植物三维点云模型的处理应用

阐述了一种植物三维点云模型数据处理的方法,简述植物逆向工程的相关概念,提出植物逆向工程数据的获取及处理技术,阐述应用软件实现对黄瓜叶片、烟草叶片的三维点云模型的数据简化、三角网格生成、模型优化等操作,探索了面向植物三维点云模型的数据处理技术应用。     

基于Geomagic Studio 12.0的采棉部件设计

为缩短产品研制周期、增强企业竞争能力,逆向工程技术也正逐步从其他产品设计制造业领域引入到我国农业机械领域。以统收式采棉机的采摘部件梳齿为测绘对象,通过逆向工程技术,采用青岛雷顿数控设备有限公司生产的先进的NC(865)型三坐标测量仪进行扫描与测绘,获取了梳齿的点云数据,然后对其进行预处理、多边形阶段处理、参数化处理,最终运用SolidWorks软件绘制出三维模型,完成了梳齿部件的逆向设计。通过实例运用,证实了逆向工程技术在农业机械研究领域的可行性,其研究结果将对我国农业机械化的发展起到积极的推动作用。     

基于逆向工程的汽车车身前翼子板重建技术

逆向工程技术是一项具有广泛应用前景的高新技术,可以迅速、精确、方便地获得实物模型的三维数据及模型,为产品设计提供了先进的产品开发、设计及制造的途径。以车身前翼子板为例,利用非接触式三维扫描仪获得车身的点云文件,利用geomagic-studio软件对点云进行曲率和点距取样,得到计算机能够处理的点云数据,将点云文件进行降噪等处理,生成曲面,对曲面进行光顺等一系列的处理,获得B级曲面。     

基于逆向工程的拖拉机造型CAD混合建模

针对国产拖拉机造型设计的特点,提出了基于逆向工程的拖拉机造型CAD混合建模方法.依据拖拉机造型三维效果图,建立了其油泥模型;采用Comet 250与AICON 3D Studio相结合的方法,基于特征进行点云数据的测量及处理,从测量数据中提取可重新进行设计的特征、约束及设计意图,在对数据进行分析的基础上,制定了建模方案...     

基于彩色点云图像的不同成熟阶段番茄果实数量的测定方法

【目的】为测定温室中番茄不同成熟阶段的果实数量,提出一种基于彩色点云图像的测定方法。【方法】在移动平台上搭载KinectV2.0采集温室中行栽番茄的图像信息合成番茄植株点云,再将二视角的番茄植株点云合成1个点云,并通过深度信息截取得到近处番茄植株点云,将标注的点云数据输入到PointRCNN目标检测网络训练预测模型,并识别番茄植株点云中的番茄果实,最后利用基于特征矩阵训练的支持向量机(Support vector machine, SVM)分类器对已经识别出来的果实进行成熟阶段分类,获得不同成熟阶段番茄果实的数量。【结果】基于PointRCNN目标检测网络的方法识别番茄果实数量的精确率为86.19%,召回率为83.39%;基于特征矩阵训练的SVM分类器,针对番茄果实成熟阶段的预测结果在训练集上准确率为94.27%,测试集上准确率为96.09%。【结论】基于彩色点云图像的测定方法能够较为准确地识别不同成熟阶段的番茄果实,可以为评估温室番茄产量提供数据支撑。     

基于逆向工程的谷粒三维模型的构建

【目的】构建谷粒的三维模型,为更加精确地分析谷粒在介质中的力学特性及运动规律提供参考。【方法】运用逆向工程理论,使用三坐标测量机获得谷粒的点云数据,导入Pro/E中进行数据处理,采用NURBS方法重构曲线,最后生成谷粒实体,得到谷粒的三维模型。【结果】重构稻谷谷粒三维模型与实物的对比结果表明,其三轴尺寸及体积误差均在5%以内。【结论】构建的稻谷谷粒三维模型在稻谷清选、分级和输送过程的力学与运动学分析中具有重要的应用价值。     

模糊C-均值聚类对点云数据的分割

点云数据的分割是点云数据处理流程中的重要内容,同时也是点云数据三维重建的前提和基础.该研究在模糊C-均值聚类(FCM)算法的基础上,根据标靶点云和建筑物点云数据的不同特征进行实验,通过Matlab对地面雷达的标靶、建筑物点云数据进行分割,探讨模糊C-均值聚类算法对点云数据分割的可行性.实验结果显示,通过选择正确点云数据的特征属性,利用模糊C-均值算法对点云数据分割具有一定的可行性.     

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     

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     

基于最小二乘的点云叶面拟合算法研究

利用地面激光扫描仪(TLS)获取户外树木的大量点云数据,从中截取树叶点云数据并以此来进行曲面拟合,构建树叶真实三维模型。主要针对空间散乱点云数据的曲面拟合方法进行研究。在最小二乘法、正交最小二乘法、移动最小二乘法等3种二维曲面拟合方法基础上,针对空间散乱点云数据,提出新的曲面拟合方法。通过比较这3种方法对点云数据曲面拟合后效果,得出结论:针对树叶散乱点云数据,移动最小二乘法能够有效的拟合出树叶的曲面。     

散乱点云分割技术研究与实现

点云分割是根据空间、几何和纹理等特征对点云进行划分,使得同一划分内的点云具有相似的特征。首先对获取的散乱点云数据进行去噪、填补空洞和畸变等预处理,然后计算最小包围立方体分割点云空间并构建八叉树加速邻域点的搜索,为每个点构造最小二乘邻域,分析散乱点云数据的高斯曲率和平均曲率,再通过区域生长法得到低噪声的精确分块,自适应、智能化地对点云进行分块。经实验验证,该方法可以获得较好的分割效果。     

基于三维激光点云的靶标探测系统研究与试验

【目的】使用R-Fans-32三维激光雷达(LiDAR)研究植株三维激光点云与植株叶面积之间的关系,为变量喷雾系统提供数据支撑。【方法】假设植株激光点云数量与叶面积之间存在线性关系。搭建基于三维激光点云的靶标探测的试验系统,先测量靶标植株的高度来探究该探测系统的精度,激光雷达以10Hz的扫描频率和1m的探测距离实现对10株番茄的三维点云数据的获取,激光雷达上位机软件Ctrlview实现对三维激光点云数据的储存。利用Cloud Compare软件对储存的点云数据进行处理,利用LiDAR360软件对植株进行高度测量和点云数量的获取。对采集的植株点云进行数量统计,利用CL-202植物叶面积测量仪对采摘的靶标植株叶片测量叶面积,验证植株点云与叶面积之间的关系。【结果】激光雷达探测所得到的番茄植株的高度与手工测量值的最大相对误差为7.92%。利用线性函数拟合植株点云数量与叶面积,拟合度为0.7805,最大相对误差为5.64%。【结论】设计了一种用于探究基于激光点云的变量喷雾系统可行性的试验系统,依据三维激光点云计算植株的叶面积精度良好,R-Fans-32三维激光雷达可作为变量喷雾系统的探测部件。     

基于双目视觉的作物点云获取与分割定位方法

为了提高农业视觉导航系统对作物定位的精确性,提出了一种基于双目视觉的作物点云获取与分割定位方法。该方法采用ZED双目相机采集作物左右视图,通过视差原理获取作物的3D点云数据,利用点云离散程度和体素化网格方法对初始点云数据的离散点和冗余数据进行去除,然后在预处理后的点云图中利用基于点云法线角度差的区域生长分割出每株作物的点云簇,用每个点云簇中所有点的平均坐标值作为该株作物的三维坐标,结合视觉系统坐标系,计算出作物与相机的水平距离以及水平偏角,从而实现作物定位。试验结果表明,该方法测得的作物平均距离误差为1.89%,平均角度误差为2.17%,该算法可以对作物进行准确定位,为基于双目视觉导航的路径规划提供可靠的定位信息。     

基于特征融合的林下环境点云分割

针对林下环境几何特征的复杂性,以及基于边检测、表面增长和聚类分割方法存在的效率低、分割不足及过度分割等问题,提出了一种基于特征融合的点云分割方法。采用地面激光扫描仪FARO在北京林业大学选择样本区域进行扫描,对扫描得到的数据进行采样点剔除及滤波,得到由1166302个点组成的林下环境点云数据,主要包括林木、地面、石块、人4类目标。综合利用点云法向量信息和激光反射强度信息可实现点云分割。其中,点云激光反射强度可直接从扫描得到的点云数据中获取;法向量可根据点云数据的三维坐标信息,通过对点云数据建立kd-tree数据结构,执行k-邻域搜索,并基于PlanePCA算法计算得到。将点云法向量和激光反射强度2方面的特征优势进行融合,计算中心点与邻域点的综合相异度,并判断其是否在阈值范围内,最终实现点云分割。比较基于特征融合、法向量和激光反射强度3种聚类分割方法得到的分割结果可知,基于特征融合的聚类分割方法能较好地保留数据特征,且分割完整度明显优于其他2种方法。      

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。     

辣椒优良新品种

云干椒3号和云椒2号是云南省农业科学院园艺研究所经过多年精心培育成的辣椒优良新品种。在云南省及省外连续多年的品种比较试验和多点试验表明,云干椒3号在产量、抗病性和适应性上均显著优于对照邱北辣椒,云椒2号的产量和抗病性也明显高于对照湘研9号和中椒6号。上述品种目前已进入大面积推广阶段。     

基于激光雷达和Kinect相机点云融合的单木三维重建

为了更好地建立单木三维彩色模型，获得准确表型参数，提出了一种基于Kinect v2相机和激光雷达的单木点云信息融合检测方法。首先由激光雷达采集樱树单木所在区域的完整环境点云，生成点云地图；由Kinect相机采集樱树单木多视角点云得到完整的三维彩色点云；然后以激光雷达点云位置为基准，通过选取对应同名点的方式对2种点云进行初始配准，使点云之间具有良好的初始位置关系，再使用最近点迭代（iterative closest point, ICP）算法对点云进行精配准；最后使用彩色点云对雷达点云进行点云着色融合处理，实现樱树单木的三维重建。结果显示：与只使用Kinect v2相机生成的樱树单木表型参数对比，融合后的樱树单木的株高、冠幅和胸径的平均相对误差分别降低了1.52、6.46和18.17个百分点。研究结果表明，Kinect v2深度彩色相机和激光雷达在单木三维重建上能实现优势互补，提升点云配准精度，同时，既能降低光照气候条件的影响，又能增加测量距离，单木表型参数更准确。     

逆向工程技术在农业机械设计中的应用

逆向工程技术是近年来逐渐发展起来的先进技术,它的出现给农业机械设计提供了一种新的思路。本文首先介绍了逆向工程技术,然后阐述了逆向工程在农业机械设计中的应用。     

如何选购适合农村需要的摩托车

摩托车是一种现代化的交通工具,它具有体积小、重量轻、速度快、机动性强、越野性能好、使用方便等特点。那么如何选购适合农村需要的摩托车呢?下面特向您提几点注意事项: 1.车型的选择:目前国内生产的摩托车品种、型号很多,有两轮摩托车(小轮车、轻便车)和三轮摩托车。在农村道路条件下,就要选购结构简单、使用可靠、维修方便、离地间隙大、越野性能好的三轮摩托车。三轮摩托车目前国内生产的车型按配套动力来说有两种,一种是以汽油为燃料的三轮摩托车,即北京摩托车厂生产的“东风”三轮摩托车。另一种是以柴油为燃料的柴油三轮摩托车,即浙江机动车辆总厂     

树干与地面点云分类K-means方法的改进

随着激光雷达的发展,树木点云数据的获取更加简便、准确。为了实现树木点云的树干与地面分类,对K-means方法进行改进,通过计算高度和强度直方图确定k值和初始聚类中心点,用高度距离做聚类分析,实现单株树木原始三维点云数据聚类。结果表明:采用MATLAB对香椿树的31 394个点云数据和油松树的14 260个点云数据,分别进行了直方图处理和不同距离的目标函数做聚类分析的试验,得到树木点云数据的分类结果,并与DBSCAN算法和传统K-means算法结果对比分析,说明改进K-means方法,能够使得树干与地面更好的分离,提高了效率;采用改进的K-means方法对12颗树木点云进行应用分析,验证了方法的普适性,最终分类结果达到了树干与地面分离的标准。