基于无人机RGB-D技术的果园参数获取实验设计

在农业院校及相关科研生产单位中,无人机被广泛应用于果园的农情信息获取,但现有消费级无人机通常只装配RGB相机,常规的定高飞行随着距离增加可能出现不稳现象,导致数据偏差,影响后续计算分析。该文基于自行开发的无人机平台,装配Nvidia开发板搭载RGB-D相机,设计果园多参数获取实验。该无人机平台能够完成果园RGB-D数据的实时监测、多个参数数据获取及存储等功能,学生可通过参数获取实验中的实际操作实现相关基础知识和理论学习,同时,该无人机平台各部件易拆装且留有开源端口,便于学生进行自主研发。经大量测试及优化后,结合RGB-D技术的无人机平台精度满足教学科研要求,结合深度学习方法开展果园中苹果树的多参数估测实验案例研究(包括果树树高、冠幅长和冠幅宽),以期为本科、研究生的教学科研工作的开展提供支撑。

基于轻量级神经网络的RGB-D人体目标检测

针对现有基于神经网络的人体目标检测算法网络结构复杂,运算量大,不利于实际应用,以及传统方法检测精度较差的问题,提出一种新的轻量级检测算法,使用无锚框机制,并将MobileNetV3作为主干网络。该网络支持多个数据输入方式,可分别以RGB彩色图、深度图或RGB-D作为输入。通过在两个公开数据集和自采集数据集中的试验证明,新算法总体检测精度及运行效率均优于已有算法,获得较为理想的每秒峰值速度(FLOPS)。在英特尔i5-7200 CPU平台下,以RGB-D和Depth为输入的帧率分别可达32f/s和55f/s,以RGB为输入的表现优于同级别轻量级网络YOLOV3-Tiny。