红外相机技术在河北雾灵山国家级自然保护区中的应用

为了充实河北雾灵山自然保护区的野生动物资源本底资料,提高监测能力和监测水平,雾灵山保护区自2015年开始将红外相机技术应用到野生动植物的资源调查和管护中。目前应用红外相机技术发现兽类5目10科14种,鸟类4目6科10种,掌握了区内主要物种猪獾(Arctonyx collaris)、狍(Capreolus)和勺鸡(Pucrasia macrolopha)的日活动节律,补充了保护区的本底调查资料,为保护区进一步开展金钱豹(Panthera pardus)、斑羚(Naemorhedus goral)和鸟类多样性等科学研究奠定了基础,为保护区制定关于野生动物资源的相关管护政策提供了科学依据。     

利用红外相机技术对小五台山兽类和两栖爬行类动物的研究

从2016年12月至2017年11月对小五台山兽类和两栖爬行类动物进行了阶段性调查。记录了兽类33种,含外来物种2种,其中有确凿影像记录或活体目击的有22种;两栖类4种;爬行类12种。调查结果名录中的所有大中型兽类均有红外相机的影像记录。     

红外相机技术在高黎贡山国家级自然保护区南段西坡野生动物监测中的应用

2017年1—12月,通过布设红外自动触发相机对高黎贡山国家级自然保护区南段西坡腾冲段11个位点的野生动物进行监测研究,调查共计拍摄到兽类和鸟类的有效照片分别为739张和499张,共鉴定出鸟兽物种41种,其中兽类5目13科21种,鸟类5目10科20种。拍摄频次较高的兽类为赤腹松鼠(Callosciurus erythraeus)、树鼩(Tupaia belangeri)、短尾猴(Macaca arctoides)、中华鬣羚(Capricornis milneedwardsii)、赤麂(Muntiacus muntjak)、野猪(Sus scrofa)、豪猪(Hystrix hodgsoni)这7种;拍摄频次较高的鸟类为环颈山鹧鸪(Arborophila torqueola)、白鹇(Lophura nycthemera)、银耳相思鸟(Leiothrix argentauris)这3种。这表明红外相机技术可以作为野生动物多样性监测的主要方法,自然保护区应长期开展基于红外相机技术的野生动物多样性监测工作。     

珠峰雪豹

<正>雪豹:高山之王雪豹是国家一级重点保护物种,被世界自然保护联盟(IUCN)列为濒危物种,与大熊猫同等珍稀。雪豹常年在雪线附近活动,行踪飘忽,常人很难见到其踪影,又被动物学家称为"高山之王"、"高山隐者"、"高山幽灵"。雪豹的主要捕食对象是岩羊。     

基于改进SIFT-ICP算法的Kinect植株点云配准方法

针对传统配准方法准确度低、速度慢的问题,提出了基于改进SIFT-ICP算法的彩色植株点云配准方法。首先采用Kinect获取不同视角下植株彩色图像和深度图像合成原始植株彩色点云,通过预处理提取原始点云植株信息,对植株点云进行尺度不变特征变换(SIFT)的特征点检测,得到点云配准关键点,再对关键点进行自适应法线估计,然后求取关键点的快速点特征直方图(FPFH),通过采样一致性(SAC-IA)初始配准方法改进点云间初始位置关系,最后利用Nanoflann加速最近点迭代(ICP)算法完成精确配准。试验结果表明,改进SIFT-ICP算法可以大幅度提高点云配准的准确性和快速性,其中对应点间平均欧氏距离小于7 mm,配准时间小于30 s。     

基于Kinect动态手势识别的机械臂实时位姿控制系统

基于Kinect动态手势识别达到实时控制机械臂末端位姿的效果。位置控制信息的获取采用Kinect计算手部4个关节点在控制中的位置变动,数据噪声在控制中易引起机械臂误动作和运动振动等问题,为了避免噪声对实时控制的不利影响,采用卡尔曼滤波跟踪降噪。姿势控制信息通过采集手部点云经滤波处理后应用最小二乘拟合的方式获取掌心所在平面,运用迭代器降噪处理。系统通过对手部位置和姿势信息的整合、手势到机械臂空间坐标映射及运动学求解来实时控制机械臂末端位姿。实验结果证明,手势控制系统满足控制要求,简单、易于操作,机械臂实时响应速度快、运动准确。     

喷杆式施药机对行喷雾控制系统设计与试验

针对现有大田喷杆式施药机喷雾过程中喷头无法精准对行喷施造成农药浪费的问题,基于机器视觉技术设计了喷杆式施药机对行喷雾控制系统。该系统包括作物行中心线位置提取上位机软件和电动喷杆控制系统,利用工业相机获取作物行RGB图像,采用G-RTG-BT算法及形态学处理实现作物行分割,基于改进的垂直投影法获取作物行中心线,利用坐标系转换实现将作物行中心线位置信息转化为喷杆横向偏移量,并经RS2 3 2串口传输至ATMega1 6控制器,控制推杆电机带动喷杆在滑轨上左右移动,借助位移传感器实时监测喷杆移动距离,以实现作物行追踪和对行喷雾控制。实验室和田间试验表明:改进的作物行中心线提取算法平均耗时12.51ms,喷杆横向偏移量计算误差小于0.44cm;电动喷杆右移最大误差0.3cm,左移最大误差0.5cm;小车速度为0.26m/s时,对倾角为5°、10°、15°模拟作物行的最大对行误差分别为3.22、2.86、2.51cm;小车速度为0.2 4 m/s,最大偏移1 4.0 2 cm时,对田间玉米幼苗的对行喷雾最大误差为4.8 6 cm,为实现作物行追踪和对行喷雾控制提供了一种有效的解决方案。     

九波段多光谱相机在作物长势监测中的应用

无人机低空遥感数据具有机动性好、时效性强,受大气辐射影响小,空间分辨率高、数据量大、数据质量好的特点,是传统卫星遥感所无法比拟的,在探测和识别地表的物质种类、评价和测量光谱所反映出来的物质含量、描绘地物空间分布、监测地物变化等应用领域具有较强的优势。随着遥感技术的发展,遥感已成为精准农业中农田信息获取的重要手段,也是地块面积量算、作物种类识别、长势分析等工作的重要数据来源,由于无人机低空遥感数据具有机动性好、时效性强、空间分辨率高的特点,主要应用于绘制低空大比例尺地图、监测自然灾害等[1]。受传感器单一导致的光谱分辨率低的限制,目前在精准农业领域的应用才刚刚起步。     

Alpha-shape算法构建枣树点云三维模型

为了实现枣树智能化修剪作业，该研究提出了基于点云配准的自然光照环境下的果树三维重构方法，并针对传统最近点迭代（Iterative Closest Point，ICP）算法对待配准点云的空间位置要求苛刻的问题，提出了改进的点云配准算法。首先，使用彩色深度（RGB-D）相机采集不同角度下的枣树彩色和深度图像，并通过信息融合实现相应角度下的点云获取。其次，对点云进行背景去除和滤波处理，基于直方图设定分割阈值，提取单株枣树点云，并将放置在树根附近的标靶球作为标记，使用人工标记法进行两站点云初配准。最后，在初配准基础上计算点云的曲面法向量和曲率，由曲率相近的点构成配对点对，使用k维树最近点迭代（k dimensional-tree-Iterative Closest Point，kd-tree-ICP）算法完成精配准，对点云使用Alpha-shape算法面片化，实现表面重构。利用上述方法对多棵枣树进行全局配准并完整重构果树模型。试验结果表明，通过引入初配准，有效提高了点云配准的准确性和稳定性，配准误差均控制在1.0 cm以内，平均配准误差为0.78 cm；重构模型真实感较强，在外观上更加接近真实树，枝干相对误差控制在7%以内。该研究重构模型精度较高，可为枣树智能修剪提供可视化研究基础和技术支持。     

你看我的眼神

<正>红外相机与人手持相机拍摄的重要区别之一,就是一般不会引起动物的警觉,这让相机可以拍到近距离的动物神态,以至于这几个动物由于靠得太近造成影像模糊。尽管如此,面对这个不起眼的异物,无论它们感觉到了还是没注意,那不同的眼神还是透露出各自物种的某些性格。