高通量表型机器人中RGB-D相机的性能评估与改进


发布时间:

2025-11-29

来源:

作者:

RGB‐D相机在室内机器人中应用广泛。然而,自然光照下农业机器人配备的RGB‐D相机的测距能力仍有待评估,特别是在基于机器人的高通量作物表型分析领域,表型参数的测量精度与RGB-D相机的测距性能密切相关。
 
本文针对表型机器人上的RGB-D相机提出了一种深度测距评估框架和在线测距补偿策略,其目标是为植物表型分析获得高质量的深度测距性能。该策略给出了一个全面的试验设计模板,包括试验环境(露地和温室)、光照情况(采样时间和相机方位)和观测目标(植物生育期及器官部位)。首先,评估RealSense D435i和Kinect V2在不同光照条件的典型表型场景下的测距性能,验证其在不同生育期玉米的不同器官表型的可行性,并给出最优观测测距区域。其次,作者利用图像亮度来反映光照情况,并提出了一种新颖的测距补偿策略来实时降低光照的影响。
 
田间试验结果表明,RealSense D435i在作物表型分析方面比Kinect V2具有更好的测距性能,特别是在开阔、行内和近距离观测方面。RealSense D435i的最佳测距范围为0.16 ~ 1.2m。Kinect V2受自然太阳光干扰显著,测量范围有限,且在室外条件下深度测量不稳定,不适合用于田间表型机器人。此外,作者还验证了测距补偿策略可以有效降低光照强度和目标距离对RGB‐D相机深度测距的影响。此外,研究结果强调了平衡相机分辨率和深度精度的必要性。
 
本文提出了装载在HTPP移动机器人上的RGB-D相机的深度测距评估与补偿框架,为优化部署RGB‐D相机提供了有价值的指导。未来研究将集中在利用自主研发的超窄移动机器人平台在动态条件下(如风诱导干扰)对玉米进行高通量表型信息的获取。
 

 图1. 测距评估与补偿框架

 

图2. ( A )收集和使用的图像数据集示例;(B)光照强度与亮度的回归曲线。RMSE,均方根误差

 

 图3. 数据采集流程示意图。( A )定义玉米器官;( B )获取不同影响因素下的目标深度图像;( C )计算中心区域的深度值

 

 图4. 不同光照强度下两相机的测距偏差。( A )室内光照强度不变时,距离变化对测距偏差的影响;(B)不同光照强度下的测距偏差

 

 图5. 最小测距值曲线及其偏差。( A ) RGB‐D相机的最小测距值曲线;( B ) RGB‐D相机的测距偏差

 

图6. 不同照明强度下不同距离的两相机测距偏差的均方根误差

 

 图7. 抽穗期和开花期测距偏差的RMSE线性拟合结果

 

 图8. 两种传感器在背光和向光情况下的RMSE折线图

 

 图9. 不同光照条件下各器官测距精度对比

 

 图10. 准确率排序图

 

表1. 整体试验方案

 

表2. 两个相机的有效测距区域

 

 

 表3. 本研究模型和PF - SVM在不同光照强度下的误差补偿结果

  

表4. 本研究模型对玉米不同器官的误差补偿结果

 
来 源

Fan, Z. Q., Sun, N., Assal, S. F. M., Hu, Q. H., & Li, T. (2025). Performance evaluation and improvement for RGB-D cameras on high-throughput phenotyping robots. Journal of Field Robotics, https://doi.org/10.1002/rob.70096.

 

编辑

JAYz

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。