检索结果-南通市图书馆

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于斜率差的激光雷达环境特征提取方法

中国机械工程 2019年第14期30卷 1679-1683页

作者：刘朋任工昌杨力鹏胡小龙陕西科技大学机电工程学院

在利用激光雷达获取数据进行特征提取时,大多采用迭代计算的方法,且对阈值敏感,计算复杂度高,计算量较大.针对该问题,提出了一种通过计算相邻扫描点的斜率差进行直线段分割与特征点提取的算法.通过实验验证,该算法在直线段分割和特征点... 详细信息

在利用激光雷达获取数据进行特征提取时,大多采用迭代计算的方法,且对阈值敏感,计算复杂度高,计算量较大.针对该问题,提出了一种通过计算相邻扫描点的斜率差进行直线段分割与特征点提取的算法.通过实验验证,该算法在直线段分割和特征点提取方面可以获得与手工分割相同的结果,而且对阈值不敏感.与实际测量结果的对比分析结果表明,该算法无论是提取特征线段的长度还是斜率均可获得较高的正确率.

关键词：自主机器人激光雷达特征提取斜率差

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

结合斜率差和动态融合的自适应轮廓分段

光学精密工程 2018年第3期26卷 680-688页

作者：赵辉丰懿阳尹小恰陶卫上海交通大学仪器科学与工程学系上海200240

为了使用圆弧和直线重建数字轮廓曲线,提出了一种融合了基于斜率差判断断点方法和区段动态融合的数字轮廓曲线自适应分段的方法。首先,利用直线拟合计算轮廓曲线上每点的前后方向的斜率差,求取斜率差的过程使用了自适应长度拟合窗口来... 详细信息

为了使用圆弧和直线重建数字轮廓曲线,提出了一种融合了基于斜率差判断断点方法和区段动态融合的数字轮廓曲线自适应分段的方法。首先,利用直线拟合计算轮廓曲线上每点的前后方向的斜率差,求取斜率差的过程使用了自适应长度拟合窗口来平衡精度和速度的关系。然后,将自适应平滑方法应用在方向斜率差曲线上。基于平滑后的斜率差曲线,提取其中间断点作为待选区段分段点。最后,使用基于可视化误差判定的区段动态融合,来从待选分段点中选出一个可视化误差最小的分段方案作为最后的分段结果。仿真测试的结果显示这种分段方法的断点定位误差小于1%。以轴承油沟轮廓为实际测试用例的实验结果证实了这种自适应轮廓分段方法在实际应用中的可行性。

关键词：自适应轮廓分段斜率差自适应平滑动态融合

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于柔度矩阵主对角斜率的结构损伤识别方法

特种结构 2018年第5期35卷 7-13页

作者：王立宪周宇狄生奎吴长兰州理工大学西部土木工程防灾减灾教育部工程研究中心兰州理工大学甘肃省土木工程防灾减灾重点实验室

基于柔度矩阵的结构损伤识别指标可以有效识别结构损伤,且敏感性优于模态振型及频率类指标。本文提出基于柔度矩阵主对角元素斜率的两个新损伤识别指标:柔度矩阵斜率差(FSD)和柔度矩阵差斜率(FDS),通过提取损伤前后结构柔度矩阵主对角... 详细信息

基于柔度矩阵的结构损伤识别指标可以有效识别结构损伤,且敏感性优于模态振型及频率类指标。本文提出基于柔度矩阵主对角元素斜率的两个新损伤识别指标:柔度矩阵斜率差(FSD)和柔度矩阵差斜率(FDS),通过提取损伤前后结构柔度矩阵主对角线斜率差值的与柔度差矩阵主对角线元素斜率差得到。通过简支梁和连续梁算例,在不同工况下对新指标识别效果进行验证。研究结果表明:FSD指标和FDS指标可以精确识别简支梁和连续梁损伤的发生,有效定位损伤,定性反映损伤程度。FDS相对于FSD识别结果更稳定,损伤识别效果更好,对快速判定损伤发生、定位最危险点具有一定优势。

关键词：柔度矩阵差斜率斜率差损伤识别

基于Planet与Sentinel-2融合影像监测秸秆还田背景下的小麦叶面积指数

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于Planet与Sentinel-2融合影像监测秸秆还田背景下的小麦叶面积...

作者：李伟南京农业大学

学位级别：硕士

叶面积指数（leafarea index,LAI）是作物群体生长状况的重要指标,传统的LAI获取方法费时耗力,而利用卫星遥感能够实现大范围小麦LAI的监测。随着秸秆还田在稻麦轮作区的推广与应用,小麦生长过程中的背景从传统的单一土壤背景变为“土壤... 详细信息

叶面积指数（leafarea index,LAI）是作物群体生长状况的重要指标,传统的LAI获取方法费时耗力,而利用卫星遥感能够实现大范围小麦LAI的监测。随着秸秆还田在稻麦轮作区的推广与应用,小麦生长过程中的背景从传统的单一土壤背景变为“土壤-秸秆”混合背景,另外,当前一些发展中国家农田长势不均、地块破碎等因素增加卫星影像中的混合像元,均为大面积准确监测作物LAI增加了难度。前人研究发现红边信息在监测作物长势时能够缓解前期的土壤背景影响和后期高叶面积指数导致的饱和问题,但是如何消除“土壤-秸秆”混合背景影响的研究不足。传统红边区域的斜率在监测LAI时往往聚焦于植被光谱曲线红边特征的表达,并未考虑背景对该特征本身的影响。对此,本研究基于Sentinel-2与Planet影像数据,结合地面获取的小麦LAI数据、背景高光谱数据,开展影像融合与“秸秆-土壤”混合背景影响消除的研究,达到准确监测秸秆还田背景下的小麦LAI的目的:为解决目前国内外高分辨率影像缺少红边波段的问题,本研究综合应用加权解混（weight-and-unmixing,Wu）与多分辨率多光谱估计的超分辨率（super-resolution for multispectral Multiresolution Estimation,SupReME）,即 Wu-SupReME,通过融合两个新数据源Sentinel-2与Planet的光谱和空间优势,首次生成带有红边波段的3米高分辨率融合影像产品。融合影像与Sentinel-2波段之间的相关性均大于0.98,表明所得融合影像较好地继承Sentinel-2的光谱优势。在估算长势不均的小麦LAI时,融合影像的所有模型构建结果（R2）与交叉验证结果（RRMSE）均优于原始影像（R2提高了 0.0215～0.3890,RRMSE降低了0.0018～0.1462）,表明融合影像不仅继承Sentinel-2的光谱优势,同时保留了 Planet的空间优势。本研究为植被定量遥感中准确反演长势参数提供了高分辨率的红边卫星产品,并为多源数据融合提供技术参考。为解决秸秆还田管理技术中传统的土壤背景变为“土壤-秸秆”多端元的混合背景问题,本研究利用播种后、出苗前的融合影像数据获取“秸秆-土壤”背景的光谱曲线,利用各生育期融合影像获取大田小麦冠层的光谱信息,通过斜率的差值计算去除光谱信息中“土壤-秸秆”背景成分,确定由小麦引起的斜率增量,即斜率差。进一步利用斜率差优化传统植被指数,以减少混合背景的影响,提高植被指数估算LAI的精度。结果表明,斜率差、优化后的植被指数相对于先前未作改变的斜率、植被指数具有更高的精度,其中,斜率差ΔKwheat NIR-RE2（R2=0.79,RRMSE=19.68%）和优化后的植被指数 MEVI2（R2=0.80,RRMSE=19.25%）表现最佳。利用优化前后的MEVI2绘制LAI分布图,对比结果显示优化后的MEVI2能够缓解“秸秆-土壤”混合背景引起的高估现象,同时在后期能够缓解高LAI引起的饱和现象。本研究提出了一种利用两个生育期三类对象（包括“小麦-秸秆-土壤”和“秸秆-土壤”）的光谱曲线构建斜率差与植被指数的方法,去除了“秸秆-土壤”混合背景影响,提高了小麦LAI的估算精度,为多对象光谱信息共同作用改善植被监测提供了参考。

关键词：秸秆还田叶面积指数 Wu-SupReME 融合影像红边斜率差植被指数