买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:昆明理工大学
摘要:本发明提供一种精准挖掘三七主根的路径控制方法,包括构建三七“根‑土‑茎”图像、确定最优入挖点、构建防碰边界、生成主根最小包围体及挖掘路径规划;即该方法通过构建三七“根‑土‑茎”复合图像、获得最优入挖点,同时利用对三七“根‑土‑茎”复合图像的拆解,配合传感信号获取与信号转换,获得防碰边界,利用防碰边界生成最小包围体,通过最优入挖点与最小包围体的组合,完成三七挖掘路径的规划。该方法能够对三七地下主根部分进行有效挖掘,避免挖掘过程中出现伤根率高、效率低等问题,实现三七的高精度、自动化挖掘。
主权项:1.一种精准挖掘三七主根的路径控制方法,其特征在于:包括构建三七“根-土-茎”图像、确定最优入挖点、构建防碰边界、生成主根最小包围体及挖掘路径规划;所述构建三七“根-土-茎”图像为:拼接茎叶点云图像、建立根茎检测图像及图像相互融合,得到三七“根-土-茎”复合图像;所述拼接茎叶点云图像具体为:采用两组双目立体视觉相机,分别从对侧进行三七茎叶部分的图像拍摄,获取两组深度图像;再采用改进的迭代最近点算法,对两组深度图像中的点云进行拼接,从而获得茎叶点云图像;其中,改进的迭代最近点算法具体为:步骤S1-1:对于两个待配准的点云,首先从中提取出一些特征点,作为匹配依据,特征点提取具体为: ;式中:P表示点云中所有点的集合;或表示某个点pi或pj的特征向量;或表示pi或pj点的特征分数;表示被选中的具有显著特征的特征点集合;步骤S1-2:在进行点云配准时,从特征点集合中选取稠密的点对进行匹配;一般使用基于距离的邻域搜索方法来获取稠密的点对,即假定两组点云中对应点对之间距离的均值方差相等,通过以下方法获取每个点的邻域范围: ;式中:表示点pi与qj之间的欧式距离;r表示邻域搜索范围;Ni表示与点pi相邻的点的集合;步骤S1-3:在将稠密点对配准后、最小化这些点对之间的距离误差,使用加权平均误差衡量配准效果,具体如下: ;式中:E表示加权平均误差;n表示点对的数量;分别表示待配准的两个点云中的对应点对;表示之间的欧式距离;wi表示权重系数、用于调整每个点对的贡献;步骤S1-4:通过最小化加权平均误差,获得两组点云之间的刚性变换;通过采用一个4x4的矩阵表示两组点云的刚性变换,具体为: ;式中:R表示旋转矩阵,t表示平移向量,它们通过以下逐步迭代公式获得: ; ;式中:表示欧式范数,求解过程中进行多次迭代,直至误差趋近于0;所述建立根茎检测图像具体为:依据电阻抗检测方法,在三七根茎部周围环插多个电阻抗传感器,采用改进的修正牛顿拉普森算法,将电阻抗传感器获取的电信号重建为图像信号,从而获得根茎检测图像;其中,改进的修正牛顿拉普森算法具体为:步骤S2-1:采用电阻抗成像技术将待测物体表面分为若干分离的区域,从每对电极接口处采集电压值、即电阻抗测量值;步骤S2-2:对步骤S2-1中获取的数据进行预处理;步骤S2-3:利用薄膜法对步骤S2-2中预处理后的电阻抗数据进行重构;通过求解欧姆定律将电阻抗表征为关于介质电导率、几何形状和电极位置的函数,通过欧姆法将其表示为关于介质电阻率的函数;再使用非线性优化算法迭代求解分布阻抗;步骤S2-4:用改进的修正牛顿拉普森算法进行图像重建;步骤S2-5:对步骤S2-4中的图像信号进行后处理操作,得到根茎检测图像;所述确定最优入挖点为:通过建立挖掘函数模型,获得最优入挖点;所述通过建立挖掘函数模型具体为:步骤S4-1:首先,设定挖掘装置的入土角为u、边缘点坐标为(v、w),即v、w分别表示图像平面边缘点的横、纵坐标,挖掘装置消耗能量为F,则挖掘函数模型为: ;式中:分别表示多元回归系数;其中: ;式中:表示拟合平面系数;表示平面上一个点的坐标;步骤S4-2:随机初始化u、v、w的值;步骤S4-3:分别计算挖掘函数模型的梯度: ;式中:xi、yi、zi分别表示对应的输入变量u、v、w的值,U表示对应的输出变量;sum表示求和函数;步骤S4-4:进行参数更新,具体为: ;式中:表示学习率,根据实验数据获得;分别表示u、v、w参数更新后的值;步骤S4-5:重复进行步骤S4-3~步骤S4-4,直至达到收敛条件,输出收敛时u、v、w的作为最优解,即可获得挖掘时的最优入挖点RW;所述构建防碰边界包括:三七主体结构拆解、传感信号获取、信号转换、智能分类表生成及防碰边界构建;所述生成主根最小包围体为:首先,通过防碰边界构建,获取主根多个面的防碰边界;所述三七主体结构拆解具体为:根据三七“根-土-茎”复合图像将三七主体分别拆解成“茎-土”组合体、“主根-土”组合体、“支根-土”组合体、“茎-主根”组合体、“茎-支根”组合体;所述传感信号获取为:通过设置在挖掘装置上的应变片式传感器与各个组合体进行力学特性实验,获取各个组合体的传感信号;所述信号转换为:首先,将一维的传感信号进行连续小波变换算法变换,得到小波系数矩阵: ;式中:表示小波系数矩阵;a、b分别表示尺度参数与平移参数;ft表示原始信号;表示小波基函数;之后,对小波系数矩阵中的每个元素进行转换,得到其对应的灰度值: ;式中:Gi,j表示灰度图像中的像素值;Wi,j表示小波系数矩阵中的元素;maxW表示小波系数矩阵中的最大值;通过连续小波变换算法将一维传感信号中的每个元素映射为一个灰度值,进而形成灰度图像,实现传感信号与组合体图像信号之间的转换;所述智能分类表生成为:通过深度学习网络模型对挖掘装置作业对象识别与传感器感知信号进行对应训练,生成智能分类表;所述防碰边界构建为:对三七“根-土-茎”复合图像进行边缘检测,依据智能分类表保留主根边缘,并通过八连通领域像素检测方法合并主根边缘之间的像素,从而生成防碰边界;然后,采用改进的迭代最近点算法,生成主根最小包围体;所述采用改进的迭代最近点算法,生成主根最小包围体的方法具体为:首先,将多个面的防碰边界的点云数据进行坐标系的归一化处理,使得每个维度的坐标值都在同一范围内;然后,利用主成分分析算法获得点云数据的主方向向量U=(U1,U2,U3);U1、U2、U3分别表示各个面的防碰撞边界的点云数据;之后,通过计算点云数据在主方向上的最大值Dmax与最小值Dmin获得包围体,包围体是由三个平行于主方向向量的矩形组成: ; Size i表示第i个包围体;、分别表示第i个Dmax、Dmin;再将主方向最小包围体的边界转换回原始坐标系,获得包围体的位置和大小信息;最后,采用迭代最近点算法进行点云匹配,通过不断迭代,将两个点云数据之间的重合度最大化,进而实现点云数据的匹配与对齐,实现主方向最小包围体的点云配准;所述挖掘路径规划为:通过最小包围体的最低点与重心、结合最优入挖点,构成辅助平面δ,同时获得出土平面;结合最优入挖点、防碰边界与出土平面,完成挖掘路径规划;所述最小包围体的最低点Q与重心P获取方法为:最低点Q: ;重心P: ;式中:hi表示点云数据第i个点的坐标;ei表示点云数据第i个点的权重;所述辅助平面δ为最低点Q、重心P与最优入挖点RW组成的平面,出土平面β为辅助平面δ的垂直平面。
全文数据:
权利要求:
百度查询: 昆明理工大学 一种精准挖掘三七主根的路径控制方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。