一种基于监视双目相机和近摄单目相机的表取采样量估算方法技术

本发明专利技术获得一种能够基于监视双目相机和近摄单目相机的图像信息对表取土壤或其他相似质地采样物的采样量进行实时估算的方法，其中该方法包括：

【技术实现步骤摘要】
一种基于监视双目相机和近摄单目相机的表取采样量估算方法


[0001]本专利技术涉及土壤特征测量和点云处理领域，尤其涉及一种基于监视双目相机和近摄单目相机的表取采样量估算方法
。

技术介绍

[0002]文献记载的已有土壤特征测量方案主要可分为广域测量和样品测量两类，其中前者一般是通过远程方式对大范围土壤的地形地貌特征进行观测，而后者则多将样品在实验室特定仪器设备和环境下进行测量
。
广域类测量，举例而言，有利用地面和空中摄影测量法进行大范围的土壤侵蚀程度评估，也有利用无人机远程观测并结合正射摄影测绘和数字高程模型对自然侵蚀所形成的大面积土壤空洞和沟道的地貌特征进行测量
。
此外，广域类土壤特征测量在地外天体探测
(
如月球探测
、
火星探测等
)
中也起着重要的作用
。
而样品类测量则可以通过更加细致的检测手段对土壤样品的体积
、
成分
、
颗粒大小等进行测量，例如直接测量土块物理尺寸
、
通过排液法间接测量土块体积
、
利用多重分形分析和激光衍射实现对干土壤中土壤颗粒直径分布情况的检测等
。
本专利技术所针对的土壤特征测量需求不同于上述两种已有类型：本专利技术对采样区局部土壤体积变化情况而非大范围
、
广域地形地貌进行评估，本专利技术实现实时的土壤特征测量
(
采样量估算
)
而非采样后统一测量
。
综上，本专利技术不存在背景与目标均近似的相关在先技术，而是对一种新型的土壤特征测量需求进行针对性设计
。
[0003]本专利技术仅从视觉信息出发对表取采样量进行计算，其首先利用视觉信息得到对采样区域的三维点云重建，而后再基于点云进行体积计算
。
因此，本专利技术所面向的原始数据为采样前和采样后两组
、
不构成封闭体型的点云数据，通过将两组点云数据进行作差比较从而得到采样所致点云变化的各部分的体积值
。
该功能方向上，开源软件
CloudCompare
已经能够实现基于点云的各类计算和分析，而该软件所具有的点云网格法作差
、
泊松曲面拟合等功能也适用于本专利技术的部分计算需求，因此本专利技术即以
CloudCompare
软件的底层代码作为参考来构建最基本的点云体积计算功能，而其余创新性的核心功能仍全部由本专利技术独立设计完成
。
本专利技术的编程开发基于
Windows 10
系统以及
Visual Studio 2019
软件，编程语言采用
C/C++
，使用的特殊库主要为点云库
PCL(Point Cloud Library)
和几何计算库
CGAL(Computational Geometry Algorithms Library)。

技术实现思路

[0004]本专利技术是鉴于以上情况而完成的，其目的在于设计实现一种在无人干预的条件下能够基于监视双目相机和近摄单目相机的图像信息对表取采样量进行估算的方法
。
[0005]为了实现上述目的，本专利技术需要针对性地解决基于图像估算采样量的关键问题：一般而言，采样器在采样过程中会对自然土壤状态产生破坏，从而导致采样区不同部分土壤的松实状态相异，而不考虑该松实状态问题将使计算结果存在明显原理误差
。
本专利技术将
受采样破坏后的土壤分为以下三部分：
1)
自然土，即未受到采样影响
、
保留原本土壤特征的部分；
2)
外翻土，即由于采样铲额外体积插入和土壤孔隙比变化而导致的堆积于采样坑外的土壤部分；
3)
内陷土，即疏松土壤受到采样扰动导致静态平衡丢失从而滑入采样坑内的土壤部分
。
[0006]根据上述不同松实状态土壤的分类方式，本专利技术设计采样量估算方案如下
。
首先，监视双目相机基于双目视觉原理重建采样前后的采样区三维点云，二者高度作差后对各点云进行判断，若值大于0则该部分土壤高度增大
、
对应坑外外翻土部分，若值小于0则该部分土壤高度减小
、
对应坑内部分
。
坑内包括被采样取走的自然土部分以及内陷土部分，通过将实际点云与理想采样轨迹点云进行对比，作差得到理想凹坑之上的内陷土部分
。
近摄单目相机提供采样区土壤图像，图像标准化后通过一次性的人为操作将图像中的松土和实土的部分进行划分，而后再分别根据纹理和颜色等特征计算得到各子图像中土壤的孔隙比，进一步结合孔隙比与体积之间的理论关系得到各部分不同松实状态土壤的等效体积比例系数
。
此外，也可通过近摄相机所拍摄的土壤图像特征或地质光谱仪的光谱信息等，对采样区的土质进行检测，而后根据已知土壤的松实体积比表格查询得到采样区土壤的松实体积比
。
最后，将点云数据中的自然土
、
内陷土
、
外翻土各部分与其对应等效体积比例系数相乘后叠加，即可得到采样量估算结果
。
[0007]根据上述采样量估算方案，本专利技术设计计算程序步骤框架如下：
[0008]步骤1，导入采样前后的全局点云；
[0009]步骤2，对全局点云中的采样坑邻域进行自动截取；
[0010]步骤3，对采样前后采样坑邻域点云进行离群点筛选去除，防止离群点对后续体积计算产生干扰；
[0011]步骤4，对采样前点云进行平面拟合，以将该平面旋转至与
xOy
平面平行
、
中心平移至平面重心位置为标准，对采样前后点云坐标的方向和原点位置进行校正；
[0012]步骤5，基于前述标准化处理后的采样前后点云计算采样体积；
[0013]步骤6，将体积计算结果以及相关信息进行显示保存
。
[0014]并且，为了实现上述目的，本专利技术设计特殊程序功能如下：
[0015]所述步骤1中可根据点云数据点密度等特征对后续计算所需的网格参数进行自动计算，其主要包括自动获取点云最值点坐标和自动确定网格步长及网格横纵数量两项功能
。
[0016]所述步骤2首先基于理想采样点
xyz
三维坐标得到对采样坑邻域的粗筛，而后利用最值搜索
、8
连通区域搜索等进一步得到对邻域的细筛
。
[0017]所述步骤3可选本专利技术提出的基于
z
值的两级制筛选去除方法和基于点云距离的筛选去除方法两种离群点筛选去除策略
。
[0018]所述步骤4利用最小二乘拟合
、
旋转矩阵
、
平移矩阵实现对采样前和采样后点云进行坐标校正
。
[0019]所述步本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于监视双目相机和近摄单目相机的表取采样量估算方法，包括三部分，其中第一部分为采样点位三维重建点云数据及其分类处理，其具体为：首先，基于双目立体视觉原理由监视双目相机图像信息得到采样前后的三维点云数据；其次，对采样后采样点位附近的土壤状态进行重新评估，将土壤细分为自然土
、
外翻土和内陷土，考虑采样操作所导致的土壤松实状态变化对采样量体积估算的影响；最后，利用点云数据特征和理想采样轨迹对不同松实状态土壤所对应的点云数据进行分类处理
。2.
一种基于监视双目相机和近摄单目相机的表取采样量估算方法，包括三部分，其中第二部分为采样点位不同松实状态土壤的等效体积比例系数测定，其具体为：首先，对近摄单目相机所拍摄的土壤图像中的不同松实状态区域进行人为划分提取；其次，对各子图像进行数字图像处理，利用图像特征对不同松实状态土壤的孔隙比进行合理评估；最后，根据孔隙比与体积之间的理想理论关系，由孔隙比得到不同松实状态土壤之间的等效体积比例系数
。3.
一种基于监视双目相机和近摄单目相机的表取采样量估算方法，包括三部分，其中第三部分为采样量估算及相关结果呈现，其具体为：首先，通过对采样前后点云数据的作差，得到不同松实状态土壤部分各自的体积；其次，将各体积与其对应松实状态的等效体积比例系数相乘后，通过叠加计算得到采样量估算结果；最后，对结果相关的参数
、
图像
、
点云关键信息进行展示和呈现
。4.
根据权利要求1所述的采样点位三维重建点云数据及其分类处理，其具体实现过程为：首先，监视双目相机基于双目视觉原理重建采样前后的采样区三维点云；其次，将采样前和采样后同一位置处的对应点云数据进行高度方向的数值作差；然后，对各位置处的高度作差结果进行判断，若某一位置采样后点云的高度大于该位置采样前点云的高度，则该位置土壤的高度由于采样操作而增大，因此将该位置处的点云数据划分至采样所致的坑外外翻部分，反之若某一位置采样后点云的高度小于该位置采样前点云的高度，则该位置土壤的高度由于采样操作而减小，因此将该位置处的点云数据划分至采样完成后的土壤凹坑内部分；最后，由于坑内部分包括被采样取走的自然土部分以及采样坑周围土壤滑落形成的内陷土部分，因此通过将上一步骤划分得到的实际采样完成后的土壤凹坑内点云，与不考虑采样后凹坑周围土壤向凹坑内部滑落的
、
理想采样情况下的采样轨迹点云进行对比，将二者作差得到理想采样凹坑之上的内陷土部分，实现对实际凹坑内部自然土部分和内陷土部分的划分
。5.
根据权利要求2所述的采样点位不同松实状态土壤的等效体积比例系数测定，其具体实现过程为：...

【专利技术属性】
技术研发人员：屈玉福，张宇同，刘亦辰，陈从嘉，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：