尹文慶 楊瑞江 張健華 蔣麗 唐黎 吳思遠(yuǎn)

摘? 要：蔬菜種子的形態(tài)特征測量在評估種子質(zhì)量的過程中起著重要作用，但由于蔬菜種子體積小、形狀不規(guī)則，測量精度很難提高。為了實(shí)現(xiàn)蔬菜種子形態(tài)特征的精確測量，提出了基于激光掃描的蔬菜種子形態(tài)測量方法。利用激光掃描技術(shù)采集種子的三維點(diǎn)云數(shù)據(jù)，應(yīng)用近鄰點(diǎn)距離傳播算法對點(diǎn)云進(jìn)行噪聲濾波處理，并采用移動(dòng)最小二乘法和重采樣算法進(jìn)行平滑處理及漏洞修復(fù)，通過貪婪投影三角化算法構(gòu)建蔬菜種子表面的三角網(wǎng)格模型，計(jì)算種子的體積值和表面積值，通過生成模型的OBB包圍盒得出種子的長寬厚值，并與用千分尺測量的結(jié)果進(jìn)行對比，計(jì)算值與人工測量值的差值均<0.1mm，相對誤差均<2%。實(shí)驗(yàn)結(jié)果證明了基于激光掃描的蔬菜種子形態(tài)特征測量方法的準(zhǔn)確性和有效性。

關(guān)鍵詞：激光掃描技術(shù);激光傳感器;蔬菜種子;形態(tài)特征測量;點(diǎn)云數(shù)據(jù)

中圖分類號：TH741? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? DOI：10.11974/nyyjs.20181233002

引言

蔬菜是人們?nèi)粘ｏ嬍持斜夭豢缮俚囊环N食物，而蔬菜種子的優(yōu)劣影響著蔬菜生產(chǎn)產(chǎn)量和品質(zhì)。蔬菜種子的三維形態(tài)特征是判斷種子優(yōu)劣的重要依據(jù)之一，因此，種子的形態(tài)特征測量是蔬菜產(chǎn)業(yè)中不可缺少的環(huán)節(jié)之一。

人工測量結(jié)合科學(xué)的計(jì)算方法曾廣泛應(yīng)用于種子大小形狀的測量中，但由于種子體積小，人工測量繁瑣復(fù)雜且誤差大。隨著計(jì)算機(jī)圖像處理技術(shù)在農(nóng)業(yè)工程應(yīng)用中的快速發(fā)展，由數(shù)字圖像處理技術(shù)獲取種子特征的方法簡化了測量過程且提高了精度，由于種子形狀不規(guī)則，而圖像是三維景物的二維投影，并不具備復(fù)現(xiàn)三維景物所有幾何信息的能力，且在獲取圖像時(shí)，受圖像像素、拍攝環(huán)境、拍攝角度等因素的影響，仍會(huì)產(chǎn)生誤差。

目前，激光掃描技術(shù)日益成熟且應(yīng)用廣泛。三維激光掃描儀具有高效率、高精度的特點(diǎn)，可以在不接觸被測物體的情況下快速準(zhǔn)確地采集到物體的三維點(diǎn)云數(shù)據(jù)，并輸入到計(jì)算機(jī)設(shè)備中進(jìn)行特征參數(shù)計(jì)算。因此，本文利用激光掃描技術(shù)獲取蔬菜種子表面的點(diǎn)云數(shù)據(jù)，在此基礎(chǔ)上，計(jì)算獲取蔬菜種子形態(tài)特征參數(shù)。

1? ? ?激光掃描儀及原理

1.1? ? ?激光三角法原理

激光發(fā)生器中射出的激光由直線傳播聚焦到待測物體表面并生成一個(gè)激光點(diǎn)，激光點(diǎn)經(jīng)物體表面反射進(jìn)入CCD鏡頭，CCD鏡頭接收后得到一個(gè)像點(diǎn)。待測物體表面不同的點(diǎn)經(jīng)上述過程得到的坐標(biāo)也不同，根據(jù)兩點(diǎn)之間的對應(yīng)關(guān)系，即可計(jì)算出物體表面待測點(diǎn)的位置高度。

如圖1所示，將線型激光源投射到蔬菜種子表面，反射后的光線經(jīng)過光學(xué)透鏡在CCD鏡頭中成像，根據(jù)光路間的三角幾何關(guān)系，即可測得蔬菜種子表面映射點(diǎn)的三維坐標(biāo)。h是蔬菜種子表面映射點(diǎn)P相對于基準(zhǔn)面的高度，x是光學(xué)透鏡的像距，y是光學(xué)透鏡的物距，α是激光線與成像光軸間的夾角，O′、P′分別是O、P兩點(diǎn)在CCD鏡頭中的像點(diǎn)，h′為像點(diǎn)O′、P′的距離。

根據(jù)光路間的三角幾何關(guān)系，蔬菜種子表面映射點(diǎn)P相對于蔬菜種子位置下方基準(zhǔn)面的高度為：

1.2? ? ?激光掃描系統(tǒng)

選用的三維線激光線掃描儀，最高掃描精度可達(dá)±0.01mm。如圖2所示，在系統(tǒng)初始化完成后，通過運(yùn)動(dòng)控制卡和圖像采集卡驅(qū)動(dòng)測量頭，實(shí)現(xiàn)蔬菜種子表面輪廓的數(shù)字化過程，并將測得的點(diǎn)云數(shù)據(jù)以文本文件.txt的形式存儲(chǔ)在計(jì)算機(jī)中，以便后續(xù)的分析處理。

2? ? ?點(diǎn)云數(shù)據(jù)的采集及預(yù)處理

2.1? ? ?點(diǎn)云配準(zhǔn)

在種子點(diǎn)云采集過程中，一次掃描只能采集到種子部分表面的點(diǎn)云數(shù)據(jù)并且可能出現(xiàn)平移錯(cuò)位和旋轉(zhuǎn)錯(cuò)位。為了獲取蔬菜種子表面的完整信息，需要進(jìn)行多次測量，根據(jù)不同蔬菜種子的不同形狀特征，選取黃瓜和牛角椒種子的2個(gè)面以及黃秋葵種子的四個(gè)面分別進(jìn)行測量，在采集到種子分片點(diǎn)云后，將種子不同面的分片點(diǎn)云進(jìn)行配準(zhǔn)，如下圖3所示。

2.2? ? ?點(diǎn)云預(yù)處理

2.2.1? ? ?噪聲濾波

實(shí)際中，掃描時(shí)會(huì)受到人為或隨機(jī)因素的影響，如種子表面的粗糙程度、CCD鏡頭的振動(dòng)等，導(dǎo)致點(diǎn)云數(shù)據(jù)中摻雜少量離群點(diǎn)。近鄰點(diǎn)距離傳播算法是利用主體點(diǎn)數(shù)量比離群點(diǎn)大得多的特點(diǎn)，設(shè)定點(diǎn)與其近鄰點(diǎn)的距離閾值，以點(diǎn)與點(diǎn)之間距離<閾值為約束進(jìn)行傳播，直到點(diǎn)的數(shù)目計(jì)算完畢，將數(shù)目小得多的點(diǎn)視為離群點(diǎn)刪除。如圖4（a）所示，主體點(diǎn)云較遠(yuǎn)處有少量離群點(diǎn)，計(jì)算種子形態(tài)特征之前需去除噪聲點(diǎn)。以黃瓜種子點(diǎn)云為例，圖（b）為噪聲點(diǎn)濾除效果。

2.2.2? ? ?平滑處理及漏洞修復(fù)

在噪聲濾波處理中，去除的噪點(diǎn)是離種子點(diǎn)云較遠(yuǎn)的離群點(diǎn)，但還有一些噪聲點(diǎn)與真實(shí)點(diǎn)混雜在一起，直觀上表現(xiàn)為點(diǎn)云表面有很多“粗糙毛刺”，且會(huì)出現(xiàn)重疊層的情況，影響后續(xù)形態(tài)特征計(jì)算的精度。采用移動(dòng)最小二乘法（MLS），即對權(quán)函數(shù)影響區(qū)域內(nèi)節(jié)點(diǎn)按加權(quán)最小二乘法進(jìn)行擬合，取合適的權(quán)函數(shù)來進(jìn)行曲面平滑，通過重采樣算法，對周圍數(shù)據(jù)點(diǎn)進(jìn)行高階多項(xiàng)式插值來重建表面缺失的部分。以噪聲濾波處理后的黃瓜種子點(diǎn)云為樣本，平滑處理及漏洞修復(fù)前的點(diǎn)云如圖5（a）所示，平滑處理及漏洞修復(fù)后的點(diǎn)云如圖5（b）所示。

3? ? ?種子形態(tài)特征的計(jì)算

采用貪婪投影三角化算法，即將種子點(diǎn)云投影到二維坐標(biāo)平面內(nèi)，再進(jìn)行平面內(nèi)的三角化，根據(jù)平面內(nèi)三位點(diǎn)的拓?fù)溥B接關(guān)系得到種子三角網(wǎng)格模型。圖6為黃瓜種子的三角網(wǎng)格模型。

3.1? ? ?表面積的計(jì)算

三角網(wǎng)格模型由若干個(gè)三角面構(gòu)成，已知每個(gè)三角形的頂點(diǎn)坐標(biāo)，利用歐幾里德距離公式可求得第i個(gè)三角形的三條邊的邊長分別為Ai，Bi，Ci，由海倫公式可得，第i個(gè)三角形的周長Pi=1/2（Ai+Bi+Ci），則第i個(gè)三角形面積為Si=Pi*（Pi+Ai）*（Pi+ Bi）*（Pi+ Ci），模型的總表面積S為所有三角形的面積Si之和。

3.2? ? ?體積的計(jì)算

任意三角面與其指定的投影平面所圍成的凸五面體稱為該三角面的投影體（如圖7所示），該凸五面體的體積即為三角面的投影體體積Vi，若三角網(wǎng)格模型的所有三角面圍成的空間區(qū)域是封閉的，該模型的體積即可由所有三角面的帶符號投影體體積之和計(jì)算，如圖8所示，一長為a、寬為b、高為c的長方體，長方體的下底面與投影平面的距離為h，將該長方體的每個(gè)面細(xì)分成三角面，長方體體積即可由所有三角面的投影體體積之和計(jì)算，由于長方體的側(cè)面與投影平面垂直，投影體體積為0，因此長方體體積為：

將三角網(wǎng)格化后的種子點(diǎn)云遞歸細(xì)分成更小的三角面片，種子體積V可由其三角網(wǎng)格模型中的所有三角面的帶符號投影體積Vi之和來計(jì)算。

3.3? ? ?長寬厚的計(jì)算

有向OBB包圍盒（Oriented Bounding Box）是最貼近三維幾何體的平行六面體。其位置和方向是利用模型對象頂點(diǎn)坐標(biāo)的一階（均值）及二階（協(xié)方差矩陣）統(tǒng)計(jì)特性來計(jì)算的，其最大的特點(diǎn)是方向的任意性，根據(jù)被包圍物體的形狀特點(diǎn)任意旋轉(zhuǎn)，如圖8為黃瓜種子的有向OBB包圍盒。

種子的長L、寬W、厚H即為包圍盒的長寬高，分別對應(yīng)x、y、z坐標(biāo)值的最大值與最小值之差，即xmax-xmin、ymax-ymin、zmax-zmin。

4? ? ?結(jié)果和分析

4.1? ? ?體積與表面積

選取黃瓜種子、牛角椒種子、黃秋葵種子各20顆作為試驗(yàn)樣品，采集種子表面點(diǎn)云并計(jì)算每顆種子的體積V和表面積S，結(jié)果如圖10所示。

由于蔬菜種子表面不光滑且形狀不規(guī)則，真實(shí)值難以測量，為了驗(yàn)證該方法的有效性，選取與實(shí)驗(yàn)種子形狀相近的規(guī)則橢球體和球體（如圖12所示，a=4.3mm，b=1.2mm，c=2.1mm，r=2.2mm）進(jìn)行計(jì)算，并與其真實(shí)值進(jìn)行分析對比，結(jié)果如表1所示，相對誤差（取絕對值）在1.5%左右，驗(yàn)證了體積表面積算法的有效性。

4.2? ? ?長寬厚

選取黃瓜種子、牛角椒種子、黃秋葵種子各20顆作為試驗(yàn)樣品，采集種子表面點(diǎn)云并計(jì)算每顆種子的長L、寬W、厚H，結(jié)果如圖13至15所示，將計(jì)算的結(jié)果與用千分尺測量的結(jié)果進(jìn)行分析對比，黃瓜種子的長寬厚計(jì)算值與人工測量的實(shí)際值最大差值分別為0.09mm、0.09mm、0.10mm，牛角椒種子的長寬厚計(jì)算值與人工測量的實(shí)際值的最大差值分別為0.09mm、0.09mm、0.10mm，黃秋葵種子的長寬厚計(jì)算值與人工測量實(shí)際值的最大差值分別為0.07mm、0.08mm、0.08mm，種子的長、寬、厚計(jì)算值與人工測量值的差值均<0.1mm，相對誤差均<2%。結(jié)果證明了基于激光掃描的蔬菜種子形態(tài)特征測量方法的有效性。

5? ? ?結(jié)論

以種子的完整三維點(diǎn)云為基礎(chǔ)，采用貪婪投影三角化法構(gòu)建蔬菜種子的三角網(wǎng)格模型，計(jì)算種子的體積值和表面積值，并利用對規(guī)則橢球體和球體的表面積、體積的測量驗(yàn)證了該方法的有效性。

通過生成種子模型的OBB包圍盒得出種子的長寬厚值，并與用千分尺測量的結(jié)果進(jìn)行對比，計(jì)算值與人工測量值的差值均<0.1mm，相對誤差均<2%，結(jié)果證明了該方法的準(zhǔn)確性和有效性。

參考文獻(xiàn)

[1]張義君.豆科種子鑒別方法的研究Ⅲ、種子大小的測量和表示方法[J].種子，1984（4）：32-35.

[2] Myeong H.Kim，Eun G.Choi，Gyeong Y.Baek，Chi H.Kim，Byeong O.Jink，Byeong E.Moon，Byeong E.Moon，Dong E.Kim，Hyeon T.Kim.Lettuce growth prediction in plant factory using image processing technology[J].IFAC Proceedings Volumes，2013，46（4）：62-67.

[3] Qiu Hong Ke，Jun Mei Zhang，YeTian.Arabidopsis Growth Analysis Using Image Processing Technology[J].Advanced Materials Research，2013，2450（712）：271-313.

[4]李錦衛(wèi)，廖桂平.基于數(shù)字圖像處理的油菜種子形狀特征參數(shù)提取及模糊聚類分析[J].計(jì)算機(jī)輔助工程，2006（3）：75-78.

[5]戈廣雙，李子龍，楊凱，馬瑞鑫.基于激光掃描測距的機(jī)器人粒子濾波定位技術(shù)研究[J].傳感器與微系統(tǒng)，2017，36（12）：36-39.

[6]楊明珠.基于三維激光掃描點(diǎn)云數(shù)據(jù)特征點(diǎn)提取及建筑物重建[D].昆明：昆明理工大學(xué)，2017.

[7]章金敏.基于激光三角法的物體三維輪廓測量系統(tǒng)[D].武漢：武漢理工大學(xué)，2015.

[8]曹鵬，尹文慶，吳林華，等.基于激光傳感器的稻種輪廓形狀測量方法研究[J].傳感器與微系統(tǒng)，2017，36（3）：29-32.

[9]郝慧麗，劉先勇.含噪點(diǎn)云預(yù)處理技術(shù)研究[J].微型機(jī)與應(yīng)用，2012，31（12）：68-70.

[10]吳曉慶，黃玉清.基于移動(dòng)最小二乘法的點(diǎn)云平滑及重采樣[J].微型機(jī)與應(yīng)用，2017，36（11）：47-49，53.

[11]朱化紅.基于Delaunay生長法的三維點(diǎn)云曲面建模研究[D].成都：成都理工大學(xué)，2016.

[12]張小青.基于三角網(wǎng)格模型的文物幾何信息計(jì)算[D].北京：北京建筑工程學(xué)院，2012.

[13]王泉德.任意三角網(wǎng)格模型體積的快速精確計(jì)算方法[J].計(jì)算機(jī)工程與應(yīng)用，2009，45（18）：32-34，58.

[14] S.E.Kim，J.K.Han，J.G.Kim.An efficient scheme for motion estimation using multireference frames in H.264/AVC[J].IEEE Trans Multimedia，2006，8（3）：457-466.

作者簡介：尹文慶，湖北人，男，教授。