排序方式: 共有285条查询结果,搜索用时 15 毫秒
161.
针对果园自主导航过程中车辆偏航、植株缺失等问题,设计了一款基于激光雷达的果园行间履带式车辆自动导航控制系统,并模拟标准化果园环境进行试验以验证系统性能。首先,采用二维激光雷达(Light Detection and Ranging, LiDAR)获取树干点云数据,对点云数据进行坐标变换;其次,通过识别树干边界起始点进行树干定位;再次,提出两步树行分割法将树行分割为左右两行,利用最小二乘法分别对两侧定位点进行直线拟合,将树行中心线作为导航路径;最后,将电机期望转速作为比例微分(Proportion Differentiation, PD)控制器的输入,使车辆沿树行中心线自动行驶。树行分割试验表明:当感兴趣区域内植株无缺失、单株缺失、双株缺失且无航向偏差、无横向偏移时,树行分割正确率均为100%;双株缺失存在横向偏差和航向偏差、三株缺失不存在横向偏差和航向偏差时,树行分割准确率为96.4%;三株缺失存在横向偏差或航向偏差时,树行分割准确率92.9%。电机控制试验表明:电机调速系统具有快速响应的优点,且稳定性良好。导航控制试验表明:当车辆以0.8m/s速度行驶且存在0.5m的初始横向偏移时,... 相似文献
162.
茶树的冠层信息是茶树田间管理的重要内容,也是茶叶机械化作业机具设计的重要依据。针对传统的作物冠层信息获取方法费时费力、主观性强且易造成损伤等问题,提出了一种茶树冠层高度和轮廓的获取与估计方法。首先,通过3D LiDAR从多个站点采集茶园的点云数据,对原始点云进行姿态矫正、ROI划分、配准、降噪以及高程归一化预处理,得到高程归一化的茶树点云。其次,通过反距离权重插值法、不规则三角网插值法在不同空间分辨率下生成茶树的冠层高度模型(Canopy height model, CHM),其中,空间分辨率0.05m下不规则三角网插值生成的茶树CHM具有较好的插值精度,模型产生的凹坑也相对较少。最后,分别以90~100间的21个百分位数提取CHM的栅格值作为茶树冠层高度与实测值比较,结果表明,第98.5百分位数时估计值最为准确,与真值间的相关系数为0.88,平均绝对误差为3.17cm,均方根误差为4.16cm。此外,在高程归一化的茶树点云中提取20处冠层断面点云,分别采用椭圆模型、高斯模型和二次多项式模型拟合了冠层轮廓点云,其中,二次多项式模型能更好地反映茶树冠层轮廓特征,点云与拟合曲线间平均最小距离的均值为2.60cm,方差为0.21cm2。研究可为茶园现代化管理和茶叶机械化作业机具的设计提供理论支持。 相似文献
163.
油菜机械直播作业厢面地表粗糙度测量与分析 总被引:1,自引:1,他引:0
油菜机械直播后种床整理质量是影响油菜成苗率的关键要素。针对目前油菜机械直播种床厢面粗糙度测量和数据处理方法不能完全反映地表真实情况的现实问题,该文提出一种基于激光雷达扫描技术的区域地表粗糙度现场测量和量化方法,通过测量装置可快速获取油菜直播厢面幅宽内的地表高程三维数据。基于油菜机械直播作业特性,对采集的作业厢面高程数据进行去倾斜趋势和去边坡趋势处理,降低了厢面倾斜和边坡特征对粗糙度计算的影响。对不同空间采样间隔和不同采样角度截面数据的粗糙度统计结果表明:170 mm采样间隔下的平均均方根高度和均方根高度平均误差均高于5 mm采样间隔下的计算结果;在垂直机组前进方向0°、45°和90°三个方向上地表截面高程数据的均方根高度最大差值和相关长度最大差值分别为7.69 mm和25.14 mm,且带有种沟等结构化特征的油菜种床厢面存在明显的各向异性。以不同大小区域的滑动取样窗口进行局部粗糙度量化的统计结果表明:当窗口宽度为厢面幅宽和0.5倍时,窗口长度大小不低于1.2 m可使均方根高度的标准差稳定在0.27 mm以内,而通过对每个取样窗口进行单独去倾斜趋势处理可消除地表局部倾斜对粗糙度计算的影响。研究结果可为油菜机械直播作业厢面粗糙度测量和量化方法提供参考依据。 相似文献
164.
基于标记控制区域生长法的单木树冠提取 总被引:4,自引:0,他引:4
根据2009年激光雷达数据、正射影像图及二类调查数据,选取凉水国家自然保护区针叶林和阔叶林样地进行单木树冠提取研究,包括利用动态窗口局域最大值法对单木位置进行探测,以及采用标记控制区域生长法进行树冠边界的勾绘,分别从样地和单木两个层次进行评价。结果表明:样地尺度上,针叶林和阔叶林的树冠面积相对误差的平均值分别为8.74%和-8.24%。单木尺度上,针叶林样地的生产者精度在62.2%~77.3%浮动,用户精度在71.5%~83.9%浮动;而阔叶林样地的生产者精度达到76.1%~91.2%,用户精度达到78.5%~92.5%。阔叶林样地勾绘精度浮动较大,但略优于针叶林样地的勾绘精度,是由于阔叶林样地中树冠分布较稀疏所致;而"位置匹配但过度生长"的情况过多是针叶林样地树冠提取精度不高的主要原因。 相似文献
165.
166.
167.
选择地处草原和森林过渡地带的上库力农场作为研究区(E120°36'50.48″~120°52'56.53″,N50°21'11.08″~50°24'32″),由机载激光雷达Leica ALS60采集实验数据,对Terra Solid分类获取的地形点建立数字高程模型(DEM);利用IDL编译一次样条有限元内插法对点云数据进行分块处理,分析生产DEM的精度。结果表明:1.0、1.5、2.0 m三种不同分辨率的DEM精度,分别为0.034、0.078、0.096 m。 相似文献
168.
机载激光雷达森林冠层高度模型凹坑去除方法 总被引:2,自引:1,他引:1
从机载激光雷达(light detection and ranging,Li DAR)获取的森林冠层高度模型(canopy height model,CHM)是森林参数反演的关键模型,但CHM上存在高度不自然、突变的凹坑,影响森林参数的提取。为了精确地提取森林参数,需对CHM凹坑进行去除。该文提出了基于反距离权重插值法(inverse distance weighted,IDW)插值的分层高度最大值法进行CHM凹坑去除。通过提取大于一定高度阈值的首次回波点云数据子集,利用IDW插值得到分层首次回波CHM,并对各层CHM取同像元最大值进行融合得到去除凹坑的CHM。IDW插值搜索半径一般设为原始点云间隔的1~1.5倍。对针叶林、阔叶林、针阔混交林3种森林类型的样方数据进行了试验,该文算法生成的CHM与所有首次回波点按IDW插值生成的CHM0差值图像像元平均值分别为3.31、4.20、5.88 m;差值图像像元最大值分别为12.97、14.99、29.00 m,与样方实测树高及归一化点云高度最大值十分接近。通过CHM0、CHM及原始点云剖面对比分析、样方点云抽稀试验,及与平滑滤波算法对比分析,结果显示,该文算法能有效去除CHM凹坑,同时保留冠层边界及森林间隙,CHM能准确地表达森林冠层形态,且对不同森林类型具有普适性,对点云密度具有适应性,CHM凹坑去除效果优于中值滤波、均值滤波及高斯滤波等平滑滤波算法。去除凹坑的CHM有利于后续森林参数的提取,提高森林参数反演精度。 相似文献
169.
为深入了解沙尘过程中颗粒物时空分布特征,尤其颗粒物的垂直分布特征,通过空气质量自动监测站常规污染物数据和颗粒物激光雷达数据,结合后向轨迹综合分析了2020年3月13日发生在我国西北地区的一次沙尘过程。结果表明:沙尘天气过程中消光系数和退偏振比与沙尘浓度变化一致,沙源地附近沙尘垂直发展高度为2~3 km,向下游传输过程中沙尘不断向上发展,部分地区达到3~4 km,但沙尘浓度明显减小。从后向轨迹分析,发现此次沙尘过程主要以西北路径为主,自新疆方向输入甘肃,沿河西走廊传输。此外,颗粒物激光雷达对于沙尘天气预报预警具有一定的指示意义。 相似文献
170.
稀疏型机载激光雷达(LiDAR)数据,由于点云密度低,难以对单木尺度的森林参数进行估测,在森林资源监测领域的潜在应用价值没有得到充分发挥。以江苏省南京市紫金山国家森林公园为研究区,以2007年机载激光雷达Optech ALTM LiDAR数据、2007年森林资源规划设计调查数据为主要信息源,在机载LiDAR数据预处理、特征参数提取的基础上,采用多元线性回归、随机森林、支持向量机3种方法,估测小班林分平均树高、平均胸径和单位蓄积量并进行对比分析,同时对森林参数进行空间制图。结果表明:1) 高度百分位数和累计高度百分位数是影响小班平均胸径、平均树高和平均蓄积量的主要特征参数;2)3个遥感估测模型精度对比分析表明,平均胸径、平均树高、单位蓄积量3个参数的估测精度,均是随机森林算法最高,支持向量机次之,多元线性回归最低;3)平均树高、平均胸径、单位蓄积量的空间分布规律一致,人为干扰严重的公园边缘地区和土层瘠薄、立地条件差的山脊较低,山南及山北中部最高。稀疏型机载激光雷达(ALS)数据在林分尺度的森林参数估计中具有较高的精度,可以用于森林资源规划设计调查小班的测树因子估测。本研究应用稀疏型机载激光雷达数据估测风景林森林参数,为稀疏型LiDAR数据在森林资源规划设计调查中的推广应用提供参考。 相似文献