一种基于点云自适应切片的树冠体积计算方法

无人机精准施药有利于节约药液，减少环境污染。针对无人机精准施药中树冠体积计算粗略的问题，提出一种基于点云自适应切片的树冠体积计算方法。首先对树木点云数据进行等间距切片；然后根据相邻树冠点云切片的面积随高度的变化率自适应分层，使用改进的Graham凸包算法计算自适应分层前后树冠点云切片面积；最后基于台体与锥体公式累加各层树冠点云之间的体积求得整个树冠的体积。试验结果表明，研究方法确保了树冠点云切片厚度和数量与树冠自身的形状和大小相适应，同时有效缩小树冠点云切片边界空隙，得到较为准确的树冠点云切片面积，进而实现了树冠体积的精细化计算。其计算结果介于Graham凸包算法和体元法之间，在精度方面分别提高了30.89%和24.19%,可科学地为无人机施药过程中精准施药策略提供理论依据。     

树木枝干点云数据的等值线提取

通过三维激光扫描技术得到的树木枝干点云数据,不仅数据量大,而且特征复杂,不适合采用传统的方法提取等值线。对此,首先把点云数据中树木的枝和干分为不同的部分,然后建立点云的分层模型,并分析点云在树高方向上的数据量分布。在高精度采样下,将分层点云作为等值线的采样数据,对每层数据中不同部分的树木枝干点云分别采用凸包算法进行连接,建立树木枝干的等值线模型。结果表明:在没有先验等值线知识和建立点云对象模型的条件下,利用迭代的凸包算法可以有效地对树木枝干离散点云数据进行连接,得到的等值线符合一般等值线的特点。最后通过实例验证了方法的适用性。图8表1参11     

集思宝G330手持全球定位系统接收机在林区单点定位的精度分析

通过三维激光扫描技术得到的树木枝干点云数据,不仅数据量大,而且特征复杂,不适合采用传统的方法提取等值线。对此,首先把点云数据中树木的枝和干分为不同的部分,然后建立点云的分层模型,并分析点云在树高方向上的数据量分布。在高精度采样下,将分层点云作为等值线的采样数据,对每层数据中不同部分的树木枝干点云分别采用凸包算法进行连接,建立树木枝干的等值线模型。结果表明:在没有先验等值线知识和建立点云对象模型的条件下,利用迭代的凸包算法可以有效地对树木枝干离散点云数据进行连接,得到的等值线符合一般等值线的特点。最后通过实例验证了方法的适用性。图8表1参11     

小龙虾识别与度量关键技术研究与应用

小龙虾的表型性状是水产养殖和遗传育种中非常重要的经济依据,为了精准实现对小龙虾的视觉检测与定位,并对其主体躯干表型特征进行测量。首先提出了一种基于Mask RCNN实例分割模型检测小龙虾的方法,不仅能快速识别小龙虾,还能对其进行实例分割,生成高质量的二值掩膜图。然后在此基础上,提出一种新的小龙虾度量算法：通过提取小龙虾的轮廓曲线,获取其中轴线,采用分区法提取小龙虾的特征区域,再利用凸包和凸包缺陷算法获取小龙虾的特征点,实现对其全长、体长、头胸甲、腹部、尾扇等主要部位的无接触度量计算。结果表明：Mask RCNN模型在小龙虾数据集上具有很好的泛化性能,模型分割准确率达到了94.6%,目标识别的平均检测精度达到了98.7%。各测量指标的平均绝对误差均在5 mm之内,比人工手动测量难度大大减小,并且稳定高效,重复性更好。该方法将有利于生产和选育过程中小龙虾的鉴别及结构尺寸的快速获取。     

复杂背景下目标树叶的分割与补缺

为了进一步提高复杂背景下目标树叶分割算法的运行效率和准确性,在超绿算法的基础上结合模糊C聚类算法提高分割的运行效率,利用凸包填充法提高分割的准确性。首先利用超绿算法去除复杂背景中的非绿色部分,然后利用模糊C聚类算法去除与目标树叶颜色差异较大的绿色背景,而对于颜色差异较小的绿色背景,则先利用底帽变换得到目标树叶的边缘信息,再通过腐蚀和比较连通区域的大小进行去除。采用凸包填充法对目标树叶的边缘缺口进行补缺可以提高分割的准确性,从而降低错分率。超绿算法结合模糊C聚类算法可提高分割的运行效率。研究结果表明,与原有算法对比,错分率平均降低了1.05%,分割效率平均提高了13.82%。     

关于非奇异边界积分方法

本文用把源点移到所研究问题区域以外的边界积分方法——非奇异边界积分法进行数值积分。这种方法克服了通常边界元法中的奇异数值积分的困难;同时对于边界法线不连续的角点也不须作特殊处理。最后计算结果表明:本文所提出的非奇异边界积分的计算结果与经过特殊处理的奇异积分的计算结果具有同样的精度。     

基于C-V主动轮廓模型的“陡峭”边界的微藻图像分割

采用Chan和Vese的C-V主动轮廓模型以及本文中改进的C-V主动轮廓模型对几类典型的海洋微藻图像进行了分割。当微藻图像的主要边界曲率变化较大,即主边界"陡峭"时,直接使用C-V主动轮廓模型难以获得微藻图像的边界。在改进的C-V主动轮廓模型中,通过人机交互绘制粗略的初始边界,并将其设定为初始零水平集,将符号函数引入到初始水平集中定义内外能量,再通过适当的参数调整进行图像边界的演化。将采用两种模型算法获取典型的海洋微藻图像边界的过程进行对比可知,对于带"陡峭"边界的微藻图像,采用C-V主动轮廓模型难以获得或以较慢速度获得图像边界,而采用改进的C-V主动轮廓模型不仅图像边界获取速度快,而且边界信息量大。实验结果验证了改进的C-V主动轮廓模型算法的有效性,为微藻图像的分割提供了新的技术手段。     

基于RHT的多圆检测改进算法

针对多圆检测问题,提出了一种基于RHT的改进算法PHT3（3-point Hough transformation）。对整幅图像特征点按连续性进行点集归类,同时计算有效点的梯度方向信息;按照一定的取点规则在同一点集中取3点,得到候选圆的圆心参数;依据所求圆心参数以及梯度信息判定选取3点的有效性,以降低Hough变换的无效累积。针对常规确定圆半径精度有限的缺陷,提出利用点集并结合候选半径的均方差来获得亚像素半径,同时解决了同心圆半径的检测问题。与RHT算法进行对比检测,结果表明：PHT3算法检测时间为RHT算法检测的1/6,且无效累积更小,同时保留了Hough变换对局部信息缺损不敏感和对随机噪声鲁棒性强的特点。     

一个边界运算定理及其条件的独立性

对点集拓扑学中由边界算子确定拓扑的方法进行讨论.首先给出了边界算子的定义,然后证明了边界算子确定拓扑的边界运算定理,并且讨论了边界运算中条件的相互独立性.最后证明了:与边界算子可交换的一一映射是同胚映射.     

基于LiDAR的温室番茄冠层几何参数提取

【目的】准确获取温室番茄作物行中单株冠层数据,为分析作物生长状态和为对靶喷药提供冠层数据支持。【方法】采用三维激光雷达(LiDAR)搭建番茄植株冠层检测平台,使用导轨以0.05 m/s的速度移动三维激光雷达,利用雷达上位机软件Ctrlview保存双侧扫描的A、B 2组共40株番茄植株点云。双侧点云使用ICP(迭代最近点)算法进行配准,利用基于特征值的平面拟合法去除地面,使用均值漂移算法(Meanshift)分割番茄行中的单株点云,获取冠层参数,与人工测量值比较验证精度,将单株点云在MATLAB中使用alpha shape算法进行重建并进行体积的获取,使用凸包算法作物参考值对比。【结果】该检测平台在激光雷达前进方向与垂直前进方向的测量误差分别为-2.65%、-3.95%;获取到的单株番茄植株高度与人工测量值相比,平均绝对误差分别为0.025和0.031 m;重建后求取的体积与凸包算法相比平均误差下降了约15.3%,与人工获取相比相差不大,各指标良好。【结论】番茄行点云分割结果与人工测量相比A、B 2组的均方根误差RMSE分别为0.039和0.043,冠层体积获取与参考值对比V_RMSE为0.011 3,激光雷达在获取作物外形轮廓信息中具有一定的准确性和可靠性,该方法用于温室环境下单株作物冠层数据的获取。     

复杂背景下油茶果采收机重叠果实定位方法研究

油茶果机械化振动采摘技术关键在于振动点选取,判断振动点选取取决于果实生长密度测算和分布估计.然而自然环境下重叠果实的识别对判定结果有较大的影响,因此提出一种基于凸壳识别的分割边界优化方法,提升重叠油茶果识别与分割准确度.该方法先将原始图像转换颜色空间,经过阈值分割和形态学处理获得重叠果实的凹区域,然后在此基础上通过Harris角点检测得到区域的特征点集,利用主成分分析(PCA)和欧式距离方法分析特征点距离关系得到分割路径,最后采用最小二乘法对分割后的目标区域进行拟合重建得到果实轮廓.对比重建的果实轮廓与真实分布图像,该方法的平均定位误差为8.6％,比Hough方法低5.1％;平均耗时为0.52 s,比Hough方法低0.12 s.结果 表明,提出的方法可以有效解决重叠油茶果实识别与分割问题,为采摘装置的振动点选择奠定基础.     

基于激光点云数据的树木枝叶分割和三维重建

针对目前树木点云三维重建方法仅仅实现树木三维形态结构的重建,而忽视了树木表面纹理和细节的问题,本研究提出了一种超体素分割和基于kd-tree纹理映射的贪婪投影三角化算法相结合的树木点云重建方法。首先根据点云的颜色、法线和空间距离等特征,利用体素云连通性分割算法生成超体素块;然后基于不同超体素块之间的凹凸关系,利用局部凸包连接算法对点云进行聚类分割,从而实现枝干和树叶点云分割;最后利用贪婪投影三角化算法分别对枝干和树叶点云进行三维重建,并基于点云RGB信息,利用kd-tree算法对枝干和树叶模型添加真实的纹理色彩。结果表明,树木点云重建方法能实现枝干表面和树叶等细节模型的构建,还原真实的树木形状结构和纹理色彩;通过对不同抽稀层次下的点云进行测试,发现核桃楸树木模型主要枝干结构得到了很好的保留,这说明建模算法对点密度的变化具有鲁棒性。     

求解凸二次规划的一种改进的原-对偶内点算法

基于牛顿方向,给出了求解凸二次规划问题的改进原对偶可行内点算法。若获得算法的初始可行内点,则该算法经过多次迭代之后收敛到原问题的一个最优解。数值试验表明了该算法的有效性。     

基于凸壳的在线单类学习机

传统的基于支持向量机的单类分类器因计算复杂度高而无法满足大规模数据实时处理的需求,在线学习方法为解决该问题提供了一种有效途径.本文在挖掘样本数据在特征空间分布性状的基础上,提出了一种基于凸壳的在线单类学习机(One-class Online Classifier based on Convex Hull,OOCCH).该方法首先使用凸壳的定义选择能代表特征空间中数据分布的凸壳向量对应的原始样本作为训练样本来缩减训练集的规模;其次在分类器在线更新阶段利用凸壳向量动态地调整分类器的训练样本.理论分析证明了OOCCH的有效性,与现有的在线单类分类器的实验比较,OOCCH在训练时间和分类性能方面有显著优势.     

多轴联动木工雕刻机加工速度衔接的研究与仿真

开展了基于多轴联动数控技术的木工雕刻机加工过程的研究,针对雕刻控制系统中多段直线轨迹的速度衔接效率问题,提出了任意多轴联动速度衔接算法。该算法在以当前段和前段速度、加速度、位移等条件为约束的同时,不再将加速度设为常量,而是允许将段间速度变化量独立设置。在此基础上求解每一段的初速度和末速度,并通过多次迭代使前后衔接速度收敛到最优。本算法提高了运动效率并简化了计算,特别适合于步进电机驱动的数控系统雕刻机。最后针对五轴联动木工数控雕刻机实际运动轨迹,与传统速度衔接算法进行了对比,验证了本算法的有效性。     

函数的最凸点与一致可导性

给出了函数的最凸点的定义,刻画了几类基本初等函数的最凸点,进而刻画了满足一定条件的函数的最凸点的特征,建立了函数最凸点和其一致可导性之间的联系.     

基于点云骨架的单木分枝参数提取研究

地面激光扫描技术在获取树木参数的应用中发挥了重要作用,而图形学算法为实现单木结构参数自动提取提供了可行的方法。本文提出一种基于地面激光扫描数据来获取单木分枝结构参数的方法,应用SkelTre算法对激光扫描仪获取的单木点云数据进行处理得到单木的骨架模型;根据骨架模型邻边的拓扑关系搜索与各个分枝相连接的节点提取分枝结构,计算枝长;在分枝着枝点处以骨架线为轴作横切面,应用凸包算法提取横切面点云外包多边形并计算分枝直径;对枝长和分枝直径的实测值和模型的估计值进行回归分析分别得到二者的对比分析结果,枝长的实测与估计值回归分析结果为Y=1.006X+1.335,显著性值为0.001,分枝直径的回归分析结果为Y=0.923X+0.105,显著性值为0.000。实验结果表明,基于地面激光扫描数据提取骨架模型以获取单木的分枝结构和提取分枝结构参数(如枝长、分枝直径)的方法具有很好的适用性和应用前景。      

农用小型无人机转弯掉头模式及全区域覆盖下作业路径规划与优化

【目的】具备自主飞行、航线规划与优化、精准控制与变量作业能力是农用小型无人机(Agricultural smallunmanned aerial vehicle, ASUAV)的发展方向。本研究为ASUAV在全区域覆盖下自主飞行作业前的航线拐点坐标解算、飞行航向、起降点位置以及转弯掉头模式等提供优化选择。【方法】利用基于自主恒速飞行和最小转弯半径约束的无人机转弯掉头策略,分析并设计了任意凸多边形作业区域下无人机的路径规划方法,提出了基于幅宽微变的航线归整法路径规划方案,并对结构化农田区域实现全区域覆盖条件下的路径进行了规划与优化选择。【结果】基于最优转弯掉头模式下的ASUAV全区域覆盖路径规划方法适用于任意凸多边形结构的农田区域,GUI程序在解算地头边界航线拐点坐标的同时能优化选择出效率最高的飞行作业航线。在试验田随机规划出一个面积约为2.7 hm2的不规则凸六边形田块,仿真发现当无人机沿着平行于最长边飞行作业时,其空行行程最短,约为540 m,工作效率也最高,接近90%。【结论】经过优化选择后的ASUAV掉头转弯模式、起降点位置、飞行航向以及解算后航线拐点坐标等可以实现全区域覆盖,研究结果为ASUAV自主飞行作业提供了参考。