基于热红外和RGB-D相机的作物CWSI的检测方法技术

本发明专利技术涉及一种基于热红外相机和RGB

【技术实现步骤摘要】
基于热红外和RGB
‑
D相机的作物CWSI的检测方法


[0001]本专利技术属于作物水分胁迫检测领域，尤其涉及一种基于热红外相机和RGB
‑
D相机的作物CWSI(Crop Water Stress Index，作物水分胁迫指数)的检测方法。

技术介绍

[0002]CWSI(Crop Water Stress Index，作物水分胁迫指数)的检测需要用到作物冠层温度。热红外图像可以提供温度信息，但是由于热红外图像的低分辨率原因，可以使用可见光图像进行辅助，因此需要对热红外图像和可见光图像进行配准。热红外与可见光图像的配准，多采用快速鲁棒特征点检测(Speed Up Robust Feature,SURF)等基于特征的匹配方法，对两幅图像重叠部分进行特征匹配。但是热红外图像和可见光图像由于传感器不同，成像差异很大。并且检测场景在大田，由于大田中的环境复杂，土壤和土地中的杂草等都会成为热红外图像和可见光图像配准过程中的干扰因素。

技术实现思路

[0003]针对上述技术问题，本专利技术的目的是提供一种本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于热红外相机和RGB
‑
D相机的作物CWSI的检测方法，其特征在于，所述方法包括如下步骤：Step1、通过热红外相机和RGB
‑
D相机垂直于地面拍摄，同时获取同一株作物的包含湿参考面的热红外图像以及左右视角的两张可见光图像；所述湿参考面为放置在作物旁的用于模拟作物叶片的气孔完全打开处于全蒸腾作用下状态的装置；Step2、根据RGB
‑
D相机左右视角拍摄的两张可见光图像，利用相机自带的SDK生成相应的原始点云深度图像；所述深度图像中点云数据包含三维坐标信息和颜色信息；Step3、点云数据预处理；对原始点云深度图像采用动态阈值分割，排除明显不属于绿叶的背景信息，获得预处理后的点云数据；Step4、点云数据聚类分割；Step4.1、将预处理后的点云数据的三维坐标存放在一个N
×
3的矩阵中，N为点云数据的个数，每一行即为每一个点云数据的三维坐标(x,y,z)，行号作为索引号；Step4.2、按索引号由小到大的顺序选取一个未被标记的点，并作为中心点，绘制一个三维球体作为遍历窗口区域，将遍历窗口区域内的未被标记的点标记为与该中心点相同类别，并将其索引号排入遍历队列；在该遍历队列中，按索引号由小到大的顺序选取一个已被标记点作为下一个中心点，绘制三维球体作为遍历窗口区域，将遍历窗口区域内的未被标记的点标记为与中心点相同类别，并将其索引号排入该遍历队列中，以此类推，直到该遍历队列中最后一个中心点已无法搜集到未标记的新点加入，意味着一次聚类分割的完成，将该遍历队列中的所有点的序号集合，作为一类；Step4.3、在剩余未被标记的点中，按索引号由小到大的顺序选取下一个未被标记的点，重复Step4.2的操作，完成第二次分类，以此类推，直到矩阵中所有点云数据均被遍历分类；获得聚类分割后的点云数据；Step5、点云三维映射到二维；Step5.1、通过公式1将聚类分割后的点云数据中的各点云的三维坐标P(x1,y1,z1)转换为二维坐标U(u,v)，获得图像矩阵；式中，u为投射后图像的横坐标，v为投射后图像的纵坐标，u0为光轴中心在图像中的投影，也就是图像中心的横坐标；v0为图像中心的纵坐标；u
’
为虚拟成像的横坐标，v
’
为虚拟成像的纵坐标；α为点云坐标映射到图像坐标的放大倍数；z为虚拟成像的竖坐标，x1为P点的横坐标，y1为P点的纵坐标，z1为P点的竖坐标；Step5.2、将Step5.1获得的各点云的二维坐标的坐标值取整；然后，将点云的颜色信息构成的颜色矩阵直接赋值到Step5.1获得的图像矩阵中对应的位置；Step5.3、将Step5.2赋值后的图像进行中值滤波，输出一张作物冠层区域的二维图像；Step6、二维图像与热红外图像配准；
提取St...

【专利技术属性】
技术研发人员：李寒，高阳，苗艳龙，孙建桐，彭程，张漫，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：