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。     

气吸式排种器扁平种子吸附姿态调节机构设计与试验

针对气吸式排种器在进行扁平形状种子排种时，充种性能不稳定排种效果不佳的问题，该研究以扁平玉米种子为作业对象，从种子的吸附姿态调节入手，设计一种具有倾斜凸台式取种结构的气吸式排种器。对排种器的倾斜凸台作业过程进行理论分析和设计计算，针对平面盘、凹槽盘和凸台盘三种排种盘的作业过程进行离散元仿真分析，结果表明：凸台盘对种群的扰动能力、离散程度和扭矩高于其他排种盘，倾斜凸台在取种过程中能够改变种子的姿态，实现种子扁平面与吸孔表面间的平行吸附。台架试验结果表明，凸台盘的单粒吸附率优于凹槽盘和平面盘，随着前进速度升高，单粒吸附率先增加大后减小，8 km/h达到最高值91.70%；随着负压增大，单粒吸附率变化趋势相同，3 kPa时达到最高值90.84%；凸台盘的稳定吸附率和平行吸附率随速度增大出现小幅降低，随负压增大逐渐升高并在3 kPa趋于稳定，凸台盘的吸附性能优于其他两种排种盘，同时三种排种盘在取种时的平行吸附率与投种位置的稳定吸附率呈正比。前进速度4～8 km/h时，凸台盘的合格率稳定在97%左右，随后逐渐下降，12 km/h时降至93.18%；田间试验结果表明，排种器作业性能随前进速度升高而降低，12 km/h时，凸台盘的合格率降为90.34%，漏播率升高至6.52%，满足精密播种要求。倾斜凸台式取种结构能够对扁平种子吸附姿态进行有效调节，提高吸附稳定性和排种器作业性能，研究结果可为扁平种子高速精量取种提供技术参考。     

基于RGB-D相机的黄瓜苗3D表型高通量测量系统研究

传统的人工种苗表型测量方式存在效率低、主观性强、误差大、破坏种苗等问题，提出了一种使用RGB-D相机的黄瓜苗表型无损测量方法。研制了自动化多视角图像采集平台，布署两台Azure Kinect相机同时拍摄俯视和侧视两个视角的彩色、深度、红外和RGB-D对齐图像。使用Mask R-CNN网络分割近红外图像中的叶片和茎秆，再与对齐图进行掩膜，消除了对齐图中的背景噪声与重影并得到叶片和茎秆器官的对齐图像。网络实例分割结果的类别和数量即为子叶和真叶的数量。使用CycleGAN网络处理单个叶片的对齐图，对缺失部分进行修补并转换为3D点云，再对点云进行滤波实现保边去噪，最后对点云进行三角化测量叶面积。在Mask R-CNN分割得到的茎秆对齐图像中，利用茎秆的近似矩形特征，分别计算茎秆的长和宽，再结合深度信息转换为下胚轴长和茎粗。使用YOLO v5s检测对齐图中的黄瓜苗生长点，利用生长点与基质的高度差计算株高。实验结果表明，该系统具有很好的通量和精度，对子叶时期、1叶1心时期和2叶1心时期的黄瓜苗关键表型测量平均绝对误差均不高于8.59%、R²不低于0.83,可以很好地替代人工测...     

基于相机位姿恢复与神经辐射场理论的果树三维重建方法

针对传统立体视觉三维重建技术难以准确表征果树多尺度复杂表型细节的问题，该研究提出了一种基于相机位姿恢复技术与神经辐射场理论的果树三维重建方法，设计了一套适用于标准果园环境的果树图像采集设备和采集方案。首先，环绕拍摄果树全景视频并以抽帧的方式获取果树多视角图像；其次，使用运动结构恢复算法进行稀疏重建以计算果树图像位姿；然后，训练果树神经辐射场，将附有位姿的多视角果树图像进行光线投射法分层采样和位置编码后输入多层感知机，通过体积渲染监督训练过程以获取收敛且能反映果树真实形态的辐射场；最后，导出具有高精度与高表型细节的果树三维实景点云模型。试验表明，该研究构建的果树点云能准确表征从植株尺度的枝干、叶冠等宏观结构到器官尺度的果实、枝杈、叶片乃至叶柄、叶斑等微观结构。果树整体精度达到厘米级，其中胸径、果径等参数达到毫米级精度，尺度一致性误差不超过5%。相较于传统的立体视觉三维重建方法，重建时间缩短39.50%，树高、冠幅、胸径和地径4个树形参数的尺度一致性误差分别降低了77.06%、83.61%、45.47%和62.23%。该方法能构建具有高精度、高表型细节的果树点云模型，为数字果树技术的应用奠定基础。     

基于激光雷达与深度相机融合的SLAM算法

针对单一传感器地图构建时存在环境表征不充分，无法为移动机器人自主导航提供完整环境地图等问题，本文通过将激光雷达与深度相机获取的环境信息进行互补融合，构建出更完整精确的栅格地图。首先，对传统ORB-SLAM2算法进行增强，使其具备稠密点云地图构建、八叉树地图构建以及栅格地图构建等功能。其次，为验证增强后ORB-SLAM2算法的性能，在fr1＿desk1数据集和真实场景下进行测试，数据显示增强后ORB-SLAM2算法绝对位姿误差降低52.2%,相机跟踪轨迹增长14.7%,定位更加精准。然后，D435i型深度相机采用增强型ORB-SLAM2算法，激光雷达采用的Gmapping-Slam算法，按照贝叶斯估计的规则进行互补融合构建全局栅格地图。最后，搭建实验平台进行验证，并分别与深度相机和激光雷达2个传感器建图效果进行对比。实验结果表明，本文融合算法对周围障碍物的识别能力更强，可获取更完整的环境信息，地图构建更加清晰精确，满足移动机器人导航与路径规划的需要。     

基于CFD-DEM的旋流泵混合颗粒固液两相流研究

为了探究折叶片旋流泵固液两相输送机理，基于CFD-DEM (Computational fluid dynamics-discrete element method)耦合算法，选用油菜籽和黄豆颗粒等比例混合，在不同流量工况和体积分数下对旋流泵进行固液两相流数值模拟和试验研究。同时也研究了折叶片旋流泵内部流动规律及颗粒分布特征。小流量工况下，进口管内螺旋回流长度较长，对进口来流扰动较大。随着流量增大，进口管回流长度逐渐缩短。叶轮前端面旋涡随流量增大，数量先增加后减少，且逐渐向折点方向聚拢。泵内颗粒受循环流和贯通流的共同作用，进口管中心部颗粒主要受贯通流影响，直接穿过无叶腔，冲击叶轮进口；靠近管壁的颗粒受循环流影响较大。无叶腔内颗粒分布呈现出：中心部最高，中间部随外径增大浓度逐渐降低，外缘部浓度稍有上升。叶轮前半部颗粒数量明显少于叶轮后半部，颗粒沿叶片第1段折边运动，在折点处开始发生分离，不再跟随第2段折边。不同工况下，泵进口有不同程度的螺旋回流现象，导致进口过流面积减小。循环流的存在，使得无叶腔和进口管的颗粒充分旋起，泵送能力增强，不易发生堵塞。