CN111896045A - 温室作物三维有向感知与细粒度自动采集装置及方法 - Google Patents
温室作物三维有向感知与细粒度自动采集装置及方法 Download PDFInfo
- Publication number
- CN111896045A CN111896045A CN202010608509.XA CN202010608509A CN111896045A CN 111896045 A CN111896045 A CN 111896045A CN 202010608509 A CN202010608509 A CN 202010608509A CN 111896045 A CN111896045 A CN 111896045A
- Authority
- CN
- China
- Prior art keywords
- camera
- plant
- fine
- angle
- telescopic rod
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及作物图像采集技术领域,公开了一种温室作物三维有向感知与细粒度自动采集装置及方法,该温室作物三维有向感知与细粒度自动采集装置,包括:水平布置的第一伸缩杆、竖直布置的第二伸缩杆、水平布置的第一吊轨以及竖直布置的第二吊轨;第一吊轨滑动安装在拱架上,第二吊轨的上端滑动安装在悬梁上;第一伸缩杆的一端滑动安装在第一吊轨上,另一端滑动安装在第二吊轨上;第二伸缩杆的上端滑动安装在第一伸缩杆上,下端转动安装有朝向圆柱体的相机。本发明提供的温室作物三维有向感知与细粒度自动采集装置,将目标作物抽象为三维空间中的细长圆柱体,建立了符合真实环境下全目标覆盖的有向感知模型,能够实现监测目标真实覆盖。
Description
技术领域
本发明涉及作物图像采集技术领域,特别是涉及一种温室作物三维有向感知与细粒度自动采集装置及方法。
背景技术
随着精准农业的发展,设施作物智能化生产管理也越来越被人们重视,通过调节设施内的温、光、水、气、肥等条件对作物生长过程进行有效调控,以达到增效减施、高产优质等目的。随着无线多媒体智能传感器网络的发展,可通过全息立体化方式采集作物特征来判断作物生长状况、生长态势以及病虫害发生等情况,为水肥施用、病虫害诊断、专家指导、生产决策等智能化生产提供更为丰富的数据来源,是现代农业发展不可或缺的技术手段支撑。
现有技术中大多研究将传感器节点和目标节点都位于三维物理世界,却将感知对象抽象为二维空间或三维空间中的点,没有考虑目标高度、目标自身的遮挡及目标动态变化等问题,难以满足复杂温室环境下作物密集交错生长变化的植株完整数据监测、覆盖及采集等应用的需求。
发明内容
本发明实施例提供一种温室作物三维有向感知与细粒度自动采集装置及方法,用以解决或部分解决现有的图像采集装置无法精确采集作物长势图像数据的问题。
第一方面,本发明实施例提供一种温室作物三维有向感知与细粒度自动采集装置,包括:水平布置的第一伸缩杆、竖直布置的第二伸缩杆、水平布置的第一吊轨以及竖直布置的第二吊轨;
所述第一吊轨滑动安装在拱架上,所述第二吊轨的上端滑动安装在悬梁上;所述第一伸缩杆的一端滑动安装在所述第一吊轨上,另一端滑动安装在所述第二吊轨上;所述第二伸缩杆的上端滑动安装在所述第一伸缩杆上,下端转动安装有朝向圆柱体的相机。
第二方面,本发明实施例提供一种温室作物三维有向感知与细粒度自动采集方法,包括:
根据仰俯角和基于株高的最佳位置估算模型,获取L和H;
基于L和H调整相机的位置;
若当前行数为偶数行,则采集当前行植株的图像直到相机位于起始点;
若当前行数大于总行数,则已完成遍历所有目标植株;
其中,相机与待测植株的水平距离为L,相机与待测植株的垂直距离为H。
在上述技术方案的基础上,若当前行数为奇数行,则采集当前行植株的图像直到相机位于终点。
第三方面,本发明实施例提供一种温室作物三维有向感知与细粒度自动采集方法,包括:
根据仰俯角和基于株高的最佳位置估算模型,获取L和H;
基于L、H和初始方位角调整相机的初始位置;
多方位采集时,基于预设方位角和移动节点的有向感知多角度覆盖模型计算节点位置,并让相机移动至所述节点位置,采集与预设方位角相对应的植株的图像;
其中,相机与待测植株的水平距离为L,相机与待测植株的垂直距离为H。
在上述技术方案的基础上,单一方位采集时,采集与初始方位角相对应的植株的图像。
在上述技术方案的基础上,所述移动节点的有向感知多角度覆盖模型的获取方式为:
根据相机参数、株高、成像高度、焦距、株距、行距、仰俯角和方位角,以调整节点的位置。
在上述技术方案的基础上,在选取仰俯角之前还包括:
对相机的位置初始化处理;
基于株高估算模型获取植株的株高;
基于仰俯角和基于株高的最佳位置估算模型,获取L和H;
基于不被遮挡模型获取不被遮挡的仰俯角的集合。
在上述技术方案的基础上,所述株高估算模型的获取方式为:
上下移动相机一次,移动相机之前和移动相机之后分别对焦植株的顶端和底部,获得相应的相机移动距离以及相机主光轴与水平面的夹角;基于所述相机移动距离和所述相机主光轴与水平面的夹角,获取植株的株高。
在上述技术方案的基础上,所述基于株高的最佳位置估算模型的获取方式为:基于仰俯角和成像大小获取相机与待测植株的水平距离及垂直距离。
在上述技术方案的基础上,所述不被遮挡模型的获取方式为:
相机与待测植株的水平距离大于行距,根据基于株高的最佳位置估算模型获取相机与待测植株的垂直距离的范围。
本发明实施例提供的一种温室作物三维有向感知与细粒度自动采集装置及方法,针对作物密集生长变化复杂温室真实环境情况下,考虑目标高度、目标自身的遮挡及目标动态变化等问题,将目标作物抽象为三维空间中的细长圆柱体,建立了符合真实环境下全目标覆盖的有向感知模型,能够实现监测目标真实覆盖。
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为本发明实施例的温室作物三维有向感知与细粒度自动采集装置的结构示意图;
图2为本发明实施例的移动节点的有向感知多角度覆盖模型图;
图3为本发明实施例的株高估算模型图;
图4为本发明实施例的基于株高的最佳位置估算模型图;
图5为本发明实施例的不被遮挡模型图;
图6为本发明一实施例的温室作物三维有向感知与细粒度自动采集方法的流程图;
图7为本发明又一实施例的温室作物三维有向感知与细粒度自动采集方法的流程图。
附图标记:
1、相机;2、第二伸缩杆;3、第一伸缩杆;4、第二吊轨;5、悬梁;6、拱架;7、第一吊轨。
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作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。
作物的生长发育是一个动态的过程,作物密集交错生长变化造成感知对象的视域重叠,进而造成网络在覆盖、自动化数据采集的新问题。网络覆盖方面问题:在无线多媒体传感器网络的应用中,图像、视频等感知范围不可避免存在方向性,与全向感知相比,有向感知的覆盖问题不仅和感知半径有关还与感知方向和感知角度密切相关。同时,由于应用场景的复杂性,节点的感知半径还可能发生实时变化。以图像感知为例,可能出现遮挡、阴影等现象,现有技术中的面向三维有向感知模型的WMSN全目标覆盖方法,该方法基于如下背景:将无线多媒体传感器节点的覆盖模型抽象为三维有向感知模型、目标被放置于三维物理空间中。在全目标覆盖问题的求取过程中,目标覆盖条件(既目标被传感器覆盖需使目标点和传感器满足何种几何条件)是该问题得以解决的关键。将目标抽象为三维空间中的点,建立了符合实际全目标覆盖的覆盖控制模型。
现有技术中的三维锥体有向传感器网络覆盖方法及***,该方法引入节点高度信息和节点感知半径,设计出一种三维锥体有向感知模型,推导感知模型及其二维平面的最佳投影面积及其对应的仰俯角,采用粒子群优化算法调整节点的位置信息,减少节点间的感知重叠区和感知盲区,可提升无线传感器网络的覆盖率。
自动化数据采集的问题:目前的研究成果大多用农机携带、推车携带、或人工手持摄像头采集作物图像,现有技术中的智能化移动车载式远程作物数字图像采集***及方法,该***包括客户端、服务器、数字图像采集处理设备,实现了全方位、多角度的作物图像采集和相机自由移动,数字图像采集处理设备在水平方向通过小车前进后退控制,竖直方向通过升降电机、滑块、滑轮、滚子、导轨实现、采用云台加数码相机实现360度旋转,从而可精确控制作物的图像获取位置和角度。
现有技术中的以人工手持相机方式连续移动相机采集的图像为研究对象,提出基于叶片匹配从近地面高清作物图像中提取各株作物图像的方法。上述车载携带和人工携带相机采集,仍然根据人的经验通过不断调整相机的高度及水平面的旋转角度,来确保数字图像采集处理设备对准作物目标位置而获取相机拍摄位置和角度。而目前农作物数据采集人员大多没有拍摄专业知识,大多数采集到的图像数据都是根据采集人员的经验进行拍摄,但其实达不到专业拍摄的水准,使采集到的图像数据存在很多问题,如失真、不聚焦、模糊等,导致后期估算不准确。
现有技术中的主要缺点如下:第一、现有技术所涉背景与实际覆盖情况存在偏差,大多研究将传感器节点和目标节点都位于三维物理世界,却将感知对象抽象为二维空间或三维空间中的点,没有考虑目标高度、目标自身的遮挡及目标动态变化等问题,难以满足复杂温室环境下作物密集交错生长变化的植株完整数据监测、覆盖及采集等应用的需求;第二、多媒体传感器网络的部署大多采用随机部署方式,无法形成有效覆盖,不符合真实的三维物理环境;第三、以节点最大覆盖半径建立的模型进行全目标覆盖时,边界区域无法实现高清监测;第四、当前已有的图像采集***,节点相机移动大多是由人通过经验判断来操控相机节点移动到待测目标,通过不断改变相机位置、角度找出相机的最佳拍照位置及角度进行数据采集,根据经验采集到的图像数据存在很多问题,如失真、不聚焦、模糊等,导致后期估算不准确;由人来操控调整节点位置,存在一定的误差。
本发明实施例中在温室中栽培的作物以辣椒为例进行说明,该作物还可以为玉米,在此不作具体限定。其中,辣椒是我国主要设施蔬菜种植品种之一,目前全国辣椒的种植面积达3209万亩,其中设施栽培面积为852万亩,占辣椒种植面积的26.6%。
图1为本发明实施例的温室作物三维有向感知与细粒度自动采集装置的结构示意图包括:水平布置的第一伸缩杆3、竖直布置的第二伸缩杆2、水平布置的第一吊轨7以及竖直布置的第二吊轨4;
第一吊轨7的两端均通过滑轮滑动安装在拱架6上,第二吊轨4的上端通过滑轮滑动安装在悬梁5上;第一伸缩杆3的一端通过滑轮滑动安装在第一吊轨7上,第一伸缩杆3的另一端通过滑轮滑动安装在第二吊轨4上;第二伸缩杆2的上端通过滑轮滑动安装在第一伸缩杆3上,第二伸缩杆2的下端转动安装有朝向圆柱体的相机1。
需要说明的是,抽象辣椒植株为三维空间中的圆柱体,考虑圆柱体的高度、植株自身的遮挡、及其他植株对目标植株的遮挡,并假设温室内辣椒在同一生育期高度相同。
可以理解的是,在第二伸缩杆2和第一伸缩杆3上可以安装有与其同步伸缩的滑轨。相机1在第二伸缩杆2的带动下可上下移动,并且相机可以自由旋转;第二伸缩杆2可沿着带滑轨的第一伸缩杆3的长度方向左右移动;第一伸缩杆3可沿着第二吊轨4的长度方向上下移动,第一伸缩杆3被带动向上移动时,需要按比例缩短,避免破坏到大棚;当第一伸缩杆3被带动向下移动时,需要按比例伸长,使相机的移动范围扩大,增大覆盖面积。其中,相机安装处安装有角度传感器及可测量移动距离的传感器,用于测量相机的旋转角度和移动距离。
在本发明实施例中,针对作物密集生长变化复杂温室真实环境情况下,考虑目标高度、目标自身的遮挡及目标动态变化等问题,将目标作物抽象为三维空间中的细长圆柱体,建立了符合真实环境下全目标覆盖的有向感知模型,能够实现监测目标真实覆盖。
另一方面,图6为本发明一实施例的温室作物三维有向感知与细粒度自动采集方法的流程图,本发明实施例的温室作物三维有向感知与细粒度自动采集方法,包括:
S20,根据仰俯角和基于株高的最佳位置估算模型,获取L和H;
在获取L和H之前,用户需要根据采集需求在集合A中选择一个仰俯角α;基于株高的最佳位置估算模型,获得新的L、H,并重置L,H;
S21,基于L和H调整相机的位置;
移动第一伸缩杆和第二伸缩杆:第一伸缩杆平行与Y轴、沿X轴移动,使第一伸缩杆与第i(i=1)行的水平距离为L、沿Z轴上下调整第二伸缩杆的高度为H;
S22,若当前行数为偶数行,则采集当前行植株的图像直到相机位于起始点;
判断当前行i是否为奇数行,若不是,则相机沿第一伸缩杆的末端向顶端移动,动态观察、覆盖、采集第i行植株,直到移动到第一伸缩杆的起始点;
S23,若当前行数大于总行数,则已完成遍历所有目标植株;
判断是否遍历完所有行,待监控全目标覆盖区域共N行,则用公式i>N-1判断,若i>N-1,则遍历所有目标,结束采集;否则,没有遍历完,继续进行遍历。
其中,相机与待测植株的水平距离为L,相机与待测植株的垂直距离为H。
在上述实施例的基础上,若当前行数为奇数行,则采集当前行植株的图像直到相机位于终点。
需要说明的是,判断当前行i是否为奇数行:若是,则相机沿第一伸缩杆的顶端向末端移动,动态观察覆盖第i行植株,直到移动到第一伸缩杆的末端。
又一方面,图7为本发明又一实施例的温室作物三维有向感知与细粒度自动采集方法的流程图,本发明实施例的温室作物三维有向感知与细粒度自动采集方法,包括:
S40,根据仰俯角和基于株高的最佳位置估算模型,获取L和H;
在获取L和H之前,用户需要根据采集需求在集合A中选择一个仰俯角α;基于株高的最佳位置估算模型,获得新的L、H,并重置L,H;
S41,基于L、H和初始方位角调整相机的初始位置;
移动第一伸缩杆和第二伸缩杆:第二伸缩杆平行与Y轴、沿Z轴上下调整第二伸缩杆的高度为H;沿X轴移动,使第一伸缩杆与第i行的水平距离为L;
移动相机到第j列的正上方,此时方位角θ=0;
S42,多方位采集时,基于预设方位角和移动节点的有向感知多角度覆盖模型计算节点位置,并让相机移动至节点位置,采集与预设方位角相对应的植株的图像;
其中,相机与待测植株的水平距离为L,相机与待测植株的垂直距离为H。
判断是否选择多方位采集:若是,则进入方位角采集循环,输入不同的方位角θ,基于移动节点的有向感知多角度覆盖模型计算节点位置并规划轨道、节点移动方式到推算位置,采集θ方位图像数据,可改变θ值,采集多方位的图像,当输入否,则跳出循环,继续判断是否改变α继续采集,若是,则转步骤。
在上述实施例的基础上,单一方位采集时,采集与初始方位角相对应的植株的图像。
需要说明的是,判断是否选择多方位采集:若不是,进入方位角为0°的数据采集循环,采集图像数据,可改变仰俯角α采集不同垂直视角的图像,当输入否,则跳出小循环,结束采集。
在上述实施例的基础上,如图2所示,移动节点的有向感知多角度覆盖模型的获取方式为:
根据相机参数、株高h、成像高度、焦距、株距q、行距m、仰俯角和方位角,以调整节点的位置。
在本发明实施例中,输入的仰俯角α不同,相机节点的坐标不同,在O’PAO垂直平面上,节点P根据仰俯角α角度的不同而移动。如果需要在不同的方位拍摄植株,在确定仰俯角α后,需要输入方位角θ来确定节点的方位,当采集条件确定、同时仰俯角α也确定且满足不被遮挡,则节点P沿着O’为圆心的圆移动,可以自动采集360°的方位的高质量图像;
多方位采集时,在相机参数及株高、成像高度、焦距、株距、行距已经确定的情况下,只需输入仰俯角α及方位角θ,可以调整节点位置,使相机节点P从P(L,0,H)点移动到P’,P’点的坐标(Lcosθ,Lsinθ,H);
根据第一伸缩杆和第二伸缩杆的移动设置,需要给出第一伸缩杆、第二伸缩杆及节点移动方式:
第一步:保持第二伸缩杆高度不变、保持第二伸缩杆平行于Y轴、使第二伸缩杆沿X轴向待测植株移动距离:L1=L-Lcosθ,此时节点P随轨道移动到点(L-Lcosθ,0,H);
第二步:沿着第一伸缩杆移动相机节点到目标位置P’,移动距离L2=Lsinθ。
在上述实施例的基础上,在选取仰俯角之前还包括:
对相机的位置初始化处理;
基于株高估算模型获取植株的株高;
基于仰俯角和基于株高的最佳位置估算模型,获取L和H;
基于不被遮挡模型获取不被遮挡的仰俯角的集合。
需要说明的是,启动数据采集***;第一伸缩杆位于初始位置与行平行,与第一行水平距离为m/2,与第一列水平距离为q/2,与地面垂直距离H0;
相机位置初始化:第二伸缩杆位于第一伸缩杆起始端,靠近第一棵植株;基于株高估算模型推算植株M1,1的株高h,并假设当前所有待测目标高与植株M1,1相同,都为h;遍历仰俯角α,根据基于株高的最佳位置估算模型,求L、H;基于不被遮挡模型估算不被遮挡仰俯角α集合A。
在上述实施例的基础上,如图3所示,株高估算模型的获取方式为:
上下移动相机一次,移动相机之前和移动相机之后分别对焦植株的顶端和底部,获得相应的相机移动距离以及相机主光轴与水平面的夹角;
基于相机移动距离和相机主光轴与水平面的夹角,获取植株的株高。
在本发明实施例中,启动相机;
选择节点附近植株M,满足节点可聚焦植株顶部,通过调整视角可聚焦株底部;
对焦植株M顶端,测得相机主光轴与水平面夹角α1,α1由测角仪获取,对焦植株M的底部,测得相机主光轴与水平面夹角α2,α2由测角仪获取,D2为相机与植株M的顶端的垂直距离,计算得:
相机向下移动距离D;
对焦植株M顶端,测得相机主光轴与水平面夹角α3,对焦植株M的底部,得相机主光轴与水平面夹角α4,D1为相机向下移动后与植株M顶端的垂直距离,计算得
根据D2=D1+D,计算得出植株M的株高:
在上述实施例的基础上,如图4所示,基于株高的最佳位置估算模型的获取方式为:
基于仰俯角和成像大小获取相机与待测植株的水平距离及垂直距离。
需要说明的是,采集要求设定:根据应用需求设定,期望采集图像的目标尺寸(h1,w1),h1<h0,w1<w0,其中h0和w0相机成像平面最大尺寸参数。通过设定所需图像目标尺寸,所采集图像可满足不同清晰度的样本需求,如植株整体轮廓,植株品种进行识别,病理状况分析等作业;
当前已知量:相机焦距f,靶面高h0,宽w0,相机与水平面的夹角α(角度传感器测量),相机有效感知距离R,相机水平有效感知视角Q,相机垂直感知视角S;
待求量:目标的实际物理尺寸h,相机最佳拍摄位置(物距L,相机高度H)。
在本发明实施例中,为了实现图像精准采集,设置成像大小h1(h1<h0),可根据对图片精度的要求,由用户在h1的取值范围内选择。设光轴OP经过植株AB的中点O,由成像原理可推算出:相机与待测植株AB的水平距离L及垂直距离H:
由上述公式可知,相机的拍摄位置与成像大小h1及仰俯角α相关,在成像大小已知的情况下,只需调整α角的大小,就可以确定相机采集图片的位置及采集角度,实现株高自适应采集。
在上述实施例的基础上,如图5所示,不被遮挡模型的获取方式为:
相机与待测植株的水平距离大于行距,根据基于株高的最佳位置估算模型获取相机与待测植株的垂直距离的范围。
在本发明实施例中,在温室作物种植环境中,存在大量规则分布的植株:各个植株之间株距相等,各个行之间行距相等,为了采集到完整、满足要求的单株植株,需要找出相机的最佳拍摄位置,使相机不被遮挡。假设第i行第j列植株底端为Bi,j为待测植株,则与待测植株相邻的八棵植株可能对待测植株形成遮挡,因此,对基于株高的最佳位置估算模型计算出的节点位置进行判断,排除可能被遮挡位置。其中T(i-1)(j-1)、T(i-1)(j+1)、T(i+1)(j-1)、T(i+1)(j+1)四个点为待测植株相邻的东西、南北、西南、东南四个角的植株的顶端点。由于本实施例中只考虑行间采集,所有不被遮挡模型为:当L>m,则H应位于平面Bi,jT(i+1)(j-1)T(i+1)(j+1)与平面Bi,jT(i-1)(j-1)T(i-1)(j+1)的上方。
本发明实施例提供的温室作物三维有向感知与细粒度自动采集方法,现有技术中所建立的全目标覆盖模型中将传感器节点处于三维物理世界、将目标抽象为二维空间或三维空间中的点,与实际覆盖情况并不匹配,而本实施例针对作物密集生长变化复杂温室真实环境情况下,考虑目标高度、目标自身的遮挡及目标动态变化等问题,将目标作物抽象为三维空间中的细长圆柱体,建立了符合真实环境下全目标覆盖的有向感知模型,实现监测目标真实覆盖;节点确定性部署方式:由于单个温室属于小范围内有线传感器网络,可根据温室形状特点、全目标高清覆盖及图像采集要求进行确定性部署,针对北方日光温室形状特点,设计可上下、左右伸缩滑动轨道,实现仅一个相机节点动态、多角度覆盖全目标;目标全方位覆盖及全息立体数据采集:根据相机成像原理,相机的水平盲区和垂直盲区、拍摄目标的高度不同、成像大小不同,对相机的拍摄的高度、角度、相机镜头的选择有不同的要求,本实施例根据采集目标植株的生长变化特点,基于株高、采集图像的成像大小等要求,选择合适的相机,并推算出最佳拍摄位置及角度,根据计算节点与待测目标的水平距离L和垂直距离H,得出节点拍摄位置H、L与节点焦距、成像大小、株高h、仰俯角α有关,由于节点焦距、成像大小、株高在采集时已经确定,所以通过调整α可以找出最合适采集水平距离及垂直距离,并且节点通过在平行于地面、半径为L、圆心为待采集植株正上方高为H的点的圆环移动,可以采集到待测植株的满足采集要求的360°的植株图像,实现植株全覆盖。
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)
1.一种温室作物三维有向感知与细粒度自动采集装置,其特征在于,包括:水平布置的第一伸缩杆、竖直布置的第二伸缩杆、水平布置的第一吊轨以及竖直布置的第二吊轨;
所述第一吊轨滑动安装在拱架上,所述第二吊轨的上端滑动安装在悬梁上;所述第一伸缩杆的一端滑动安装在所述第一吊轨上,另一端滑动安装在所述第二吊轨上;所述第二伸缩杆的上端滑动安装在所述第一伸缩杆上,下端转动安装有朝向圆柱体的相机。
2.一种根据权利要求1所述的温室作物三维有向感知与细粒度自动采集装置的温室作物三维有向感知与细粒度自动采集方法,其特征在于,包括:
根据仰俯角和基于株高的最佳位置估算模型,获取L和H;
基于L和H调整相机的位置;
若当前行数为偶数行,则采集当前行植株的图像直到相机位于起始点;
若当前行数大于总行数,则已完成遍历所有目标植株;
其中,相机与待测植株的水平距离为L,相机与待测植株的垂直距离为H。
3.根据权利要求2所述的温室作物三维有向感知与细粒度自动采集方法,其特征在于,若当前行数为奇数行,则采集当前行植株的图像直到相机位于终点。
4.一种根据权利要求1所述的温室作物三维有向感知与细粒度自动采集装置的温室作物三维有向感知与细粒度自动采集方法,其特征在于,包括:
根据仰俯角和基于株高的最佳位置估算模型,获取L和H;
基于L、H和初始方位角调整相机的初始位置;
多方位采集时,基于预设方位角和移动节点的有向感知多角度覆盖模型计算节点位置,并让相机移动至所述节点位置,采集与预设方位角相对应的植株的图像;
其中,相机与待测植株的水平距离为L,相机与待测植株的垂直距离为H。
5.根据权利要求4所述的温室作物三维有向感知与细粒度自动采集方法,其特征在于,单一方位采集时,采集与初始方位角相对应的植株的图像。
6.根据权利要求4所述的温室作物三维有向感知与细粒度自动采集方法,其特征在于,所述移动节点的有向感知多角度覆盖模型的获取方式为:
根据相机参数、株高、成像高度、焦距、株距、行距、仰俯角和方位角,以调整节点的位置。
7.根据权利要求2或4所述的温室作物三维有向感知与细粒度自动采集方法,其特征在于,在选取仰俯角之前还包括:
对相机的位置初始化处理;
基于株高估算模型获取植株的株高;
基于仰俯角和基于株高的最佳位置估算模型,获取L和H;
基于不被遮挡模型获取不被遮挡的仰俯角的集合。
8.根据权利要求7所述的温室作物三维有向感知与细粒度自动采集方法,其特征在于,所述株高估算模型的获取方式为:
上下移动相机一次,移动相机之前和移动相机之后分别对焦植株的顶端和底部,获得相应的相机移动距离以及相机主光轴与水平面的夹角;
基于所述相机移动距离和所述相机主光轴与水平面的夹角,获取植株的株高。
9.根据权利要求7所述的温室作物三维有向感知与细粒度自动采集方法,其特征在于,所述基于株高的最佳位置估算模型的获取方式为:
基于仰俯角和成像大小获取相机与待测植株的水平距离及垂直距离。
10.根据权利要求7所述的温室作物三维有向感知与细粒度自动采集方法,其特征在于,所述不被遮挡模型的获取方式为:
相机与待测植株的水平距离大于行距,根据基于株高的最佳位置估算模型获取相机与待测植株的垂直距离的范围。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010608509.XA CN111896045B (zh) | 2020-06-29 | 2020-06-29 | 温室作物三维有向感知与细粒度自动采集装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010608509.XA CN111896045B (zh) | 2020-06-29 | 2020-06-29 | 温室作物三维有向感知与细粒度自动采集装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111896045A true CN111896045A (zh) | 2020-11-06 |
CN111896045B CN111896045B (zh) | 2022-03-01 |
Family
ID=73207215
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010608509.XA Active CN111896045B (zh) | 2020-06-29 | 2020-06-29 | 温室作物三维有向感知与细粒度自动采集装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111896045B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112468782A (zh) * | 2020-11-25 | 2021-03-09 | 西北工业大学 | 一种多视角零件数据集采集装置 |
CN113447896A (zh) * | 2021-06-07 | 2021-09-28 | 重庆大学 | 一种基于动态遮挡判断的起伏地形sar回波仿真方法 |
Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011077778A (ja) * | 2009-09-30 | 2011-04-14 | Hitachi Kokusai Electric Inc | ビューファインダーの保持機構 |
CN201892812U (zh) * | 2010-12-04 | 2011-07-06 | 徐进 | 馆藏器物三维立体实景数据采集导轨式拍摄台 |
CN202045507U (zh) * | 2011-04-07 | 2011-11-23 | 朱建彬 | 一种多功能数控基础作业平台 |
WO2013190397A2 (en) * | 2013-10-14 | 2013-12-27 | Wasfi Alshdaifat | Mechanism for facade cleaner apparatus |
CN104303896A (zh) * | 2014-11-17 | 2015-01-28 | 重庆市永川区雪晶葡萄种植园 | 葡萄种植大棚 |
CN105323488A (zh) * | 2015-11-24 | 2016-02-10 | 成都九十度工业产品设计有限公司 | 一种智能摄像装置 |
CN205175363U (zh) * | 2015-11-24 | 2016-04-20 | 黑龙江省科学院自动化研究所 | 一种三维数据采集和检测装置 |
CN105638621A (zh) * | 2016-03-21 | 2016-06-08 | 孙树飞 | 大棚自动喷雾设备 |
CN106172584A (zh) * | 2016-07-15 | 2016-12-07 | 安徽羿哥节能科技有限公司 | 一种精确定位的3d蛋糕打印方法和打印*** |
CN106871812A (zh) * | 2017-02-10 | 2017-06-20 | 西安算筹信息科技有限公司 | 一种三维扫描与重建装置及其应用方法 |
CN106945052A (zh) * | 2017-03-20 | 2017-07-14 | 中信重工机械股份有限公司 | 一种水泥库清库机器人*** |
CN107222873A (zh) * | 2017-07-12 | 2017-09-29 | 东北电力大学 | 一种面向三维有向感知模型的wmsn全目标覆盖方法 |
CN108387262A (zh) * | 2018-01-03 | 2018-08-10 | 江苏大学 | 一种基于悬挂式滑轨平台的温室信息自动监测方法 |
CN208001660U (zh) * | 2018-01-29 | 2018-10-26 | 李淑芳 | 一种用于生态农业种植的大棚架 |
CN208103424U (zh) * | 2018-04-26 | 2018-11-16 | 湖北联诺建设有限公司 | 一种环保型送料装置 |
CN208273139U (zh) * | 2018-05-25 | 2018-12-21 | 太原师范学院 | 一种农业大棚监控子装置 |
CN109122644A (zh) * | 2018-10-30 | 2019-01-04 | 四川农业大学 | 一种温室用自动作业植保机器人 |
CN109987522A (zh) * | 2019-04-25 | 2019-07-09 | 沈阳建筑大学 | 一种用于装配式建筑的多自由度吊装装置 |
CN209705634U (zh) * | 2019-03-22 | 2019-11-29 | 美亚联创(北京)科技有限公司 | 一种云教育平台摄像***安装支架 |
CN111208472A (zh) * | 2020-01-06 | 2020-05-29 | 江苏大学 | 一种温室大范围高精度定位***与方法 |
CN111219569A (zh) * | 2018-11-23 | 2020-06-02 | 西安欧格信息科技有限公司 | 一种全方位农机视觉导航采集装置 |
-
2020
- 2020-06-29 CN CN202010608509.XA patent/CN111896045B/zh active Active
Patent Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011077778A (ja) * | 2009-09-30 | 2011-04-14 | Hitachi Kokusai Electric Inc | ビューファインダーの保持機構 |
CN201892812U (zh) * | 2010-12-04 | 2011-07-06 | 徐进 | 馆藏器物三维立体实景数据采集导轨式拍摄台 |
CN202045507U (zh) * | 2011-04-07 | 2011-11-23 | 朱建彬 | 一种多功能数控基础作业平台 |
WO2013190397A2 (en) * | 2013-10-14 | 2013-12-27 | Wasfi Alshdaifat | Mechanism for facade cleaner apparatus |
CN104303896A (zh) * | 2014-11-17 | 2015-01-28 | 重庆市永川区雪晶葡萄种植园 | 葡萄种植大棚 |
CN105323488A (zh) * | 2015-11-24 | 2016-02-10 | 成都九十度工业产品设计有限公司 | 一种智能摄像装置 |
CN205175363U (zh) * | 2015-11-24 | 2016-04-20 | 黑龙江省科学院自动化研究所 | 一种三维数据采集和检测装置 |
CN105638621A (zh) * | 2016-03-21 | 2016-06-08 | 孙树飞 | 大棚自动喷雾设备 |
CN106172584A (zh) * | 2016-07-15 | 2016-12-07 | 安徽羿哥节能科技有限公司 | 一种精确定位的3d蛋糕打印方法和打印*** |
CN106871812A (zh) * | 2017-02-10 | 2017-06-20 | 西安算筹信息科技有限公司 | 一种三维扫描与重建装置及其应用方法 |
CN106945052A (zh) * | 2017-03-20 | 2017-07-14 | 中信重工机械股份有限公司 | 一种水泥库清库机器人*** |
CN107222873A (zh) * | 2017-07-12 | 2017-09-29 | 东北电力大学 | 一种面向三维有向感知模型的wmsn全目标覆盖方法 |
CN108387262A (zh) * | 2018-01-03 | 2018-08-10 | 江苏大学 | 一种基于悬挂式滑轨平台的温室信息自动监测方法 |
CN208001660U (zh) * | 2018-01-29 | 2018-10-26 | 李淑芳 | 一种用于生态农业种植的大棚架 |
CN208103424U (zh) * | 2018-04-26 | 2018-11-16 | 湖北联诺建设有限公司 | 一种环保型送料装置 |
CN208273139U (zh) * | 2018-05-25 | 2018-12-21 | 太原师范学院 | 一种农业大棚监控子装置 |
CN109122644A (zh) * | 2018-10-30 | 2019-01-04 | 四川农业大学 | 一种温室用自动作业植保机器人 |
CN111219569A (zh) * | 2018-11-23 | 2020-06-02 | 西安欧格信息科技有限公司 | 一种全方位农机视觉导航采集装置 |
CN209705634U (zh) * | 2019-03-22 | 2019-11-29 | 美亚联创(北京)科技有限公司 | 一种云教育平台摄像***安装支架 |
CN109987522A (zh) * | 2019-04-25 | 2019-07-09 | 沈阳建筑大学 | 一种用于装配式建筑的多自由度吊装装置 |
CN111208472A (zh) * | 2020-01-06 | 2020-05-29 | 江苏大学 | 一种温室大范围高精度定位***与方法 |
Non-Patent Citations (2)
Title |
---|
FUJIURA,T等: "Robot for harvesting cherry tomatoes in mobile cultivation facilities (Part 1) - Outline of the robot and 3-D image recognition", 《JOURNAL OF THE JAPANESE SOCIETY OF AGRICULTURAL MACHINERY》 * |
张晓东等: "悬轨式温室综合信息自动监测装置的设计与实验", 《农机化研究》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112468782A (zh) * | 2020-11-25 | 2021-03-09 | 西北工业大学 | 一种多视角零件数据集采集装置 |
CN112468782B (zh) * | 2020-11-25 | 2022-05-10 | 西北工业大学 | 一种多视角零件数据集采集装置 |
CN113447896A (zh) * | 2021-06-07 | 2021-09-28 | 重庆大学 | 一种基于动态遮挡判断的起伏地形sar回波仿真方法 |
CN113447896B (zh) * | 2021-06-07 | 2023-03-14 | 重庆大学 | 一种基于动态遮挡判断的起伏地形sar回波仿真方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111896045B (zh) | 2022-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112418188B (zh) | 基于无人机视觉的农作物生长全程数字化评估方法 | |
CN106441442B (zh) | 一种大田作物表型信息高通量对等监测装置及监测方法 | |
CN105547252B (zh) | 基于情景感知的作物冠层图像采集装置 | |
JP5020444B2 (ja) | 作物生育量測定装置、作物生育量測定方法、作物生育量測定プログラム及びその作物生育量測定プログラムを記録したコンピュータ読取可能な記録媒体 | |
CN107392956B (zh) | 作物根系表型检测方法和装置 | |
CN110046613B (zh) | 一种作物冠层原位生长表型监测装置及三维重建方法 | |
CN111896045B (zh) | 温室作物三维有向感知与细粒度自动采集装置及方法 | |
CN105547360B (zh) | 基于情景感知的作物冠层图像采集方法 | |
CN105844632B (zh) | 基于机器视觉的稻株识别与定位方法 | |
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 | |
CN110969654A (zh) | 基于收割机的玉米高通量表型测量的方法及装置、收割机 | |
CN114066022A (zh) | 基于计算机视觉和深度学习技术的小麦单产观测方法 | |
CN108226224A (zh) | 一种基于无人机热成像技术的作物病害监测方法和*** | |
CN206177358U (zh) | 一种大田作物表型信息高通量对等监测装置 | |
CN110736750B (zh) | 一种基于多角度田间高清成像的小麦赤霉病检测方法 | |
CN109598215A (zh) | 一种基于无人机定位拍摄的果园建模分析***和方法 | |
CN114694047A (zh) | 一种玉米播种质量的评价方法及装置 | |
KR102582588B1 (ko) | Ai를 활용한 작물의 엽 생육지수 측정시스템 | |
WO2015193822A1 (en) | Method and device for measuring vegetation cover on farmland | |
CN114998335A (zh) | 物联网视频监控***及其监控方法 | |
CN211746249U (zh) | 一种笼内鸡只识别装置 | |
CN113269050A (zh) | 基于无人机遥感影像的农田画像及药肥大数据分析方法 | |
Zhong et al. | Identification and depth localization of clustered pod pepper based on improved Faster R-CNN | |
CN107194913B (zh) | 一种作物群体最适研究尺度检测方法及装置 | |
CN117091706A (zh) | 基于遥感的林冠-林冠下空气-根系附近土壤的立体化温度监测方法 |
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 |