基于自主地面激光扫描的田间表型机器人


发布时间:

2024-05-24

来源:

作者:

传统的田间表型分析方法往往是手工的、耗时的和破坏性的,给育种进展带来了挑战。为了解决这一瓶颈,机器人和自动化技术提供了有效的传感工具来监测整个季节的田间演变和作物发育。本研究旨在开发一种自主地面机器人系统,用于植物育种试验中基于激光雷达的田间表型分析。Husky平台配备了高分辨率三维(three-dimensional,3D)激光扫描仪,可在无需人工干预的情况下收集现场地面激光扫描(terrestrial laser scanning,TLS)数据。为了实现TLS过程的自动化,实现了3D光线投射分析,以优化TLS站点规划,并使用路线优化算法来最小化数据收集过程中的距离。该平台部署在两个棉花育种田进行评估,并在那里自主收集TLS数据。该系统通过RTK-GNSS定位和传感器融合技术提供准确的姿态信息,定位平均误差小于0.6 cm,航向平均误差小于0.38◦。所获得的定位精度允许点云配准,平均点误差约为2cm,与依赖人工目标和手动传感器部署的传统TLS方法相当。这项工作提出了一个自主表型分析平台,便于在大田和小型育种试验条件下对植物性状进行定量评估,为植物表型组学和育种计划的推进做出贡献。

 

1  自主表型分析平台的模块化块设计。彩色框表示每个模块的主要组件。灰框表示可以添加到平台的其他设备。

 

2  表型分析平台的坐标系统。在ENU (East-North-Up)坐标系下,机器人平台主要部件的全局(UTM)和局部坐标系表示。坐标系统在xyz轴上的方向分别由红色、绿色和蓝色箭头标识。点矢量表示机器人原点处全局坐标系的方向。

 

3  自主表型分析平台集成

4 自主表型平台导航堆栈。

 

5  地面激光扫描自动化流水线。概述了使用TLS和机器人技术自动化田间植物表型的方法

6  一个典型的以地块为基础的布局。绿色矩形表示田间的每个地块。黑色方块表示潜在的扫描位置。右边放大的插图显示了该领域一个地块离散化的例子。

 

7  用平板法计算两条射线- AABB相交。(a)XY平面上的计算示例。(b)细胞在三维空间中的可见性。红点表示每条射线的撞击点。较暗的单元格表示从特定射线的扫描位置可见的单元格(可见性=1)

8  加权无向图G(V, E)。顶点(V1V7)表示要访问的扫描位置集。边权值(w12…)w67)表示扫描位置对之间的距离。

9  计算扫描位置对之间距离的不同方法。红星表示连续的扫描位置,黑箭头为每次接近的路线方向。

 

10  纯追求算法原理。

11  田间试验。(a)宽行距的工程(ENGR)育种田间鸟瞰图。黄色圆圈内的数字表示边界导航实验的航点顺序。绿点表示用于s形导航实验的航路点(b)单株布局(SPL)田鸟瞰图。

 

12  射线盒相交分析场的数字模型。(a) ENGR场。(b) SPL场。图用绿框表示。潜在的扫描位置被标识为黑色方块。

13  边界导航实验中的航向误差。红色虚线表示整个实验的平均航向误差值(-0.281◦)。黑色虚线表示±3◦之间的误差范围。当机器人在场地的拐角处转弯时,出现了很高的错误。

 

14  利用光线投射方法对ENGR (a)SPL (b)数字化田间进行可视性分析,得到优化的TLS布局。图用绿色的方框表示。扫描位置标识为黑色方块。最佳扫描位置由红色方块标识。

15  ENGR(a)SPL(b)的路径优化加权图。图中标识每个扫描位置的节点用绿色圆圈表示。图的边由连接每个节点对的蓝线标识。线条的厚度表示每个特定边缘的权重(即扫描位置之间的距离)。两个域的最优路径,即ENGR (Origin-14-26-4-17-3065-43-74-60-39-55-Origin)SPL (Origin-13-5-29-65-73-39-56-Origin),用红线标识。

16  基于TLS的田间表型的最佳途径。BRnav方法(a)AHAnav方法(b)的优化路线。图中以绿色框表示。最优扫描位置(即机器人导航的目标)由红星标识。黑线表示扫描位置对之间的导航路径。

17  在扫描过程中,仅使用导航传感器提供的信息进行预对准。编号的插图显示了部署在现场进行基准测试的五个球体。

18  自动配准结果利用导航传感器信息和云对云自动配准。编号的插图显示了部署在现场进行基准测试的五个球体。

19  自主收集的TLS数据与基于目标的注册数据之间存在差异。(a)根据Hausdorff距离着色自主重构点云。(b)距离直方图。

 

来 源

Javier Rodriguez-Sanchez et al. A ground mobile robot for autonomous terrestrial laser scanning-based field phenotyping, arXiv:2404.04404v1. 

 

编辑

王春颖

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。