一种基于回溯自适应匹配追踪的农用植株3D数据重构方法技术

本发明专利技术公开了一种基于回溯自适应匹配追踪的农用植株3D数据重构方法，首先运用该方法在感知矩阵中寻找绝对值的相关度满足一定条件的原子存入候选集，然后对已选出的原子进行回溯检验，剔除先前迭代过程中错选的原子并存入删除集，同时更新支撑集与残差。当满足迭代终止条件时，退出迭代，完成对激光扫描传感器信号的精确重构。该方法无需将激光扫描传感器信号稀疏度作为先验条件，同时运用了回溯的思想，在计算复杂度与重构性能之间获得了很好的平衡。本发明专利技术直接从激光扫描传感器返回的植株目标深度数据入手，降低了对数据的存储和传输的压力，并能准确恢复植株的形态特征，对植株的成长分析具有重要意义。

【技术实现步骤摘要】

本专利技术涉及植株3D目标数据重构方法，尤其是一种基于压缩感知理论的激光数据回溯自适应匹配追踪的重构方法。
技术介绍
随着我国农业现代化的大力发展，机械化和电气化在农业领域的运用越来越广泛。对农作物生长信息的有效掌控以及对这些生长信息的压缩、传输和处理，对植株的监护和病虫害的防止有着重要的意义，能够实现农场品的高产丰收，对农业经济的发展也有着重要意义。在以往的农业生产过程中，主要依靠人工的观测或照片、视频的办法对植株的形态特征进行观测。由于植株数量巨大和其生长周期较长，上述方法并不适合对大量植株的高效检测以及观测产生的监测数据对存储和传输带来巨大的挑战，更不利于对农作物生长状况的有效分析。具有稀疏特性信号的压缩感知理论由Donoho等人于2006年提出。该理论采用少量信号的随机向量，能够以很高的概率准确重构原始信号。作为信号处理领域中诞生的全新理论，突破了传统的奈奎斯特采样定理的局限性。本专利技术是基于回溯匹配追踪算法开展的，该方法是由AnamitraMakur等人于2011年提出的。本专利技术创新性地将此方法运用于激光扫描传感器信号的恢复重构中，为激光扫描传感器信号的分析与处理开辟了新的思路。
技术实现思路
针对传统植株形态检测数据分析和重构方法中存在的弊端，本专利技术提出了一种基于压缩感知理论的植株3D数据回溯自适应匹配追踪重构方法。该方法首先在感知矩阵中自适应地选取一些原子，然后使用回溯思想灵活地去除了初选过程中错选的原子，从而实现激光扫描传感器信号的精确重构。本专利技术的技术方案是：一种基于回溯自适应匹配追踪的农用植株3D数据重构方法，包括以下步骤：步骤1：激光扫描传感器返回的每一组帧数据按顺序记为fn(i)，fn(i)表示fn的第i个 数据，fn表示f的第n组数据，则原始激光深度数据f＝[f1,f2,…,fn]T，其中i∈(1,2,…,Ι)，n∈(1,2,…,N)；步骤2：采用小波变换基对激光深度数据进行稀疏表示，信号f稀疏表示为f＝Ψx，x为激光扫描传感器返回的深度数据f∈RN×I在变换基Ψ下的系数向量x；步骤3：采用高斯分布白噪声生成随机测量矩阵Φ，Φ∈RM×N(M＜＜N)，M为测量维数，N为原始信号的维数；步骤4：测量矩阵Φ与稀疏变换基Ψ相乘得到感知矩阵其中Φ是M×N(M＜＜N)维的压缩感知观测矩阵，Ψ是N×N维的稀疏变换基矩阵，则激光原始信号f的测量值表示为步骤5：采用回溯自适应匹配追踪算法对植株的3D数据进行重构，得到重构后的激光数据并与原始数据进行对比得出结论；进一步，所述步骤5的具体过程为：步骤5.1，确立激光扫描传感器信号的压缩采样值序列与感知矩阵的关系，令初始残差等于激光扫描传感器信号的测量值(r0＝y)，初始化三个集合：支撑集候选集 删除集步骤5.2，对感知矩阵中的原子进行初次筛选，当满足条件时，将挑选出的原子存入候选集Cn，完成初次筛选；其中μ1为一个介于0到1之间的原子常数，选取μ1＝0.4，Ω＝[1,2,3,…,N]，|Cn|≤M-|Λ|，M为测量维数，Λ为支撑集，<·>表示内积运算；步骤5.3，计算并选择满足条件的原子并将其删除，存入删除集Γn，其中μ2同为一个介于0到1之间的删除原子常数；步骤5.4，通过以上对激光扫描传感器数据进行的数学运算过程，以下变量发生了变化，故对其进行更新，包括更新支撑集Λ＝{Λ∩Cn本文档来自技高网...

【技术保护点】
一种基于回溯自适应匹配追踪的农用植株3D数据重构方法，其特征在于，包括以下步骤：步骤1：激光扫描传感器返回的每一组帧数据按顺序记为fn(i)，fn(i)表示fn的第i个数据，fn表示f的第n组数据，则原始激光深度数据f＝[f1,f2,…,fn]T，其中i∈(1,2,…,Ι)，n∈(1,2,…,N)；步骤2：采用小波变换基对激光深度数据进行稀疏表示，信号f稀疏表示为f＝Ψx，x为激光扫描传感器返回的深度数据f∈RN×I在变换基Ψ下的系数向量x；步骤3：采用高斯分布白噪声生成随机测量矩阵Φ，Φ∈RM×N(M＜＜N)，M为测量维数，N为原始信号的维数；步骤4：测量矩阵Φ与稀疏变换基Ψ相乘得到感知矩阵其中Φ是M×N(M＜＜N)维的压缩感知观测矩阵，Ψ是N×N维的稀疏变换基矩阵，则激光原始信号f的测量值表示为步骤5：采用回溯自适应匹配追踪算法对植株的3D数据进行重构，得到重构后的激光数据并与原始数据进行对比得出结论。

【技术特征摘要】
1.一种基于回溯自适应匹配追踪的农用植株3D数据重构方法，其特征在于，包括以下步骤：步骤1：激光扫描传感器返回的每一组帧数据按顺序记为fn(i)，fn(i)表示fn的第i个数据，fn表示f的第n组数据，则原始激光深度数据f＝[f1,f2,…,fn]T，其中i∈(1,2,…,Ι)，n∈(1,2,…,N)；步骤2：采用小波变换基对激光深度数据进行稀疏表示，信号f稀疏表示为f＝Ψx，x为激光扫描传感器返回的深度数据f∈RN×I在变换基Ψ下的系数向量x；步骤3：采用高斯分布白噪声生成随机测量矩阵Φ，Φ∈RM×N(M＜＜N)，M为测量维数，N为原始信号的维数；步骤4：测量矩阵Φ与稀疏变换基Ψ相乘得到感知矩阵其中Φ是M×N(M＜＜N)维的压缩感知观测矩阵，Ψ是N×N维的稀疏变换基矩阵，则激光原始信号f的测量值表示为步骤5：采用回溯自适应匹配追踪算法对植株的3D数据进行重构，得到重构后的激光数据并与原始...

【专利技术属性】
技术研发人员：沈跃，丁灵卫，刘国海，
申请(专利权)人：江苏大学，
类型：发明
国别省市：江苏;32