本发明专利技术提供了一种基于Kinect传感器的植株深度特征识别方法，该方法包括以下两个模块：模块一，深度图像处理，通过对获取的深度图像进行深度范围限制和阀值处理，获取植株目标的深度图像；模块二，深度数据处理，通过对获取的深度图像提取其深度数据，由其深度数据的三维空间转换计算出植株目标的体积特征。通过对植株深度识别的实验，结果表明该方法可以实现通过深度图像对目标植株的快速准确识别，同时获取植株目标的体积数据，为农业精准对靶喷雾中植株的有无、大小等特征的检测提供了新的方法。
【技术实现步骤摘要】
本专利技术涉及一种农业喷雾植株检测技术，尤其涉及一种基于Kinect传感器的植 株深度特征识别方法。
技术介绍
在农业喷雾植株检测过程中，实现对目标植株检测最简单的方法之一是距离的检 测，即深度信息的获取。目前基于深度信息的目标植株检测方法，所用的距离传感器包括： 红外线传感器、超声波传感器和激光传感器。传统的红外线传感器及超声波传感器在实际 运用过程中，由于易受外界的环境因素影响，其距离的检测精度欠佳；近年来，激光传感器 因其高精度、快速度的特点，受到学者的广泛关注，用于农业喷雾前期的植株检测方面的技 术研究也逐渐成熟，通过将激光传感器的植株距离检测与喷雾机喷雾相结合，有效的提高 了农药的利用率，同时减少了对环境的影响，但是激光传感器的成本较高，实际运用中对传 感器的维护等存在一定问题。Kinect传感器是微软公司推出的一款体感设备，该设备内置 深度传感器，可以获取深度信息，经后期的数据处理，将深度信息转换为相对的三维空间坐 标，利用坐标信息计算出植株目标的体积特征，可以量化植株目标的体积特征。
技术实现思路
本专利技术目的在于提供，能够实 现通过深度图像对目标植株的快速准确识别，并获取植株目标的体积数据。 本专利技术采用如下的技术方案：， 包括以下步骤： 步骤1，调用Kinect传感器获取深度图像，对获取的深度图像进行深度范围限制， 所获取的深度数据在深度范围内的保留，在深度范围之外的则置为〇,去除范围外的干扰物 体； 步骤2,选用最大类间方差法对限定深度范围后的图像进行阀值处理，该过程的目 的是降低错分概率，进一步去除背景干扰物，显示范围物体为白色，背景色为黑色； 步骤3,对获取的深度图像提取其深度数据，将有效范围内的植株深度数据及空间 坐标单独保存，进行下一步处理； 步骤4,根据三维空间坐标之间的转换关系，由深度数据转换为三维空间坐标； 步骤5,由三维空间坐标计算出植株目标的体积特征，具体的体积特征为： 1)高度分区域：选取合适的数值n，将植株目标高度分为N段，植株最高坐标7_， 最低坐标ymin，每个区域的高度为Ayn: 2)区域宽度：N段植株目标的最大宽度坐标1_，最小宽度坐标1_，区域的宽度为 Δ X : Δ X - Xmax xmin; 3)区域深度：N段植株目标的最远深度坐标2_，最近深度坐标2_，区域的深度为 Δz：Δz-zmaxzmin; 4)植株目标体积特征：对N段植株目标体积进行求和，获取体积v: 进一步，所述步骤1，调用Kinect传感器获取深度图像的设备为微软公布的 XB0X360体感周边外设KinectforWindows版本，其深度摄像头所获取的深度图像默认为 每秒30帧，分辨率为640x480。 进一步，所述步骤3中对获取的深度图像提取其深度数据保存为640x480unitl6 的矩阵格式。 进一步，所述步骤4中深度数据转换为三维空间坐标之间的转换关系为： 其中，f代表焦距，c代表中心；此时，Kinect参数设取值：s= 5000,cx= 320,cy =240,fx=fy= 525。 本专利技术的有益效果在于：，通过 对获取的深度图像进行深度范围限制和阀值处理，获取植株目标的深度图像，同时通过对 获取的深度图像提取其深度数据，由其深度数据的三维空间坐标转换计算出植株目标的体 积特征，可以实现通过深度图像对目标植株的快速准确识别，并获取植株目标的体积数据。【附图说明】 图1是本专利技术的流程图； 图2是本专利技术模块一的流程 图； 图3是本专利技术中对获取的深度图像进行深度范围限制，去除范围外的干扰物体的 图像； 图4是本专利技术中采用最大类间方差法（0TSU)对限定深度范围后的图像进行阀值 处理的图像； 图5是本专利技术模块二的流程 图； 图6是本专利技术假设的三维空间坐标系，其中0' -UV是图片坐标系，0-ΧΥΖ是Kinect的 坐标系。【具体实施方式】 下面结合附图和实施例，对本专利技术的【具体实施方式】作进一步详细介绍。以下实施 例用于说明本专利技术的方法，但不用来限制本专利技术的范围。 本专利技术的设计思路是：通过对 获取的深度图像进行深度范围限制和阀值处理，获取植株目标的深度图像；同时通过对获 取的深度图像提取其深度数据，由其深度数据的三维空间坐标转换计算出植株目标的体积 特征。 具体如图1所示，该方法包括以下模块： 模块一，深度图像处理； 模块二，深度数据处理。 参照图2所示，给出了图1中模块一，深度图像处理，包括以下步骤： (1)调用Kinect传感器获取深度图像，对获取的深度图像进行深度范围限制，所 获取的深度数据在深度范围内的保留，在深度范围之外的则置为〇,去除范围外的干扰物 体； 如图3所示，调用Kinect传感器获取深度图像，该设备为微软公布的XB0X360体 感周边外设KinectforWindows版本，其深度摄像头所获取的深度图像默认为每秒30帧， 分辨率为640x480,所获取的深度图像由空间物体的深度数据构成，每个像素点即代表该点 的深度坐标。通过对获取的深度图像进行深度范围限制，能够实现去除范围之外的干扰物 体，仅保留所需判定区域的物体数据。其中，深度范围根据实际实施例选取，本专利技术实施例 经多次实验调整，选取的深度范围为，在深度范围内的数据保留，深度范围外的 数据置为〇,实验证明，范围之外的干扰物可以被去除，保留的区域物体的当前第1页1 2 本文档来自技高网...
【技术保护点】
一种基于Kinect传感器的植株深度特征识别方法，其特征在于，包括以下步骤：步骤1，调用Kinect传感器获取深度图像，对获取的深度图像进行深度范围限制，所获取的深度数据在深度范围内的保留，在深度范围之外的则置为0，去除范围外的干扰物体；步骤2，选用最大类间方差法对限定深度范围后的图像进行阀值处理，进一步去除背景干扰物，显示范围物体为白色，背景色为黑色；步骤3，对获取的深度图像提取其深度数据，将有效范围内的植株深度数据及空间坐标单独保存，进行下一步处理；步骤4，根据三维空间坐标之间的转换关系，由深度数据转换为三维空间坐标；步骤5，由三维空间坐标计算出植株目标的体积特征，具体的体积特征为：1)高度分区域：选取合适的数值n，将植株目标高度分为N段，植株最高坐标ymax，最低坐标ymin，每个区域的高度为Δyn：2)区域宽度：N段植株目标的最大宽度坐标xmax，最小宽度坐标xmin，区域的宽度为Δx：Δx＝xmax‑xmin；3)区域深度：N段植株目标的最远深度坐标zmax，最近深度坐标zmin，区域的深度为Δz：Δz＝zmax‑zmin；4)植株目标体积特征：对N段植株目标体积进行求和，获取体积v：...
【技术特征摘要】
【专利技术属性】
技术研发人员：沈跃，徐慧，刘慧，
申请(专利权)人：江苏大学，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。