一种基于视觉的农林园区机器人导航方法

    公开(公告)号:CN109753075A

    公开(公告)日:2019-05-14

    申请号:CN201910084147.6

    申请日:2019-01-29

    Abstract: 本发明提出一种基于视觉的农林园区机器人导航方法,包括:S1,在农林园区的果园行的出入口处设置辅助标牌;S2,当机器人运动到该辅助标牌前方,调整距离该辅助标牌的距离和角度,然后完成转向。本发明的方法针对果园中机器人依赖GPS定位存在不能定位的情况,可以让机器人在无GPS情况下,利用果园行带检测方法和定位引导标牌实现机器人精准出行、转弯和寻找下一行的功能,满足机器人在果园中连续工作的需求。果园环境内,如果使用GPS定位,则会存在GPS经常丢失的情况,定位不准而且后续的运行成本较大。本发明可以在无GPS的情况下,实现机器人正确导航,减少了经济投入。

    一种遥感图像城区提取方法

    公开(公告)号:CN104331698A

    公开(公告)日:2015-02-04

    申请号:CN201410662642.8

    申请日:2014-11-19

    CPC classification number: G06K9/00637 G06K9/4671 G06K9/6269

    Abstract: 一种遥感图像城区提取方法,包括:S1,针对ASTER VNIR卫星遥感图像及其衍生产品高程数据以及PALSAR HH/HV卫星遥感图像样本,进行特征提取;S2,基于城区和非城区的光谱特性,进行显著城区和非城区点提取;S3,以显著城区和非城区点为初始信息,结合待分类数据的特征分布特性,通过LLGC方法进行置信度扩散,获得城区置信图;S4,获得整个遥感图像的置信度,以此加权进行随机采样,生成训练样本;S5,基于SVM进行城区分类:以步骤S1中所提取的特征矢量和步骤S4中提取的样本数据为基础,通过SVM方法进行分类,根据分类标签获得二值化的城区地图。本方法解决了现有技术中人工采样的高成本、高耗时等问题。

    一种融合光谱分层和机器学习的农田土壤重金属反演方法

    公开(公告)号:CN119442864A

    公开(公告)日:2025-02-14

    申请号:CN202411469503.3

    申请日:2024-10-21

    Abstract: 本申请公开了一种融合光谱分层和机器学习的农田土壤重金属反演方法,属于图像处理技术领域。该方法包括:获取调查区域中土壤的待测光谱变量;将待测光谱变量输入至土壤重金属反演模型,生成土壤重金属反演模型输出的调查区域的重金属预测浓度空间分布图,土壤重金属反演模型基于校准样本集和验证样本集构建,校准样本集和验证样本集基于样本土壤的土壤成分信息对多个训练样本进行分层抽样确定,训练样本包括样本土壤的重要光谱变量和重金属浓度;根据重金属预测浓度空间分布图,确定调查区域农田的重金属浓度空间分布图。该方法显著提高了土壤重金属浓度监测的准确性,有效降低了监测成本和时间。

    一种利用无人机影像进行果树识别和计数的方法和系统

    公开(公告)号:CN110598619B

    公开(公告)日:2023-04-07

    申请号:CN201910840633.6

    申请日:2019-09-06

    Abstract: 本发明提出一种基于无人机数据采集的果树识别和数量监测方法,包括:S1,将无人机原始影像进行预处理,生成数字表面模型和正射影像;S2,基于正射影像计算植被指数;S3,根据植被指数的性质,识别出植被区域和背景;S4,通过已知的果树直径范围和图像的空间分辨率对果树进行筛选,确定果树位置和直径;S5,将初步识别的果树位置和直径代入到数字表面模型,利用果树位置临近的海拔的最低值与果树海拔的最高值进行做差,获得果树高度。本发明还提出一种对应的系统。本发明提出了一种新思路,将无人机同步生成的数字表面模型作为依据,利用数字表面模型求取识别后的作物高度,然后根据果树高度范围对果树进行二次识别和计数,提高果树识别精度。

Patent Agency Ranking