专利交易市场

本发明涉及生态岩土试验技术领域，提供一种基于标准土样法的土壤土水特征曲线测量装置和方法。土壤土水特征曲线测量装置包括夹紧部件、储样部件和检测部件。夹紧部件包括第一夹板、第二夹板和连接组件，第一夹板和第二夹板通过连接组件连接。储样部件位于第一夹板和第二夹板之间，储样部件包括第一储样件和第二储样件，第一储样件的第一端端面与第二储样件的第一端端面相对设置。第一夹板和第二夹板适于沿连接组件的长度方向相互靠近或相互远离。土壤土水特征曲线测量装置通过夹紧部件、储样部件和检测部件进行组装，所获得的测量装置结构简单，可直接在采样位置对待测土样进行参数测量，无需运送待测土样，提高了土水特征曲线的测定效率。

本发明提供一种含根系土壤抗剪强度参数野外检测装置，包括框架，设置有安装孔；剪切环刀，用于取土和装载土样，适于穿设于所述安装孔以使得所述剪切环刀装配于所述框架；压力组件，可拆卸连接所述框架并设置在所述安装孔的上方以对从第一方向对所述剪切环刀施加压力；剪切力组件，可拆卸连接所述框架并配置为从第二方向对所述剪切环刀施加压力，其中，所述第一方向与所述第二方向垂直，所述第一方向沿所述剪切环刀的轴向设置，所述第二方向沿所述剪切环刀的剪切面方向设置。本发明通过将剪切环刀、压力组件以及剪切力组件可拆卸连接到框架上，可实现土样的垂直加压与水平剪切组装，本设计框架体积小、重量轻，便于拆卸携带和野外组装。

本发明属于图像识别领域，具体涉及一种基于正交性约束增量非负矩阵分解的有监督图像识别方法，旨在为了解决现有有监督图像在线识别方法在新增样本较多时，累计训练时间消耗较长，识别效率较低的问题。本发明包括：获取初始样本集的矩阵表示Vc；获取Vc经ONMF算法分解得到基矩阵Wc和系数矩阵Hc；获取新增样本集的矩阵表示Vp，构建所有样本构成的数据矩阵Vz＝[Vc,Vp]，并基于Wc、Hc采用增加正交性约束的INMF算法获取基矩阵Wz；利用基矩阵Wz的Moore‑Penrose逆作为投影变换矩阵，分别对Vz及待识别图像集的矩阵Vtest进行投影变换，然后训练分类器并对Vtest进行识别分类。本发明在新增训练样本较多时，可以快速地动态更新基矩阵，大幅减少了时间消耗。

本发明涉及三维表面重建技术领域，具体涉及一种基于点云数据的表面网格重建方法、系统及设备，目的在于提高重建精度。本发明的重建方法包括：将点云数据的坐标信息投影到z轴，计算z坐标概率密度函数，进而计算出z坐标概率密度函数的曲率局部极值点；对每个局部极值点，经过该点并垂直于z轴画出一个平面作为一个横截面；根据预设的分割层数在局部极值点之间进行分割，得到多个垂直于z轴的横截面；将每个横截面上、下特定距离范围内的点均投影到该横截面上，进而计算该横截面的边界点；根据计算出的边界点拟合对应横截面的边界曲线，并进行重采样；连接所有相邻横截面上的重采样边界点，得到重建后的表面网格。本发明提高了点云数据表面重建的精度。

本发明涉及体积计算技术领域，具体涉及一种基于点云数据的植物冠层体积计算方法、系统及相关设备，目的在于解决现有技术对植物冠层体积计算不理想的问题。本发明的计算方法包括：以植物冠层点云数据的三维坐标数据为初始值，将植物冠层点云数据的坐标信息投影到z轴，计算z坐标概率密度函数；根据z坐标概率密度函数，计算出z坐标概率密度函数的曲率局部极值点；对每个局部极值点，经过该点并垂直于z轴画出一个平面作为一个横截面；根据预设的分割层数，在局部极值点之间进行分割，得到多个垂直于z轴的横截面；根据横截面将植物冠层从上至下划分为一个椎体与多个台体，进而计算植物冠层的体积。本发明提高了植物冠层体积计算的准确度。

本发明属于三维数据采集与处理领域，具体涉及了一种基于近似直立扫描点云快速配准的三维重建方法及系统，旨在解决现有技术未考虑实际点云采集中的点云近似直立性，点云配准效率低，从而导致三维重建效率、准确率和精度低的问题。本发明包括：获取近似直立扫描的目标点云和原始点云；通过自适应网格大小进行点云体素化；采用先验可靠区域引导点云初始配准；kd树结合ICP算法进行点云精确配准；结合初始配准和精确配准进行点云最终配准；基于配准后的点云进行三维重建。本发明充分考虑点云的近似直立性，快速精确实现点云配准，三维重建效率高、准确率和精度高。

本发明涉及图像融合技术领域，具体涉及一种红外图像与可见光图像的融合方法、系统及相关设备，目的在于克服现有技术方法在图像融合时易出现的模态混叠现象，以及融合结果中高频细节信息丢失、图像对比度降低的问题。本发明的融合方法包括：基于W‑BEMD分解算法分别将两种源图像均分解成一系列高频细节子图像和一个低频轮廓子图像；基于局部区域方差选择与加权的融合规则，将两种源图像分解得到的高频细节子图像进行融合；基于区域能量选择与加权的融合规则，将两种源图像分解得到的低频轮廓子图像进行融合；将融合后的高频细节子图像与融合后的低频轮廓子图像进行W‑BEMD逆变换，得到融合图像。本发明算法冗余度低，而且运算速度快。