浅析气象夜间云的观测

随着气象现代化的飞速发展,很多项要素均已进入自动化观测或进入自动化与人工对比观测.云是重要的气象要素之一,且种类繁多,演变复杂,千变万化,云的变化又与天气紧密相连,对天气形势的变化有着极其奥妙的前瞻性和预见性,而夜间云的观测由于受多方面的条件限制,夜间云的准确观测就变成目测项目中最为困难的一个项目.     

基于三维点云的蔬菜大棚杂草识别方法

为实现蔬菜大棚内自动化除草的目的,针对其中的杂草识别环节,提出了一种基于三维点云的新型蔬菜大棚杂草识别方法。采用RGB-D相机获取青菜田、生菜田的三维点云图像,采用超绿色算法去除其中的土壤等背景,采用体素滤波法在保留点云图像形状特征的同时降低点云数量,然后采用欧式聚类法分割出单株青菜和单棵杂草的点云簇,分别计算得到每个点云簇的最高点的Z坐标值,最后结合深度信息Z坐标值实现蔬菜大棚杂草识别。结果表明:这种基于三维点云的杂草识别方法能够有效的识别出杂草,识别率为86.48%。该方法能够对蔬菜大棚中的杂草进行准确识别,为蔬菜大棚自动化除草提供有效的解决方案。     

河蟹养殖池塘多层水温实时监测系统设计与试验

为研究微流水循环生态养蟹模式下河蟹养殖池塘的水温分布特性,设计了基于物联网云的多层水温实时监测系统,其多层水温感知终端采用6个温度传感器采集不同水层的水温并上传至物联网云平台,物联网云平台通过物模型的设计管理不同监测点及传感器的上传数据.经试验验证,结果显示:系统能实时、稳定地监测池塘各水层的水温值,监测频率为5 mi...     

基于智能制造和大数据云平台的农机数字化设计

为了提高农机产品的设计效率、缩短设计周期、降低设计成本,将基于智能制造的数字化方法引入到了农机产品的设计上,并采用大数据云平台技术为数字化虚拟设计和虚拟制造提供了存储和计算平台,从而实现了虚拟设计和制造的大数据存储和高速度仿真计算。以农机零部件的虚拟加工仿真为例,对比了单台计算机和云平台的设计计算效率,结果表明:采用云平台技术可以明显提高计算效率,进一步缩短设计周期,降低设计生产成本。     

基于云技术和Inventor的拖拉机机构运动分析仿真

在拖拉机零件和机构的设计优化过程中,为了提高设计效率、降低设计成本,引入了Inventor设计仿真软件,并提出了基于云技术的协同设计和仿真方法。在机械零件的三维建模和装配与仿真过程中,采用遗传算法对任务的协同化分配和资源的调度进行了优化,提高了设计和仿真计算的效率。以拖拉机运动机构的建模和仿真为例,采用云平台的Inventor软件模块建立了机构的三维模型和装配体,调用云计算资源通过仿真计算得到了机构的位移随时间变化曲线,并将计算效率和传统的计算平台进行了对比,验证了云技术在计算速度和存储能力上的优越性。     

匹配点云结合HSI色彩分量的无人机RGB影像信息提取方法

无人机通常搭载可见光波段传感器获取红-绿-蓝（Red-Green-Blue,RGB）影像,由于无人机RGB影像波段较少,影像的地物信息提取存在一定难度。该研究提出了一种匹配点云结合色调-饱和度-亮度（Hue-Saturation-Intensity,HSI）空间色彩分量的无人机RGB影像信息提取方法。首先以饱和度分量和红光波段构造了饱和度与红光比值指数,再结合可见光波段差异植被指数以及由匹配点云获得的地形特征对研究区正射影像进行分类。试验结果表明,本文方法的总体分类精度达到了91.11%,Kappa系数为0.895,证明匹配点云结合HSI空间色彩分量的方法提取无人机RGB影像信息是可行的,提取结果具有较高精度。相较于基于光谱特征的传统方法,本文方法引入匹配点云可以简单高效地提取影像中高程差异明显的地物,同时,结合HSI色彩分量能够有效弥补无人机RGB影像光谱特征较少的不足。     

基于Kinect V3深度传感器的田间植株点云配准方法

准确建立植物的三维点云是以点云方式高通量获取植株各部位物理参数的前提。为实现田间复杂环境下的植株三维点云配准,该研究提出了一种基于多标定球的田间植株点云自动配准方法,并分别在室内简单场景及大田复杂场景下从不同角度对多种作物采集的点云数据进行验证。该方法采用随机抽样一致性算法（Random Sample Consensus, RANSAC）结合点云减法的概念从下采样后的点云中实现多标定球的自动提取,弥补了RANSAC一次只能提取单个物体的缺点。然后基于各标定球的球心距离信息实现三维点集的自动匹配。最后使用奇异值分解算法解算旋转平移矩阵,实现点云的自动配准。不同场景下各作物的配准结果表明,各植株的水平90°、180°、270°以及垂直方向上的点云配准到水平0°点云下的平均轴向误差在6～17 mm之间,平均点位误差在13～30 mm之间,与手动配准的商用同类软件LiDAR360的配准结果相当,但配准过程的自动化程度明显提高,效率提高了67%。该文所提出的方法可在田间复杂环境下对低成本深度相机获取的植株点云实现高精度的自动配准,为田间植物表型参数的提取提供了低成本的可行方案。     

散乱点云数据K-邻域快速搜索算法的研究

K-近邻搜索是海量数据曲面重构中构建合理拓扑关系的关键步骤,其效率直接影响到曲面重构的效率.本文主要研究了一种面向逆向工程的k邻域的快速搜索算法,并通过Visual C 6.0编程实现,最后结合UG二次开发对车身数据点进行了检验.结果表明该算法稳定可靠,效率较高.     

逆向云在垩白识别中的应

在云理论的基础上提出了一种无需人工干预的垩白识别方法.在此方法中,把垩白与非垩白定义为两个定性概念,以一个不对称云和一个对称云来表达垩白与非垩白,以两组数字特征分别描述垩白云与非垩白云.首先,利用动态阈值算法获得训练样本,然后设计逆向云发生器实现定量到定性的转换,最后根据两个云的隶属度函数,用极大值判定法来实现垩白区与非垩白区的分离.试验结果表明,云分类法分类精度高于传统的硬分类法.     

基于车载三维激光雷达的玉米点云数据滤波算法

为支持表型参数测量和数字植物相关研究,对车载三维激光雷达获取的玉米点云数据进行分析处理,提出了一种基于统计分析的两次滤波算法。以大喇叭口期的京农科728和农大84玉米为研究对象,使用VLP-16型三维激光雷达采集田间玉米点云数据;对点云数据进行直通滤波预处理,去除无关点后,进行第1次点云数据滤波处理,设置精确率和召回率阈值,选取参数组合;再对点云进行第2次滤波处理,确定精确率和召回率最优组合(110,0. 9)、(6,1. 2),边际组合(100,1. 0)、(6,1. 2)和(110,0. 8)、(5,0. 9),共3组参数组合;以3组验证集数据进行测试,结果表明:最优组合性能最优,可在京农科728和农大84玉米点云数据滤波中通用。