發(fā)布時(shí)間：2020-11-20 22:30

　　 我國(guó)作為農(nóng)業(yè)大國(guó),隨著人口的增加及耕地面積的減少,保障作物產(chǎn)量及品質(zhì)越來(lái)越重要。作物表型指作物表現(xiàn)出來(lái)的性狀特征,測(cè)量作物表型是監(jiān)測(cè)作物生長(zhǎng)狀態(tài)的基礎(chǔ),進(jìn)而確保作物產(chǎn)量及品質(zhì)。傳統(tǒng)表型參量測(cè)量方法如人工測(cè)量及利用傳感器接觸性測(cè)量存在主觀性強(qiáng)、重復(fù)性低及對(duì)作物有損等缺點(diǎn)。而基于圖像處理技術(shù)對(duì)作物進(jìn)行三維信息恢復(fù)并測(cè)量其表型參量不僅具有無(wú)損性和可重復(fù)性的優(yōu)點(diǎn),而且測(cè)量結(jié)果更為準(zhǔn)確。本文針對(duì)作物表型精準(zhǔn)測(cè)量研究目的,同時(shí)綜合考慮成本性及實(shí)用性,基于圖像處理技術(shù)開(kāi)發(fā)了一套無(wú)損精準(zhǔn)測(cè)量作物表型參量的測(cè)量系統(tǒng),用于在作物生長(zhǎng)期間監(jiān)測(cè)其生長(zhǎng)狀態(tài)。文中以常見(jiàn)作物中的辣椒為實(shí)驗(yàn)對(duì)象,利用雙目立體視覺(jué)模型采集作物圖像,結(jié)合相機(jī)標(biāo)定、圖像對(duì)立體匹配、視差圖優(yōu)化、作物分割幾方面的方案設(shè)計(jì),通過(guò)恢復(fù)作物的三維空間信息實(shí)現(xiàn)對(duì)其表型參量的測(cè)量。主要研究?jī)?nèi)容如下:對(duì)目標(biāo)視野大小與測(cè)量精度要求等條件綜合考慮進(jìn)行了相機(jī)與鏡頭的選型后,搭建雙目立體視覺(jué)系統(tǒng)進(jìn)行圖像采集。對(duì)空間到圖像坐標(biāo)系的轉(zhuǎn)換進(jìn)行了推導(dǎo),并對(duì)多種相機(jī)標(biāo)定法分析其優(yōu)缺點(diǎn)后選擇張正友標(biāo)定法進(jìn)行相機(jī)標(biāo)定,標(biāo)定結(jié)果誤差小于0.1像素,最后對(duì)造成誤差的原因進(jìn)行了分析。針對(duì)SAD(Sum of Absolute Differences)算法在簡(jiǎn)單紋理處匹配效果差與Census變換算法整體匹配精度不高的問(wèn)題,采用二者結(jié)合作為匹配代價(jià)進(jìn)行立體匹配,并結(jié)合左右一致性檢測(cè)、中值濾波、視差填補(bǔ)方法實(shí)現(xiàn)視差圖的進(jìn)一步優(yōu)化,匹配結(jié)果滿足后續(xù)研究需要。針對(duì)作物整體的分割,利用歸一化的顏色分量計(jì)算顏色因子進(jìn)行灰度化后結(jié)合固定閾值分割與小面積連通域刪除實(shí)現(xiàn),實(shí)驗(yàn)結(jié)果表明該方法能將作物從復(fù)雜背景下完整分割出,且分割結(jié)果受光照影響較小。針對(duì)單株作物的分割,提出對(duì)視差圖進(jìn)行閾值分割,以實(shí)現(xiàn)待測(cè)作物與其他作物的分割,實(shí)驗(yàn)結(jié)果表明當(dāng)前后作物之間具有一定距離的情況下可以完整的將前方待測(cè)量作物從多株作物中分割出來(lái)。該方法為在現(xiàn)場(chǎng)實(shí)際應(yīng)用中針對(duì)單株作物的表型參量測(cè)量提供了解決思路。通過(guò)推導(dǎo)出的三維坐標(biāo)計(jì)算公式得到作物點(diǎn)云圖,驗(yàn)證了該方法對(duì)二維到三維轉(zhuǎn)換的可靠性。設(shè)計(jì)了作物表型參量提取與測(cè)量方法:株高株寬選取作物關(guān)鍵點(diǎn)之間的距離進(jìn)行計(jì)算,莖夾角通過(guò)形態(tài)學(xué)運(yùn)算將作物的莖提取出來(lái)并細(xì)化得到其骨架,對(duì)骨架像素的三維坐標(biāo)直線擬合進(jìn)行計(jì)算。測(cè)量結(jié)果與人工測(cè)量結(jié)果相比,三者的測(cè)量誤差均在2%以內(nèi)。最后通過(guò)對(duì)不同測(cè)量距離、不同拍攝角度的同株作物以及不同生長(zhǎng)環(huán)境的多株作物進(jìn)行表型參量測(cè)量實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明該測(cè)量系統(tǒng)的測(cè)量結(jié)果準(zhǔn)確,且可以較好地實(shí)現(xiàn)在作物生長(zhǎng)期間對(duì)其生長(zhǎng)狀態(tài)進(jìn)行跟蹤性監(jiān)測(cè)功能。之后對(duì)系統(tǒng)的搭建及測(cè)量效率進(jìn)行分析。本系統(tǒng)實(shí)現(xiàn)了作物表型參量的無(wú)損自動(dòng)精確測(cè)量與生長(zhǎng)狀態(tài)監(jiān)測(cè)功能,其中多株作物的分割功能為實(shí)際應(yīng)用中的待測(cè)作物分割提供了解決思路。同時(shí)系統(tǒng)中的三維測(cè)量功能也對(duì)其他種類作物是通用的,表型參量提取方法也為具有相似結(jié)構(gòu)作物的表型測(cè)量提供了借鑒價(jià)值。
【學(xué)位單位】：西安理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2020
【中圖分類】：TP391.41;S126
【部分圖文】：

1緒論5圖1-1技術(shù)路線框圖Fig.1-1Technicalroutediagram首先經(jīng)過(guò)相機(jī)與鏡頭的選型后搭建雙目立體視覺(jué)系統(tǒng)，左右相機(jī)分別采集作物圖像。隨后采用張正友標(biāo)定法進(jìn)行相機(jī)標(biāo)定，以得到相機(jī)的內(nèi)部參數(shù)與兩相機(jī)之間的位置旋轉(zhuǎn)平移位置關(guān)系。為提高測(cè)量效率，在匹配前對(duì)待匹配圖進(jìn)行掩模處理，只匹配作物存在的區(qū)域，減少運(yùn)算量。分析不同基元的匹配算法適用的場(chǎng)景，選擇區(qū)域立體匹配算法。通過(guò)實(shí)驗(yàn)分析不同局部匹配代價(jià)的優(yōu)缺點(diǎn)后，采用多種算法結(jié)合作為匹配代價(jià)，得到致密視差圖。同時(shí)基于顏色分量組合的方法進(jìn)行作物整體分割，并根據(jù)視差分割出最前方的單株作物。通過(guò)提取作物關(guān)鍵點(diǎn)進(jìn)行表型參量的提取與測(cè)量，并選取標(biāo)準(zhǔn)形狀物體與多株作物對(duì)本測(cè)量方法的可靠性及測(cè)量準(zhǔn)確性進(jìn)行驗(yàn)證。最后通過(guò)對(duì)不同生長(zhǎng)環(huán)境下多株作物的表型參量進(jìn)行連續(xù)性測(cè)量以期實(shí)現(xiàn)生長(zhǎng)監(jiān)測(cè)的目的。1.4論文研究?jī)?nèi)容及章節(jié)結(jié)構(gòu)安排本文主要的研究?jī)?nèi)容為基于圖像處理技術(shù)實(shí)現(xiàn)對(duì)作物的表型參量進(jìn)行測(cè)量，進(jìn)而對(duì)作物生長(zhǎng)狀態(tài)進(jìn)行監(jiān)測(cè)，保障作物最終產(chǎn)量與品質(zhì)。以常見(jiàn)作物中的辣椒為實(shí)驗(yàn)對(duì)象，根據(jù)場(chǎng)景需求的分析，選擇合適性能的相機(jī)與鏡頭，搭建雙目立體視覺(jué)系統(tǒng)。通過(guò)作物圖像采集、單雙目相機(jī)標(biāo)定、作物圖像對(duì)立體匹配、目標(biāo)作物分割、表型參量提取與三維測(cè)量六個(gè)方面結(jié)合達(dá)到研究目的，最后進(jìn)行多樣本實(shí)驗(yàn)以驗(yàn)證其測(cè)量結(jié)果的準(zhǔn)確性及可靠性，并對(duì)不同生長(zhǎng)環(huán)境下的多株作物表型進(jìn)行跟蹤測(cè)量，達(dá)到作物生長(zhǎng)狀態(tài)監(jiān)測(cè)的目的。根據(jù)主要研究?jī)?nèi)容，本文的章節(jié)安排如下：第一章是緒論。分別介紹研究背景和研究作物表型參量測(cè)量的意義，隨后闡述國(guó)內(nèi)外針對(duì)表型測(cè)量相關(guān)研究的發(fā)展現(xiàn)狀。之后針對(duì)作物表型測(cè)量這個(gè)研究目的給出研究思路與技術(shù)路線，最后對(duì)研究?jī)?nèi)容進(jìn)行介紹，同時(shí)說(shuō)明

2作物圖像采集系統(tǒng)搭建及相機(jī)標(biāo)定72作物圖像采集系統(tǒng)搭建及相機(jī)標(biāo)定圖像的采集是圖像處理的基礎(chǔ)，本文通過(guò)搭建雙目立體視覺(jué)系統(tǒng)采集作物圖像。根據(jù)不同的場(chǎng)景與需求，相機(jī)鏡頭的選型也不同，滿足一定場(chǎng)景需要的同時(shí)也應(yīng)避免性能的冗余。此外，雙目立體視覺(jué)系統(tǒng)是根據(jù)兩臺(tái)相機(jī)之間的相對(duì)位姿來(lái)進(jìn)行二維圖像與三維空間之間的轉(zhuǎn)換。為實(shí)現(xiàn)這一目的不僅要依據(jù)成像模型對(duì)坐標(biāo)系之間的轉(zhuǎn)換進(jìn)行推導(dǎo)，同時(shí)也要得到相機(jī)的內(nèi)部參數(shù)與兩臺(tái)相機(jī)之間的外部參數(shù)，這一步驟即為相機(jī)的標(biāo)定。本章將從設(shè)備選型、系統(tǒng)搭建、成像模型與坐標(biāo)轉(zhuǎn)換、相機(jī)標(biāo)定四個(gè)方面進(jìn)行論述，對(duì)搭建好的系統(tǒng)進(jìn)行標(biāo)定實(shí)驗(yàn)，最后對(duì)標(biāo)定結(jié)果及標(biāo)定誤差原因進(jìn)行分析，為后續(xù)的一系列實(shí)驗(yàn)研究打下基矗2.1雙目立體視覺(jué)系統(tǒng)設(shè)計(jì)本文采用的雙目立體視覺(jué)系統(tǒng)是通過(guò)兩臺(tái)相機(jī)同時(shí)拍攝同一目標(biāo)作物，根據(jù)某一空間點(diǎn)在采集到的兩幅圖中的視差計(jì)算出該空間點(diǎn)的三維信息，進(jìn)而實(shí)現(xiàn)整個(gè)作物的三維信息恢復(fù)。本文的雙目立體視覺(jué)系統(tǒng)包括兩臺(tái)參數(shù)相同的工業(yè)相機(jī)、兩個(gè)鏡頭、一個(gè)帶有標(biāo)尺的橫桿。為了采集到滿足研究需求的圖像，需要綜合考慮相機(jī)與鏡頭的選型、相機(jī)擺放位置、拍攝環(huán)境。2.1.1系統(tǒng)搭建雙目立體視覺(jué)模型由兩個(gè)相機(jī)光軸之間相對(duì)位置的不同而分為兩種模式：兩臺(tái)相機(jī)光軸平行的平行放置模式和光軸相交于一點(diǎn)的會(huì)聚式放置模式。為了后期計(jì)算方便，本文采用平行放置模式，目標(biāo)作物放置于相機(jī)正前方。整個(gè)系統(tǒng)包括性能指標(biāo)相同的相機(jī)、鏡頭、帶刻度橫桿、筆記本電腦。橫桿用于確保兩臺(tái)相機(jī)放置于同一水平線的同時(shí)還可調(diào)節(jié)基線距離，以適應(yīng)不同大小拍攝場(chǎng)景的需要。圖2-1為本文中搭建的系統(tǒng)實(shí)物圖。圖2-1雙目立體視覺(jué)系統(tǒng)實(shí)物圖Fig.2-1Binocularstereovisionsystem

西安理工大學(xué)碩士學(xué)位論文82.1.2相機(jī)選型根據(jù)實(shí)驗(yàn)?zāi)康男枰�，相機(jī)的選型需要考慮的主要性能有：（1）傳感器類型，即CMOS相機(jī)與CCD相機(jī)選擇。二者的工作原理不同，CMOS雖然成像效果距CCD有一定差距，但是具有成本低、功耗低效率高的優(yōu)點(diǎn)。（2）相機(jī)分辨率的選擇。相機(jī)的分辨率要根據(jù)拍攝精度要求與拍攝視野綜合來(lái)考慮。本文主要目的是測(cè)量作物的表型參量，為了確保測(cè)量精度與準(zhǔn)確度，選擇的相機(jī)分辨率不可過(guò)校（3）幀率的選擇。此參數(shù)為每秒鐘傳感器曝光次數(shù)，一般針對(duì)運(yùn)動(dòng)的目標(biāo)有較高的要求。本文中由于拍攝的目標(biāo)為靜止的作物，所以對(duì)此參數(shù)不給予太多考慮。在對(duì)本文研究目的的綜合考慮之下，本系統(tǒng)選用維視圖像的小尺寸以太網(wǎng)工業(yè)CMOS相機(jī)，型號(hào)為MV-EM，該相機(jī)具有體積孝功耗低的優(yōu)點(diǎn)，適用于本研究的戶外作業(yè)，同時(shí)具有圖像質(zhì)量清晰、低噪聲、色彩還原度好、性能穩(wěn)定等優(yōu)點(diǎn)。圖2-2為相機(jī)實(shí)物圖，表2-1為相機(jī)具體性能參數(shù)。圖2-2工業(yè)相機(jī)Fig.2-2IndustrialCamera表2-1工業(yè)相機(jī)性能參數(shù)表Tab.2-1Tableofindustrialcameraperformanceparameters性能名稱參數(shù)型號(hào)MV-EM500C傳感器CMOS分辨率2592×1944幀率15fps鏡頭接口C口光學(xué)尺寸1/2.5像元尺寸2.2μm×2.2μm采集方式GigE千兆以太網(wǎng)輸出由于選擇的相機(jī)為千兆網(wǎng)接口，而筆記本電腦只有一個(gè)網(wǎng)口，所以一個(gè)相機(jī)采用usb轉(zhuǎn)千兆網(wǎng)口轉(zhuǎn)換器進(jìn)行配置。2.1.3鏡頭選型根據(jù)實(shí)驗(yàn)?zāi)康牡男枰�，鏡頭的選取要考慮的主要性能有：（1）對(duì)應(yīng)最大CCD尺寸。該參數(shù)要大于或等于相機(jī)的靶面尺寸。（2）鏡頭接口。該參數(shù)一般有C、CS、F可供選擇，用于可以和相機(jī)正確連接。
【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 段濤;侯彤瑜;郭焱;楊宇虹;馬韞韜;徐照麗;;基于三維坐標(biāo)數(shù)據(jù)的煙草植株葉曲線擬合研究[J];中國(guó)煙草學(xué)報(bào);2015年06期

2 宗澤;郭彩玲;張雪;馬麗;劉剛;弋景剛;;基于深度相機(jī)的玉米株型參數(shù)提取方法研究[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2015年S1期

3 潘映紅;;論植物表型組和植物表型組學(xué)的概念與范疇[J];作物學(xué)報(bào);2015年02期

4 張新;趙燕東;鄭力嘉;Martin Kraft;;基于三維機(jī)器視覺(jué)的植物葉片萎蔫預(yù)測(cè)模型[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2014年09期

5 付代昌;徐立鴻;李大威;辛龍嬌;;基于Kinect的溫室番茄盆栽莖干檢測(cè)與分割[J];現(xiàn)代農(nóng)業(yè)科技;2014年03期

相關(guān)博士學(xué)位論文 前4條

1 張德榮;植物表型性狀參數(shù)快速檢測(cè)研究[D];浙江大學(xué);2019年

2 胡峰俊;三維離散點(diǎn)云數(shù)據(jù)的預(yù)處理和配準(zhǔn)技術(shù)研究[D];浙江工業(yè)大學(xué);2015年

3 陳彬;實(shí)時(shí)雙目立體匹配算法研究與實(shí)現(xiàn)[D];武漢科技大學(xué);2014年

4 王紅霞;基于3D重建的三維全景成像系統(tǒng)的研究[D];北京科技大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 吳文華;基于圖像的油菜表型參數(shù)測(cè)量方法研究[D];浙江大學(xué);2019年

2 劉歡;基于雙目視覺(jué)立體匹配算法的研究與應(yīng)用[D];哈爾濱工業(yè)大學(xué);2018年

3 黃源欣;基于雙目立體視覺(jué)的空間深度信息恢復(fù)方法研究[D];哈爾濱工業(yè)大學(xué);2018年

4 韓潔;基于結(jié)構(gòu)光雙目視覺(jué)的絕緣子三維重建[D];武漢大學(xué);2018年

5 余寰;多面立體靶標(biāo)的多相機(jī)標(biāo)定方法研究[D];合肥工業(yè)大學(xué);2018年

6 巨建肖;基于Kinect傳感器的植物葉片表型測(cè)量方法研究[D];南京農(nóng)業(yè)大學(xué);2017年

7 徐慧;基于Kinect的植株特征檢測(cè)技術(shù)研究[D];江蘇大學(xué);2017年

8 蔣昂;雙目視覺(jué)中立體匹配算法的研究與實(shí)現(xiàn)[D];天津工業(yè)大學(xué);2016年

9 何任濤;植物三維信息獲取方法的研究[D];浙江大學(xué);2011年

10 趙星星;基于雙目視覺(jué)的高精度立體匹配方法的研究[D];東北大學(xué);2010年

本文編號(hào)：2892087