项目名称: 基于激光与机器视觉技术的立木胸径检测方法研究

项目编号: No.31200431

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 林学

项目作者: 程朋乐

作者单位: 北京林业大学

项目金额: 22万元

中文摘要: 在森林资源调查中,立木的胸径测量是最重要的任务之一,而传统的检测方法记录、统计功效慢,作业工作量较大,采用机器视觉技术进行检测已经成为树木检测发展的一个趋势。采用机器视觉技术进行立木胸径检测首先要解决视觉系统的标定问题。现有的立木视觉检测方法采用放置标杆对视觉系统进行标定,精度差效率低,与视觉检测的高速自动化的特征不相匹配。本项目提出一种基于激光与机器视觉技术的立木胸径检测方法,选用激光光束照射到树干上的光斑作为标尺对视觉系统进行标定,提高了检测精度和检测效率。本检测方案用激光测距仪测量出树干上激光光斑上下侧与激光发射器之间的距离,进而计算出激光光斑的实际尺寸。运用聚类和提取形状参数的方法识别出立木树干区域,采用数学生态学的方法对重叠的树干进行切割分离,采用基于灰度突变的区域边缘形态检测算法检测树干的边缘,通过这些方案保证了系统的检测精度和检测效率。

中文关键词: 立木;胸径;视觉检测;激光;非接触测量

英文摘要: The diameter inspection of standing trees is one of the major tasks in forest resource investigation. The limitations of traditional detection methods are obvious: low efficiency and heavy workload. Machine vision inspection technique is the development trend of tree inspection. The primary task of the machine vision inspection technique is system calibration. Now the system calibration of tree inspection is carried out using benchmarking. The efficiency of this method is very low and can not match with the vision inspection. A mathod of the diameter inspection of standing trees based on laser and machine vision was put forward in the project. The spot size of laser beam on trunk was used as the sysem calibration, so the detection precision and the inspection efficiency are improved. The distance between the upside edge and the downside edge of the laser beam spot and the laser emitter is detected by the laser range finders, and the actual size of the laser beam spot is computed with the distance. The cluster and the shape parameters extraction techniques are used to detect the trunk region in image. Models for mathematical ecology are used cutting separation of superposed trunk. The edge shape detectiong method based on saltation gray scale is used to detect the edge of trunk. All the methods above are used to

英文关键词: Standing trees;Diameter at breast height;Vision measurement;Laser;Non-contact measurement

成为VIP会员查看完整内容
0

相关内容

基于流线的流场可视化绘制方法综述
专知会员服务
27+阅读 · 2021年12月9日
【NeurIPS2021】多模态虚拟点三维检测
专知会员服务
19+阅读 · 2021年11月16日
专知会员服务
22+阅读 · 2021年8月23日
专知会员服务
89+阅读 · 2021年8月8日
专知会员服务
32+阅读 · 2021年7月25日
专知会员服务
124+阅读 · 2021年4月29日
专知会员服务
26+阅读 · 2021年4月2日
专知会员服务
106+阅读 · 2020年11月27日
深度学习目标检测方法综述
专知会员服务
276+阅读 · 2020年8月1日
基于深度学习的表面缺陷检测方法综述
专知会员服务
94+阅读 · 2020年5月31日
计算机视觉中的传统特征提取方法总结
极市平台
1+阅读 · 2021年12月9日
【NeurIPS2021】多模态虚拟点三维检测
专知
0+阅读 · 2021年11月16日
基于深度学习的小目标检测方法综述
专知
2+阅读 · 2021年4月29日
自动驾驶车载激光雷达技术现状分析
智能交通技术
17+阅读 · 2019年4月9日
一种小目标检测中有效的数据增强方法
极市平台
119+阅读 · 2019年3月23日
【质量检测】机器视觉表面缺陷检测综述
产业智能官
30+阅读 · 2018年9月24日
【机器视觉】表面缺陷检测:机器视觉检测技术
产业智能官
25+阅读 · 2018年5月30日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
16+阅读 · 2021年7月18日
Arxiv
29+阅读 · 2020年3月16日
Arxiv
14+阅读 · 2020年1月27日
Self-Driving Cars: A Survey
Arxiv
41+阅读 · 2019年1月14日
小贴士
相关VIP内容
基于流线的流场可视化绘制方法综述
专知会员服务
27+阅读 · 2021年12月9日
【NeurIPS2021】多模态虚拟点三维检测
专知会员服务
19+阅读 · 2021年11月16日
专知会员服务
22+阅读 · 2021年8月23日
专知会员服务
89+阅读 · 2021年8月8日
专知会员服务
32+阅读 · 2021年7月25日
专知会员服务
124+阅读 · 2021年4月29日
专知会员服务
26+阅读 · 2021年4月2日
专知会员服务
106+阅读 · 2020年11月27日
深度学习目标检测方法综述
专知会员服务
276+阅读 · 2020年8月1日
基于深度学习的表面缺陷检测方法综述
专知会员服务
94+阅读 · 2020年5月31日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
相关论文
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
16+阅读 · 2021年7月18日
Arxiv
29+阅读 · 2020年3月16日
Arxiv
14+阅读 · 2020年1月27日
Self-Driving Cars: A Survey
Arxiv
41+阅读 · 2019年1月14日
微信扫码咨询专知VIP会员