基于RGB-D温室苗期作物生长参数提取方法的研究
| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 基于计算机视觉的植物生长检测 | 第12-13页 |
| 1.2.2 植物生长参数提取方法 | 第13-15页 |
| 1.2.3 存在的问题 | 第15页 |
| 1.3 研究内容 | 第15-16页 |
| 1.4 研究方法与技术路线 | 第16-17页 |
| 1.4.1 研究方法 | 第16页 |
| 1.4.2 总体技术路线 | 第16-17页 |
| 1.5 论文组织结构 | 第17-19页 |
| 第二章 苗期作物群体视觉数据获取与预处理 | 第19-29页 |
| 2.1 KinectV2传感器 | 第19-21页 |
| 2.2 作物群体视觉数据的采集 | 第21-24页 |
| 2.2.1 研究的目标作物 | 第21页 |
| 2.2.2 相机位姿和工作距离的选择 | 第21-23页 |
| 2.2.3 数据采集环境的搭建 | 第23-24页 |
| 2.3 Kinect深度数据滤波 | 第24-28页 |
| 2.3.1 有效区域滤波 | 第24-25页 |
| 2.3.2 深度滤波 | 第25页 |
| 2.3.3 邻域算子滤波 | 第25-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 苗期作物群体分割 | 第29-44页 |
| 3.1 苗期作物群体与复杂背景分割 | 第29-38页 |
| 3.1.1 基于超绿指数的分割 | 第29-30页 |
| 3.1.2 改进的随机采样一致性的分割 | 第30-36页 |
| 3.1.3 基于表面特征直方图的分割 | 第36-38页 |
| 3.2 单株苗期作物的分割 | 第38-43页 |
| 3.2.1 欧式聚类分割 | 第39-40页 |
| 3.2.2 VCCS+LCCP分割 | 第40-43页 |
| 3.3 本章小结 | 第43-44页 |
| 第四章 参数提取实验及结果分析 | 第44-54页 |
| 4.1 系统实现流程 | 第44-45页 |
| 4.2 生长参数的提取方法 | 第45-46页 |
| 4.3 实验结果 | 第46-53页 |
| 4.3.1 数据的采集与预处理 | 第46-48页 |
| 4.3.2 与复杂背景的自动分割 | 第48-49页 |
| 4.3.3 单株聚类分割 | 第49-50页 |
| 4.3.4 生长参数的提取 | 第50-52页 |
| 4.3.5 株高误差分析 | 第52-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 结论与展望 | 第54-56页 |
| 5.1 结论 | 第54-55页 |
| 5.2 创新点 | 第55页 |
| 5.3 展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 作者简介 | 第60页 |
