CN111340055B - 一种农业机械车停车识别的方法 - Google Patents
一种农业机械车停车识别的方法 Download PDFInfo
- Publication number
- CN111340055B CN111340055B CN201811552813.6A CN201811552813A CN111340055B CN 111340055 B CN111340055 B CN 111340055B CN 201811552813 A CN201811552813 A CN 201811552813A CN 111340055 B CN111340055 B CN 111340055B
- Authority
- CN
- China
- Prior art keywords
- points
- point
- positioning
- aggregation
- speed
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种农业机械车停车识别的方法,属于大数据领域,包括数据预处理、聚集点分割、聚集点形状特征提取、聚集点速度特征提取、聚集点方向特征提取、聚集点密度特征提取、组合各特征参数筛选出语义为“停车”的聚集点的方法,解决了找到农机停车点,以方便计算耕地面积的时候删除或不删除这些停车点,使面积计算更加精确的技术问题,本发明对此发散现象的数学、运动学特征进行提取,并加入特征提取、分类算法、聚类算法、轨迹分析算法,使农业作业聚集点清晰,让作业面积计算更准确。
Description
技术领域
本发明属于大数据技术领域,特别涉及一种农业机械车停车识别的方法。
背景技术
在根据农机的作业路径轨迹对农机的耕地面积进行计算时,需要对农机的运动轨迹进行监控,并通过该轨迹进行面积计算,而农机在作业时,不可避免的会出现停车状况,这些停车点在进行面积计算时会引起计算数据的误差,此时需要对农机的停车点进行筛选,确定是否删除或不删除停车点,如何准确的查找出这些停车点,就成为农机耕地面积计算中的必须解决的问题。
发明内容
本发明的目的是提供一种农业机械车停车识别的方法,解决了找到农机停车点,以方便计算耕地面积的时候删除或不删除这些停车点,使面积计算更加精确的技术问题。
为实现上述目的,本发明采用以下技术方案:
一种农业机械车停车识别的方法,包括如下步骤:
步骤1:建立中心服务器,在农机上设置北斗卫星定位装置,中心服务器与北斗卫星定位装置通过北斗模块通信,中心服务器根据农机上的北斗卫星定位装置,采集农机的停车点,设定这些停车点为定位点;
步骤2:中心服务器对定位点进行预处理,其具体步骤如下:
步骤A1:根据农机工作时间、农机所属区域和农机耕地作业最大速度制定农机的活动区域;
步骤A2:将不在活动区域的定位点设定为错误点,并剔除所有错误点;
步骤3:聚集点分割,中心服务器将定位点密集处提取出来,其包括如下步骤:
步骤B1:定位点集合的格网映射:在平面投影坐标系空间计算定位点坐标的包围矩形,以包围矩形长宽的一定比例为空间分辨率,将该包围矩形进行格网划分;
遍历定位点,根据投影坐标空间包含关系将其映射到剖分格网单元,相应的格网单元所包含的定位点计数加1,直到所有数据点处理完毕;
步骤B2:对格网映射后的定位点集合进行一定量的图形腐蚀膨胀操作,删除零星噪点,删除超小型的聚集点,删除聚集点之间的连接轨迹;
步骤B3:图形腐蚀膨胀操作后,对保留下来的定位点使用时间连续的原理连接成一块连续的聚集点集,存储聚集点集的位置、点数与点坐标信息,生成聚集点集数据;
步骤3:中心服务器根据聚集点数据,对聚集点进行形状特征提取,其具体步骤如下:
步骤C1:聚集点形状凸包提取:取处于最小经度和最小纬度的定位点P0作为圆心,顺时针扫描所有定位点,并依照角度升序排序;以定位点P0为轮廓起点顺序连接下一个定位点,检定最新的连线与上一个连线的连线方向夹角是否为负;如果夹角为负时删除上一个定位点将新定位点与上上一个定位点相连,检定最新的连线是否小于长度限制阈值THlength,如果新连线小于长度限制阈值THlength则保留该连线,并继续检测以前的连线的方向夹角,直到夹角为正或者满足新连线大于长度限制阈值THlength后,结束新点的连线检定;
如果新连线大于长度限制阈值THlength则不保留该连线,并恢复最近删除的连线,至此结束新定位点的连线检定;
结束新定位点的连线检定之后继续按顺序检测下一个定位点,直到回到起始点P0,将生成的连线保存,并计算出连线构成的轮廓多边形P;
步骤C2:检测轮廓多边形P是否接近矩形:生成P的外接长方形,计算外接长方形面积与轮廓多边形P面积求比率,当比率大于长方形阈值THsqare时,认定为长方形,将此聚集点的语义认定为耕作;
步骤C3:对聚集点速度特征进行提取,将聚集点的形状特征提取出来:提取每一个定位点的速度,每个定位点均有两个速度,分别是卫星多普勒解算速度Speedgnss和定位点求差速度SpeedΔd;
Speedgnss由北斗模块解算得出,Speedgnss由前后两个定位点位置求差除时间得到;
当Speedgnss与SpeedΔd相差太大时,即,大于速度阈值THspeed,说明定位信号较差,将聚集点内所有相差太大的定位点的总数Mumoutspeed与聚集点内的所有定位点的总数做比,当比值过大时将此聚集点保存,并定义该聚集点的语义为停车;
步骤4:中心服务器对聚集点进行方向特征提取,其具体如下步骤:
步骤D1:将聚集点的方向数据做聚类处理:提取聚集点的主方向和主方向影响范围,计算存在主方向点聚类的定位点总数与聚集点内所有定位点总数的比值,当比值大于预先设定的阈值时,将此聚集点的语义认定为停车;
步骤D2:计算所有聚集点方向数据的转向角度的和,并与聚集点总数做比值,当比值大于预先设定的阈值时,将此聚集点语义认定为停车;
步骤5:中心服务器对聚集点进行密度特征提取:根据定位坐标的误差原理,静态定位时定位点遵循以真实定位点为中心的正态分布,作业时定位点遵循在作业地块内均匀分布;
将聚集点中格网映射后的定位点集合根据灰度腐蚀原理进行腐蚀,如何腐蚀结果成点状,则将此聚集点的语义认定为停车;
步骤6:根据不同的作业类型,对速度和方向预设不同的参数阈值,根据步骤2到步骤5的方法,定义聚集点的语义为停车或者耕作。
优选的,所述北斗卫星定位装置为设有北斗定位模块的定位采集装置,所述北斗卫星定位装置与所述中心服务器之间通过GSM/CDMA网络通信。
优选的,所述错误点出现的原因为北斗卫星定位装置的误差所引起的错误定位信息。
优选的,所述长度限制阈值THlength由用于自行预先设定,所述长方形阈值THsqare为图形最接近长方形的阈值;所述速度阈值THspeed为预先设定的一个整数值。
优选的,所述不同的作业类型包括拖拉机作业、旋耕作业、打捆作业、甘蔗种植作业、秸秆还田、插秧作业、稻麦收割作业、深松整地、植保作业、播种作业、翻耕作业和深翻作业。
本发明所述的一种农业机械车停车识别的方法,解决了找到农机停车点,以方便计算耕地面积的时候删除或不删除这些停车点,使面积计算更加精确的技术问题,本发明对此发散现象的数学、运动学特征进行提取,并加入特征提取、分类算法、聚类算法、轨迹分析算法,使农业作业聚集点清晰,让作业面积计算更准确。
附图说明
图1是本发明的流程图。
具体实施方式
如图1所示的一种农业机械车停车识别的方法,包括如下步骤:
步骤1:建立中心服务器,在农机上设置北斗卫星定位装置,中心服务器与北斗卫星定位装置通过北斗模块通信,中心服务器根据农机上的北斗卫星定位装置,采集农机的停车点,设定这些停车点为定位点;
步骤2:中心服务器对定位点进行预处理,其具体步骤如下:
步骤A1:根据农机工作时间、农机所属区域和农机耕地作业最大速度制定农机的活动区域;
步骤A2:将不在活动区域的定位点设定为错误点,并剔除所有错误点;
步骤3:聚集点分割,中心服务器将定位点密集处提取出来,其包括如下步骤:
步骤B1:定位点集合的格网映射:在平面投影坐标系空间计算定位点坐标的包围矩形,以包围矩形长宽的一定比例为空间分辨率,将该包围矩形进行格网划分;
遍历定位点,根据投影坐标空间包含关系将其映射到剖分格网单元,相应的格网单元所包含的定位点计数加1,直到所有数据点处理完毕;
步骤B2:对格网映射后的定位点集合进行一定量的图形腐蚀膨胀操作,删除零星噪点,删除超小型的聚集点,删除聚集点之间的连接轨迹;
步骤B3:图形腐蚀膨胀操作后,对保留下来的定位点使用时间连续的原理连接成一块连续的聚集点集,存储聚集点集的位置、点数与点坐标信息,生成聚集点集数据;
步骤3:中心服务器根据聚集点数据,对聚集点进行形状特征提取,其具体步骤如下:
步骤C1:聚集点形状凸包提取:取处于最小经度和最小纬度的定位点P0作为圆心,顺时针扫描所有定位点,并依照角度升序排序;以定位点P0为轮廓起点顺序连接下一个定位点,检定最新的连线与上一个连线的连线方向夹角是否为负;如果夹角为负时删除上一个定位点将新定位点与上上一个定位点相连,检定最新的连线是否小于长度限制阈值THlength,如果新连线小于长度限制阈值THlength则保留该连线,并继续检测以前的连线的方向夹角,直到夹角为正或者满足新连线大于长度限制阈值THlength后,结束新点的连线检定;
如果新连线大于长度限制阈值THlength则不保留该连线,并恢复最近删除的连线,至此结束新定位点的连线检定;
结束新定位点的连线检定之后继续按顺序检测下一个定位点,直到回到起始点P0,将生成的连线保存,并计算出连线构成的轮廓多边形P;
步骤C2:检测轮廓多边形P是否接近矩形:生成P的外接长方形,计算外接长方形面积与轮廓多边形P面积求比率,当比率大于长方形阈值THsqare时,认定为长方形,将此聚集点的语义认定为耕作;
步骤C3:对聚集点速度特征进行提取,将聚集点的形状特征提取出来:提取每一个定位点的速度,每个定位点均有两个速度,分别是卫星多普勒解算速度Speedgnss和定位点求差速度SpeedΔd;
Speedgnss由北斗模块解算得出,Speedgnss由前后两个定位点位置求差除时间得到;
当Speedgnss与SpeedΔd相差太大时,即,大于速度阈值THspeed,说明定位信号较差,将聚集点内所有相差太大的定位点的总数Mumoutspeed与聚集点内的所有定位点的总数做比,当比值过大时将此聚集点保存,并定义该聚集点的语义为停车;
步骤4:中心服务器对聚集点进行方向特征提取,其具体如下步骤:
步骤D1:将聚集点的方向数据做聚类处理:提取聚集点的主方向和主方向影响范围,计算存在主方向点聚类的定位点总数与聚集点内所有定位点总数的比值,当比值大于预先设定的阈值时,将此聚集点的语义认定为停车;
步骤D2:计算所有聚集点方向数据的转向角度的和,并与聚集点总数做比值,当比值大于预先设定的阈值时,将此聚集点语义认定为停车;
步骤5:中心服务器对聚集点进行密度特征提取:根据定位坐标的误差原理,静态定位时定位点遵循以真实定位点为中心的正态分布,作业时定位点遵循在作业地块内均匀分布;
将聚集点中格网映射后的定位点集合根据灰度腐蚀原理进行腐蚀,如何腐蚀结果成点状,则将此聚集点的语义认定为停车;
步骤6:根据不同的作业类型,对速度和方向预设不同的参数阈值,根据步骤2到步骤5的方法,定义聚集点的语义为停车或者耕作。
本发明将不在活动区域的定位点设定为错误点,不参与到面积计算中,将停车或者耕作的聚集点区分开,判断并删除无用停车点,使其不再参与到面积计算中,从而增加了面积计算的准确度。
优选的,所述北斗卫星定位装置为设有北斗定位模块的定位采集装置,所述北斗卫星定位装置与所述中心服务器之间通过GSM/CDMA网络通信。
优选的,所述错误点出现的原因为北斗卫星定位装置的误差所引起的错误定位信息。
优选的,所述长度限制阈值THlength由用于自行预先设定,所述长方形阈值THsqare为图形最接近长方形的阈值;所述速度阈值THspeed为预先设定的一个整数值。
优选的,所述不同的作业类型包括拖拉机作业、旋耕作业、打捆作业、甘蔗种植作业、秸秆还田、插秧作业、稻麦收割作业、深松整地、植保作业、播种作业、翻耕作业和深翻作业。
本发明为能根据北斗定位终端的发散性的定位结果,通过数据预处理、聚集点分割、聚集点形状特征提取、聚集点速度特征提取、聚集点方向特征提取、聚集点密度特征提取、组合各特征参数筛选出语义为“停车”的聚集点的方法进行清晰化处理,使农业作业聚集点的位置清晰化,对停车锚点继续整理,筛除无用停车点。
本发明所述北斗卫星定位装置为设有北斗定位模块的定位采集装置,所述北斗卫星定位装置与所述中心服务器之间通过GSM/CDMA网络通信。
本发明所述的一种农业机械车停车识别的方法解决了找到农机停车点,以方便计算耕地面积的时候删除或不删除这些停车点,使面积计算更加精确的技术问题,本发明对此发散现象的数学、运动学特征进行提取,并加入特征提取、分类算法、聚类算法、轨迹分析算法,使农业作业聚集点清晰,让作业面积计算更准确。
Claims (5)
1.一种农业机械车停车识别的方法,其特征在于:包括如下步骤:
步骤1:建立中心服务器,在农机上设置北斗卫星定位装置,中心服务器与北斗卫星定位装置通过北斗模块通信,中心服务器根据农机上的北斗卫星定位装置,采集农机的停车点,设定这些停车点为定位点;
步骤2:中心服务器对定位点进行预处理,其具体步骤如下:
步骤A1:根据农机工作时间、农机所属区域和农机耕地作业最大速度制定农机的活动区域;
步骤A2:将不在活动区域的定位点设定为错误点,并剔除所有错误点;
步骤3:聚集点分割,中心服务器将定位点密集处提取出来,其包括如下步骤:
步骤B1:定位点集合的格网映射:在平面投影坐标系空间计算定位点坐标的包围矩形,以包围矩形长宽的一定比例为空间分辨率,将该包围矩形进行格网划分;
遍历定位点,根据投影坐标空间包含关系将其映射到剖分格网单元,相应的格网单元所包含的定位点计数加1,直到所有数据点处理完毕;
步骤B2:对格网映射后的定位点集合进行一定量的图形腐蚀膨胀操作,删除零星噪点,删除超小型的聚集点,删除聚集点之间的连接轨迹;
步骤B3:图形腐蚀膨胀操作后,对保留下来的定位点使用时间连续的原理连接成一块连续的聚集点集,存储聚集点集的位置、点数与点坐标信息,生成聚集点集数据;
步骤3:中心服务器根据聚集点数据,对聚集点进行形状特征提取,其具体步骤如下:
步骤C1:聚集点形状凸包提取:取处于最小经度和最小纬度的定位点P0作为圆心,顺时针扫描所有定位点,并依照角度升序排序;以定位点P0为轮廓起点顺序连接下一个定位点,检定最新的连线与上一个连线的连线方向夹角是否为负;如果夹角为负时删除上一个定位点将新定位点与上上一个定位点相连,检定最新的连线是否小于长度限制阈值THlength,如果新连线小于长度限制阈值THlength则保留该连线,并继续检测以前的连线的方向夹角,直到夹角为正或者满足新连线大于长度限制阈值THlength后,结束新点的连线检定;
如果新连线大于长度限制阈值THlength则不保留该连线,并恢复最近删除的连线,至此结束新定位点的连线检定;
结束新定位点的连线检定之后继续按顺序检测下一个定位点,直到回到起始点P0,将生成的连线保存,并计算出连线构成的轮廓多边形P;
步骤C2:检测轮廓多边形P是否接近矩形:生成P的外接长方形,计算外接长方形面积与轮廓多边形P面积求比率,当比率大于长方形阈值THsqare时,认定为长方形,将此聚集点的语义认定为耕作;
步骤C3:对聚集点速度特征进行提取,将聚集点的形状特征提取出来:提取每一个定位点的速度,每个定位点均有两个速度,分别是卫星多普勒解算速度Speedgnss和定位点求差速度SpeedΔd;
Speedgnss由北斗模块解算得出,Speedgnss由前后两个定位点位置求差除时间得到;
当Speedgnss与SpeedΔd相差太大时,即,大于速度阈值THspeed,说明定位信号较差,将聚集点内所有相差太大的定位点的总数Mumoutspeed与聚集点内的所有定位点的总数做比,当比值过大时将此聚集点保存,并定义该聚集点的语义为停车;
步骤4:中心服务器对聚集点进行方向特征提取,其具体如下步骤:
步骤D1:将聚集点的方向数据做聚类处理:提取聚集点的主方向和主方向影响范围,计算存在主方向点聚类的定位点总数与聚集点内所有定位点总数的比值,当比值大于预先设定的阈值时,将此聚集点的语义认定为停车;
步骤D2:计算所有聚集点方向数据的转向角度的和,并与聚集点总数做比值,当比值大于预先设定的阈值时,将此聚集点语义认定为停车;
步骤5:中心服务器对聚集点进行密度特征提取:根据定位坐标的误差原理,静态定位时定位点遵循以真实定位点为中心的正态分布,作业时定位点遵循在作业地块内均匀分布;
将聚集点中格网映射后的定位点集合根据灰度腐蚀原理进行腐蚀,如何腐蚀结果成点状,则将此聚集点的语义认定为停车;
步骤6:根据不同的作业类型,对速度和方向预设不同的参数阈值,根据步骤2到步骤5的方法,定义聚集点的语义为停车或者耕作。
2.如权利要求1所述的一种农业机械车停车识别的方法,其特征在于:所述北斗卫星定位装置为设有北斗定位模块的定位采集装置,所述北斗卫星定位装置与所述中心服务器之间通过GSM/CDMA网络通信。
3.如权利要求1所述的一种农业机械车停车识别的方法,其特征在于:所述错误点出现的原因为北斗卫星定位装置的误差所引起的错误定位信息。
4.如权利要求1所述的一种农业机械车停车识别的方法,其特征在于:所述长度限制阈值THlength由用于自行预先设定,所述长方形阈值THsqare为图形最接近长方形的阈值;所述速度阈值THspeed为预先设定的一个整数值。
5.如权利要求1所述的一种农业机械车停车识别的方法,其特征在于:所述不同的作业类型包括拖拉机作业、旋耕作业、打捆作业、甘蔗种植作业、秸秆还田、插秧作业、稻麦收割作业、深松整地、植保作业、播种作业、翻耕作业和深翻作业。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811552813.6A CN111340055B (zh) | 2018-12-18 | 2018-12-18 | 一种农业机械车停车识别的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811552813.6A CN111340055B (zh) | 2018-12-18 | 2018-12-18 | 一种农业机械车停车识别的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111340055A CN111340055A (zh) | 2020-06-26 |
CN111340055B true CN111340055B (zh) | 2023-06-27 |
Family
ID=71181309
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811552813.6A Active CN111340055B (zh) | 2018-12-18 | 2018-12-18 | 一种农业机械车停车识别的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111340055B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115436973A (zh) * | 2022-09-02 | 2022-12-06 | 湖北地信科技集团股份有限公司 | 一种北斗农机作业轨迹快速过滤分组方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104992072A (zh) * | 2015-07-21 | 2015-10-21 | 江苏北斗卫星应用产业研究院有限公司 | 基于空间网格剖分的作业地块自动识别与面积统计方法 |
CN107462208A (zh) * | 2017-08-15 | 2017-12-12 | 河北农业大学 | 一种农机及农机作业面积测量装置和测量方法 |
CN107657637A (zh) * | 2017-09-25 | 2018-02-02 | 中国农业大学 | 一种农机作业面积获取方法 |
-
2018
- 2018-12-18 CN CN201811552813.6A patent/CN111340055B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104992072A (zh) * | 2015-07-21 | 2015-10-21 | 江苏北斗卫星应用产业研究院有限公司 | 基于空间网格剖分的作业地块自动识别与面积统计方法 |
CN107462208A (zh) * | 2017-08-15 | 2017-12-12 | 河北农业大学 | 一种农机及农机作业面积测量装置和测量方法 |
CN107657637A (zh) * | 2017-09-25 | 2018-02-02 | 中国农业大学 | 一种农机作业面积获取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111340055A (zh) | 2020-06-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108846832B (zh) | 一种基于多时相遥感影像与gis数据的变化检测方法及系统 | |
CN106990401B (zh) | 基于全波形机载激光雷达数据二类高程误差修正方法 | |
Yu et al. | Change detection techniques for canopy height growth measurements using airborne laser scanner data | |
CN108489402A (zh) | 基于三维激光扫描的露天矿山边坡岩体节理规模快速精细取值方法 | |
CN108334476B (zh) | 农机作业平整度的检测方法、装置和系统 | |
CN107239659B (zh) | 一种基于改进的k-rusle模型与成土速率计算土壤侵蚀的方法 | |
CN113010567B (zh) | 一种基于bds/gps定位数据时空特征的农机作业面积计算方法 | |
CN112085675B (zh) | 深度图像去噪方法、前景分割方法及人体运动监测方法 | |
CN112819846B (zh) | 面向多云雨地区的基于多载荷遥感图像的水稻估产方法 | |
Shaw et al. | Comparison of UAV Lidar and imagery for beach monitoring | |
CN111868566A (zh) | 一种基于定位漂移测算模型的农机作业面积测算方法 | |
Bradley et al. | Corrections for wind-speed errors from sodar and lidar in complex terrain | |
CN108376403A (zh) | 基于霍夫圆变换的网格菌落图像分割方法 | |
CN111983637B (zh) | 一种基于激光雷达的果园行间路径提取方法 | |
CN111487646A (zh) | 一种玉米植株形态在线检测方法 | |
CN109934120B (zh) | 一种基于空间密度和聚类的分步点云噪声去除方法 | |
CN111340055B (zh) | 一种农业机械车停车识别的方法 | |
CN103020595B (zh) | 基于三维飞行时间法成像的农作物-杂草识别及定位方法 | |
CN102592118B (zh) | 一种玉米出苗期的自动检测方法 | |
CN113238205A (zh) | 基于人工智能的无人机测绘点云数据偏移校正方法与系统 | |
CN117036944B (zh) | 基于点云数据和图像识别的树木碳汇量计算方法及系统 | |
CN116576863A (zh) | 一种玉米数据采集机器人作物行间导航路径识别方法、计算机设备及介质 | |
CN110763181B (zh) | 基于位置数据时态分析的作业面积滤除方法 | |
CN117237568A (zh) | 基于点云数据拟合的架空输电线路三维实景建模方法 | |
CN110046209B (zh) | 一种基于高斯模型的轨迹停止点提取方法 |
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 |