Automatisk travmätning är ett mätsystem som mäter vedvolymen på virkeslastbilar. Systemet består av sex stycken sensor-system. Varje sensor kalibreras först individuellt och sedan ihop för att ge ett sammanfogat världskoordinat system. Varje sensor genererar en djupbild och en reflektansbild, där värdena i djupbilden representerar avståndet från kameran. Uppdragsgivaren har utvecklat en algoritm som utifrån mätdatat(bilderna) uppskattar vedvolymen till en viss noggrannhet som uppfyller kraven ställda av skogsindustrin för automatisk mätning av travar på virkeslastbil. I den här rapporten undersöks om bättre mätresultat kan uppnås exempelvis med andra metoder eller kombinationer av dem.Till förfogande finns ca 125 dataset av travar där facit finns. Facit består av manuella stickprovsmätningar där varje enskild stock mätts för sig. Initialt valdes aktivt att inte sätta sig in i uppdragsgivarens algoritm för att inte bli färgad av hur de kommit fram till sina resultat. Främst används fram- och baksidebilderna av entrave för att hitta stockarna. Därefter interpoleras de funna stockarna in till mitten av traven eller så paras stockarna ihop från de båda sidorna. Ibland finns vissa problem med bilderna. Oftast är minst en av sidorna ockluderade av lastbilshytten, kranen eller en annan trave. Då gäller det att hitta uppskattning utifrån det data man ser för fylla upp de skymda områdena.I början av examensarbetet användes två metoder(MSER och Punktplanmetoden) för undersöka om man kunde uppnå bra resultat utifrån att enbart mäta datat och användadet som initial gissning till volymen. Dock upptäcktes det att värdefulla detaljer i dataseten missades för att mer noggrant bestämma vedvolymen. Exempel på sådan data är fördelningen av diametern på de funna stockändarna. Tillika tenderades kraftig överestimering när travarna innehöll en viss mängd ris och eller dåligt kvistade stockar. Därefter konstruerades en geometrisk metod, och det var den här metoden som det lades mest tid på.I figurerna nedan visas en tabell och en graf där alla tre metoders resultat under bark(UB) visas och intervall gränserna för att uppfylla kraven ställda av skogsindustrin. / Automatic measurment of volume for on-truck timber stacks is a measurment system that measures the woodvolume. The whole system consist of six sensorsystems. Each sensor is at first individually calibrated and then calibrated together to give a merged worldcoordinate system. Each sensor produces a depth image and are flectance image where the values in the depth image represents the distance from the sensor. The consistuent has developed a algoritm which from the measured data estimates the woodvolume to a certain accuracy that fullfills the requirements stated from the forest industry for automatic measurent of timber stacks on trucks. I this thesis we will analyze if better measurement results can be achieved with other methods or combinations of them. At disposal we have about 125 datasets of timber stacks where the key exists. The key consists of random samples that have been manually measured log by log. A active choice to not take part of the consistuent´s algoritm was made to not be coloured of how they acheived their results. Mainly the front- and backside images of at imberstack is used to find the logs. Subsequentlythefound logs are interpolated into the middle of the timber stack or are paired together. Sometimes there exists some problems with the images. Frequently at least on the sides are occluded by the cabin, crane or another timber stack. Then estimation is required from the visible data to make a qualified guess of the occluded areas. In the beginning of this thesis two methods where analysed, the MSER features method and the pointplane method. The main purpose of those two methods was to analyse if a good results could be acheived by just measuring the data and using it as a initial volume estimate. Though it was discovered that valuable details was missed to be able to more accuratly determine the woodvolume. Examples of such details is the distribution of diameter on the found logs. Also these methods tended to heavily over- or underestimate when the timber stack had a certain amount of brushwood and or badly limbed logs. After that a geometric method was constructed, and it was this method that most time and analysis was spent on. In the figures below a table and a graph where the under bark results of all three methods and the interval limits of forest industry requirements.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:liu-131146 |
| Date | January 2016 |
| Creators | Lindberg, Pontus |
| Publisher | Linköpings universitet, Datorseende, Linköpings universitet, Tekniska fakulteten |
| Source Sets | DiVA Archive at Upsalla University |
| Language | Swedish |
| Detected Language | English |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0114 seconds