李鵬，張明，2，戴祥生，王騰，鄭永強(qiáng)，易時來，呂強(qiáng)

基于不規(guī)則三棱柱分割法實(shí)時測算果樹冠層體積

李鵬1，張明1，2，戴祥生3，王騰1，鄭永強(qiáng)1，易時來1，呂強(qiáng)1

（1西南大學(xué)柑桔研究所，重慶 400712；2西南大學(xué)工程技術(shù)學(xué)院，重慶 400716；3井岡山農(nóng)業(yè)科技園管委會井岡蜜柚研究所，江西吉安 343016）

【目的】果樹冠層體積、結(jié)構(gòu)的精準(zhǔn)測量可以為藥、肥的變量施用和果樹估產(chǎn)等提供重要的參考依據(jù)。針對植株冠層枝葉空間分布不規(guī)則的特點(diǎn)，現(xiàn)有的果樹冠層體積實(shí)時測量方法測量精度較差，難以準(zhǔn)確量化柑橘果樹冠層體積及結(jié)構(gòu)，為了實(shí)現(xiàn)對果樹冠層體積的精準(zhǔn)測量，搭建了基于SICK LMS111-10100型激光傳感器的果樹冠層掃描檢測平臺，并提出了一種基于不規(guī)則三棱柱模塊的果樹冠層體積測算方法。【方法】研究以5株冠形規(guī)則的球形景觀樹、10株冠形不規(guī)則的柑橘樹為靶標(biāo)，分別在0.5、1.0和1.5 m·s-13個行進(jìn)速度下使用常用的長方體分割法、不規(guī)則三棱柱分割法等2種方法測算冠層體積，并以人工測量為基準(zhǔn)進(jìn)行誤差分析?！窘Y(jié)果】長方體分割法測量景觀樹誤差范圍分別為4.17%—6.59%、4.56%—7.42%和4.17%—9.86%；不規(guī)則三棱柱分割法測量景觀樹誤差范圍分別為2.37%—4.63%、3.18%—5.00%和4.10%—5.73%，2種方法測算果樹冠層體積相對誤差差值范圍-0.28%—4.22%，平均差值1.78%。長方體分割法測量柑橘樹誤差范圍分別為11.63%—31.02%、11.88%—33.23%和13.28%—33.30%；不規(guī)則三棱柱分割法測量柑橘樹誤差范圍分別為3.25%—6.69%、4.50%—8.31%和5.66%—11.55%，2種方法測算果樹冠層體積相對誤差差值范圍6.43%—26.20%，平均差值13.04%?！窘Y(jié)論】不規(guī)則三棱柱分割法測算誤差明顯小于長方體分割法，精度更高；對于同一靶標(biāo)，當(dāng)速度為0.5 m·s-1時，2種方法的測量精度最高，隨著速度的增加，激光采樣點(diǎn)密度下降，相對誤差有增大的趨勢。當(dāng)掃描規(guī)則靶標(biāo)時，2種方法精度差異較?。划?dāng)掃描不規(guī)則靶標(biāo)時，長方體分割法誤差較大。長方體分割法處理單幀數(shù)據(jù)的平均時間為2.86 ms，不規(guī)則三棱柱分割法處理單幀數(shù)據(jù)的平均時間為4.73 ms，均小于激光傳感器的掃描周期20 ms，可以達(dá)到實(shí)時獲取并處理數(shù)據(jù)的目的。

樹冠體積；激光掃描；不規(guī)則三棱柱分割法；實(shí)時檢測；樹干識別

0 引言

【研究意義】果樹冠層的大小、結(jié)構(gòu)對果樹的營養(yǎng)需求、水分蒸騰、掛果能力等有重要影響，同時也影響了農(nóng)藥的精準(zhǔn)、變量施用。因此，快速測算果樹冠層體積對果樹“一樹一檔”精準(zhǔn)管理具有重要意義[1-4]。【前人研究進(jìn)展】基于實(shí)時傳感器的植株自動對靶識別技術(shù)受到了學(xué)者的廣泛關(guān)注[5-11]。靶標(biāo)探測主要有超聲波傳感器[12-13]、紅外線傳感器[14-15]、CCD圖像傳感器[16]、激光傳感器[17]等4種方式，其中激光傳感器具有識別精度高、速度快、非接觸式測量等優(yōu)點(diǎn)，可以精確檢測靶標(biāo)的體積、輪廓等信息特征，對農(nóng)藥精準(zhǔn)噴灑、變量施肥、果樹估產(chǎn)等具有重要的指導(dǎo)意義[18-20]。樊仲謀等[21]通過三維激光掃描儀獲取樹木點(diǎn)云數(shù)據(jù)，利用樹冠表面三角網(wǎng)結(jié)合立方體格網(wǎng)法計(jì)算其樹冠體積。Chen等[22]利用傳感器行進(jìn)速度、掃描周期、相鄰掃描點(diǎn)間垂直距離、果樹冠層厚度等參數(shù)，將果樹冠層離散為若干個長方體，累計(jì)所有長方體體積測算果樹冠層體積（長方體分割法）。李龍龍等[23]和Cai等[24]均采用此方法為果園噴霧機(jī)提供變量噴霧處方。立方體格網(wǎng)法對于樹冠體積的計(jì)算精度較高，但是建立三角網(wǎng)耗時較長，每次插入新點(diǎn)都需要重新建立三角網(wǎng)的拓?fù)浣Y(jié)構(gòu)，無法滿足果園噴霧機(jī)實(shí)時掃描噴霧的需求；而長方體分割法以單個掃描點(diǎn)建立冠層長方體分割模塊，沒有考慮到相鄰坐標(biāo)點(diǎn)間的拓?fù)浣Y(jié)構(gòu)，對不規(guī)則的果樹冠層體積估測誤差較大；同時由于沒有加入果樹樹干識別的算法，傳感器到果樹中心的距離為固定值，僅適用于果樹直線種植且作業(yè)機(jī)械直線行駛的工作場景?！颈狙芯壳腥朦c(diǎn)】目前國內(nèi)農(nóng)機(jī)多采用長方體分割法進(jìn)行體積估測，測量誤差較大，無法滿足精準(zhǔn)農(nóng)業(yè)的需求；而立方體網(wǎng)格法耗時長，不適用于果園噴霧機(jī)實(shí)時掃描噴霧的工作場景。【擬解決的關(guān)鍵問題】本研究采用果樹樹干識別算法，動態(tài)檢測傳感器到果樹冠層中心的水平距離；提出了一種充分考慮相鄰掃描點(diǎn)空間拓?fù)浣Y(jié)構(gòu)的基于不規(guī)則三棱柱模塊的冠層體積測算方法?？梢愿泳_的測量果樹冠層體積，為藥肥精準(zhǔn)變量噴施、果樹估產(chǎn)等提供科學(xué)的參考依據(jù)。

1 材料與方法

1.1 試驗(yàn)平臺

自制試驗(yàn)平臺由激光傳感器（LMS111-10100，德國SICK公司）和運(yùn)動平臺2部分組成。LMS111-10100型激光傳感器，具有270°的掃描角度，最大掃描距離為20 m。運(yùn)動平臺包括伺服電機(jī)（80st_m02430，臺州億豐電子公司）及驅(qū)動器（ASDD-15A，臺州億豐電子公司）、導(dǎo)軌（6.0 m）、支架和滑臺。在本試驗(yàn)中，設(shè)置傳感器掃描頻率為50Hz，角分辨率為0.5°，掃描范圍為-15°—45°，即每個掃描周期會在60°的扇形范圍內(nèi)接收到121個距離數(shù)據(jù)信號。將激光傳感器安裝在滑臺上，離地高1.3 m，通過驅(qū)動器調(diào)節(jié)電機(jī)轉(zhuǎn)速來控制滑臺的行進(jìn)速度（即激光傳感器行進(jìn)速度），從而采集到完整的果樹冠層點(diǎn)云信息。

1.2 果樹冠層信息采集與體積測算

試驗(yàn)基于C#（.Net 4.0）和Matlab 2015b平臺聯(lián)合編寫冠層信息采集與體積快速測算程序。將采集到的數(shù)據(jù)經(jīng)過進(jìn)制轉(zhuǎn)換和坐標(biāo)變換轉(zhuǎn)化到三維直角坐標(biāo)系，然后識別果樹樹干，得到傳感器到果樹冠層中心的水平距離，最后分別采用2種冠層分割方法計(jì)算果樹冠層體積，并進(jìn)行誤差分析與算法優(yōu)化，技術(shù)路線如圖1所示。

圖1 技術(shù)路線圖

1.2.1 數(shù)據(jù)采集 試驗(yàn)分別對冠形規(guī)則的景觀樹（近球形）和不規(guī)則的柑橘植株等靶標(biāo)分別進(jìn)行數(shù)據(jù)采集與分析試驗(yàn)。柑橘植株選自重慶市北碚區(qū)中國農(nóng)業(yè)科學(xué)院柑桔研究所試驗(yàn)果園，為正常生產(chǎn)管理的10株5年生枳砧不知火雜柑。對每個靶標(biāo)分別在0.5、1.0、1.5 m·s-13種行進(jìn)速度下試驗(yàn)；在每株景觀樹和柑橘植株兩側(cè)分別采集冠層信息，然后對掃描數(shù)據(jù)進(jìn)行處理，用計(jì)算得到的2個半幅樹冠體積之和表征整個植株冠層體積。

1.2.2 數(shù)據(jù)預(yù)處理 激光傳感器接收到的測量數(shù)據(jù)為16進(jìn)制的距離信息和角度信息，需要轉(zhuǎn)換為10進(jìn)制數(shù)值，并將測量數(shù)據(jù)由極坐標(biāo)系轉(zhuǎn)換到直角坐標(biāo)系。圖2為植株掃描示意圖，以掃描儀的初始位置為坐標(biāo)原點(diǎn)，激光傳感器前進(jìn)方向?yàn)檩S方向，水平朝向植株方向?yàn)檩S方向，垂直于地面向上為軸方向，建立三維直角坐標(biāo)系，傳感器沿軸方向行進(jìn)時，獲得原始數(shù)據(jù)為（=1,2,…,），其中為總掃描點(diǎn)數(shù)，L和分別為傳感器到第個掃描點(diǎn)的距離和對應(yīng)角度，t為第個掃描點(diǎn)對應(yīng)的掃描時間，按公式（1）將掃描點(diǎn)由極坐標(biāo)系轉(zhuǎn)換到直角坐標(biāo)系，得到直角坐標(biāo)系下的點(diǎn)云數(shù)據(jù)（=1,2,…,）。

式中，X、Y、Z分別為第個掃描點(diǎn)在、、軸方向上的坐標(biāo)。

1：電機(jī)；2：導(dǎo)軌；3：支架；4：激光傳感器；5：上位機(jī)；6：電機(jī)驅(qū)動器

1.2.3 果樹樹干識別方法 在果樹冠層體積測算時，需要先確定果樹中心截面，然后將果樹冠層激光掃描點(diǎn)投影到該截面，并分別使用長方體分割法和不規(guī)則三棱柱分割法建立冠層分割模塊。模塊長度即掃描點(diǎn)冠層厚度，通過計(jì)算樹干至激光掃描儀水平距離與掃描點(diǎn)至掃描儀水平距離的差值獲得。

目前，基于激光傳感器的樹干識別方法主要有以下兩種：（1）根據(jù)樹干垂直連續(xù)分布特性，通過設(shè)置樹干連續(xù)閾值和高度閾值識別樹干，并獲取激光傳感器到樹干的距離[25-26]；（2）根據(jù)果樹不同部位的數(shù)據(jù)點(diǎn)在激光雷達(dá)點(diǎn)云數(shù)據(jù)直方圖中形狀的差異識別出樹干部分[27-28]。由于第二種算法的數(shù)據(jù)處理時間較長，研究選擇了第一種方法，算法原理如圖3所示。

通過試驗(yàn)分析，研究設(shè)置連續(xù)閾值D= 2cm,樹干高度閾值D= 20 cm，計(jì)算相鄰掃描點(diǎn)高度差，即坐標(biāo)的差值D。如D

圖3 果樹樹干識別原理圖

如D≥D，表示檢測到樹干，樹干高度為D；如D＜D，表示并未檢測到樹干，清空連續(xù)點(diǎn)集，繼續(xù)下一個掃描點(diǎn)的判斷。激光傳感器到樹干中心的距離為：

式中，D為激光傳感器到樹干中心的距離，Y為掃描點(diǎn)的軸坐標(biāo)，為連續(xù)點(diǎn)集的總掃描點(diǎn)數(shù)。

V=l××w（3）

將所有分割單元的體積相加，近似為果樹冠層的總體積：

式中，N為總掃描點(diǎn)數(shù)，Vi為單個分割單元的體積，Vc為長方體分割法測量果樹冠層總體積。

1.2.5不規(guī)則三棱柱分割法 在本試驗(yàn)中，每幀的數(shù)據(jù)點(diǎn)個數(shù)均為121個，不規(guī)則三棱柱分割法是以每2幀間4個數(shù)據(jù)點(diǎn)為1組，將每幀的第個（=1,2,…,121）、第1個點(diǎn)與下一幀第個點(diǎn)相連組成三角形，第1個點(diǎn)與下一幀第個、第1個點(diǎn)相連組成三角形，然后將構(gòu)成的三角形投影到平行于激光傳感器前進(jìn)方向、經(jīng)過樹干中心線垂直于地面的截面上，獲得以不規(guī)則三棱柱為基礎(chǔ)的冠層分割模型，將所有三棱柱體積相加，近似為果樹冠層體積。

如圖5所示，、、為2幀之間相鄰的3個掃描點(diǎn)，、、為這3個掃描點(diǎn)在樹干截面上的投影點(diǎn)，構(gòu)成不規(guī)則三棱柱，過B點(diǎn)做三角形平行于三角形，構(gòu)成直三棱柱。使用“割補(bǔ)法”[29]來計(jì)算單個不規(guī)則三棱柱體積：

VABC-A'B'C'= VA"BC"-A'B'C'+VA-A'BD-VC-BC"D（5）

將所有不規(guī)則三棱柱體積相加，即可得到果樹冠層的總體積V。

圖5 不規(guī)則三棱柱分割法原理示意圖

圖6 人工測量果樹冠層體積原理圖

Sm=πambm（6）

每兩個橢圓構(gòu)成的圓臺體積為：

果樹冠層的總體積為：

2 結(jié)果

研究分別使用長方體分割法和不規(guī)則三棱柱分割法測算靶標(biāo)植株體積，并以人工測量體積為基準(zhǔn)，對2種算法進(jìn)行誤差分析并改進(jìn)算法。圖7為當(dāng)行進(jìn)速度為0.5 m·s-1時，激光傳感器掃描景觀樹和柑橘樹的彩色圖像、激光點(diǎn)云圖像和偽彩色深度圖像。

2.1 景觀樹體積測算結(jié)果分析

對5株規(guī)則的球形景觀樹靶標(biāo)，在0.5、1.0和1.5 m·s-13種速度下，分別采用長方體分割法和不規(guī)則三棱柱分割法測算靶標(biāo)體積，結(jié)果見表1和圖8。當(dāng)速度為0.5 m·s-1時，長方體分割法的相對誤差為4.17%—6.59%，平均相對誤差為5.21%，不規(guī)則三棱柱分割法的相對誤差在2.37%—4.63%，平均相對誤差為3.23%；當(dāng)速度為1.0 m·s-1時，長方體分割法的相對誤差在4.56%—7.42%，平均相對誤差為5.83%，不規(guī)則三棱柱分割法的相對誤差在3.18%—5.00%，平均相對誤差為3.93%；當(dāng)速度為1.5 m·s-1時，長方體分割法的相對誤差在4.17%—9.86%，平均相對誤差為6.14%，不規(guī)則三棱柱分割法的相對誤差在4.10%—5.73%，平均相對誤差為4.67%。2種方法體積測算相對誤差差值范圍-0.28%—4.22%，平均差值1.78%。由于球形景觀樹枝葉茂密，冠層輪廓較為規(guī)則，因此使用長方體分割法和不規(guī)則三棱柱分割法建立的冠層分割模型接近于果樹真實(shí)結(jié)構(gòu)，誤差較小；相比于長方體分割法以單個掃描點(diǎn)為基礎(chǔ)建立的長方體分割模塊，不規(guī)則三棱柱分割法充分考慮了果樹冠層外緣的空間變化，利用空間相鄰掃描點(diǎn)來構(gòu)建冠層體積測算基礎(chǔ)模塊，減小了測算誤差，因此長方體分割法測量景觀樹的體積時，相對誤差略大于不規(guī)則三棱柱分割法；且隨著速度的增加，軸向掃描點(diǎn)密度下降，相對誤差有增大的趨勢。

（a）景觀樹；（b）柑橘樹；（c）景觀樹激光點(diǎn)云圖；（d）柑橘樹激光點(diǎn)云圖；（e）景觀樹深度圖；（f）柑橘樹深度圖

表1 2種方法測量球形景觀樹體積

圖8 3種速度下使用兩種方法測量景觀樹體積相對誤差圖

2.2 柑橘植株冠層體積測算結(jié)果分析

通過在3個速度下對10株柑橘樹兩側(cè)冠層激光信息采集，采用雙閾值法識別柑橘植株樹干，進(jìn)而計(jì)算出激光傳感器到樹干的水平距離，與人工測量距離數(shù)據(jù)對比分析，相對誤差在-1.87%—2.84%，說明基于樹干垂直連續(xù)分布特性的樹干檢測方法可以準(zhǔn)確識別樹干并較為精確地檢測出傳感器到樹干中心的距離。

采用長方體分割法和不規(guī)則三棱柱分割法對10株冠形不規(guī)則柑橘樹冠層體積測算結(jié)果顯示（表2、圖9），柑橘植株測算相對誤差明顯大于景觀樹冠層體積測算結(jié)果。在0.5、1.0和1.5 m·s-13個速度下，長方體分割法的測算誤差范圍分別為11.63%—31.02%、11.88%—33.23%和13.28%—33.30%；不規(guī)則三棱柱分割法的測算誤差范圍分別為3.25%—6.69%、4.50%—8.31%和5.66%—11.55%。2種方法體積測算相對誤差差值范圍6.43%—26.20%，平均差值13.04%。不規(guī)則三棱柱分割法測算誤差明顯小于長方體分割法，精度更高。對于冠形極度不規(guī)則的柑橘植株，冠層外形與結(jié)構(gòu)的變化對2種方法影響較大，長方體分割法以單個掃描點(diǎn)為基礎(chǔ)建立的規(guī)則長方體模塊，并未考慮到相鄰掃描點(diǎn)之間的拓?fù)浣Y(jié)構(gòu)；而不規(guī)則三棱柱分割法利用空間相鄰掃描點(diǎn)構(gòu)建的不規(guī)則棱柱模塊充分考慮了果樹冠層外緣的空間變化，減小了測算誤差。

圖9 3種速度下使用2種方法測量柑橘樹體積相對誤差圖

表2 2種方法測算柑橘樹冠層體積結(jié)果

無論是冠形規(guī)則的球形景觀樹還是不規(guī)則的柑橘樹，對于同一靶標(biāo)，當(dāng)速度為0.5 m·s-1時，測量精度最高，隨著速度的增加，相對誤差有增大的趨勢，是因?yàn)樗俣鹊蜁r，相當(dāng)于增加了軸上的激光采樣密度，獲取了更加豐富的冠層細(xì)節(jié)信息，從而減小了估算誤差。

本試驗(yàn)通過在單幀數(shù)據(jù)處理的開始和結(jié)束時設(shè)置時間戳，獲取2種冠層分割方法的單幀數(shù)據(jù)處理時間，長方體分割法的平均處理時間為2.86 ms/幀，不規(guī)則三棱柱分割法的平均處理時間為4.73 ms/幀，均小于激光傳感器的掃描周期（20 ms），可以達(dá)到作業(yè)機(jī)械行走時的數(shù)據(jù)實(shí)時采集和處理要求。

3 討論

果樹冠層體積大小、內(nèi)部結(jié)構(gòu)是衡量果樹生長量和生物學(xué)特性的重要指標(biāo)。但由于果樹冠層枝葉分布不規(guī)則的特性，為果樹冠層信息的實(shí)時測量帶來較大困難。相比超聲波傳感器、紅外線傳感器和CCD相機(jī)等，激光傳感器采樣頻率高、精度高、受環(huán)境干擾小，可以精確獲取靶標(biāo)三維結(jié)構(gòu)。目前基于激光傳感器的果樹冠層體積方法主要有以下2種：（1）構(gòu)建基于TIN三角網(wǎng)的果樹冠層模型，然后根據(jù)TIN模型計(jì)算果樹體積[21,31]。該法測量精度較高，但構(gòu)建TIN三角網(wǎng)耗時較長，無法滿足作業(yè)機(jī)械實(shí)時處理數(shù)據(jù)的需求。（2）以單個掃描點(diǎn)為基礎(chǔ)構(gòu)建長方體分割模塊，將所有長方形體積相加，近似為果樹冠層體積[22-24,26]。該方法以單個掃描點(diǎn)為基礎(chǔ)建立的規(guī)則長方體模塊，并未考慮到相鄰掃描點(diǎn)之間的拓?fù)浣Y(jié)構(gòu)，誤差較大。因此，本研究提出了一種基于不規(guī)則三棱柱模塊的果樹冠層分割方法，將每2幀之間的相鄰掃描點(diǎn)連接成三角形，然后將表面的三角形投影到平行于激光傳感器前進(jìn)方向、經(jīng)過樹干中心線垂直于地面的截面上，獲得以不規(guī)則三棱柱為基礎(chǔ)的冠層分割模型，將所有不規(guī)則三棱柱體積相加，近似為果樹冠層體積，相比基于長方體模塊的冠層體積測算方法精度更高。由于該方法利用空間相鄰掃描點(diǎn)構(gòu)建的不規(guī)則三棱柱模塊充分考慮了果樹冠層外緣的空間變化，減小了測算誤差，并且數(shù)據(jù)處理速度較快，可以滿足作業(yè)機(jī)械實(shí)時采集并處理數(shù)據(jù)的工作需求，為藥肥噴施、果樹估產(chǎn)等提供了科學(xué)的參考依據(jù)。

基于激光點(diǎn)云采用長方體分割法和不規(guī)則三棱柱分割法測算的靶標(biāo)冠層體積普遍小于人工測量體積，主要是因?yàn)槿斯y量方法通過冠層最外部枝葉測算的包絡(luò)體積；而基于激光傳感器方法通過枝葉空間分布測算的冠層體積，更接近于真實(shí)體積。

4 結(jié)論

研究提出了一種以不規(guī)則三棱柱分割法得到的不規(guī)則三棱柱模塊為基礎(chǔ)的果樹冠層體積測算方法。以人工測量值為基準(zhǔn)，對長方體分割法和不規(guī)則三棱柱分割法進(jìn)行了體積測算誤差分析。結(jié)果顯示，在不同速度下，2種方法測算景觀樹體積相對誤差的差值范圍-0.28%—4.22%，平均差值1.78%；2種方法測算柑橘樹體積相對誤差的差值范圍6.43%—26.20%，平均差值13.04%。不規(guī)則三棱柱分割法測算體積的相對誤差均小于長方體分割法測算體積的相對誤差，可見不規(guī)則三棱柱分割法的精度更高。當(dāng)掃描規(guī)則靶標(biāo)時，2種方法精度差異較小；當(dāng)掃描不規(guī)則靶標(biāo)時，長方體分割法誤差較大。

對于同一靶標(biāo)，當(dāng)速度為0.5 m·s-1時，測量精度最高，隨著速度的增加，激光采樣點(diǎn)密度下降，相對誤差有增大的趨勢。

在試驗(yàn)中發(fā)現(xiàn)，長方體分割法處理單幀數(shù)據(jù)的平均時間為2.86 ms，不規(guī)則三棱柱分割法處理單幀數(shù)據(jù)的平均時間為4.73 ms，均小于激光傳感器的掃描周期20 ms，可以達(dá)到作業(yè)機(jī)械行走時的數(shù)據(jù)實(shí)時采集和處理要求。

[1] 王萬章, 洪添勝, 李捷, 張富貴陸永超. 果樹農(nóng)藥精確噴霧技術(shù). 農(nóng)業(yè)工程學(xué)報, 2004, 20(6): 98-101.

WANG W Z, HONG T S, LI J, ZHANG F G, LU Y C. Review of the pesticide precision orchard spraying technologies., 2004, 20(6): 98-101. (in Chinese)

[2] 周良富, 薛新宇, 周立新, 張玲, 丁素明, 常春, 張學(xué)進(jìn), 陳晨. 果園變量噴霧技術(shù)研究現(xiàn)狀與前景分析. 農(nóng)業(yè)工程學(xué)報, 2017, 33(23): 80-92.

ZHOU L F, XUE X Y, ZHOU L X, ZHANG L, DING S M, CHANG C, ZHANG X J, CHEN C. Research situation and progress analysis on orchard variable rate spraying technology., 2017, 33(23): 80-92. (in Chinese)

[3] Fox R D, Derksen R C, Zhu H, Brazee R D, Svensson S A. A history of air-blast sprayer development and future prospects., 2008, 51(2): 405-410.

[4] 馮仲科, 羅旭, 馬欽彥, 郝星耀, 陳曉雪, 趙利果. 基于三維激光掃描成像系統(tǒng)的樹冠生物量研究. 北京林業(yè)大學(xué)學(xué)報, 2007, 29(S2): 52-56.

Feng Z K, Luo X, Ma Q Y, HAO X Y, CHEN X X, ZHAO L G. An estimation of tree canopy biomass based on 3D laser scanning imaging system., 2007, 29(S2): 52-56. (in Chinese)

[5] 邱威, 顧家冰, 丁為民, 呂曉蘭, 孫誠達(dá), 陸江. 果園風(fēng)送式噴霧機(jī)防治效果試驗(yàn). 農(nóng)業(yè)機(jī)械學(xué)報, 2015, 46(1): 94-99.

QIU W, GU J B, DING W M, Lü X L, SUN C D, LU J. Experiment on control effect of different pesticide concentration using air-assisted sprayer., 2015, 46(1): 94-99. (in Chinese)

[6] 邱白晶, 閆潤, 馬靖, 管賢平, 歐鳴雄. 變量噴霧技術(shù)研究進(jìn)展分析. 農(nóng)業(yè)機(jī)械學(xué)報, 2015, 46(3): 59-72.

QIU B J, YAN R, MA J, GUAN X P, OU M X. Research progress analysis of variable rate sprayer technology., 2015, 46(3): 59-72. (in Chinese)

[7] 翟長遠(yuǎn), 趙春江, Wang N, John L, 王秀, Paul W, 張海輝. 果園風(fēng)送噴霧精準(zhǔn)控制方法研究進(jìn)展. 農(nóng)業(yè)工程學(xué)報, 2018, 34(10): 1-15.

ZHAI C Y, ZHAO C J, WANG N, JOHN L, WANG X, PUAL W, ZHANG H H. Research progress on precision control methods of air-assisted spraying in orchards., 2018, 34(10): 1-15. (in Chinese)

[8] 劉慧, 夏偉, 沈躍, 李寧, 徐慧. 基于實(shí)時傳感器的精密變量噴霧發(fā)展概況. 中國農(nóng)機(jī)化學(xué)報, 2016, 37(3): 238-244.

LIU H, XIA W, SHEN Y, LI N, XU H. Development overview of precision variable spraying based on real-time sensor technology., 2016, 37(3): 238-244. (in Chinese)

[9] 俞龍, 黃健, 趙祚喜, 張霖, 孫道宗. 丘陵山地果樹冠層體積激光測量方法與試驗(yàn). 農(nóng)業(yè)機(jī)械學(xué)報, 2013, 44(8): 224-228.

YU L, HUANG J, ZHAO Z X, ZHANG L, SUN D Z. Laser measurement and experiment of hilly fruit tree canopy volume., 2013, 44(8): 224-228. (in Chinese)

[10] BERK P, Ho?evar M, STAJNKO D, BELSAK A, HOCEVAR M. Development of alternative plant protection product application techniques in orchards, based on measurement sensing systems: A review., 2016, 124: 273-288.

[11] GIL E, ARNó J, Llorens J, Sanz R, Llop J, Rosell-Polo J R, Gallart M, Escolà A. Advanced technologies for the improvement of spray application techniques in Spanish viticulture: An overview., 2014, 14(1): 691-708.

[12] SOLANELLES F, ESCOLà A, PLANAS S, ROSELL J R, CAMP F, GRàCIà F. An electronic control system for pesticide application proportional to the canopy width of tree crops., 2006, 95(4): 473-481.

[13] 王萬章, 洪添勝, 陸永超, 岳學(xué)軍, 張智剛, 蔣國良. 基于超聲波傳感器和DGPS的果樹冠徑檢測. 農(nóng)業(yè)工程學(xué)報, 2006, 22(8): 158-161.

WANG W Z, HONG T S, LU Y C, YUE X J, ZHANG Z G, JIANG G L. Performance of tree canopy diameter measurement based on ultrasonic sensor and DGPS., 2006, 22(8): 158-161. (in Chinese)

[14] 何雄奎, 嚴(yán)苛榮, 儲金宇, 汪健, 曾愛軍, 劉亞佳. 果園自動對靶靜電噴霧機(jī)設(shè)計(jì)與試驗(yàn)研究. 農(nóng)業(yè)工程學(xué)報, 2003,19(6): 78-80.

HE X K, YAN K R, CHU J Y, WANG J, ZENG A J, LIU Y J. Design and testing of the automatic target detecting, electrostatic, air assisted, orchard sprayer., 2003,19(6): 78-80. (in Chinese)

[15] 李麗, 李恒, 何雄奎, Andreas H. 紅外靶標(biāo)自動探測器的研制及試驗(yàn). 農(nóng)業(yè)工程學(xué)報, 2012, 28(12): 159-163.

LI L, LI H, HE X K, Andreas H. Development and experiment of automatic detection device for infrared target., 2012, 28(12): 159-163. (in Chinese)

[16] 丁為民, 趙思琪, 趙三琴, 顧家冰, 邱威, 郭彬彬. 基于機(jī)器視覺的果樹樹冠體積測量方法研究. 農(nóng)業(yè)機(jī)械學(xué)報, 2016, 47(6): 1-10.

DING W M, ZHAO S Q, ZHAO S Q, GU J B, QIU W, GUO B B. Measurement methods of fruit tree canopy volume based on machine vision., 2016, 47(6): 1-10. (in Chinese)

[17] Sanz R, Rosell J R, Calveras J L, GIL E, Martí S P. Relationship between tree row LIDAR-volume and leaf area density for fruit orchards and vineyards obtained with a LIDAR 3D dynamic measurement system., 2013, 171/172(3): 153-162.

[18] 韋雪花, 王永國, 鄭君, 王萌, 馮仲科. 基于三維激光掃描點(diǎn)云的樹冠體積計(jì)算方法. 農(nóng)業(yè)機(jī)械學(xué)報, 2013, 44(7): 235-240.

WEI X H, WANG Y G, ZHENG J, WANG M, FENG Z K. Tree crown volume calculation based on 3-D laser scanning point clouds data., 2013, 44(7): 235-240. (in Chinese)

[19] Osterman A, Gode?a T, Ho?evar M, ?irok B, Stopar M. Real-time positioning algorithm for variable-geometry air-assisted orchard sprayer., 2013, 8(7): 175-182.

[20] Llorens J, Gil E, Llop J, Escolà A. Ultrasonic and LIDAR sensors for electronic canopy characterization in vineyards: advances to improve pesticide application methods., 2011, 1(12): 2177-2194.

[21] 樊仲謀, 馮仲科, 鄭君, 樊江川, 閆飛, 邱梓軒. 基于立方體格網(wǎng)法的樹冠體積計(jì)算與預(yù)估模型建立. 農(nóng)業(yè)機(jī)械學(xué)報, 2015, 46(3): 320-327.

FAN Z M, FENG Z K, ZHEN J, FAN J C, YAN F, QIU Z X. Tree crown volume calculation and prediction model establishment using cubic lattice method., 2015, 46(3): 320-327. (in Chinese)

[22] Chen Y, Zhu H, Ozkan H E. Development of a variable-rate sprayer with laser scanning sensor to synchronize spray outputs to tree structures., 2012, 55(3): 773-781.

[23] 李龍龍, 何雄奎, 宋堅(jiān)利, 王瀟楠, 賈曉銘, 劉朝輝. 基于變量噴霧的果園自動仿形噴霧機(jī)的設(shè)計(jì)與試驗(yàn). 農(nóng)業(yè)工程學(xué)報, 2017, 33(1):70-76.

LI L L, HE X K, SONG J L, WANG X N, JIA X M, LIU C H. Design and experiment of automatic profiling orchard sprayer based on variable air volume and flow rate., 2017, 33(1): 70-76. (in Chinese)

[24] CAI J C, WANG X, SONG J, WANG S L, YANG S, ZHAO C J. Development of real-time laser-scanning system to detect tree canopy characteristics for variable-rate pesticide application., 2017, 10(6): 155-163.

[25] LIU J B, LIANG X L, Hyypp? J, YU X W, Lehtom?ki M, Py?r?l? J, ZHU L L, Wang Y S, CHEN R Z. Automated matching of multiple terrestrial laser scans for stem mapping without the use of artificial references., 2017, 56: 13-23.

[26] 李秋潔, 鄭加強(qiáng), 周宏平, 張浩, 束義平, 徐波. 基于車載二維激光掃描的樹冠體積在線測量. 農(nóng)業(yè)機(jī)械學(xué)報, 2016, 47(12): 309-314.

LI Q J, ZHANG J Q, ZHOU H P, ZHANG H, SHU Y P, XU B. Online measurement of tree canopy volume using vehicle-borne 2-D laser scanning., 2016, 47(12): 309-314. (in Chinese)

[27] Rahman M Z A, Gorte B G H, Hill R. Tree filtering for high density airborne LiDAR data//Hill R, Rosette J, Suarez J.. Edinburgh: Heriot-Watt University, 2008: 544-553.

[28] Méndez V, Rosell-Polo J R, SaNZ R, Escolà A, Catalán H. Deciduous tree reconstruction algorithm based on cylinder fitting from mobile terrestrial laser scanned point clouds., 2014, 124(4): 78-88.

[29] 陳元增, 趙立新. 基于不規(guī)則三棱柱“割補(bǔ)”模型的料堆體積精準(zhǔn)計(jì)算. 礦山測量, 2015(4): 29-31.

CHEN Y Z, ZHAO L X. Accurate calculation of stack volume based on irregular triangular prism cutting and repairing model., 2015(4): 29-31. (in Chinese)

[30] Lee K H, Ehsani R. A laser scanner based measurement system for quantification of citrus tree geometric characteristics., 2009, 25(5): 777-788.

[31] 劉芳, 馮仲科, 楊立巖, 徐偉恒, 黃曉東, 馮海英. 基于三維激光點(diǎn)云數(shù)據(jù)的樹冠體積估算研究. 農(nóng)業(yè)機(jī)械學(xué)報, 2016, 47(3): 328-334.

LIU F, FENG Z K, YANG L Y, XU W H, HUANG X D, FENG H Y. Estimation of tree crown volume based on 3D laser point clouds data., 2016, 47(3): 328-334. (in Chinese)

Real-time estimation of citrus canopy volume based on laser scanner and irregular triangular prism module method

LI Peng1, ZHANG Ming1,2, DAI Xiangsheng3, WANG Teng1, ZHENG Yongqiang1, YI Shilai1, Lü Qiang1

(1Citrus Research Institute, Southwest University, Chongqing 400712;2College of Engineering and Technology, Southwest University, Chongqing 400716;3Jinggang Honey Pomelo Research Institute, Jinggangshan Agricultural Science and Technology Park, Ji’an 343016, Jiangxi)

【Objective】Accurate measurement of volume and structure of fruit tree canopy can provide important reference for variable application of pesticide and fertilizer, as well as yield estimation. In order to accurately measure the canopy volume, a scanning platform based on laser sensor (LMS111-10100, SICK) was built. Aiming at the problem of irregular canopy shape, the poor accuracy of the existing real-time measurement methods of canopy volume and difficult to measure and estimate the canopy volume, a new estimation method based on irregular triangular prism modules was proposed in this work. 【Method】Five spherical landscape trees with regular canopy and ten citrus trees with irregular canopy were scanned by the laser sensor at the speeds of 0.5, 1.0 and 1.5 m·s-1, respectively. The canopy volume was measured by two methods: cuboid module method (CMM) and irregular triangular prism module method (ITPMM), and the error analysis was conducted based on manual measurement. 【Result】The results showed that the error ranges of CMM for measuring landscape trees at the different speeds of 0.5, 1.0 and 1.5 m·s-1were 4.17%-6.59%, 4.56%-7.42% and 4.17%-9.86%, respectively, while the error ranges of the ITPMM for measuring landscape trees were 2.37%-4.63%, 3.18%-5.00% and 4.10%-5.73%, respectively. The distance range of the relative error of the two methods for measuring citrus trees was -0.28%-4.22%%, and the average difference was 1.78%. The error ranges of CMM for measuring citrus trees at the different speeds of 0.5, 1.0 and 1.5 m·s-1were 11.63%-31.02%, 11.88%-33.23% and 13.28%-33.30%, respectively. The error ranges by ITPMM for measuring citrus trees were 3.25%-6.69%, 4.50%-8.31% and 5.66%-11.55%, respectively. The distance range of the relative error of the two methods for measuring citrus trees was 6.43%-26.20%, and the average difference was 13.04%. 【Conclusion】 The research showed that the estimation error of the ITPMM was significantly smaller than the CMM. For the same target, when the speed was 0.5 m·s-1, both of the estimation accuracy for the two methods were the highest. As the sensor speed increased, laser scanning points on the canopy decreased. So, the relative error of volume estimation increased with increase of advance speed of the laser sensor. When scanning the regular target, the accuracy difference between the two methods was small; when scanning the irregular target, the error of the CMM was larger. The processing time of a frame laser data by the CMM was 2.86 ms, and the processing time by the ITPMM was 4.73 ms, which were less than the scanning period of 20 ms of the laser sensor. The data processing time could match the acquirement of real-time collection and processing of laser data.

canopy volume; laser scanning; irregular triangular prism module method; real-time detection; trunk recognition

2019-04-23；

2019-07-03

國家重點(diǎn)研發(fā)計(jì)劃（2016YFD0200700）、重慶市技術(shù)創(chuàng)新與應(yīng)用發(fā)展專項(xiàng)（cstc2019jscx-gksbX0095）

李鵬，E-mail：swu_lp@126.com。通信作者呂強(qiáng)，E-mail：qlu@swu.edu.cn

（責(zé)任編輯 楊鑫浩）