一种基于Kinect传感器的植株深度特征识别方法
【技术领域】
[0001] 本发明涉及一种农业喷雾植株检测技术，尤其涉及一种基于Kinect传感器的植 株深度特征识别方法。
【背景技术】
[0002] 在农业喷雾植株检测过程中，实现对目标植株检测最简单的方法之一是距离的检 测，即深度信息的获取。目前基于深度信息的目标植株检测方法，所用的距离传感器包括： 红外线传感器、超声波传感器和激光传感器。传统的红外线传感器及超声波传感器在实际 运用过程中，由于易受外界的环境因素影响，其距离的检测精度欠佳；近年来，激光传感器 因其高精度、快速度的特点，受到学者的广泛关注，用于农业喷雾前期的植株检测方面的技 术研究也逐渐成熟，通过将激光传感器的植株距离检测与喷雾机喷雾相结合，有效的提高 了农药的利用率，同时减少了对环境的影响，但是激光传感器的成本较高，实际运用中对传 感器的维护等存在一定问题。Kinect传感器是微软公司推出的一款体感设备，该设备内置 深度传感器，可以获取深度信息，经后期的数据处理，将深度信息转换为相对的三维空间坐 标，利用坐标信息计算出植株目标的体积特征，可以量化植株目标的体积特征。
【发明内容】
[0003] 本发明目的在于提供一种基于Kinect传感器的植株深度特征识别方法，能够实 现通过深度图像对目标植株的快速准确识别，并获取植株目标的体积数据。
[0004] 本发明采用如下的技术方案：一种基于Kinect传感器的植株深度特征识别方法， 包括以下步骤：
[0005] 步骤1，调用Kinect传感器获取深度图像，对获取的深度图像进行深度范围限制， 所获取的深度数据在深度范围内的保留，在深度范围之外的则置为〇,去除范围外的干扰物 体；
[0006] 步骤2,选用最大类间方差法对限定深度范围后的图像进行阀值处理，该过程的目 的是降低错分概率，进一步去除背景干扰物，显示范围物体为白色，背景色为黑色；
[0007] 步骤3,对获取的深度图像提取其深度数据，将有效范围内的植株深度数据及空间 坐标单独保存，进行下一步处理；
[0008] 步骤4,根据三维空间坐标之间的转换关系，由深度数据转换为三维空间坐标；
[0009] 步骤5,由三维空间坐标计算出植株目标的体积特征，具体的体积特征为：
[0010] 1)高度分区域：选取合适的数值n，将植株目标高度分为N段，植株最高坐标7_， 最低坐标ymin，每个区域的高度为Ayn:
[0011] 2)区域宽度：N段植株目标的最大宽度坐标1_，最小宽度坐标1_，区域的宽度为 Δ X : Δ X - Xmax xmin;
[0012] 3)区域深度：N段植株目标的最远深度坐标2_，最近深度坐标2_，区域的深度为 Δz：Δz-zmaxzmin;
[0013] 4)植株目标体积特征：对N段植株目标体积进行求和，获取体积v:
[0014] 进一步，所述步骤1，调用Kinect传感器获取深度图像的设备为微软公布的 XB0X360体感周边外设KinectforWindows版本，其深度摄像头所获取的深度图像默认为 每秒30帧，分辨率为640x480。
[0015] 进一步，所述步骤3中对获取的深度图像提取其深度数据保存为640x480unitl6 的矩阵格式。
[0016] 进一步，所述步骤4中深度数据转换为三维空间坐标之间的转换关系为：
[0018] 其中，f代表焦距，c代表中心；此时，Kinect参数设取值：s= 5000,cx= 320,cy =240,fx=fy= 525。
[0019] 本发明的有益效果在于：一种基于Kinect传感器的植株深度特征识别方法，通过 对获取的深度图像进行深度范围限制和阀值处理，获取植株目标的深度图像，同时通过对 获取的深度图像提取其深度数据，由其深度数据的三维空间坐标转换计算出植株目标的体 积特征，可以实现通过深度图像对目标植株的快速准确识别，并获取植株目标的体积数据。
【附图说明】
[0020] 图1是本发明一种基于Kinect传感器的植株深度特征识别方法的流程图；
[0021] 图2是本发明一种基于Kinect传感器的植株深度特征识别方法模块一的流程 图；
[0022] 图3是本发明中对获取的深度图像进行深度范围限制，去除范围外的干扰物体的 图像；
[0023] 图4是本发明中采用最大类间方差法（0TSU)对限定深度范围后的图像进行阀值 处理的图像；
[0024] 图5是本发明一种基于Kinect传感器的植株深度特征识别方法模块二的流程 图； 图6是本发明假设的三维空间坐标系，其中0' -UV是图片坐标系，0-ΧΥΖ是Kinect的 坐标系。
【具体实施方式】
[0025] 下面结合附图和实施例，对本发明的【具体实施方式】作进一步详细介绍。以下实施 例用于说明本发明的方法，但不用来限制本发明的范围。
[0026] 本发明一种基于Kinect传感器的植株深度特征识别方法的设计思路是：通过对 获取的深度图像进行深度范围限制和阀值处理，获取植株目标的深度图像；同时通过对获 取的深度图像提取其深度数据，由其深度数据的三维空间坐标转换计算出植株目标的体积 特征。
[0027] 具体如图1所示，该方法包括以下模块：
[0028] 模块一，深度图像处理；
[0029] 模块二，深度数据处理。
[0030] 参照图2所示，给出了图1中模块一，深度图像处理，包括以下步骤：
[0031] (1)调用Kinect传感器获取深度图像，对获取的深度图像进行深度范围限制，所 获取的深度数据在深度范围内的保留，在深度范围之外的则置为〇,去除范围外的干扰物 体；
[0032] 如图3所示，调用Kinect传感器获取深度图像，该设备为微软公布的XB0X360体 感周边外设KinectforWindows版本，其深度摄像头所获取的深度图像默认为每秒30帧， 分辨率为640x480,所获取的深度图像由空间物体的深度数据构成，每个像素点即代表该点 的深度坐标。通过对获取的深度图像进行深度范围限制，能够实现去除范围之外的干扰物 体，仅保留所需判定区域的物体数据。其中，深度范围根据实际实施例选取，本发明实施例 经多次实验调整，选取的深度范围为[500,1500]，在深度范围内的数据保留，深度范围外的 数据置为〇,实验证明，范围之外的干扰物可以被去除，保留的区域物体的