评估传感器融合和飞行参数,用于在干豆中增强植物高度测量

科学领域:

• 农业科学 农业科学
• 遥感 遥感 遥感 遥感
• 植物育种 植物育种

背景情况:

• 植物的高度对于评估作物的住宿,干旱和应激耐受性至关重要.
• 传统的植物高度测量是劳动密集型,昂贵,容易出现错误.
• 现有的无人机系统 (UAS) 技术主要在直立的植物上进行测试,因此需要对干豆等垂直作物进行研究.

研究的目的:

• 为了比较LiDAR,RGB和多光谱传感器,以准确估计干 pea 植物的高度.
• 为了确定最佳的飞行配置 (高度,速度,重叠) 用于基于UAS的测量.
• 评估传感器融合对工厂高度精度的影响.

主要方法:

• 在干豆场上对LiDAR,RGB和多光谱传感器进行了比较分析.
• 多种飞行参数,包括高度,速度和图像重叠.
• 通过将LiDAR的数字地形模型 (DTM) 与RGB和多光谱数字表面模型 (DSM) 集成,利用传感器融合.

主要成果:

• 较高的飞行高度和增加的图像重叠通常会提高所有传感器的准确性.
• 尽管在较高的高度低估,但错误指标 (RMSE,MAE) 显示没有显著差异,这表明成本效益.
• 传感器融合并没有比单个传感器产生明显更好的结果,尽管LiDAR在某些情况下提供了最高的准确性.

结论:

• 基于UAS的传感器,特别是LiDAR,可以准确估计干 pea 植物的高度.
• 优化飞行参数和传感器选择是有效和准确数据收集的关键.
• 未来的研究应该将机器学习与LiDAR集成在一起,以在多种多样的树冠结构中进行增强的高度估计.