的植物群体三维表型原位获取装置,所述支撑臂包括:竖向支撑臂、侧向支撑臂及水平支撑臂,所述竖向支撑臂的一端与所述侧向支撑臂的一端可拆卸式连接,所述侧向支撑臂的另一端所述水平支撑臂的一端可拆卸式连接;和/或,所述图像采集组件包括第一彩色相机、第二彩色相机和第三彩色相机,所述第一彩色相机的镜头用于竖直向下朝向所述植物群体布置,所述第二彩色相机的镜头用于倾斜向下朝向所述植物群体布置,所述第三彩色相机的镜头用于倾斜向上朝向所述植物群体布置。
根据本发明一个实施例的植物群体三维表型原位获取装置,还包括:标定板,所述标定板用于放置于所述植物群体当前的环境中,所述标定板的上表面呈红色或蓝色,并呈水平分布。
本发明实施例提供的一种植物群体三维表型原位获取方法及装置,通过在室外对植物群体直接进行原位测量,以获取植物群体在当前环境中的场景点云,然后,可对场景点云进行分割、去噪处理,剔除表征当前环境的相关点云,获取与植物群体相应的植物群体点云,再对植物群体点云进行欧式聚类,可提取得到植物群体中各个植物的点云,由此,基于植物群体点云及其相应的各个植物的点云,可进一步计算获取植物群体及其相应的各个植物的三维表型。
由此可见,本发明在对植物群体原位测量的基础上,通过三维点云分割处理的方式来获取三维表型,不仅操作便捷,避免了人工破坏性采样,而且自动化程度高,可快速准确地获取植物群体及其相应的各个植物的三维表型,为科研人员开展大规模样本实验提供理论支持。
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,对于本领域的普通技术人员来讲,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是本发明实施例提供的一种植物群体三维表型原位获取方法的流程示意图;
图2是本发明实施例基于多视角重建技术生成的田间玉米群体的局部场景点云的示意图;
图3是本发明实施例对田间玉米群体的局部场景点云进行分割、去噪处理后,获得的各个玉米幼苗的点云与标定板点云的示意图;
图4是本发明实施例提供的一种植物群体三维表型原位获取装置结构示意图;
图5是本发明实施例所示的旋转机构通过传感支架与图像采集组件相连接的结构示意图。
图中,1、支撑臂;11、竖向支撑臂;12、侧向支撑臂;13、水平支撑臂;2、旋转机构;3、传感支架;4、第一彩色相机;5、第二彩色相机;6、第三彩色相机;7、电控模块;8、标定板。
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,本领域的普通技术人员在没有作出创造性劳动的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。
参见图1,本实施例提供了一种植物群体三维表型原位获取方法,包括:S1,获取植物群体在当前环境中的场景点云;S2,对场景点云进行分割、去噪处理,获取植物群体点云,对植物群体点云进行欧式聚类,提取得到植物群体中各个植物的点云;S3,计算获取植物群体及相应的各个植物相应的三维表型。
具体的,本实施例所示的植物群体三维表型原位获取方法,通过在室外对植物群体直接进行原位测量,以获取植物群体在当前环境中的场景点云,然后,可对场景点云进行分割、去噪处理,剔除表征当前环境的相关点云,获取与植物群体相应的植物群体点云,再对植物群体点云进行欧式聚类,可提取得到植物群体中各个植物的点云,由此,基于植物群体点云及其相应的各个植物的点云,可进一步计算获取植物群体及其相应的各个植物的三维表型。
由此可见,本实施例所示的方法,在对植物群体原位测量的基础上,通过三维点云分割处理的方式来获取三维表型,不仅操作便捷,避免了人工破坏性采样,而且自动化程度高,可快速准确地获取植物群体及其相应的各个植物的三维表型,为科研人员开展大规模样本实验提供理论支持。
在此应指出的是,本实施例在获取场景点云时,既可采用本领域所公知的二维激光雷达,也可基于本领域所公知的多视角重建技术,通过拍摄重建对象,生成致密的场景点云。
与此同时,本实施例对植物群体的三维表型计算包括:群体覆盖度、群体投影面积、群体叶方位平面分布、群体叶面积指数等指标;本实施例对植物群体中相应的各个植物的三维表型计算包括:株高、叶方位平面、叶片个数、植株包围体积、植株叶面积、叶长、叶宽、茎粗等指标。
在其中一个具体实施例中,可在S1中,采集植物群体不同侧面的多视角彩色图像,将该多视角彩色图像进行序列排列,然后,基于序列排列的多视角彩色图像,通过运动恢复结构算法,生成稀疏点云,再基于所述稀疏点云,结合多视角立体视觉算法,生成稠密点云,该稠密点云即为植物群体在当前环境中的场景点云,场景点云中的各点均以空间坐标(x,y,z)与三基色(r,g,b)共同表征,在此,场景点云可具体表征为Pa(x,y,z,r,g,b)。
优选地,本实施例中S1还包括:获取放置于植物群体在当前环境中标定板的标定板点云,基于标定板点云,对场景点云进行方向矫正和比例矫正。其中,本实施例所示的标定板的上表面呈红色或蓝色,并呈水平分布。
具体的,本实施例所示的标定板的上端面呈水平布置,并设置呈蓝色,标定板的下端面通过支撑柱与地面相连接,标定板除其上端面的其它部位及支撑柱均可设置呈黑色。
如此,在采集植物群体不同侧面的多视角彩色图像时,可同步采集标定板在相应视角的彩色图像,基于多视角重建技术,获取标定板的点云,而在具体进行标定板的点云识别时,对获取的标定板的点云中的每个点以B分量为约束,B分量的取值区间为[0,1],以标定板的点云中着色为蓝色计算,由于蓝色点云的B分量值通常取值为0.9,则选取B分量值大于0.9的点,以此识别出标定板点云Pb。
如此,在基于标定板点云Pb,对场景点云进行方向矫正和比例矫正时,可具体参照如下步骤:
基于标定板点云Pb,计算标定板点云Pb的平面法向量Pn;
基于平面法向量Pn,对场景点云Pa(x,y,z,r,g,b)的正方向进行矫正;
基于平面法向量Pn,把标定板点云Pb正投影到XOY平面,生成标定板点云Pc,计算标定板点云Pc的平面边缘点云,生成标定板平面边缘点云Pd;
对边缘点云Pd进行近邻连接,形成标定板上表面的边缘轮廓线,计算标定板上表面的标定面积,记为S1;将S1与标定板上表面的实际面积S2比例比较,求得多视角点云矫正比例尺Scale,Scale=S2/S1,通过矫正比例尺Scale,矫正植物群体的场景点云,即矫正后的场景点云Pa ‘=Pa*Scale。
优选地,本实施例中S2中对场景点云进行分割、去噪处理,进一步包括:将场景点云从RGB颜色空间转换至HSL颜色空间,提取基于HSL颜色空间中场景点云的各点的h分量值;基于对植物群体预设的h分量值置信区间,将HSL颜色空间中的场景点云分割为植物群体点云与噪声点云,通过去噪处理,获取植物群体点云。
具体的,本实施例在基于HSL颜色空间对植物群体点云进行识别时,可按照RGB到HSL颜色空间算法,将基于RGB颜色空间的场景点云Pa(x,y,z,r,g,b)转换至基于HSL颜色空间的场景点云Pa(x,y,z,h,s,l);然后,提取场景点云Pa(x,y,z,h,s,l)的各点的h分量值,即Pah,基于对植物群体预设的h分量值置信区间[h1,h2],将场景点云Pa(x,y,z,h,s,l)中满足h1<Pah<h2的点,设置为植物群体点云,标记为Pc,相应的,在场景点云Pa(x,y,z,h,s,l)中,不满足h1<Pah<h2的点云为噪声点云,标记为Pd,从而通过去噪处理,可最终获取植物群体点云Pc。
相应地,在获取植物群体点云Pc后,可基于欧式聚类法,对植物群体点云Pc进行点云聚类计算,获得植物群体中各个植物的点云P1,P2,Px,…,PM,其中,1<x≤M,M为大于1的自然数,表征植物群体中植物的个数。
优选地,本实施例中S2还包括:基于对场景点云去噪处理所获取的噪声点云Pd,对提取得到的各个植物的点云Px进行一次补偿矫正:基于每个植物的点云,计算每个植物的第一凸包,提取第一凸包在竖直方向上的最低点,将最低点作为每个植物的基部点,标记为Pe;将基部点Pe作为起点,沿竖直方向以第一预设半径向噪声点云建立圆柱体状的包围盒,提取包围盒中的噪声点云,获取每个植物Px的补偿点云,标记为Pt,补偿因颜色过滤掉的每个植物基部的点云,将各个植物初始的点云Px及相应的补偿点云Pt相融合,获取对各个植物一次补偿矫正后的点云。其中,本实施例所示的第一预设半径可基于植物当前的树干半径进行相应的设置。
优选地,本实施例中S2还包括:基于上述实施例所获取的噪声点云Pd,对各个植物一次补偿矫正后的点云进行二次补偿矫正:基于各个植物一次补偿矫正后的点云,计算每个植物的第二凸包;将第二凸包内的各点作为基点,以第二预设半径对噪声点云进行近郊搜索,提取搜索点云,将各个植物一次补偿矫正后的点云与搜索点云相融合,获取对各个植物二次补偿矫正后的点云。其中,本实施例所示的第二预设半径可基于原植物群体点云两倍的点云密度进行相应的设置。
在其中一个具体实施例中,可采用上述实施例所示的方法,对田间处于幼苗阶段的玉米群体进行三维表型采集,玉米群体种植的行距为50cm,株距为30cm,可设置实验小区为3行*3列,相应地,实验小区呈长方形,面积为100cm*60cm。
由此,通过上述实施例所示的方法,可获取如图2所示的基于多视角重建技术的田间玉米群体的局部场景点云,在该局部场景点云中,可获知,三株玉米幼苗分布于田间,并在当前的田间环境中,还放置有矩形的标定板,从而该局部场景点云分别表征三株玉米幼苗、田间土壤及标定板的点云。
与此同时,通过采用上述实施例所示的对场景点云的分割、去噪处理,及对单个植物的点云的两次补偿矫正,可获得如图3所示的各个玉米幼苗点云和标定板点云。
优选地,本实施例还提供一种植物群体三维表型原位获取装置,包括:支架组件,支架组件用于架设于植物群体的上侧;场景点云采集装置,场景点云采集装置安装于支架组件上,用于采集植物群体在当前环境中的场景点云;处理模块,处理模块通讯连接场景点云采集装置,并执行如上所述的植物群体三维表型原位获取方法,以获取植物群体中各个植物相应的三维表型。
具体的,如图4所示,本实施例所示的支架组件包括多个支撑臂1,多个支撑臂1的一端相连接,另一端用于连接大地,以在支护状态下围成空间支护骨架。在此,本实施例还可设置闭风膜,闭风膜呈透明状,并包覆于空间支护骨架的外侧。本实施例设置闭风膜可用于防止外界环境中的风力作用对植物群体的图像采集产生影响。
在其中一个具体实施例中,在对幼苗阶段的玉米群体进行三维表型采集时,可具体设置四个支撑臂1,支撑臂1包括:竖向支撑臂11、侧向支撑臂12及水平支撑臂13,竖向支撑臂11的一端与侧向支撑臂12的一端可拆卸式连接,侧向支撑臂12的另一端水平支撑臂13的一端可拆卸式连接;其中,竖向支撑臂11用于固定于地面上,高度为10cm,侧向支撑臂12的长度为100cm,侧向支撑臂12以与水平面呈45°的倾角分别与竖向支撑臂11、水平支撑臂13相连接,水平支撑臂13的长度为70cm。如此,基于四个支撑臂1,可搭建如图4所示的构成四面支撑的空间支护骨架。由于每个支撑臂1均是由可拆卸式连接的竖向支撑臂11、侧向支撑臂12及水平支撑臂13构成,从而在不使用时,可将支撑臂1拆解开进行分别存储或进行折叠。
与此同时,在上述实施例所示的空间支护骨架顶部安装场景点云采集装置,场景点云采集装置包括:旋转机构2,旋转机构2以竖直轴向安装于支架组件上;传感支架3,传感支架3连接旋转机构2;图像采集组件,图像采集组件安装于传感支架3上,图像采集组件通讯连接处理模块。
具体的,如图4所示,本实施例可将旋转机构2安装于空间支护骨架的顶部,旋转机构2包括转台和驱动电机,驱动电机可具体采用以竖直轴向布置的步进电机,并将步进电机的输出端同轴连接转台。在此,可在旋转机构2的一侧设置电控模块7,电控模块7包括伺服驱动器和无线通讯模块,可将无线通讯模块通讯连接伺服驱动器,并将伺服驱动器通讯连接步进电机,如此,操作人员可基于移动终端与无线通讯模块之间的通讯连接,对转台的转动状态进行实时控制。
与此同时,本实施例所示的传感支架3的一端连接转台,为了确保转台转动的平稳性,可在转台相对传感支架3的另一侧安装配重装置,其中,传感支架3可选用长度为60cm的碳纤维管,且传感支架3可相对于转台的中心轴向呈倾斜布置,具体倾斜角度可以为45°。
如图5所示,本实施例所示的图像采集组件包括安装于传感支架3上的第一彩色相机4、第二彩色相机5和第三彩色相机6,第一彩色相机4的镜头用于竖直向下朝向所述植物群体布置,第二彩色相机5的镜头用于倾斜向下朝向所述植物群体布置,第三彩色相机6的镜头用于倾斜向上朝向所述植物群体布置。其中,第一彩色相机4可设置一个,第二彩色相机5可设置2-3个,第二彩色相机5的镜头相对于水平面向下倾斜45°,第三彩色相机6可设置一个,第三彩色相机6的镜头的镜头相对于水平面向上倾斜45°。
在此应指出的是,在基于图像采集组件采集植物群体不同侧面的多视角彩色图像时,可先由第一彩色相机4采集植物群体的一张顶视图,然后,由旋转机构2通过传感支架3带动图像采集组件旋转,以自动化采集植物群集的多视角彩色图像序列,接着,可将采集的信息通过上述实施例所示的无线通讯模块传输至处理模块,进行数据处理,以获取植物群体中各个植物相应的三维表型,并可通过配置的存储模块进行相应的信息存储。在图像采集的过程中,转台旋转的角转速可设置为3度/秒,图像采集组件采集的频率为1次/秒,在进行单次采集时,转台的旋转圈数为2圈。
另外,如图4所示,本实施例还设置有标定板8,标定板8的上表面呈红色或蓝色,并呈水平分布。其中,标定板8设置于本实施例所示的植物群体一侧的大地上,并位于上述空间支护骨架内。
具体的,本实施例所示的标定板8的上端面水平布置,并设置呈蓝色,标定板8的下端面通过支撑柱与地面相连接,标定板8除其上端面的其它部位及支撑柱均可设置呈黑色。由此,在将标定板8放置于植物群体在当前环境中后,通过获取标定板8的标定板点云,基于该标定板点云,可实现对上述实施例所获取的场景点云进行方向矫正和比例矫正。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种植物群体三维表型原位获取方法,其特征在于,包括:
S1,获取植物群体在当前环境中的场景点云;
S2,对所述场景点云进行分割、去噪处理,获取植物群体点云,对所述植物群体点云进行欧式聚类,提取得到所述植物群体中各个植物的点云;
S3,计算获取植物群体及相应的各个植物的三维表型。
2.根据权利要求1所述的植物群体三维表型原位获取方法,其特征在于,S1还包括:在所述植物群体的当前环境中放置标定板,基于获取的所述标定板的标定板点云,对所述场景点云进行方向矫正和比例矫正,其中,基于所述标定板点云,计算所述标定板点云的平面法向量,基于所述平面法向量对所述场景点云的正方向进行矫正;同时,基于所述标定板点云获取所述标定板上表面的标定面积,基于所述标定面积与所述标定板上表面的实际面积之比,获取矫正比例尺,通过所述矫正比例尺对所述场景点云进行比例矫正。
3.根据权利要求1所述的植物群体三维表型原位获取方法,其特征在于,S1进一步包括:采集所述植物群体的多视角彩色图像,通过运动恢复结构算法结合多视角立体视觉算法,获取所述场景点云,所述场景点云中的各点均以空间坐标与三基色共同表征;
相应地,S2中对所述场景点云进行分割、去噪处理,进一步包括:将所述场景点云从RGB颜色空间转换至HSL颜色空间,提取基于所述HSL颜色空间中场景点云的各点的h分量值;
基于对所述植物群体预设的h分量值置信区间,将所述HSL颜色空间中的场景点云分割为所述植物群体点云与噪声点云,通过去噪处理,获取所述植物群体点云。
4.根据权利要求1至3任一所述的植物群体三维表型原位获取方法,其特征在于,S2还包括:基于对所述场景点云去噪处理所获取的噪声点云,对提取得到的各个植物的点云进行一次补偿矫正:
基于每个植物的点云,计算每个植物的第一凸包,提取所述第一凸包在竖直方向上的最低点,将所述最低点作为每个植物的基部点;
将所述基部点作为起点,沿竖直方向以第一预设半径向所述噪声点云建立包围盒,提取所述包围盒中的所述噪声点云,获取每个植物的补偿点云,将各个植物初始的点云及相应的补偿点云相融合,获取对各个植物一次补偿矫正后的点云。
5.根据权利要求4所述的植物群体三维表型原位获取方法,其特征在于,S2还包括:基于所述噪声点云,对各个植物一次补偿矫正后的点云进行二次补偿矫正:
基于各个植物一次补偿矫正后的点云,计算每个植物的第二凸包;
将所述第二凸包内的各点作为基点,以第二预设半径对所述噪声点云进行搜索,提取搜索点云,将各个植物一次补偿矫正后的点云与所述搜索点云相融合,获取对各个植物二次补偿矫正后的点云。
6.一种植物群体三维表型原位获取装置,其特征在于,包括:
支架组件,所述支架组件用于架设于植物群体的上侧;
场景点云采集装置,所述场景点云采集装置安装于所述支架组件上,用于采集所述植物群体在当前环境中的场景点云;
处理模块,所述处理模块通讯连接所述场景点云采集装置,并执行如权利要求1至5任一所述的植物群体三维表型原位获取方法,以计算获取植物群体及相应的各个植物的三维表型。
7.根据权利要求6所述的植物群体三维表型原位获取装置,其特征在于,所述场景点云采集装置包括:旋转机构,所述旋转机构以竖直轴向安装于所述支架组件上;
传感支架,所述传感支架连接所述旋转机构;
图像采集组件,所述图像采集组件安装于所述传感支架上,所述图像采集组件通讯连接所述处理模块。
8.根据权利要求7所述的植物群体三维表型原位获取装置,其特征在于,所述支架组件包括多个支撑臂,多个所述支撑臂的一端相连接,另一端用于连接大地,以在支护状态下围成空间支护骨架;
相应地,还包括:闭风膜,所述闭风膜呈透明状,并包覆于所述空间支护骨架的外侧。
9.根据权利要求8所述的植物群体三维表型原位获取装置,其特征在于,所述支撑臂包括:竖向支撑臂、侧向支撑臂及水平支撑臂,所述竖向支撑臂的一端与所述侧向支撑臂的一端可拆卸式连接,所述侧向支撑臂的另一端所述水平支撑臂的一端可拆卸式连接;
和/或,所述图像采集组件包括第一彩色相机、第二彩色相机和第三彩色相机,所述第一彩色相机的镜头用于竖直向下朝向所述植物群体布置,所述第二彩色相机的镜头用于倾斜向下朝向所述植物群体布置,所述第三彩色相机的镜头用于倾斜向上朝向所述植物群体布置。
10.根据权利要求6至9任一所述的植物群体三维表型原位获取装置,其特征在于,还包括:标定板,所述标定板用于放置于所述植物群体当前的环境中,所述标定板的上表面呈红色或蓝色,并呈水平分布。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010750715.4A CN112036407B (zh) | 2020-07-30 | 2020-07-30 | 一种植物群体三维表型原位获取方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010750715.4A CN112036407B (zh) | 2020-07-30 | 2020-07-30 | 一种植物群体三维表型原位获取方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112036407A true CN112036407A (zh) | 2020-12-04 |
CN112036407B CN112036407B (zh) | 2024-02-06 |
Family
ID=73583560
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010750715.4A Active CN112036407B (zh) | 2020-07-30 | 2020-07-30 | 一种植物群体三维表型原位获取方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112036407B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113822896A (zh) * | 2021-08-31 | 2021-12-21 | 北京市农林科学院信息技术研究中心 | 一种植物群体三维表型数据采集装置及方法 |
CN113920106A (zh) * | 2021-10-29 | 2022-01-11 | 吉林农业大学 | 一种基于rgb-d相机的玉米长势三维重构及茎粗测量方法 |
CN117315002A (zh) * | 2023-11-28 | 2023-12-29 | 浙江托普云农科技股份有限公司 | 待测物体三维表型测量方法、系统及装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106991722A (zh) * | 2017-03-01 | 2017-07-28 | 浙江大学 | 一种基于斜椭球域影响凸包的几何网格模型变形方法 |
CN107123163A (zh) * | 2017-04-25 | 2017-09-01 | 无锡中科智能农业发展有限责任公司 | 一种基于多视角立体视觉的植株三维重建系统 |
CN107392908A (zh) * | 2017-06-08 | 2017-11-24 | 北京农业信息技术研究中心 | 作物株高测量方法及系统、田间定标装置 |
CN108198230A (zh) * | 2018-02-05 | 2018-06-22 | 西北农林科技大学 | 一种基于散乱图像的作物果实三维点云提取系统 |
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 |
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 |
CN109584292A (zh) * | 2018-11-14 | 2019-04-05 | 南京农业大学 | 一种基于Kinect自主标定的果树三维形态测量系统 |
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 |
CN109870118A (zh) * | 2018-11-07 | 2019-06-11 | 南京林业大学 | 一种面向绿色植物时序模型的点云采集方法 |
WO2019242174A1 (zh) * | 2018-06-21 | 2019-12-26 | 华南理工大学 | 基于激光雷达的建筑结构自动测量及3d模型生成方法 |
-
2020
- 2020-07-30 CN CN202010750715.4A patent/CN112036407B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106991722A (zh) * | 2017-03-01 | 2017-07-28 | 浙江大学 | 一种基于斜椭球域影响凸包的几何网格模型变形方法 |
CN107123163A (zh) * | 2017-04-25 | 2017-09-01 | 无锡中科智能农业发展有限责任公司 | 一种基于多视角立体视觉的植株三维重建系统 |
CN107392908A (zh) * | 2017-06-08 | 2017-11-24 | 北京农业信息技术研究中心 | 作物株高测量方法及系统、田间定标装置 |
CN108198230A (zh) * | 2018-02-05 | 2018-06-22 | 西北农林科技大学 | 一种基于散乱图像的作物果实三维点云提取系统 |
WO2019242174A1 (zh) * | 2018-06-21 | 2019-12-26 | 华南理工大学 | 基于激光雷达的建筑结构自动测量及3d模型生成方法 |
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 |
CN109870118A (zh) * | 2018-11-07 | 2019-06-11 | 南京林业大学 | 一种面向绿色植物时序模型的点云采集方法 |
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 |
CN109584292A (zh) * | 2018-11-14 | 2019-04-05 | 南京农业大学 | 一种基于Kinect自主标定的果树三维形态测量系统 |
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 |
Non-Patent Citations (3)
Title |
---|
LU LOU,等: "Estimation of Branch Angle from 3D Point Cloud of Plants", 《2015 INTERNATIONAL CONFERENCE ON 3D VISION》, pages 554 - 561 * |
NANIK SUCIATI,等: "EXTENDED LOCAL SEARCH AND POLYGON GROUPING FOR 2D IRREGULAR STRIP PACKING PROBLEM", 《IEEE XPLORE》, pages 1 - 6 * |
温维亮,等: "玉米果穗点云分割方法研究", 《系统仿真学报》, vol. 29, no. 12, pages 3030 - 3036 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113822896A (zh) * | 2021-08-31 | 2021-12-21 | 北京市农林科学院信息技术研究中心 | 一种植物群体三维表型数据采集装置及方法 |
CN113822896B (zh) * | 2021-08-31 | 2024-04-23 | 北京市农林科学院信息技术研究中心 | 一种植物群体三维表型数据采集装置及方法 |
CN113920106A (zh) * | 2021-10-29 | 2022-01-11 | 吉林农业大学 | 一种基于rgb-d相机的玉米长势三维重构及茎粗测量方法 |
CN113920106B (zh) * | 2021-10-29 | 2024-05-10 | 吉林农业大学 | 一种基于rgb-d相机的玉米长势三维重构及茎粗测量方法 |
CN117315002A (zh) * | 2023-11-28 | 2023-12-29 | 浙江托普云农科技股份有限公司 | 待测物体三维表型测量方法、系统及装置 |
CN117315002B (zh) * | 2023-11-28 | 2024-01-26 | 浙江托普云农科技股份有限公司 | 待测物体三维表型测量方法、系统及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112036407B (zh) | 2024-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112036407B (zh) | 一种植物群体三维表型原位获取方法及装置 | |
Guo et al. | Crop 3D—a LiDAR based platform for 3D high-throughput crop phenotyping | |
CN109816680B (zh) | 一种农作物株高的高通量计算方法 | |
CN108765433A (zh) | 一种用于提高精度的多叶面积测量方法 | |
JP2012510276A (ja) | 植物の葉片の成長を測定するための方法およびそれに適した装置 | |
CN111693551B (zh) | 一种水稻植株及根系三维性状无损测量装置及方法 | |
CN112200854A (zh) | 一种基于视频图像的叶类蔬菜三维表型测量方法 | |
CN110610438B (zh) | 一种农作物冠层叶柄夹角计算方法及系统 | |
CN113920106B (zh) | 一种基于rgb-d相机的玉米长势三维重构及茎粗测量方法 | |
CN117593766B (zh) | 基于无人机拍摄图像处理的野生动物种群数量的调查方法 | |
Song et al. | Dynamic detection of three-dimensional crop phenotypes based on a consumer-grade RGB-D camera | |
Guo et al. | Panicle Ratio Network: streamlining rice panicle measurement by deep learning with ultra-high-definition aerial images in the field | |
CN211240747U (zh) | 大豆植株考种仪 | |
CN109827503B (zh) | 一种田间作物精准定位方法和装置 | |
CN113822896B (zh) | 一种植物群体三维表型数据采集装置及方法 | |
CN113514402B (zh) | 一种冬小麦叶绿素含量的预测系统及方法 | |
CN114049390A (zh) | 一种基于机器视觉的小麦麦苗种植密度测量装置及方法 | |
CN108834667A (zh) | 一种基于物联网的大棚系统 | |
CN115830474A (zh) | 一种识别野生藏药独一味及其分布并计算其产量的方法与系统 | |
CN113487636A (zh) | 基于激光雷达的宽垄作物株高及行间距自动提取方法 | |
CN110166669B (zh) | 一种作物节单位表观信息获取装置及方法 | |
CN116823916A (zh) | 一种基于yolov5x模型的水稻稻株高度测量方法 | |
CN214851530U (zh) | 一种适用于作物全生育期多视角图像自动采集系统 | |
CN117433449B (zh) | 一种基于根盒的植物地上部与地下部表型联合鉴定方法 | |
CN114663752B (zh) | 一种基于机器视觉的食用豆产量智能估计方法、系统 |
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 |