Luận văn thạc sĩ Bản đổ, viễn thám và hệ thống thông tin địa lý: Tạo lập mô hình bề mặt cây trồng từ dữ liệu thu nhận bởi thiết bị quét Lidar gắn trên thiết bị bay không người lái

ĐẠI HỌC QUỐC GIA TP HCM

TRƯỜNG ĐẠI HỌC BÁCH KHOA

-

HUỲNH CHÍ HIẾU

TẠO LẬP MÔ HÌNH BỀ MẶT CÂY TRỒNG TỪ DỮ LIỆU THU NHẬN BỞI THIẾT BỊ QUÉT LIDAR GẮN TRÊN

THIẾT BỊ BAY KHÔNG NGƯỜI LÁI

Chuyên ngành: Bản Đồ, Viễn Thám Và Hệ Thống Thông Tin Địa Lý Mã số : 8440214

LUẬN VĂN THẠC SĨ

TP HỒ CHÍ MINH, tháng 08 năm 2021

CÔNG TRÌNH ĐƯỢC HOÀN THÀNH TẠI:

TRƯỜNG ĐẠI HỌC BÁCH KHOA - ĐHQG -HCM

Cán bộ hướng dẫn khoa học : TS Phan Thị Anh Thư

Cán bộ chấm nhận xét 1 : PGS.TS Trần Trọng Đức

Cán bộ chấm nhận xét 2 : TS Phan Hiền Vũ Luận văn thạc sĩ được bảo vệ tại Trường Đại học Bách Khoa, ĐHQG Tp HCM ngày 15 tháng 8 năm 2021 (trực tuyến)

Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm: 1 Chủ tịch: TS Lương Bảo Bình

2 Thư ký: TS Nguyễn Trường Ngân 3 Ủy viên: TS Lê Minh Vĩnh

4 Phản biện 1: PGS.TS Trần Trọng Đức 5 Phản biện 2: TS Phan Hiền Vũ

Xác nhận của Chủ tịch Hội đồng đánh giá LV và Trưởng Khoa quản lý chuyên ngành sau khi luận văn đã được sửa chữa (nếu có)

CHỦ TỊCH HỘI ĐỒNG TRƯỞNG KHOA KỸ THUẬT XÂY DỰNG

TS LƯƠNG BẢO BÌNH

i

Đặc biệt em xin bày tỏ lòng biết ơn sâu sắc nhất đến cô TS Phan Thị Anh Thư, người đã hướng dẫn một cách chi tiết và tận tình để báo cáo của em đi đúng hướng và đạt kết quả tốt nhất trong suốt thời gian qua

Tôi cũng xin cảm ơn sự giúp đỡ của các đồng nghiệp và bạn bè trong suốt những tháng ngày vừa qua

Cuối cùng, con xin cảm ơn gia đình đã luôn đồng hành bên con, gửi cho con những lời động viên và là nguồn động lực lớn nhất cho con hoàn thành luận văn này

Thành phố Hồ Chí Minh, tháng 8 năm 2021

Huỳnh Chí Hiếu

iii

TÓM TẮT LUẬN VĂN

Trong nghiên cứu này, một phương pháp xây dựng mô hình bề mặt cây trồng được giới thiệu bằng cách sử dụng công nghệ quét LiDAR từ hệ thống tích hợp máy quét Velodyne VLP-16 và thiết bị bay không người lái DJI MATRICE M600 Nghiên cứu cũng đưa ra một quy trình tạo lập dữ liệu mây điểm từ tập dữ liệu thô thông qua các bước đồng bộ và chuyển đổi tọa độ Kết quả của dữ liệu mây điểm được sử dụng để ước tính chiều cao cây trồng dựa trên hai phương pháp đề xuất là Percentile và phương pháp tuân theo quy luật phân phối chuẩn Qua khảo sát cho thấy, phương pháp Percentile đưa ra kết quả ước tính có độ tượng quan với kết quả đo trực tiếp cao hơn phương pháp tuân theo quy luật phân phối chuẩn Cụ thể, với các khu vực nằm trong phạm vi trường quét 20o của hệ thống quét, phương pháp Percentile sẽ cho kết quả dự đoán với hệ số quyết định R2 > 0.85 và sai số RMSE < 8cm khi so sánh với phương pháp đo trực tiếp

ABSTRACT

In this study, a method for establishing crop surface model was introduced by using LiDAR technology from the integrated Velodyne VLP-16 scanner and DJI MATRICE M600 drone The study also provides a process to create point cloud data from the raw dataset through the steps of synchronization and coordinate transformation The results of point cloud data used to estimate plant height are based on two proposed methods, Percentile and normal distribution based The survey shows that, the Percentile method gives an estimate with a higher correlation with the direct measurement results than the method based on the normal distribution Specifically, for areas within the 20o FOV of the scanning system, the Percentile method will give prediction results with the decision coefficient R2 > 0.85 and the RMSE < 8cm when compared with the direct measurement method

iv

LỜI CAM ĐOAN

Tôi xin cam đoan luận văn “Tạo lập mô hình bề mặt cây trồng từ dữ liệu thu nhận

bởi thiết bị quét LiDAR gắn trên thiết bị bay không người lái” là công trình nghiên

cứu của riêng tôi dưới sự hướng dẫn của TS Phan Thị Anh Thư Các số liệu trong đề tài này được thu thập và sử dụng một cách trung thực Kết quả nghiên cứu được trình bày trong luận văn này không sao chép của bất cứ luận văn nào Nếu có bất kỳ sự gian lận nào, tôi xin chịu trách nhiệm trước Hội đồng cũng như kết quả luận văn của mình

Thành phố Hồ Chí Minh, tháng 8 năm 2021

Huỳnh Chí Hiếu

TÓMTẮT LUẬN VĂN iii

LỜI CAM ĐOAN iv

DANH MỤC BẢNG BIỂU vii

1.4 Nộidung luận văn 3

CHƯƠNG 2 TỔNG QUAN VỀ NGHIÊN CỨU 5

2.1 Tổng quan về tình hình nghiên cứu 5

2.2 Công nghệ đo LiDAR 12

2.3 Hệ thống quét Laser 13

2.4 Tổng quan về hệ thống thu thập dữ liệu 15

2.4.1 Thiết bị bay không người lái DJI M600 16

2.4.2 Máy quét laser Velodyne VPL-16 18

2.4.3 Dữ liệu vị trí và các giá trị hiệu chỉnh cân bằng 19

CHƯƠNG 3 DỮ LIỆU THỰC NGHIỆM 20

3.1 Khu vực thí nghiệm 20

3.2 Quá trình thu dữ liệu 20

3.3 Dữ liệu thu thập từ hệ thống 21

3.3.1 Dữ liệu mây điểm từ máy quét VLP-16 21

3.3.2 Dữ liệu định vị GNSS và các giá trị hiệu chỉnh cân bằng 23

3.4 Kết quả thu thập dữ liệu 24

3.5 Dữ liệu độ cao cây lúa được đo trực tiếp 25

vi

CHƯƠNG 4 PHƯƠNG PHÁP THỰC HIỆN 26

4.1 Quy trình tổng quát 26

4.2 Tính toán tọa độ mây điểm 27

4.2.1 Tạo dữ liệu mây điểm từ tập tin PCAP trên hệ tọa độ máy quét 28

4.2.2 Chuyển tọa độ từ hệ tọa độ máy quét sang hệ tọa độ địa phương 31

4.2.3 Nắn chuyển độ cao cho các kênh dữ liệu của máy quét VLP-16 34

4.3 Phương pháp ước tính chiều cao cây trồng 35

4.3.1 Lọc dữ liệu theo độ cao 35

4.3.2 Phương pháp phân tích Percentile [29] 37

4.3.3 Phương pháp ước tính tuân theo quy luật phân phối chuẩn [30] 40

4.4 Xây dựng mô hình bề mặt cây trồng 42

CHƯƠNG 5 KẾT QUẢ NGHIÊN CỨU 44

5.1 Kết quả tính toán dữ liệu mây điểm từ dữ liệu thu được ban đầu 44

5.2 Kết quả ước tính chiều cao cây lúa theo hai phương pháp 51

5.2.1 Chiều cao được ước tính theo phương pháp Percentile 51

5.2.2 Chiều cao được ước tính theo phương pháp tuân theo quy luật phân phối chuẩn 62

vii

DANH MỤC BẢNG BIỂU

Bảng 2-1 Thông số chi tiết của DJI MATRICE M600 UAV (Nguồn [26]) 17Bảng 2-2 Thông số chi tiết của Velodyne VLP-16 Puck (Nguồn [24]) 18Bảng 3-1 Tọa độ các điểm gốc đánh dấu khu vực khảo sát 21Bảng 3-2 Giá trị góc đứng của mỗi tia quét tương ứng trên mỗi kênh (Nguồn[27]) 22Bảng 3-3 Dữ liệu point cloud thô 25Bảng 3-4 Kết quả đo trực tiếp chiều cao cây lúa tại các thời điểm thu du liệu 25Bảng 4-1 Kết quả đo đạc độ lệch giữa các hệ tọa độ trên hệ thống 34Bảng 5-1 Khác biệt độ cao giữa kênh trên cùng một điểm đánh dấu tại cánh đồng vào ngày 20-6 44Bảng 5-2 Kết quả tính toán mây điểm từ dữ liệu thu được ban đầu 45Bảng 5-3 Kết quả mây điểm tính toán so với thực tế 47Bảng 5-4 Kết quả xây dựng mô hình bề mặt cây trồng tại các thời điểm thu dữ liệu 70Bảng 5-5 Giá trị độ cao ước tính trung bình và độ lệch chuẩn trên toàn bộ khu vực 71Bảng 5-6 So sánh sự chênh lệch độ cao giữa các thời điểm thu dữ liệu 71

viii

DANH MỤC HÌNH ẢNH

Hình 2-1 Tính độ cao của điểm phản xạ từ phương pháp đề xuất của Ehlert [15] 7

Hình 2-2 Hệ thống thu dữ liệu trong nghiên cứu trước đây [18] 9

Hình 2-3 Sự tương quan của các giá trị khoảng cách trong hàm phân phối tích lũy đến chiều cao của cây 10

Hình 2-4 Các mốc tọa độ và độ cao được bố trí trên khu vực khảo sát để đánh giá độ chính xác của dữ liệu mây điểm tạo thành 11

Hình 2-5 Đối tượng thực tế được mô phỏng bằng công nghệ LiDAR (Nguồn [20]) 12

Hình 2-6 Hệ thống sử dụng công nghệ LiDAR phát ra các tia sáng đến vật thể và nhận lại tia phản xạ để tạo ra mô hình mây điểm mô phỏng lại bề mặt vật thể [20] 13Hình 2-7 Dữ liệu thu được từ máy quét Laser VLP-16 (Nguồn [24]) 14

Hình 3-3 Hệ tọa độ máy quét 23

Hình 3-4 Dữ liệu về hành trình bay sau khi được xử lý 24

Hình 3-5 Dữ liệu về hành trình bay sau khi lượt bỏ các thuộc tính không cần thiết 24Hình 4-1 Quy trình tổng quát để xây dựng mô hình bề mặt cây trồng 26

Hình 4-2 Sơ đồ tính toán 27

Hình 4-3 Lưu đồ tính toán tọa độ mây điểm 28

Hình 4-4 Giao diện phần mềm Veloview 29

Hình 4-5 Thời điểm vào khu vực thí nghiệm 29

Hình 4-6 Thời điểm ra khỏi khu vực thí nghiệm 30

Hình 4-7 Kết quả xuất dữ liệu từ phần mềm VeloView trong mỗi khung giờ gian 30Hình 4-8 Vị trí gốc tọa của hai hệ tọa độ Gimbal và IMU 31

Hình 4-9 Đo đạc giá trị đo lệch giữa các hệ tọa độ 32

Hình 4-10 Nội suy tọa độ mây điểm từ tọa độ định vị 32

Hình 4-11 Các kênh tín hiệu trên máy quét Velodyne VLP-16 35

Hình 4-12 Quá trình lọc nhiễu và trích xuất dữ liệu trong khu vực khảo sát 36

Hình 4-13 Chia lưới trên khu vực thí nghiệm 37

Hình 4-14 Phân vị phần trăm thứ P của một dãy số 37

Hình 4-15 Đồ thị hàm mật độ xác suất của phân phối chuẩn 40

Hình 4-16 Đồ thị Histogram của dữ liệu mây điểm trên khu vực khảo sát 41

ix

Hình 4-17 Kiểm định phấn phối chuẩn theo đồ thị QQplot 42

Hình 4-18 Mô hình bề mặt cây trồng trong nghiên cứu [17] 43

Hình 5-1 Mây điểm trích xuất từ một khung thời gian trong tập dữ liệu thô 44

Hình 5-2 Các điểm nhiễu từ bộ dữ liệu mây điểm tính toán được 46

Hình 5-3 So sánh kết quả dữ liệu mây điểm của 2 bộ dữ liệu bay đi và bay về 47

Hình 5-4 Kết quả chia lưới trên khu vực khảo sát 50

Hình 5-5 Dữ liệu mây điểm trong ô lưới khảo sát 50

Hình 5-6 Biểu đồ tần suất tích lũy dựa trên chiều cao đứng của dữ liệu mây điểm thu được qua các thời điểm 52

Hình 5-7 Vị trí ô mẫu để đánh giá kết quả chiều cao ước tính theo phương pháp Percentile 52

Hình 5-8 Kết quả so sánh các giá trị phân vị đại diện cho vị trí mặt đất để ước tính chiều cao cây 53

Hình 5-9 Sự tương quan giữa kết quả ước tính chiều cao bằng phương pháp Percentile sử dụng các vị trí phân vị khác nhau đại diện cho vị trí mặt đất với kết quả đo trực tiếp 54

Hình 5-10 Các dãy ô ruộng được lựu chọn để ước tính độ cao 55

Hình 5-11 Kết quả ước tính chiều cao cho dãy I 55

Hình 5-12 Sự tương quan giữa chiều cao ước tính tại các ô trong dãy I so với chiều cao đo trực tiếp 56

Hình 5-13 Kết quả ước tính chiều cao cho dãy II 57

Hình 5-14 Sự tương quan giữa chiều cao ước tính tại các ô trong dãy II so với chiều cao đo trực tiếp 57

Hình 5-15 Kết quả ước tính chiều cao cho dãy III 58

Hình 5-16 Sự tương quan giữa chiều cao ước tính tại các ô trong dãy III so với chiều cao đo trực tiếp 58

Hình 5-17 Sai số trung bình toàn phương trên toàn khu vực ước tính theo phương pháp Percentile 60

Hình 5-18 Hệ số quyết định R2 trên toàn khu vực ước tính theo phương pháp Percentile 60

Hình 5-19 Trường quét giới hạn của hệ thống thu dữ liệu 62

Hình 5-20 Kết quả ước tính độ cao dựa vào các số nguyên lần độ lệch chuẩn 63

Hình 5-21 Sự tương quan của kết quả ước tính theo phương pháp phân phối chuẩn so với kết quả đo trực tiếp 63

Hình 5-22 Kết quả ước tính chiều cao cho dãy I 64

Hình 5-23 Sự tương quan giữa kết quả ước tính và kết quả đo trực tiếp ở dãy I 64

Hình 5-24 Kết quả ước tính chiều cao cho dãy II 65

Hình 5-25 Sự tương quan giữa kết quả ước tính và kết quả đo trực tiếp ở dãy II 65

Hình 5-26 Kết quả ước tính chiều cao cho dãy III 66

x

Hình 5-27 Sự tương quan giữa kết quả ước tính và kết quả đo trực tiếp ở dãy III 66Hình 5-28 Sai số trung bình toàn phương trên toàn khu vực ước tính theo phương pháp tuân theo quy luật phân phối chuẩn 67Hình 5-29 Hệ số quyết định R2 trên toàn khu vực ước tính theo phương pháp tuân theo quy luật phân phối chuẩn 67Hình 5-30 Đồ thị Histogram của chiều mây điểm trong một ô lưới và trên toàn bộ khu vực nghiên cứu 68Hình 5-31 So sánh mức độ tương quan giữa kết quả ước tính theo 2 phương pháp đề xuất với kết quả đo trực tiếp trên phạm vị toàn khu vực 69Hình 5-32 Mô hình bề mặt ruộng lúa ngày 18/7 72Hình 5-33 Hướng di chuyển của máy bay và hướng thu dữ liệu của máy quét laser trên khu vực nghiên cứu 73

xi

DANH MỤC CÁC TỪ VIẾT TẮT

GNSS Global Navigation Satellite System

Theo các nghiên cứu trước đây, để đánh giá được tình hình phát triển của cây lúa, các chỉ số về chiều cao cây, sinh khối, diện tích và màu sắc lá sẽ được giám sát, theo dõi trong suốt quá trình sinh trưởng của cây [2–4] Trong đó, việc xác định chiều cao được xem là một trong những phương pháp đơn giản nhưng hiệu quả để đánh giá quá trình sinh trưởng của cây [5] Giám sát được chỉ số này trong suốt quá trình phát triển của cây cho phép người nông dân có những biện pháp can thiệp kịp thời vào quá trình sản xuất cũng như ước tính được năng suất của cây trồng vào cuối mùa vụ Tại một số quốc gia, phương pháp thu thập thông tin sinh trưởng của cây lúa dựa vào cách quan sát sự thay đổi về chiều cao cây được thực hiện trực tiếp trên đồng ruộng theo chu kỳ Tuy nhiên vẫn còn một số hạn chế trong phương pháp này, đặc biệt khi áp dụng cho các cánh đồng có diện tích lớn, khi mà dữ liệu chỉ được thu thập bằng cách đo đạc thủ công từ thực địa Dữ liệu thu được chỉ đại diện cho một khu vực nhỏ và quá trình thu thập đòi hỏi phải tốn nhiều chi phí về nhân lực cũng như thời gian thực hiện, đồng thời độ chính xác của kết quả cũng bị ảnh hưởng rất nhiều bởi việc lựa chọn không gian mẫu cũng như một số sai sót chủ quan xảy ra trong quá trình thu thập dữ liệu Để khắc phục được các nhược điểm này, việc áp dụng các kỹ thuật canh

1.2 Mục tiêu và nội dung nghiên cứu

Trong bài nghiên cứu lần này, diện tích khu vực khảo sát được mở rộng bằng cách sử dụng một hệ thống bao gồm máy quét laser Velodyne VLP-16 được gắn trên thiết bị bay không người lái DJI MATRICE M600 UAV để thu thập dữ liệu trên cánh đồng Nội dung của bài luận sẽ tập trung vào hai nhiệm vụ chính Thứ nhất là xây dựng quy trình tính toán tọa độ mây điểm dựa vào dữ liệu thu được từ máy quét LiDAR gắn trên thiết bị bay không người lái Thứ hai là từ dữ liệu mây điểm tính được sẽ tiến hành ước tính chiều cao cây dựa trên hai phương pháp: phân tích tuân theo quy luật phân phối chuẩn và phương pháp phân tích percentile Với hai phương pháp đề xuất này, chiều cao của cây sẽ được xác định dựa vào giá trị độ cao tại các vị trí tham chiếu và không cần xác định thông tin về độ cao mặt đất

3

Sản phẩm của cuối cùng của bài nghiên cứu là mô hình bề mặt cây trồng (CSM) được xây dựng dựa trên chiều cao cây ước tính được tại các thời điểm thu thập dữ liệu Mô hình bề mặt cây trồng tại các thời điểm này sẽ được so sánh với nhau để đưa ra đánh giá về nhịp độ sinh trưởng của cây trong giai đoạn thực hiện nghiên cứu.Với các nội dung nghiên cứu trên, bài luận mong muốn góp phần cho thấy được tiềm năng của việc áp dụng công nghệ LiDAR vào nền nông nghiệp hiện đại, góp phần hỗ trợ cho công tác giám sát sản xuất và đánh giá năng suất cây trồng cuối mùa vụ

1.3 Phạm vi nghiên cứu

Trong bài luận này, cây lúa được gieo trồng theo phương pháp cấy công nghiệp là đối tượng được nghiên cứu để xây dựng mô hình bề mặt Bài luận sẽ không đi sâu vào quy trình thu thập dữ liệu Dữ liệu sử dụng trong bài luận này được cung cấp bởi một nhóm nghiên cứu thuộc Đại học kỹ thuật Nagaoka, Nhật Bản Nội dung chính sẽ tập trung vào mục tiêu xử lý dữ liệu mây điểm để đưa ra quy trình ước tính chiều cao của cây hiệu quả, góp phần giám sát được nhịp độ phát triển trong giai đoạn sinh trưởng sinh dưỡng của cây

1.4 Nội dung luận văn

Với nội dung và mục tiêu nghiên cứu đã được nêu ở phần trên, bài luận sẽ được trình bày trong 6 chương:

• Chương 1: Đặt vấn đề Nội dung của chương này sẽ trình bày về lý do lựa

chọn đề tài, kết thúc chương sẽ trình bày về mục tiêu, nội dung và phạm vi

nghiên cứu của đề tài

• Chương 2: Tổng quan về nghiên cứu Nội dung chương 2 sẽ trình bày tổng

quan về các nghiên cứu trong và ngoài nước có liên quan, đồng thời đưa ra các cơ sở lý thuyết về công nghệ và hệ thống thu thập dữ liệu được sử dụng trong

nghiên cứu

• Chương 3: Giới thiệu về dữ liệu thực nghiệm Chương 3 sẽ trình bày tổng

quan về dữ liệu nghiên cứu như giới thiệu về khu vực thu dữ liệu, cách thức

thu thập dữ liệu và kết quả dữ liệu thu được

4

• Chương 4: Phương pháp thực hiện Nội dung chính của chương 4 sẽ trình

bày về cách thức đồng bộ hóa dữ liệu để tạo ra được dữ liệu mây điểm, bên cạnh đó 2 phương pháp ước tính chiều cao cây lúa và cách thức xây dựng mô

hình bề mặt cây trồng cũng được giới thiệu trong chương này

• Chương 5: Kết quả nghiên cứu Chương 5 sẽ trình bày về các kết quả đạt được trong nghiên cứu cùng với các phân tích và bàn luận các kết quả này

• Chương 6: Kết luận và kiến nghị

5

CHƯƠNG 2 TỔNG QUAN VỀ NGHIÊN CỨU

2.1 Tổng quan về tình hình nghiên cứu

Theo báo cáo của Viện nghiên cứu Lúa gạo Quốc tế (IRRI) công bố, cùng với lúa mì và ngô thì lúa gạo được xem là một trong những nguồn cung cấp lương thực chính cho dân số thế giới [1] Gạo có thành phần giá trị dinh dưỡng cao khi so sánh với các loại ngũ cốc khác, ngoài ra gạo còn cung cấp thêm các vitamin và khoáng chất cần thiết khác cho cơ thể Ở một số các quốc gia châu Á như Bangladesh, Việt Nam, Myanmar trung bình mỗi người dân tiêu thụ từ 100-200 kg gạo hằng năm, con số này chiếm đến hai phần ba lượng calories và đóng góp hơn 50% lượng protein cung cấp cho cơ thể hằng ngày Về mặt kinh tế, sản xuất lúa gạo được xem là một trong những nhân tố chủ đạo trong nền kinh tế nông nghiệp của nhiều quốc gia châu Á như Việt Nam, Thái Lan, Lào, … Bên cạnh việc đóng góp vào nền kinh tế, sản xuất lúa gạo còn giữ vai trò vô cùng quan trọng trong nhiệm vụ đảm bảo an ninh lương thực trong bối cảnh dân số ngày càng tăng cao Trong tương lai, sản lượng lúa gạo bắt buộc phải giữ được mức độ tăng trưởng bằng hoặc cao hơn tốc độ gia tăng dân số Tuy nhiên, do ảnh hưởng của biến đổi khí hậu cùng với việc mở rộng môi trường sống cũng như đặt sự quan tâm phát triển nhiều hơn cho các ngành kinh tế khác đã làm cho diện tích đất sản xuất lúa gạo ngày có xu hướng ngày càng giảm Vì thế, để đảm bảo được tính ổn định trong hoạt động sản xuất lúa gạo thì việc áp dụng các công nghệ hiện đại vào sản xuất cần phải được quan tâm đầu tư nghiên cứu

Theo các nghiên cứu [2–4] đã chỉ ra rằng các chỉ số về chiều cao cây, chỉ số sinh khối lúa, độ ẩm của đất, chỉ số về diện tích và màu sắc lá sẽ có mối liên hệ trực tiếp đến tình trạng phát triển của cây lúa Giám sát được các chỉ số này sẽ tạo điều kiện cho người nông dân đưa ra các biện pháp phù hợp nhằm tác động vào quá trình sinh trưởng để đảm bảo được năng suất và chất lượng của lúa vào cuối mùa vụ Trong các chỉ số nêu trên thì chỉ số về chiều cao cây được xem là một trong những nhân tố quan trọng, phản ánh được tình trạng phát triển của cây trồng [5], vì trong điều kiện bình

6

thường ở một giai đoạn nhất định, chiều cao cây sẽ đạt đến một giá trị nhất định, trong trường hợp nếu cây mắc bệnh hoặc đồng ruộng bị thiếu nước sẽ dẫn đến nhịp độ sinh trưởng của cây bị giảm làm cho chiều cao của cây cũng bị giảm theo [10]

Tại Việt Nam, công tác giám sát chiều cao cây lúa cũng đã được hướng dẫn trong tiêu chuẩn ngành 10 TCN 394-99 “Quy phạm khảo nghiệm trên đồng ruộng hiệu lực của các thuốc điều hòa sinh trưởng đối với cây lúa” Trong quy phạm này thì chiều cao cây lúa được giám sát bằng cách lấy mẫu trực tiếp trên đồng ruộng theo nguyên tắc 5 cây/điểm, 5 điểm cố định/ô; chiều cao được tính từ mặt đất đến chóp lá cao nhất (trước khi trỗ) và đến chóp bông cao nhất (sau khi trỗ) Bên cạnh đó, trong các nghiên cứu khác về việc đánh giá sinh trưởng và năng suất của các giống lúa [14 - 15] thì chiều cao cây cũng là một trong những yếu tố quan trọng để giám sát Tuy nhiên, trong các nghiên cứu này, công tác đo đạc chiều cao cây lúa đều được thực hiện theo phương pháp thủ công, lấy mẫu trực tiếp trên đồng ruộng Nhược điểm của phương pháp này là chiều cao cây lúa chỉ mang tính chất cục bộ tại vị trí lấy mẫu và chưa thể đại diện được cho toàn bộ ruộng lúa Bên cạnh đó, việc lấy mẫu đòi hỏi người thực hiện phải đến trực tiếp ruộng lúa để lấy mẫu, điều này gây tốn nhiều thời gian và nhân lực để thực hiện Để giải quyết được các khuyết điểm này thì việc áp dụng các giải pháp công nghệ vào công tác lấy mẫu là điều cần thiết

Ngày nay, công nghệ viễn thám đã được ứng dụng rộng rãi trong sản xuất nông nghiệp vì khả năng tiết kiệm cả về thời gian lẫn nhân lực [13] Đặc biệt đối trong công tác

giám sát sự phát triển của cây lúa, tác giả Thuy Le Toan và các cộng sự để đề xuất

phương pháp áp dụng công nghệ viễn thám RADAR từ các vệ tinh ERS-1 [14] để theo dõi sự thay đổi về chiều cao và sinh khối của cây lúa Với phương pháp này, quá trình sinh trưởng của cây lúa có thể được giám sát gián tiếp thông qua dữ liệu vệ tinh mà không cần phải ra trực tiếp cánh đồng để lấy mẫu, ngoài ra phương pháp này còn có thể áp dụng được cho một khu vực rộng lớn Tuy nhiên, phương pháp này vẫn có nhược điểm là bị phụ thuộc vào thời gian thu tín hiệu của vệ tinh cũng như độ chính xác của phương pháp chỉ mang tính chất toàn cục cho khu vực rộng lớn và chưa thể sử dụng được cho các ứng dụng của kỹ thuật nông nghiệp chính xác

7

Trong những thập kỹ gần đây, cùng với sự phát triển của viễn thám quang, viễn thám RADAR thì công nghệ viễn thám LiDAR cũng đang phát triễn rất mạnh mẽ và được ứng dụng trong nhiều lĩnh vực Đặc biệt đối với lĩnh vực nông nghiệp, công nghệ quét laser đã được chứng minh khả năng có thể sử dụng cho các ứng dụng nông nghiệp chính xác nhằm thu thập một lượng lớn thông tin về mùa vụ trong khoảng thời gian

tương đối ngắn [7–10] Trong một nghiên cứu trước đây, Ehlert và các đồng nghiệp

[15] đã đề xuất phương pháp giám sát chiều cao cây trồng trên một nền đất phẳng,

máy quét laser sẽ được treo trên một bộ khung giá đỡ cách mặt đất một khoảng (hS),

giá trị độ cao này sẽ được giữ cố định trong suốt quá trình thu dữ liệu Độ cao của

điểm phản xạ (hR) sẽ được tính bằng cách lấy giá trị độ cao của máy quét trừ đi tích

giữa cự ly đo được với cosin của góc nghiêng tạo bởi tia quét và phương thẳng đứng của máy quét so với mặt đất (𝜑): ℎ! = ℎ" – 𝑙!cos(𝜑)

Hình 2-1 Tính độ cao của điểm phản xạ từ phương pháp đề xuất của Ehlert [15]

Ở một nghiên cứu khác, Kaizu và các cộng sự [16] đã đề xuất một phương pháp đơn giản để ước tính chiều cao của cây sử dụng máy quét laser mặt đất (TLS) được đặt trên chân ba bên ngoài cánh đồng ruộng, chiều cao của cây được tính bằng cách lấy giá trị độ cao của phần ngọn cây trừ đi độ cao của mặt đất, giá trị độ cao mặt đất được trích từ dữ liệu tại các vị trí có phần mặt đất không bị che phủ bởi cây

8

Cũng thông qua việc thu thập dữ liệu bằng TLS, tác giả Hoffmeister và các cộng sự

[17] đã đề xuất xây dựng mô hình bề mặt đại diện cho tầng trên của cây trồng (CSM) Mô hình này được nội suy từ dữ liệu mây điểm Trong phương pháp này, dữ liệu của bề mặt đất sẽ được ghi nhận trước khi mùa vụ bắt đầu, giá trị độ cao của cây sẽ được tính bằng độ lệch giữa CSM và độ cao tuyệt đối của mặt đất đã thu trước đó

Các phương pháp đề cập ở trên đã cho thấy khả năng có thể sử dụng TLS để ước tính độ cao cây trồng Tuy nhiên vẫn còn một số hạn chế tồn tại trong các phương pháp này Thứ nhất, các phương pháp được đề cập đa số đều đặt vị trí máy quét ở bên ngoài đồng ruộng, điều này có nghĩa chiều cao thiết lập ban đầu của máy quét sẽ ảnh hưởng trực tiếp đến kết quả xử lý sau cùng Nếu máy quét được đặt quá thấp thì khả năng cao các tia quét sẽ không đến được phần diện tích bên trong của ruộng lúa, gây thiếu hụt dữ liệu Thứ hai, có một yêu cầu bắt buộc để xác định được độ cao của cây trồng là cần phải xác định được cao độ của mặt đất hoặc một bề mặt gần với mặt đất, tuy nhiên các bề mặt này không phải lúc nào cũng có thể xác định được, nhất là đối với các bề mặt ẩm ướt hoặc bị che phủ bởi mật độ cây trồng dày đặc Thứ ba, chi phí hoạt động cho các hệ thống giám sát bằng TLS thường rất cao, điều này sẽ góp phần làm tăng giá thành sản phẩm khi đến với người tiêu dùng Vì thế, nghiên cứu và phát triển một hệ thống có thể khắc phục các hạn chế trên, đồng thời đảm bảo được chi phí đầu tư và vận hành ở mức có thể chấp nhận được là một nhu cầu cần thiết

Để giải quyết các yêu cầu trên, trong một báo cáo trước đây [18], nhóm nghiên cứu đã đề xuất một phương pháp ước tính chiều cao cây lúa mà không cần xác định giá trị độ cao của bề mặt đất, thông qua dữ liệu mây điểm được thu thập bằng máy quét laser HOKUYO UTM30LX Đây là loại máy quét có kích thước nhỏ và nhẹ (xấp xỉ 0.37 kg) với footprint hình chữ nhật Thiết bị này có phép thu thập dữ liệu chính xác với tốc độ cao trong khoảng cự ly 30m Trong nghiên cứu này, máy quét được treo ở độ cao 3m cách mặt đặt trên bộ khung giá đỡ Thiết bị này có thể được điều khiển di chuyển trong khoảng cách 8m trên một đường ray có gắn motor điện Máy quét sẽ thu thập dữ liệu theo phương đứng với trường nhìn 60o, độ dài bước sóng của tia chiếu là 905mm Độ phân giải góc quét được cài đặt ở mức 0.25o để đảm bảo được

9

vấn đề về mật độ điểm Với khoảng cách đo 3 m, kích thước footprint của thiết bị HOKUYO UTM 30LX là 0.8 × 4 cm

a) Thu thập dữ liệu thực tế bằng máy quét UTM 30LX

b) Mặt cắt dọc mô phỏng trong quá trình quét

Hình 2-2 Hệ thống thu dữ liệu trong nghiên cứu trước đây [18]

Khoảng cách nhận được từ máy quét sẽ chuyển đổi sang khoảng cách đứng (D) tương

ứng với giá trị độ lệch về chiều cao giữa điểm quét được với chiều cao của máy quét (Hình 2-2) Giá trị này được tính theo công thức sau

Với 𝐷#: khoảng cách đứng từ điểm quét được đến máy quét 𝑟#: khoảng cách nghiêng từ điểm quét được đến máy quét 𝜃#: góc nghiêng của tia quét so với phương thẳng đứng

Chiều cao của cây lúa trong nghiên cứu này được tính dựa trên hai vị trí tham chiếu đại diện cho phần ngọn và phần gốc của cây lúa Hai vị trí này được trích xuất từ dữ liệu mây điểm nhờ vào kỹ thuật phân tích Percentile (bách phân vị)

phần ngọn (pt) khi áp dụng kỹ thuật phân tích Percentile sẽ là giá trị độ cao ở bách

phân vị thứ nhất (p1) và đại diện cho vị trí tham chiếu ở phần gốc (pb) sẽ lần lượt là

các giá trị độ cao tại các bách phân vị thứ 70 (p70), 80 (p80) và 95(p95) Khoảng cách sử dụng trong bài nghiên cứu là giá trị đã được chuyển đổi sang khoảng cách đứng Độ cao của cây lúa sẽ được tính bằng giá trị khoảng cách đo được tại phần gốc trừ đi khoảng cách đo được tại phần ngọn Kết quả của bài nghiên cứu cho thấy có sự tương quan lớn giữa độ cao được ước tính từ phương pháp đề xuất so với độ cao có được từ phương pháp đo đạc thủ công với hệ số tương quan thấp nhất là 𝑟$ ≥ 0.86

Kết quả nghiên cứu trên đã cho thấy khả năng sử dụng công nghệ quét laser để giám sát chiều cao cây lúa Tuy nhiên, vẫn còn một số hạn chế trong nghiên cứu này Thứ nhất, để máy quét có thể hoạt động thì cần phải lắp đặt một bộ khung giá đỡ trên cánh đồng, máy quét chỉ có thể hoạt động trong phạm vi của bộ khung này với một độ cao cố định, yếu tố này dẫn đến khả năng triển khai hệ thống trên một khu vực rộng lớn hơn là rất khó khăn Thứ hai, nghiên cứu cũng cho thấy sử dụng phương pháp Percentile để ước tính chiều cao cây bị phụ thuộc vào số lượng điểm trong mẫu dữ liệu nếu số lượng điểm ít hay tồn tại nhiều điểm nhiễu thì sẽ ảnh hưởng đến việc xác định vị trí ngọn và gốc lúa

Để mở rộng được diện tích khảo sát, trong một nghiên cứu gần đây [19], một hệ thống tích hợp bao gồm 2 bộ phận chính là thiết bị bay không người lái DJI MATRICE

11

M600 và máy quét laser Velodyne VLP-16 đã được nhóm nghiên cứu sử dụng để thu dữ liệu quét laser, nhằm đánh giá khả năng thay thế cho hệ thống thu dữ liệu cũ khi mà máy quét phải được lắp đặt trên một bộ khung giá đỡ Trong nghiên cứu này, kết quả dữ liệu mây điểm thu được từ hệ thống được đánh giá độ chính xác thông qua 12 điểm mốc được bố trí trên khắp khu vực khảo sát (Hình 2-5) Các điểm mốc này được đo đạc tọa độ và độ cao trên hệ tọa độ địa phương Tọa độ mây điểm sau khi tính toán được nắn chuyển về hệ tọa độ địa phương thông qua 4 điểm mốc gốc Kết quả đánh giá độ chính xác cho thấy tọa độ và độ cao của các điểm mốc được trính từ dữ liệu mây điểm so với tọa độ và độ cao thực tế có sai số xấp xỉ 0.3m Với sai số này thì kết quả mây điểm đo được vẫn chưa đủ tốt để xây dựng bản đồ địa hình tỷ lệ lớn, tuy nhiên dữ liệu này vẫn có thể được sử dụng ước tính chiều cao cây trồng theo phương pháp tính toán tương đối

Hình 2-4 Các mốc tọa độ và độ cao được bố trí trên khu vực khảo sát để đánh giá độ chính xác của dữ liệu mây điểm tạo thành

Trong nghiên cứu lần này dữ liệu thu được từ hệ thống trên được sử dụng để ước tính chiều cao cây lúa theo 2 phương pháp đề xuất là phương pháp Percentile và phương pháp sử dụng quy luật của phân phối chuẩn Kết quả chiều cao ước tính được sử dụng để xây dựng lại mô hình bề mặt cây trồng tại các thời điểm thu dữ liệu

12

2.2 Công nghệ đo LiDAR

LiDAR – Light Detection And Ranging là thuật ngữ chỉ về một công nghệ đo Viễn thám chủ động, nhằm xác định khoảng cách từ thiết bị đến các đối tượng trong không gian, bằng cách chủ động phát ra các loại tia sáng Sự khác biệt về thời gian và bước sóng của các tia sáng khi được phát ra và phản xạ về có thể được sử dụng để tái tạo lại mô hình bề mặt của các đối tượng trong không gian ba chiều

Hình 2-5 Đối tượng thực tế được mô phỏng bằng công nghệ LiDAR (Nguồn [20])

Nguyên lý làm việc của công nghệ LiDAR cũng tương tự như các công nghệ Viễn thám chủ động khác, bằng cách phát ra một chùm tia sáng rồi thu nhận lại tín hiệu

phản hồi, với tốc độ ánh sáng (c) đã biết trước và độ trễ phản hồi (t) ghi nhận được, khoảng cách giữa máy phát và vật thể (d) có thể được xác định theo công thức:

𝑑 = 1

Công nghệ LiDAR có thể sử dụng nhiều loại tia sáng có bước sóng khác nhau như tia cực tím, khả kiến hoặc gần hồng ngoại để do khoảng cách đến vật thể trong không gian, tùy thuộc vào tầm hoạt động của hệ thống Bên cạnh việc đo khoảng cách, một hệ thống sử dụng công nghệ LiDAR còn ghi nhận lại góc phương vị của tia phát (dựa vào góc xoay của thiết bị và góc quay của gương quét) kết hợp với hệ thống định vị tại thời điểm quét mà tọa độ của các điểm trên bề mặt vật thể có thể được tính toán lại với độ chính xác cao

2.3 Hệ thống quét Laser

Trong lĩnh vực đo đạc, hệ thống quét Laser là một hệ thống sử dụng công nghệ LiDAR để thu thập lại dữ liệu về bề mặt của các đối tượng trong không gian Trong hệ thống này, tia sáng được phát ra dưới dạng đơn tia hoặc một chùm tia có bước sóng giống nhau, các bước sóng thường được thiết kế nằm trong vùng gần hồng ngoại để đảm bảo an toàn với con người

14

Hình 2-7 Dữ liệu thu được từ máy quét Laser VLP-16 (Nguồn [24])

Dựa vào đối tượng vật mang, có thể phân chia hệ thống quét laser thành 3 loại, bao gồm: hệ thống quét trên không ALS (airborne laser scanning), hệ thống quét mặt đất TLS (Terrestrial laser scanning) và hệ thống quét di động MLS (mobile laser scanning)

• Hệ thống quét laser trên không ALS: đây là hệ thống bao gồm một máy quét laser được gắn trên một thiết bị bay để tạo ra mô hình mây điểm của các đối tượng bên dưới mặt đất Đây là phương pháp tạo mô hình độ cao số với độ chi tiết và chính xác cao trong thời gian ngắn, có thể thay thế cho kỹ thuật đo quang học Hệ thống quét laser trên không thường bao gồm 3 bộ phận chính là máy quét laser để thu thập dữ liệu mây điểm, máy thu tín hiệu định vị để ghi nhận lại vị trí của hệ thống trong quá trình hoạt động và bộ đo lường quán tính để lưu trữ các giá trị hiệu chỉnh cân bằng cho hệ thống Ngoài việc thu thập dữ liệu bề mặt của các đối tượng trên mặt đất, hệ thống ALS với các máy quét chuyên dụng phát ra các chùm tia laser trong dãy quang phổ màu xanh lá (532nm) [25] còn thu thập được dữ liệu về độ sâu tại các khu vực gần bờ biển mang lại nhiều lợi ích cho việc thành lập các bản đồ bờ biển

• Hệ thống quét laser mặt đất TLS: đây là hệ thống bao gồm một máy quét phát ra tia laser theo mọi hướng, được gắn chân ba tĩnh và giữ yên trong suốt thời gian thu dữ liệu Sau quá trình quét một khu vực, hệ thống được di chuyển đến một vị trí khác để quét từ một góc độ khác hoặc thu thập dữ liệu từ một khu

15

vực mới Kết thúc quá trình thu thập dữ liệu, các trạm quét được kết nối với nhau thông qua các điểm đánh dấu đã được chọn trước trên khu vực khảo sát hoặc có thể liên kết thông qua sự tương quan về vị trí mây điểm giữa các trạm quét Hệ thống TLS thường được sử dụng để thu thập dữ liệu của các công trình kiến trúc, nội thất của các tòa nhà, các địa điểm khai thác mỏ hoặc trong lĩnh vực khảo cổ

• Hệ thống quét laser di động MLS: đây là một hệ thống khảo sát trên mặt đất sử dụng máy quét laser gắn trên các phương tiện di chuyển Phương pháp khảo sát này thu thập nhanh chóng dữ liệu cảnh quang theo dạng tuyến, thay thế cho các phương pháp đo đạc truyền thồng để xây dựng các bản đồ địa hình, bản đồ trong không gian ba chiều Trong quá trình hoạt động, máy thu tín hiệu định vị ghi nhận lại vị trí của hệ thống trong suốt quá trình di chuyển, cùng với các giá trị hiệu chỉnh cân bằng mà dữ liệu mây điểm thu được từ hệ thống có thể liên kết với nhau để mô phỏng lại chính xác vị trí của các đối tượng trong không gian xung quanh tuyến khảo sát

2.4 Tổng quan về hệ thống thu thập dữ liệu

Trong nghiên cứu này, hệ thống thu thập dữ liệu đề xuất hoạt động tương tự như một hệ thống ALS, bao gồm hai thành phần chính là máy quét laser Velodyne VPL-16 và dụng kỹ thuật định vị D-RTK do hãng DJI phát triển Hai bộ phận này được kết nối

Hình 2-8 Hệ thống thu thập dữ liệu

16

với nhau thông qua bộ giá đỡ DJI Ronin-MX Ngoài ra, hai thiết bị ghi hình là Camera

Gopro Hero 3 và Survey3 Cameras – Mapir Camera cũng được lắp vào máy bay với mục đích ghi nhận lại hình ảnh thực tế trong suốt qua trình hoạt động của hệ thống

2.4.1 Thiết bị bay không người lái DJI M600

DJI MATRICE M600 là thiết bị bay không người lái sử dụng trong công nghiệp, được thiết kế cho mục đích thu thập ảnh hàng không chuyên dụng Với động cơ 6 Motor, DJI MATRICE M600 có khả năng nhấc vật thể 6kg cất cánh Khung máy bay được trang bị các công nghệ hiện đại bao gồm: bộ điều khiển bay A3, hệ thống truyền dẫn Lightbridge 2 HD, pin và hệ thống quản lý pin thông minh Độ cao bay tối đa của thiết bị là 2500m cách mặt đất Trong điều kiện không có gió, ở độ cao cách mặt đất 10m, thiết bị có thể bay ở vận tốc 18 m/s trong 16 phút với tải trọng tối đa

Hình 2-9 DJI MATRICE M600

a) Khung máy bay b) Gimbal Ronin-MX c) Bộ điều khiển A3 d) Lightbridge 2

Bộ não của DJI MATRICE M600 là hệ thống kiểm soát bay A3 với khả năng điều khiển máy bay theo quỹ đạo được thiết lập sẵn Hệ thống này bao gồm 3 thiết bị thu tính hiệu định vị (GPS và Glonass hoặc GPS và Beidou) và 3 bộ đo quán tính IMU Ngoài ra, nếu được trang bị thêm bộ định vị RTK, thiết bị này sẽ có khả năng di chuyển với độ chính xác đến centimet Hệ thống truyền tải tín hiệu hình ảnh từ máy bay về trạm điều khiển Lightbridge 2 cho phép tín hiệu được truyền theo thời gian

17

thực với độ nét cao lên đến 1080p/60fps, độ trễ thấp và cự ly hoạt động tối đa lên đến 5 km Để gắn lên máy bay các thiết bị thu dữ liệu, DJI đã cung cấp hệ thống chống rung Ronin-MX chuyên dùng cho các máy quay khổ lớn Hệ thống này có khả năng xoay tròn 360o không giới hạn với bộ điều khiển riêng biệt Cấu hình chi tiết của DJI

MATRICE M600 được ghi ở bảng 2-1

Bảng 2-1 Thông số chi tiết của DJI MATRICE M600 UAV (Nguồn [26])

Video Output Port HDMI, SDI, USB

Performance

Hovering Accuracy (P-Mode with GPS) Vertical: ± 0.5 m, Horizontal ± 1.5 m Max Angular Velocity Pitch: 300o/s, Yaw: 150o/s

Max Wind Resistance 8 m/s Max Fight Altitude above Sea Level 2500m

Hovering Time No payload: 35 min, 6kg payload: 16 min

18

2.4.2 Máy quét laser Velodyne VPL-16

Hình 2-10 Máy quét laser Velodyne VLP-16 Puck (Nguồn [24])

Velodyne VLP-16 là thiết bị quét laser nhỏ gọn, phát và thu tín hiệu trong không gian 360o theo phương ngang và 30o theo phương đứng (15o chia đều cho hai phần trên và dưới) Cự ly thu tín hiệu tối đa là 100 m Thiết bị này sử dụng bộ cảm biến gồm 16 kênh hồng ngoại (IR) bước sóng 903 nm để xác định khoảng cách từ máy đến vật thể Mỗi giây thiết bị có thể đo đạc gần 300,000 điểm xung quanh với độ chính xác ±3 cm Cấu hình chi tiết của Velodyne VLP-16 được thể hiện trong bảng 2

Bảng 2-2 Thông số chi tiết của Velodyne VLP-16 Puck (Nguồn [24])

Sensor

Range Measurement Up to 100 meters

Field of view • Horizontal: 360o, Angular Resolution: 0.1o – 0.4o

• Vertical: 30o (+15o to -15o), Angular Resolution: 2o

Output Up to 0.3 million points/second

19

Trong thí nghiệm này máy quét Velodyne VPL-16 được treo trên máy bay thông qua bộ phận chống rung Ronin-MX

2.4.3 Dữ liệu vị trí và các giá trị hiệu chỉnh cân bằng

Vị trí của máy bay được định vị bằng bộ thu tín hiệu GNSS, thời điểm thu tín hiệu sẽ được lưu lại theo hệ thời gian GPS để đồng bộ với dữ liệu quét, độ chênh lệch thời gian giữa 2 lần thu tín hiệu là 0.1 giây Bên cạnh đó các trị hiệu chỉnh cân bằng từ bộ đo lường quán tính IMU và bộ giá đỡ Ronin MX sẽ ghi nhận lại các góc xoay của hệ tọa độ như hình 2-5

Hình 2-5 Các trục xoay của hệ tọa độ

Nội dung của tập dữ liệu này bao gồm tất cả các thông số của hệ thống ghi nhận được trong quá trình hoạt động, bao gồm: tọa độ của máy thu GNSS, thời gian ghi nhận tín hiệu, chiều cao bay, tốc độ bay, độ xoay của các trục tọa độ có góc đặt tại tâm của hệ thống IMU, độ xoay của các trục tọa độ có góc đặt tại tâm của bộ chống rung, các thông số về pin, các thống số giám sát bay,… Tuy nhiên, trong bài nghiên cứu này chỉ giữ lại các thuộc tính liên quan đến quá trình tính toán tọa độ mây điểm, các thuộc tính này gồm có:

● Kinh độ, vĩ độ và độ cao của máy bay ● Thời gian thu nhận tín hiệu

● Các góc xoay trên hệ tọa độ IMU ● Các góc xoay trên hệ tọa độ Gimbal

Hình 3-1 Khu vực khảo sát

3.2 Quá trình thu dữ liệu

Trước khi thu thập dữ liệu, nhóm nghiên cứu đã bố trí 4 điểm mốc trên khu vực khảo sát nhằm hiệu chỉnh vị trí của dữ liệu mây điểm sau khi tính toán tọa độ Tọa độ của các điểm mốc này được đo bằng công nghệ RTK và đo trực tiếp bằng máy toàn đạc Giá trị tọa độ và độ cao của 4 điểm mốc được thể hiện trong bảng sau

3.3 Dữ liệu thu thập từ hệ thống

Dữ liệu thu được từ hệ thống bao gồm hai phần chính Thứ nhất là dữ liệu mây điểm thu được từ máy quét Velodyne VLP-16 Thứ hai là dữ liệu định vị từ máy thu GNSS cùng với các giá trị hiệu chỉnh cân bằng từ bộ đo lường quán tính IMU và bộ giá đỡ DJI Ronin-MX

3.3.1 Dữ liệu mây điểm từ máy quét VLP-16

Theo thông số được cung cấp bởi nhà sản xuất [27], máy quét VLP-16 phát ra lần lượt 16 tia laser ở bước sóng 903nm, chia theo góc đứng 𝜔 của tia quét (bảng 3-2) trong một chu kỳ quét (55.296 µs), mỗi tia phát cách nhau 2.304 µs Thời gian nghỉ giữa lần quét cuối cùng của chu kỳ trước so với chu kỳ tiếp theo là 18.432 µs Mỗi

được 753.5 packets, đại điện là giá trị này được gọi là frame Thông tin về vị trí của

các điểm dữ liệu trong các data packet được ghi nhận lại trong hệ tọa độ cầu (khoảng

cách r, góc đứng ω và góc phương vị α) mô tả ở hình 3-2 cùng với khung thời gian

ghi nhận tín hiệu và các thông tin phụ trợ khác

𝑃%" = @𝑥%"𝑦%"𝑧%"D = E

𝑟 𝑐𝑜𝑠(𝜔) 𝑠𝑖𝑛 (𝛼)𝑟 𝑐𝑜𝑠(𝜔) 𝑐𝑜𝑠 (𝛼)

Hiện nay có nhiều bộ thư viện hỗ trợ chuyển đổi tọa độ của máy quét Velodyne cho các ngôn ngữ lập trình như C++, Matlab,… Ngoài ra các phần mềm do Velodyne hoặc các bên thứ 3 cung cấp cũng hỗ trợ chức năng chuyển đổi này

3.3.2 Dữ liệu định vị GNSS và các giá trị hiệu chỉnh cân bằng

Dữ liệu về vị trí của hệ thống bay trong suốt thời gian hoạt động được đo đạc bằng công nghệ D-RTK với độ lệch thời gian giữa hai lần đo là 0.1 giây, dữ liệu này được lưu trữ và quản lý bởi bộ điều khiển bay DJI-A3 Ngoài ra, bộ điều khiển bay còn quản lý các giá trị hiệu chỉnh cân bằng từ bộ đo quán tính IMU và bộ giá đỡ DJI-Ronin MX Thời gian ghi nhận các giá trị cân bằng cũng được đồng bộ với thời gian định vị thiết bị bay Kết thúc quá trình khảo sát, các dữ liệu trên được tải từ bộ điều

24

Hình 3-4 Dữ liệu về hành trình bay sau khi được xử lý

khiển bay về máy tính thông qua phần mềm DJI Asistant 2 dưới dạng file log, tập tin này tiếp tục được upload lên website PhantomHelp để tạo ra file dữ liệu về hành trình bay có thể sử dụng được

File dữ liệu về hành trình bay sau khi xử lý chứa rất nhiều trường thuộc tính (mục 2.3.3) Tuy nhiên để thuận tiện cho việc tính toán ở các bước sau thì chỉ các đại lượng cần thiết mới được giữ lại như thời gian thu tính hiệu định vị, tọa độ định vị cùng các giá trị hiệu chỉnh góc xoay của IMU và GIMBAL

Hình 3-5 Dữ liệu về hành trình bay sau khi lượt bỏ các thuộc tính không cần thiết

Trong suốt quá trình quét dữ liệu, giữa máy quét VLP-16 và bộ điều khiển bay không được kết nối với nhau, hai hệ thống này hoạt động hoàn toàn độc lập vì thế thời gian thu dữ liệu giữa hai hệ thống có sự khác biệt Để tạo ra được mô hình mây điểm cần có sự đồng bộ về thời gian giữa 2 hệ thống này

3.4 Kết quả thu thập dữ liệu

Dữ liệu được thu thập từ đầu tháng 6/2019 đến cuối tháng 7/2019 với tổng cộng 5 lần thu, độ cao bay thiết kế là 10m Kết quả chi tiết được tổng hợp trong bảng sau:

25

Bảng 3-3 Dữ liệu point cloud thô

Ngày thu Tổng thời gian thực hiện (giây) Số lượng Frames Số lượng điểm

3.5 Dữ liệu độ cao cây lúa được đo trực tiếp

Theo nghiên cứu trước đây [28], dựa trên kết quả đo thủ công cho thấy chiều cao của cây lúa tăng tuyến tính theo thời gian và giá trị này không có sự khác biệt lớn giữa các năm khi mà các biện pháp trồng trọt và bón phân được thực hiện giống nhau Bên cạnh đó, sự chênh lệch đô cao cây lúa giữa các ô ruộng là không đáng kể, sự khác biệt lớn nhất là 4cm với độ chệch chuẩn là 3cm Vì thế trong nghiên cứu lần này giả định chiều cao cây lúa giữa các ô được là như nhau Dữ liệu độ cao cây lúa được đo trực tiếp trên cánh đồng ruộng bằng cách lấy mẫu dọc theo tuyến bay tại các thời điểm thu dữ liệu, kết quả đo đạc được ghi nhận trong bảng sau:

Bảng 3-4 Kết quả đo trực tiếp chiều cao cây lúa tại các thời điểm thu du liệu

Số lượng nhánh

Hình 4-1 Quy trình tổng quát để xây dựng mô hình bề mặt cây trồng

Bước đầu tiên trong quy trình thực hiện là trích xuất tọa độ mây điểm từ tập dữ liệu thô thu được trên máy quét VLP-16, giá trị này ban đầu được lưu trữ dưới dạng hệ tọa độ cầu có gốc đặt tại tâm của máy quét trên mỗi frame dữ liệu Sau khi có được

27

tọa độ mây điểm trên hệ tọa độ máy quét, tiến hành nội suy các giá trị tọa độ thu được từ bộ đinh vị GNSS và các giá trị hiệu chỉnh của hệ thống dựa vào 2 khoảng thời gian ghi nhận tín hiệu từ bộ điều khiển bay và thời gian thu được các điểm dữ liệu trên máy quét Dựa vào các giá trị vừa tính được, áp dụng các công thức chuyển tọa từ hệ tọa độ máy quét sang hệ tọa độ Gimbal, sau đó tiếp tục chuyển kết quả vừa tính sang hệ tọa độ IMU và cuối cùng là hệ tọa độ địa phương Sau khi có dữ liệu mây điểm đã được đồng bộ theo thời gian trên hệ tọa độ địa phương, tiếp tục tiến hành chia khu vực nghiên cứu thành các ô lưới có kích thước 1m x 1m để ước tính chiều cao cây theo 2 phương pháp đề xuất là phương pháp Percentile và phương pháp tuân theo quy luật phân phối chuẩn Chiều cao ước tính dựa trên hai phương pháp được so sánh để lựa chọn kết quả có độ chính xác tốt hơn để làm dữ liệu xây dựng mô hình bề mặt cây trồng Cuối cùng, mô hình bề mặt cây trồng được xây dựng dựa trên trung bình chiều cao ước tính trên mỗi ô lưới của khu vực nghiên cứu Các bước thực hiện sẽ được trình bày chi tiết các mục sau

4.2 Tính toán tọa độ mây điểm

Hệ thống thu dữ liệu được cấu thành từ nhiều bộ phận khác nhau, mỗi bộ phân đều có một hệ tọa độ tham chiếu khác nhau Vì thế, để tính toán ra tọa độ cuối cùng cần có những bước chuyển đổi giữa các hệ tọa độ tham chiếu để tạo ra được một tập dữ liệu mây điểm có tọa độ nhất quán

Hình 4-2 Sơ đồ tính toán