基于形状分布式模型检索的农机装备快速设计方法

为促进农机装备设计重用,提出一种基于形状分布式模型检索的农机装备快速设计方法。首先,对三维模型进行归一化处理,并依次计算模型表面各三角网格面积,根据网格面积将每个模型的三角网格分为Max、Mid、Min3类,采用Sobol准随机序列对分类后网格交叉组合取点,以采样点数3为基本采样单位对三维模型进行组合式特征点采样;然后,对提取的距离D2、面积D3、曲率C1、角度A3形状特征进行融合,分别计算4种特征值变异系数,以变异系数所占比例作为各形状特征权重,将加权后的不同特征变量值拼接成具有多特征的形状分布直方图,采用χ~2距离度量直方图间的相似性;最后,以VS2010与Matlab 2016b为开发环境,以Open Cascade为几何造型平台,使用自行构建的农机装备关键零部件模型库进行实验。结果表明,在农机三维模型库中,特征查准率由大到小依次为距离D2、曲率C1、角度A3、面积D3特征,本文提出的自适应加权融合特征(AWSD)算法在查全率0～0. 5区间内显著优于D2检索算法,在0. 5～1. 0区间内检索效果与D2特征近似; AWSD算法检索效率符合基本要求,综合检索精度较D2形状分布算法提高了8. 5%;拖拉机轮毂与收获机摘穗板检索实例表明,AWSD算法在检索主观满意度方面优于距离D2与曲率C1算法。     

基于距离-夹角形状分布的三维CAD模型检索算法

为了更好地实现三维CAD模型的有效重用,提出一种三维CAD模型距离-夹角形状分布检索算法。首先在CAD模型表面随机取点,计算任意两点构成的有向线段的距离和该有向线段与端点法向的夹角;然后以距离和夹角为坐标轴构建距离-夹角平面网格,统计网格中随机点出现的频次,从而构建模型的距离-夹角分布矩阵;最后采用Manhattan距离度量法计算矩阵的相似值,用以评价模型间的相似程度。实验结果表明,该算法可以较好地实现三维CAD模型检索,检索性能优于已有的形状分布检索算法,能够满足实际应用需求。     

基于距离变换法的机械零件三维模型检索

为实现设计重用,需对已有设计实例进行检索。提出基于距离变换的零件骨架提取方法。将机械零件网格化划分体素,通过距离变换法给各个体素赋值,并且得到机械零件骨架图,所提取的骨架表达了零件模型的形状和拓扑结构特征。计算骨架的相似度,得到机械零件的相似度。此方法已被实验证明能迅速高效地检索出相似的机械零件三维模型。     

基于距离面积特征的农业机械三维模型相似性评价

为更好地实现农业机械CAD模型的设计重用,针对经典形状分布算法在特定CAD模型领域检索性能的不足,提出一种基于三维CAD模型距离-面积统计特征的模型相似性评价方法。该算法首先在网格化的三角网格模型表面随机取点,取点过程中为保证随机取点均匀性,采用准随机数发生器Halton-Sequence产生随机数;然后计算任意两点形成有向线段距离以及模型所有面面积之间的比值,同时以距离、面积比为坐标轴构建网格坐标系,统计出现在相应网格中特征点的频次,形成模型的距离-面积特征分布矩阵;最终以Manhattan距离评价分布矩阵的差异程度,从而实现不同CAD模型相似性比较。将面积这一重要几何特征纳入评价算法中,针对相同输入模型,所提算法的检索结果中较为相近、相关的模型数量比文中对比的算法高,算法特征平均提取时间也相对较少。试验结果综合表明,所提算法能够较好地实现农业机械CAD模型相似性评价,在提升时间性能基础上,算法检索性能有较大提高。     

基于形状特征和用户反馈的商标图像检索技术

针对二值商标图像，用Hu不变矩和边界方向直方图分别描述形状，采用等级度量方法进行特征融合并匹配，通过用户反馈算法达到检索的目的。实验表明，这种方法符合人的视觉语义，能很好地进行商标图像检索。     

三维CAD模型检索技术研究现状与发展分析

对目前三维CAD模型检索技术的研究现状和发展趋势进行了阐述.首先给出三维模型检索的体系结构,并从文本检索、内容检索和语义检索3方面对三维CAD模型检索技术国内外研究现状进行了全面论述;分析总结了现有三维CAD模型检索系统及三维CAD模型检索技术的应用;最后对三维CAD模型检索技术存在的问题及未来的发展方向进行了展望.三维CAD模型检索技术将为概念设计、详细设计、工艺/工装设计等产品各设计阶段提供全方位的检索支持手段,可有效促进企业产品模型相关设计和制造信息的重用.     

基于引力搜索算法的植保无人机三维路径规划方法

为了使植保无人机作业更加精准、高效与节能,研究了一种适用于三维地形的植保无人机路径规划方法。根据农田的规模、形状、高度起伏等地理环境信息,对其进行栅格化处理,建立三维环境模型;在此环境模型条件下,为无人机增加直行与回转机制,实现全覆盖路径仿真;通过提取仿真计算中每次植保作业飞行距离作为输入变量、非植保作业耗费时间作为输出函数,从而构建寻优模型;对寻优模型引入引力搜索算法,以输出函数最小为目标,对输入变量进行寻优,再通过仿真计算求出优化后的返航点位置。实例结果显示,在二维投影形状与尺寸相同的田地中,二维与三维路径规划方法之间的返航点位置存在偏差,证明了本文方法的必要性;在三维地形算例中,运用本文方法规划后的往返飞行距离总和与非植保作业时间分别为440.2 m与9 min,相比于未规划情况分别减少了90%与54%,相比于简单规划结果分别减少了23%与7%。在实际测试过程中,相比于未规划情况,规划后的路径飞行距离总和与非植保作业时间分别减少了11%和5%,验证了本文方法的合理性与可行性。     

基于彩色伪随机编码与角点检测的三维重构法

提出一种采用投影仪投射彩色伪随机编码图像实现物体高精度三维重构和测量的方法。首先设计了彩色伪随机编码投影模板,在Harris角点检测的基础上,提出了彩色角点提取算法,利用二次曲面拟合实现了角点亚像素定位,使左、右摄像机摄取的图像反生成伪随机阵列,从而实现特征点的快速匹配,并最终得以重构。     

板材三维曲面的无模多点闭环成形技术

基于具有并行调形功能的多点快速曲面造型系统和自主开发的激光扫描测量机,提出了三维板类件多点闭环精确造型的概念,并应用PID控制算法进行了多点闭环成形实验,得到了符合设计要求的工件形状。讨论了三维板类件多点成形逆向工程的实现问题。     

基于插值算法的靶标三维激光点云数据补偿研究

农用车辆搭载二维LiDAR传感器沿果树行行驶可获得靶标的三维点云数据。果园环境复杂,靶标探测传感器易出现噪声或数据丢失的情况,同时,搭载传感器的农用车辆行驶速度不均匀会引起获取的三维点云数据分布不均匀。为减少上述问题引入的测量误差,提出了一种插值算法对靶标三维点云数据进行数据补偿。首先,分析靶标原三维点云数据中每两个激光扫描面之间的距离差,查看数据分布均匀程度;然后,设置期望的距离差值作为插值算法的输入变量,遍历计算整个数据向量中的插值点个数;最后,循环调用插值函数进行插值直到插值点个数递减为零。其中,插值算法单次作业流程为查找定位、计算插值扫描面个数、计算插值扫面数据、数据补偿与数据返回。试验结果表明,对仿真树的三维点云进行插值补偿,相邻扫描面之间距离差值的期望值为0.03 m和0.02 m时,分别插入了13组和22组数据。通过插值算法补偿后的靶标三维点云数据更加完整,为后期基于靶标三维点云数据提取计算施药参数奠定了基础。     

柑橘采摘机器人障碍物识别技

根据柑橘采摘机器人遇到树枝等障碍物的特点,通过提取和处理障碍物图像的骨架恢复障碍物的三维信息.首先采用图像分割、形态学处理、区域细线化等步骤提取障碍物骨架,并进行骨架修剪、恢复遮挡骨架等处理;然后找出骨架中端点、分支点等特征点并记录其连接关系;最后通过对特征点的立体匹配恢复障碍物的三维信息,试验表明障碍物的正确识别率为67.3%.     

基于旋转曲面轮廓特征的农田地表点云配准研究

作业场景重建可为智能农机自主作业提供全局信息与局部细节，针对因农田表面缺乏高区分度的点、线、面高层结构造成的特征描述性差、点云配准精度不足的问题，提出一种基于旋转曲面轮廓特征的农田地表点云配准方法。首先，采用32线激光雷达获取农田真实地表点云数据并完成去噪、降采样等预处理；然后，采用加权线性协方差矩阵的奇异值分解确定关键点唯一局部参考坐标系，并统计关键点与旋转曲面截面交点距离信息，生成地表点云的局部特征；最后，采用基于单特征初选与局部特征精匹配原则的多级特征匹配策略进行局部特征匹配，计算旋转矩阵与平移矩阵完成点云配准。试验结果表明，旋转曲面轮廓特征与其他特征相比，平均精度增加7.5个百分点，平均召回率增加24.09个百分点；多级特征匹配策略相对于最近邻搜索策略，平均精度增加12.68个百分点，平均召回率增加18.38个百分点；本文的点云配准方法的平均平移误差为23.59dr，平均旋转误差为3.72°，配准成功率为87.5%。因此，本文提出的基于旋转曲面轮廓特征的农田地表点云配准方法适用于真实农业地表无序点云的自动配准。     

基于机器视觉的母猪分娩检测方法研究

检测母猪分娩需对分娩限位栏内的仔猪进行目标识别,分析了母猪分娩视频图像特征,提出首先利用半圆匹配算法进行母猪目标分割,排除母猪运动干扰,基于改进的单高斯模型的背景减除法进行运动目标检测,根据运动区域的颜色和面积特征,对仔猪进行目标识别。试验表明:基于半圆匹配算法的母猪目标识别方法能够有效分割出母猪目标,基于改进单高斯模型的运动目标检测方法,对面积较大、运动缓慢的仔猪目标检测较为完整,适用于母猪分娩检测场景。     

基于目标检测及边缘支持的鱼类图像分割方法

对图像中的鱼类目标进行分割是提取鱼类生物学信息的关键步骤。针对现有方法对养殖条件下的鱼类图像分割精度较低的问题,提出了基于目标检测及边缘支持的鱼类图像分割方法。首先,设计了基于目标检测的完整轮廓提取方法,将具有完整轮廓的鱼类目标从图像中提取出来作为分割阶段的输入,使得整幅图像的分割问题转化为局部区域内的分割问题;然后,搭建Canny边缘支持的深度学习分割网络,对区域内的鱼类实现较高精度图像分割。实验结果表明,本文方法在以VGG-16、ResNet-50和ResNet-101作为主干网络的模型上的分割精度为81.75%、83.73%和85.66%。其中,以ResNet-101作为主干网络的模型与Mask R-CNN、U-Net、DeepLabv3相比,分割精度分别高14.24、11.36、9.45个百分点。本文方法可以为鱼类生物学信息的自动提取提供技术参考。     

马铃薯典型病害图像自适应特征融合与快速识别

针对自然条件下马铃薯典型病害区域定位和识别难的问题,提出了一种马铃薯典型病害图像的自适应特征融合与快速识别方法。该方法利用K-means、Hough变换与超像素算法定位叶片,结合二维Otsu与形态学法分割病斑区域,通过病斑图像颜色、形状、纹理的自适应主成分分析(PCA)特征加权融合,进行支持向量机(SVM)病害识别。对3类马铃薯典型病害图像进行识别试验,结果表明:SVM识别模型下,自适应特征融合方法相比PCA降维、特征排序选择等传统自适应方法,平均识别率至少提高了1.8个百分点;13个自适应融合特征下,识别方法平均识别率为95.2%,比人工神经网络、贝叶斯分类器提高了3.8个百分点和8.5个百分点,运行时间为0.600 s,比人工神经网络缩短3 s,可有效保证识别精度,大大加快了识别速度。     

基于改进Faster R-CNN的海参目标检测算法

海参目标检测是实现海参自动化捕捞的前提。为了解决复杂海底环境下背景和目标颜色相近以及遮挡导致的目标漏检问题,本文在Faster R-CNN框架下,提出了Swin-RCNN目标检测算法。该算法的骨干网络采用Swin Transformer,同时在结构上融入了多尺度特征提取层和实例分割功能,提高了算法的自适应特征融合能力,从而提高了模型在复杂环境下对不同尺寸海参的识别能力。实验结果表明：本文方法对海参检测的平均精度均值（mAP）达到94.47%,与Faster R-CNN、SSD、YOLO v5、YOLO v4、YOLO v3相比分别提高4.49、4.56、4.46、11.78、22.07个百分点。