基于核密度估计的散乱点云边界特征提取

为获得逆向工程中复杂散乱点云的边界特征,提出了一种基于k邻域点集核密度估计的边界特征识别与提取算法,通过R*树索引结构和动态扩展空心球算法实现样点k邻域点集的快速查询,将查询区域半径作为带宽对点集进行核密度估计,由核密度估计获得反映点集分布的模式点,依据模式点到样点的距离与带宽的比值判别边界点特征。实验结果表明,该算法能够快速、准确提取逆向工程中均匀及非均匀分布的散乱点云的边界特征。     

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。     

机器人工作空间求解的蒙特卡洛法改进

对机器人工作空间求解的蒙特卡洛法的基本原理、算法流程、适用范围等进行了研究,分析了蒙特卡洛法中随机点分布的不均匀性以及内部随机点和边界随机点的不同作用,并总结了立体工作空间随机点分层处理时引起的误差情况.针对传统算法边界处随机点分布不理想的问题,强调边界点的重要性,根据关节空间到工作空间映射的连续性,在先期搜索到的边界点的小邻域内重新生成随机点,从而有效改善了边界处随机点的分布状况,提高了边界点的精确度.针对立体工作空间随机点分层处理带来的误差,采用二次分层的方法,通过减小统计层厚度提高边界点的统计精度.大量的试验证明了算法的有效性.     

蜻蜓膜翅前缘脉的纳米力学性能

利用激光三维扫描系统测量了黄蜻膜翅样品的几何外形,获取了黄蜻膜翅几何表面的外形数据点群.利用逆向工程软件对黄蜻膜翅点群数据删除跳点、坏点及与研究无关的数据点并进行平滑和精简处理.根据黄蜻膜翅的外形特征,通过框选点群命令,从点群数据中提取其边界曲线,并对曲线进行调整,将调整好的边界曲线两两拼接在一起,形成黄蜻膜翅较完整的边界曲线.采用由点和曲线形成曲面中的混合点群加边界曲线的造型方法,成功进行了黄蜻膜翅外形三维几何曲面模型的重构.     

基于逆向工程的黄蜻膜翅几何数据采集与处理

利用激光三维扫描系统测量了黄蜻膜翅样品的几何外形,获取了黄蜻膜翅几何表面的外形数据点群.利用逆向工程软件对黄蜻膜翅点群数据删除跳点、坏点及与研究无关的数据点并进行平滑和精简处理.根据黄蜻膜翅的外形特征,通过框选点群命令,从点群数据中提取其边界曲线,并对曲线进行调整,将调整好的边界曲线两两拼接在一起,形成黄蜻膜翅较完整的边界曲线.采用由点和曲线形成曲面中的混合点群加边界曲线的造型方法,成功进行了黄蜻膜翅外形三维几何曲面模型的重构.     

基于机器视觉的果树行中心线检测算法研究

针对果树空间层次复杂造成直线检测算法失效的问题,提出了运用图像透视原理筛选边界点的方法来提取果树行边界。使用最小二乘法拟合边界直线,计算相邻果树行的中心线作为移动机器人的导航路径。试验结果表明,该算法能够快速准确地提取出果树行中心线,平均每幅图像处理时间小于600ms。     

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。     

基于改进α-shape算法的三维点云树冠体积计算方法

为准确测量树冠体积,深入研究三维绿量和区域碳循环,针对现有点云数据测量树冠体积方法存在的高估与低估问题,提出了一种顾及点云边界密度、变阈值α-shape边界提取方法,并通过实验分析确定最优线性迭代步长和分层间距,实现了对树冠体积的精确计算。首先,对树冠点云数据进行等间距切片处理;然后,采用改进α-shape算法提取点云切片更为真实、自然的边界多边形;最后,计算切片面积和各层点云间的台体体积,并累加台体体积,获得树冠体积。实验表明：树冠体积计算的准确性与树冠内部枝叶结构和点云密度相关;无论对于高密度还是低密度树冠,采用改进α-shape算法的树冠体积计算结果不仅具有良好的稳定性,而且相较于已有其他方法更为准确,避免了Graham凸包算法的高估问题,与体元累加法相比也更利于树冠总体占用空间的计算。     

基于三维点云的群体樱桃树冠层光照分布预测模型

合理的果树冠层结构和栽培密度可提高其冠层内光截获量,对提升果实产量和质量有重要影响。本文以细纺锤形樱桃树为研究对象,构建了基于三维点云的群体樱桃树冠层光照分布预测模型。使用Azure Kinect DK相机获取群体樱桃树三维点云数据,通过点云数据预处理得到完整的群体樱桃树三维点云数据。在冠层尺度内,对樱桃树冠层点云数据进行分层,提取不同区域的点云颜色特征。提出基于Delaunay三角化凹包算法的点云投影面积计算方法,通过凹包边界点提取和向量积叉乘,计算不同区域的点云投影面积。以点云颜色特征和相对投影面积特征为输入,以实测相对光照强度为输出,建立群体樱桃树冠层光照分布预测模型。试验结果表明,该模型能够较为准确地预测樱桃树冠层内的光照分布,预测值与实际值决定系数平均值为0.885,均方根误差为0.0716。研究结果可为樱桃树合理的种植密度管理及樱桃树休眠期自动化剪枝等提供技术支持。     

基于MRE-PointNet+AE的绿萝叶片外形参数估测算法

为了准确、高效、自动获取植物叶片外形参数,提出一种基于多分辨率编码点云深度学习网络(MRE-PointNet)和自编码器模型的绿萝叶片外形参数估测算法.使用Kinect V2相机以垂直姿态获取绿萝叶片点云数据,采用直通滤波、分割、点云精简算法对数据进行预处理,通过测定的叶片外形参数反演绿萝叶片几何模型,并计算几何模型的...     

基于深度图像的球形果实识别定位算法

为了解决近色背景果实识别困难问题,针对果实近球形的形态特性,提出了一种利用深度图像从果实形态角度进行果实识别定位的算法。该算法使用深度摄像头获取果树的深度图像,通过深度图像计算出各像素点的梯度向量,将梯度向量看作运动矢量场,并计算出矢量场的散度,根据散度最大原则,从矢量场中搜索出辐散中心点;然后利用果实和叶片等深图像的差异从辐散中心点中筛选出果实中心点,以果实中心点为起点采用八方向搜索方法搜索出果实边界点,将果实边界点依次连接后形成的封闭区域内的果实图像导入点云;最后根据果实图像部分点云利用RANSAC算法求出目标果实的拟合球形,进而得出果实的尺寸以及三维空间位置。该算法无需传统算法需要利用的颜色特征,而仅利用了深度图像中的深度信息进行果实识别定位,能够克服传统算法受色彩、光照等因素影响的弊端,并且由于该算法完全没有利用到彩色图像信息,因此不仅可以实现绿色果实的识别定位,还可以实现采摘机器人在夜间环境下正常工作,为复杂环境下的果实识别定位算法研究提供了技术支撑。     

点云模型特征的提取算法

提出一种基于移动最小二乘法的点云模型尖锐特征提取算法.首先使用投影残差来识别潜在的特征点,然后采用一种优化的主元分析法光顺潜在的特征点,再利用改进的折线生长方法生成特征线,最后为模型建立角点完善提取的特征线.实验表明,本文算法运行稳定,性能优于其他算法,可以准确地捕捉点云模型上的特征线.     

Delta型并联运动激光切割机床的工作空间分析

提出了一种基于Delta并联机构的新型激光切割机床。建立了三自由度Delta并联机构的反解方程和工作空间求解模型,分析了各支链子工作空间的几何形状及其内部出现空洞的条件,从而将工作空间解析归结为可达工作空间外部边界与内部空洞边界求解。采用几何分析与数值迭代相结合的方法,探索了工作空间每一区域的边界,得到了机构工作空间的完整描述。整个求解过程直观、简明,计算速度快。     

基于骨架关键点重规划的Voronoi图法路径规划

针对目前的Voronoi路径规划算法生成的Voronoi图弯曲冗余,依据Voronoi地图规划路径实时性差,规划出的路径弯曲,机器人导航时转折次数多、时间成本高、效率低等问题,提出一种基于骨架关键点重规划的Voronoi图法路径规划算法。首先对机器人构建的二维栅格地图进行预处理,去掉地图中的噪点和毛边,填充边界上细微的裂缝,然后提取地图的骨架,搜索出骨架中的关键点,将关键点按原来的相邻点连接关系重新连接,生成新的笔直的骨架,并采用降梯度采样方法平滑依据骨架规划出的路径。在经过多次仿真实验和实际实验验证后,证明本文算法生成的骨架比目前的Voronoi图和骨架更加简洁,数据量更小,机器人基于优化后的Voronoi地图能够更加快速规划出笔直的路径,具有良好的实时性,规划出的路径更短,转折次数更少,机器人导航过程中能够迅速到达目标点,导航效率高。     

基于RGB-D相机的单株玉米株高测量方法

玉米株高是反映作物长势的重要指标。为了实现田间单株玉米株高的快速测量,提出了一种基于RGB-Depth（RGB-D）相机的玉米株高测量方法。以拔节期玉米为观测对象,首先利用RGB-D相机获取田间玉米的彩色图像和深度图像。对玉米彩色图像进行灰度化、二值化和去噪处理,提取出包含待测玉米的二值图像。利用改进的分水岭分割算法对玉米的灰度图像进行分割,对分割结果进行圆形拟合操作,定位玉米的中心区域。对玉米的二值图像进行骨架化处理,检测骨架的交叉点和末端点,确定玉米骨架的中心点,并检索其到末端点的最短路径。对各条路径的点云数据进行求差与比较,确定玉米的最高点,并对最高点附近的点云数据进行直方图统计,获得地面点。最后,通过计算玉米最高点和地面点的差值,实现单株玉米株高参数的测量。对玉米样本进行测试试验的结果表明：单株玉米株高的平均测量误差为1.62cm,均方根误差（RMSE）为1.86cm,测量精度满足实用要求。     

基于动态K阈值的苹果叶片点云聚类与生长参数提取

根据冠层点云的分布特征,提出一种基于动态K阈值的叶片点云聚类及生长参数提取方法。首先,采用地面三维激光扫描仪获取多站点云数据并完成配准、去噪和抽稀等预处理;然后,随机截取整株点云中的一枝作为研究对象,融合局部凹凸性算法(LCCP)并改进K-means算法,提出基于动态K阈值的叶片点云聚类方法;最后,采用主成分分析方法(PCA)计算叶片点云法平面方向向量,并根据叶片边界点与中心点的位置关系,计算叶宽、叶长等生长参数。试验结果表明,与传统的点云聚类方法相比,本文方法能够在不损失枝干点云的前提下,精确地分割单叶片,保证了聚类结果的完整性和彻底性;与传统的降维方法相比,本文基于真实三维空间信息提取叶片生长参数能够较大程度提高提取准确性,为进一步评价果树冠层光照分布及果园智能化管理提供技术支持。     

基于改进SIFT-ICP算法的Kinect植株点云配准方法

针对传统配准方法准确度低、速度慢的问题,提出了基于改进SIFT-ICP算法的彩色植株点云配准方法。首先采用Kinect获取不同视角下植株彩色图像和深度图像合成原始植株彩色点云,通过预处理提取原始点云植株信息,对植株点云进行尺度不变特征变换(SIFT)的特征点检测,得到点云配准关键点,再对关键点进行自适应法线估计,然后求取关键点的快速点特征直方图(FPFH),通过采样一致性(SAC-IA)初始配准方法改进点云间初始位置关系,最后利用Nanoflann加速最近点迭代(ICP)算法完成精确配准。试验结果表明,改进SIFT-ICP算法可以大幅度提高点云配准的准确性和快速性,其中对应点间平均欧氏距离小于7 mm,配准时间小于30 s。     

套筒开孔对双层套筒阀流动特性的影响

为了研究内外层套筒小孔孔径对双层套筒阀流量系数和压降流动特征的影响,采用计算流体动力学方法,建立了稳态可压缩过热蒸汽流动的数值模型.对比分析了全开工况下不同内外层套筒开孔孔径组合模型流量系数和压降流动特性的差别.结果表明：内外层套筒不同孔径对于每层套筒的压降有明显影响,内外层套筒开孔孔径等比例放大对每层套筒压降几乎没有影响.只增大外层套筒孔径时,套筒间隙处流体流速不断增大;内外层套筒孔径等比例放大时,套筒间隙处流速变化波动减小.当双层套筒阀需要小幅度提升流量系数时,可以增大外层套筒开孔孔径;当双层套筒阀需要大幅度提升流量系数时,可以对内外层套筒开孔孔径同时等比例增大.研究结果对于套筒阀套筒开孔孔径的设计具有一定的指导意义.     

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。