精準(zhǔn)農(nóng)業(yè)是以定時(shí)、定位、定量控制農(nóng)資農(nóng)作為核心理念,以低投入、高收益為目標(biāo)的現(xiàn)代化農(nóng)業(yè)生產(chǎn)模式,代表著可持續(xù)環(huán)保型農(nóng)業(yè)的發(fā)展方向。對(duì)于精準(zhǔn)農(nóng)業(yè)所需要的定位、定量等信息,圖像的獲取和處理具有重要的意義。三維圖像彌補(bǔ)了二維圖像在深度信息上的缺失,因此在實(shí)際應(yīng)用中更為精確,其中,基于ToF(TimeofFlight)相機(jī)的三維成像技術(shù)可直接獲取目標(biāo)的深度信息,在農(nóng)作物位置及表型參數(shù)的確定上優(yōu)勢(shì)明顯。結(jié)合ToF相機(jī)獲取深度信息的快捷性和室外操作的簡(jiǎn)便性,本文提出了將其應(yīng)用于精準(zhǔn)農(nóng)業(yè)領(lǐng)域研究的方案,并針對(duì)精準(zhǔn)農(nóng)業(yè)所需的定位、定量等信息,做了以下研究工作。在農(nóng)作物的位置信息獲取研究中,提出對(duì)典型植株進(jìn)行邊緣檢測(cè)后再進(jìn)行平滑窗口內(nèi)密集葉片檢測(cè)的方法,獲取典型植株的位置信息;考慮復(fù)雜背景的干擾,提出基于深度特征的閾值分割方法,對(duì)蔬菜進(jìn)行深度閾值分割后求取單棵蔬菜連通域的質(zhì)心,獲取蔬菜的位置信息。在農(nóng)作物表型特征參數(shù)的獲取研究中,首先基于Harris角點(diǎn)檢測(cè)獲取主莖的根部和頂端坐標(biāo),通過(guò)計(jì)算三維坐標(biāo)的歐氏距離得到典型植株的株高;對(duì)于蔬菜生長(zhǎng)態(tài)勢(shì)的研究,本文通過(guò)獲取其縱向和橫向的形態(tài)來(lái)共同評(píng)定其尺寸大小,... 

【文章來(lái)源】：中國(guó)科學(xué)技術(shù)大學(xué)安徽省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究的背景與意義
    1.2 課題研究現(xiàn)狀
        1.2.1 深度圖像處理技術(shù)的研究現(xiàn)狀
        1.2.2 深度圖像技術(shù)在精準(zhǔn)農(nóng)業(yè)領(lǐng)域的研究現(xiàn)狀
    1.3 本文的主要內(nèi)容
第2章 深度圖像技術(shù)概述
    2.1 三維圖像獲取方法的研究
        2.1.1 雙目立體視覺(jué)系統(tǒng)
        2.1.2 結(jié)構(gòu)光成像
        2.1.3 ToF相機(jī)成像
    2.2 ToF相機(jī)成像特征
        2.2.1 ToF相機(jī)成像的優(yōu)勢(shì)
        2.2.2 ToF相機(jī)成像的劣勢(shì)
        2.2.3 ToF相機(jī)使用概述
    2.3 深度圖像技術(shù)的應(yīng)用
第3章 基于深度圖像的農(nóng)作物位置信息檢測(cè)
    3.1 農(nóng)作物位置信息提取概述
    3.2 深度圖像的采集與去噪
        3.2.1 深度圖像簡(jiǎn)介
        3.2.2 深度圖像去噪
    3.3 基于深度特征的閾值分割
    3.4 農(nóng)作物邊緣特征的提取
        3.4.1 常用的邊緣提取方法
        3.4.2 灰度圖像邊緣提取結(jié)果分析
        3.4.3 深度圖像的邊緣檢測(cè)
    3.5 農(nóng)作物位置信息的提取
        3.5.1 基于平滑窗口的密集葉片檢測(cè)
        3.5.2 基于連通域的農(nóng)作物區(qū)域標(biāo)記
        3.5.3 實(shí)驗(yàn)結(jié)果與分析
第4章 基于深度圖像的農(nóng)作物特征參數(shù)提取
    4.1 農(nóng)作物特征參數(shù)提取概述
    4.2 農(nóng)作物株高的獲取
        4.2.1 農(nóng)作物株高的獲取流程分析
        4.2.2 Harris角點(diǎn)檢測(cè)葉片特征
        4.2.3 農(nóng)作物株高的提取
    4.3 農(nóng)作物形態(tài)的提取
        4.3.1 農(nóng)作物縱向形態(tài)的提取
        4.3.2 農(nóng)作物橫向形態(tài)的提取
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
致謝
在讀期間發(fā)表的學(xué)術(shù)論文與取得的其他研究成果


【參考文獻(xiàn)】：
期刊論文
[1]ToF相機(jī)在空間非合作目標(biāo)近距離測(cè)量中的應(yīng)用[J]. 梁斌,何英,鄒瑜,楊君.  宇航學(xué)報(bào). 2016(09)
[2]基于Kinect傳感器的溫室植株綠色與深度檢測(cè)方法[J]. 沈躍,徐慧,劉慧,李寧.  中國(guó)農(nóng)機(jī)化學(xué)報(bào). 2016(08)
[3]基于深度相機(jī)的玉米株型參數(shù)提取方法研究[J]. 宗澤,郭彩玲,張雪,馬麗,劉剛,弋景剛.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2015(S1)
[4]TOF激光相機(jī)六自由度位姿變換估計(jì)[J]. 李興東,李滿天,郭偉,陳超,孫立寧.  紅外與激光工程. 2015(07)
[5]基于可信度的TOF相機(jī)三維點(diǎn)云球覆蓋網(wǎng)格重建[J]. 邸維巍,張旭東,胡良梅,崔小偉.  合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2014(12)
[6]玉米葉片生長(zhǎng)狀態(tài)的雙目立體視覺(jué)監(jiān)測(cè)技術(shù)[J]. 王傳宇,郭新宇,肖伯祥,杜建軍,王虓.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2014(09)
[7]彩色圖約束的二階廣義總變分深度圖超分辨率重建[J]. 邸維巍,張旭東,胡良梅,段琳琳.  中國(guó)圖象圖形學(xué)報(bào). 2014(08)
[8]基于深度圖像和生豬骨架端點(diǎn)分析的生豬步頻特征提取[J]. 劉波,朱偉興,楊建軍,馬長(zhǎng)華.  農(nóng)業(yè)工程學(xué)報(bào). 2014(10)
[9]基于深度相機(jī)的手腕識(shí)別與掌心估測(cè)[J]. 姚爭(zhēng)為,潘志庚,滕國(guó)棟.  中國(guó)圖象圖形學(xué)報(bào). 2014(03)
[10]基于RGB-D相機(jī)的移動(dòng)機(jī)器人三維SLAM[J]. 賈松敏,王可,郭兵,李秀智.  華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2014(01)

碩士論文
[1]基于深度圖像的玉米品種識(shí)別研究[D]. 張?jiān)汽?河北農(nóng)業(yè)大學(xué) 2015
[2]基于TOF深度圖的超分辨率重建算法[D]. 董文菁.合肥工業(yè)大學(xué) 2015
[3]基于深度相機(jī)與雙目視覺(jué)復(fù)合的三維成像技術(shù)研究[D]. 魏少鵬.浙江大學(xué) 2015
[4]深度圖超分辨率重建研究[D]. 韓凱紅.武漢理工大學(xué) 2014
[5]TOF三維攝像機(jī)的誤差分析及補(bǔ)償方法研究[D]. 丁津津.合肥工業(yè)大學(xué) 2011
[6]基于雙目立體視覺(jué)系統(tǒng)的設(shè)施農(nóng)業(yè)作物位置信息獲取[D]. 申川.浙江大學(xué) 2006



本文編號(hào)：2900419