针对成捆原木自动化检尺中原木端面径级检测的关键问题,采用双目立体视觉及图像分割的原理,完成原木径级的快速三维测量.根据原木的直方图特征,提出基于最大熵阈值分割的区域标识算法,设定动态阈值,实现对原木端面与背景的精确分割.将提取的左右图像中原木端面边缘,借助ORB(Oriented FAST and Rotated BRIEF)特征点检测方法,与极线几何理论相结合完成原木边缘的快速立体匹配,得到三维坐标.此外以成捆原木为检测对象,进行原木边缘图像的最小二乘法椭圆拟合,确定原木端面长、短径参数.实验结果表明: 该算法能够在10 s内完成原木径级的检测,测量误差在2 mm内.
无迹卡尔曼滤波法(Unscented-Kalman Filter,UKF)在估计动力电池的剩余容量(State of Charge,SOC )时,由于系统噪声的不确定,可能导致算法不收敛,而且算法的估计性能受模型精度的影响,为此采用自适应无迹卡尔曼滤波法(Adaptive-UKF,AUKF)动态估计电动汽车动力电池的SOC.建立了适用于SOC估计的电池模型,辨识相应的电池模型的参数并进行验证,将AUKF应用到该模型,在未知干扰噪声环境下,在线估计电池的SOC.试验仿真结果表明:UKF算法的估计误差在-0.04~0.06之间跳动,而AUKF算法的估计误差平稳的保持在0.05以内,实时修正微小的模型误差带来的SOC估计误差.