基于三维点云的群体樱桃树冠层去噪和配准方法     

刘刚  尹一涵  郑智源  李云涵  梁树乐  靳晨 《农业机械学报》2022,53(S2):188-196

樱桃树的栽培密度影响其冠层的光照分布,通过研究群体樱桃树的三维结构,可分析不同栽植密度下温室甜樱桃树冠层光照分布规律,指导樱桃树的科学种植,进而提高甜樱桃产量和品质。高质量的点云数据是构建群体樱桃树三维结构的基础,而点云去噪和点云配准是点云数据预处理的关键环节。本文提出一种基于三维点云的群体樱桃树去噪和配准方法,搭建群体樱桃树三维信息采集平台,使用2台固定的DK深度相机获取群体樱桃树彩色点云数据;提出基于颜色区域生长的二分类方法,设置颜色阈值分割点云并进行二分类处理,可有效去除彩色点云数据中的异常无效点,并设置点云离散度和RGB值,作为点云去噪评价标准;结合人工标记法和双相机位姿矩阵,提出基于颜色特征改进的ICP方法,解决传统ICP配准算法多依赖初始位姿且配准速度较慢的问题。该方法通过对点云粗配准,得到较好的初始位姿,使用SIFT算法提取颜色特征点,将颜色特征与ICP算法结合进行点云精配准,然后使用PCL中随机采样一致性算法,去除错误匹配点,有效减少配准时间,提高配准精度。以夏季和冬季的群体樱桃树20组点云数据为实验对象,对比分析ICP算法、NDT算法、SAC-IA算法和本文配准方法的配准精度和配准时间,结果表明,本文配准方法平均耗时分别为5.01、4.30s,均方根误差分别为2.316、2.100cm,有效减少了配准时间和配准误差,验证了本文算法的有效性和普适性。  相似文献   

桃砧木筑波5号绿枝扦插生根技术研究   总被引：3，自引：0，他引：3  

靳晨  刘志民  马焕普 《北京农学院学报》2006,21(4):5-7

采用全日照间歇式喷淋的方法,从不同扦插基质、不同生根粉浓度以及插条叶片状况等方面对插条扦插生根效果进行了研究。结果显示:在北京地区6月至8月,以珍珠岩为基质,用1 000 mg/L质量浓度的生根粉浸蘸(10 s)插条基部,选择留有三片全叶的插条进行扦插,生根率可达90%以上。  相似文献   

水稻插秧机智能化发展研究          下载免费PDF全文

王亚飞  武萌  任宁  靳晨  吕树盛 《农业工程》2022,12(10):5-8

我国是水稻种植大国,插秧机在水稻种植中发挥重要的作用。我国对水稻插秧机的研究开始较早,从人力插秧机到智能化插秧机经历了4个阶段。为更清楚了解水稻插秧机的智能化发展历程,分析了水稻插秧机的分类、插秧机发展过程、智能化发展进展等方面,并总结了发展趋势。   相似文献   

微灌水肥作业自动化智能控制系统研究          下载免费PDF全文

蔡振华  庄重  靳晨  崔康 《农业工程》2021,11(5):41-44

针对我国农业用水利用效率不高、化肥过量施用导致环境恶化等问题,研制开发一套适合东北地区玉米微灌水肥一体化作业的自动化智能控制系统,介绍了田间信息采集、施肥决策和智能控制施肥3个模块的功能、工作原理。实际应用结果表明,该系统实现化肥减量施用10%～12%,化肥利用率提高5%～6%,对提高水肥资源利用率具有重要意义。   相似文献   

基于PLC的播种机开沟器力学性能测试装置     

赵金辉  杨学军  刘立晶  刘忠军  周军平  靳晨 《农业机械学报》2014,45(S1):29-34

设计了一种基于PLC的开沟器力学性能测试装置。该测试装置主要由开沟深度控制机构、六分力测试装置、液压系统和PLC控制系统4部分组成,通过闭环控制实时调节开沟深度,提高了开沟深度稳定性;对六分力测试装置进行了标定,结果表明,牵引阻力测量精度和最大相对误差为1.49%FS、3.7%,土壤垂直反力为2.1%FS、5.1%,侧向力为0.98%FS、1.9%。测试精度满足要求,且该装置能够完成不同类型开沟器的受力及开沟深度的测试。  相似文献   

基于VINS-MONO和改进YOLO v4-Tiny的果园自主寻筐方法          下载免费PDF全文

朱立成  韩振浩  赵博  周利明  王瑞雪  靳晨 《农业机械学报》2023,54(8):97-109

面向果园运输车果品采收自主运输作业场景，提出了一种基于VINS-MONO和改进YOLO v4-Tiny的果园自主寻筐方法。首先基于VINS-MONO视觉惯性里程计算法，进行果园运输车位置姿态的实时估计。然后基于改进YOLO v4-Tiny目标检测算法，根据图像数据进行果筐实时目标检测并获取对应深度信息。其次根据运输车当前位置姿态、果筐深度信息以及深度相机内参，进行被识别果筐位置更新。最后基于三次B样条曲线拟合原理，以被识别果筐位置为控制点，进行寻筐路径实时拟合，为果园运输车抵近果筐提供路线引导。试验结果表明：改进YOLO v4-Tiny果筐识别模型的平均识别精度为93.96%,平均推理时间为14.7 ms, 4 m内的果筐距离定位误差小于4.02%,果筐角度定位误差小于3°,果园运输车实测平均行驶速度为3.3 km/h,果筐搜寻路线平均更新时间为0.092 s,能够在果树行间和果园道路两种作业环境下稳定实现自主寻筐。该方法能够为果园运输车提供自主寻筐路径引导，为其视觉导航提供研究参考。  相似文献