張珉璐，戈振揚(yáng)

(昆明理工大學(xué)現(xiàn)代農(nóng)業(yè)工程學(xué)院，云南昆明 650504)

稻田養(yǎng)殖是指利用稻田的淺水環(huán)境，輔以人為措施，既種植水稻，又養(yǎng)殖水產(chǎn)品，使稻田內(nèi)的水資源、雜草資源、水生動(dòng)物資源、昆蟲，以及其他物質(zhì)和能源更加充分地被養(yǎng)殖的水生生物利用，并通過所養(yǎng)殖的水生生物的生命活動(dòng)，達(dá)到為稻田除草、除蟲、松土和增肥的目的，獲得稻魚互利雙增收的理想效果[1]?！暗爵~共生系統(tǒng)”的內(nèi)涵(田面種稻、水體養(yǎng)魚、魚糞肥田、魚稻共生、魚糧共存)是把種植業(yè)和水產(chǎn)養(yǎng)殖業(yè)有機(jī)結(jié)合起來的立體生態(tài)農(nóng)業(yè)生產(chǎn)方式。我國是農(nóng)業(yè)大國，對于水產(chǎn)品和水稻的需求量都很大，使得稻田養(yǎng)殖業(yè)的良好發(fā)展為經(jīng)濟(jì)增長創(chuàng)造了有利條件，所以稻田養(yǎng)殖具有廣闊的發(fā)展前景，深受國家領(lǐng)導(dǎo)人的重視[2]。隨著時(shí)代的發(fā)展，人們對無公害食品和綠色有機(jī)食品的需求量逐漸增多，綠色健康的有機(jī)食品受到越來越多人的喜愛[3-4]。但是資源共享存在資源分配不均等問題，很有可能造成糧食減產(chǎn)或者水產(chǎn)品減量等問題[5]。因此，為使稻田內(nèi)的土地資源、水生動(dòng)物資源、水資源、植物資源等所有資源都可以被相互充分使用而不構(gòu)成資源競爭關(guān)系，資源達(dá)到最合理的利用，測量稻田區(qū)域數(shù)據(jù)顯得尤為重要。如果水稻和水產(chǎn)品占地比例不合理可能會(huì)造成水體環(huán)境污染、水稻種植面積受擠壓、糧食與水產(chǎn)品減產(chǎn)等問題，不僅造成經(jīng)濟(jì)損失，而且很有可能造成環(huán)境不可挽回的破壞。

隨著時(shí)代的發(fā)展，人們對生活水平要求的提高，稻田養(yǎng)殖以一種生態(tài)農(nóng)業(yè)的模式出現(xiàn)在人們的視線中，既可以在省工、省力、省餌料的條件下收獲相當(dāng)數(shù)量的水產(chǎn)品，又可以在不增加投入的情況下促使稻谷增收，具有顯著經(jīng)濟(jì)、社會(huì)和生態(tài)效益。傳統(tǒng)的區(qū)域信息獲取方式有很多，如聲納、紅外、單目和激光等，然而相對于傳統(tǒng)方式，基于雙目立體視覺的地形信息獲取方式，憑借其非接觸、效率高、精度好和成本低等優(yōu)勢，實(shí)現(xiàn)稻田區(qū)域信息的采集，將采集到的稻田地形區(qū)域數(shù)據(jù)信息進(jìn)行分析，從而合理規(guī)劃有限的水土資源更大程度地發(fā)揮土地的作用，合理計(jì)劃飼料投放情況。要避免高浪費(fèi)低效率、沒有充分挖掘土地資源的潛力實(shí)施精準(zhǔn)投入、高投入低收益的問題，同時(shí)還要避免破壞我們賴以生存的自然環(huán)境。該研究擬采用雙目立體視覺技術(shù)測量水塘區(qū)域面積特征的方法，根據(jù)獲取到的深度信息圖像三維重建，從而確定水塘區(qū)域的邊長信息，最終估算出水塘的面積，為后期水土資源規(guī)劃提供定量的依據(jù)。

1 研究方法

1.1研究原理隨著計(jì)算機(jī)科學(xué)領(lǐng)域的快速發(fā)展,雙目立體視覺測量技術(shù)在各行各業(yè)得到廣泛的應(yīng)用[6]，也是農(nóng)業(yè)工程學(xué)科研究的熱點(diǎn)之一。

雙目視覺系統(tǒng)模擬了人眼及眾多生物的視覺處理方式，利用雙攝像頭從不同角度對同一目標(biāo)成像，從而獲取視差信息，利用三角測距原理，僅通過計(jì)算左右“兩眼”獲取的兩幅圖像對應(yīng)點(diǎn)間的位置偏差，就可以實(shí)時(shí)還原視覺場景中每一點(diǎn)的真實(shí)三維幾何信息[7-8]，雙目測量沒有識別率的問題，也無需建立和維護(hù)龐大的樣本庫，分辨率和精度也更高。

1.2同類對比近年來，隨著人工智能的興起，機(jī)器視覺發(fā)展迅速，雙目立體視覺是機(jī)器視覺的一個(gè)非常重要的分支，雙目視覺屬于被動(dòng)視覺，利用仿生學(xué)模擬人的2個(gè)眼睛，然后通過相應(yīng)的算法測算出距離，比較簡單可靠。相對于單目的測量原理，是先通過圖像與樣本數(shù)據(jù)匹配進(jìn)行目標(biāo)識別，再通過目標(biāo)在圖像中的大小去估算目標(biāo)距離。因此，單目測量需要建立，并不斷維護(hù)一個(gè)龐大的樣本特征數(shù)據(jù)庫，不斷進(jìn)行機(jī)器學(xué)習(xí)和訓(xùn)練，以保證首先對目標(biāo)進(jìn)行準(zhǔn)確識別，對不規(guī)則物體或缺乏樣本數(shù)據(jù)的物體，單目測量無能為力。而激光雷達(dá)測量的優(yōu)點(diǎn)是測量距離遠(yuǎn)、精度高、速度快，但其最大的缺點(diǎn)是目前的成本高昂，另外，其體積和重量較大，對物體的識別率較差，成本的微型固態(tài)激光雷達(dá)目前還沒有大規(guī)模量產(chǎn)。

2 研究內(nèi)容

2.1雙目攝像頭的選取該測量系統(tǒng)圖像獲取裝置采用鉅芯智能雙目攝像頭(圖1)，該系統(tǒng)專注于將FPGA(現(xiàn)場可編程門陣列)和外圍電路集成為專用雙目視覺芯片eagleye100，大大降低了成本，提高了集成度和可靠性，具有全球最小的基線長度(Baseline，雙目之間的間距)，僅為8 cm，其實(shí)時(shí)高精度的探測距離達(dá)到100 m，深度分辨率最高可達(dá)720 P，高速深度計(jì)算的輸出延時(shí)小于3 ms，是一款小尺寸、遠(yuǎn)距離、高精度的實(shí)時(shí)智能雙目立體視覺測量系統(tǒng)。

圖 1 鉅芯智能雙目攝像頭Fig.1 Intelligent binocular camera

2.2開發(fā)環(huán)境PC端配置選取適合的編程系統(tǒng)是Ubuntu16.04，編程語言是opencv3.2結(jié)合C++,安裝cmake和make的編譯環(huán)境。雙目攝像機(jī)電源連接，電壓是5V，輸出的電流是2A,支持USB端口供電，相機(jī)網(wǎng)絡(luò)連接的網(wǎng)絡(luò)IP設(shè)置為192.168.80.123，網(wǎng)關(guān)IP設(shè)置為192.168.80.10，子網(wǎng)掩碼設(shè)置為255.255.255.0，系統(tǒng)開發(fā)環(huán)境如表1所示。

表1 系統(tǒng)開發(fā)環(huán)境

2.3整體技術(shù)路線首先收集三維可視化的相關(guān)知識，總結(jié)點(diǎn)云處理相關(guān)理論方法，同時(shí)掌握雙目立體視覺三維重建的相關(guān)理論基礎(chǔ)，加強(qiáng)編程語言相關(guān)知識以及熟練使用相關(guān)軟件。然后針對水塘區(qū)域信息測量，其系統(tǒng)由5個(gè)重要部分組成，分別是電腦、雙目相機(jī)、網(wǎng)線、數(shù)據(jù)傳輸線以及支架，采用雙目立體相機(jī)獲取水塘的原始圖、深度圖以及相機(jī)的內(nèi)外參數(shù)，由深度圖得到z坐標(biāo)即相機(jī)到真實(shí)圖像的距離信息，與深度圖計(jì)算的(x,y)坐標(biāo)相結(jié)合，導(dǎo)入meshlab軟件中，提取水塘的邊長信息。整體的技術(shù)路線如圖2所示。

圖2 技術(shù)路線Table 2 Technical route

2.4主要函數(shù)說明通過獲取拍攝視頻其中一幀圖像作為視差圖像數(shù)據(jù), 數(shù)據(jù)空間由驅(qū)動(dòng)負(fù)責(zé)創(chuàng)建和銷毀,所以要求雙目攝像機(jī)必須工作在視差輸出模式下，因此相機(jī)采用的是深度攝像機(jī)，深度相機(jī)在出廠前將深度算法導(dǎo)入芯片中，可以通過下列回調(diào)函數(shù)直接輸出圖像的深度信息。

getNextFrameData(pCameraDriver,&nFrameNo,&fBF,&fBase,&stGPSData,&ullTime,&pColorData,&pRefData,&pDspData);

其中，pCamera Driver是輸出攝像機(jī)的機(jī)句柄，pImgFrmNo是輸出視頻的每一幀的幀號，fBF是輸出相機(jī)的內(nèi)置參數(shù)，fbase是2個(gè)攝像機(jī)之間的距離，stGPSData輸出gps數(shù)據(jù)，是根據(jù)圖像對地形的識別與測量的內(nèi)置函數(shù)，ullTime是輸出的時(shí)間值，每一幀與每一幀的時(shí)間值，pColorData輸出圖像的彩色圖數(shù)據(jù)信息，pRefData是輸出的RGB色差的數(shù)據(jù)信息，pDspData 是左右相機(jī)輸出圖像的視差圖，也就是圖像的深度圖。

3 模擬試驗(yàn)

3.1棋盤格的采集首先要自制標(biāo)定板，標(biāo)定板的作用是在機(jī)器視覺、圖像測量、攝影測量、三維重建等應(yīng)用中，為校正鏡頭畸變；確定物理尺寸和像素間的換算關(guān)系以及空間物體表面某點(diǎn)的三維幾何位置與其在圖像中對應(yīng)點(diǎn)之間的相互關(guān)系，需要建立相機(jī)成像的幾何模型。該研究的彩印標(biāo)定板是角點(diǎn)數(shù)為 6×7、大小為 25 mm×25 mm 的棋盤格圖案，將其貼在平整光滑木質(zhì)板上制成標(biāo)定板，如圖3所示。

圖3 標(biāo)定板Fig.3 Calibration board

3.2標(biāo)定光學(xué)透鏡的特性讓相機(jī)成像存在徑向畸變的問題，是由相機(jī)內(nèi)部k1、k2、k33個(gè)參數(shù)確定，相機(jī)在裝配后會(huì)有誤差，光學(xué)鏡頭和傳感器不是完全平行，所以相機(jī)成像還存在切向畸變，是由p1、p22個(gè)參數(shù)確定[9]。首先一個(gè)相機(jī)進(jìn)行的標(biāo)定計(jì)算出其相機(jī)的內(nèi)參(焦距f和成像原點(diǎn)cx,cy、5個(gè)畸變內(nèi)部參數(shù)(一般只需要計(jì)算出k1、k2、p1、p2，對于魚眼鏡頭等徑向畸變特別大的才需要計(jì)算k3))以及外參(標(biāo)定物的世界坐標(biāo))。而雙目相機(jī)要通過標(biāo)定得到內(nèi)部畸變參數(shù)，且還需通過標(biāo)定來測量兩相機(jī)之間的相對位置(即右攝像頭相對于左攝像頭的旋轉(zhuǎn)矩陣R、平移向量t)[10-11]。左右攝像頭的內(nèi)外參數(shù)讀取十分重要，因?yàn)樗鼤?huì)直接影響最后的結(jié)果，該研究的相機(jī)的標(biāo)定使用 MATLAB 2013提供的工具箱來進(jìn)行，先單目標(biāo)定，再雙目標(biāo)定，操作簡單，精度也較高，得到的內(nèi)外參數(shù)可直接寫入opencv中，相機(jī)內(nèi)部參數(shù)如表2所示。

表2 相機(jī)內(nèi)參數(shù)

相機(jī)的外參數(shù)矩陣R與T，如下所示：

R=[0.999 90 0.013 00 0.003 326]

T=[169.206 19 0.266 97 -0.174 24]

3.3深度圖根據(jù)相機(jī)的芯片立體匹配算法結(jié)合相機(jī)的內(nèi)外部參數(shù)，直接調(diào)用深度圖，如圖4與圖5所示。

圖4 標(biāo)定過程原圖Fig.4 Original drawing of calibration process

圖5 標(biāo)定過程深度Fig.5 Depth image calibration process

3.4室外測量為了檢測水稻田水面區(qū)域邊界以及面積等特征，首先建立模擬分析方法，通過獲取一水塘的雙目視角的邊界長度，進(jìn)而采用上述回調(diào)函數(shù)得到對應(yīng)區(qū)域圖像的深度信息，如圖6和7所示，水面、樹木倒影都可以從深度圖中找到，物體離相機(jī)的遠(yuǎn)近不同，顯示的深度顏色也不同，其顏色是根據(jù)RGB的色度劃分的，距離越近其顏色更加接近大紅色，距離越遠(yuǎn)顏色越靠近藍(lán)色，這樣顯示出來的深度圖十分清晰。

圖6 相機(jī)的RGB圖 Fig.6 RGB image of camera

圖7 左右相機(jī)視差深度圖 Fig.7 Parallax depth image of right and left camera

對直接輸出深度圖進(jìn)行二次開發(fā)，首先將相機(jī)標(biāo)定，得到相機(jī)的內(nèi)外參數(shù)，與相應(yīng)的深度像素點(diǎn)匹配上，得到圖像與相機(jī)建立的x、y、z坐標(biāo)值，將數(shù)值加載到空白文檔，設(shè)置.ply文件，最后將數(shù)據(jù)導(dǎo)入可視化三維軟件meshlab中，得到水塘的三維重建，采用meshlab中measure tool工具直接測量三維效果圖中任意2點(diǎn)(圖8)。

圖8 水塘三維重建圖 Fig.8 Three-dimensional reconstruct image of pond

對實(shí)際水塘的區(qū)域采用米鋼卷尺進(jìn)行人工測量與三維重建相同位置對比，如圖9與圖10所示，根據(jù)圖像中木樁的位置作為對照點(diǎn)，測量2個(gè)木樁之間的距離為7.5 m，而三維重建對應(yīng)的2個(gè)木樁對應(yīng)的距離為7.35 m。

圖9 三維重建測量圖 Fig.9 Three-dimensional reconstruct surveying image

圖10 人工卷尺測量圖Fig.10 Surveying image using manual measuring tape

得出距離信息后，對三維水塘的周長與面積進(jìn)行估量，可測得邊長9.6、10.9、15.6、5.3、24.6 m，估算周長66 m，采用梯形分割法估量水塘的面積，其底邊為19.4 m、高為20.7 m、上邊為5.1 m,估量的面積為253.6 m2。

4 結(jié)論與展望

對于遠(yuǎn)距離測量精度比較準(zhǔn)確，在室外測量還是會(huì)存在誤差，對于圖像的選取、光線的強(qiáng)烈程度、相機(jī)的拍攝角度等對后期三維重建有一定的要求，多次適當(dāng)試驗(yàn)后，對代碼進(jìn)一步優(yōu)化，減小客觀因素對待測區(qū)域的影響。室外三維重建是地形測量的一個(gè)重要分支，模擬水塘的三維重建還存在諸多問題有待解決。

基于雙目立體視覺技術(shù)采集稻田養(yǎng)殖區(qū)域信息對精細(xì)農(nóng)業(yè)的發(fā)展、合理規(guī)劃水土資源、減少等都有十分重要的意義，同時(shí)也為未來雙目無人機(jī)采集稻田地形信息提供了新的想法。在未來越來越多的傳統(tǒng)農(nóng)業(yè)會(huì)被智能化、現(xiàn)代化、信息化的農(nóng)業(yè)所取代，利用現(xiàn)代化的技術(shù)手段，合理規(guī)劃資源，控制環(huán)境污染，預(yù)防自然災(zāi)害對農(nóng)業(yè)生產(chǎn)的巨大沖擊[12-13]。我國是農(nóng)業(yè)大國，在當(dāng)今經(jīng)濟(jì)全球化的形勢下，必須研究農(nóng)業(yè)現(xiàn)代化的發(fā)展趨勢，揚(yáng)長避短，在做好基礎(chǔ)工作的前提下，創(chuàng)造條件，大力發(fā)展智力農(nóng)業(yè)、精細(xì)農(nóng)業(yè)、信息農(nóng)業(yè)、生態(tài)農(nóng)業(yè)等，從而使我國農(nóng)業(yè)盡快走上現(xiàn)代化的道路，這將是我國未來農(nóng)業(yè)發(fā)展的道路[14-15]。