排序方式: 共有6条查询结果,搜索用时 0 毫秒
1
1.
2.
3.
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
4.
基于DBSCAN的VMS数据定置刺网渔船网次提取方法 总被引:1,自引:0,他引:1
网次是捕捞努力量计算、渔业资源调查和渔业生产管理中的重要统计参数,定置刺网作业过程中起网状态下的航速与航行、放网时相差较大,可通过阈值进行提取。利用2017年浙临渔12870和浙三渔66666定置刺网渔船VMS数据,首先对其航速及相邻作业点时间差进行统计分析,得到合理的聚类参数,然后采用DBSCAN(Density-Based Spatial Clustering of Application With Noises)算法对定置刺网周围作业点进行聚类,提取作业网次,继而统计各网次作业持续时间与距离。以15 min作为合理误差范围,将各网次起止时间与日志起网时起止时间进行比较验证。结果表明:该方法在网次识别上效果良好,聚类提取的各个网次起网时的起止时间准确率达到80%以上。 相似文献
5.
6.
在油气管道系统中,受数据保密性高、数据采集技术不完善、异常工况发生频率低等因素制约,利用管输数据集进行机器学习模型训练,效果不理想。基于此,以某原油管道为例,分析管输能耗,利用Pipeline Studio TLNET软件对输油泵机组耗电量进行仿真,扩充训练数据集。针对管输仿真样本无真实值对照、特征关联、高维等特点,提出一种基于马氏距离的DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法,用于评价仿真样本的可靠度,识别异常仿真数据。基于仿真样本与现场数据样本的机器学习模型训练结果表明,剔除异常数据的仿真样本能够提升模型的拟合能力,由此为管输数据仿真样本的生成与验证提供了新的思路。(图5,表5,参25) 相似文献
1