[目的]奶牛的臀宽是奶牛生长繁殖的重要评判标准，但目前臀宽测量依旧以人工测量为主，费时费力、容易受主观因素影响。本文为了实现奶牛臀宽的自动提取，提出一种基于点云精准分割的奶牛臀宽自动测量方法。[方法]搭建奶牛后俯视深度图像采集系统，对原始数据进行处理，利用DBSCAN方法剔除奶牛周围的背景。其次，基于PointNet++神经网络，将奶牛坐骨结节进行分割并获取臀部区域。最后检测奶牛臀部区域的轮廓线，利用坐骨结节与尾巴之间的凹陷来判定坐骨结节的位置，最终计算出奶牛的臀宽。[结果]试验结果表明，点云分割模型AP50可达94.2%，体尺测量的最大绝对误差为-5.53 cm，平均相对误差为5.84%。而奶牛在尾巴自然下垂状态时绝对误差在-2.02～2.22 cm范围内，平均相对误差为3.79%。[结论]本文方法在奶牛尾巴自然下垂时效果最好，能够较好地实现奶牛臀宽自动检测。

针对传统羊体尺测量中测量耗时、应激大的问题,采用主成分分析、随机采样一致性算法和改进的区域生长法,基于三维点云对羊体尺参数测量进行研究。结果表明:1)使用主成分分析和随机采样一致性算法能计算羊体点云的法向量和曲率;2)改进的区域生长法能准确地分割出羊体区域,并且避免了外点的干扰;3)在羊体点云数据上选取体尺测点,计算羊体长、体高、臀高、胸深体尺参数,并与实测值比较,4种体尺参数的最大相对误差为2.36%,测量精度较高。试验证明改进的区域生长法能准确地对羊体点云进行分割,依据选取的体尺测点,能够实现羊体尺参数的无接触测量。

本文使用修正的FGT多维贫困测量方法测算了贫困村庄建档立卡户与非贫困户的多维贫困指数。研究发现,对贫困地区总体而言,卫生设施、生活用主要燃料和生产性资产是贫困发生率最高的指标。分指标和农户类型的测度表明,非建档立卡户的多维贫困强度与建档立卡户接近,两种类型农户的多维贫困差异并不明显。与非贫困户相比,建档立卡户在家庭人均纯收入、健康状况、住房以及耐用品拥有量等指标上的贫困程度更深。分区域测度表明,地区经济发展水平高低与多维贫困指数并不存在必然联系,经济发展水平高的地区也存在深度多维贫困群体。进而,本文比较了

该文提出一种基于SLAM定位的多位置和姿态点云的拼接与分割方法，可提供信息量大且准确的点云样本数据。首先，利用RTAB-MAP框架构建SLAM算法，由KinectV2传感器采集获得带有位姿信息的多角度RGBD图像样本，并转化为三维点云场景数据；其次，改进ICP算法并基于SVD算法设计多位姿点云的拼接算法；再次，根据原始点云的RGB信息与凹凸性特征，设计三维点云分割算法，以此形成一系列点云目标；最后，开展点云拼接和点云分割实验，实验结果验证了该文所提算法的正确性和有效性。

[目的] 目标分割是通过为果园喷雾机提供树木的表征信息，使喷雾机能够实现精准喷雾的一项基本视觉任务。在分割过程中，对苗圃中的树冠、树干等不同部位进行分割，可以帮助喷雾机对喷雾部分的对靶，实现在果园或苗圃景观中无需人工干预的自动导航以及精准喷药等操作。与图片相比，点云能够更好地表征树木的三维结构并且受照明条件影响小，因此针对点云树木设计分割算法更适合应用在果园、苗圃等室外环境中工作的农业机械上。[方法] 本文介绍了一种分割精度准确、参数量小的点云分割网络，TSNet，它可以很容易地被部署在果园喷雾机上。该网络主要具有以下特点：1）该网络基于DGCNN改进，可以更好地实现点云分割任务；2)网络引入了连续递归门控卷积模块 （g~(n)Conv），可以提高树木分割的准确率；3）为了避免全局信息损失并增加信息传递效率，我们设计了权重通道用于特征传递。[结果] TSNet分割树木的mIoU达到了90.08%，模型大小为0.72 M，优于常用的点云分割算法，PointNet、PointNet++、DGCNN、CurveNet、PointMLP和D-PointNet++。[结论] 所提方法能够为苗圃树木检测识别和农业机器人作业提供更准确地感知信息。

为满足远程实验测量需要,针对传统等厚干涉实验中牛顿环测量误差较大问题,提出一种牛顿环暗纹直径自动测量方法。与传统测量方法相比,该方法缩减了测量时间、提高了测量精度,测量得到的牛顿环曲率半径误差缩小到2.2%~2.7%范围内,并为实现等厚干涉实验的远程测控提供可靠的技术支持。

立木枝干直径是智能型立木整枝机器人工作的重要工作参数.该文提出了一种基于计算机视觉原理的立木枝干自动测量方法.该方法利用已知大小的标定尺简化无线性畸变CCD摄像机标定过程.首先,将标定尺与被测立木紧贴在一起并通过CCD摄像机获取它们的图像;其次,从图像中通过二次模板匹配方法检测标定尺并统计标定尺像素数;然后,计算出图像每一个像素代表的实际尺寸;第四,通过立木枝杈点检测分离出树干和树枝;最后,将统计立木枝干直径的像素数与每一个像素代表的实际尺寸相乘就可以很容易地计算立木枝干直径.该文测量了12组立木枝干的直径,平均绝对误差为0.67 cm,平均相对误差为1.9%.实验结果表明,计算机视觉的立木枝...

树干曲率的自动测量是智能立木整枝机作业的重要步骤.该文针对立木图像的特点,提出了一种基于计算机视觉的立木树干曲率自动测量方法.该方法包含4个主要步骤:利用阈值分割对树干图像进行提取,得到图像的粗分割;在中值滤波的基础上,利用拉普拉斯算子对图像进行边缘位置点的检测,从而得到准确而连续的边缘;利用数学形态学方法对树干边缘进行细化处理;以道格拉斯-普克法提取树干曲线上的特征点,对其进行曲线拟合并求得树干曲率.实验结果表明,该方法能比较准确地识别树干的弯曲度.

介绍了国内外谷物产量自动测量技术的发展状况 ,用国产核子秤设备 ,进行了 γ射线对谷物的辐射衰减性能试验和谷物动态流量测量试验 ,验证了核子技术用于谷物流量自动测量的可行性 ,并提出了应用于谷物联合收获机的产量实时动态测量技术方案

为提高林木生长状态测量的准确性，克服传统测量方法的不足，从视差处理的角度出发，根据不同时间点采集到的树木图像信息，通过采取特征点提取方法，判断出一段时间内树木生长状态的变化情况。试验过程中，将待采集图像的树木上标出红色的矩形信息点，并利用双摄像机针对标出的特征点进行采集，然后将２幅树木图像进行对比研究，分别计算出在一定时间间隔内树木上信息点空间信息，从而确定该段时间内信息点的位置变化。试验结果表明：针对标定的信息点，传统测量方法在高度和粗度上数值相近，与林木生长实际不符；而基于视觉技术的测量，其测量结果与林木的实际增长过程是一致的，能够很好地实现对树木的无损测量研究，判断出树木的生长状态变化情．．．

[目的]以草莓为代表的浆果果实收获方式仍然以人力为主，随着近年来农业生产人员老龄化及人工费用的激增，机器（人）全自动采摘已是必然趋势，目前的难点在于机器视觉的识别与定位，相比2D视觉，3D视觉不仅具有更丰富的语义信息，而且在空间定位上有着明显的优势。本文旨在利用3D视觉技术实现草莓的准确识别和定位，为机器人自动采摘提供技术支持。针对田间背景噪声干扰、草莓果实体积小且伴随遮挡的难点，本文采用点云滤波技术进行点云降噪，利用3D视觉技术实现了草莓与复杂背景的语义分割。[方法] 使用IntelRealsenseD435i深度相机采集了不同光照、不同季节和遮挡条件下的草莓点云数据，构建了一个包含三个类别的数据集，分别为无遮挡、低遮挡、高遮挡。首先结合多阈值统计滤波和ROI提取技术对点云数据进行预处理，过滤噪声；以PointNet++为基础模型，对点云数据直接提取特征，并在PointNet++的基础上提出了一种针对复杂背景下小尺度目标的语义分割模型SS-PointNet++，利用点云的多种特征信息作为网络的输入特征，构建采样层、分组层，并通过PointNet提取局部特征，使用最远点采样法对点云取样并最大程度的覆盖到整个点集，针对小尺度目标设计了三种不同半径的球查询(BallQuery)来获取局部特征，改进了SA层和FP 层的结构，使其能够适应低密度点云。[结果]对未经预处理的点云进行分割时，有 0.74%的概率出现离群点的误判问题，而对预处理后的单张点云图像进行语义分割的用时平均减少了 3.47 s。点云图像测试结果表明，SS-PointNet++模型的平均准确率达到了 86.95%，比优化前提升了 19.54百分点，平均交并比为 0.740。在光照充足且无遮挡的草莓上，该模型的语义分割准确率高达 95.36%，而在暗光环境下，该模型的平均准确率也能达到 81.34% 。[结论] SS-Pointnet++模型提升了小尺度目标点云的语义分割效果，对不同光照条件具有较强的鲁棒性，为基于 3D 点云的小物体和遮挡物体的分割提供了一种有效的方法；本文提出的草莓遮挡类型的划分，对后续草莓遮挡问题提供了数据分析支持，对其他基于3D点云的小尺度物体的目标检测和遮挡问题也起到借鉴作用。

针对林下环境几何特征的复杂性，以及基于边检测、表面增长和聚类分割方法存在的效率低、分割不足及过度分割等问题，提出了一种基于特征融合的点云分割方法。采用地面激光扫描仪ＦＡＲＯ在北京林业大学选择样本区域进行扫描，对扫描得到的数据进行采样点剔除及滤波，得到由１ １６６ ３０２个点组成的林下环境点云数据，主要包括林木、地面、石块、人４类目标。综合利用点云法向量信息和激光反射强度信息可实现点云分割。其中，点云激光反射强度可直接从扫描得到的点云数据中获取；法向量可根据点云数据的三维坐标信息，通过对点云数据建立ｋｄ－ｔＲｅｅ数据结构，执行ｋ－邻域搜索，并基于ＰｌＡｎｅＰＣＡ算法计算得到。将点云法向量和激光反．．．

为了提高地基激光雷达(Terrestrial Laser Scanning,TLS)点云数据的单木分割精度及分割效率,以落叶期的蒙古栎人工林为研究对象,以TLS为基础数据,在三维点云数据体元化的基础上提出一种基于体元逐层聚类的单木分割算法,通过分析体元在竖直方向的z值序列准确获取单木的位置,然后利用模糊C均值算法以单木位置为初始聚类中心从最底层体元开始进行逐层聚类,最终实现样地水平蒙古栎单木分割。研究结果表明,通过分析体元在竖直方向的z值序列能准确获取单木的位置,本研究提出的单木分割算法能够实现样地水平单

近年来自动驾驶技术迅猛发展，无人车产业已逐渐成为世界关注的一个焦点。随着越来越多的人工智能算法用以求解无人驾驶车辆的环境感知、决策和规划中的问题，对标注数据的需求也日益剧增。为了减少数据标注的时间和人工成本，该文提出了一种基于Unity3D的图像和激光数据标注的自动生成方法。首先基于二维地图信息构建三维场景，再利用虚拟相机实现可见光图像和语义分割数据的采集，同时还模拟了多线束激光雷达的标注结果。文中自动生成的标注数据可以作为检测、分割任务的数据集，也可以作为图像和激光融合、补全的数据集，从而满足人工智能算法重新学习或者迁移学习的需求。该文所提出的方法不仅高效、简洁，还保证了数据的多样性，有效地解决了数据标注的难题。

森林作为陆地生态系统的主体和自然界功能最完善的资源库,不仅为人类的生存发展提供了物质保障,也在维护陆地乃至全球生态平衡上发挥着重要作用。LIDAR技术作为一种主动遥感手段,在对森林植被空间结构的探测和参数反演方面具有显著的优势。而在森林参数反演之前,对研究区进行合理的林分分割很有必要。利用祁连山大野口林区2008年的激光雷达点云数据,首次引进国外先进的LiDAR点云数据处理软件ArboLiDAR,经过前期的数据分类和相关预处理操作,将数据代入ArboLiDAR软件,通过多次设定相关分割参数,选择最优参数设