一种收割机及其在线实时监测倒伏水稻的方法与流程

本发明涉及农作物监测技术，特别是一种融合三维激光雷达和imu的收割机及其在线实时监测倒伏水稻的方法。

背景技术：

1、现有技术水稻倒伏监测常用的手段有：人工监测法、基于卫星数据、基于雷达数据和基于无人机图像的方法。人工监测法需要检测人员深入受灾田间进行调查，对每个倒伏点进行倒伏面积和倒伏级数的调查与记录，效率较低且主观性因素影响较大。卫星遥感倒伏监测主要是利用倒伏区域和非倒伏区域光谱反射率的差异对水稻的倒伏区域进行图像提取。水稻的生长季恰逢南方的梅雨季节，多云多雨的天气阻碍了优质影像的获取。雷达遥感倒伏监测中应用较多的是合成孔径雷达，是通过被测植株对雷达自身微波信号发射的回波来获取所需特征信息。小型无人机遥感操作灵活、经济低成本、作业周期短、高分辨率、能云下获取影像，为倒伏监测开辟了新的路径。目前常用的无人机传感器有数码相机、rgb相机等。

2、以上几种方法均是在水稻倒伏灾害发生后进行倒伏区域识别，以便进行下一步的灾后抢救工作。然而，在水稻收割过程中也会存在倒伏区域，倒伏水稻降低收割效率，还会造成一定的损失，所以，在收割水稻时需要考虑到水稻本身的状态信息，实时调整联合收割机的作业状态，从而达到高质量收割效果。

技术实现思路

1、本发明所要解决的技术问题是针对现有技术的上述缺陷，提供一种融合三维激光雷达和imu的收割机及其在线实时监测倒伏水稻的方法，在收割水稻时进行水稻倒伏监测以提高收割效率。

2、为了实现上述目的，本发明提供了一种收割机的在线实时监测倒伏水稻的方法，其中，包括以下步骤：

3、s100、在收割机上设置激光雷达和imu惯性传感器；

4、s200、通过所述激光雷达和imu惯性传感器获得激光坐标系和地面坐标系之间的实时变换矩阵；

5、s300、采集待收割水稻的激光雷达点云信息，原始点云信息包括每个激光点的发射角、测量距离和反射率；利用所述实时变换矩阵得到变换后的实时点云信息；

6、s400、确定感兴趣区域，去除感兴趣区域外的点云信息，对感兴趣区域内的点云信息进行点云滤波和去燥；

7、s500、基于delaunay不规则三角网算法，将坐标变换后地面坐标系下水稻点云图划分为多个竖直的长方体，以所述长方体内高程最大点为主要控制点生成数字表面模型，以所述长方体内高程最小点为主要控制点生成数字高程模型，所述数字表面模型减去所述数字高程模型得到水稻冠层高度模型；以及

8、s600、根据所述水稻冠层高度模型，以水稻直立高度为阈值，判断所述待收割水稻的倒伏区域位置，并根据水稻倒伏高度计算水稻倒伏角度，根据所述水稻倒伏角度确定水稻倒伏等级。

9、上述的收割机的在线实时监测倒伏水稻的方法，其中，还包括：

10、s700、根据所述水稻倒伏等级建立水稻分级评价模型。

11、上述的收割机的在线实时监测倒伏水稻的方法，其中，还包括：

12、s800、根据所述水稻分级评价模型调整所述收割机的割台高度、拨禾轮高度和行进速度。

13、上述的收割机的在线实时监测倒伏水稻的方法，其中，步骤s200进一步包括：

14、s201、通过角反射器对激光雷达进行标定，变换角反射器所在位置，确定地面坐标系下不同位置的角反射器的原始坐标信息和激光雷达坐标系下点云信息，并根据角反射器在两个不同坐标系之间的位置关系确定激光雷达到地面之间的初始变换矩阵

15、s202、通过imu惯性传感器测得收割机在地面坐标系下的姿态角，并测得imu惯性传感器在地面坐标系下的位置坐标信息，将所述角反射器在地面坐标系下的位置信息转换到imu坐标系下，计算得到激光雷达和imu惯性传感器之间的初始变换矩阵；以及

16、s203、对激光雷达坐标系下的点云信息进行预处理，确定所述角反射器在激光雷达下的点云坐标，将雷达坐标系和imu坐标系下的角反射器位置数据进行拟合，求得坐标系之间的转换矩阵，并进一步计算获得激光坐标系和地面坐标系之间的实时变换矩阵。

17、上述的收割机的在线实时监测倒伏水稻的方法，其中，所述地面坐标系以收割机重心所在位置在地面的投影为原点og，以地面为平面建立xg轴和yg轴，其中xg轴平行收割机车身向前，yg轴垂直xg轴向右，zg轴垂直于xg轴和yg轴所在平面并向上；

18、所述imu坐标系与激光雷达坐标系和地面坐标系之间的关系为：

19、

20、其中，为激光雷达坐标系和imu坐标系之间的转换矩阵；为imu坐标系和地面坐标系之间的转换矩阵；为激光雷达和地面之间的转换矩阵。

21、上述的收割机的在线实时监测倒伏水稻的方法，其中，所述激光雷达坐标系和imu坐标系之间的转换矩阵经过点云配准求得。

22、上述的收割机的在线实时监测倒伏水稻的方法，其中，将所述角反射器在激光雷达坐标系和imu坐标系下的位置数据进行点云配准，采用基于点到点的icp算法，所述icp算法包括：

23、输入初始点云，包括所述角反射器在激光雷达坐标系下的点云信息、角反射器在imu坐标系下的点云信息、激光雷达和imu之间的初始变换矩阵

24、对点集a中每一个点pai施加初始变换得到pai’；

25、从点集b中寻找距离点pa最近的点pbi，形成对应的点对；

26、求解最优变换△t；

27、根据前后两次的迭代误差以及迭代次数判断是否收敛；如果收敛，则输出变换后的矩阵和点云信息：t＝δt×t0，否则t0＝at×t0。

28、上述的收割机的在线实时监测倒伏水稻的方法，其中，所述感兴趣区域根据所述收割机的割台宽度、激光雷达垂直扫描角度和安装高度及角度共同决定。

29、上述的收割机在线实时监测倒伏水稻的方法，其中，采用逐点插入法构建delaunay不规则三角网。

30、为了更好地实现上述目的，本发明还提供了一种收割机，其中，在收割水稻时采用上述的在线实时监测倒伏水稻的方法进行水稻倒伏监测。

31、本发明的技术效果在于：

32、本发明以联合收割机为搭载平台，可用于水稻实际收获场景中的倒伏监测，弥补了现有水稻倒伏监测方式的不足。联合收割机收获作物过程中，倒伏作物位置较低，收获较为困难，利用激光雷达对待收割区域进行实时监测，根据实际情况调整割台高度和行进速度，以达到高效、高质量的收获。在作业前通过角反射器对激光雷达和imu惯性测量单元进行外参标定，基于点到点的icp算法实现点云精配准，以此得到激光雷达和imu之间更为准确的坐标变换矩阵。由此能够减小由于农田颠簸导致收割机姿态变化产生的误差，精度更高。采用delaunay不规则三角网生成数字表面模型和数字地面模型，每个delaunay三角形的外接圆不包含面内的其他任何点，具有结构良好，数据结构简单，存储效率高等优点。能够提高检测的准确率，提高作业效率。

33、以下结合附图和具体实施例对本发明进行详细描述，但不作为对本发明的限定。