CN116051537B 基于单目深度估计的农作物株高测量方法 （中国农业科学院农业基因组研究所）

所本发明公开一种基于单目深度估计的农作图像采集设备参数和深度图像构建相机成像模2基于深度学习的深度估计算法将农作物的图像生通过深度学习的待测点推荐方式在农作物的图像中选择待测农作物使用图像处理的方式对农作物图像中的参照物使用图像采集设备参数和深度图像构建相机成像模型，从而将二基于三维空间坐标和参照物的实际尺寸估计农通过深度学习的待测点推荐方式在农作物的图像中选择待测农作使用基于深度学习的目标检测算法检测农作物，提取农作物图像基于三维空间坐标和参照物的实际尺寸估计农作物的株高，包括：转换关系，由k值将目标植株在相对深度下的三维空间中的最高点和该最高点在地面上的所述参照物为纯色且与农作物的图像背景色具有明显差别。获取深度图像坐标点对应的相对深度值，相对深度值使用图像处理的方式对农作物图像中的参照物利用相机成像模型将像素坐标系下的二维坐标点转换到相对深度下的相机坐标系的3所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被45[0021]获取深度图像坐标点对应的相对深度值，相对深度值为深度图像上该点的灰度的左右和上下四个方向极值点或者矩形参照物的四个顶[0026]利用相机成像模型将像素坐标系下的二维坐标点转换到相对深度下的相机坐标00)代表图像坐标系原点在像素坐标系的位置，fx和fy分别代表相机焦距在X和Y[0031]可选的，所述根据参照物将相对深度下的三维空间转换为实际深度下的三维空[0032]通过参照物在真实深度下的三维空间的尺寸和相对深度下的三维空间的尺寸计6[0044]图6为本实施例公开的相对深度下的相机坐标系转换为真实深度下的相机坐标系[0047]应理解本发明中所述的术语仅仅是为描述特别的实施方式，并非用于限制本发7[0069]S3.通过使用基于深度学习的深度估计算法[0070]S4.通过深度学习的待测点推荐或者用户交互的方式在RGB图像中选择待测作物[0072]S6.使用相机内参、depth图中的相对深度信息和相机成像原理构建相机成像模[0073]S7.根据参照物的尺寸将相对深度下的三维空间转换为实际深度下的三维空间，8CameraCalibration工具箱进为尺寸已知的红色标杆或者红色矩形板，采集的图像中应至少包含一株完整的作物如图3[0083]步骤S4：通过深度学习的待测点推荐或者用户交互的方式在RGB图像中选择待测[0086]基于深度学习的方式主要为通过目标检测算法，提取作物所在RGB图像中的目标检测框的坐标，然后对该RGB图像所对应的depth图像进行裁剪(裁剪目标为目标检测框区9[0088]对于拍摄时俯视角度较大时的俯视图，可以采用用户交互的方式进行待测点选[0089]目标检测框筛选算法主要作用于在目标检测过程中检测以距离拍摄者远近以及在图像中的位置进行待测点推荐。筛选方法对depth图中的多个目终能够提取到像素坐标系下的红色标杆参照物的左右和上下四个方向极值点或者红色矩[0094]对分割后的二值图像进行形态学处理，修复二值化后的参照物可能出现的空洞、利用相机成像模型将RGB图像中的感兴趣点和参照物端点从二维的像素坐标系转换到相对从图像坐标系到相机坐标系的关系，利用步骤S3获得的depth图可以构建相机成像的几何0[0102]将二维像素坐标系下参照物端点坐标和待测物端点坐标通过步骤S6转换到相对的长度，为待求的真实尺寸，为参照物真实尺寸，由上述可知Xc_true＝k*Xc_l=k*lgpw,o维空间。假设从深度估计算法中获得的相对深度值Zpre与真实的深度值Ztrue之间存在关系参照物在真实深度下的三维空间中的长度为lCD＝k*lAB。通过参照物在真实深度下的三维空间的尺寸和相对深度下的三维[0108]本实施例使用单目设备进行图像采集，并通过深度学习存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。该非易失性[0112]该处理器可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力设备执行前述的本公开各实施例的多轨道InSAR的误差传递模型基于单目深度估计的农作在只读存储器(ROM)中的程序或者从存储装置加载到随机访问存储器(RAM)中的程序而执道InSAR的误差传递模型基于单目深度估计的农作物株高测量方法的全部或部[0118]根据本公开实施例的计算机可读存储介质，其上存储有非暂时性计算机可读指InSAR的误差传递模型基于单目深度估计的农作物株高测量方法的全另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实[0125]可以不脱离由所附权利要求定义的教导的技术而进行对在此所述的技术的各种[0126]提供所公开的方面的以上描述以使本领域的任何技术