基于移动激光扫描的靶标叶面积计算方法

针对疏枝果园的变量对靶施药问题,提出基于移动激光扫描(Mobile laser scanning,MLS)技术的靶标叶面积计算方法,为变量施药实时提供基础数据。为消除激光雷达(Light detection and ranging,LiDAR)探测距离和施药车辆行驶速度对点云密度的影响,在车辆行驶方向和激光雷达扫描方向上计算每个测量点的分辨率,为MLS点云数据建立变尺度格网,以格网面积作为被激光束覆盖的叶面积,建立靶标总体格网面积(Total grid area,TGA)与真实总体叶面积(Total leaf area,TLA)的线性回归模型。采用仿真树模拟疏枝果树靶标,搭建移动激光扫描测量系统,采集靶标点云数据,改变探测距离及移动速度,获取了4种不同疏枝程度靶标的108个样本数据。试验结果表明,随着探测距离的增加和移动速度的降低,靶标点云数显著减少,变异系数最小为0. 920 9,靶标格网面积能稳定提取,变异系数最大为0. 053 7,TGA与TLA的拟合优度为0. 909 0,叶面积测量相对误差均值为9. 16%。     

喷灌均匀系数的三次样条两次插值计算方法

为提高喷灌水量分布均匀性评价的准确性,当雨量筒径向布置时,为考虑所有测点数据对插值点降水深的影响,采用径向和周向两次的三次样条插值计算出未知点的降水深,从而计算喷灌均匀系数.以美国雨鸟30PSH型喷头雨量筒间隔为1 m和2 m的喷洒试验数据,计算网格点取1 m和0.25 m,分别采用三次1羊条两次插值法和邻近四点距离线性插值法计算了克里斯琴森均匀系数.结果表明,均匀系数由高至低的顺序依次为采样间隔为2 m的线性插值、采样间隔为2 m的三次样条两次插值、采样间隔为1 m的线性插值和采样间隔为1 m的三次样条两次插值.采样间隔2 m比1 m计算出的均匀系数总体高3～4个百分点,三次样条两次插值法比邻近点距离线性插值法略低1个百分点,2种计算网格点间距下的均匀系数差值小于1个百分点.结果证明,采样间距、插值方法、计算网格间距对均匀系数的影响依次降低,三次样条两次插值法可以用来评价喷灌组合均匀系数.     

果园喷雾靶标探测技术现状分析

果园靶标探测技术是果园精准施药技术的关键。为此,分析了红外探测技术、超声波探测技术、激光探测技术及图像技术等在靶标探测中的应用。同时,介绍了基于红外光电技术实现最基本的靶标有无探测和靶标距离测量的靶标探测系统;介绍了利用超声波传感器和激光雷达扫描仪对靶标进行距离扫描,通过获得的靶标距离点云数据构建了靶标的数字三维模型方法;介绍了利用图像处理技术获取靶标叶面积指数和三维模型的探测系统。靶标探测技术虽有一定的发展,但还处于试验研究阶段,其将朝着实用化、产品化和低成本化方向发展,为对靶精准施药提供更有力的变量控制依据。     

RTK—DGPS融合惯性传感器的车辆导航参数计算方法

为实现农用车辆精确导航,提出一种RTK-DGPS融合惯性传感器的导航参数计算方法。横向偏差是利用惯性传感器采集的姿态角经几何变换补偿系统中存在的杆臂效应再进行计算得到的。试验结果表明,系统存在俯仰和侧倾时,此方法平均补偿了0.08 m的横向偏差,通过提高系统的定位精度得到了更精准的横向偏差。由于惯性传感器难以适用于磁场干扰较大的环境,为此,提出仅利用RTK-DGPS计算航向偏差的方法,即利用最小二乘法拟合RTK-DGPS动态定位点形成车辆行驶路径并进行计算。试验结果表明,车辆直线行驶、做圆周运动与沿任意曲线行驶时,惯性传感器与RTK-DGPS计算的航向偏差之间的平均误差分别为0.963 6°、3.641 8°与2.756 2°,验证了利用RTK-DGPS计算航向偏差的可行性。     

果园移动机器人激光雷达双源信息融合实时导航方法

为提高林果园移动机器人导航系统的精确性与鲁棒性,提出一种基于激光雷达三维点云的果园行间高低频双源信息融合实时导航方法。首先,喷雾机器人搭载三维激光雷达采集两侧果树点云信息,对原始点云数据进行直通滤波、降采样和统计滤波等预处理,保留感兴趣区域内果树冠层点云;然后,将分别基于高频更新的牛顿插值算法和低频更新的非线性支持向量机(Non-linear support vector machine, NSVM)算法拟合的行间导航线进行互补融合;最后,在导航线切换时,对融合后导航线的稳定性进行优化,并使用三次B样条算法使导航线平滑。实验结果表明：融合优化后的导航线最大曲率为0.048 m^-1,平均曲率为0.018 m^-1;分别以0.5 m/s和1.0 m/s的行驶速度对融合优化后的导航线进行跟踪,绝对横向偏差最大值分别为0.104 m和0.130 m,平均值分别为0.053 m和0.049 m,说明该导航方法能够满足作业装备在果园行间自主导航作业的需求,为喷雾机器人在果园环境中的自主导航提供技术参考。     

基于参数化的玉米叶片三维模型主脉提取

提取玉米叶片三维点云模型主脉对于建立真实玉米叶片模型具有指导意义。本文利用计算机图形学中的相关算法,包括离散网格的平均曲率计算、网格曲面的参数化以及点云数据的骨骼提取等,对扫描得到的玉米叶片三维点云模型进行主脉曲线提取。整个算法分为3步:不完整主脉三维点集提取、完整主脉点集提取和三维主脉重建。通过对不同种类玉米叶片三维扫描数据进行实验证明,该算法可以快速、准确地得到玉米叶片的主脉曲线。     

基于快速点特征直方图的树木点云配准

随着农林业智能化与信息化发展,树木三维重建技术成为国内外研究的热点。为获取具有颜色信息的树木三维点云,需配准不同视角下的彩色点云数据,为果树三维重建提供基础数据。为此采用仿真树模拟果树,提出一种基于快速点特征直方图(FPFH)的树木点云配准方法,通过添加标定物增加具有稳定FPFH特征的点云个数,从而提高点对配准精度。首先,采用第二代Kinect相机获取树木多个视角的RGB图像和深度图像,通过数据融合、背景去除、滤波等预处理步骤,得到待配准的树木彩色点云数据。然后,使用采样一致性初始配准算法(SAC-IA)根据FPFH特征寻找不同视角下的匹配点对,求取近似变换矩阵。最后,采用最近点迭代算法(ICP)优化初始配准结果。此外,探讨Kinect采集距离、高度、视角差对配准精度的影响,确定最佳的数据采集方式：相机到树木中心的距离为2 m,相机高度为10 cm,每次扫描间隔45°。试验结果表明：设置标定物可以获取鉴别力更强的FPFH特征,提高配准精度,最终配准误差小于1.9 cm。     

基于SICK和Kinect的植株点云超限补偿信息融合

针对传统点云信息融合需要限制传感器之间位置以及繁杂标定和Kinect传感器室外工作受光照条件影响会出现目标边缘缺失的问题,提出了基于SICK和Kinect相机组合探测的植株点云超限补偿信息融合方法。首先采用SICK二维激光传感器融合实时行进速度传感器,实现对植株三维点云重构,同时通过Kinect传感器获取植株彩色和深度图像合成彩色点云,然后分别对SICK和Kinect异源点云进行阈值滤波预处理和体素栅格下采样,求取各点法线及快速点特征直方图,利用采样一致性初始配准方法使异源点云之间拥有较好的初始位置关系,再进一步使用ICP算法精确配准,通过近似最近邻搜索和超限补偿的方法完成点云信息融合。在超限补偿方法中,通过对比转换后点云间误差,判断数据有效性,实现对数据的最终融合。试验结果表明,本文方法可以有效、准确地实现不同点云之间的信息融合,并能有效抑制阳光的干扰。     

基于分层聚类和拓扑连接模型的点云自适应简化

激光扫描测量在大尺寸海量点云数据采集中具有显著的优势,针对海量高密度线扫描点云采样中普遍存在的采样效率低、曲率适应性差的问题,在初始分层聚类建立K邻域的基础上,通过分析线状点云的空间几何特征,提出了线扫描点云矢量边对衍生算法,建立了拓扑连接模型;研究了基于线扫描点云特征参数的局部法矢加权系数计算方法,估算了拓扑结构中任意数据内点的局部法矢;构建了以法矢方差为细分准则的非均匀细分模型,实现了对高曲率初始类的非均匀细分。通过试验验证了算法的实用性。     

基于六维力传感器的机器人本体碰撞点检测研究

针对皮肤力传感器对机器人碰撞点检测的不足,提出了一种利用六维力传感器进行机器人本体碰撞点检测的方法。该方法利用传感器采集数据进行自约束,无需依赖碰撞体表面几何信息,将空间碰撞外力矢量线投影到最优平面中进行初步求解,再代入原始方程进行碰撞点的求解;引入了误差因子,以保证计算结果的绝对误差最小;在数据预处理方面,提出了一种动态力补偿算法,以保证基座处六维力传感器在机器人运动过程无外力碰撞下的读数恒为零,当传感器的数值超过一定阈值后即可认为机器人与外界发生碰撞。对本文提出的算法进行了仿真实验,结果表明,动态力补偿算法的合力最大相对误差为4.8925%,碰撞点检测算法在实验距离最远598.61mm处误差最大,为8.7119%。本文提出的动态力补偿算法的精度随碰撞点距离的增加没有明显变化,但在碰撞力一定时,随着碰撞距离的增加相对误差不断增大。     

基于激光雷达的作物收获导航线实时提取方法研究

为提高联合收获机无人驾驶导航路径的精度,本文提出一种基于激光雷达的作物收获导航线实时提取方法。搭建点云数据采集系统,利用平面拟合法确定激光雷达安装高度和安装角度。利用三维激光雷达扫描收获机前方作物的点云数据,结合IMU惯性传感器反馈的姿态信息,实现作物点云数据从激光雷达坐标系到车体坐标系的变换。基于激光雷达扫描视场角、安装高度和安装角度获取感兴趣区域（ROI）的坐标,并对感兴趣区域进行直通滤波和统计滤波,去除灰尘、秸秆粉末等噪声的影响,以实现点云数据无效点和离群点的剔除。提出一种基于栅格八邻域高程差的作物收获导航线快速识别算法,以点云栅格化后在Z轴方向上的坐标值作为检测依据,定义某一栅格与其8个相邻栅格在Z轴坐标上的差值为高程差,遍历栅格并根据设定阈值进行比较判断,实现收获边界点的有效提取。采用最小二乘算法进行收获边界点的拟合,实现田间作业过程中作物收获导航线动态提取。田间试验表明,该方法具有较好的鲁棒性,能在作物稀缺、杂草较多等情况下保持较高的准确性,其中前进方向偏差角平均值为0.872°,割台横向偏差为0.104m,收获导航线准确率为93.5%,可为联合收获机工作提供辅助导航,提高无人驾驶的准确率。     

车辆类型与数量的自动检测建模方法

随着经济不断地发展,车辆数量迅猛增加,车辆类型与数量的检测成为了当众的焦点。通过激光传感器将一周期建为二维空间,再根据每一车道规定的速度和扫描周期便可以知道相隔一个周期两点(沿车道方向)的距离。以此类推建立三维空间坐标系。根据三维空间得到扫描次数以及车辆的几何特征和所在车道信息,通过增加两个激光传感器,精确测出车辆行驶的速度,可以不断完善车辆类型与数量的自动检测系统,为我国车辆行业做出了巨大的贡献。     

基于车载三维激光雷达的玉米叶面积指数测量

为使用车载三维激光雷达快速获取作物的株高、叶面积指数(LAI)等作物形态参数,以玉米为研究对象,采用车载三维激光雷达点云数据,提出了一种基于玉米分层点云数量或分层点云数量与地面点云数量比值计算LAI的方法。使用车载平台获取京农科728和农大84玉米的三维点云数据;对点云数据进行预处理,获得已测量LAI真值区域的点云数据;进行玉米植株点云与地面点云分割,根据地面起伏程度,基于随机一致性平面分割算法,将距离阈值设置为0. 06 m;依据玉米垂直结构分布,将玉米植株划分为上、中、下3层,计算每层点云数量并分别标记为H、M和L,同时,将上、中、下每层的点云数量与地面点云数量的比值标记为Hr、Mr和Lr,分别建立H、M、L和Hr、Mr、Lr与LAI真值的线性回归模型。试验结果表明:采用Hr、Mr变量建立的LAI二元线性回归测量模型最优,京农科728玉米训练集R~2为0. 931,验证集R~2为0. 949;农大84玉米训练集R~2为0. 979,验证集R~2为0. 984,本文方法可为田间快速测量LAI提供解决方案。     

激光测距在果树冠层三维重构中的应用

随着计算机技术的发展和果园果树精细管理的现实需求,果树冠层的三维重构问题成为研究热点。本文采用激光传感器在不同高度对果树靶标冠层进行水平扫描测距;将从果树不同方位测得的探测点坐标进行坐标转换,得到同一坐标系下的果树冠层三维点云;采用插值法重构模型树冠层三维轮廓。试验结果表明重构的冠层轮廓较为准确地反映了果树的外形轮廓。本文研究为采用激光传感器测距技术进行果树冠层三维重构与体积测量提供了前期研究基础。     

正三角形组合喷灌均匀度计算方法

喷灌均匀度是衡量喷头水力性能和喷灌质量的重要指标,为研究雨量筒取样间距、计算网格点间距以及插值方法对喷灌均匀度计算结果的影响规律,利用雨量筒径向间隔为1 m和2 m的Nelson R33型喷头无风喷洒试验数据,取1 m和0.5m的计算网格点间距,采用线性插值、立方插值、三次样条插值的两次插值法、距离插值法和平面插值法计算了克里斯琴森均匀度.结果表明,采样间隔1 m比2m计算出的均匀度小1.3～3.4个百分点;计算网格点间距越小,喷头组合均匀度越大,但相差都小于1.2个百分点.采用线性插值、立方插值、三次样条插值的两次插值法和距离插值法,喷灌组合均匀度计算结果非常接近,但平面插值法计算结果的差异较大.均匀度影响因素正交试验的方差分析结果表明,雨量筒采样间距、计算网格点间距、插值方法对均匀度的影响依次降低.     

农用三轮车跑偏的原因及故障排除

农用三轮运输车在行驶中,若驾驶员两手轻轻握把,车辆能保持直线行驶,并感觉两手受力均匀,这说明该车具有良好的直线行驶性能。若驾驶员要用很大的力把持方向才勉强能使车辆直线行驶,稍不加注意前轮就跑向一边,并明显感到该车运动惯性差,空滑距离短,就说明该车有行车跑偏的故障。     

基于三维激光扫描的树木三维绿量测定

利用三维激光扫描仪获取单株树木的点云数据,通过点云数据的处理提取测树因子,将树冠分割为多个不规则的台体,对每个台体的体积加和,近似为树冠体积。同时将绿视率引入三维绿量的计算中,以树冠不同视角绿视率加权平均和与树冠体积相乘计算树木三维绿量。实验选取了6个树种、共13棵树的点云数据,以树冠体积和绿视率2种方法计算三维绿量,结果表明：单纯以树冠体积计算平均三维绿量,针叶树大于阔叶树;而通过绿视率计算,阔叶树绿视率为55.41%,平均三维绿量为253.02 m3,而针叶树绿视率为30.75%,平均三维绿量为146.75 m3,不论是绿视率或者三维绿量,阔叶树均大于针叶树,与传统方法相比更符合树木的实际情况。     

基于RGB-D相机的蔬菜苗群体株高测量方法

为实现工厂化育苗生产线上黄瓜苗群体株高的快速无损测量,提出一种基于RGB-D(RGB-Depth)相机的温室育苗盘中蔬菜苗株高参数原位测量方法。以黄瓜苗为观测对象,在苗的正上方0. 75 m处架设RGB-D相机,以获取黄瓜苗盘的俯视彩色图像、深度图像以及彩色三维点云数据。在采集的俯视彩色三维点云中分割出单株幼苗点云集、并实现单株幼苗的定位是蔬菜苗群体株高原位测量的关键。根据RGB-D相机的成像原理,将滤波与聚类分割算法相结合,实现一种基于俯视的彩色三维点云数据处理方法,用于从穴盘幼苗群体点云集中分割出单株幼苗点云集。对黄瓜苗彩色三维点云数据的实验处理结果表明,条件滤波、颜色聚类以及统计滤波相结合的滤波算法能够更好地滤除土壤背景的点云集,欧氏距离聚类分割算法可以从滤除土壤背景后的点云中有效地分割出单株蔬菜苗点云集。最后,根据基于俯视的彩色三维点云数据的幼苗株高计算方法得出单株幼苗的株高。实验结果表明,黄瓜苗株高的平均测量误差为2. 30 mm,平均测量相对误差为7. 69%,该结果可为苗期作物群体关键生长参数的提取提供有效的解决方案。     

农用三轮运输车行车跑偏的原因及故障排除

农用三轮运输车在行驶中,驾驶员两手轻轻握把,车辆能保持直线行驶,并感受两手受力均匀,这说明该车具有比较良好的直线行驶性能。若驾驶员感到要用很大的力把持方向才能使车辆直线行驶,稍不注意就跑向一边(左边或右边),并感受到整车运动惯性差、空滑距离短,这说明该车出现行车跑偏的故障。     

基于RGB-D相机的油菜分枝三维重构与角果识别定位

为实现高效低成本的油菜植株三维建模和表型参数在线测量,提出一种基于RGB-D相机的油菜分枝三维重建和角果识别定位方法。使用Kinect传感器拍摄角果期油菜分枝在4个视角下的彩色图像和深度图像,进而获取油菜植株的三维点云并滤波。对配准的点云进行旋转变换,计算点云的曲面法矢量和曲率,并由曲率相近的点构成配对点对,再使用基于KD-tree搜索的最近点迭代(ICP)算法实现点云的初配准。将初配准误差作为参考值,调整ICP算法的对应点距离阈值,使用初配准的操作流程对初配准得到的新点云进行再次配准,完成精配准。结合该三维重建方法和针对性的彩色图像处理方法,得到去除主茎的单分枝油菜角果的完整点云,再进行欧氏聚类实现单个角果的空间定位。实验结果表明,提出的三维重建方法具有较强的实时性和鲁棒性,单个角果的三维形态清晰可见,点云平均距离误差小于0. 48 mm,角果总体识别正确率不小于96. 76%。