【技术实现步骤摘要】
本专利技术涉及智能移栽检测领域，具体涉及一种基于3d点云重建的钵盘苗漏苗检测方法。
技术介绍
1、随着现代农业技术的快速发展，人们采取的育苗方式逐步向工厂化的钵盘苗方向，自动化移栽技术逐渐成为研究的热点。钵盘苗作为常用育苗方式，其移栽过程中的准确、高效检测是实现自动化移栽的关键。采取钵盘苗育苗方式可对种苗进行统一化培育，但种苗叶片之间会产生交错，致使移栽设备无法准确判断漏苗所在穴孔，无法向漏苗穴孔进行补栽，不利于后续进行移栽作业。
技术实现思路
1、针对现有技术的缺陷，本专利技术提供一种基于3d点云重建的钵盘苗漏苗检测方法，解决目前进行机械化移栽时未及时发现漏苗，导致降低移栽作业质量的问题。
2、为了达到上述目的，本专利技术所采用的技术方案是：一种基于3d点云重建的钵盘苗漏苗检测方法，包括以下步骤：
3、s1：移栽机器人将穴盘苗输送至检测黑箱，并位于深度相机正下方，使深度相机在视野内光线明亮均匀；
4、s2：使用深度相机对穴盘苗进行扫描，获取图像数据，使用深度相机拍摄穴盘苗获取其深度图像，图像中每个像素点的值表示该点到相机的深度信息；
5、s3：对采集到的点云数据进行预处理；
6、s4：使用点云处理库pointcloudlibrary对穴盘和种苗进行分割，将点云数据分割成单个的种苗区域，识别每个穴孔的种苗，并将每个种苗的点云数据提取出来；
7、s5：对每个穴孔内部的点云数据进行处理，提取种苗的形状和结构信息，使
8、s6：对重建出的种苗进行分析和比对，利用种苗的形态等特征进行识别和判断，并得出漏苗所在的穴孔坐标；
9、s7：如有识别出的漏苗，将其所在的穴孔标注出来，机械手进行后续剔除和补栽作业。
10、作为优选的方案，步骤s2中，对穴盘种苗进行扫描，获取图像数据的过程为：将深度相机正对穴盘苗，使深度相机视野内光线明亮均匀，对穴盘苗进行扫描，获取点云数据。
11、作为优选的方案，步骤s3中，预处理包括：采取高斯滤波进行去噪处理，卷积核大小设置为3x3，标准差设置为1；采取体素网格滤波(voxel grid filter)函数，将体素网格大小设置为1cm；将每个像素点的深度值转换为对应的三维坐标，并将这些坐标组合成点云数据集。
12、作为优选的方案，步骤s4中，将点云数据分割成单个的种苗区域，使用基于k-means聚类方法，用于将点云数据分割成不同的聚类，对应不同的种苗区域：
13、设种苗点云为一个包含n个数据点的数据集，记为{a1,a2,...,an}，其中每个数据点ai表示一个点云中的点；设定k个聚类中心，记为{c1,c2,...,ck}，其中每个聚类中心cj表示一个种苗的中心点；使用欧氏距离dist(ai,cj)来度量数据点ai与聚类中心cj之间的距离，公式如下：
14、
15、其中，ai和cj分别表示数据点和聚类中心的坐标。
16、作为优选的方案，步骤s5中，对每个种苗进行形态重建采用poisson重建算法：设点云数据集x包含d个点，每个点的坐标表示为(xi,yi,zi)，其中i表示点的索引；对于每个点xi，使用基于最近邻的法向量估计方法得出其法向量ni，表示点云表面在该点处的法向量方向；poisson重建算法通过求解以下泊松方程来估计表面坐标数据f(x,y,z)，即物体表面的函数表示：
17、
18、其中，表示拉普拉斯算子，表示散度运算符，n为法向量，泊松方程的解f即为重建的物体表面网格模型数据。
19、作为优选的方案，使用open3d库读取物体表面网格模型数据，进行种苗三维点云可视化操作。
20、作为优选的方案，对重建出的种苗与完整健康苗点云数据集进行分析和比对，判断是否有漏苗，以及使用透视投影法将漏苗所在穴孔三维数据转换为二维坐标，公式如下：
21、
22、其中，u和v为穴孔在三维空间中水平平面上的位置，h为三维空间中深度，f为相机焦距，u为二维水平坐标，v为二维垂直坐标。
23、有益效果：本专利技术可根据种苗生成的3d点云数据进行种苗三维重建，依次经图像数据预处理、k-means聚类数据分割，能够更好的将种苗与穴盘区分开；在种苗重建中，使用poisson重建算法可更好重建种苗模型，更直观便捷判断出有误漏苗情况，及漏苗所在穴孔坐标；本专利技术提高了移栽作业中对漏苗检测补栽的判断效率，可提升移栽作业质量。
本文档来自技高网...【技术保护点】
1.一种基于3D点云重建的钵盘苗漏苗检测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种基于3D点云重建的钵盘苗漏苗检测方法，其特征在于，步骤S2中，对穴盘种苗进行扫描，获取图像数据的过程为：将深度相机正对穴盘苗，使深度相机视野内光线明亮均匀，对穴盘苗进行扫描，获取点云数据。
3.如权利要求1所述的一种基于3D点云重建的钵盘苗漏苗检测方法，其特征在于，步骤S3中，预处理包括：采取高斯滤波进行去噪处理，卷积核大小设置为3x3，标准差设置为1；采取体素网格滤波(Voxel Grid Filter)函数，将体素网格大小设置为1cm；将每个像素点的深度值转换为对应的三维坐标，并将这些坐标组合成点云数据集。
4.如权利要求1所述的一种基于3D点云重建的钵盘苗漏苗检测方法，其特征在于，步骤S4中，将点云数据分割成单个的种苗区域，使用基于K-means聚类方法，用于将点云数据分割成不同的聚类，对应不同的种苗区域：
5.如权利要求1所述的一种基于3D点云重建的钵盘苗漏苗检测方法，其特征在于，步骤S5中，对每个种苗进行形态重建采用Pois
6.如权利要求5所述的一种基于3D点云重建的钵盘苗漏苗检测方法，其特征在于，使用Open3D库读取物体表面网格模型数据，进行种苗三维点云可视化操作。
7.如权利要求1所述的一种基于3D点云重建的钵盘苗漏苗检测方法，其特征在于，步骤S6中，对重建出的种苗与完整健康苗点云数据集进行分析和比对，判断是否有漏苗，以及使用透视投影法将漏苗所在穴孔三维数据转换为二维坐标，公式如下：
...【技术特征摘要】
1.一种基于3d点云重建的钵盘苗漏苗检测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种基于3d点云重建的钵盘苗漏苗检测方法，其特征在于，步骤s2中，对穴盘种苗进行扫描，获取图像数据的过程为：将深度相机正对穴盘苗，使深度相机视野内光线明亮均匀，对穴盘苗进行扫描，获取点云数据。
3.如权利要求1所述的一种基于3d点云重建的钵盘苗漏苗检测方法，其特征在于，步骤s3中，预处理包括：采取高斯滤波进行去噪处理，卷积核大小设置为3x3，标准差设置为1；采取体素网格滤波(voxel grid filter)函数，将体素网格大小设置为1cm；将每个像素点的深度值转换为对应的三维坐标，并将这些坐标组合成点云数据集。
4.如权利要求1所述的一种基于3d点云重建的钵盘苗漏苗检测方法，其特征在于，步骤s4中，将点云数据分割成单个的种苗区域，使用基于k-means聚类方法，用于将点云数据分割成不同的聚类，对应不同...
【专利技术属性】
技术研发人员：金鑫，张龙，李明勇，侯一博，肖利强，解晓琳，马淏，冉晨辉，
申请(专利权)人：河南科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。