共查询到18条相似文献，搜索用时 812 毫秒
1.
为解决丘陵山地果园条件下激光雷达检测过程中面对多尺寸、多距离条件下出现的目标物体漏检、误检等欠分割和过分割问题,提出一种基于激光雷达的自适应目标聚类半径目标物体检测方法。首先,在使用激光雷达感知到周围环境的三维点云后,去除地面点云并且使用体素滤波进行降采样的预处理,在减少数据量的同时去除点云中的噪声点。其次,建立K-d tree模型进行最近邻搜索,以加速欧式聚类的进程,通过自适应确定每颗树冠的聚类半径,使欧式聚类能够得到更好的聚类效果。最后为验证算法准确性和实用性,基于果园履带车平台,采用32线激光雷达对所提算法进行实车测试。结果表明：在丘陵山地果园中该算法可准确聚类果树树冠点云,且实地目标正检率为94.41%。 相似文献
2.
为提高果园喷雾机器人在果园行间行走的自主性和安全性,提出一种基于三维激光雷达与优化DBSCAN算法的果树定位方法。首先,采用三维激光雷达获取果园的环境信息,通过感兴趣区域提取、地面点云分割和体素滤波降采样对原始点云数据进行预处理;然后,对DBSCAN算法进行优化,构建KD树索引有序化实时点云数据,并使用KD树最近邻搜索替代传统DBSCAN算法的遍历搜索方式,最后根据数据点到激光雷达的距离自适应确定聚类密度阈值,实现行间不同距离的果树检测;最后,以果树聚类结果的冠层边缘点为果树的定位参考点,得到果树定位参考点的坐标,计算果园喷雾机器人与果树的相对位置。试验结果表明：优化的DBSCAN算法相较于传统DBSCAN算法检测的准确性和实时性均有明显提升,果树的横向定位平均误差为2.6%,纵向定位平均误差为1.6%。该方法能够满足果园喷雾机器人在行间果树定位的准确性和实时性要求,为精准农业装备在林果园环境下的自主导航和作业提供有效参考。 相似文献
3.
针对温室颠簸不平、枝叶遮挡道路的复杂环境,开展基于相机与激光雷达数据融合的机器人行间导航方法研究。首先,利用改进的U-Net模型实现图像道路区域的准确快速分割;其次,通过融合图像分割结果进行地面点云预分割,减少地面起伏造成的点云倾斜;然后,采用改进的KMeans算法实现作物行点云快速聚类,并将聚类中心作为作物行主干区域点,降低枝叶遮挡对作物行中线提取的影响;最后,采用RANSAC算法拟合两侧作物行方程并计算出导航线。通过实验评估导航线精度,在测试集中94%以上数据帧可以准确实现提取导航线,平均角度误差不高于1.45°,满足温室机器人沿作物行自主导航行驶要求。 相似文献
4.
针对果园土壤生草制管理中所面临的割草任务重、劳动强度大等问题,设计一种基于二维激光雷达信息的履带式自动割草机障碍物检测方法。采用RPLIDAR A1进行障碍物扫描检测,由Matlab编程完成数据处理。将采集到的数据转换为直角坐标系下的x、y坐标,运用最小二乘滤波对数据进行去噪处理,采用k-means聚类算法对扫描数据进行聚类分析,得到障碍物的基本轮廓信息,最后经拟合得到较为密集的障碍物边缘离散点。试验结果中激光雷达扫描得到的角度和距离数据与现场实地测量数据之间最大误差为3.2%,达到了障碍物检测的目的,表明基于激光雷达信息的障碍物检测方法是合理可行的。 相似文献
5.
6.
工厂化生产环境下双孢菇图像存在成簇粘连、菌柄倾斜、白色菌丝繁盛等复杂状态，采用常规阈值分割方法无法准确提取目标，采用改进的随机霍夫变换圆形检测算法与滑动平均聚类算法结合的方法开展目标提取研究。通过图像预处理降低部分背景干扰，改进边缘点取样方式提升圆形检测效率，依据菌盖半径范围剔除无效参数；以双孢菇图像检测出的所有圆形为目标，采用均值漂移聚类算法合并圆形，消除圆形检测算法中识别出的错误目标。采用算法提取目标结果：针对双孢菇规则生长、菌盖附土、菌盖重叠率不高或变形较小的图像，目标提取正确率大于92%；针对大面积菌丝包围菌菇、菌菇成簇倾斜、大小菌菇密集掺杂、菌盖堆积变形严重的图像，存在圆形检测不准、聚类误判或漏判等问题，目标提取正确率大于82%。本文采用的算法数据处理量小、计算速度快、适应性强，能够满足菌菇生产过程中长势自动监测、出菇统计等需求。 相似文献
7.
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。 相似文献
8.
为解决果园视觉导航机器人行间自主行进和调头问题,提出了基于Mask R-CNN的导航线提取方法和基于随机采样一致性(Random sample consensus, RANSAC)算法的树行线提取方法。首先,基于Mask R-CNN模型对道路与树干进行识别,提取道路分割掩码和树干边界框坐标;其次,在生成行间导航线的基础上,采用改进RANSAC算法提取前排树行线;然后,计算树干边界框坐标点到前排行线的距离,筛选后排树干坐标点,采用最小二乘法拟合生成后排树行线;最后,通过分析前后排树行信息判断调头方向,结合本文提出的行末端距离计算与调头路径规划方法,规划车辆的调头路线。实验结果表明：在不同光照、杂草、天气环境下的6种果园场景中,模型的平均分割精度和边界框检测精度都为97.0%,导航目标点提取的平均偏差不超过5.3%,树行线检测准确率不低于87%,调头后车辆距道路中心的平均偏差为7.8 cm,可为果园环境下的视觉自主导航提供有效参考。 相似文献
9.
针对背景和杂草干扰下的果树图像冠层提取问题，提出了一种基于M-SP特征加权聚类的冠层分割算法。首先，将采集的原始图像由RGB颜色空间转换到HSI颜色空间，计算果树与背景区域在H、S分量上的马氏距离，构造马氏距离相似度矩阵〖WTHX〗M〖WTBX〗；其次，提取图像像素的垂直位置作为空间特征〖WTHX〗P〖WTBZ〗，在HSI空间内的I分量上，利用最大熵算法提取图像的阴影区域，并进行掩膜处理，将获取的阴影区域作为空间特征的加权区域L，从而构造阴影位置加权的空间特征〖WTHX〗L〖WTBX〗P；最后，对获取的M-LP特征矩阵进行归一化处理，分别进行上背景、下背景、果树冠层、杂草4个类别的K means聚类，最终完成图像分割。为验证算法的有效性，在采集的果树图像上进行了分割试验，结果表明，基于M-LP特征的聚类方法能有效解决重度杂草干扰条件下果树冠层被漏分的问题。采用精确率、召回率和F1值3个评价指标对分割结果进行定量评价，选取不同杂草干扰程度（轻微、中等、较强）和时间段（早晨、中午、傍晚）的果树图像，分别以传统K-means和GMM聚类算法作为对比进行试验，结果表明，相对于未经过特征提取的普通聚类分割方法，本文算法对于不同杂草干扰程度和不同拍摄时间段下的果树冠层分割表现出一定的鲁棒性，平均精确率为87.1%，平均召回率为87.7%，平均F1值为87.1%。分割和验证结果表明，在进行有效图像特征提取的基础上，结合少量标注作为先验知识的无监督分割方法可以准确分割出果树冠层区域。 相似文献
10.
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
11.
智慧果园是未来果园行业发展的趋势,智能化果实采摘是发展智慧果园的关键问题。为实现智能化果实采摘,本文搭建了一种适用于丘陵果园矮化栽培模式下的柑橘采摘机器人系统。针对丘陵果园垄间地面凹凸不平,存在地形倾斜角0°~20°,设计了一种自适应调平平台保持机械臂基座水平;通过视觉系统获取多幅点云图像建立果树的三维点云模型,获取果实位置信息;为避免采摘时造成果实损伤,结合柑橘类水果的采摘特点,设计了一种剪切夹持一体化的末端执行器完成柑橘采摘。针对果园自然环境的主要扰动因素（风和光照）进行分级,设置10组对比试验,结果表明：在低光照或正常光照条件下,平均果实定位准确率为82.5%,末端执行器夹取成功率为87.5%,平均采摘时间最短为12.3s/个;高光照条件下平均果实定位准确率为72%,末端执行器夹取成功率为80%,平均采摘时间最短为12.5s/个。 相似文献
12.
针对传统的树干分割算法存在分割精度低、实时性差的问题,提出了一种融合深度特征和纹理特征的树干快速分割算法。首先,通过Realsense深度摄像头采集树干彩色图像和深度图像;随后,采用超像素算法对彩色图像进行分割,并融合深度和纹理相近的相邻超像素块,最后对深度图像进行宽度检测,并对宽度在阈值范围内的物体所属的超像素块进行色调匹配,区分树干与非树干。在室内和室外植株实验中分别运用本文算法、GrabCut算法与K-均值算法进行树干分割,本文算法的平均召回率和平均准确率分别为87. 6%和95. 0%,GrabCut算法分别为78. 0%和92. 8%,K-均值算法分别为80. 2%和89. 1%;本文算法平均耗时为0. 20 s,GrabCut算法为0. 66 s,K-均值算法为4. 42 s。实验结果表明,本文算法的快速分割效果较好,在保证分割精度的同时,简化了识别过程,加快了分割速度,能够应用于室内和室外树干的分割。 相似文献
13.
果园靶标冠层叶面积有效探测是施药量在线计算的基本依据。针对树形靶标稠密和稀疏2种冠层类型,搭建叶面积测量三维立体试验平台和激光雷达(Light detection and ranging,LiDAR)探测移动试验平台,构建不同厚度和稠密度树形靶标,采用偏最小二乘回归（Partial least squares regression,PLSR）算法与BP（Back propagation）神经网络算法建立了冠层叶面积探测模型。试验结果表明：PLSR算法获得稠密厚冠层、稀疏厚冠层、稠密薄冠层和稀疏薄冠层叶面积探测模型的决定系数（R2）分别为：0.9626、0.4130、0.8896、0.2699;BP神经网络算法获得模型的R2依次为：0.9727、0.5302、0.8993、0.4290。基于LiDAR的冠层叶面积探测模型对稠密冠层探测精度较高,R2不低于0.8896,对稀疏冠层探测精度较低,不高于0.5302,该探测方法可用于稠密冠层叶面积在线计算,指导果园精准变量喷药。 相似文献
14.
15.
针对农业机器人在果园定位和导航中,环境背景复杂、光照强度变化大等问题,本文提出了一种基于RGB-D相机并利用颜色、深度、宽度和平行边特征的树干快速识别方法。首先,使用RealSense深度相机获取果园的彩色图像和深度数据;然后,将彩色图像转换为HSV颜色空间,再对HSV颜色空间中的S分量进行超像素分割,并将颜色特征和深度特征相近的相邻超像素块进行合并;随后,对深度图像进行树干宽度特征检测,对宽度置信率大于阈值的物体看作是待处理物体;最后,对待处理的物体进行平行边特征检测,在待处理物体边缘区域选择感兴趣区域窗口（ROI）进行边缘检测,搜索可能的树干边缘直边,当物体边缘的置信率RB大于设定的阈值TLB时,则识别为树干。通过对树干的多特征提取,有效提高了在不同环境下树干识别准确率。利用移动机器人平台在果园环境进行试验测试,以检验在强光照、正常光照和弱光照条件下树干识别算法的性能。试验结果表明,本文的树干识别算法在强光照、正常光照和弱光照条件下,树干识别的准确率分别为92.38%、91.35%和89.86%,每帧图像平均耗时分别为0.54、0.66、... 相似文献
16.
基于地面激光雷达点云数据的树种识别方法 总被引：1，自引：0，他引：1
为了能够更有效地利用地面激光雷达的点云数据识别树种,以北京林业大学为研究区域,利用FARO Photon 120型地面激光雷达在研究区内获取4个树种、共92棵树木的点云数据。依据点云的三维坐标值提取研究区内立木的胸径、枝下高、树高、冠高、最长冠幅、垂直最长方向冠幅6个测树因子,同时提取由测树因子组合而成具有鲁棒性的6个树形特征参数,包括冠长树高比、胸径树高比、冠高树高比、分枝角、冠长最大冠幅之比、最长冠幅与垂直方向冠幅之比。分别使用测树因子和组合特征参数,采用支持向量机、分类回归决策树和随机森林的方法,对树种进行冠幅自动识别。研究结果表明：使用测树因子树木识别方法,识别平均准确率为0.765,平均召回率为0.778,3种识别方法中,分类效果较好的依次为分类回归决策树、随机森林、支持向量机;使用组合特征参数树木识别方法,识别平均准确率为0.891,平均召回率为0.896,分类效果较好的方法是随机森林和支持向量机,其次是分类回归决策树;总体上来看,不论是对于单个树种还是总体的准确率和召回率,组合特征参数法均高于测树因子法,而对于3种不同的分类方法,随机森林相对最好。研究结果表明,结合地面激光雷达获取的点云和不同机器学习分类方法进行树种识别分类可以达到满意的效果,且能节省大量时间和人力。 相似文献
17.
针对稻麦收获无人作业的需求,提出了一种使用激光雷达检测稻麦收获边界的算法,并连接无人控制系统实现收获边界的自动对齐。该算法首先对采集的收获轮廓点云划定感兴趣角度范围,根据雷达的安装高度和位置将测量数据由极坐标转换为三维直角坐标,融合陀螺仪测量的激光雷达安装姿态数据对测量点云进行校正;通过中值滤波和Z向阈值滤波将点云中的噪点和非稻麦轮廓点滤除;对比了K-means聚类和Z向中心差分法检测稻麦收获边界的精度,并进行了误差分析;开发了感知系统并制定了感知与控制的CAN通信协议,采用预瞄点追踪方法对实时检测的边界点进行对齐控制;分析研究了稻麦收获边界自动对齐精度检测方法。2022年6月在北京小汤山国家精准农业示范基地进行了收获边界检测与自动对齐控制系统试验,分别采用数据标注和GPS打点的方式进行了数据采集与分析,试验结果表明,基于K-means聚类的收获边界检测横向偏差平均值为22.24 cm,基于Z向中心差分法的收获边界检测横向偏差平均值为1.48 cm,Z向中心差分法的收获边界检测优于基于K-means聚类的检测方法,故采用Z向中心差分法进行自动对齐控制试验,整体控制系统自动对齐横向偏差平... 相似文献
18.
果树树冠的季节性变化及果树成长和衰老造成的果树特征变化会影响已构建的果园三维环境地图的匹配，故本文提出一种基于改进Gmapping算法的果园二维环境地图精准构建算法。首先该算法对Gmapping算法的前端里程计和后端优化部分分别进行改进，以提高果园二维环境地图的构建精度。对于前端里程计部分采用改进的R-GPF地面分割方法提高其初始定位精度，对于后端优化部分采用BAT启发式自适应重采样方法提高其最终定位精度。然后进行梨园环境对比试验。通过改进R-GPF方法与原始R-GPF方法的对比，改进R-GPF方法的激光雷达里程计输出频率可达到15.58Hz，最大横向偏差小于25cm，横向偏差均值为12.7cm，标准差为 13.4cm，其各方面性能都优于原R-GPF方法的激光雷达里程计。通过新算法与基于原R-GPF的Gmapping算法对比，新算法所得的梨树列间距离偏差始终保持在20cm范围内，行间距离偏差均值为10.3cm，标准差为6.3cm，比基于原R-GPF的Gmapping算法分别减小50%、43.41%和32.26%；同时，梨树行间距离偏差相对于里程计横向偏差的减小侧面反映出后端BAT启发式自适应重采样方法的有效性。本文提出的算法能够提高果园二维地图构建精度，可以满足后续重定位、导航等作业的精度要求。 相似文献