原文服务方: 林业机械与木工设备       
摘要:
提出一种基于视觉和激光融合的林区采育机作业目标识别方法.在数据融合的基础上,运用惯性单元信息对激光数据进行修正,并应用差分算法提取独立目标点云簇的九种特征.提出高维模糊支持向量机(FSVM-HIGH)识别模型,并对林区环境的采育目标进行分类.结果表明,FSVM-HIGH对树木、行人、岩石三种目标识别的平均正确率达到93%;与传统识别模型相比,该算法对林区采育目标均具有较好的识别效果,特别是对树木目标的综合正确识别率高达91.79%,能够帮助操作人员快速准确地判断作业环境信息.
推荐文章
基于机器视觉的图像目标识别方法综述
机器视觉
图像目标识别
图像预处理
图像分割
基于多传感器数据融合的目标识别方法
目标识别
D-S理论
数据融合系统(DFS)
神经网络
基于时空信息融合的复合引信目标识别方法
复合引信
目标识别
时空信息融合
基于PCA的反辐射导弹激光引信目标识别方法
主成分分析
激光引信
目标识别
激光点云
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于视觉和激光融合的林区采育目标识别方法
来源期刊 林业机械与木工设备 学科
关键词 数据融合 目标识别 高维模糊支持向量机 模型
年,卷(期) 2018,(6) 所属期刊栏目 研究与设计
研究方向 页码范围 12-17
页数 6页 分类号 TP391
字数 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 刘晋浩 北京林业大学工学院 125 752 14.0 20.0
2 王典 北京林业大学工学院 21 106 5.0 9.0
3 黄青青 北京林业大学工学院 16 49 4.0 6.0
4 彭洋 北京林业大学工学院 3 4 2.0 2.0
5 孔建磊 北京林业大学工学院 4 11 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (63)
共引文献  (54)
参考文献  (13)
节点文献
引证文献  (2)
同被引文献  (13)
二级引证文献  (1)
1980(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(4)
  • 参考文献(0)
  • 二级参考文献(4)
2002(3)
  • 参考文献(1)
  • 二级参考文献(2)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(2)
  • 参考文献(1)
  • 二级参考文献(1)
2006(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(3)
  • 参考文献(1)
  • 二级参考文献(2)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(9)
  • 参考文献(1)
  • 二级参考文献(8)
2011(7)
  • 参考文献(2)
  • 二级参考文献(5)
2012(2)
  • 参考文献(1)
  • 二级参考文献(1)
2013(3)
  • 参考文献(0)
  • 二级参考文献(3)
2014(3)
  • 参考文献(1)
  • 二级参考文献(2)
2015(9)
  • 参考文献(2)
  • 二级参考文献(7)
2016(7)
  • 参考文献(0)
  • 二级参考文献(7)
2017(3)
  • 参考文献(2)
  • 二级参考文献(1)
2018(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(2)
  • 引证文献(1)
  • 二级引证文献(1)
研究主题发展历程
节点文献
数据融合
目标识别
高维模糊支持向量机
模型
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
林业机械与木工设备
月刊
2095-2953
23-1405/S
大16开
1966-01-01
chi
出版文献量(篇)
4723
总下载数(次)
0
总被引数(次)
15760
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导