基于激光雷达的作物收获导航线实时提取方法研究

为提高联合收获机无人驾驶导航路径的精度,本文提出一种基于激光雷达的作物收获导航线实时提取方法。搭建点云数据采集系统,利用平面拟合法确定激光雷达安装高度和安装角度。利用三维激光雷达扫描收获机前方作物的点云数据,结合IMU惯性传感器反馈的姿态信息,实现作物点云数据从激光雷达坐标系到车体坐标系的变换。基于激光雷达扫描视场角、安装高度和安装角度获取感兴趣区域（ROI）的坐标,并对感兴趣区域进行直通滤波和统计滤波,去除灰尘、秸秆粉末等噪声的影响,以实现点云数据无效点和离群点的剔除。提出一种基于栅格八邻域高程差的作物收获导航线快速识别算法,以点云栅格化后在Z轴方向上的坐标值作为检测依据,定义某一栅格与其8个相邻栅格在Z轴坐标上的差值为高程差,遍历栅格并根据设定阈值进行比较判断,实现收获边界点的有效提取。采用最小二乘算法进行收获边界点的拟合,实现田间作业过程中作物收获导航线动态提取。田间试验表明,该方法具有较好的鲁棒性,能在作物稀缺、杂草较多等情况下保持较高的准确性,其中前进方向偏差角平均值为0.872°,割台横向偏差为0.104m,收获导航线准确率为93.5%,可为联合收获机工作提供辅助导航,提高无人驾驶的准确率。     

玉米收获机自动对行系统设计与试验

为提高玉米收获机的对行质量,减轻驾驶员的劳动强度,设计了一套玉米收获机自动对行系统,包括自动对行感知系统和路径跟踪控制系统。感知系统由激光雷达、机械式对行传感器、陀螺转角仪等组成,激光雷达检测进入地块前的横向偏差,机械式对行传感器检测收获作业时的横向偏差,陀螺转角仪检测航向偏角。以纯追踪模型作为路径跟踪的控制方法,利用模糊控制原理动态调整纯追踪模型中的前视距离,结合收获机的运动学模型,确定收获机转向轮的期望转角,并通过Matlab/Simulink软件对模型进行仿真分析。将自动对行系统搭载于4YL-6型玉米收获机上进行田间试验,结果表明,激光雷达静态检测试验的偏差均值为0. 077 5 m,标准差均值为0. 130 9 m,偏差在±15 cm和±30 cm内的比例均值分别为80. 5%和95%;激光雷达地头自动对行试验的平均调整距离为7. 89m,平均偏差为0. 146 m;基于机械式对行传感器的收获作业自动对行试验的偏差均值为0. 087 6 m,标准差均值为0. 097 6 m,偏差在±15 cm和±30 cm内的比例均值分别为83. 1%和100%。试验结果满足玉米收获机的对行作业要求,可为玉米收获机的自动对行提供理论支持。     

基于激光雷达的果园行间车辆自动导航控制

针对果园自主导航过程中车辆偏航、植株缺失等问题,设计了一款基于激光雷达的果园行间履带式车辆自动导航控制系统,并模拟标准化果园环境进行试验以验证系统性能。首先,采用二维激光雷达(Light Detection and Ranging, LiDAR)获取树干点云数据,对点云数据进行坐标变换;其次,通过识别树干边界起始点进行树干定位;再次,提出两步树行分割法将树行分割为左右两行,利用最小二乘法分别对两侧定位点进行直线拟合,将树行中心线作为导航路径;最后,将电机期望转速作为比例微分(Proportion Differentiation, PD)控制器的输入,使车辆沿树行中心线自动行驶。树行分割试验表明：当感兴趣区域内植株无缺失、单株缺失、双株缺失且无航向偏差、无横向偏移时,树行分割正确率均为100%;双株缺失存在横向偏差和航向偏差、三株缺失不存在横向偏差和航向偏差时,树行分割准确率为96.4%;三株缺失存在横向偏差或航向偏差时,树行分割准确率92.9%。电机控制试验表明：电机调速系统具有快速响应的优点,且稳定性良好。导航控制试验表明：当车辆以0.8m/s速度行驶且存在0.5m的初始横向偏移时,...     

基于激光雷达自适应聚类半径的树冠检测研究

为解决丘陵山地果园条件下激光雷达检测过程中面对多尺寸、多距离条件下出现的目标物体漏检、误检等欠分割和过分割问题,提出一种基于激光雷达的自适应目标聚类半径目标物体检测方法。首先,在使用激光雷达感知到周围环境的三维点云后,去除地面点云并且使用体素滤波进行降采样的预处理,在减少数据量的同时去除点云中的噪声点。其次,建立K-d tree模型进行最近邻搜索,以加速欧式聚类的进程,通过自适应确定每颗树冠的聚类半径,使欧式聚类能够得到更好的聚类效果。最后为验证算法准确性和实用性,基于果园履带车平台,采用32线激光雷达对所提算法进行实车测试。结果表明：在丘陵山地果园中该算法可准确聚类果树树冠点云,且实地目标正检率为94.41%。     

基于激光雷达信息的履带式自动割草机障碍物检测

针对果园土壤生草制管理中所面临的割草任务重、劳动强度大等问题,设计一种基于二维激光雷达信息的履带式自动割草机障碍物检测方法。采用RPLIDAR A1进行障碍物扫描检测,由Matlab编程完成数据处理。将采集到的数据转换为直角坐标系下的x、y坐标,运用最小二乘滤波对数据进行去噪处理,采用k-means聚类算法对扫描数据进行聚类分析,得到障碍物的基本轮廓信息,最后经拟合得到较为密集的障碍物边缘离散点。试验结果中激光雷达扫描得到的角度和距离数据与现场实地测量数据之间最大误差为3.2%,达到了障碍物检测的目的,表明基于激光雷达信息的障碍物检测方法是合理可行的。     

基于激光雷达的枣树轮廓测量平台的设计与试验

针对枣树的三维轮廓信息重建,搭建了一种基于激光雷达的果树轮廓测量平台。通过在平台上的滑轨移动激光雷达获取果树的三维点云信息,采用MatLab软件对点云数据进行提取与处理。为了降低外部环境对点云数据处理的影响,采用高度统计直方图进行地面滤波实现地面点云的滤除,通过icp算法实现双侧点云的配准,应用欧氏聚类算法分割获取枣树点云数据。为验证研究方法的准确性,从点云轮廓数据中获取果树的冠幅数据与手工测量数据进行线性模型拟合对比,二者的相关系数R=0.91,均方根误差RMSE=0.06,相对误差RE=4.08%,拟合效果较好,说明此方法具有一定的可行性。     

基于K-means聚类与RBFNN的点云DEM构建方法

因无人机机载激光雷达(Light detection and ranging,Li DAR)数据具有离散性,在生成数字高程模型(Digital elevation model,DEM)时需选择有效插值方法。以荒漠植被区为研究背景,使用零-均值标准化方法归一化点云回波强度,利用肘方法确定最佳聚类数目,采用K-means方法对点云强度值聚类得到地面点云。在此基础上,采用克里金(Kriging)方法插值抽稀率为20%和80%的地面点云数据,且将点云高程作为变量,建立RBF神经网络预测模型,并通过线性回归检验方法对模型进行精度分析,采用Delaunay三角网内插生成高精度DEM。结果表明:采用K-means方法实现最佳聚类数目为4的聚类,得到地面点云48 722个,在点云较优抽稀率20%的情况下,径向基函数神经网络(Radical basis function neural network,RBFNN)训练时间为56 s,点云高程预测的决定系数R~2为0. 887,均方根误差RMSE为0. 168 m。说明使用RBFNN对K-means聚类滤波得到的地面点云进行高程预测效果较好,可为基于点云构建高精度DEM提供参考。     

阴影环境下稻麦收获边界线实时提取方法研究

稻麦收获边界提取是联合收获机视觉导航的重要环节,针对现有收获边界提取过程中易受光照及阴影影响、处理速度较慢的问题,提出一种适用于阴影环境下的稻麦收获边界线实时提取方法。选用YCrCb色彩空间中的Cb分量进行后续图像处理,以降低光照影响,并对图像进行滤波、阈值分割、形态学操作及边缘检测处理。同时,采用累计概率霍夫变换算法提取收获边界线,在直线提取过程中通过两次筛选的方法提高阴影环境下稻麦收获边界检测的准确性。在此基础上,结合卡尔曼滤波算法、基于投影法的边界线位置预测方法,通过两次动态感兴趣区域选取的方式对算法进行改进,使得每幅图像平均处理时间由0.176087s缩短至0.064547s。该方法可为降低阴影对稻麦边界线提取的干扰、提高图像处理速度提供可行性论证及技术支撑。     

基于激光雷达的全生长周期甘蔗地行间自主导航研究

为开发一套适应于丘陵山区甘蔗全生长周期的自主导航系统,将二维激光雷达用作导航传感器,并设计矫正算法来修正地形对雷达横向数据的影响.由于不同生长时期的甘蔗形态差异较大,传统聚类算法聚类参数固定导致实际聚类效果较差,提出一种基于点云数目阈值分辨的自适应聚类算法,利用滤波和甘蔗直线种植特点引入置信区间.定位甘蔗后,采用基于斜...     

基于三维激光雷达与优化DBSCAN算法的果树定位方法

为提高果园喷雾机器人在果园行间行走的自主性和安全性,提出一种基于三维激光雷达与优化DBSCAN算法的果树定位方法。首先,采用三维激光雷达获取果园的环境信息,通过感兴趣区域提取、地面点云分割和体素滤波降采样对原始点云数据进行预处理;然后,对DBSCAN算法进行优化,构建KD树索引有序化实时点云数据,并使用KD树最近邻搜索替代传统DBSCAN算法的遍历搜索方式,最后根据数据点到激光雷达的距离自适应确定聚类密度阈值,实现行间不同距离的果树检测;最后,以果树聚类结果的冠层边缘点为果树的定位参考点,得到果树定位参考点的坐标,计算果园喷雾机器人与果树的相对位置。试验结果表明：优化的DBSCAN算法相较于传统DBSCAN算法检测的准确性和实时性均有明显提升,果树的横向定位平均误差为2.6%,纵向定位平均误差为1.6%。该方法能够满足果园喷雾机器人在行间果树定位的准确性和实时性要求,为精准农业装备在林果园环境下的自主导航和作业提供有效参考。     

基于双目视觉的田间作物高度和收割边界信息提取

为实现收获机无人驾驶自适应调控,提出一种基于双目视觉对田间作物高度和收割边界信息进行提取的方法.利用双目相机获取三维数据,基于RANSAC算法拟合初始地面平面,结合IMU计算作业实时平面,根据点到平面的距离将三维数据转换为对应的实际高度.提出一种改进的结合密度峰聚类和K均值聚类的方法对高度数据分类,同时基于归一化彩色图...     

基于动态K阈值的苹果叶片点云聚类与生长参数提取

根据冠层点云的分布特征,提出一种基于动态K阈值的叶片点云聚类及生长参数提取方法。首先,采用地面三维激光扫描仪获取多站点云数据并完成配准、去噪和抽稀等预处理;然后,随机截取整株点云中的一枝作为研究对象,融合局部凹凸性算法(LCCP)并改进K-means算法,提出基于动态K阈值的叶片点云聚类方法;最后,采用主成分分析方法(PCA)计算叶片点云法平面方向向量,并根据叶片边界点与中心点的位置关系,计算叶宽、叶长等生长参数。试验结果表明,与传统的点云聚类方法相比,本文方法能够在不损失枝干点云的前提下,精确地分割单叶片,保证了聚类结果的完整性和彻底性;与传统的降维方法相比,本文基于真实三维空间信息提取叶片生长参数能够较大程度提高提取准确性,为进一步评价果树冠层光照分布及果园智能化管理提供技术支持。     

稻麦繁育收获机研究现状及展望

以稻麦繁育试验收获环节现状为引，介绍了目前国内外稻麦种子繁育收获环节技术装备现状，对比分析国内外技术装备差异。结合现有机械的作业效果及已有研究基础，探讨稻麦繁育收获环节的最佳方式及关键技术装备，提出稻麦繁育收获机发展方向。      

联合收获机后不落地打捆装置的设计与试验

为了解决联合收获机收后秸秆直接打捆问题,在现有的圆捆打捆机的基础上,对相应的工作单元进行了改进设计,开发了联合收获机后不落地打捆装置;同时,介绍了该机的总体结构和工作过程,并对打捆部件的选择、动力选择、传动系统的设计、联合收获配置与挂接方式以及喂料与绕绳机构进行了详细分析。田间试验表明:该机工作安全可靠,打捆率达到了98%,规则捆包率为95%,草捆密度达到172kg/m3。     

大田无人农场关键技术研究现状与展望

无人农场是智慧农业的一种表现形式,也是建设农业强国和实现农业现代化的重要探索。无人农场以数据、知识和智能装备为核心要素,将现代信息技术与农业深度融合,实现农业全过程生产所需的信息感知、定量决策、智能控制、精准投入及个性化服务一体化。本文系统地阐述了大田无人农场的概念与总体技术架构,讨论了信息感知与智能决策、精准作业系统与装备、自动驾驶、无人化农机装备以及无人农场管控平台等五项大田无人农场的关键技术与装备,深入分析了发展中国大田无人农场亟待解决的关键科学与技术问题。以吉林省公主岭市玉米无人农场为例介绍了物联网、大数据、云计算以及人工智能等技术在玉米全程无人化生产中的具体应用及效果。最后,展望了无人农场在解决全球农业生产面临的“无人种田”等共性问题中发挥的重要作用,分析了中国发展无人农场存在的机遇和挑战,提出了中国发展无人农场的战略目标与思路。     

基于MPC的插秧机路径跟踪控制算法研究

针对国内自动驾驶插秧机路径跟踪精度不高的现象，提出一种基于线性时变模型预测控制的路径跟踪方法。将建立的非线性插秧机运动学模型进行线性化和离散化处理，并基于此模型进行模型预测路径跟踪控制；建立以控制增量为状态量的目标函数；考虑系统控制量和控制增量的约束条件，将目标函数求解转为带约束的二次规划问题；采用内点法进行求解，将所得控制序列第一个元素作用于系统，并且不断重复以上过程实现最优控制。在MATLAB/Simulink环境下，搭建上述模型预测控制器系统仿真，并与路径跟踪效果良好的Stanley控制算法对比，结果表明，上述模型预测控制器优于Stanley控制算法。采用卫星信号接收机、电动方向盘和转角传感器，改造井关PZ60型插秧机，搭建插秧机自动驾驶试验平台，进行田间试验，试验结果表明，基于线性时变模型预测控制器能够使自动驾驶插秧机车速1 m/s时，有效进行路径跟踪，直线段跟踪误差最大2.02 cm，满足插秧机自动驾驶路径跟踪精度要求。     

基于欧氏聚类的三维激光点云田间障碍物检测方法

为满足目前农业机械(简称农机)自动驾驶中农田障碍物检测的需求,提出了一种使用三维激光雷达检测田间障碍物的方法.该方法首先对采集的环境点云进行预处理,采用体素栅格下采样滤波,将稠密的点云在不损失特征信息的情况下进行减量;采用三维长方体对角点划定感兴趣区域以便快速计算;采用随机采样一致性(RANSAC)算法检测出农田地面点...     

基于环境VPD决策的温室甜瓜灌溉系统设计与试验

为实现温室甜瓜栽培的精准自动灌溉,设计了一种基于甜瓜最优生长需求的灌溉决策系统。兼顾甜瓜产量、品质、水氮利用效率3个类别10个指标建立综合评价体系,引入融合最大隶属度的AHP法确定甜瓜栽培综合最优的日灌水水平,采用K-means聚类算法对日最优灌溉量与环境温湿度数据进行分析,建立了甜瓜不同生育期基于环境饱和水汽压差（Vapor pressure deficit,VPD）聚类结果的定量灌溉决策模型。结果表明,灌水水平120%蒸腾蒸发量下甜瓜综合生长最优,不同生育期内VPD与灌溉量在聚类形心数为3时轮廓系数(0.72)最大,组间轮廓清晰,界限分明,且在VPD较高时,灌水量显著增高,聚类结果最优。自动灌溉系统采用RS485型温湿度传感器实时监测温室内的环境参数,由STM32F103ZET6单片机实现基于模型的灌溉控制,由电子流量计对灌水量计量反馈,并通过云平台实现远程监控功能。系统应用验证试验表明,甜瓜在产量、可溶性固形物含量和可溶性蛋白含量上略优于常规农艺管理,在节水方面优势显著,甜瓜全生育期累积节省灌水量15.9%,并极大地降低劳动力成本,实现自动精量灌溉。