树干与地面点云分类K-means方法的改进

随着激光雷达的发展,树木点云数据的获取更加简便、准确。为了实现树木点云的树干与地面分类,对K-means方法进行改进,通过计算高度和强度直方图确定k值和初始聚类中心点,用高度距离做聚类分析,实现单株树木原始三维点云数据聚类。结果表明:采用MATLAB对香椿树的31 394个点云数据和油松树的14 260个点云数据,分别进行了直方图处理和不同距离的目标函数做聚类分析的试验,得到树木点云数据的分类结果,并与DBSCAN算法和传统K-means算法结果对比分析,说明改进K-means方法,能够使得树干与地面更好的分离,提高了效率;采用改进的K-means方法对12颗树木点云进行应用分析,验证了方法的普适性,最终分类结果达到了树干与地面分离的标准。     

基于密度自适应的RANSAC非结构化环境下果园机器人导航

目的 提出一种基于多传感器融合的果园导航方案,解决果园机器人在GPS导航过程中受果树遮挡导致信号弱、定位效果差的问题。方法 通过16线激光雷达采集高精度的三维点云数据,利用Voxel grid filter滤波算法进行点云预处理,降低点云密度并去除离散点,将果树行通过欧几里类算法进行聚类,采用改进的随机采样一致性 (Random sample consensus, RANSAC) 算法拟合出果树行直线,根据平行直线的关系,推算得到导航线,并融合惯性测量单元(Inertial measurement unit, IMU)对果园机器人进行高精度定位。基于差速转向和纯追踪模型进行轨迹跟踪,实现果园机器人在果树行间自主导航以及自动换行的目标。结果 在将激光雷达和IMU的数据进行融合后,获取到果园机器人的准确位姿,当机器人以速度0.8 m/s在果园作业时,对比最小二乘法和传统RANSAC法产生的偏差,基于密度自适应RANSAC法产生的横向偏差不超过0.1 m、航向角偏差不超过1.5°,均为3种方法中的最小值。但当机器人速度增加到1.0 m/s时,各项偏差均明显增大。结论 本文提出的基于多传感器融合的果园机器人导航技术适用于大多数规范化果园,具有重要推广价值。     

果园作业机器人的自主行间导航系统研究

【目的】挂载多种农机具的果园作业机器人能减少果园劳动力投入、降低水果生产成本并提高果园生产效率,其中自主导航系统是果园作业机器人应用研究的重点和难点。【方法】文章针对果园作业机器人GPS导航过程中定位信号易受树叶遮挡及多路径效应干扰等问题,以果园作业机器人初始位置为原点建立世界坐标系,采用拓展卡尔曼滤波算法对通过三维激光雷达结合RANSAC算法获取的果园行直线进行优化,设计结合差速模型和纯跟踪算法的果园自主行间导航算法,并以该算法为基础开发果园作业机器人自主行间导航系统,驱动果园作业机器人沿树行中心行驶并完成自主调头进入下一行的工作。【结果】(1)根据现代化矮化密植果园的环境,果园自主行间导航算法能根据两侧果树行的三维点云,自主生成稳定的导航位置;(2)果园作业机器人能够沿果园行中心位置匀速行驶,并能够实时根据果园行的变化来修正自身的位姿。当速度在0.4 m/s时候,机器人运动的横向平均偏差为0.1 m,航向平均偏差为1.04°;(3)基于果园行宽相等的条件,果园作业机器人能够在行尾自主调头进入下一行,之后沿行内中心位置继续行驶。【结论】该文果园自主行间导航系统设计合理,算法稳定性高,导航精度高,不受驾驶路况的影响,能够满足现代化矮化密植果园作业的自主行驶需求。     

基于离散因子的多传感器数据融合和导航线提取方法

目的 针对玉米田间路径边界模糊和形状不规则特点,普通的田间导航线提取算法在农业机器人实际应用中会出现偏差过大的问题,本文针对3~5叶期玉米田提出了基于离散因子的相机与三维激光雷达融合的导航线提取算法。方法 首先利用三维激光雷达获取玉米植株点云数据,同时将相机采集的图像利用超绿化算法和最大类间方差法自动获得绿色特征二值图像,然后将聚类分析后的点云数据投影到图像中的目标边框上,构建多传感器数据融合支持度模型进行特征识别,最后拟合所获取特征中心点即为导航基准线。结果 该算法能够很好地适应复杂环境,具有很强的抗干扰能力,单帧平均处理时间仅为95.62 ms,正确率高达95.33%。结论 该算法解决了传统算法寻找特征质心偏移、识别结果不可靠等问题,为机器人在玉米田间行走提供了可靠的、实时的导航路径。     

基于PROSAC算法的TLS林分树干提取研究

树干是树木的重要组成部分，对于林业调查研究具有重要意义。为了能从海量点云数据中快速精准提取林分树干，基于地面激光雷达单站点云数据，通过SOR滤波与体素化滤波对点云进行去噪和下采样处理，然后利用MLS移动最小二乘算法对数据进行平滑与孔洞修复，最后针对八叉树体元数据采用结合点法线的PROSAC算法建模提取林分树干。研究表明:PROSAC算法能适应条件复杂的林地，提取林分树干精度高、速度快、抗噪性强，可以提取多姿态树干点云，有极大的应用价值。本算法能快速精准地提取直径较大的树干点，且连续性较好，在保证算法效率与数据精度的基础上，能够获取连续性较好与姿态各异的林分树干点云。     

基于深度学习的果园道路导航线生成算法研究

针对目前果园环境视觉导航线提取受光照、杂草干扰,而已有的导航线生成算法过于复杂且适用范围较窄的问题,提出了一种基于深度学习的方法来提取果园道路导航线:采用YOLOV3卷积神经网络提取果园道路图像上的特征点,并通过最小二乘法拟合生成导航线。通过采集的800张果园道路图片作为训练集,进而在240张图片组成的独立测试集上进行测试,总体识别率为95.37%,在杂草较少、杂草较多、高光照和正常光照的环境下,导航线平均偏差分别为2.15、2.28、2.32、2.41像素;平均偏移距离分别为3.4、3.5、2.7、3.6 cm。     

应用无人机高密度点云对高郁闭度人工林单木分割

为探索机载激光雷达对高郁闭度人工林单木分割的应用潜力,选取黑龙江省森林植物园内红松(Pinus koraiensis)、云杉(Picea asperata)、樟子松(Pinus sylvestris)3块具有代表性的样地作为研究对象,应用多旋翼无人机搭载ZENMUSE L1激光雷达获取密度较高的点云数据,经过去噪、滤波、地面点分类预处理。分别采用标记控制分水岭算法和点云间距聚类算法,并调整相应的参数对试验区内的3块样地进行单木分割。结果表明：采用标记控制分水岭算法的单木分割,冠层高度栅格分辨率为0.1 m时分割效果最好(总体调和值为84.2%),红松、云杉和樟子松样地的调和值分别为87.8%、81.8%、82.4%,调和值随着分辨率的降低而降低;采用点云间距聚类算法的单木分割,距离阈值为平均冠幅半径时分割效果最好(总体调和值为85.9%),红松、云杉和樟子松样地的调和值分别为87.1%、83.5%、87.0%,距离阈值过大过小都导致调和值降低。因此,结合机载激光雷达高密度的点云数据,标记控制分水岭算法和点云间距聚类算法都适用于高郁闭度人工林较精准的单木分割,通过调整参数、高分辨率的冠层...     

基于偏移补偿模型的极值点聚类苗带识别算法研究

为实现田间管理机械自动导航驾驶,提高苗带轨迹识别精度,提出了一种基于偏移补偿模型的极值点聚类苗带识别算法。首先,以舵机调平单元为基础,利用激光雷达采集苗带数据构建2.5 D点云图像,通过建立偏移补偿模型获得矫正参数。然后,通过极值检测算法获得聚类要素点,结合偏移补偿模型进行分层聚类。最后,通过最小二乘法对获取的苗带聚类点进行线性拟合,实现苗带轨迹的重构。通过对前视范围2 000～3 000 mm且标准行距为220 mm的机插秧水稻进行点云信息Matlab仿真,获得的苗带轨迹与真实苗带轨迹相比,最大横向偏差为16 mm,最大中位偏差为6 mm,运算耗时1.50 s。相比斜率虚化聚类苗带识别算法,最大横向偏差减小了29 mm, 运算耗时减少0.14 s,提高了轨迹重合精度,增强了算法的实时性,可为水田管理机械低伤苗导航行驶提供理论依据。     

3D LiDAR感知的植物行信息提取方法与试验

目的 针对林间或冠层下等卫星信号严重遮挡的区域，提出一种面向农业机器人导航环境感知的低成本3D激光雷达(LiDAR)点云信息处理与植物行估计方法。方法 利用直通滤波器滤除感兴趣区域外的目标无关点；提出均值漂移聚类、扫描区域自适应的方法分割每棵植物主干，垂直投影主干点云估算中心点；利用最小二乘法拟合主干中心，估计植物行。分别在开阔地的仿真果园与水杉树林进行模拟试验与田间试验，以植物行向量与正东方夹角为指标，计算本研究提出的方法识别的植物行信息与GNSS卫星天线定位测得的植物行真值间的角度误差。结果 采用提出的3D LiDAR点云信息处理与植物行估计方法，模拟试验和田间试验对植物行识别误差平均值分别为0.79°和1.48°，最小值分别为0.12°和0.88°，最大值分别为1.49°和2.33°。结论 车载3D LiDAR能够有效估计水杉树植物行。该研究丰富了作物识别思路与方法，为无卫星信号覆盖区域的农业机器人无图导航提供了理论依据。     

DBSCAN空间聚类算法及其在城市规划中的应用

空间聚类是空间数据挖掘和知识发现的主要方法之一.DBSCAN算法可以从带有“噪声“的空间数据库中发现任意形状的聚类,是一种较好的聚类算法.本文介绍了DBSCAN算法的基本概念和原理,并应用GIS二次开发组件MapObjects予以了实现.然后,本文将该算法应用于城市规划中,对某城市中小学和商业网点等公共设施的分布进行了聚类分析,并根据聚类结果对城市规划设计规范中的某些条款进行了讨论.     

Optimized EIF-SLAM algorithm for precision agriculture mapping based on stems detection

Precision agricultural maps are required for agricultural machinery navigation, path planning and plantation supervision. In this work we present a Simultaneous Localization and Mapping (SLAM) algorithm solved by an Extended Information Filter (EIF) for agricultural environments (olive groves). The SLAM algorithm is implemented on an unmanned non-holonomic car-like mobile robot. The map of the environment is based on the detection of olive stems from the plantation. The olive stems are acquired by means of both: a range sensor laser and a monocular vision system. A support vector machine (SVM) is implemented on the vision system to detect olive stems on the images acquired from the environment. Also, the SLAM algorithm has an optimization criterion associated with it. This optimization criterion is based on the correction of the SLAM system state vector using only the most meaningful stems - from an estimation convergence perspective - extracted from the environment information without compromising the estimation consistency. The optimization criterion, its demonstration and experimental results within real agricultural environments showing the performance of our proposal are also included in this work.     

自然环境下果实作业机器人幼果期苹果侦测方法

首先,采用自适应G-B色差法对初始图像计算,获得色差灰度图,使用迭代阈值分割法提取果实兴趣区;其次,对经形态学处理后的兴趣区图像进行Blob分析,计算每个Blob的离心率和像素面积,去除明显偏离果实形状特点的Blob;最后,应用改进圆形Hough变换算法检测潜在类圆形果实目标,最终采用融合方向梯度直方图特征和网格搜索优化支持向量机的判别模型进一步去除虚假果实目标,提升苹果目标的侦测精确度。试验结果显示,该方法对果园自然环境下幼小青苹果的侦测正确率为88.51%,漏报率和误报率分别为11.49%和4.84%,算法模型综合性能指标为90.29%,表明该方法对幼果期苹果目标具有较强的侦测能力和较好的鲁棒性,该结果为果实作业机器人幼果期的自动化果实侦测提供参考。     

激光雷达和摄像机联合标定识别作物

作物识别技术广泛应用于杂草精准对靶施药、果实采摘机器人、植物病虫害识别等方面.从机器视觉和激光探测两方面分析了国内外作物识别的研究现状,机器视觉识别作物主要是利用作物的颜色、纹理、形状、位置特征;激光探测识别作物利用激光的测距信息.分析了国内外融合激光雷达和摄像机信息识别作物的研究现状,总结了激光雷达和摄像机联合标定的方法,并指出其在作物识别中的重要性.     

Vertical Distribution and Seasonal Dynamics of Fine Root Parameters for Apple Trees of Different Ages on the Loess Plateau of China

The vertical distribution pattern and seasonal dynamics of fine root parameters for the apple trees of different ages （3, 10, 15, and 20 years old） on the Loess Plateau of China were studied. Soil coring method was used to determine the vertical distribution and seasonal dynamics of fine roots at different root radial distances （1.0, 1.5, and 2.0 m from the main tree trunk）. The fine root biomass density （FRD）, fine root length density （RLD）, and specific root length （SRL）, as well as soil water content and soil temperature were also measured. The FRD and RLD for the 10, 15, and 20 years old trees reached peak values in the 20-30 cm soil layer. For the 3 years old tree, the highest FRD and RLD were observed in the 10-20 cm soil layer. The FRD and RLD decreased with increased soil depth from the 10-20 or 20-30 cm soil layer for all age apple trees. The SRL declined with the increase of tree age. The FRD at the 1.0 m radial distance from the main tree trunk was higher than that at other radial distances in the 3 and 10 years old orchard. However, in the 15 and 20 years old orchards, especially the 20 years old orchard, the FRD at the 2.0 m radial distance was nearly equal to or higher than that at the 1.0 and 1.5 m radial distances. For all the root radiuses or the tree ages, the FRD, RLD, and SRL were the highest in spring and the lowest in autumn. The age of an apple tree does not affect the vertical distribution pattern but the biomass of fine roots and the SRL. Radial distance affects the root horizontal distribution of 3 and 10 years old trees but the 15 and 20 years old trees. Additionally, effects of soil temperature and soil moisture on fine root distribution or seasonal dynamics are not significant.     

新疆林果基地防护林防护效应研究

[目的]针对新疆林果基地的防护林配置结构和防护效应进行研究,为提高新疆林果基地建设质量和效益及保证农民持续增收提供科学依据.[方法]对新疆林果基地的防护林带3~21 H范围有效防护距离、结构以及林网防护效应进行调查研究,观测林果防护林不同林龄、林网带宽、林带配置结构及林带距离对果园的防护效应.[结果]林果防护林对果园的防护效应在一定范围内随着林龄的增长而下降;宽带的防护作用强于窄带;随着网格的两条主林带间隔距离减少,林果防护林防护效率增加;在一定范围内,果树靠林带越近,受害越轻,但当超过防护林最大防护距离时,果枝数便会下降,冻害大面积发生.[结论]合理确定防护林最大防护距离,优化林果防护林配置结构,改造原有农田防护林“窄林带,小网格”防护林结构体系,进一步缩减网格面积,加强防护力度,并利用林带胁地种植苜蓿等饲草,建立新型的林果基地防护林林网,有利于降低果树灾害率及增加经济效盖.