基于深度图像树冠体积测量方法的研究

基于深度图像树冠体积测量方法的研究

王强 , 刘文彬，加依达尔 ·恰黑达，周喜鹏 指导老师 吴明清 林小丹

塔里木大学机械电气化工程学院，阿拉尔 843300

摘要：树冠的体积是病虫害化学防治，果树产量等果园精细化管理的重要因素，为了测不同形状的树冠对果树冠层体积测量方法的影响，搭建果树冠层体积测量平台。基于3D相机采集不同形状的几何体和树木三维点云，对三维点云进行预处理，删除孤立点，去噪，旋转配准，点云滤波等处理,利用凸包法测量树冠的体积和表面积，测得不同形状几何体体积和表面积与人工测量相平均对误差约为5%和15%，以5棵人工修剪的球体绿篱笆树为标靶，冠层体积测量与人工测量相对误差8%和6%。试验树冠点云测量冠层体积具有较高的准确性和。可靠性。

关键字： 深度图像；树冠体积；三维点云

Based on the depth image tree crown volume measurement method

Liu Wenbin, Gaidar Chaheida, Wang Qiang, Zhou Xipeng

(School of Mechanical Electrification Engineering, Tarim University, Aral 843300)

Abstract: The volume of the canopy is an important factor in the fine management of orchards such as pest and disease chemical control and fruit tree yield, in order to measure the influence of different shapes of the crown on the measurement method of the volume of the crown layer of the fruit tree, the volume measurement platform of the crown layer of the fruit tree is set up. Based on 3D camera to capture different shapes of geometry and trees 3D point clouds, 3D point clouds are pre-processed, isolated points are removed, noise removal, rotation registration, point cloud filtering and other processing, the volume and surface area of the tree canopy are measured by convex hull method The average error between the volume and surface area of geometry and artificial measurement was about 5% and 15%, with 5 artificially trimmed sphere hedge trees as the target, and the relative error of 8% and 6% between the volume measurement and manual measurement of the canopy. The test canopy point cloud measures the volume of the canopy with high accuracy and. reliability.

Keywords: Depth image; Canopy volume; 3D point cloud

引言

果树的冠层是衡量果树的生长状况，喷药，施肥和果产估计等果树精细化作业管理的重要因素。新疆矮化密植的枣树，苹果和香梨等果园，果树冠层是进行光合作用的主要场所，树冠的大小，树叶的数量和叶子的大小，都直接影 响树木对二氧化碳的吸收。传统果树测量

主要通过测量冠层胸径，高度等生长因子来推算冠层的体积。传统的测量手段无法满足快速测量的要求。

利用深度相机获取冠层的三维点云是一种全自动高精度的立体扫描技术，他利用非接触测量技术进行数据采集，以大量离散的三维点云来表达扫描树木冠层，并依据果树冠层数据准确测量果树的冠层体积。

1 材料与方法

• 测量平台

本实验使用3D相机采用快照激光编码全场投射模式，可输出2~15HZ的三维点云。采用AI芯片嵌入式计算，直接输出坐标点数据。本相机可满足40mm~750mm测量距离多种工作任务。

1.1.1视觉角

将深度相机架设在三角架上，将相机升高至树木冠中间的位置，深度相机跟笔记本连接，调节相机的景深和曝光率如图4所示。本次研究设置扫描区域为360°，每珠样本的需要，采集四个方向等间距扫描树冠的三维点云，扫描一种样本需要10分钟，扫描场景如图1所示。

1.2数据采集及处理

本次实验采用室内测量树木冠层的体积，受到实验器材的限制只能通过测量花卉体积，通过类比的方法来完成实验。我们首先通过对花卉进行图像采集，经过图像得出体积和表面积，我们选择用卷尺来测量冠幅、冠径、冠高等，根据几何图形的计算公式来获得体积及表面积。

我们首先进行了对规则图形进行图像采集，通过计算得到以下的数据，见表1

1.3基于深度图像点云数据冠层体积的测量

通过手工测量的方法虽然操作简单，但是测量精度低，容易受人为因素的主观影响。随着深度相机的快速发展，这一技术已经进入果树体积测量的研究。深度相机获取点云模型的算法采用PCL点库中 getTotalArea()和getTotalVolume()函数来获取点云模型的表面积和体积^【2】,此处命名为凸包法。该算法采用了第三方库qhul^【3】，其原理是对点云模型进行 Delaunnay三角剖分^【4】通过计算三角形边长求面积，三角形面积之和为模型的表面积;空间相邻三角形面相交形成多面体，多面体体积之和为模型的体积。

2.试验结果与分析

2.1几何体三维点云体积测量试验.

在深度相机采集到点云后，对点云进行滤波、平滑、漏洞修复、下采样、坐标平移和平移变换等预处理，具体如下：

(1)滤波

采用统计滤波器进行滤波，计算每个点到其它所有临近点的平均距离。假设得到的结果是一个高斯分布，其形状有均值和标准差决定，平均距离在标准差范围以外的点，可被定义为离群点如图2a所示，离群点删除后显示如图2b所示。

(2)平滑及漏洞修复

在扫描中，由于遮挡或光线，系统扫描误差造成点云残缺，点云表面不光滑或者有漏洞，这些缺陷会影响计算精度。本文采用移动最小二乘法（MLS）的点云平滑和数据重采样算法^[22]对点云进行处理，弥补表面的缺失，使表面更加光滑，平滑后的结果如图2c所示。

(3)下采样

点云密度很大，数据存在冗余，产生无效运算开支，影响后期的显示，因此需要对点云进行采样精简，采用体素栅格下采样算法^[23]对 点云进行精简，结果如图5d所示。

(4)坐标平移变换

由于摆放方位和角度都有一定的差异，采集到的点云坐标系不同，为方便后期计算和处理，需要对点云进行平移和旋转，点云模型的重心平移到坐标系的原点，重心作模型的坐标系原点，如图5d所示。

（1）计算点云数据模型的质心点三维坐标;

（2）基于主成分分析法(PCA)，计算点云模型的协方差，求解协方差矩阵的特征值与特征向量，特征向量即为点云主方向;

（3）根据点云中心点坐标与主方向创建一个相对于空间坐标系原点的平移旋转矩阵

（4）通过创建的旋转平移矩阵将原始位置的点云变换到原点为点云中心点、空间坐标轴为点云主方向的新位置。

2.2球形绿篱树冠体积测量试验

3.结论

1. 深度相机和Geomagic Studio和PCL点云图形库，建立一个树冠的点云数据模型，用于对树冠体积和表面积的自动测量。

2. 采样间隔对体积和表面积的测量精度有显著的影响，间隔越大，误差越大，但耗时越短；样本的大小亦对测量结果有一定的影响，由于设备的限制目前所得结论，体积越大误差也会随之增大。

参考文献

[1] 熊妮娜,王佳,罗旭,等.一种基于三维激光扫描系统测量树冠体积方法的研究——以油松为例[J].北京林业大学学报,2007(S2):61-65.

Xiong Nina,Wang Jia,Luo Xu,et al. Measuring tree crown volume based on three dimension laser scanning and mapping system-taking pinus tabulaeformis as a case[J].Journal of Beijing Forestry University, 2007 (S2) : 61-65.

[2]Koc Ab. Determination of watermelon volume using ellipsoid approximation and image processing[J].Postharvest Biology&Technology,2007,45(3):366-371.

[3]刘同海,滕光辉,张盛南,等.基于点云数据的猪体曲面三维重建与应用[J].农业机械学报,2014,45(06):291-295.

Liu Tonghai,Teng Guanghui,Zhang Shengnan,et al.Reconstruction and application of 3D pig body model based on point cloud data[J]. Transactions of The Chinese Society of Agricultural Machinery,2014,45(06):291-295.

[4] 徐伟恒,冯仲科,苏志芳,等.一种基于三维激光点云数据的单木树冠投影面积和树冠体积自动提取算法[J].光谱学与光谱分析,2014,34(02):465-471.

Xu Weiheng,Feng Zhongke,Su Zhifang,et al.An automatic extraction algorithm for inpidual tree crown projection area and volume based 3D point Cloud data[J].Spectroscopy and spectral analysis,2014(02): 465-471.

[5] 胡晓彤,张艳春.基于三维点云的奶牛乳房外形特征分析方法[J].天津科技大学学报,2012,27(02):61-64.

Hu Xiaotong,Zhang Yanchun.Cow breast shape features analysis method based on three-dimensional point cloud [J].Journal of Tianjin University of Science & Technology,2012,27(02):61-64.

[6] 龚爱平,张卫正,何勇,等. 基于三维线框模型的类球体农产品体积和表面积测量[J].农业机械学报,2016,47(07):338-344.

Gong Aiping,Zhang Weizheng,He Yong, et al. Measurement of volume and surface area for spheroid agricultural product based on 3D wireframe model [J]. Transactions of The Chinese Society of Agricultural Machinery,2016,47(7):338-344

[6] 刘维, 韩旭东,艾华. 激光三角法在位移测量中的应用[J].光学精密工程,2004,12(s2):104-107.

[7]QHull computes the convex hull,Delaunay triangulation,el al[EB/OL].[1995-5-17].http://www.qhull.org/

[8]Zhu Dehai,Guo Hao,SU Wei.Point cloud library PCL tutorial[M].Beijing: Beihang University proess.2012(in Chinese).

朱德海，郭浩，苏伟.点云库PCL学习教程.北京：北京航空航天大学出版社，2012.

[9]刘学军，龚健雅.约束数据域的Delaunay三角剖分与修改算法[J].测绘学报2001,30(1):82-88