基于骨架点的矮化密植枣树三维点云自动配准

为了实现枣园的自动化管理,针对枣树自动化选择性冬剪作业要求,需要重建出矮化密植无叶枣树枝干的三维模型。利用2台固定的Azure Kinect DK深度相机搭建获取枣树点云信息的三维重建系统平台,然后把系统平台逆时针旋转55°获取同一棵枣树的另一帧三维点云信息。为了自动完成2帧点云的配准,提出了基于骨架点的枣树点云配准方法：首先利用FPFH特征描述子计算骨架点的特征向量,并采用SAC-IA（采样一致性）算法对2个视角下的枣树骨架点云进行初始匹配;其次利用经典的ICP算法对初始位姿进行优化;最终只采用2个视角下的点云重建枣树枝干的三维模型。实验对比了在3种典型自然环境下（晴天、阴天、夜间）枣树点云的配准精度和配准时间,结果表明：晴天时对采集系统有一定的影响,使得配准后的枣树枝干有部分不完整;阴天和夜间对采集系统影响小,能够重建出完整的枣树枝干;相对于阴天和夜间,晴天时,枣树点云配准耗时最少,为0.09s,而配准误差最大,其拟合分数为0.00029;阴天时,枣树点云配准时间介于晴天和夜间之间,为0.12s,而此时配准误差最小,其拟合分数为0.00011;夜间配准误差介于晴天和阴天,且此时配准时间最长,为0.16s。     

基于双目相机的车辆鸣笛监测方法

为了减轻交通噪声对日常生活的影响,对车辆违规鸣笛行为进行监测是必要的。提出了一种结合双目相机的车辆鸣笛监测方法,通过对双目相机采集的深度图像可计算出定位区域与麦克风阵列间的距离,对深度图像进行分割获得有效定位区域以减少定位算法计算量,提高违规鸣笛监测声源定位的效率与准确性。通过车辆鸣笛定位实验,验证了该方法能够准确进行鸣笛车辆定位,相较于传统车辆鸣笛监测方法减小了82%定位计算量,提高了鸣笛监测计算的效率。     

关于我国宏观调控相机抉择原则的思考

基于相机抉择原则在我国宏观调控中的实际运用,从制度背景、国情实际、自身特性及操作难度等方面,简要分析相机抉择在运用过程中产生宏观调控实际效应偏差的主要原因,并提出政策建议     

基于改进非下采样轮廓波的图像融合算法

针对红外光和可见光传感器难以同时获取清晰的目标和场景问题,提出一种基于非下采样Contourlet系数压缩感知的可见光和红外图像融合方法.首先采用非下采样Contourlet变换对可见光图像和红外图像分别进行多尺度、多方向分解,得到各自的非下采样Contourlet系数;然后对两种图像的低频系数采用加权与平均相结合的系数融合方案直接融合,对两种图像的带通方向子带系数采用伪随机傅里叶矩阵进行观测后将观测值进行加权融合,再对融合后的带通方向子带观测值进行系数重构,最后通过非下采样Contourlet逆变换重构图像.数值实验显示,该融合算法计算复杂度低,融合效果好,能同时得到目标和场景均清晰的融合图像.     

基于光学相机的植物表型测量系统与时序生长模型研究

为提高形态表型检测速率,满足形态表型测量的标准化需求,以拟南芥为例,提出一种测量植物三维形态特征的方法,并建立植物时序生长方程和可视化模型,构建了一套经济实用、面向拟南芥生长过程的形态表型测量机器视觉系统。通过光学相机采集拟南芥植株的二维图像序列,利用运动中恢复结构算法生成三维点云;设计一种彩色标板,基于彩色标板的坐标系标准化方法,提取拟南芥植株的点云并标准化坐标系。与传统人工接触式测量值相比,该系统交互测量的拟南芥叶片宽度、长度、主茎长度、叶片面积、叶片间夹角的平均相对误差分别为9. 83%、10. 10%、1. 07%、4. 09%和4. 37%。利用该系统采集哥伦比亚野生型拟南芥生命周期内的形态表型信息,拟合其数学生长模型,并使用L-studio软件,将时序生长模型可视化表达。结果表明,植物固定、传感器移动的平台结构解决了传统传感器固定、植物移动方式导致的植物抖动从而影响三维重建效果的问题,可快速、准确、可靠地提取植物表型信息。基于彩色标板的点云坐标系标准化方法在每个单位时间都能够对拟南芥植物对象进行参数提取,与传统的人工接触式测量方法相比,效率高、速度快,可满足拟南芥的形态表型分析需要。     

基于消费级深度相机的玉米植株三维重建

根据植物表型分析对植物三维重建的需求,针对植物特征点不易提取而影响三维重建的问题,提出了一种基于深度相机的植物三维重建方法。首先,对深度相机进行内部参数标定和深度畸变矫正,以获取准确的深度信息;然后,固定好相机和转盘的相对位置,精确地计算出在当前深度相机的坐标空间下、转盘旋转一个固定角度θ对应的矩阵T;最后,按旋转角θ等间隔转动转盘,获取一系列点云,并结合矩阵T实现点云拼接,完成三维重建。通过与使用商业软件Skanect的重建结果进行对比,本文重建方法只需要配准一次,还原度更高,效率更好,鲁棒性更强,满足植物形态测量需求。     

室内可见光音频传输系统设计

本文阐述了一种以MOS管为主驱动器件,运算放大器为主要信号放大芯片,系统由LED发射电路模块、稳压模块以及光接收器模块构成的室内可见光音频传输系统。给LED发射电路接上信号,模拟信号通过LED光变化的方式传输出去。利用硅光电池作为信号接收主器件,来将音频信号还原出来。室内可光音频传输可以让百姓在室内照明时享受着音乐带给人的身心愉悦。     

电网的无功补偿与电压调整

将电抗器、电容器、同步调相机和调压变压器等装置接入电网中,以改善功率因数、调整电压及起到补偿参数等作用。电网无功补偿的基本原则是:按电压分层,按电网分区,就地平衡,避免无功功率的远距离输送,以免占用线路输送容量和增加有功损耗。     

基于无人机可见光影像的新疆棉田田间尺度地物识别

针对无人机采集影像时不同地物最佳分辨率难以确定的问题,运用大疆M600Pro型无人机获取棉花蕾期可见光影像,结合地面调查采样数据,利用神经网络（Artificial neural networks,ANN）、支持向量机（Support vector machines,SVM）和随机森林（Random forest,RF）3种监督分类算法进行田间地物识别。分析不同分辨率（1.00、2.50、5.00、7.50、10.00cm）下对地物的识别精度,并结合算法运行时间,从分辨率、算法精度和运行时间上找到适合南疆田间尺度棉花田块地物识别的最佳分辨率和最优算法。试验结果表明：当空间分辨率为1.00cm时,SVM对地物的识别精度最高,总体精度与Kappa系数分别为99.857%和0.997。随着空间分辨率的降低,总体精度和Kappa系数呈下降趋势。当分辨率为2.50cm和5.00cm时,采用RF算法,运行时间最短,土地、棉花和滴灌带可获得较好的识别精度,总体精度与Kappa系数分别可达99.252%和0.986以上。当空间分辨率大于5.00cm时,总体精度和Kappa系数下降,滴灌带制图精度（Producer''s accuracy,PA）和用户精度（User''s accuracy,UA）下降最大。空间分辨率小于5.00cm的图像能够很好地识别蕾期棉花地的典型地物,可为进行田间地物类型及其分布状况的识别提供指导。