基于激光雷達的果園溝型測量平臺設計與試驗

吳巖峰,坎 雜,戚江濤,周馨曌,李亞萍

(1.石河子大學 機械電氣工程學院,新疆 石河子 832000;2. 農業(yè)部西北農業(yè)裝備重點實驗室,新疆 石河子 832000)

0 引言

果園開溝是果樹種植與果園管理的重要工序,是影響果實質量和產量的重要環(huán)節(jié),開溝質量對節(jié)水灌溉、定量施肥具有重要意義,同時為果樹健康生長提供前期基礎[1-2]。為實現對果園灌溉與施肥提供溝型準確數據支撐,需要對果園開溝溝型進行測量。目前,對開溝作業(yè)后溝型粗糙度、開溝質量和回流等幾何參數的測量方式大多數仍局限于人工等接觸式測量方法,其測量方法簡單,容易受主觀意識影響,導致測量精度和效率低、測量范圍受限,難以反映出果園溝型的真實情況,且容易破壞原有的地表等問題[3-4]。因此,為提高果園開溝質量的檢測效率,采用非接觸式方法對果園溝型進行測量,能夠快速地獲取相關參數(溝寬、溝深),同時直觀反映出機具開溝質量,從而推動果園管理從傳統(tǒng)模式向標準化、機械化、智能化果園管理模式過渡[5],妥善處理好果園灌溉和施肥位置與深度不滿足農藝要求的問題,提高果園產量和促進果品產業(yè)的發(fā)展。

非接觸測量法通過使用超聲波傳感器[6]、紅外激光測距傳感器[7]及工業(yè)相機[8]等設備儀器,可以降低對原有地表的破壞,滿足較高精度的開溝質量檢測,通常在工業(yè)測量和林果業(yè)檢測方面有較高應用率。在非接觸測量方法中,激光雷達具有精度高、響應時間短、受自然環(huán)境影響小等特點[9-10],被廣泛應用于農林作物三維重建[11]、森林生物量估測[12]、微地貌形態(tài)測量[13]等方面。Vosselman和Hofmann等利用LiDAR不規(guī)則的點云,構成Delaunay三角網,用于目標平面提取和重建[14-15]。駱鈺波等利用地面激光雷達對森林樣品中樹木進行三維重建,驗證雷達數據相匹配的樹高、胸徑的真實值,發(fā)現該重建模型可以表達森林樣地的真實形態(tài)[16]。張宏群等控制二維激光雷達旋轉,實現對植株的三維重建,試驗發(fā)現各項參數的相對偏差最大不超過6%[17]。張雪等結合使用PMD深度相機和彩色相機,實時獲取高架草莓的深度圖、強度圖、標記圖和彩色圖像,并基于多源圖像的輪廓分割實現草莓葉片的三維重建[18]。吳志鵬等將二維激光掃描儀與電動滑軌組成了果樹輪廓測量平臺,實現了對棗樹高度的可靠估計[19]。

針對傳統(tǒng)人工測量開溝深度、寬度勞動強度大、作業(yè)效率低等問題,結合相關學者的研究,設計一種通過激光雷達和編碼器組合的果園溝型測量裝置,能快速獲取高密度的溝型點云數據,并進行溝型三維模型重建和幾何參數計算,旨在為今后果園開溝作業(yè)質量監(jiān)測提供理論參考與依據,使其向智能化方向發(fā)展。

1 平臺總體設計與工作流程

基于以太網通信的果園溝型測量與三維重建平臺由激光雷達、編碼器、支架、光軸、聯(lián)軸器和便攜式計算機等構成,安裝于小型拖拉機上,如圖1所示。在拖拉機輪轂中心處由光軸和聯(lián)軸器與編碼器相連接,再通過支架穩(wěn)定固定在拖拉機一側;當平臺向前移動時,帶動編碼器運轉,激光雷達和編碼器與計算機相連接,通過上位機實現人機交互、數據的采集與存儲。

1.便攜式計算機 2.激光雷達 3.電源轉換模塊 4.支架 5.編碼器 6.聯(lián)軸器 7.光軸圖1 果園溝型測量平臺結構圖Fig.1 Structure of orchard trench measuring platform

平臺選用西克公司的LMS141二維激光雷達傳感器掃描溝型,獲取各掃描面的距離與角度;選用機械多圈絕對值編碼器,安裝編碼器與拖拉機輪轂同軸,輸出信號可以轉換為平臺前進方向的坐標值。在開始掃描作業(yè)前,需要通過上位機對雷達采樣參數和編碼器采樣頻率進行設置。在實際掃描中,激光雷達通過向被測區(qū)域發(fā)射和接收脈沖進行距離測量,其單次在果園溝型中采樣區(qū)域如圖1中A所示。雷達通過平臺緩慢由溝型前端移動到尾端,并在拖拉機開始移動前開啟數據采樣;溝型參數信息會以激光雷達為中心原點通過極坐標的形式返回,將其轉為直角坐標系形式的距離信息,即可得到完整的果園溝型三維高程數據。平臺傳感器參數如表1所示。

表1 LMS41-15100型激光雷達傳感器參數表Table 1 Parameter table for LMS41-15100 lidar sensor

續(xù)表1

果園溝型三維掃描平臺作業(yè)流程如圖2所示。作業(yè)開始前,作業(yè)人員首先根據果園整體地面和溝型的整體深度對雷達的高度進行預調節(jié),使激光雷達掃描范圍能夠覆蓋較多的地面;通過設置雷達采樣頻率和編碼器分辨率,獲得較為完整的溝型點云數據。作業(yè)時,駕駛作業(yè)平臺在果園行間行駛,雷達的掃描平面垂直行駛方向,點云數據可表征地面信息和前進方位。

圖2 果園溝型三維掃描平臺作業(yè)流程Fig.2 Operation procedures of three-dimensional scanning platform of orchard trench

2 平臺搭建

測量平臺在田間試驗時不只要考慮操作的簡易性和平臺穩(wěn)固性,還要達到較高的精度與效率。因此,采用上、下位機交互的方式進行系統(tǒng)開發(fā),在上位機完成設備的連接和參數設置,下位機則帶動雷達移動及確定位置信息。

2.1 硬件搭建

測量平臺硬件結構如圖3所示。為了激光雷達傳感器能平穩(wěn)固定在拖拉機上,在拖拉機尾端水平固定一“T”型隔板,將激光雷達平穩(wěn)放置在隔板下方,能夠垂直掃描到溝型。果園溝型三維掃描的關鍵是獲取平臺連續(xù)移動位置,為了保證位移信息的采集,將編碼器通過聯(lián)軸器與光軸相連,通過一根支架穩(wěn)定固定在拖拉機一側;將光軸的另一側固定在輪轂的中心處,保證編碼器和輪轂同心旋轉,將測量平臺發(fā)生位移轉換為電氣信號,實時反映測量拖拉機前行位置變化,為測量平臺運動定位提供控制數據。平臺整體硬件安裝集成如圖4所示。

圖3 果園溝型測量平臺硬件結構原理圖Fig.3 Hardware structure schematic of orchard trench measurement platform

圖4 平臺整體硬件集成圖Fig.4 Overall integration diagram of platform hardware

2.2 軟件設計

為方便采集和存儲果園溝型三維坐標參數,采用C#為編程開發(fā)語言,編寫上位機數據采集軟件,可實時采集溝型三維數據。測量平臺軟件主要包括測量數據的接收、轉換、記錄及激光雷達和編碼器數據的處理與存儲,如圖5所示。

激光雷達通過TCP/IP與上位機通信,建立一個客戶端用來設置雷達的IP地址及端口號,使用二進制報文的形式將掃描到的溝型數據傳送給上位機電腦中。編碼器通過RS-485通信方式與計算機連接,用于檢測激光雷達在溝型掃描中的前行位置,并向計算機實時發(fā)送脈沖信號。數據采集模塊用來處理編碼器提供的輪轂脈沖信號,按照設置好的采集頻率信號,通過循環(huán)依次輸出外部觸發(fā)信號給激光雷達和編碼器進行數據采集。為了實現對數據的有效管理,將系統(tǒng)采集到的雷達和編碼器的數據存儲到文本文件中,儲存格式為(x,y,z)。其中,x為以激光雷達為中心兩邊的寬度,y為激光雷達前進的距離,z為激光雷達的高度;通過程序將文本文件存儲到指定的路徑中,確保采集過程數據完整可用。

圖5 軟件系統(tǒng)功能設計圖Fig.5 Design drawing of software system functions

果園溝型三維點云的構建步驟:

1)通過上位機程序采集激光束角度θ、距離γ及當前位置編碼器脈沖數。

2)二維激光雷達采集到的數據點是通過極坐標(λ,θ)的形式返回,將其轉換為直角坐標(X,Z),計算方法為

(1)

3)第三維度的坐標Y由編碼器輸出的脈沖數確定,編碼器旋轉1周碼值變換4096,輸出脈沖最大值為65 536,也是輪轂相對應轉過的圈數,計算拖拉機走過的圓周數和車輪的周長就能得到測量平臺的前進距離。所以,計算測量平臺行走的距離Y為

Y=πL·M/4096

(2)

其中,L為小型拖拉機車輪的直徑;M為編碼器的脈沖數值。由于實際環(huán)境中開溝距離較長,平臺行走距離較遠,M值將會變得很大,為了方便記錄和避免數據發(fā)生溢出現象,每當編碼器超過最大輸出脈沖值時,將會從零開始繼續(xù)計數;n為數據拐點個數。同時,改進的行走距離Y的表示公式為

Y=16πnL+πL·M/4096

(3)

3 數據處理方法

3.1 果園溝型點云地面擬合

在對果園溝型幾何參數進行提取時,通常采用設置分割閾值[20]或DBSCAN(Density-Based Spatial Clustering of Application with Noise)算法[21]。由于果園周圍沒有房屋、墻壁等遮擋物,濾波后的數據只包含溝型和兩側的地面信息,為了快速找出擬合地面,使用隨機采樣一致性(Random Sample Consensus, RANSAC)[22]算法,擬合溝型兩側的地面方程。從溝型點云中隨機選取3個點建立平面模型,并計算其余點到平面模型的距離;在閾值范圍內的點作為地面點,通過點集內點數目多少來檢驗模型的正確性。通過不斷迭代來獲取一個最優(yōu)的平面模型,即為提取的溝型兩側地面,地面擬合流程如圖6所示。

圖6 隨機采樣一致性方法擬合地面流程Fig.6 Procedures of random sampling consistency method to extract ground points

3.2 果園溝型三維點云預處理

由于果園地面不平整且雜物較多,激光雷達采集的原始果園溝型三維點云約為5.5萬個點,數據量大,采集的果園溝型點云包含大量的非溝型輪廓信息和離群點,導致重建精度和效率降低。因此,通過選取感興趣區(qū)域ROI(Region Of Interest)和直通濾波算法設定閾值完成溝型點云去噪過程。平臺掃描溝型獲取的點云數據,其坐標系和果園溝型方向保持一致,平面坐標數值保留較多,故根據掃描平臺的前進方向,將原始點云數據轉換到垂直方向上觀察。通過設置左右邊界閾值范圍,得到完整區(qū)域內ROI點云數據,即

(4)

其中,F為過濾后的點云數據集合;S為輸入點云數據集合。激光雷達安裝在小型拖拉機后面時,X軸上的點云反應果園溝型的寬度信息。

3.3 基于點云數據計算溝型寬度與深度

將溝型實際寬度定義為左右兩側溝壁a至b之間的水平距離H,如圖7(a)所示。由于溝壁粗糙部分特征點被遮蓋,導致激光掃描到的概率較小,造成a和b處采樣頻率低,故通過擬合地面點周圍的地形估計其真值。

為求果園溝型寬度的估計值,將擬合好的水平地面上的點云數據相鄰依次做差值,比較兩個點云之間的距離,通過找到相鄰兩個點云之間的距離最大值得到果園溝型寬度的估計值。

為求果園溝型深度的估計值,先找到每一次掃描數據中溝型深度的最低點,將擬合好的水平面高度與最低點做差值就可以得到溝型深度的估計值。如圖7(b)所示,溝型深度可由式(5)計算,即

(5)

(a) 實際溝型斷面圖

(b) 溝型點云斷面圖

3.4 果園溝型表面三維重建方法

通過軟件已經獲取大量溝型三維點云數據,這些離散數據無法直觀地表示溝型的結構信息,故需要將數據融合成為一個整體的溝型模型。實現溝型重建選用Delaunay三角剖分方法對點云數據進行網格化處理,具有空圓和最大化最小角特性,對不同數據的適應性好,能夠使三角化更加平滑,對凹凸不平的物體表面具有獨特優(yōu)勢[23]。

逐點插入法是Delauny三角網格的一種常用方法,易于理解和編程,通常會有非法三角形的產生,故對此算法進行改進,步驟如下:

1)構造一個包含所有散點的超級三角形,并將其放入三角形列表中;

2)將點集中的散點依次插入,在三角形鏈表中找到外接圓包含插入點的三角形,刪除影響三角形的公共邊,將插入點與影響三角形的頂點相連接,完成該點在Delaunay三角形中的插入;

3)根據優(yōu)化準則優(yōu)化局部生成的三角形(交換對角線等),將形成的三角形放入Delaunay三角形網格;

4)循環(huán)執(zhí)行步驟2)和步驟3),直到點集所有散點插入完畢。

4 結果與分析

4.1 試驗環(huán)境與方法

在新疆維吾爾自治區(qū)(農業(yè)農村部西北農業(yè)裝備重點實驗室,44.3°N,86.05°E)進行果園溝型三維點云獲取試驗,如圖8所示。在試驗田中開一條方型溝壑,將測量平臺停放在待測溝型起始處。試驗中,為考慮雷達安裝的穩(wěn)定性,將其固定在距離地表1.6m,激光雷達的采樣參數設置為0.5°、50Hz,采樣角度范圍為-45°～225°,垂直掃描方向采樣,盡可能保持拖拉機勻速行駛完成實際一次采樣。果園三維溝型點云分布不均勻,距離溝型兩側點云較密集,遠端處的點云分布逐漸稀疏,如圖8(b)所示。通過編碼器對測量平臺的精確定位,手動測量試驗田中果園溝型的寬度、深度與平均值,并與系統(tǒng)測量值進行對比。田間試驗同時驗證試驗過程中平臺的測量精度,將采集到的三維點云數據輸入MatLab軟件中,計算溝型點云的測量值,實測值通過卷尺測量(測量精度1mm),測量3次并求平均值。

4.2 激光雷達掃描傳感器精度驗證

將測量平臺底部水平放置一基準長方形框架,測量前以激光雷達為中心原點順著框架中心線移動。矩形板材的系統(tǒng)測量值與手工測量值的對比,如表2所示。小型拖拉機前行方向即為掃描前進方向,雷達每掃描一幀平臺前進約0.5m。其中,前行4m時,最大相對誤差為-1.33%,誤差值為-0.004m,可能是出現在框架最內側的點沒有被激光雷達掃描到,導致出現較大的誤差值。部分測量結果的相對誤差較小,一方面存在單次測量時誤差較小的情況,另一方面可能是激光雷達在較小測距范圍的精度較高[24]。

(a)試驗溝型 (b)原始溝型的三維點云圖

表2 長方形框架寬度的手工測量值與系統(tǒng)測量值對比Table 2 Comparison between manual and systematic measurements of rectangular frame width

4.3 果園溝型點云地面提取與預處理結果

為驗證該方法測量果園溝型寬度和深度的準確性,對獲取溝型三維點云數據進行地面提取與預處理結果如圖9所示。由圖9(a)可知:使用RANSAC方法提取溝型兩側地面的可視化結果,提取最優(yōu)地面高度z≈0.31,成功保留了溝型兩側地面點云信息。由圖9(b)可知:通過直通濾波選取溝型輪廓的ROI點云,點云個數約為2.8萬個,下降了約49%,保留了原始果園溝型三維點云的結構特征。重建后的結果如圖10所示。通過對比果園溝型原始點云數據三維重建和進行插值后溝型表面重建結果,可以看出:插值后果園溝型測量結果與實際溝型對比吻合度較高,且三維重建模型能夠精確反映出溝型特征和原有地面的粗糙度;與此同時,單次采集溝型點云數據能夠覆蓋完整的溝型廂面和地面信息,可為進一步計算溝型特征參數和分析開溝質量監(jiān)測提供較為準確的數據。

(a)溝型擬合地面圖

(b)直通濾波后的點云圖9 溝型三維點云預處理結果Fig.9 Results of groove - shaped 3D point cloud pretreatment

圖10 果園溝型表面三維重建圖Fig.10 Three-dimensional reconstruction of orchard groove surface

4.4 果園溝型寬度與深度計算結果

選擇本試驗中的47組溝型掃描數據和實測數據進行了比較研究,如表3所示。

表3 果園溝型描數據和實測數據比較表Table 3 Comparison between tracing data and measured data of orchard trench m

續(xù)表3 mm

由表3中發(fā)現:實測數據值比掃描數據值偏小,溝型寬度偏小的比例為59.57%,深度偏小的比例為68.09%。溝型寬度實測數據偏小的原因:①求算方法不同,實測數據由鋼卷尺測得,而掃描數據則由點云數據做差所得;②由于土壤顆粒比較小,雷達視場范圍內掃描的溝壁最外側有一定誤差。溝型深度偏小的原因:①實地測量數據時,少部分土壤回流,導致測量深度減小;②拖拉機行進過程中,車輪的偏移會導致掃描點與實測點不在同一點位上面;③由于溝型底部土壤顆粒相互遮擋,雷達每一幀掃描時,最低點的數據采集較困難。

為了定量驗證重建的溝型模型寬度和深度精度,同時分析本文方法的有效性,利用卷尺實地測量溝型的數據,以測量值作為基準值,實測值與模型值的比較如圖11所示。由圖11可知:模型溝型寬度值與實測寬度的均方根誤差為0.008m,相對誤差為2.47%;模型溝型深度值與實測深度的均方根誤差為0.009m,相對誤差為2.76%。根據統(tǒng)計可知:寬度誤差范圍為0～8.47%,大部分介于0～3%之間,深度誤差范圍為0～9.6%,大部分介于0～4%之間。整體來看,重建模型的精度比較高,可以直接反映果園溝型的重建精度,并保留了溝型的幾何特征。

圖11 果園溝型模型精度分析Fig.11 Accuracy analysis of orchard trench model

5 結論

1)搭建了一套基于激光雷達的果園溝型測量平臺,通過點云數據采集模塊獲取了果園溝型寬度、深度的點云信息;通過安裝編碼器采集模塊獲取了車體前行的絕對位置信息;設計了穩(wěn)定的安裝結構和可靠的供電與數據通路,可確保果園環(huán)境溝型數據信息的有效獲取。

2)通過直通濾波算法設定閾值完成點云去噪,使點云數量下降了約49%,在提高算法運行速度的同時,也保留完整的果園溝型形貌特征;利用RANSAC算法實現果園溝型地面點云的擬合,提出了基于點云數據的溝深、溝寬測量方法;借助優(yōu)化插值后的Delaunay三角網法實現果園溝型表面的三維重建,減少了空隙的存在,較接近果園溝型的實際情況。

3)通過性能試驗,對果園溝型輪廓檢測平臺的準確性進行了評價:寬度相關系數為0.83,均方根誤差為0.008;深度相關系數為0.75,均方根誤差為0.009,重建模型的精度比較高,可為智慧農業(yè)果園開溝質量智能檢測的構建提供參考。