基于RGB-D SLAM手机的森林样地调查系统研究

基于RGB-D SLAM手机构建了森林样地调查系统,该系统实现了样地构建、每木检尺及林分/样地参数的估计功能,并在测量过程中使用增强现实展示测量结果,且提供了重新测量的交互方式,使观测者在观测过程中能够检测结果的可靠性,并保证所获取样地信息的完整性。该系统在18块半径为7. 5 m的圆形样地中进行了测试。结果显示,平均胸径估计值的偏差(BIAS)及均方根误差(RMSE)分别为0. 36、0. 69 cm,平均树高估计值的BIAS及RMSE分别为0. 06、0. 63 m,蓄积量估计值的BIAS及RMSE分别为8. 595 9、25. 735 8 m3/hm2,横断面积估计值的BIAS及RMSE分别为0. 949 7、1. 987 3 m2/hm2,株树密度估计值的BIAS及RMSE分别为-3、13株/hm2,坡度估计值的BIAS及RMSE分别为0. 30°、0. 88°,坡向估计值的BIAS及RMSE分别为-0. 44°、7. 61°。其中,坡向估计具有较大的RMSE,是由于当坡度较小时,即使SLAM系统估计位姿有较小漂移,仍会导致该值产生较大偏差,但整体而言坡向仍是无偏的。     

基于双目相机的森林样地调查方法研究

为了提高样地调查时的野外工作效率,设计了一种相片样地建立方法,以双目相机为测量工具,在样地中心上下放置双目相机,依次进行12次30°的旋转拍摄,获取12组立体相对,配合少量的现场目视检查和遮挡木补测,以立体相对前方交会作为内业处理手段,提取并纠正相片中各目标木的胸径和树心坐标,利用左右旋转角度和将树心坐标转换至同一坐标系中,完成样地各目标木的胸径提取、样木坐标提取、蓄积量计算等工作。为了验证该方法,选择了9块固定样地进行相片样地建立,分别对比相片样地与固定样地调查中提取的胸径、树心坐标、蓄积量和工作时间,其中蓄积量的平均相对误差为5.5%,最大相对误差为8.2%。     

基于改进LOAM的森林样地调查系统设计与试验

森林中线、面特征较少等,导致LOAM算法去畸变及配准精度低、鲁棒性差,很难将该算法直接用于森林调查。为此以LOAM算法为基础设计了LiDAR SLAM森林样地调查系统,在SLAM系统工作流程中剔除了遮挡线特征,避免视点与立木切线点作为线特征参与运算;引入二次去畸变、二次配准等模块提高了去畸变、配准的鲁棒性及精度;该系统将激光雷达测量精度、位姿估计精度等先验信息引入去畸变及配准优化算法中,提高去畸变及配准精度。使用32线激光雷达扫描了4块32 m×32 m的森林样地,利用LiDAR SLAM森林样地调查系统完成样地建图,利用该点云提取的立木位置及胸径与参考数据对比,完成了新型SLAM样地调查系统在森林中建图精度的间接评估。结果显示：立木位置估计值在x、y轴方向的平均误差分别为-0.004 m和-0.011 m,x、y轴方向均方根误差分别为0.081 m和0.083 m;胸径估计值的偏差为0.25 cm(相对偏差为1.18%),均方根误差为1.03 cm(相对均方根误差为5.53%);经与LOAM估计结果相比,改进系统获取的立木位置及胸径精度均提高。结果表明,所设计的LiDAR SLAM森...     

基于融合Shi-Tomasi算法的单目视觉里程计研究

为了进一步优化视觉里程计前端特征检测模块,提高对复杂环境适应性,均衡特征点分布的同时改善里程计轨迹精度,在ORB-SLAM算法的基础上,将Shi-Tomasi算子融入到其中的特征检测模块,根据二次筛选后特征点的描述子进行暴力匹配,采用随机采样一致性算法对所匹配点做过滤优化,进而完成后续的运动估计模块.通过仿真实验与原始...     

基于CCD超站仪的森林样地建立与精测方法研究

为了能够快捷、精准地进行固定样地定位和样木胸径测量,提出一种利用CCD超站仪按测带进行像对观测的方法,在GPS/RTK确定或假定的观测点上架设仪器,借助全站仪坐标测量和角度测量功能精确记录CCD摄影瞬间的外方位元素,并确定出其他观测点坐标,选择合适基线长建立像对进行观测,提取目标位置的相对三维坐标,以S形路线按测带进行测量,配合少量的人工补测和相关坐标系的旋转变换,实现森林固定样地精准建立和胸径精测的目的。通过实地测试,表明利用该方法能够以较少的站点实现固定样地的建立,并将图像解算的胸径值与实地调查值进行对比,其平均相对误差为3.9%,解算均方根误差为1.2 cm。该方法在森林样地建立中有较好的应用前景。     

融合激光和机器视觉的立木胸径检测方法

为了提高立木胸径检测的效率,解决图像法测量立木胸径中的标定问题,提出了融合激光和机器视觉的立木胸径检测方法。将激光光束进行扩束准直后照射到立木树干上,采用树干上的激光光斑作为标尺进行图像测量。通过Otsu法对激光光斑进行分割,根据激光光斑的实际尺寸和像素数确定图像上立木胸径的位置,根据立木胸径的像素数计算出立木胸径值。试验结果表明,所提方法的测量结果与轮尺测量的胸径值最大误差1.22%,符合国家对森林资源清查操作的误差要求。     

移动机器人视觉里程计技术研究综述

随着移动机器人技术不断发展,里程计技术已经成为移动机器人实现环境感知的关键技术,其发展水平对提高机器人的自主化和智能化具有重要意义。首先,系统阐述了同步定位与地图构建(Simultaneous localization and mapping, SLAM)中激光SLAM和视觉SLAM的发展近况,阐述了经典SLAM框架及其数学描述,简要介绍了3类常见相机的相机模型及其视觉里程计的数学描述。其次,分别对传统视觉里程计和深度学习里程计的研究进展进行系统阐述。对比分析了近10年来各类里程计算法的优势与不足。另外,对比分析了7种常用数据集的性能。最后,从精度、鲁棒性、数据集、多模态等方面总结了里程计技术面临的问题,从提高算法实时性、鲁棒性等方面展望了视觉里程计的发展趋势为：更加智能化、小型化新型传感器的发展;与无监督学习融合;语义表达技术的提高;集群机器人协同技术的发展。     

基于单目视觉工件尺寸测量系统的研究

基于双目视觉三维测量原理,提出了一种摆动式单相机三维测量方法。通过分析系统结构参数对测量精度影响,确定了测量误差处于最小范围时的结构参数。设计了系统的硬件结构并开发了图像处理软件模块,搭建了相应的测量系统。利用平面靶标标定法对该系统进行了立体标定,确立了该系统各坐标系之间的映射关系。     

森林智能测绘记算器设计与试验

森林调查主要包括单木胸径、单木树高、单木材积、林分平均胸径、林分平均高、林分密度、林分蓄积量等。以摄影测量学原理、图像处理技术原理、测树学原理为理论基础,设计了森林智能测绘记算器,由自主研发的PDA模块、EDM模块和云台组成,测量时获取倾角、方位角、距离及图像信息等参数,通过在Android Studio 2.1开发环境下集成并利用Java语言进行汇编的4个模块化程序,能够实现树高测量、胸径测量、三元材积解算、3D角规样地测量、基本测量等5项功能。通过试验验证,树高测量精度达97.13%,胸径测量精度达97.08%,材积测量精度达94.52%,林分平均高测量精度达98.09%,林分平均胸径测量精度达98.05%,林分密度测量精度达96.59%,林分蓄积量测量精度达95.72%,符合国家森林资源连续清查的精度要求,可以在林业调查中推广使用。     

基于固定样地的杉木林分生长模型构建

研究根据三明地区1998年、2003年两次森林资源清查的杉木林固定样地资料,建立了无人为干扰小班,主要测树因子更新模型,为森林资源的预测和更新提供依据。     

森林资源连续清查固定样地标记装置设计与试验

以遥控报警原理、GNSS定位原理为基础,设计了实现森林资源连续清查固定样地标记装置,该装置由主程序模块、定位解算模块、遥控报警模块、数据传输模块、样地信息存储更新模块等组成。通过在Cortex-M3上移植FreeRTOS操作系统,并利用C语言进行汇编实现样地标记信息的读取与写入、遥控报警、标记定位等功能。针对定位信息数据传输,在微信平台上通过调用百度地图的API开发实现普通手机用户到样地桩的路线规划。通过试验验证,利用此固定样地标记装置,可将固定样地的复核效率较传统样桩提高324%左右,并且通过此装置可以直接读取固定样地历史信息及写入实时监测数据,解决了传统固定样地标记桩无法进行样地信息记录及无法快速找到、遥控监测等问题。     

采摘机器人选择性作业信息获取研究——基于无标定视觉伺服系统

以采摘机器人采摘作业为研究对象,以选择性采摘成熟果蔬为研究目标,基于无标定视觉伺服系统,结合果蔬成熟特性判断目标果实是否适合采摘,设计了一套以MSP430F149为核心的智能检测控制系统,可以实时处理相机采集到的图像,并选择性采摘符合要求的果实。本文重点研究了视觉伺服原理与模型、果实成熟度判断、选择性作业信息获取,以及系统的硬软件设计,并对文中设计研究的系统进行了可行性验证。试验结果表明:该无标定视觉伺服系统判断准确,能够较大程度提高机器人的可靠性与稳定性,应用前景宽广。     

基于北斗卫星通信的林区小气候监测系统研究

为实现无手机信号林区生态系统参数的实时监测,基于北斗卫星短报文、物联网和云存储等技术,设计了一种林区小气候实时监测系统。该系统由小气候监测站、云服务器和系统软件构成,可实现林区大气、土壤、光照和植物等多参量的实时监测、云存储、动态查询、报表生成和大数据分析。系统对森林火险天气指标的计算进行平滑处理,加入了枯枝落叶层土壤湿度火险因子,实现了森林火险天气等级预报功能,为局部林区的防火预警服务。通过2017年3—5月在北京鹫峰国家森林公园的连续测试实验,3个小气候监测站可以稳定可靠地获取11种林区小气候数据,北斗卫星传输正确率分别为98.57%、99.43%和99.59%,达到了对林区小气候进行长期实时监测的目的,通信费用低于铱星卫星通信。该系统自2016年在北京、内蒙古、河北和河南等地推广应用,为林区的生态大数据获取和分析提供服务。     

基于视觉感知的蔬菜害虫诱捕计数算法

针对当前大田环境条件下对害虫进行识别研究的不足,以南方蔬菜重大害虫为研究对象,探索了一种在大田环境下使用黄色诱捕板对蔬菜害虫进行监测计数的方法。在经典图像处理算法基础上,根据害虫监测目标的需要,提出了一种基于结构化随机森林的害虫图像分割算法和利用不规则结构的特征提取算法,进一步结合背景去除、干扰目标去除和检测模型计数子算法,集成设计了基于视觉感知的蔬菜害虫计数算法(Vegetable pest counting algorithm based on visual perception,VPCA-VP)。使用了现场环境下拍摄的图像进行实验与分析,共识别出蓟马9351只,烟粉虱202只,实蝇23只。经过与人工计数比对得出,本文基于视觉感知的蔬菜害虫计数算法的平均识别正确率为94.89%。其中,蔬菜害虫蓟马的识别正确率为93.19%,烟粉虱的识别正确率为91%,实蝇的识别正确率达到100%。算法达到了较好的测试性能,可以满足害虫快速计数需求,在农田害虫监测中有一定的应用前景。     

基于群团抽样技术的森林资源监测方案研究

为探索适合我国森林资源实情的监测抽样新技术,借鉴美国森林资源年度监测技术方案,以北京市延庆区为研究区,进行森林蓄积量群团抽样试验研究。首先在美国森林资源年度监测体系基础上,根据所选研究区域的森林资源分布状况,确定适宜的正六边形抽样框架尺度以及抽样比例,在抽选的正六边形抽样框架内布设圆形群团样地并进行实地调查,从而获取研究区当年森林蓄积量信息。结果表明,采用正六边形抽样框架在北京市延庆区开展森林资源年度监测的适宜面积为2 338 hm~2,边长为3 000 m,最适抽样比例为66%;根据所设计的群团抽样方案进行实地调查获取延庆区2016年的森林蓄积量为16. 6 m3/hm~2,抽样调查精度达85. 4%,符合《国家森林资源连续清查技术规定》对抽样精度的要求,验证了基于圆形群团样地在我国区、县级尺度上开展森林资源监测的可行性。