[发明专利]一种基于无人机探测技术的果树树冠体积测量方法

权利要求书

1.基于无人机探测技术的果树树冠体积实时测量方法，在无人机搭载的三轴稳定云台上设置CCD相机(1)，并在无人底部设置有相互垂直的横轴(2)和纵轴(3)，在横轴(2)和纵轴(3)上挂载有超声波测距传感器，其中，在三轴稳定云台两侧对称布置的横轴(2)上分别由内向外依次布置有超声波测距传感器H₁～H₅和H_-1～H_-5，在三轴稳定云台另外两侧对称布置的纵轴(3)上分别布置有超声波测距传感器Z₁和Z_-1，超声测距传感器H₁与H_-1，Z₁与Z_-1之间分别相距60cm，超声波测距传感器H₁～H₅的各个传感器之间以及超声波测距传感器H_-1～H_-5的各个传感器之间相隔30cm布置；

其特征在于：该方法包括以下步骤：

步骤1：获得果树树冠的遮挡体积补偿系数

选择果园外侧树行的六棵同品种果树作为样本，控制无人机采集所选取果树树冠的侧面图像，拍摄图片时，控制无人机的三轴稳定云台向果树树冠方向旋转，使CCD相机(1)的镜头主光轴与地面保持平行，所得图像包括完整的果树树冠且树冠至少占整个图像面积的1/2；对所采集的六张果树树冠的侧面图像分别进行图像处理，标记果树树冠的最大冠径L_m，求得以该最大冠径L_m为分界线划分出的果树树冠的上、下侧面积之比由于果树树冠的侧面积与体积的对数lnV之间具有线性相关性，即得出V₁与V₂的对应关系：遮挡体积补偿系数对六棵样本树的遮挡体积补偿系数p_i(i＝1,2……6)求算数平均值：得出最终果树树冠的遮挡体积补偿系数p；

步骤2：将无人机移动到正对树木中心上方的位置；

步骤3：分别采集各超声波测距传感器与地面或树冠之间的垂直距离和果树树冠的俯视图像；

关闭位于无人机纵轴(3)上的超声波测距传感器Z₁、Z_-1，除了步骤2中已经开启的位于横轴(2)最靠近三轴稳定云台的超声波测距传感器H₁、H_-1，进一步开启位于无人机横轴(2)上的超声波测距传感器H₂～H₅、H_-2～H_-5，开启位于三轴稳定云台上的CCD相机(1)，此时，CCD相机(1)的镜头主光轴与地面垂直；

通过位于横轴(2)的各超声波测距传感器测出各超声波测距传感器与地面或树冠之间的垂直距离h_i和h_-i(i＝1、2、3、4、5)；同时通过CCD相机(1)获取果树树冠的俯视图像，CCD相机(1)采集所得的图像要求树冠需至少占图像面积1/2；

步骤4：从最外侧超声波测距传感器测量数值h₅、h_-5开始，由外向内，对符合|h_i-h_-i|＝0条件的对应传感器进行标记；

步骤5：对CCD相机(1)采集所得的果树树冠的俯视图像进行分割，运用Matlab 2015a对采集图像进行滤波、图像分割、二值化、形态学处理，对树冠最大横截面进行分割并求取图像中单个像素点所对应的实际面积与长度，具体包括以下步骤：

步骤51：对步骤3采集的果树树冠的俯视图像进行中值滤波处理，选取的处理模板大小为5×5的矩阵，去除图像噪点；运用imresize算法对图像进行等比缩放，缩放比例为1:0.1；

步骤52：运用超绿算法对彩色图像进行灰度化处理，突出果树树冠；运用Ostu法获取最佳分割阈值并实现树冠与背景区域的图像分割，获取树冠投影，实现对图像的二值化处理；

步骤53：运用形态学处理中的开运算、bwareaopen算法，去除图片孤立区域，最后运用imfill算法对包围孔洞进行填充，完成图像形态学处理；

步骤54：运用bwarea函数遍历图像，统计出灰度值为1的像素数量，并运用regionprops函数获取二值图像的当量直径L₁所占像素数量m₁，运用find函数寻找图像(位于图像中部)中实际冠径L₀所占像素数量m₂；

步骤55：求取图像中单个像素点所对应的实际面积与长度：选用200mm×200mm的深色硬纸当做标定物，采用自动对焦模式，将镜头焦距固定为25mm，距白纸1000mm进行第一次拍照，之后每次拍摄向外侧移动200mm，连续取样30张，经过Matlab进行图像处理得到在每个采样距离下白纸所占像素量，进一步计算得到在不同采样距离下的像素所对应的实际面积、实际长度，将试验中每个树冠对应的在不同采样距离下所得到的像素所代表实际面积、实际长度与采样距离带入Matlab中，用最小二乘法建立单位像素所代表的实际面积S、实际长度L与采样距离q之间的函数关系：S＝f(q),L＝g(q)，采样距离q为相机镜头与标定物之间的距离；

步骤6：建立平面直角坐标系

以无人机中心位置为坐标原点，搭载超声波测距传感器H₁～H₅和H_-1～H_-5的横轴(2)为x轴，相机主光轴为y轴建立平面直角坐标系，对每个采样点以坐标原点到超声波测距传感器的水平距离为横坐标，以超声波测距传感器的测量数据为纵坐标；

步骤7：构造树木轮廓拟合曲线

构造树木轮廓拟合曲线，将步骤4中未标记的传感器H_i对应采样点的坐标带入Matlab的拟合程序，运用交叉验证法进行多项式阶数确定，并基于最小二程法进行曲线拟合，从而构造树木轮廓的拟合曲线：x＝h(y)，其中x为拟合曲线横坐标，y为拟合曲线纵坐标；

步骤8：求得果树树冠体积

步骤7中得到树木轮廓拟合曲线x＝h(y)；

x₁、x₂为y取某一定值y_n(y_min≤y_n≤y_max)时，函数x＝h(y)的两个解，|x₁-x₂|亦为实际冠径，即|x₁-x₂|＝L₀；

步骤55中得到的单位像素的实际长度L与采样距离q之间的函数关系L＝g(q)，从而得出实际冠径的表达式m₂g(y)＝L₀；

将以下 三式进行联立：

联立以上三式解得CCD相机1到树冠最大横截面的距离y_S；

代入步骤55中得到的单位像素所代表的实际面积S与采样距离q之间的函数关系：S＝f(q)，得出

树冠投影实际面积S₀＝f(y_s)m₁；

当量圆面积S₁＝π(L₁)²/4，其中，L₁为当量直径长度，由于树冠投影实际面积S₀与当量圆面积相等，因此：

树心冠径长L₀＝g(y_s)m₂，带入与树形相应的遮挡体积补偿系数p，对被遮挡部分的漏测体积进行修正，结合图像处理结果采用下式求得体积：

L₀＝g(y_s)m₂

t＝L₁/L₀

其中，L₁为图像当量直径，L₀为图像实际冠径，t为图像当量直径与图像实际冠径比；V₁为无人机测得体积，V₂为遮挡部分体积，V为经过补偿处理后的树木树冠体积；p为遮挡体积补偿系数；y_min等于CCD相机(1)到树冠最大横截面的距离y_s,y_max为树冠轮廓拟合曲线顶点对应的y值。