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。     

基于自适应滤波算法的树木年轮测量方法

为提高树木年轮测量仪的测量精度,提出了一种自适应低通滤波算法对年轮测量仪的直流电机电流信号进行滤波处理。普通低通滤波算法滤波系数固定,当树木年轮宽度发生变化时,既可能保留了部分噪声信号,又可能滤去部分有效的树木年轮信号,因此降低了年轮测量仪的测量精度。自适应低通滤波算法的滤波系数可随滤波器输入值和输出值的变化自动进行调整,提高了噪声滤除效果,减少了有效信号损失。使用自主研发的年轮测量仪测量了大、中、小3种径阶的60个落叶松圆盘,记录直流电机原始电流信号,分别采用自适应低通滤波算法和普通低通滤波算法对原始电流进行滤波处理,根据滤波后的电流波形图,预估圆盘年龄,并计算2种滤波算法的年轮识别正确率。结果表明,自适应低通滤波器年轮识别正确率的平均值为89. 66%,普通低通滤波器年轮识别正确率的平均值为75. 84%;当平均年轮宽度变窄时,自适应低通滤波器的年轮识别正确率从95. 61%下降到82. 02%,下降了13. 59个百分点,而普通低通滤波器的年轮识别正确率从86. 37%下降到62. 30%,下降了24. 07个百分点。表明自适应低通滤波器年轮识别正确率高,自适应能力强,年轮识别精度稳定。     

电液伺服遥操纵机器人主-从位置控制器

针对电液伺服遥操纵机器人主-从双向伺服位置控制中存在的非线性和不确定性,提出主-从侧分别使用带干扰观测器的最优控制和有鲁棒补偿的PD反馈控制算法,以克服主动侧各液压缸因动态特性差异造成的位置跟随误差和从动侧外界环境的随机干扰对系统稳定性的影响.分别设计了观测器跟踪扰动的二次型控制器和有动态鲁棒补偿的位置控制器,通过仿真和试验验证了所设计控制器的有效性.试验结果表明,所设计的位置控制器,既提高了主-从位置跟随精度,又具有较强的自适应性和鲁棒性;提高了力反馈电液伺服遥操纵机器人系统的操作性.     

温室作业机具室内定位方法研究

针对农机具在温室大棚内的定位、作业轨迹跟踪及作业面积核算需求,提出一种基于多源数据融合理论的温室机具室内定位优化算法。首先根据惯性导航测量技术预估被测目标定位初值,再利用无线RSSI测距技术使用加权质心算法获得定位测量结果,利用卡尔曼滤波算法进行定位信息最优化计算,以消除基于单一测量技术存在数据漂移、测试信号受遮挡、电磁干扰造成的误差,获得准确的定位信息,进而实现作业轨迹的实时跟踪以及作业面积的有效核算。在Matlab仿真分析中,首先建立定位算法评价指标以便于定位效果评估,通过仿真计算得出:基于多源数据融合的优化定位算法的定位精度及稳定性均优于单一无线RSSI室内定位算法。温室大棚田间试验的实际测试结果表明,室内定位精度不大于0.125 m,定位误差小于0.4%,能够较好地满足温室内作业机具的定位及作业轨迹实时获取与监测的需求。     

自动跟踪相关滤波在内燃机主轴动平衡中的应用

根据动不平衡信号的信息特征和信号的相关性,给出了自动跟踪相关滤波原理和算法;基于Labview开发系统,依据自动跟踪相关滤波原理开发了动不平衡信号提取图形化程序,应用此程序对含有不同倍频谐波和噪声的振动信号进行仿真处理及在内燃机主轴动平衡中的现场试验。结果表明:通过自动跟踪相关滤波,不仅能够准确提取不同转速的动不平衡信号,而且还能够满足内燃机主轴高精度动平衡测试的要求,具有较强的应用价值。     

一种优化的基于协同过滤的农业信息推荐系统研究

随着信息爆炸而引发的信息过载和资源迷向的问题日趋严重,特别是对于农民来说,对计算机技术的掌握不多。为了向农民及时、方便、高效地提供其感兴趣的农业信息及知识,许多学者都对推荐系统技术进行了研究。为此,首先介绍了目前推荐系统的关键技术,并针对目前推荐系统中存在的用户评价矩阵稀疏问题提出了通过项目聚类来构造出一个无缺失的用户评价矩阵。考虑到农民行为差异性,在进行评价预测之前先对评分进行标准化处理。     

面向立木识别的有效K 均值聚类算法研究

针对林区自动对靶施药过程中,当立木生长密集时,获取的点云数据聚类准确率低、效率低的问题,提出优化后的K-均值聚类算法,数据获取方式基于2D激光扫描。针对立木点云信息聚类前需对相关数据进行滤波,提出窗口滤波算法,选取产生混合像素点的树干边缘,提取3次连续扫描的混合像素及其近邻点组成滤波窗口,进行最大阈值滤波,结果显示50次试验中仅有2个混合像素点未被滤除,混合噪声的滤除率高。在K-均值算法优化方面,针对算法需预先确定聚类数和初始聚类中心的不足,提出利用斜率变化确定聚类数的方法,试验对5个不同距离下5组立木分别进行100次测量,结果显示错误测量次数仅为3次,并可在试验前期通过人工方式去除,算法合理有效;对哈夫曼树法确定立木扫描点聚类中心的性能进行了试验分析,3种不同树干分布类型下分别运用随机抽样法和哈夫曼树法进行K-均值聚类,前者平均正确率仅为76.4%,后者则为95.5%;同时分析了Ⅰ型分布下2种算法聚类的迭代次数和耗时,5个不同距离下,随机抽样法的平均迭代次数明显高于哈夫曼树法,平均运行耗时上,哈夫曼树法则高于随机抽样法,前者变化范围为120~220 ms,后者为50~85 ms,该范围为林区测绘的可接受范围。试验证明,基于斜率变化确定聚类数和基于哈夫曼树法确定聚类中心的K-均值算法是林区立木点云聚类的有效算法,可应用于林区的立木检测。     

棉花采摘机器人红外测距技术研究

为定位棉株上的棉花,用红外测距实验装置和计算机图像处理技术结合棉花的农学生长特性测量单朵棉花的距离。在0.7~1.6 m的距离区间内建立红外测距模型,获取了棉株表面点云的距离图像,测量精度达0.0085 m。以0.65为标准差设计高斯滤波器的尺寸,用1-D高斯滤波器平滑棉株图像,用2-D高斯滤波器求取其梯度图像,以0.2 m、0.08 m为强、弱阈值,基于Canny边缘检测算子构建闭环边缘,结合形态学运算提取棉花区域,去除棉枝。用峰点滤波器削弱棉花图像中的粘连重叠现象,基于分水岭算法提取单朵棉花并求取其距离。结果表明,单朵棉花的图像识别率达91.3%,红外与人工测距结果的相关系数为0.992 2,为采摘机器人运动轨迹的规划提供了参数。     

苹果图像的背景分割与目标提取

水果的缺陷、大小和颜色差异以及光照等因素影响图像背景分割与目标提取精度.以苹果为研究对象,针对4种不同光照强度条件下采集的280幅不同姿态的苹果图像,将彩色图像的R、G、B分量进行算术运算,然后采用形态学开运算进行消噪处理,采用线性空间滤波消除锯齿状边界,采用自动阈值分割方法进行背景分割与目标提取.结果显示,203幅图像的分割偏差小于1％,占总量的72.5％;70幅图像的分割偏差大于1％而小于2％,占总量的25％;偏差大于2％的有7幅,占总量的2.5％.最大分割偏差为2.83％.     

基于核自适应滤波的无线传感网络定位算法研究

针对动态室内环境的变化及时变的接收信号强度(Received signal strength,RSS)对定位精度的影响,提出了一类基于核自适应滤波算法的农业无线传感器网络室内定位方法。核自适应滤波算法具体包括量化核最小均方(Quantized kernel least mean square,QKLMS)算法及固定预算(Fixed-budget,FB)核递推最小二乘(Kernel recursive least-squares,KRLS)算法。QKLMS算法基于一种简单在线矢量量化方法替代稀疏化,抑制核自适应滤波中径向基函数结构的增长。FB-KRLS算法是一种固定内存预算的在线学习方法,与以往的"滑窗"技术不同,每次时间更新时并不"修剪"最旧的数据,而是旨在"修剪"最无用的数据,从而抑制核矩阵的不断增长。通过构建RSS指纹信息与物理位置之间的非线性映射关系,核自适应滤波算法实现WSN的室内定位,将所提出的算法应用于仿真与物理环境下的不同实例中,在同等条件下,还与其他核学习算法、极限学习机(Extreme learning machine,ELM)等定位算法进行比较。仿真实验中2种算法在3种情形下的平均定位误差分别为0.746、0.443 m,物理实验中2种算法在2种情形下的平均定位误差分别为0.547、0.282 m。实验结果表明,所提出的核自适应滤波算法均能提高定位精度,其在线学习能力使得所提出的定位算法能自适应环境动态的变化。