欢迎来到知嘟嘟! 联系电话:13095918853 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13095918853
知嘟嘟经纪人
收藏
专利号: 2021102289482
申请人: 华南农业大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2024-01-05
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种果树冠层靶标识别方法,基于果树冠层靶标识别装置实现,其特征在于,所述装置包括面阵激光雷达、云台、计算机和车载装置;

所述面阵激光雷达设置在云台上,用于采集果树冠层点云数据;

所述云台设置在所述车载装置上,用于固定所述面阵激光雷达,并控制面阵激光雷达拍摄果树的角度;

所述计算机设置在所述车载装置上,并与所述面阵激光雷达连接,用于获取面阵激光雷达采集的果树冠层点云数据,并对果树冠层点云数据进行点云滤波、点云配准、点云分割和果树冠层体积的计算,提取出果树冠层靶标对象;

所述方法包括:

获取面阵激光雷达采集的果树冠层点云数据;

对果树冠层点云数据进行点云滤波;

对点云滤波后的点云数据进行点云配准,并对点云配准后的点云数据进行处理,得到果树以及除果树外其它冗余物体的点云数据;

对果树以及除果树外其它冗余物体的点云数据进行点云分割,得到仅含有果树的点云数据;

根据仅含有果树的点云数据,计算果树冠层体积,提取出果树冠层靶标对象;

所述对果树冠层点云数据进行点云滤波,具体如下:

将果树冠层点云数据的数据点依次沿着法向量方向移动并进行调整,调整后的数据点的表达式为:Pi=pi+α×n

其中,Pi表示为调整后的数据点,pi为原始数据点,n为数据点pi的法向量,a为双边滤波权重因子,α的表达式如下:式中,pi、pj为任意两个数据点,k为数据点pi的邻域,ni和nj分别为数据点pi、pj的法向量,wc表示数据点pi到数据点pi的邻域点的光顺滤波权重,ws表示邻域点在数据点pi的法向量ni上的保持特征权重函数;

所述对点云滤波后的点云数据进行点云配准,并对点云配准后的点云数据进行处理,得到果树以及除果树外其它冗余物体的点云数据,具体包括:分别在待匹配的目标点云P和源点云Q中,按照一定的约束条件,找到最邻近点(pi,qi),计算出最优匹配参数R和t,使得误差函数最小,以完成点云配准;其中,误差函数E(R,t)如下:其中,g为最邻近点对的个数,pi为目标点云P中的一点,qi为源点云Q中与pi对应的最近点,R为旋转矩阵,t为平移矩阵;

设面阵激光雷达中心对应的x坐标为a,果树对象在面阵激光雷达后方b米处,且果树对象的靶标宽度为c米,针对点云配准后的点云数据,将x坐标从a‑b‑c/2到a‑b+c/2范围内的数据点组成新的点云数据集合,新的点云数据为果树以及除果树外其它冗余物体的点云数据;新的点云数据集合如下:M′={P′(u,v),u=0,1,2...,X′‑1,v=0,1,2...,Y′‑1}其中,M′表示新的点云数据集合,X′表示新的点云数据集合的行数,u为行索引值,Y是点集的列数,v是列索引值,P′(u,v)=(x,y,z)表示新的点云数据集合中数据点的坐标。

2.根据权利要求1所述的果树冠层靶标识别方法,其特征在于,所述对果树以及除果树外其它冗余物体的点云数据进行点云分割,得到仅含有果树的点云数据,具体包括:定义聚类集合S;

找到果树以及除果树外其它冗余物体的点云数据构成的空间中的某个点p,将点p加入聚类集合S;

通过k‑d树在点p的邻域找到k个邻域,分别判断k个点到聚类集合S的距离;

根据聚类集合S的中心点和点p的坐标计算阈值,分别对比k个点和点p之间的距离,将距离小于阈值的点放在聚类S中;

在聚类集合S中寻找除了所有的点p之外的另一点,将该点作为新的点p,并返回通过k‑d树在点p的邻域找到k个邻域,分别判断k个点到集合S的距离,并继续执行后续操作;

若聚类集合S没有新点加入,则完成聚类;

根据聚类结果,得到被分为若干类的点云数据,从而得到仅含有果树的点云数据。

3.根据权利要求1‑2任一项所述的果树冠层靶标识别方法,其特征在于,所述根据仅含有果树的点云数据,计算果树冠层体积,具体包括:根据仅含有果树的点云数据,对果树冠层点云进行切片;

对每层切片提取轮廓点,并对轮廓点逆时针排序;

根据每层切片的轮廓点区域,计算每层切片的面积Si;

根据每层切片的面积Si,计算每个切片部分的体积;

对各个切片部分的体积进行累加,如下式:

其中,V为果树冠层的体积,f为切片的层数,h为分层的间隔,h1为果树冠层点云的最大高程值与第f层切片之间的高度差,Se为第e层切片的面积,Sf为第f层切片的面积。

4.根据权利要求1所述的果树冠层靶标识别方法,其特征在于,所述面阵激光雷达采集果树冠层点云数据是采用面扫的方式,采集面阵大小为M×N;其中,M≥2,N≥2。

5.根据权利要求4所述的果树冠层靶标识别方法,其特征在于,所述面阵激光雷达所在的测量坐标系为oxyz,采集到的果树冠层点云数据均为三维数据。

6.一种计算设备,包括处理器以及用于存储处理器可执行程序的存储器,其特征在于,所述处理器执行存储器存储的程序时,实现权利要求1‑5任一项所述的果树冠层靶标识别方法。

7.一种存储介质,存储有程序,其特征在于,所述程序被处理器执行时,实现权利要求

1‑5任一项的果树冠层靶标识别方法。