摘要：為了對玉米種植株數(shù)進行無損的自動化識別，利用Farofocuss70地面激光掃描儀采用四站式掃描方法，采集不同視角下的玉米田塊點云數(shù)據(jù)。設(shè)計了一種基于標靶球自動提取的配準算法，對各站獲取的點云數(shù)據(jù)進行精確配準，取得了完整的玉米田塊點云數(shù)據(jù)，并以標靶球擬合誤差和標準偏差分析配準精度。對于配準好的三維點云數(shù)據(jù)，利用采樣一致性算法基于圓柱體特征從完整的玉米田塊點云中精確分離出莖稈點云，統(tǒng)計玉米種植株數(shù)。結(jié)果表示：標靶球擬合標準偏差在0.1mm~0.7mm之間，滿足儀器測量精度要求。擬合誤差總體在2mm~5mm之間，能滿足大場景測量配準誤差5mm的要求。對玉米種植株數(shù)的識別率達到86.1%~92.1%。這一結(jié)果對于農(nóng)田環(huán)境下玉米種植株數(shù)識別的實際應(yīng)用方面是有幫助的，為作物的估產(chǎn)提供數(shù)據(jù)基礎(chǔ)，為智慧農(nóng)業(yè)研究提供理論方法。

　　關(guān)鍵詞：激光技術(shù)；株數(shù)識別；隨機采樣一致性算法；農(nóng)田玉米；點云配準

　　引言

　　農(nóng)田環(huán)境中的玉米株數(shù)信息不僅是研究玉米出苗率的重要基礎(chǔ)，也對作物產(chǎn)量分析有意義。傳統(tǒng)的玉米株數(shù)識別采用人工實地考察的方法耗時費力，識別精度依賴于人工經(jīng)驗，且對植株具有一定損傷性。隨著農(nóng)業(yè)智能化及精細化的發(fā)展，激光測量方法的進步及其在農(nóng)業(yè)領(lǐng)域中的應(yīng)用[1-5]，使作物信息的獲取具有更大的靈活性。

　　1材料與方法

　　1.1實驗材料與數(shù)據(jù)獲取

　　研究區(qū)域位于武漢市洪山區(qū)華中農(nóng)業(yè)大學校內(nèi)試驗基地，中心地理坐標為30°28′47′′N，114°21′6′′E，海拔高度約為50m。該地區(qū)氣候濕潤，屬于北亞熱帶季風性氣候，雨水和日照充足，適合玉米種植。整個試驗田區(qū)域地勢較為平緩，玉米進行分塊種植，不同田塊的玉米種植密度不同，總體密度在6-9株/?2。

　　1.2點云配準方法

　　把不同視角獲取的三維點云數(shù)據(jù)轉(zhuǎn)換到同一個空間坐標系下即為三維點云的配準。目前，點云配準方法的研究大多是基于迭代最近鄰配準（iteratedclosestpoints，ICP）算法的改進[7-9]，但該類算法需要不斷迭代，時間成本較高，不適用于大場景下的點云數(shù)據(jù)，且局限于剛性物體的配準。在農(nóng)田環(huán)境下掃描時，玉米容易發(fā)生形變，尤其是葉片部分較為柔軟，不具有剛性特征，本文提出一種基于標靶球自動提取的點云配準方法[10]，該方法忽略掃描過程中玉米發(fā)生的形變，以標靶球為基準，實現(xiàn)多站點云數(shù)據(jù)的配準。圖2為算法流程圖。

　　2結(jié)果與分析

　　2.1多站點云自動配準分析

　　圖5是配準后的玉米三維點云數(shù)據(jù)，由于地面三維激光掃描儀水平掃描范圍為0~360°，垂直掃描范圍為-60°~90°，因此需要對配準后的點云數(shù)據(jù)進行裁剪，獲取實驗區(qū)域的點云數(shù)據(jù)。圖5中的虛線框表示裁剪完的點云數(shù)據(jù)。

　　2.2玉米植株莖稈提取分析

　　玉米種植情況以及玉米的生長狀態(tài)均會影響數(shù)據(jù)采集的精度，對采集的三組數(shù)據(jù)進行對比分析。采用本文數(shù)據(jù)采集方法和配準算法獲取實驗區(qū)域完整的玉米三維點云數(shù)據(jù)，通過基于圓柱體模型提取的方法對獲取的點云數(shù)據(jù)進行迭代處理分別提取莖稈進行株數(shù)統(tǒng)計，與實際株數(shù)進行對比，完成精度Acc驗證。

　　3結(jié)論

　　本文提出了一種基于激光點云的農(nóng)田玉米種植株數(shù)識別的方法，首先根據(jù)玉米作物的特征采用不同高度掃描位置的四站式掃描獲取完整的玉米三維點云數(shù)據(jù)，提出了基于標靶球的點云自動配準算法，該算法基于球體特征自動提取標靶球的球面點云數(shù)據(jù)，以標靶球作為配準基準，忽略玉米形變實現(xiàn)點云配準。對于配準好的三維點云數(shù)據(jù)，利用采樣一致性算法基于圓柱體特征從完整的玉米田塊點云中精確分離出莖稈點云，統(tǒng)計玉米種植株數(shù)，實驗結(jié)果表明，該方法能有效識別出玉米田塊的種植株數(shù)，在不同生長時期和生長環(huán)境下都有較高的識別效率。

　　參考文獻

　　[1]GUANXP,LIUK,QIUBJ,etal.Extractionofgeometricparametersofsoybeancanopybyairborne3Dlaserscanning[J].TransactionsoftheChineseSocietyofAgriculturalEngineering(TransactionsoftheCSAE),2019,35(23):96-103(inChinese).管賢平,劉寬,邱白晶,等.基于機載三維激光掃描的大豆冠層幾何參數(shù)提取[J].農(nóng)業(yè)工程學報,2019,35(23):96-103.

　　[2]BULANONDM,KATAOKAT.FruitdetectionsystemandanendeffectorforroboticharvestingofFujiapples[J].AgriculturalEngineeringInternationalCIGRjournal,2010,12(1):203-210.

　　[3]YANGS,GAOWL,MIJQ,etal.MethodformeasurementofvegetableseedlingsheightbasedonRGB-dcamera[J].TransactionsoftheChineseSocietyforAgriculturalMachinery,2019,50(sl):128-135(inChinese).楊斯,高萬林,米家奇,等.基于RGB-D相機的蔬菜苗群體株高測量方[J].農(nóng)業(yè)機械學報,2019,50(Supp):128-135.

　　林承達，謝良毅*，韓晶，胡方正