基于Kinect和激光传感器的植株点云信息融合方法研究

发布时间：2021-03-26 00:53

　　植株三维点云信息获取与处理广泛应用于植株的生长状态监测、精密喷雾靶标检测和农业机器人的目标精准定位等研究领域。植株点云信息融合是农业智能化、精密化的研究热点,可以通过单一传感器不同角度信源或多传感器多信源信息融合实现空间、亮度、强度、色彩等信息互补,增强植株三维点云重构信息。针对传统点云配准方法精度低、速度慢的问题,本文采用Kinect传感器实现不同视角下植株点云深度及彩色信息,提出了改进SIFT-ICP算法的Kinect植株点云配准方法。进一步,为了避免Kinect受光照条件容易出现目标图像边缘缺失及黑洞等影响,采用SICK激光传感器获取植株三维点云信息,在此基础上研究了基于超体聚类的克里金植株点云插值方法,使得植株层次更加丰富,纹理更加清晰。最后,融合Kinect传感器和SICK激光传感器信息,利用激光传感器不受阳光干扰、Kinect传感器能够同时采集彩色与深度信息的优点,提出基于SICK和Kinect组合探测的植株点云超限补偿信息融合方法。主要研究内容和结论如下:（1）针对传统点云配准精度低、速度慢的问题,提出了基于改进SIFT-ICP的Kinect植株点云配准方法,利用Kine... 

【文章来源】：江苏大学江苏省

【文章页数】：75 页

【学位级别】：硕士

【部分图文】：

不同角度苹果树精确配准图Fig1.1Accurateregistrationofappletreesfromdifferentangles[40]

(a)点云图像修复前(b)点云图像修复后图1.3点云插值前后对比图Fig 1.3 Contrast map before and after point cloud interpolation1.2.3点云融合技术研究现状点云融合是点云研究一直以来的重点和热点。由于不同的传感器各具优缺点，很难有一种传感器能够在各种环境和要求下都表现理想，因此，点云融合应运而生，通过将不同传感器获取到的数据融合到一起，使数据更加具有描述性并且对各种环境具有更好的适应性。目前点云和彩色图像的融合可以分为两大类：时间匹配和后处理特征匹配，时间匹配相对于后处理特征匹配更加方便，处理简单，但是精度较差、对设备的要求较高；基于特征匹配的方法又可以分为两种：其一是确定点云数据和图像的转换模型，再将两者按照变换矩阵进行叠加，另一种是通过一些标记点，对相机

将激光扫描仪和数码影像传感器固定在车顶，形成车载移动测量系统，将激光扫描数据和光学影像数据相互结合互补，形成彩色点云数据，如图1.4，该文以全景相机作为车载移动测量系统的影像传感器，给出了一种针对球面全景影像的车载彩色点云生成方案。首先需要对系统进行标定，一方面需要标定POS系统与激光扫描系统之间关系，其次还需要标定与全景成像系统的位置和姿态等之间的数据变换关系，这样标定完成之后，系统可以将激光扫描系统和全景影像获取到的彩色数据统一到同一坐标系下，该系统的数据融合准确性在很大程度依赖于标定的准确性，如果标


本文编号：3100632