一种基于体素插值的均值漂移算法的田间小麦茎蘖数提取方法技术

本发明专利技术公开了一种田间小麦茎蘖数提取方法，包括步骤为：首先，采集小麦茎蘖数样本和点云数据，并对数据进行预处理，在数据预处理中引入卡尔曼滤波算法，以去除多余噪声，提高初始点云数据质量；其次，在将数据体素化后，利用孔隙率与体素点云密度间的数学关系，对冠层中缺失体素进行插值，以减轻遮挡对算法的影响，获取较为完整的冠层点云信息；最后，用均值漂移算法对插值后的冠层进行聚类，聚类数即为茎蘖数。本发明专利技术方法提取的小麦茎蘖数与田间实测的茎蘖数进行比较，验证了算法的可行性。本发明专利技术在一定程度上解决了地基激光雷达应用中出现的噪声和遮挡问题，为今后的地基激光雷达估测其他生长参数提供了技术支撑。测其他生长参数提供了技术支撑。测其他生长参数提供了技术支撑。

【技术实现步骤摘要】
一种基于体素插值的均值漂移算法的田间小麦茎蘖数提取方法


[0001]本专利技术涉及一种田间小麦茎蘖数提取方法，尤其涉及一种基于体素插值的均值漂移算法的田间小麦茎蘖数提取方法,属于精确农业中作物生命信息无损监测领域。

技术介绍

[0002]小麦茎蘖数决定每亩有效穗数，因此与产量之间有着密切的关系，合理的小麦茎蘖数是高产稳产的基础。同时小麦茎蘖数还是小麦重要的群体结构信息，体现了小麦对环境的适应性。因此，实时准确获取小麦的茎蘖数，有助于合理地设置群体密度，精确肥水管理及探讨作物高产稳产技术。
[0003]传统人工小麦茎蘖数和穗数计数方式耗时费力、受到人为误差影响大，不再适用于高通量小麦表型参数研究。遥感技术的发展提供了新的高效无损的监测手段。目前，对于小麦茎蘖数和穗数的研究，从一维光谱逐渐发展到二维图像，从基于植被指数建立线性模型发展到利用RGB图像中丰富的色彩、纹理等信息深度学习小麦茎蘖数和穗数特征。然而光学遥感手段普遍受光照和环境影响大、缺乏与植物产量等相关性状更密切相关空间和体积信息。
[0004]激光雷达作为一种主动遥感的传感器，不仅克服了光学遥感受光照条件影响的劣势，并且具有穿透冠层获取冠层表面和内部精确三维坐标信息的优势。目前利用地基激光雷达估测小麦茎蘖数还有很大的发展空间，基于三维点云实现小麦茎蘖数估测方法，对推动地基激光雷达在作物产量表型参数获取上的应用具有重要意义。

技术实现思路

[0005]本专利技术的目的在于提供一种田间小麦茎蘖数提取方法，针对小麦冠层点云噪声过多和遮挡严重问题，利用卡尔曼滤波算法去除多余噪声，以提高原始点云数据质量，利用未采样体素领域内体素信息对其进行赋值，以减轻遮挡的影响，再结合点云密度的特征，使用均值漂移算法对插值后冠层进行聚类；最终实现对田间小麦茎蘖数估测算法的改进，提高算法精度，增强算法鲁棒性。
[0006]为实现上述目的，本专利技术采取的技术方案是：一种基于体素插值的均值漂移算法的田间小麦茎蘖数提取方法，其包括以下步骤：
[0007]步骤1、采集小麦茎蘖数样本和点云数据；
[0008]步骤2、对数据进行预处理，且对处理后数据引入卡尔曼滤波算法；
[0009]步骤3、将点云数据体素化；
[0010]步骤4、计算小麦冠层孔隙率；
[0011]步骤5、计算小麦冠层点云密度；
[0012]步骤6、计算小麦冠层孔隙率与点云密度间数学关系；
[0013]步骤7、对冠层中缺失体素进行插值；
[0014]步骤8、利用均值漂移算法对插值后的冠层进行聚类。
[0015]进一步的，所述步骤1中，采用三维激光扫描仪获取小麦点云，同步获取小麦茎蘖数样本。
[0016]进一步的，所述步骤2中，所述点云预处理为点云配准和去噪处理，其中，
[0017]点云配准包括：在点云处理软件RiSCAN PRO中，利用ICP算法将不同坐标系配准到同一坐标系；
[0018]去噪处理包括：(1)去除漂移点：利用设置高程阈值来去除漂浮在空中的噪声点；(2)去除混杂点：利用设置Deviation值来去除偏差点，其中，Deviation值是衡量发射脉冲波形和回波脉冲波形之间变化的指标。
[0019]进一步的，所述步骤3中，点云数据体素化包括：
[0020]a、建立初始体素，计算数据集中所有点的最大坐标值点和最小值点；
[0021]b、划分初始体素，顺着XYZ轴方向按照一定的步长将初始体素划分为单个的小体素，完成对点云数据表面的体素化；
[0022]c、剔除无效体素，完成对点云表面的体素化后，使用Bresenham算法对点云内部空间进行体素化，去除植株以外空间包围盒以内的空白体素。
[0023]进一步的，所述步骤4中，计算小麦冠层孔隙率包括：
[0024]a、孔隙率计算公式为：
[0025]其中，Ntotal是所有接收/记录的脉冲的总数，NoR是每个脉冲的返回数，1/NoR是此给定脉冲中为每个回路分配的权重；
[0026]b、针对地基激光雷达记录的三次返回，点云数据对每个点的脉冲的返回次数进行标记，设标记为1的点数量为a，标记为2的点数量为b，标记为3的点数量为c，则完整脉冲数量为c，权重为1(3/3)；二次回波脉冲的数量为(b
‑
c)，权重为2/3；一次回波脉冲的数量为(a
‑
b)，权重为1/3；
[0027]将以上数据代入计算孔隙率公式得到：
[0028]c、根据消光模型，无限小的叶片在空间中随机分布，且假设叶子方位角随机分布，通过泊松模型将方向θ上的P
gap
与LAI相关联，公式为：P
gap
(θ)＝e
‑
G(θ)
·
LAI/cos(θ)
，
[0029]其中，G(θ)是叶片投影函数，等于植株在垂直于平面方向上单位面积的投影，在所有方向上均匀；
[0030]d、在冠层聚集条件下，修正泊松模型，公式为：
[0031][0032]其中，Ω是聚集指数，k是消光系数。
[0033]进一步的，所述步骤5中，计算小麦冠层点云密度计算公式为：
[0034][0035]其中，D表示点云密度，P
total
表示所有点数量，x
max
,y
max
,z
max
分别表示点云数据x,y,z方向上的最大值，x
min
,y
min
,z
min
分别表示点云数据x,y,z方向上的最小值。
[0036]进一步的，所述步骤6中，小麦冠层被划分为不同高度H(H＝1，2，3，4cm)的高度层，在不同高度层划分下，不同高度冠层整体孔隙率与对应层高的点云密度间的关系采用同一形式的数学表达式描述，公式为：
[0037][0038]其中，a1、b1、c1、a2、b2、c2根据输入的数值，由高斯曲线拟合生成，当H＝3cm时，拟合效果最好，故在后续插值中将3cm设定为层高。
[0039]进一步的，所述步骤7中，对冠层中缺失体素进行插值包括：
[0040]a、拟合表达式；分别计算每3cm层点云的密度D和孔隙率Pgap，根据高斯曲线拟合，得出表达式f(x)；
[0041]b、计算未采样体素i邻域孔隙率；位于冠层内部但不包含数据点的体素为未采样体素，检索任意未采样体素领域内八个体素，计算这八个体素构成的局部冠层的孔隙率
[0042]c、计算未采样体素i点云密度；将(b)中计算得到的孔隙率代入(a)中得到的表达式f(x)，即可得到此未采样体素的点云密度值Di；
[0043]d、重复步骤(a)、(b)、(c)，直至对每一个未采样体素赋值，完成对未采样体素的插值，得到较为完整的冠层信息；最终得到的体素用表示，表示体素重心点，D表示体素点云密度值。
[0044]进一步的，所述步骤本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于体素插值的均值漂移算法的田间小麦茎蘖数提取方法，其特征在于包括以下步骤：步骤1、采集小麦茎蘖数样本和点云数据；步骤2、对数据进行预处理，且对处理后数据引入卡尔曼滤波算法；步骤3、将点云数据体素化；步骤4、计算小麦冠层孔隙率；步骤5、计算小麦冠层点云密度；步骤6、计算小麦冠层孔隙率与点云密度间数学关系；步骤7、对冠层中缺失体素进行插值；步骤8、利用均值漂移算法对插值后的冠层进行聚类。2.根据权利要求1所述的一种基于体素插值的均值漂移算法的田间小麦茎蘖数提取方法，其特征在于，所述步骤1中，采用三维激光扫描仪获取小麦点云，同步获取小麦茎蘖数样本。3.根据权利要求1所述的一种基于体素插值的均值漂移算法的田间小麦茎蘖数提取方法，其特征在于，所述步骤2中，所述点云预处理为点云配准和去噪处理，其中，点云配准包括：在点云处理软件RiSCAN PRO中，利用ICP算法将不同坐标系配准到同一坐标系；去噪处理包括：(1)去除漂移点：利用设置高程阈值来去除漂浮在空中的噪声点；(2)去除混杂点：利用设置Deviation值来去除偏差点，其中，Deviation值是衡量发射脉冲波形和回波脉冲波形之间变化的指标。4.根据权利要求1所述的一种基于体素插值的均值漂移算法的田间小麦茎蘖数提取方法，其特征在于，所述步骤3中，点云数据体素化包括：a、建立初始体素，计算数据集中所有点的最大坐标值点和最小值点；b、划分初始体素，顺着XYZ轴方向按照一定的步长将初始体素划分为单个的小体素，完成对点云数据表面的体素化；c、剔除无效体素，完成对点云表面的体素化后，使用Bresenham算法对点云内部空间进行体素化，去除植株以外空间包围盒以内的空白体素。5.根据权利要求1所述的一种基于体素插值的均值漂移算法的田间小麦茎蘖数提取方法，其特征在于，所述步骤4中，计算小麦冠层孔隙率包括：a、孔隙率计算公式为：其中，Ntotal是所有接收/记录的脉冲的总数，NoR是每个脉冲的返回数，1/NoR是此给定脉冲中为每个回路分配的权重；b、针对地基激光雷达记录的三次返回，点云数据对每个点的脉冲的返回次数进行标记，设标记为1的点数量为a，标记为2的点数量为b，标记为3的点数量为c，则完整脉冲数量为c，权重为1(3/3)；二次回波脉冲的数量为(b
‑
c)，权重为2/3；一次回波脉冲的数量为(a
‑
b)，权重为1/3；将以上数据代入计算孔隙率公式得到：
c、根据消光模型，无限小的叶片在空间中随机分布，且假设叶子方位角随机分布，通过泊松模型将方向θ上的P
gap
与LAI相关联，公式为：P
gap
(θ)＝e
‑
G(θ)LAI/cos(θ)
，其中，G(θ)是叶片投影函数，等于植株在垂直于平面方向上单位面积的投影，在所有方向上均匀；d、在冠层聚集条件下，修正泊松模型，公式为：其中，Ω是聚集指数，k是消光系数。6.根据权利要求1所述的一种基于体素插值的均值漂移算法的田间小麦茎蘖数提取方法，其特征在于，所述步骤5中，计算小麦冠层点云密度计算公式为：其中，D表示点云密度，p
ta...

【专利技术属性】
技术研发人员：姚霞，王永清，谷洋洋，郭泰，方圆，郑恒彪，程涛，朱艳，曹卫星，张正东，马吉锋，王雪，
申请(专利权)人：神农智慧农业研究院南京有限公司，
类型：发明
国别省市：