散乱点云局部点集最小包围盒快速求解算法

提出一种散乱点云局部点集最小包围盒快速求解算法,该算法采用主元分析方法对局部点集进行降维处理,将所降维度方向作为参考轴向,围绕该轴向旋转局部点集坐标系,并求解局部点集在各坐标系下的轴向包围盒,选择体积最小的作为该局部点集的最小包围盒,实例表明该算法在满足最小包围盒求解精度要求的同时,可显著提高算法的运行效率。     

基于模糊c均值聚类法的玉米农田管理分区研究

为提高大面积农田作物管理的精确性,以甘肃黄羊河农场玉米膜下滴灌示范区为研究对象,对大面积农田进行管理分区研究。综合考虑地形属性（高程、坡度、坡向）、土壤质地（砂粒、粘粒、粉粒含量）、土壤含水率（SWC）、速效氮含量（AN）、电导率（EC1:5）以及玉米产量,根据相关性分析结果筛选产量主控因子,使用主成分分析得到3个主成分作为分区依据,进而使用模糊c均值聚类法（Fuzzy c-means algorithm, FCM）进行管理区划分,以模糊性能指数和归一化分类熵作为最佳分区数的评判依据,分析管理分区后各分区间的差异。结果表明：玉米产量的主控因子分别为土壤粉粒含量、土壤砂粒含量、SWC、AN、EC1∶5和高程,使用模糊c均值聚类法进行聚类分区得到最优分区数为3个。管理区之间各主控因子呈现极显著差异性（P<0.01）,且生育期内作物株高、叶面积指数（LAI）和SWC在不同分区中也有明显差异;同时,分区内的各因子变异性均有不同程度的下降。研究结果说明,农田分区管理可以依据不同分区特点制定管理策略,为“精准农业”的实施提供理论基础。     

基于改进K-means聚类的汽车行驶工况构建方法研究

为提升对实际道路载荷数据典型工况提取的合理性,将采集到的车辆数据进行预处理、运动片段划分、特征参数提取并形成特征参数矩阵,使用主成分分析法对特征参数降维处理,通过孤立森林对降维后的数据进行离群点检测,并采用K-means算法进行聚类分析,根据各工况运行时间所占比例构建汽车行驶工况。结果表明,改进后的K-means聚类算法的Average Silhouette值提升了6.53%,聚类效果明显优化,所构建的汽车行驶工况的相对平均误差为5.09%,验证了该方法的有效性。     

基于超体素聚类和局部特征的玉米植株点云雄穗分割

针对当前三维点云处理方法在玉米植株点云中识别雄穗相对困难的问题,提出一种基于超体素聚类和局部特征的玉米植株点云雄穗分割方法.首先通过边连接操作建立玉米植株点云无向图,利用法向量差异计算边权值,并采用谱聚类方法将植株点云分解为多个超体素子区域;随后结合主成分分析方法和点云直线特征提取植株顶部的子区域;最后利用玉米植株点云...