RGB-D相机深度测距性能的评估与改进


发布时间:

2020-12-18

来源:

本站

作者:

PhenoTrait

RGB-D相机已成功应用于室内高通量表型(HTTP)分析。然而,由于光照不稳定、镜面反射、漫反射等产生的噪声和干扰,RGB-D相机在田间高通量表型分析中的性能和可行性仍有待评估。为了解决这些问题,本文评估了两款消费者级RGB-D相机(RealSense D435i 和Kinect V2)在田间高通量表型分析中的深度测距性能,并提出了一种深度测量误差补偿策略。

 

光强度和亮度的回归曲线

数据收集流程图

 

在性能评估方面,我们着重于确定它们在不同作物器官上的最佳范围。根据评估结果,提出了一种基于亮度和距离的支持向量回归策略,对测距误差进行补偿。此外,我们还分析了两个RGB-D相机在不同光照强度下的深度填充率。实验结果表明:1)对于RealSense D435i,其有效测距面积为[0.160,1.400] m,田间填充率约为90%。 2)对于Kinect V2,在[0.497,1.200] m范围内具有很高的测距精度,但其田间填充率小于24.9%。 3)该误差补偿模型可以有效地减少光照强度和目标距离的影响,最大均方误差为0.029,最小R2为0.867。综上所述,RealSense D435i在田间高通量表性分析中比Kinect V2具有更好的测距性能。

 

两个相机的最小范围和偏差

 

随着距离的变化,两个相机在不同距离下的测距偏差的RMSE

 

两个相机针对不同器官的测量精度

 

来源:

Fan Z, Sun N, Qiu Q and Zhao C. Depth Ranging Performance Evaluation and Improvement for RGB-D Cameras on Field-Based High-Throughput Phenotyping Robots. arXiv:2011.01022.

推荐新闻

石时之约|韩志国:透过表型数据,看见植物的喜怒哀乐!

本期石时之约,我们将对话慧诺瑞德(北京)科技有限公司总经理、国际植物表型学会(IPPN)执委会委员/工业分会副主席韩志国,一起从表型数据的科学角度,去读懂农作物的喜怒哀乐和前世今生。

慧科研、慧育种、慧种田——慧聚改变的力量

让我们“慧聚”在一起,为“慧科研、慧育种、慧种田”赋能。

高通量植物表型平台建设注意事项

育种,是在给定的环境条件下,选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种,从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选,是最耗人力物力的过程。

作物生理表型测量基础原理

生理表型测量的核心在于“早、快”,要在肉眼可见之前就能测量并预判出变化趋势,才是这个技术的核心价值。叶绿素荧光成像,恰好满足了这个要求。