论文部分内容阅读
果树冠层体积是农药变量喷施、肥料精准施用和果产预估等果园精细管理的重要因素。由于土壤、光照等环境因素差异，以及病虫害、霜冻等引起的果树重栽等影响，果园果树树冠的形状、体积和叶面积指数是有差异的。我国南方荔枝、柑橘等果园地貌多为不平整的丘陵地，果树种植行列排列不规整，果树冠层参数检测作业环境复杂，作业中必然会有拖拉机车体姿态的变化。传统方法中采用超声波、激光传感器等测距技术在丘陵地并不能准确推算出果树冠层探测点的位置。
为了克服地面不平整和拖拉机非线性行驶对果树冠层参数测量的影响，本文研究适合我国南方丘陵地果树冠层三维重构与体积测量方法。采用超声波和激光传感器测量果树冠层距离，姿态航向参考系统测量拖拉机三维空间姿态，RTK-DGPS接收机对拖拉机空间定位，建立了车载DGPS天线定位校正模型和果树冠层测量模型。搭建了果树冠层测量试验平台，获得了大地坐标系下果树冠层点云数据，重构了果树三维轮廓，并研究了采用果树冠层轮廓重构法测量果树冠层体积的方法。
本文的主要研究内容及结论如下：
(1)采用RTK-DGPS对作业车辆实现定位，AHRS提供车辆姿态信息，考虑超声波阵列、激光等传感器在车体的安装位置，建立大地坐标系和车体坐标系2个坐标系。利用旋转变换矩阵和方向余弦矩阵，进行一次矢量空间转换，推导了车载DGPS天线定位校正模型，将传感器在车体的安装位置转换成在大地坐标下的绝对位置。搭建了车载DGPS天线定位校正试验平台，进行了直线行走试验，校正前的最大偏差为20cm，平均偏差为6.7cm；校正后的最大偏差为12cm，平均偏差为3.3cm。试验结果表明校正后测得的轨迹与实际轨迹重合度较高，校正模型消除了车体姿态角变化产生的误差，正确反映了车体质心在大地坐标系下准确的移动轨迹。
(2)在车载DGPS天线定位校正模型基础上建立传感器系坐标系，推导了基于超声波阵列的果树冠层模型，将探测点由超声波传感器坐标系下的位置转换成在大地坐标下的绝对位置，并搭建了基于超声波阵列的果树冠层测量平台。果树冠层轮廓测量试验结果表明，作业车辆工作时，即使路面不平，仍能得到较真实的果树冠层形状。根据果树冠层点云数据，分别采用插值法和二维轮廓线法实现了大地坐标系系下果树冠层轮廓三维重构。
(3)采用果树冠层重构方法对15棵荔枝树进行3次重复测量，相关分析结果为最小决定系数R2为0.9341，相应均方根误差RMSE为1.22，表明果树冠层重构方法测量体积具有较好的稳定性。对56棵荔枝树分别采用人工测量和果树冠层重构方法测量，相关分析结果为R2为0.9152，RMSE为1.978，表明果树冠层体超声波测量结果与人工测量结果有着较强的相关关系，采用果树冠层轮廓重构方法测量果树冠层体积具有较高的准确性。当树形不规则和树叶密度较稀时，果树冠层体积超声波测量方法较人工测量方法要好。
(4)推导了基于二维激光传感器的果树冠层模型，将探测点由激光传感器坐标系下的极坐标位置转换成在大地坐标下的绝对位置，并搭建了基于二维激光传感器的果树冠层测量平台。试验结果表明测量平台空间测量精度水平×垂直为20 mm×2.2mm，满足本文对荔枝树靶标的测量试验要求。采用限定距离法、拟合地平面法和栅格法对果树冠层点云数据进行了噪点去除和数据精简。采用栅格分层取外包络法去除冠层点云内点数据，并根据外包络实现大地坐标系下果树冠层轮廓重构。
(5)采用基于激光传感器的果树冠层重构法3次重复测量3棵绿篱树，冠层体积的最大测量偏差分别为：0.34m3、0.21m3、0.41m3，测量偏差均值占实际测量体积的3.9％，说明重构法测量具有较好的测量稳定性。绿篱树冠层体积的人工测量与重构法测量结果的较小偏差也表明激光三维重构法测量果树冠层体积具有较好的准确性。圣诞树冠层重构法测量结果均值比人工测量结果偏差0.08m3，误差占实际测量体积的8.6％，主要是圣诞树裙部枝叶稀疏，人工测量时取裙部高度有误差。而重构法是对冠层分层取最外围轮廓计算体积，能够避免人工测量时对冠层参数的测量误差。