三维是指在二维中加入一个方向向量从而构成的空间系，也就是坐标系的三个轴，即x、y、z轴，其中x轴代示左右方向，y轴代示上下方向，z轴代示前后方向，从而形成三维视觉效果。三维技术和许多其他新兴技术一样，最初都是来源于军事应用领域，随着信息化和现代化的发展，三维技术在各个领域的应用潜力逐渐显现出来，三维技术本身也经历了从诞生到初步发展期到稳定发展期再到繁荣期的历程［1］。同时，三维技术在农业上的应用也有很多。侯彩云等使用三维图像处理技术对稻米的外观、营养及蒸煮品质等进行了观察与监测，为食品的定量学提供了理论基础［2］；胡少军等利用计算机图形学对小麦进行虚拟性的可视化研究，模拟小麦叶片在三维空间的生长状况，提出了一种模拟小麦叶片扭曲和卷曲的数学模型，并灵活掌控叶片扭曲和卷曲效果表现小麦叶片在自然情况下的生长状况［3］。

近年来，由于三维技术取得了较大的进步，从而兴起了一项新兴的摄像技术—深度相机。深度相机在捕获视频的同时，也能同步输出相机到像素点的距离，这种图片称为深度图像［4］。深度图像是通过对三维传感器所得到的图形或图像进行描绘，得出物体的三维形状并进行图像分析处理，具有自动化水平高、效率高、速率高和造价较低等优点，这些优点是传统扫描设备所不具备的［5］。

基于深度相机的研究可以划分为6类：物体辨识、三维物体重建、机器人导航、加强现实、图像处理和人机交互［2］。传统的三维激光扫描仪和结构光扫描仪虽然能够精确地获取物体表面的三维信息，但这类设备不易操作、结构复杂且价格昂贵。利用多台彩色摄像机所构成的立体视觉系统虽然可以低成本地获取三维空间信息，但这类系统算法在很大程度上存在缺陷例如鲁棒性较低、计算复杂度高且较难处理存在遮挡及缺少纹理的情况［6］。因而，微软公司推出的三维相机Kinect引起了越来越多研究者的广泛关注。本文先简述Kinect传感器的组成及其原理，以及Kinect设备在国内外的研究进展；其次讨论Kinect设备的优点与不足；最后对Kinect传感器在农业上的应用进行展望，以期为Kinect在农业领域的进一步应用提供参考。

1 K inect简介

1.1 Kinect组成

Kinect是微软在2010年正式公布的XBOX360体感周边外设，它是基于微软和以色列开发商PrimeSense开发的一种能够解释特定手势，并利用红外投影仪、相机和专用芯片来跟踪三维中的物体和个人运动的设备。该设备具有一个RGB摄像头、深度传感器和多阵列麦克风，以廉价的成本提供了完整的三维人体运动捕捉［7］、人脸识别［8］和语音识别能力［9］。彩色相机［10－12］可以在同一时间同时获取彩色图像和深度图像［13］，并且图像颜色格式可以是 RGB也可以是 YUV［14］。Kinect传感器的麦克风阵列由4个朝下的内置麦克风组成，使之能够确定声音的方向并对环境噪声进行抑制［15］，而且通过其具有高性价的深度摄像头功能广泛引起了各地研究人员的兴趣，因此Kinect被广泛应用在各个领域，尤其活跃于三维重建领域和计算机视觉领域［6］。

由图1可知，在Kinect结构中右边是3D深度传感器，中间是 RGB摄像头，左边是红外线发射器（INFRARED TRANSMITTER）［16］，传感器下面是数组式麦克风（MULTIARRAY MIC），底座和传感器之间有一个电动马达，通过特定程序可以调整Kinect的俯仰角度。同时，Kinect 1秒能够处理30帧每帧640×480个像素的深度信息，深度探测的最佳范围在1.2～3.8 m之间［17］，但是 Mankoff等也尝试在误差不超过1%的情况下将深度探测距离扩大到5 m［18］。

1.2 工作原理

Kinect在获取空间信息、色彩信息以及获取声音数据方面展示了十分强大的人机交互方法［19－20］。Kinect之所以有这么强大的功能，是因为微软合作方以色列的PrimeSence公司的PS1080系统级芯片（SoC），PrimeSense采用了该公司光编码（light coding）这一先进技术。此技术不再须要经过特殊制作的感光芯片，只需要一般的互补金属氧化物半导体（complementarymetal oxide semiconductor，简称 CMOS）感光芯片就可获取三维深度信息，这就是Kinect成本低的关键［21］。

 

2.1.3 畜牧养殖 Kongsro等构建了一个利用红外深度图像并且基于微软Kinect摄像头技术的原型［29］。该原型可以利用深度图像估测不同大小和品种猪的质量。结果表明，长白猪和杜洛克猪平均质量的估测误差分别是4.6%、4.9%。图像分析需要一定程度地干预或者图像质量的主观选择，并且在农场环境下应用这个原型须要更加自动化。

红外相机在获取到编码图案后，还须要经过解码过程将斑点图案信息转变成深度信息。因此，要将整个三维空间的斑点图案全部记录下来，所以要对光源进行1次标定，标定的方法是每隔一定距离取1个参考平面，把参考平面上的斑点图案以及与参考平面之间的距离这个数据记录下来［21］。

2.1.1 土壤颗粒大小 Marinello等提出并讨论了Kinect用于土壤微地形动态特性的实现［25］。Kinect的最大用处是对于土壤微地形的三维表征成本有效的解决方案。参考面的测试表明，传感器如何在平均粗糙度下降到1 mm的情况下在表面上提供可重复的粗糙度表征。在受到不同耕作方式的土壤上进行现场（犁耕、耙耕、振动、旋耕）测试。研究结果表明，不同的粗糙度参数值可能与耕种土壤的不同特性有关，测试还包括耙地的速度不同，3D特性可以区分这些不同的速度、平均粗糙度与速度之间具有线性相关系数高于0.9的关系。

2 K inect在国内外农业领域应用的研究进展

2.1 国外研究进展

利用Kinect进行三维重建的研究受到了很大关注，同时也有人将Kinect应用在畜牧业、养殖以及农业生产等方面。

Z公司担负着中国工程物理研究院技术转移中心的职责和职能，主要承担中物院科技成果转化及项目孵化和企业孵化的相关工作。Z公司在成立之初，并没有实体的孵化场地，为了开展科技企业孵化器业务，Z公司以投资为引领，与院属相关研究所联合成立了10余家军转民企业。2009年，中物院将位于绵阳市科创园区的中国工程物理研究院环保中心大楼分拨给Z公司。Z公司在对原中物院环保中心大楼进行设施建设和功能改造的基础上，建成了中国工程物理研究院科技孵化基地。截至2013年底，Z公司孵化器业务整体情况及存在的主要问题如下。

随着科技的进一步发展，智能硬件在日常生活中越来越普及。2014年7月，Kinect 2.0正式发售。与第一代Kinect相比，第二代Kinect能够更加精准地识别物体的位置信息，具有较高的色彩识别度和分辨率。2代Kinect传感器的技术配置对比情况如表1所示。

长期以来，在经济犯罪案件的侦查中有一种错误的认识:经济犯罪案件的侦查一般不存在可供勘查的现场。这种错误认识，致使经济犯罪侦查在理论上游离于传统侦查学之外，在实践中造成一些本应勘验的经济犯罪现场没有及时勘验，使得本能成功侦破的案件未能顺利破获甚至陷入侦查僵局。实际上，包括经济犯罪侦查在内的每一起犯罪案件的侦查都要进行现场勘查，只不过有的更侧重于现场勘验，有的更侧重于现场访问。除此二者之外，现场勘查还有一个现场分析的过程。

生物质颗粒燃料通常是指由经过粉碎的固体生物质原料通过成型机的压缩成为圆柱形的生物质固体成型燃料，直径≤25mm，长径比≤4，常见直径尺寸有6，8，10mm。成型颗粒燃料密度明显增大，体积明显缩小，便于运输和贮存；同时，体积小，与空气接触面积大，利于燃烧；规格一致，便于实现自动化输送和燃烧；可作为工业锅炉、住宅区供暖及户用炊事、取暖的燃料[7]。

 

表1 2代Kinect传感器的技术配置对比

  

?传感器视场 水平 57.5°，垂直 43.5° 水平 70°，垂直功能 Xbox 360 Kinect传感器 Kinect2.0 60°工作范围 0.8～4.0 m 0.8～4.0 m彩色视频流 640×480 16 bit30fps 1 920×1 080 32 bit30 fps深度视频流 320×240 16 bpp 512×424 16 bpp主动红外视频流 无 512×424，11－bit动态范围配准 彩色和深度 彩色、深度和主动红外音频捕捉 4阵列麦克风48 Hz audio 4阵列麦克风48 Hz audio接口 USB 2.0 USB 3.0延迟 带处理90 ms 带处理60 ms倾斜马达 只能垂直方向 无

2.1.2 三维重建 Izadi等提出让用户自己手持Kinect设备扫描室内三维场景并且实时对室内三维场景进行重建［26］。该设备的基本思想是将Kinect扫描过的每一帧经过迭代最近点（iterated closest point，简称ICP）结合到一起，同时使用地面动力装置（ground power unit，简称GPU）进行并行加速从而达到实时的效果［27］。Chen等通过利用Kinect获取玉米点云从而获得玉米几何结构参数中的叶面积指数和叶角分布，重建了基于深度图像的玉米三维模型［28］。

2.2.3 畜牧 刘波等利用Kinect深度相机获取生猪运动深度图像序列，提取生猪的步频特征，并通过生猪前后肢远近侧端点的水平坐标变化和骨架端点匹配建立生猪运动模型，对于监测生猪异常行为具有重大意义［40］。

目前，深度摄像头成像原理通常分为双向测距（time of flight，简称 ToF）技术和光编码技术2类［22－23］。光编码技术是利用光源照明把所需要测量的空间进行编码，它是结构光技术中的一种，与其他结构光技术不同的只是深度计算方式不同。光编码的光源被称作“激光散斑”，是通过激光光线射到粗糙物体表面或者穿过毛玻璃之后从而产生的衍射斑点。这些斑点具有很强的随机性，并且会根据距离的不同而不停地变换图案，也就是说三维空间中的任意2处的斑点图案都是不相同的。如果将这样的结构光照射在三维空间中，整个三维空间就会全部被标记，把一个不知名的物体置于这个三维空间，只要看物体上所形成的散斑图案，就能够知晓物体的放置位置，也就是说Kinect可以很确切地记录物体的三维位置信息［24］。

与传统三维扫描设备相比，Kinect不仅能够实时捕获物体表面彩色与深色信息结构，而且Kinect设备小巧、使用便利、价格低廉；与立体视觉方法相比，Kinect的原理是主动发射近外光，不易受光照变化和物体表面纹理的影响，计算复杂度较低［6］。

本课程所有知识点以案例为驱动，在实训过程中对基础知识逐个击破。线上课程资源涵盖常见技术方向和前沿技术介绍，使学生充分开拓行业视野，进行市场定位，零基础授课，无须相关技术储备，适合已经步入大一、大二具有一定自学能力的学员。线上课程共涵盖了Web前端及Java软件开发10个案例，所有案例都逐一进行拆解，保证学习者根据课件即可完成整个项目。课程穿插企业中的开发规范，课程中的重难点详解，更有答疑和教务服务，为学生营造一个最好的学习气氛，使学习者快速达到企业的用人标准。学习者完整实现课程中的案例，能够深入掌握Java核心编程及开发规范，为后续学习Java技术生态链打下必要的基础。

2.2 国内研究进展

在国内，研究人员在各个领域包括农业领域也进行了大量的研究，并且取得了相应的研究成果。

2.2.4 人体识别与控制 张鑫等设计了1个可以根据人体的动作实时控制花盆摆放位置的系统，该系统通过使用Kinect进行人体动作和姿势辨认，定义了人体不同的动作，并且通过人体的不同动作向智能花盆系统作出相应的指令，智能花盆系统在接收到不同的位置命令后可以进行相应的移动从而构建出不同的图案［41］。该系统不仅具有观赏性，也可以应用在互动科普教育中。冷晶晶以Kinect三维骨架为基础提出了一个关于关节角度变化的序列运动特征模型［42］。该模型以人体运动过程中的关节运动情况为切入点发现，关节的旋转角度决定了四肢在空间中的位置，而四肢的运动也能反映关节角度的变化。罗元等通过利用Kinect设备获取的深度图像信息将手部从背景中分割出来，再通过对Hu矩添加3个表达式使它包含更多的细节特性，从而识别手势目标，最后通过网络将识别得到的结果转换成控制指令传送给智能轮椅，最终实现运动控制等［43］。

实时荧光定量PCR检测结果（图4A）显示，转染HSP27-siRNA后U266/BTZ细胞中HSP27 mRNA的表达水平较NC-siRNA组明显下调（P＜0.01），沉默效率为71.43%。蛋白质印迹法检测结果（图4B）同样显示，HSP27-siRNA组中HSP27蛋白的表达水平较NC-siRNA组明显下调（P＜0.01），沉默效率为65.67%。这一结果表明，转染HSP27-siRNA后能明显沉默HSP27基因的表达。

因此，家长要从全局出发，在生活中引导孩子自发地训练自控力，而不是纠结于满不满足孩子的要求。如果要求合理，就没有必要推迟，总是故意不满足孩子的要求，盲目地延迟满足，反而会伤害亲子关系。

2.2.2 农作物监测 江晓庆等尝试将Kinect传感器开放运用到室外实时监测农作物长势，并设计了1种基于Kinect设备的农作物实时监测系统，从而可以在计算机终端获得作物生长过程的彩色图像和深度图像，因此，该系统能够获得品质较好的三维数据信息，并为农作物生长模型病虫害实时监测、长势状态分析、三维重建等提供数据依据［17］。肖潇以苤蓝、胡萝卜和马铃薯的变态根茎为对象，利用Kinect曲面重建的方法获取它们变态根茎的彩色云点，并且对彩色点云数据进行配准、滤波、曲面重建，从而在曲面模型中提取特征点间的长度参数和变态根茎体积参数，并用统计学方法进行分析验证。结果表明，曲面重建模型可以完整地表现出它们变态根茎的纹理特征、提取特征点间的长度参数和体积构型参数，误差均不超过10%［38］。郑立华等利用Kinect相机对苹果树进行三维点云配准，首先利用Kinect相机提取单株苹果树的点云信息，再进行初始配准，然后利用ICP算法对点云进行精确配准，实现苹果树点云在不同角度下的准确拼接［39］。

新政府会计准则制度提出的“双基础”“双功能（双体系）”“双分录”“双报告”的管理特点是新的医院成本核算体系建设的坚实基础。结合此情况，对新的医院成本核算体系建设提出如下建议。

2.2.1 三维重建 陈兴等构建了由2台Kinect组成的系统对人体进行三维重建，该系统首先采用棋盘格标定法对2台Kinect进行标定；其次分别使用2台Kinect对站立在旋转台上的人员进行上、下半身全面数据的扫描并且获得相应的360°点云；最后利用迭代最近点算法对采集人体三维点云数据以及标定结果进行拼接，从而获得较为完整的人体三维点云模型［34－35］。Fu等利用Kinect采集和分析温室盆栽番茄的图像，通过使用参数L－系统图形符号行细化算法和Hough变换算法对温室盆栽番茄各部分器官进行三维重建，从而为番茄生长过程的可视化奠定了基础［36－37］。

3 Kinect的优点与不足

3.1 Kinect的优点

Kinect等深度相机为计算机视觉、三维图像处理和三维重建等领域的研究提供了一种新的方法，目前在机器人［44］、机器视觉［45－46］、生物医学［47］、视频监测、汽车工业、增强现实、游戏、人机交互［48］等领域也得到了广泛关注。

智能化是理论计算机科学研究的一个主要目标，近些年来的实践已经充分证明，机器学习的方法虽然在一些特定的问题环境下还存在一些局限性，但是总体来说它是当前实现智能化这个目标最有效的一个方法。

2.1.4 作物与植物监测 Papp将农产品监测与Kinect捕获空间信息的特性结合起来，通过结合Kinect和压力传感器获取传送带上农产品的空间大小和材质等信息，并将数据传送到计算机上对其进行分类［30］。Andújar等利用Kinect实现了对杨树生物量的估计，采取的方法是利用Kinect相机对杨树进行多角度多方面的信息获取［31］。Qin等通过Kinect相机获得作物生长过程的彩色图像和深度图像，为不同生长阶段农作物的长势状态分析提供数据依据并进行实时监控［32］。Azzari等利用Kinect相机获取的深度图像手动测量加利福尼亚草原上生长的2种植被的结构，从而为遥感测量和改善生物物理冠层模型提供了更好的信息验证［33］。

3.2 Kinect的不足

（1）Kinect具有获取深度信息噪声大、辨识率低以及获取数据质量低等缺点。由于这个原因，目前通过各种算法得到的扫描重建模型的精度明显没有使用传统三维扫描设备的高，因此无法满足对精度方面要求比较高的应用需求。

（2）Kinect在捕获物体表面各个方面完整的信息时，有必要对全方位获取的数据进行配准，然而Kinect在含噪数据配准方面［49］，特别是动态的配准方面，仍然是一个难题。

4 展望

目前，Kinect在农业方面的应用主要集中在对农作物的监测与记录、农业机器人视觉系统和作物三维形态生长模型的重建这3个方面。

（1）前人的研究基本上只采用了1台Kinect，然而考虑到Kinect的视角和最佳探测范围，1台Kinect已经无法满足需求。因此，可以利用多个Kinect多方位多角度地捕获信息，实现高质量的点云配准。

（2）在农作物监测与记录方面，虽然通过所获得的作物生长过程中的彩色图像和深度图像可以获得较为良好的三维数据信息，但是在作物病虫害方面的研究还相对较少，利用Kinect实时监测作物病虫害也是研究趋势之一。

（3）在农业机器人视觉系统方面，目前，提高农业自动化水平已经成为我国农业科研领域的研究趋势，而应用于农业领域的各类机器人也受到了极大的关注［50］。Susanto等将Kinect设备与机器人进行组装获取彩色图像和深度图像，并对这些信息进行特征提取和系统学习，然后输入一个目标物体的名称，使机器人能够从周围的环境中识别出所输入的目标物体［51］，未来将Kinect结合机器人技术开发出能够应用于农业领域的机器人［52］。

（4）在作物三维形态生长模型重建方面，要实现基于作物生长发育规律的真实重建是非常困难的［53］，基于Kinect所获取的深度图像信息虽然可以提高重建效率，简化重建步骤，但是三维重建的普遍适用性和自动化程度偏低［54］，未来应加大构建自动化三维重建系统，实现快速重建。

参考文献：

［1］Taylor J，Beraldin JA，Godin G，et al.NRC 3D imaging technology formuseum and heritage applications［J］.Computer Animation and VirtualWorlds，2003，14（3）：121－138.

［2］侯彩云，Oshita S，Seo Y，等.3维图像处理系统在稻米品质检测中的应用研究［J］.农业工程学报，2001，17（3）：92－95.

［3］胡少军，何东健，耿 楠，等.基于图像处理的小麦叶片形态的三维重建［J］.农业工程学报，2007，23（1）：150－154.

［4］周 瑾.基于Kinect深度相机的三维人体重建技术研究［D］.杭州：杭州电子科技大学，2012.

［5］周 颖.深度图像的获取及其处理［D］.西安：西安电子科技大学，2008.

［6］童 晶.基于深度相机的三维物体与人体扫描重建［D］.杭州：浙江大学，2012.

［7］吴玮莹，王 豫，李 秦，等.Kinect人体运动捕捉误差及其空间分布［J］.北京生物医学工程，2014，33（4）：344－348.

［8］尹潘龙，徐光柱，雷帮军，等.Kinect下深度信息获取技术及其在三维目标识别中的应用综述［J］.集成技术，2013（6）：94－99.

［9］Mohamed A B H，Val T，Andrieux L，et al.Using a kinect WSN for homemonitoring：principle，network and application evaluation［C］／／International Conference on Wireless Communications in Unusual and Confined Areas，IEEE，2012：1－5.

［10］Fu J J，Miao D，Yu W R，et al.Kinect－Like depth data compression［J］.IEEE Transactions on Multimedia，2013，15（6）：1340－1352.

［11］Zhang Z Y.Microsoft kinect sensor and its effect［J］.IEEE Multi Media，2012，19（2）：4－10.

［12］Cruz L，Lucio D，Velho L.Kinect and RGBD Images：Challenges and Applications［C］／／Sibgrapi Conference on Graphics，Patterns and Images Tutorials.Brazil：Ouro Preto，2012，36－49.

［13］沈 跃，徐 慧，刘 慧，等.基于Kinect传感器的温室植株绿色与深度检测方法［J］.中国农机化学报，2016，37（8）：155－161.

［14］Islam M R，Rahaman S，Hasan R，et al.A novel approach for constructing emulator for Microsoft Kinect XBOX 360 Sensor in the.NET platform［C］／／4th International Conference on Intelligent Systems Modelling and Simulation，IEEE，2013：1－6.

［15］Han J G，Shao L，Xu D，et al.Enhanced computer vision with microsoft kinect sensor：a review［J］.IEEE Transactions on Cybernetics，2013，43（5）：1318－1334.

［16］Chávez GM，SarocchiD，Santana E A，etal.Using kinect to analyze pebble to block－sized clasts in sedimentology［J］.Computers and Geosciences，2014，72：18－32.

［17］江晓庆，肖德琴，张波，等.基于Kinect的农作物长势深度图像实时获取算法［J］.广东农业科学，2012，39（23）：195－199，237.

［18］Mankoff K D，Russo T A.The kinect：a lowcost，highresolution，shortrange 3D camera［J］.Earth Surface Processes and Landforms，2013，38（9）：926－936.

［19］朱 涛，金国栋，芦利斌.Kinect应用概述及发展前景［J］.现代计算机：专业版，2013（4）：8－11，33.

［20］王 丹，邵小宁，胡少军，等.基于 Kinect的虚拟果树交互式修剪研究［J］.农机化研究，2016（10）：187－192.

［21］白正彪.基于Kinect的运动示教系统研究与实现［D］.天津：天津大学，2012.

［22］Kolb A，Barth E，Koch R，et al.Time－of－flight cameras in computer graphics［J］.Computer Graphics Forum，2010，29（1）：141－159.

［23］Salvi J，Pages J，Batlle J.Pattern codification strategies in structured light systems［J］.Pattern Recognition，2004，37（4）：827－849.

［24］石曼银.Kinect技术与工作原理的研究［J］.哈尔滨师范大学自然科学学报，2013，29（3）：83－86.

［25］Marinello F，Pezzuolo A，Gasparini F，etal.Application of the kinect sensor for dynamic soil surface characterization［J］.Precision Agriculture，2015，16（6）：601－612.

［26］Izadi S，Newcombe R A，Kim D，et al.Kinect fusion：real－time dynamic 3D surface Reconstruction and interaction［C］／／International Conference on Computer Graphics and Interactive Techniques，2011：1175－1184.

［27］Chen J，Wu X J，Wang M Y，etal.3D shapemodeling using a selfdeveloped hand－held 3D laser scanner and an efficient HT－ICP point cloud registration algorithm［J］.Optics and Laser Technology，2013，45（1）：414－423.

［28］Chen Y M，Zhang W M，Yan K，et al.Extracting corn geometric structural parameters using kinect［C］／／Geoscience and Remote Sensing Symposium，IEEE，2012：6673－6676.

［29］Kongsro J.Estimation of pig weight using a microsoft kinect prototype imaging system［J］. Computers and Electronics in Agriculture，2014，109：32－35.

［30］Papp A.Studies on the detection of concealed objects using the neutron reflection method［J］.Applied Radiation and Isotopes，2013，75（3）：26－29.

［31］Andújar D，EscolàA，Rosell－Polo JR，et al.Using depth cameras for biomass estimation－a multi－angle approach［C］／／European Conference on Precision Agriculture，2015，97－102.

［32］Qin C B，Du Q L，Tian L F，et al.The control system design of automatic weeding robot based on visual navigation［C］／／International Conference on Robotics and Biomimetics，2012：956－961.

［33］Azzari G，Goulden M L，Rusu R B.Rapid characterization of vegetation structure with a microsoft kinect sensor［J］.Sensors，2013，13（2）：2384－2398.

［34］陈 兴，梁 洁，杜希瑞，等.采用两台Kinect相机的三维人体数字化［J］.电脑知识与技术，2016，12（1）：192－195.

［35］于雅慧，况立群，韩 燮，等.基于Kinect相机和改进ICP的三维物体重建［J］.计算机工程与设计，2014（10）：3574－3578.

［36］Fu D C，Xu L H，Li D W，et al.Automatic detection and segmentation of stems of potted tomato plantusing kinect［C］／／Sixth International Conference on Digital Image Processing，2014.

［37］付代昌，徐立鸿，李大威，等.基于Kinect的温室番茄盆栽茎干检测与分割［J］.现代农业科技，2014（3）：336－338，343.

［38］肖 潇.基于Kinect植物变态根茎曲面重建［D］.昆明：昆明理工大学，2013.

［39］郑立华，麦春艳，廖 崴，等.基于Kinect相机的苹果树三维点云配准［J］.农业机械学报，2016，47（5）：9－14.

［40］刘 波，朱伟兴，杨建军，等.基于深度图像和生猪骨架端点分析的生猪步频特征提取［J］.农业工程学报，2014，30（10）：131－137.

［41］张 鑫，徐文胜，刘阶萍，等.基于Kinect的智能花盆体感控制系统研究［J］.机电工程，2014，31（9）：1226－1230.

［42］冷晶晶.基于Kinect骨架信息的人体动作识别［J］.数字技术与应用，2014（9）：80－80.

［43］罗 元，谢 ，张 毅.基于Kinect传感器的智能轮椅手势控制系统的设计与实现［J］.机器人，2012，34（1）：110－113，119.

［44］Fankhauser P，Bloesch M，Rodriguez D，et al.Kinect v2 formobile robot navigation：evaluation and modeling［C］／／International Conference on Advanced Robotics.IEEE，2015：388－394.

［45］童伟亮，王广伟.基于Kinect及双目机器视觉原理的物体3维建模系统［J］.中国水运，2015，15（8）：121－122，124.

［46］董建民，陈伟海，岳昊嵩，等.基于Kinect视觉系统的西红柿自动识别与定位［J］.中国农机化学报，2014，35（4）：169－173.

［47］Oikonomidis I，Kyriazis N，Argyros A A.Efficientmodel－based 3D tracking of hand articulations using kinect［C］／／Proceedings of the British Machine Vision Conference，2011.

［48］吴国斌，李 斌，阎骥洲.KINECT人机交互开发实践［M］.北京：人民邮电出版社，2013.

［49］Essmaeel K，Gallo L，Damiani E，etal.Temporal denoising of kinect depth data［C］／／Eighth International Conference on Signal Image Technology and Internet Based Systems，IEEE，2012：47－52.

［50］张立彬，计时鸣，胥 芳，等.农业机器人的主要应用领域和关键技术［J］.浙江工业大学学报，2002，30（1）：36－41.

［51］Susanto W，Rohrbach M，Schiele B.3D object detection with multiple kinects［C］／／European Conference on Computer Vision.Heidelberg：Springer，2012：93－102.

［52］王 滨，陈子啸，傅隆生，等.基于Kinect传感器的猕猴桃果实空间坐标获取方法［J］.农机化研究，2016，38（5）：232－237.

［53］吴灵通.水稻三维形态生长模型构建的初步研究［D］.杭州：浙江大学，2012.

［54］余秀丽，王丹丹，牛磊磊，等.Kinect在现代农业信息领域中的应用与研究进展［J］.农机化研究，2015（11）：216－221.