分类：论文范文 发表时间：2020-04-15 08:38
摘要：精准农业是以定时、定位、定量控制农资农作为核心理念，以低投入、高收益为目标的现代化农业生产模式，代表着可持续环保型农业的发展方向。对于精准农业所需要的定位、定量等信息，图像的获取和处理具有重要的意义。三维图像弥补了二维图像在深度信息上的缺失，因此在实际应用中更为精确，其中，基于ToF(TimeofFlight)相机的三维成像技术可直接获取目标的深度信息，在农作物位置及表型参数的确定上优势明显。结合ToF相机获取深度信息的快捷性和室外操作的简便性，本文提出了将其应用于精准农业领域研究的方案，并针对精准农业所需的定位、定量等信息，做了以下研究工作。
关键词：ToF相机；精准农业；位置检测；特征提取
第l章绪论
我国是农业大国，粮食等农作物的产值对国民生活影响重大。在传统农业中，以家庭为单位的劳作模式在农业耕作中易出现劳动成本高经济效益低的问题，且由于缺乏科学的农业指导会出现过量施肥施药的情况，这对农业环境伤害巨大。在资源愈加紧张、环境愈加恶化的今天，发展资源节约型、环境友好型的现代信息化农业是解决农业资源问题的关键，精准农业【l目的核心理念是利用现代科技技术实现对农作物及农业机械等的定时、定位、定量控制，在保证环境友好、可持续发展的前提下使用最少的资源获取农业生产上的最大收益。以精准农业为理念的现代农场现场操作图如图ll所示。
1．2课题研究现状
1．2．1深度图像处理技术的研究现状
在图像芯片技术尚未发展成熟时，当考虑到如何构建计算机视觉系统获取物体的三维图像时，研究人员通常会选择搭建一个具有两个相机的被动三角测量系统(双目立体视觉匹配方式)，或使用单个相机来发射结构光以获取图像的主动三角测量系统(结构光成像方式)。但这两种系统都有各自的缺点，很多场景下并不能使用，而ToF相机给出了解决方案。ToF相机可以用在许多特定的实际应用中，获取场景的2D数据以及与其相关联的深度数据。首先，ToF相机不需要考虑对应性问题，不需要视觉系统来确定其中一个相机获得的图像中的哪些特征对应于另一个相机中的相同特征。其次，不需要测量诸如两个相机的相对位置和方向等外部参数，ToF相机仅仅只含有一个相机。最后，由于被测对象被与相机同步的光源自动照亮，因此不需要将另外的外部光源添加到系统中，这大大减少了计算量。不足的是由ToF相机的分辨率有待提高，不适合用于需要高度精确的深度测量的视觉系统中。
1．2．2深度图像技术在精准农业领域的研究现状
图像处理技术作为一项实用性强的计算机技术，在农业生产中早有应用。已有的图像处理技术在农业方向的应用研究大都集中在二维信息处理。如MohammedE1一Helly【20】等在识别病害类型时开发了能够自动检测出叶片病斑的综合图像处理系统；李少昆[：-]等用图像处理技术监测和提取农作物的株型信息；利用图像特征量对图像中作物进行提取，对作物的长势情况进行评估[z：】等。从静态的病虫害、叶片等的测定到动态的株型、长势的评估，二维图像的处理己经涉及到农业技术的方方面面。
第2章深度图像技术概述
2．1三维图像获取方法的研究
目前三维图像的获取方法主要有：基于双目立体视觉系统，基于结构光成像的方式，基于ToF的深度相机成像方式。本章主要介绍三种成像方式的原理和优缺点，结合课题内容通过对适用性进行实际分析，本文选用ToF相机进行精准农业领域内的相关研究。
2.l.1双目立体视觉系统双目立体视觉系统的建立是在模拟人类视觉成像原理的原理上进行的，通过计算机的计算及图像处理技术的运用来获得我们需要的距离信息。测量系统从两个或多个角度对同一个物体进行拍摄，获取物体在不同拍摄角度下的二维图像，根据立体匹配获得同一点(特征点)在多张含有视差信息的图像中对应像素点的坐标位置，根据简单的数学原理即可获取物体的三维信息。得到了物体的景深信息，从而计算出物体与相机之间的实际距离。图21为双目立体视觉系统设备工作图。
2.1.2结构光成像双目立体视觉系统利用两个或多个相机进行特征点匹配测距，它采用的测量光源是环境光，特征点是图像匹配的唯一依据，在获取目标的三维信息的过程中会因为特征点的匹配失误而使三维信息错误。为了解决这个难题，基于结构光的成像技术给出了方案，下图为一个结构光成像装置。
2．2ToF相机成像特征
ToF相机是在图像芯片技术发展成熟之后的产品，下面将详细介绍其成像特点及由其采集的深度图像的特点，这些特点决定了深度图像的处理方法。
2．2．1ToF相机成像的优势(1)算法难度很低，保证了实时性。在实际的信息化农业操作中，农业机械需要根据图像实时的获取农作物的位置信息及表型信息等，以便进行定位的控制，其中定位的控制必须是快速而实时的，这样才能保证农业机械耕作的连贯性。双目立体视觉系统通过搭建目标与多个相机形成的三维空间系统，在自然环境下特征点的匹配是个难题，且不同农作物的特征点也不相同：结构光成像采用编码光源的方式解决了特征点匹配问题，但其匹配原理与双目立体视觉系统类似，但经过编码的光源易受环境光的干扰。ToF相机可以直接获取场景的灰度图像和深度图像，研究人员无需再经过复杂的运算即可获得农业机械需要的深度信息，保证了时效性。(2)对光照条件不敏感。由于课题实验需在自然环境下进行，因此自然环境光对测量器材的影响应降到最小。双目测量系统使用被动光测距的方式，虽然避免了环境光的影响但存在特征点匹配困难的问题，而结构光成像系统发射的是经过编码的光源，是一种主动光测距的方法，外界光照对其影响较大，因此只能在室内使用该三维测距系统。ToF相机通过主动测量的方式发射近红外光进行测量，因此其对光照强度不敏感，而且相机可以进行主动照明，实验也可以在夜晚进行。
2．2．2ToF相机成像的劣势ToF相机由于自身的结构工艺及硬件条件的限制，在三维成像技术上还有一些需要改进的地方，具体表现在以下几个方面。(1)分辨率较低。ToF相机将图像的深度信息通过灰度值表示出来，由于目前的硬件设计水平制约着传感器像元的灰度等级，因此由深度相机获取的深度图像没有普通的二维图像细致。此外受光源功率稳定性的影响，深度图像的分辨率也会有所降低。低分辨率的图像会模糊边缘特征，对于这种图像可通过信息融合的方法改进图像的清晰度，在本文所做的精准农业定位定量研究中，在获取农作物位置信息和表型信息的获取上，分辨率低带来的信息损失对二者的影响在能够处理的范围内。(2)存在测量误差。ToF相机的误差主要分为两类：系统误差和非系统误差。ToF相机的系统误差是由相机内部的硬件产生，包括由于测距原理相关因素以及由于积分时间不同引起的误差，另外由于波形不是理想的正弦波或余弦波也会给测量结果带来误差。这类误差的特点是形式比较固定，经过实验后可以通过相机标定来解决[39--41]。在自然环境下进行实验时，环境对ToF相机的测距也存在较大影响，如在强烈的太阳光下进行实验时，由ToF相机发射的光脉冲会受到自然光的干扰，此时深度图像中会出现噪声点，这严重影响着深度信息的精确性。此外在外界环境中外界噪声也是不可避免的，如若环境中有风，则拍摄农作物的深度图像时还会由于运动产生一定的伪影。为此解决办法为避免在强光照条件下拍摄深度图像，尽量减少环境因素对深度图像的影响；若存在测量误差，则根据实际情况制定校正方法。
第3章基于深度图像的农作物位置信息检测
3．1农作物位置信息提取概述
在精准农业研究中，农作物的位置信息是自动化农业机械耕作的关键。在农业自动化耕作中，自动化农业机械服从指令进行农业操作，指令如车轮前进的方向和距离，或机械手臂动作的高度、角度和力度等，机械硬件处理的信息较少，关键信息需要通过其他途径获得。在耕作地工作的农业机械，由于农作物没有固定形状，且颜色、位置等并不固定统一，需要利用计算机视觉技术获取外界环境信息，基于这些信息进行位置的移动及机械手臂的操作。其过程是利用计算机视觉技术对农作物进行识别和定位，首先要将目标从背景中分割，再根据目标的特征得到其位置和距离信息，将这些信息处理后传送给智能农业机械后，机械会根据这些信息生成相应的指令，执行对应的操作。对农作物定位的研究大致分为两部分，一是基于计算机视觉技术对农作物进行识别和定位，二是根据定位信息对农业机械进行操作，包括机械手臂的操作和农业机械的动作，本文主要进行第一部分的研究。
3．2深度图像的采集与去噪
课题使用基于ToF技术的epc660相机获取自然环境下的蚕豆植株和青菜的深度图像。实验是在自然环境下进行的，时间为有太阳光的白天，现场实验图如图所示，实验设备包括图中所示的ToF相机和移动电脑上安装的图像采集软件。
第4章总结与展望
4.1总结
精准农业是现代信息化农业的发展方向，它以精准的定位、定量、定时控制为核心理念，是实现低投入、高回报、高品质的可持续农业发展的有效途径。本文使用ToF相机获取自然环境下的深度图像，结合计算机视觉图像处理技术，在三维空间内提取农作物的位置信息及特征参数，为精准农业领域的研究提供解决方案和理论依据。本文首先介绍了课题的研究背景，提出利用三维图像来研究定位、定量问题的观点，针对三维图像的获取，结合ToF相机在获取深度信息的快捷性和室外操作的简便性提出将其应用于精准农业的定位定量研究中的方案，并对深度图像技术的应用现状做了详细介绍，接着阐述了ToF相机的成像原理和图像特征，表明了深度相机在进行农作物三维测量方面的优势，为深度图像技术在精准农业领域的应用提供了可靠的理论基础。针对精准农业领域的定位、定量控制问题，本文通过提取农作物的位置信息为定位控制研究提供解决方案，并通过深度图像技术提取农作物的特征参数为定量的控制研究提供理论数据。
4.2展望
5．2展望本文应用ToF深度成像技术对农作物的位置和表型参数进行检测和提取，虽验证了可行性但是在实验过程中也存在一些不足以及未来需要改进的地方，主要表现在以下几点：
(1)虽然ToF相机是红外光的光源调制，但在实验过程中，如果太阳光比较强烈，会在深度图像中形成比较多的噪声点，影响图像的识别。ToF相机的分辨率较低，本文实验使用的相机分辨率为320*240，在提取比较细节的边缘纹理信息方面还有一些缺陷。未来如果有细节方面的要求，可以对深度图像进行超分辨率重建[50-52]，获取比较关键的细节信息。
(2)本文的实验部分是在科学岛东区实验田完成的，实验期间枸杞尚未开花，属于粮食作物的水稻还未种田，故选择实验田中正处生长旺盛期的蚕豆植株和青菜故将作为实验对象。在验证方案的准确性时所做的实验不够充分，虽然验证了方案的可行性，但适用性还有待加强。另外因实验田菜地交通狭窄不便，大型农业机械没法进入，虽验证了方案的可行性，但仍需在实际的农业生产中进行实验。6月中旬至8月中旬为枸杞夏果期，计划在此期间在枸杞采摘实验基地进行实验，将ToF相机固定在采摘机器上，根据现场采摘需要制定图像处理策略，并将位置信息传送给采摘机器进行操作，将图像处理和机械操作分开，最后验证方法的准确性。
参考文献
[1]赵春江，薛绪掌，王秀，等，精准农业技术体系的研究进展与展望[].农业工程学报，2003，19（4）：7-12.
[2]刘爱民，徐丽明，现代精准农业及我国精准农业的发展方向[J].中国农业大学学报，2000，5（2）：20-25.
[3]GokturksB，YalcinH，BamjiC.ATime-Of-FlightDepthSensor-SystemDescription，IssuesandSolutions[C].ComputerVisionandPatternRecognitionWorkshop，2004
Conferenceon.IEEEXplore，2004：35-35
[4]HsuS，AcharyaS，RafiA，etal.PerformanceofaTime-of-FlightRangeCameraforIntelligentVehicleSafetyApplications[M].AdvancedMicrosystersforAutomotiveApplications2006.SpringerBerlinHeidelberg，2006：205-219.
[5]ElkhaliliO，SchreyOM，UIfigW，etal.A64A8Pixel3-DCMOSTimeOfFlightImageSensorforCarSafetyApplications[C].Solid-StateCircuitsConference，2006.Esscirc2006.Proceedingsofthe，European.IEEE，2006：568-571.
相关阅读
论文常识
期刊知识
著作出版
教材出书
专利申请
出版社
扫码关注公众号