عنوان مقاله :
استخراج نقشه سهبعدي از محيط گلخانه و تشخيص و جداسازي گلدانها با استفاده از بينايي استريو
عنوان به زبان ديگر :
Extraction of a 3D Map of the Greenhouse Environment and Detection and Segmentation of Pots Using Stereo Vision
پديد آورندگان :
رفيعي، شاهين دانشگاه تهران - پرديس كشاورزي و منابع طبيعي - دانشكده مهندسي فناوري - گروه مكانيك بيوسيستم، كرج , خسروبيگي، زهرا دانشگاه تهران - پرديس كشاورزي و منابع طبيعي - دانشكده مهندسي فناوري - گروه مكانيك بيوسيستم، كرج , محتسبي، سعيد دانشگاه تهران - پرديس كشاورزي و منابع طبيعي - دانشكده مهندسي فناوري - گروه مكانيك بيوسيستم، كرج , نصيري، امين دانشگاه تهران - پرديس كشاورزي و منابع طبيعي - دانشكده مهندسي فناوري - گروه مكانيك بيوسيستم، كرج
كليدواژه :
بينايي استريو , گلدان , راس , گلخانه
چكيده فارسي :
تهيه نقشه از محيط گلخانه و تعيين موقعيت گلدانها در اين نقشه، كه اصليترين موانع در محيط هاي كشاورزي خصوصاً گلخانه هستند، گامي ضروري در خودكار نمودن اغلب عملياتهاي كشاورزي است. در اين تحقيق با استفاده از بينايي استريو به استخراج نقشه از محيط گلخانه و تشخيص و جداسازي گلدانها در اين نقشه پرداخته شد. براي برآوردن شدن اين هدف از چارچوب راس و گرهها و اتصالات شبكهاي در اين چارچوب استفاده شد. براي ارزيابي الگوريتم طراحي شده، ميزان خطاي موقعيت تخمين زده شده گلدانها به وسيله الگوريتم با موقعيت واقعي گلدانها، براساس فاصله اقليدسي محاسبه شد. نتايج حاصل از اين پژوهش نشان داد كه 100 درصد گلدانها شناسايي و تعيين موقعيت شدند. تخمين خطا در تعيين موقعيت گلدانها داراي ميانگين 0/056 متر و ريشه ميانگين مربع خطاي 0/0006 متر بود. همچنين، بيشترين خطا در تخمين موقعيت گلدانها، 0/137 متر و كمترين مقدار خطا 0/005 متر بود.
چكيده لاتين :
Creating a map of the greenhouse environment and determine the position of the pots on this map, which are the main obstacles in agricultural environments, especially greenhouses, is an essential step in automating agricultural operations. In this research, using stereovision, the map from the greenhouse environment was extracted and the pots in this map were detected and segmented. To reach this goal, ROS framework, nodes and network connections in this framework, was used. To evaluate the designed algorithm, the error rate is calculated using Euclidean distance between estimated locations and actual locations of pots. The results of this study showed that 100% of the pots were identified and positioned. The evaluation results showed that the mean errors in estimating the position of the pots was 0.056 and Root mean squared error (RMSE) was 0.0006. Also, the maximum error in estimating the position of the pots was 0.137m and the minimum error was 0.005m. The results showed that the designed algorithm has a high accuracy in estimating the position of the pots
عنوان نشريه :
مهندسي بيوسيستم ايران