一种基于机器视觉的立木树高测量系统及方法技术方案

本发明专利技术公开了一种基于机器视觉的立木树高测量方法，包括以下步骤：第一步，采用具有非线性畸变的相机标定方法对安卓智能手机相机进行标定，并提取出相机非线性畸变参数和内外参数，同时对需要测量的立木图像进行基于点运算的透视畸变校正。本发明专利技术使用便携的智能手机获取树木图像信息，结合机器视觉知识，在树木图像处理部分采用尚未在树高测量方向有应用的Mask R

【技术实现步骤摘要】
一种基于机器视觉的立木树高测量系统及方法


[0001]本专利技术涉及树高测量
，尤其涉及一种基于机器视觉的立木树高测量系统及方法。

技术介绍

[0002]在当前的林木资源调查过程中，特别是树高的测量，大部分人仍然使用较为传统的方法，即采用人工读取和手工记录数据的方法，耗费人力和时间。
[0003]随着科技的不断进步，电子全站仪，经纬仪，测树枪等精密仪器的出现，使得林业资源调查工作得到了较大的改善。但精密仪器的成本较高，部分仪器还需要专业的操作技术，而且容易受到使用环境的限制。对于非林业专业的人员而言，使用这些工具更加困难，在实际的测量操作中非常不便。

技术实现思路

[0004]本专利技术提供了一种基于机器视觉的立木树高测量系统及方法，以解决上述
技术介绍
中提出的问题。
[0005]为了实现上述目的，本专利技术采用了如下技术方案：
[0006]一种基于机器视觉的立木树高测量方法，包括以下步骤：
[0007]第一步，采用具有非线性畸变的相机标定方法对安卓智能手机相机进行标定，并提取出相机非线性畸变参数和内外参数，同时对需要测量的立木图像进行基于点运算的透视畸变校正，从而为获取更加准确的树高特征点像素值、构建更好的树高测量模型提供有力的支持；
[0008]第二步，采用基于机器视觉的Mask R
‑
CNN算法训练树木图像分割模型，并对矫正后的树木图像轮廓进行处理，从中提取与树高测量有关的特征点并获得树高差值的像素值，提高对树木图像轮廓提取的精度和普适性；
[0009]第三步，根据针孔相机模型的成像原理，利用获取的手机相机内外部参数、畸变参数、树高特征点像素值构建树高测量模型，计算并最终获得待测目标树的树高数据；
[0010]第四步，开发基于Android智能手机平台的单株立木树高测量原型APP，通过智能手机相机快速采集树木图像且及时输入需要的参数，最后在APP中及时获取树高测量结果。
[0011]作为本技术方案的进一步改进方案：第一步中，首先需要建立相机成像模型，相机成像模型包括相机成像涉及的坐标系之间转换，真实物点(X,Y,Z)与像素点(u,v)转换公式，M(X
w
,Y
w
,Z
w
)和(u，v)的关系。
[0012]作为本技术方案的进一步改进方案：第一步中，采用具有非线性畸变的相机标定方法对安卓智能手机相机进行标定时，标定板的尺寸选择标定板面积大于或等于可用像素面积的二分之一，标定板的类型选择棋盘格标定板。
[0013]作为本技术方案的进一步改进方案：第一步中，非线性畸变矫正模型公式为：
[0014][0015]其中M1是获得的相机标定内参数矩阵，M2是获得的相机标定外参数矩阵，d
x
是x轴方向上对应的物理尺寸，d
y
是在y轴方向上对应的物理尺寸。
[0016]作为本技术方案的进一步改进方案：第一步中，提取出相机非线性畸变参数和内外参数步骤包括单应性关系和参数约束、非线性Levenberg
‑
Marquardt算法和畸变优化。
[0017]作为本技术方案的进一步改进方案：第一步中，对需要测量的立木图像进行基于点运算的透视畸变校正采用公式
[0018][0019]其中x和y代表理想状态下的景物成像面，即理想图像上的图像点坐标；x'和y'是真实场景下的景物成像面，即实际失真图像上的图像点坐标；f
y
是机相机镜头在纵坐标轴方向上的焦距；f
x
是机相机镜头在横坐标轴方向上的焦距；β是实际物体成像面到光轴的夹角是β。
[0020]作为本技术方案的进一步改进方案：第二步中，Mask R
‑
CNN算法包括预测部分算法和训练部分算法。
[0021]作为本技术方案的进一步改进方案：第三步中，树的树高数据为
[0022][0023]其中y
’
y”是图像中树木轮廓最高点到最低点的像素差值，fy由智能手机相机标定后，θ为手机方向传感器获取的手机倾斜角，PA1是手机到待测目标树的距离是L，树高H长度单位是米/m，角度单位是度/
°
，y
’
y”和f
y
的单位是像素/pixel。
[0024]作为本技术方案的进一步改进方案：该方法应用于智能手机。
[0025]一种基于机器视觉的立木树高测量系统，包括拍摄单元，用于拍摄待测的树木，拍摄的树木图片需要包括整棵单株的树木；
[0026]水平距离输入单元，用于输入手机到待测树木的水平距离；
[0027]数据处理单元，用于计算测量的树高以及分割处理后树木图像。
[0028]与现有技术相比，本专利技术的有益效果是：
[0029]针对现有林业资源调查测量中时间、人力成本高，测量效率低，设备仪器不易携带，操作不便等问题，使用便携的智能手机获取树木图像信息，结合机器视觉知识，在树木图像处理部分采用尚未在树高测量方向有应用的Mask R
‑
CNN算法，以实现对树木图像的轮
廓进行快速分割，具有较高的普遍性和适用性；结合智能相机标定技术，构建相机成像模型下的立木树高测量模型，实现一种便捷的、非接触式的立木树高测量方法，该方法通用性高、操作简单、成本低，可高效率得到实际的树木高度测量值。
[0030]上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，并可依照说明书的内容予以实施，以下以本专利技术的较佳实施例并配合附图详细说明如后。本专利技术的具体实施方式由以下实施例及其附图详细给出。
附图说明
[0031]此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：
[0032]图1为本专利技术提出的一种基于机器视觉的立木树高测量系统及方法中针孔模型中坐标系间关系图；
[0033]图2为本专利技术提出的一种基于机器视觉的立木树高测量系统及方法中实际的景物成像面和理想状态的景物成像面之间具有几何关系图；
[0034]图3为本专利技术提出的一种基于机器视觉的立木树高测量系统及方法中相机标定后三维建模图像；
[0035]图4为本专利技术提出的一种基于机器视觉的立木树高测量系统及方法中每张标定图像的平均像素误差图；
[0036]图5为本专利技术提出的一种基于机器视觉的立木树高测量系统及方法中建议框会截取公用特征层并resize图；
[0037]图6为本专利技术提出的一种基于机器视觉的立木树高测量系统及方法中树高测量模型示意图；
[0038]图7为本专利技术提出的一种基于机器视觉的立木树高测量系统及方法中APP主要开发任务图。
具体实施方式
[0039]以下结合附图对本专利技术的原理和特征进行描述，所举实例只用于解释本专利技术，并非用于限定本专利技术的范围。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器视觉的立木树高测量方法，其特征在于，包括以下步骤：第一步，采用具有非线性畸变的相机标定方法对安卓智能手机相机进行标定，并提取出相机非线性畸变参数和内外参数，同时对需要测量的立木图像进行基于点运算的透视畸变校正，从而为获取更加准确的树高特征点像素值、构建更好的树高测量模型提供有力的支持；第二步，采用基于机器视觉的Mask R
‑
CNN算法训练树木图像分割模型，并对矫正后的树木图像轮廓进行处理，从中提取与树高测量有关的特征点并获得树高差值的像素值，提高对树木图像轮廓提取的精度和普适性；第三步，根据针孔相机模型的成像原理，利用获取的手机相机内外部参数、畸变参数、树高特征点像素值构建树高测量模型，计算并最终获得待测目标树的树高数据；第四步，开发基于Android智能手机平台的单株立木树高测量原型APP，通过智能手机相机快速采集树木图像且及时输入需要的参数，最后在APP中及时获取树高测量结果。2.根据权利要求1的一种基于机器视觉的立木树高测量方法，其特征在于，第一步中，首先需要建立相机成像模型，相机成像模型包括相机成像涉及的坐标系之间转换，真实物点(X,Y,Z)与像素点(u,v)转换公式，M(X
w
,Y
w
,Z
w
)和(u，v)的关系。3.根据权利要求1的一种基于机器视觉的立木树高测量方法，其特征在于，第一步中，采用具有非线性畸变的相机标定方法对安卓智能手机相机进行标定时，标定板的尺寸选择标定板面积大于或等于可用像素面积的二分之一，标定板的类型选择棋盘格标定板。4.根据权利要求1的一种基于机器视觉的立木树高测量方法，其特征在于，第一步中，非线性畸变矫正模型公式为：其中M1是获得的相机标定内参数矩阵，M2是获得的相机标定外参数矩阵，d
x
是x轴方向上对应的物理尺寸，d
y
是在y轴方向上对...

【专利技术属性】
技术研发人员：华蓓，黄汝维，曾朝燕，
申请(专利权)人：广西大学，
类型：发明
国别省市：