CN109387848B - 果树冠层靶标探测装置、方法、计算设备及存储介质 - Google Patents
果树冠层靶标探测装置、方法、计算设备及存储介质 Download PDFInfo
- Publication number
- CN109387848B CN109387848B CN201811403689.7A CN201811403689A CN109387848B CN 109387848 B CN109387848 B CN 109387848B CN 201811403689 A CN201811403689 A CN 201811403689A CN 109387848 B CN109387848 B CN 109387848B
- Authority
- CN
- China
- Prior art keywords
- fruit tree
- tree canopy
- shell
- equal
- angle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 235000013399 edible fruits Nutrition 0.000 title claims abstract description 122
- 238000001514 detection method Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 30
- 239000011159 matrix material Substances 0.000 claims description 26
- 238000005259 measurement Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 6
- 235000006679 Mentha X verticillata Nutrition 0.000 claims description 4
- 235000002899 Mentha suaveolens Nutrition 0.000 claims description 4
- 235000001636 Mentha x rotundifolia Nutrition 0.000 claims description 4
- 238000010845 search algorithm Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 description 5
- 239000000284 extract Substances 0.000 description 2
- 239000002420 orchard Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/08—Systems determining position data of a target for measuring distance only
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/481—Constructional features, e.g. arrangements of optical elements
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Optical Radar Systems And Details Thereof (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种果树冠层靶标探测装置、方法、计算设备及存储介质,所述装置包括壳体、面阵激光雷达、九轴姿态传感器、旋转编码器和处理器;所述面阵激光雷达设置在壳体上,用于采集果树冠层深度信息;所述九轴姿态传感器设置在壳体内,用于采集壳体的姿态角;所述旋转编码器,用于采集壳体的移动距离;所述处理器分别与面阵激光雷达、九轴姿态传感器、旋转编码器连接,用于根据壳体的姿态角和壳体的移动距离,采用数据标准化处理算法处理果树冠层深度信息,并采用果树冠层靶标判别算法,提取出果树冠层靶标对象。本发明通过融合面阵激光雷达、旋转编码器以及九轴姿态传感器采集的信息,实现整棵果树冠层信息的准确快速探测。
Description
技术领域
本发明涉及一种果树冠层靶标探测装置、方法、计算设备及存储介质,属于果树冠层靶标识别领域。
背景技术
果园冠层靶标的有效探测是实现果园精准施药的重要关键技术,目前普遍采用的靶标探测方式有超声波传感器,红外传感器,光谱检测,单点激光测距传感器,二维线扫激光雷达,图像传感器,其中单点激光雷达,二维线扫激光雷达以及图像传感器是当前采用的比较多的主流技术,但单点激光雷达和二维线扫激光雷达测量点数较少,无法同时探测整棵果树冠层靶标,图像传感器虽然可以同时对整颗果树进行拍摄,但需进行复杂的图形处理,实时性不足。
发明内容
本发明的第一个目的是为了解决上述现有技术的缺陷,提供一种果树冠层靶标探测装置,该装置通过融合面阵激光雷达、旋转编码器以及九轴姿态传感器采集的信息,实现整棵果树冠层靶标信息的准确快速探测。
本发明的第二个目的在于提供一种果树冠层靶标探测方法。
本发明的第三个目的在于提供一种计算设备。
本发明的第四个目的在于提供一种存储介质。
本发明的第一个目的可以通过采取如下技术方案达到:
一种果树冠层靶标探测装置,所述装置包括壳体、面阵激光雷达、九轴姿态传感器、旋转编码器和处理器;
所述面阵激光雷达设置在壳体上,用于采集果树冠层深度信息;
所述九轴姿态传感器设置在壳体内,用于采集壳体的姿态角;
所述旋转编码器,用于采集壳体的移动距离;
所述处理器分别与面阵激光雷达、九轴姿态传感器、旋转编码器连接,用于根据壳体的姿态角和壳体的移动距离,采用数据标准化处理算法处理果树冠层深度信息,并采用果树冠层靶标判别算法,提取出果树冠层靶标对象。
进一步的,所述面阵激光雷达采用多点阵列的方式采集果树冠层深度信息,其采集面阵大小为M×N;其中,M≥2,N≥2。
进一步的,所述面阵激光雷达所在的测量坐标系为o′x′y′z′,每个采集点的测量角度与x′、y′、z′轴之间的夹角为(a′ij,b′ij,c′ij),测量坐标系为o′x′y′z′与标准坐标系oxyz之间的偏差角为(p,r,δ);其中1≤i≤M,1≤j≤N。
进一步的,所述姿态角包括航向角、俯仰角和横滚角。
本发明的第二个目的可以通过采取如下技术方案达到:
一种果树冠层靶标探测方法,所述方法包括:
获取壳体上面阵激光雷达采集的果树冠层深度信息;
获取壳体内九轴姿态传感器采集的壳体姿态角;
获取旋转编码器采集的壳体移动距离;
根据壳体姿态角和壳体移动距离,采用数据标准化处理算法处理果树冠层深度信息,并采用果树冠层靶标判别算法,提取出果树冠层靶标对象。
进一步的,所述果树冠层深度信息的采集,具体为:
面阵激光雷达在测量坐标系o′x′y′z′下采集得到果树冠层深度信息矩阵T′:
其中,矩阵元素r′ij表示单个采集点的测量距离,1≤i≤M,1≤j≤N;每个采集点在测量坐标系o′x′y′z′下的采集方向固定为(a′ij,b′ij,c′ij)。
进一步的,所述采用数据标准化处理算法处理果树冠层深度信息,并采用果树冠层靶标判别算法,提取出果树冠层靶标对象,具体包括:
对果树冠层深度信息进行数据标准化处理,如下:
其中,(r″ij,wij,hij)为果树冠层与壳体之间以标准坐标系oxyz为坐标系的标准化距离数据;r′ij表示单个采集点的测量距离,1≤i≤M,1≤j≤N;H表示壳体的安装高度;d表示壳体的移动距离;Rp、Rr、Rδ、Rθ、表示旋转矩阵,(p,r,δ)表示测量坐标系为o′x′y′z′与标准坐标系oxyz之间的偏差角,表示壳体的航向角、θ表示壳体的俯仰角,γ表示壳体的横滚角;
根据r″ij的计算结果,建立果树冠层探测距离矩阵,如下:
采用最小值搜索算法,提取果树冠层探测距离矩阵T″的最小值r″min,如下:
r″min=minT″
将果树冠层探测距离矩阵T″中大于探测门限值r″th的元素置零,得到果树冠层靶标对象矩阵T,如下:
进一步的,所述探测门限值r″th的设置如下:
其中,F为果树冠层的平均直径。
本发明的第三个目的可以通过采取如下技术方案达到:
一种计算设备,包括处理器以及用于存储处理器可执行程序的存储器,所述处理器执行存储器存储的程序时,实现上述的果树冠层靶标探测方法。
本发明的第四个目的可以通过采取如下技术方案达到:
一种存储介质,存储有程序,所述程序被处理器执行时,实现上述的果树冠层靶标探测方法。
本发明相对于现有技术具有如下的有益效果:
本发明采用的面阵激光雷达以面扫的方式进行距离探测,可以一次性探测整棵果树冠层深度信息,相比其他靶标探测方式,具有探测面积大、信息丰富、实时性高的优点,同时通过九轴姿态传感器采集壳体的姿态角,以及通过旋转编码器采集壳体的移动距离,根据壳体姿态角和壳体移动距离,采用数据标准化处理算法处理果树冠层深度信息,并采用果树冠层靶标判别算法,提取出果树冠层靶标对象,实现整棵果树冠层靶标信息的准确快速探测;此外,本发明装置的结构简单,计算复杂度较低,易于使用。
附图说明
图1为本发明实施例1的果树冠层靶标探测装置的结构示意图。
图2为本发明实施例1的果树冠层靶标探测方法的流程图。
图3为本发明实施例2的计算设备的结构框图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
实施例1:
如图1所示,本实施例提供了一种果树冠层靶标探测装置,该装置包括壳体101、面阵激光雷达102、九轴姿态传感器103、旋转编码器104和处理器105,壳体101所在的标准坐标系为oxyz,其原点为壳体101的初始位置,运动方向为z轴。
所述面阵激光雷达102是一种采用面扫的方式进行距离探测的新型激光传感器,可以一次性探测整棵果树冠层深度信息,其设置在壳体101上,具体设置在壳体101的其中一侧,本实施例设置在壳体101的右侧,用于采集果树106冠层深度信息;进一步地,面阵激光雷达102采用多点阵列的方式采集果树冠层深度信息,其采集面阵大小为M×N;其中,M≥2,N≥2,以点为单位,面阵激光雷达102所在的测量坐标系为o′x′y′z′,每个采集点的测量角度与x′、y′、z′轴之间的夹角为(a′ij,b′ij,c′ij),测量坐标系为o′x′y′z′与标准坐标系oxyz之间的偏差角为(p,r,δ);其中1≤i≤M,1≤j≤N。
所述旋转编码器104设置在壳体101外,用于采集壳体101的移动距离,具体通过计数脉冲采集壳体101沿z轴移动的距离,以毫米为单位。
所述处理器105可以设置在壳体101内,也可以设置在壳体101外,本实施例设置在壳体101内,,其分别与面阵激光雷达101、九轴姿态传感器102、旋转编码器103连接,用于根据壳体101的姿态角和壳体101的移动距离,采用数据标准化处理算法处理果树冠层深度信息,并采用果树冠层靶标判别算法,提取出果树冠层靶标对象。
进一步地,所述壳体101内设有电源模块107,电源模块107用于给装置供电,具体为面阵激光雷达102、九轴姿态传感器103、旋转编码器104和处理器105进行供电。
本实施例还提供了一种果树冠层靶标探测方法,如图2所示,该方法通过上述处理器实现,包括以下步骤:
S201、获取面阵激光雷达采集的果树冠层深度信息。
壳体101沿着标准坐标系为oxyz的z轴前进,面阵激光雷达在测量坐标系o′x′y′z′下采集得到果树冠层深度信息矩阵T′:
其中,矩阵元素r′ij表示单个采集点的测量距离,1≤i≤M,1≤j≤N,以毫米为单位;每个采集点在测量坐标系o′x′y′z′下的采集方向固定为(a′ij,b′ij,c′ij),以度为单位。
S202、获取九轴姿态传感器采集的壳体姿态角。
S203、获取旋转编码器采集的壳体移动距离。
旋转编码器通过计数脉冲的方式进行采集壳体的移动距离,即采集壳体沿z轴前进的距离,用d表示,以毫米为单位。
S204、根据壳体姿态角和壳体移动距离,采用数据标准化处理算法处理果树冠层深度信息,并采用果树冠层靶标判别算法,提取出果树冠层靶标对象。
采用数据标准化处理算法处理果树冠层深度信息,并采用果树冠层靶标判别算法,提取出果树冠层靶标对象,具体包括:
1)对果树冠层深度信息进行数据标准化处理,如下:
其中,(r″ij,wij,hij)为果树冠层与壳体之间以标准坐标系oxyz为坐标系的标准化距离数据;r′ij表示单个采集点的测量距离,1≤i≤M,1≤j≤N,以毫米为单位;H表示壳体的安装高度,以毫米为单位;d表示壳体的移动距离;Rp、Rr、Rδ、Rθ、 表示旋转矩阵,(p,r,δ)表示测量坐标系为o′x′y′z′与标准坐标系oxyz之间的偏差角,表示壳体的航向角、θ表示壳体的俯仰角,γ表示壳体的横滚角;Rp、Rr、Rδ、Rθ、分别等于:
2)根据r″ij的计算结果,建立果树冠层探测距离矩阵,如下:
3)采用最小值搜索算法,提取果树冠层探测距离矩阵T″的最小值r″min,如下:
r″min=minT″
4)将果树冠层探测距离矩阵T″中大于探测门限值r″th的元素置零,得到果树冠层靶标对象矩阵T,以毫米为单位,如下:
进一步地,所述探测门限值r″th的设置如下:
其中,F为果树冠层的平均直径,以毫米为单位。
本领域技术人员可以理解,实现上述方法中的全部或部分步骤可以通过程序来指令相关的硬件来完成,相应的程序可以存储于计算机可读存储介质中。
应当注意,尽管在附图中以特定顺序描述了上述方法操作,但是这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。相反,描绘的步骤可以改变执行顺序。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
实施例2:
本实施例提供了一种计算设备,如图3所示,该计算设备为计算机,其包括通过系统总线301连接的处理器302、存储器、输入装置303、显示器304和网络接口305。其中,处理器302用于提供计算和控制能力,可以作为实施例1的处理器,存储器包括非易失性存储介质306和内存储器307,该非易失性存储介质306存储有操作系统、计算机程序和数据库,该内存储器307为非易失性存储介质306中的操作系统和计算机程序的运行提供环境,计算机程序被处理器302执行时,实现上述实施例1的果树冠层靶标探测方法,如下:
获取壳体上面阵激光雷达采集的果树冠层深度信息;
获取壳体内九轴姿态传感器采集的壳体姿态角;
获取旋转编码器采集的壳体移动距离;
根据壳体姿态角和壳体移动距离,采用数据标准化处理算法处理果树冠层深度信息,并采用果树冠层靶标判别算法,提取出果树冠层靶标对象。
实施例3:
本实施例提供了一种存储介质,该存储介质为计算机可读存储介质,其存储有计算机程序,计算机程序被处理器执行时,实现上述实施例1的果树冠层靶标探测方法,如下:
获取壳体上面阵激光雷达采集的果树冠层深度信息;
获取壳体内九轴姿态传感器采集的壳体姿态角;
获取旋转编码器采集的壳体移动距离;
根据壳体姿态角和壳体移动距离,采用数据标准化处理算法处理果树冠层深度信息,并采用果树冠层靶标判别算法,提取出果树冠层靶标对象。
本实施例的存储介质可以是磁盘、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、U盘、移动硬盘等介质。
综上所述,本发明采用的面阵激光雷达以面扫的方式进行距离探测,可以一次性探测整棵果树冠层深度信息,相比其他靶标探测方式,具有探测面积大、信息丰富、实时性高的优点,同时通过九轴姿态传感器采集壳体的姿态角,以及通过旋转编码器采集壳体的移动距离,根据壳体姿态角和壳体移动距离,采用数据标准化处理算法处理果树冠层深度信息,并采用果树冠层靶标判别算法,提取出果树冠层靶标对象,实现整棵果树冠层靶标信息的准确快速探测;此外,本发明装置的结构简单,计算复杂度较低,易于使用。
以上所述,仅为本发明专利较佳的实施例,但本发明专利的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明专利所公开的范围内,根据本发明专利的技术方案及其发明构思加以等同替换或改变,都属于本发明专利的保护范围。
Claims (8)
1.一种果树冠层靶标探测装置,其特征在于,所述装置包括壳体、面阵激光雷达、九轴姿态传感器、旋转编码器和处理器;
所述面阵激光雷达设置在壳体上,用于采集果树冠层深度信息;
所述九轴姿态传感器设置在壳体内,用于采集壳体的姿态角;
所述旋转编码器,用于采集壳体的移动距离;
所述处理器分别与面阵激光雷达、九轴姿态传感器、旋转编码器连接,用于根据壳体的姿态角和壳体的移动距离,采用数据标准化处理算法处理果树冠层深度信息,并采用果树冠层靶标判别算法,提取出果树冠层靶标对象;
所述采用数据标准化处理算法处理果树冠层深度信息,并采用果树冠层靶标判别算法,提取出果树冠层靶标对象,具体包括:
对果树冠层深度信息进行数据标准化处理,如下:
其中,(r″ij,wij,hij)为果树冠层与壳体之间以标准坐标系oxyz为坐标系的标准化距离数据;rij′表示单个采集点的测量距离,1≤i≤M,1≤j≤N;H表示壳体的安装高度;d表示壳体的移动距离;Rp、Rr、Rδ、Rθ、表示旋转矩阵,(p,r,δ)表示测量坐标系为o′x′y′z′与标准坐标系oxyz之间的偏差角,表示壳体的航向角、θ表示壳体的俯仰角,γ表示壳体的横滚角;
根据r″ij的计算结果,建立果树冠层探测距离矩阵,如下:
采用最小值搜索算法,提取果树冠层探测距离矩阵T″的最小值r″min,如下:
r″min=minT″
将果树冠层探测距离矩阵T″中大于探测门限值r″th的元素置零,得到果树冠层靶标对象矩阵T,如下:
所述探测门限值r″th的设置如下:
其中,F为果树冠层的平均直径。
2.根据权利要求1所述的果树冠层靶标探测装置,其特征在于,所述面阵激光雷达采用多点阵列的方式采集果树冠层深度信息,其采集面阵大小为M×N;其中,M≥2,N≥2。
3.根据权利要求2所述的果树冠层靶标探测装置,其特征在于,所述面阵激光雷达所在的测量坐标系为o′x′y′z′,每个采集点的测量角度与x′、y′、z′轴之间的夹角为(a′ij,b′ij,c′ij),测量坐标系为o′x′y′z′与标准坐标系oxyz之间的偏差角为(p,r,δ);其中1≤i≤M,1≤j≤N。
4.根据权利要求1所述的果树冠层靶标探测装置,其特征在于,所述姿态角包括航向角、俯仰角和横滚角。
5.一种果树冠层靶标探测方法,其特征在于,所述方法包括:
获取壳体上面阵激光雷达采集的果树冠层深度信息;
获取壳体内九轴姿态传感器采集的壳体姿态角;
获取旋转编码器采集的壳体移动距离;
根据壳体姿态角和壳体移动距离,采用数据标准化处理算法处理果树冠层深度信息,并采用果树冠层靶标判别算法,提取出果树冠层靶标对象;
所述采用数据标准化处理算法处理果树冠层深度信息,并采用果树冠层靶标判别算法,提取出果树冠层靶标对象,具体包括:
对果树冠层深度信息进行数据标准化处理,如下:
其中,(r″ij,wij,hij)为果树冠层与壳体之间以标准坐标系oxyz为坐标系的标准化距离数据;rij′表示单个采集点的测量距离,1≤i≤M,1≤j≤N;H表示壳体的安装高度;d表示壳体的移动距离;Rp、Rr、Rδ、Rθ、表示旋转矩阵,(p,r,δ)表示测量坐标系为o′x′y′z′与标准坐标系oxyz之间的偏差角,表示壳体的航向角、θ表示壳体的俯仰角,γ表示壳体的横滚角;
根据r″ij的计算结果,建立果树冠层探测距离矩阵,如下:
采用最小值搜索算法,提取果树冠层探测距离矩阵T″的最小值r″min,如下:
r″min=minT″
将果树冠层探测距离矩阵T″中大于探测门限值r″th的元素置零,得到果树冠层靶标对象矩阵T,如下:
所述探测门限值r″th的设置如下:
其中,F为果树冠层的平均直径。
7.一种计算设备,包括处理器以及用于存储处理器可执行程序的存储器,其特征在于,所述处理器执行存储器存储的程序时,实现权利要求5-6任一项所述的果树冠层靶标探测方法。
8.一种存储介质,存储有程序,其特征在于,所述程序被处理器执行时,实现权利要求5-6任一项所述的果树冠层靶标探测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811403689.7A CN109387848B (zh) | 2018-11-23 | 2018-11-23 | 果树冠层靶标探测装置、方法、计算设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811403689.7A CN109387848B (zh) | 2018-11-23 | 2018-11-23 | 果树冠层靶标探测装置、方法、计算设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109387848A CN109387848A (zh) | 2019-02-26 |
CN109387848B true CN109387848B (zh) | 2020-10-09 |
Family
ID=65429513
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811403689.7A Active CN109387848B (zh) | 2018-11-23 | 2018-11-23 | 果树冠层靶标探测装置、方法、计算设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109387848B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110506726A (zh) * | 2019-09-27 | 2019-11-29 | 华南农业大学 | 果树目标检测装置、果园喷雾机及果树目标检测方法 |
CN110476941B (zh) * | 2019-09-30 | 2023-09-26 | 华南农业大学 | 自动对靶变量喷雾控制系统、喷雾机及控制方法 |
CN112837309B (zh) * | 2021-03-02 | 2023-10-20 | 华南农业大学 | 果树冠层靶标识别装置、方法、计算设备及存储介质 |
CN114916524B (zh) * | 2022-06-27 | 2023-06-13 | 华南农业大学 | 一种升降式靶标随动风送喷雾车及控制方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103120150A (zh) * | 2013-01-09 | 2013-05-29 | 南京农业大学 | 自走式果园对靶风送喷雾机 |
CN105557672A (zh) * | 2016-02-16 | 2016-05-11 | 江苏省农业科学院 | 一种果树靶标探测系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106643546B (zh) * | 2016-10-31 | 2019-04-12 | 南京林业大学 | 基于移动二维激光扫描的单木三维绿量测量方法 |
CN207881648U (zh) * | 2018-01-09 | 2018-09-18 | 农业部南京农业机械化研究所 | 基于二维激光的果树冠层三维点云扫描系统 |
-
2018
- 2018-11-23 CN CN201811403689.7A patent/CN109387848B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103120150A (zh) * | 2013-01-09 | 2013-05-29 | 南京农业大学 | 自走式果园对靶风送喷雾机 |
CN105557672A (zh) * | 2016-02-16 | 2016-05-11 | 江苏省农业科学院 | 一种果树靶标探测系统 |
Non-Patent Citations (2)
Title |
---|
果园靶标在线探测方法及风送变量喷雾技术研究;翟长远;《中国博士学位论文全文数据库 农业科技辑》;20130615;第9页 * |
融合激光三维探测与IMU姿态角实时矫正的喷雾靶标检测;刘慧 等;《农业工程学报》;20170831;第33卷(第15期);第88-97页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109387848A (zh) | 2019-02-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109387848B (zh) | 果树冠层靶标探测装置、方法、计算设备及存储介质 | |
CN110070570B (zh) | 一种基于深度信息的障碍物检测系统及方法 | |
CN111932588B (zh) | 一种基于深度学习的机载无人机多目标跟踪系统的跟踪方法 | |
US9135492B2 (en) | Image based dial gauge reading | |
JP2014529797A5 (zh) | ||
CN104089697A (zh) | 一种基于线程池并发技术的实时在线的视觉振动测量方法 | |
WO2019033576A1 (zh) | 人脸姿态检测方法、装置及存储介质 | |
CN112837309B (zh) | 果树冠层靶标识别装置、方法、计算设备及存储介质 | |
Chen et al. | Multiple object tracking using edge multi-channel gradient model with ORB feature | |
CN112800950A (zh) | 一种基于深度学习的大型安保活动人脸搜索方法 | |
CN107256034B (zh) | 一种基于无人机的变配电室多点环境数据采集系统 | |
CN106897730B (zh) | 基于融合类别信息与局部保持投影的sar目标型号识别方法 | |
CN104872025A (zh) | 一种鱼缸鱼类活动轨迹记录方法 | |
Pan et al. | Leveraging spatial context disparity for power line detection | |
CN103533332A (zh) | 一种2d视频转3d视频的图像处理方法 | |
CN113643206A (zh) | 一种奶牛呼吸情况检测方法 | |
CN104732190B (zh) | 一种基于正交纹理相关分析的合成孔径声纳目标检测方法 | |
CN114200468B (zh) | 水下网衣巡检机器人的定位方法、系统及存储介质 | |
Acampora et al. | Towards automatic bloodstain pattern analysis through cognitive robots | |
CN109580617B (zh) | 果树冠层靶标快速识别装置、方法、计算设备及存储介质 | |
CN103793919A (zh) | 一种二维图像的匹配效果评价方法 | |
CN114120252A (zh) | 自动驾驶车辆状态的识别方法、装置、电子设备及车辆 | |
CN202948458U (zh) | 一种大范围人脸识别装置 | |
Sun et al. | Vision odometer based on RGB-D camera | |
Fu et al. | DBH Extraction of Standing Trees Based on a Binocular Vision Method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |