CN114814782B - 一种基于激光雷达的秸秆覆盖率实时检测方法及装置 - Google Patents
一种基于激光雷达的秸秆覆盖率实时检测方法及装置 Download PDFInfo
- Publication number
- CN114814782B CN114814782B CN202210499872.1A CN202210499872A CN114814782B CN 114814782 B CN114814782 B CN 114814782B CN 202210499872 A CN202210499872 A CN 202210499872A CN 114814782 B CN114814782 B CN 114814782B
- Authority
- CN
- China
- Prior art keywords
- straw
- point cloud
- dimensional
- cloud data
- laser radar
- 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
- 239000010902 straw Substances 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000011897 real-time detection Methods 0.000 title claims description 6
- 238000002310 reflectometry Methods 0.000 claims abstract description 22
- 238000004891 communication Methods 0.000 claims abstract description 20
- 238000001514 detection method Methods 0.000 claims abstract description 20
- 238000012544 monitoring process Methods 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 6
- 230000014509 gene expression Effects 0.000 claims description 3
- 239000002689 soil Substances 0.000 description 5
- 238000005286 illumination Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000001681 protective effect Effects 0.000 description 2
- 238000003971 tillage Methods 0.000 description 2
- 238000012952 Resampling Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000010899 nucleation Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004016 soil organic matter Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明涉及一种基于激光雷达的秸秆覆盖率实时检测方法及装置。方法包括:S1、无人机携带智能检测模块升空到一定高度;通过遥控器控制三轴防抖云台调整三维激光雷达的扫描角度,微型电脑通过通讯模块控制雷达驱动板驱动三维激光雷达扫描并获取地块的三维点云数据;S2、微型电脑将三维点云数据依次进行抽稀和去噪处理后,将三维极坐标系转化为地面坐标系,然后根据地面和秸秆对于激光的反射率不同将秸秆点标记出来,获得秸秆点云数据;S3、将秸秆点云数据按照x、y坐标生成二维点云,将二维点云按坐标位置分成N1个边长为b的正方形网格;将每个正方形网格逐个判定,获得满足阈值条件的秸秆覆盖的正方形网格数量N2;最后计算获得秸秆覆盖率。
Description
技术领域
本发明属于农业技术领域,具体涉及一种秸秆覆盖率实时检测的方法及装置。
背景技术
保护性耕作是对农田实行免耕、少耕,用作物秸秆覆盖地表的现代可持续农业的耕作技术。秸秆还田是保护性耕作的一项重要内容,能有效防止秸秆焚烧造成的空气污染等问题。但大量秸秆覆盖会影响到实际田间播种作业和出苗效果。此外,秸秆覆盖不均匀会导致腐熟速度不一致,进而影响土壤有机质积累。秸秆覆盖率的检测有利于田间管理,实现地表秸秆全覆盖。目前秸秆覆盖率的检测方法主要有人为检测法与图像法。人为检测法主要包括目估法,标定法、采样法,效率低且不准确,人工成本高。而运用图像法进行检测,易受光照、时节、秸秆与土壤色差等环境条件的影响,检测粗秸秆时易产生中空现象,并且对秸秆全覆盖和无秸秆覆盖识别能力较差。基于神经网络的图像检测方法,需要进行大量的样本进行计算,前期工作量大,不同地域需要重新取样,检测成本较高。
发明内容
针对上述技术问题,本发明的目的是提供一种基于激光雷达的秸秆覆盖率实时检测方法及装置,通过激光雷达获取田间秸秆覆盖的点云图,并将点云数据传输到微型计算机上,利用算法处理计算后能够实时、高效地获得秸秆覆盖率。
为了实现上述目的,本发明提供了如下技术方案:
一种基于激光雷达的秸秆覆盖率实时检测方法,包括如下步骤:
S1、无人机4携带智能检测模块1升空到一定高度;通过遥控器2控制三轴防抖云台1-7调整三维激光雷达1-8的扫描角度,微型电脑1-2通过通讯模块1-4控制雷达驱动板1-5驱动三维激光雷达1-8扫描并获取地块的三维点云数据;
S2、微型电脑1-2将步骤S1获取的三维点云数据依次进行抽稀和去噪处理后,将三维极坐标系转化为地面坐标系,然后根据地面和秸秆对于激光的反射率不同将秸秆点标记出来,获得秸秆点云数据;
S3、将步骤S2获得的秸秆点云数据按照x、y坐标生成二维点云,将二维点云按坐标位置分成N1个边长为b的正方形网格;将每个正方形网格逐个通过公式6判定,获得满足阈值条件的秸秆覆盖的正方形网格数量N2;最后通过公式7计算获得秸秆覆盖率Cov;
Ck>Y 公式6
式中,Ck表示第k个正方形网格中B=1的点的个数;Y表示判定该网格是否为秸秆覆盖网格的阈值。
所述步骤S2中,抽稀处理的具体过程如下:
采用平均体素抽稀法对步骤S1获得的三维点云数据进行抽稀处理;首先利用三维点云数据生成三维点云,然后设置一个抽稀系数a,再将三维点云划分为边长为a的正立方体体素,提取每个正立方体体素极坐标和反射率的平均值来代替每个正立方体体素包含的点云,最后将各正立方体体素极坐标和反射率的平均值输出得到抽稀后的三维点云数据;
其中,抽稀系数a的单位为毫米,抽稀系数a越大,则秸秆覆盖率计算的速度越快,但准确度会降低。
所述步骤S2中,去噪处理为去除抽稀后的三维点云数据中通过公式1判定的噪声点;
式中,n表示所取领域点的个数;di表示第i个点距离n个领域点中心位置的距离,单位为毫米(mm);表示n个领域点的平均距离,单位为毫米(mm);σn表示n个领域点的标准差,通过公式2获得;T表示判定是否为噪声点所规定的阈值。
所述步骤S2中,三维极坐标系转化为地面坐标系具体过程如下:
x=Lcosαcosβ 公式3
y=L cosαsinβ 公式4
式中x和y分别为点云数据在与地面平行平面投影的二维直角坐标系下的横、纵坐标;L、α和β分别为抽稀后三维点云数据极坐标系下的坐标,其中L是距离,单位为毫米;α和β分别为垂直角和水平角,单位均为度。
所述步骤S2中,坐标变换后点云数据每个点都有七个特征属性值,即L、α、β、x、y、A和B,其中A为反射率,单位为100%,B为点的标识数,默认值为0;
将坐标变换后点云数据中每个点的L、α、β、A分别代入公式5中,若公式5成立,则判定该点为秸秆点,并记B=1;
|Aj-F1(Lj,αj,βj)|-|Aj-F2(Lj,αj,βj)|<0 公式5
式中,Aj、Lj、αj和βj分别表示第j个点的A、L、α和β,其中Aj、Lj、αj和βj的单位分别与A、L、α和β相同;F1(L,α,β)和F2(L,α,β)分别表示微型电脑1-2存储数据库中秸秆反射率和地面反射率在不同L、α、β下的函数表达式,单位与Aj相同。
一种应用所述的方法的基于激光雷达的秸秆覆盖率实时检测装置,包括远程监测控制装置和作为单体连接在无人机4上的智能检测模块1。
所述智能检测模块1包括集成箱1-1、微型电脑1-2、外接天线1-3、通讯模块1-4、雷达驱动板1-5、电源模块1-6、三轴防抖云台1-7和三维激光雷达1-8。
所述集成箱1-1包括抽拉式拖拉机安装板1-1-1、箱体1-1-2、抽拉式无人机安装杆1-1-3、上盖板1-1-4、下盖板1-1-5、上伸缩架1-1-6和下伸缩架1-1-7。
两对抽拉式无人机安装杆1-1-3通过上伸缩架1-1-6左右对称且可伸缩地安装在箱体1-1-2的上方;两个抽拉式拖拉机安装板1-1-1通过下伸缩架1-1-7左右对称且可伸缩地安装在箱体1-1-2的下方;所述上伸缩架1-1-6和下伸缩架1-1-7均通过轴承与箱体1-1-2连接;所述上伸缩架1-1-6和下伸缩架1-1-7的外侧分别设有通过螺栓与箱体1-1-2固接的上盖板1-1-4和下盖板1-1-5。
所述微型电脑1-2、通讯模块1-4、雷达驱动板1-5和电源模块1-6通过螺栓可拆卸地安装在箱体1-1-2内部,所述外接天线1-3安装在箱体1-1-2上并通过数据接口与微型电脑1-2连接,并与远程监测控制装置无线通讯连接;所述三维激光雷达1-8通过三轴防抖云台1-7安装在箱体1-1-2上;所述电源模块1-6通过螺栓可拆卸地安装在箱体1-1-2内部,用于对微型电脑1-2、三轴防抖云台1-7和三维激光雷达1-8供电。所述微型电脑1-2通过通讯模块1-4与雷达驱动板1-5通讯连接;所述雷达驱动板1-5与三维激光雷达1-8连接,用于驱动三维激光雷达1-8扫描获取秸秆的点云数据;微型电脑1-2基于三维激光雷达1-8获取的秸秆点云数据进行算法处理,得到秸秆覆盖率数据。
所述微型电脑1-2包括外接拖拉机连接口1-2-1和外接无人机连接口1-2-2;所述外接拖拉机连接口1-2-1通过数据线与拖拉机连接;所述外接无人机连接口1-2-2通过数据线与无人机4连接。
所述远程监测控制装置包括遥控器2和显示设备3;所述遥控器2用于控制所述三轴防抖云台1-7并调整三维激光雷达1-8的扫描角度;所述显示设备3用于接收微型电脑1-2获取的秸秆点云数据并实时显示秸秆覆盖情况,同时显示各地块的秸秆覆盖率数据。
与现有技术相比,本发明的有益效果在于:
本发明通过激光雷达获取田间秸秆覆盖的点云图,并将点云数据传输到微型计算机上,利用算法处理计算后能够实时、高效地获得秸秆覆盖率;本发明利用激光主动探测,不依赖于外部光照条件,日夜均可工作;基于激光反射率区分土壤与秸秆,当土壤与秸秆颜色相近时,仍能有效分辨;本发明基于激光反射率区分土壤与秸秆,解决了现有图像法检测易受强光照影响、粗秸秆易产生中空现象、对秸秆全覆盖和无秸秆覆盖识别能力较差等问题。
附图说明
图1为本发明的智能检测模块1的立体结构示意图;
图2为本发明的集成箱1-1的立体结构示意图;
图3为本发明的集成箱1-1拆分上盖板1-1-4的立体结构示意图;
图4为本发明的集成箱1-1拆分下盖板1-1-5的立体结构示意图;
图5为本发明的微型电脑1-2的立体结构示意图;
图6为本发明应用到无人机4的总体立体结构示意图;
图7为本发明根据点云数据处理获得秸秆覆盖率流程图。
其中的附图标记为:
1智能检测模块
1-1集成箱
1-1-1抽拉式拖拉机安装板 1-1-2箱体
1-1-3抽拉式无人机安装杆 1-1-4上盖板
1-1-5下盖板 1-1-6上伸缩架
1-1-7下伸缩架
1-2微型电脑
1-2-1外接拖拉机连接口 1-2-2外接无人机连接口
1-3外接天线 1-4通讯模块
1-5雷达驱动板 1-6电源模块
1-7三轴防抖云台 1-8三维激光雷达
2遥控器 3显示设备
4无人机
具体实施方式
下面结合附图和实施例对本发明进行进一步说明。
如图6所示,一种基于激光雷达的秸秆覆盖率实时检测装置,包括远程监测控制装置和作为单体连接在无人机4上的智能检测模块1。
如图1所示,所述智能检测模块1包括集成箱1-1、微型电脑1-2、外接天线1-3、通讯模块1-4、雷达驱动板1-5、电源模块1-6、三轴防抖云台1-7和三维激光雷达1-8。
如图2、图3和图4所示,所述集成箱1-1包括抽拉式拖拉机安装板1-1-1、箱体1-1-2、抽拉式无人机安装杆1-1-3、上盖板1-1-4、下盖板1-1-5、上伸缩架1-1-6和下伸缩架1-1-7。
两对抽拉式无人机安装杆1-1-3通过上伸缩架1-1-6左右对称且可伸缩地安装在箱体1-1-2的上方;两个抽拉式拖拉机安装板1-1-1通过下伸缩架1-1-7左右对称且可伸缩地安装在箱体1-1-2的下方;所述上伸缩架1-1-6和下伸缩架1-1-7均通过轴承与箱体1-1-2连接;所述上伸缩架1-1-6和下伸缩架1-1-7的外侧分别设有通过螺栓与箱体1-1-2固接的上盖板1-1-4和下盖板1-1-5。
所述微型电脑1-2、通讯模块1-4、雷达驱动板1-5和电源模块1-6通过螺栓可拆卸地安装在箱体1-1-2内部,所述外接天线1-3安装在箱体1-1-2上并通过数据接口与微型电脑1-2连接,并与远程监测控制装置无线通讯连接;所述三维激光雷达1-8通过三轴防抖云台1-7安装在箱体1-1-2上;所述电源模块1-6通过螺栓可拆卸地安装在箱体1-1-2内部,用于对微型电脑1-2、三轴防抖云台1-7和三维激光雷达1-8供电。所述微型电脑1-2通过通讯模块1-4与雷达驱动板1-5通讯连接;所述雷达驱动板1-5与三维激光雷达1-8连接,用于驱动三维激光雷达1-8扫描获取秸秆的点云数据;微型电脑1-2基于三维激光雷达1-8获取的秸秆点云数据进行算法处理,得到秸秆覆盖率数据。
如图5所示,微型电脑1-2包括外接拖拉机连接口1-2-1和外接无人机连接口1-2-2。所述外接拖拉机连接口1-2-1通过数据线与拖拉机连接。所述外接无人机连接口1-2-2通过数据线与无人机4连接。
如图6所示,所述远程监测控制装置包括遥控器2和显示设备3。
所述遥控器2用于控制所述三轴防抖云台1-7并调整三维激光雷达1-8的扫描角度。所述显示设备3用于接收微型电脑1-2获取的秸秆点云数据并实时显示秸秆覆盖情况,同时显示各地块的秸秆覆盖率数据。
如图7所示,一种基于激光雷达的秸秆覆盖率实时检测方法,包括如下步骤:
S1、无人机4携带智能检测模块1升空到合适高度;通过遥控器2控制三轴防抖云台1-7调整三维激光雷达1-8的扫描角度,微型电脑1-2通过通讯模块1-4控制雷达驱动板1-5驱动三维激光雷达1-8扫描并获取地块的三维点云数据;
S2、微型电脑1-2将步骤S1获取的三维点云数据依次进行抽稀和去噪处理后,将三维极坐标系转化为地面坐标系,然后根据地面和秸秆对于激光的反射率不同将秸秆点标记出来,获得秸秆点云数据;
S2.1、所述抽稀处理的具体过程如下:
采用平均体素抽稀法对步骤S1获得的三维点云数据进行抽稀处理;首先利用三维点云数据生成三维点云,然后设置一个抽稀系数a,再将三维点云划分为边长为a的正立方体体素,提取每个正立方体体素极坐标和反射率的平均值来代替每个正立方体体素包含的点云,最后将各正立方体体素极坐标和反射率的平均值输出得到抽稀后的三维点云数据;
其中,抽稀系数a的单位为毫米(mm),抽稀系数a越大,则秸秆覆盖率计算的速度越快,但准确度会降低。
S2.2、所述去噪处理为去除抽稀后的三维点云数据中通过公式1判定的噪声点;
式中,n表示所取领域点的个数;di表示第i个点距离n个领域点中心位置的距离,单位为毫米(mm);表示n个领域点的平均距离,单位为毫米(mm);σn表示n个领域点的标准差,通过公式2获得;T表示判定是否为噪声点所规定的阈值;
S2.3、所述三维极坐标系转化为地面坐标系具体过程如下:
x=Lcosαcosβ 公式3
y=L cosαsinβ 公式4
式中x和y分别为点云数据在与地面平行平面投影的二维直角坐标系下的横、纵坐标;L、α和β分别为抽稀后三维点云数据极坐标系下的坐标,其中L是距离,单位为毫米(mm);α和β分别为垂直角和水平角,单位均为度(°)。
S2.4、由于地面和秸秆对激光的反射率不同,将点云数据点分为地面点和秸秆点,并标记秸秆点,获得秸秆点云数据。
坐标变换后点云数据每个点都有七个特征属性值,即L、α、β、x、y、A和B,其中A为反射率,单位为100%,B为点的标识数,默认值为0;
将坐标变换后点云数据中每个点的L、α、β、A分别代入公式5中,若公式5成立,则判定该点为秸秆点,并记B=1;
|Aj-F1(Lj,αj,βj)|-|Aj-F2(Lj,αj,βj)|<0 公式5
式中,Aj、Lj、αj和βj分别表示第j个点的A、L、α和β,其中Aj、Lj、αj和βj的单位分别与A、L、α和β相同;F1(L,α,β)和F2(L,α,β)分别表示微型电脑1-2存储数据库中秸秆反射率和地面反射率在不同L、α、β下的函数表达式,单位与Aj相同;
S3、将步骤S2获得的秸秆点云数据按照x、y坐标生成二维点云,将二维点云按坐标位置分成N1个边长为b的正方形网格;将每个正方形网格逐个通过公式6判定,获得满足阈值条件的秸秆覆盖的正方形网格数量N2;最后通过公式7计算获得秸秆覆盖率Cov;
Ck>Y 公式6
式中,Ck表示第k个正方形网格中B=1的点的个数;Y表示判定该网格是否为秸秆覆盖网格的阈值。
Claims (6)
1.一种基于激光雷达的秸秆覆盖率实时检测方法,其特征在于,所述方法包括如下步骤:
S1、无人机(4)携带智能检测模块(1)升空到一定高度;通过遥控器(2)控制三轴防抖云台(1-7)调整三维激光雷达(1-8)的扫描角度,微型电脑(1-2)通过通讯模块(1-4)控制雷达驱动板(1-5)驱动三维激光雷达(1-8)扫描并获取地块的三维点云数据;
S2、微型电脑(1-2)将步骤S1获取的三维点云数据依次进行抽稀和去噪处理后,将三维极坐标系转化为地面坐标系,然后根据地面和秸秆对于激光的反射率不同将秸秆点标记出来,获得秸秆点云数据;
三维极坐标系转化为地面坐标系具体过程如下:
x=L cosαcosβ 公式3
y=L cosαsinβ 公式4
式中x和y分别为点云数据在与地面平行平面投影的二维直角坐标系下的横、纵坐标;L、α和β分别为抽稀后三维点云数据极坐标系下的坐标,其中L是距离,单位为毫米;α和β分别为垂直角和水平角,单位均为度;
坐标变换后点云数据每个点都有七个特征属性值,即L、α、β、x、y、A和B,其中A为反射率,单位为100%,B为点的标识数,默认值为0;
将坐标变换后点云数据中每个点的L、α、β、A分别代入公式5中,若公式5成立,则判定该点为秸秆点,并记B=1;
|Aj-F1(Lj,αj,βj)|-|Aj-F2(Lj,αj,βj)|<0 公式5
式中,Aj、Lj、αj和βj分别表示第j个点的A、L、α和β,其中Aj、Lj、αj和βj的单位分别与A、L、α和β相同;F1(L,α,β)和F2(L,α,β)分别表示微型电脑(1-2)存储数据库中秸秆反射率和地面反射率在不同L、α、β下的函数表达式,单位与Aj相同;
S3、将步骤S2获得的秸秆点云数据按照x、y坐标生成二维点云,将二维点云按坐标位置分成N1个边长为b的正方形网格;将每个正方形网格逐个通过公式6判定,获得满足阈值条件的秸秆覆盖的正方形网格数量N2;最后通过公式7计算获得秸秆覆盖率Cov;
Ck>Y 公式6
式中,Ck表示第k个正方形网格中B=1的点的个数;Y表示判定该网格是否为秸秆覆盖网格的阈值。
2.根据权利要求1所述的方法,其特征在于,所述步骤S2中,抽稀处理的具体过程如下:
采用平均体素抽稀法对步骤S1获得的三维点云数据进行抽稀处理;首先利用三维点云数据生成三维点云,然后设置一个抽稀系数a,再将三维点云划分为边长为a的正立方体体素,提取每个正立方体体素极坐标和反射率的平均值来代替每个正立方体体素包含的点云,最后将各正立方体体素极坐标和反射率的平均值输出得到抽稀后的三维点云数据;
其中,抽稀系数a的单位为毫米,抽稀系数a越大,则秸秆覆盖率计算的速度越快,但准确度会降低。
3.根据权利要求1所述的方法,其特征在于,所述步骤S2中,去噪处理为去除抽稀后的三维点云数据中通过公式1判定的噪声点;
式中,n表示所取领域点的个数;di表示第i个点距离n个领域点中心位置的距离,单位为毫米;表示n个领域点的平均距离,单位为毫米;σn表示n个领域点的标准差,通过公式2获得;T表示判定是否为噪声点所规定的阈值。
4.一种应用权利要求1-3任一项所述的方法的基于激光雷达的秸秆覆盖率实时检测装置,其特征在于,所述装置包括远程监测控制装置和作为单体连接在无人机(4)上的智能检测模块(1);
所述智能检测模块(1)包括集成箱(1-1)、微型电脑(1-2)、外接天线(1-3)、通讯模块(1-4)、雷达驱动板(1-5)、电源模块(1-6)、三轴防抖云台(1-7)和三维激光雷达(1-8);
所述集成箱(1-1)包括抽拉式拖拉机安装板(1-1-1)、箱体(1-1-2)、抽拉式无人机安装杆(1-1-3)、上盖板(1-1-4)、下盖板(1-1-5)、上伸缩架(1-1-6)和下伸缩架(1-1-7);
两对抽拉式无人机安装杆(1-1-3)通过上伸缩架(1-1-6)左右对称且可伸缩地安装在箱体(1-1-2)的上方;两个抽拉式拖拉机安装板(1-1-1)通过下伸缩架(1-1-7)左右对称且可伸缩地安装在箱体(1-1-2)的下方;所述上伸缩架(1-1-6)和下伸缩架(1-1-7)均通过轴承与箱体(1-1-2)连接;所述上伸缩架(1-1-6)和下伸缩架(1-1-7)的外侧分别设有与箱体(1-1-2)固接的上盖板(1-1-4)和下盖板(1-1-5);
所述微型电脑(1-2)、通讯模块(1-4)、雷达驱动板(1-5)和电源模块(1-6)可拆卸地安装在箱体(1-1-2)内部,所述外接天线(1-3)安装在箱体(1-1-2)上并通过数据接口与微型电脑(1-2)连接,并与远程监测控制装置无线通讯连接;所述三维激光雷达(1-8)通过三轴防抖云台(1-7)安装在箱体(1-1-2)上;所述电源模块(1-6)可拆卸地安装在箱体(1-1-2)内部,用于对微型电脑(1-2)、三轴防抖云台(1-7)和三维激光雷达(1-8)供电;所述微型电脑(1-2)通过通讯模块(1-4)与雷达驱动板(1-5)通讯连接;所述雷达驱动板(1-5)与三维激光雷达(1-8)连接,用于驱动三维激光雷达(1-8)扫描获取秸秆的点云数据;微型电脑(1-2)基于三维激光雷达(1-8)获取的秸秆点云数据进行算法处理,得到秸秆覆盖率数据。
5.根据权利要求4所述的装置,其特征在于,所述微型电脑(1-2)包括外接拖拉机连接口(1-2-1)和外接无人机连接口(1-2-2);所述外接拖拉机连接口(1-2-1)通过数据线与拖拉机连接;所述外接无人机连接口(1-2-2)通过数据线与无人机(4)连接。
6.根据权利要求4所述的装置,其特征在于,所述远程监测控制装置包括遥控器(2)和显示设备(3);所述遥控器(2)用于控制所述三轴防抖云台(1-7)并调整三维激光雷达(1-8)的扫描角度;所述显示设备(3)用于接收微型电脑(1-2)获取的秸秆点云数据并实时显示秸秆覆盖情况,同时显示各地块的秸秆覆盖率数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210499872.1A CN114814782B (zh) | 2022-05-06 | 2022-05-06 | 一种基于激光雷达的秸秆覆盖率实时检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210499872.1A CN114814782B (zh) | 2022-05-06 | 2022-05-06 | 一种基于激光雷达的秸秆覆盖率实时检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114814782A CN114814782A (zh) | 2022-07-29 |
CN114814782B true CN114814782B (zh) | 2024-05-24 |
Family
ID=82512627
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210499872.1A Active CN114814782B (zh) | 2022-05-06 | 2022-05-06 | 一种基于激光雷达的秸秆覆盖率实时检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114814782B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104331686A (zh) * | 2014-10-28 | 2015-02-04 | 中国农业大学 | 一种土壤地表秸秆覆盖率人工辅助识别系统 |
KR20170016060A (ko) * | 2015-08-03 | 2017-02-13 | 가톨릭관동대학교산학협력단 | 데이터 마이닝 기법을 이용한 지상 라이다 데이터의 필터링 및 현황선 추출 방법과 그 장치 |
CN109872329A (zh) * | 2019-01-28 | 2019-06-11 | 重庆邮电大学 | 一种基于三维激光雷达的地面点云快速分割方法 |
CN112711989A (zh) * | 2020-12-15 | 2021-04-27 | 中国农业大学 | 基于雷达遥感与光学遥感的玉米秸秆覆盖度估算方法 |
CN112861766A (zh) * | 2021-02-26 | 2021-05-28 | 北京农业信息技术研究中心 | 农田玉米秸秆卫星遥感提取方法及装置 |
CN114419442A (zh) * | 2022-01-21 | 2022-04-29 | 中国农业大学 | 不受外界光源干扰的地表秸秆覆盖率快速检测方法及装置 |
-
2022
- 2022-05-06 CN CN202210499872.1A patent/CN114814782B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104331686A (zh) * | 2014-10-28 | 2015-02-04 | 中国农业大学 | 一种土壤地表秸秆覆盖率人工辅助识别系统 |
KR20170016060A (ko) * | 2015-08-03 | 2017-02-13 | 가톨릭관동대학교산학협력단 | 데이터 마이닝 기법을 이용한 지상 라이다 데이터의 필터링 및 현황선 추출 방법과 그 장치 |
CN109872329A (zh) * | 2019-01-28 | 2019-06-11 | 重庆邮电大学 | 一种基于三维激光雷达的地面点云快速分割方法 |
CN112711989A (zh) * | 2020-12-15 | 2021-04-27 | 中国农业大学 | 基于雷达遥感与光学遥感的玉米秸秆覆盖度估算方法 |
CN112861766A (zh) * | 2021-02-26 | 2021-05-28 | 北京农业信息技术研究中心 | 农田玉米秸秆卫星遥感提取方法及装置 |
CN114419442A (zh) * | 2022-01-21 | 2022-04-29 | 中国农业大学 | 不受外界光源干扰的地表秸秆覆盖率快速检测方法及装置 |
Non-Patent Citations (1)
Title |
---|
基于人工神经网络的田间秸秆覆盖率检测系统;李洪文;李慧;何进;李世卫;;农业机械学报;20090625;40(06);58-62 * |
Also Published As
Publication number | Publication date |
---|---|
CN114814782A (zh) | 2022-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107860366B (zh) | 一种移动式温室作物信息测量与诊断系统 | |
CN106774296A (zh) | 一种基于激光雷达和ccd摄像机信息融合的障碍检测方法 | |
CN109141248A (zh) | 基于图像的猪体重测算方法及系统 | |
CN112418188A (zh) | 基于无人机视觉的农作物生长全程数字化评估方法 | |
CN108489432B (zh) | 一种喷杆相对作物冠层高度实时测量系统及方法 | |
CN107390699B (zh) | 一种甘蔗种植机的路线规划系统及其路线规划方法 | |
CN103699095A (zh) | 基于双目立体视觉的大棚作物生长态势监测系统及方法 | |
CN109380146B (zh) | 生猪自动测量装置和方法 | |
CN105551032A (zh) | 一种基于视觉伺服的杆塔图像采集系统及其方法 | |
CN112702565A (zh) | 一种田间植物表型信息采集系统及方法 | |
CN106940734A (zh) | 一种迁飞昆虫空中监测识别方法及装置 | |
CN106708075A (zh) | 基于固定翼无人机的大范围油菜田spad值遥感系统及采集方法 | |
CN113985438A (zh) | 一种植物三维模型重建系统及方法 | |
CN107256034B (zh) | 一种基于无人机的变配电室多点环境数据采集系统 | |
CN114814782B (zh) | 一种基于激光雷达的秸秆覆盖率实时检测方法及装置 | |
CN108196538A (zh) | 基于三维点云模型的田间农业机器人自主导航系统及方法 | |
CN109883323B (zh) | 一种田间作物表型参数的测量装置及方法 | |
CN114415695A (zh) | 一种基于视觉技术和巡检机器人的茶园巡检系统 | |
CN109827503B (zh) | 一种田间作物精准定位方法和装置 | |
CN113706512A (zh) | 一种基于深度学习和深度相机的生猪体重测量方法 | |
CN117021059A (zh) | 采摘机器人及其果实定位方法、装置、电子设备及介质 | |
CN112560751A (zh) | 一种阳台高空坠物风险检测方法及系统 | |
Fan et al. | A high-throughput phenotyping robot for measuring stalk diameters of maize crops | |
CN117115769A (zh) | 一种基于语义分割网络的植株检测与定位方法 | |
CN207008404U (zh) | 一种基于机器视觉的自走餐车识别定位系统 |
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 |