CN116051537B 基于单目深度估计的农作物株高测量方法 （中国农业科学院农业基因组研究所）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN116051537B(45)授权公告日2025.07.08

(21)申请号202310152950.5

(22)申请日2023.02.09

(65)同一申请的已公布的文献号申请公布号CN116051537A

(43)申请公布日2023.05.02

(73)专利权人中国农业科学院农业基因组研究

所

地址518000广东省深圳市大鹏新区鹏飞

路7号

(72)发明人阮珏来昊政常建业王盼盼

(74)专利代理机构北京北汇律师事务所11711专利代理师李英杰

(51)Int.CI.

GO6T7/00(2017.01)

GO6T7/13(2017.01)

G06T7/136(2017.01)

G06T7/80(2017.01)

G06T5/30(2006.01)

GO6N3/08(2023.01)

(56)对比文件

CN114494393A,2022.05.13CN111340864A,2020.06.26审查员林贤旻

权利要求书2页说明书9页附图4页

(54)发明名称

基于单目深度估计的农作物株高测量方法

(57)摘要

CN116051537B本发明公开一种基于单目深度估计的农作物株高测量方法，包括：使用设定的图像采集设备获取农作物的图像；基于深度学习的深度估计算法将农作物的图像生成相应的深度图像；在农作物的图像中选择待测农作物的感兴趣点；使用图像采集设备参数和深度图像构建相机成像模型，从而将二维图像中感兴趣点的坐标转换为相对深度下的三维空间坐标；基于三维空间坐标和参照物的实际尺寸估计农作物的株高。解决测量精度、测量成本和拍摄环境之间的矛盾，达到能

CN116051537B

7

参胆物

CN116051537B权利要求书1/2页

2

1.一种基于单目深度估计的农作物株高测量方法，其特征在于，包括：

使用设定的图像采集设备获取农作物的图像，农作物的图像中包括参照物图像；

基于深度学习的深度估计算法将农作物的图像生成相应的深度图像；

通过深度学习的待测点推荐方式在农作物的图像中选择待测农作物的感兴趣点；

使用图像处理的方式对农作物图像中的参照物进行坐标提取；

使用图像采集设备参数和深度图像构建相机成像模型，从而将二维图像中感兴趣点和参照物端点的坐标转换为相对深度下的三维空间坐标；

基于三维空间坐标和参照物的实际尺寸估计农作物的株高；

通过深度学习的待测点推荐方式在农作物的图像中选择待测农作物的感兴趣点，所述深度学习的待测点推荐方式包括：

使用基于深度学习的目标检测算法检测农作物，提取农作物图像中的最小矩形包围框的坐标，然后对该农作物图像所对应的深度图像进行剪裁，裁剪目标为农作物图像中的最小矩形包围框；对裁剪完成的深度图像使用OTSU阈值法进行分割得到二值图，然后对二值图像进行轮廓检测，并提取轮廓检测中的极值点，取得极值点后通过恢复该极值点在农作物图像中的位置对测量点进行推荐；

基于三维空间坐标和参照物的实际尺寸估计农作物的株高，包括：根据参照物将相对深度下的三维空间转换为实际深度下的三维空间，并在真实深度下的三维空间中估计农作物的株高，具体的：通过参照物在真实深度下的三维空间的尺寸和相对深度下的三维空间的尺寸计算出k值，所述k值表示从深度估计算法中获得的相对深度值与真实深度值之间的转换关系，由k值将目标植株在相对深度下的三维空间中的最高点和该最高点在地面上的垂直投影点坐标转换为真实深度下的三维空间的三维坐标后，对作物的最高点和该最高点点在地面上的垂直投影点进行欧式距离的计算，获得农作物的株高。

2.根据权利要求1所述的基于单目深度估计的农作物株高测量方法，其特征在于，所述使用设定的图像采集设备获取农作物的图像，包括：

所述参照物为纯色且与农作物的图像背景色具有明显差别。

3.根据权利要求1所述的基于单目深度估计的农作物株高测量方法，其特征在于，所述对裁剪完成的深度图像使用OTSU阈值法进行分割得到二值图，包括：

获取深度图像坐标点对应的相对深度值，相对深度值为深度图像上该点的灰度值，通过OTSU算法获得阈值后，对图像进行二值化，若灰度值大于阈值，则为前景，否则为背景。

4.根据权利要求1所述的基于单目深度估计的农作物株高测量方法，其特征在于，所述使用图像处理的方式对农作物图像中的参照物进行坐标提取