GPS林业定位误差分析与野点剔除方法

针对林业GPS定位精度不高和利用差分技术提高定位精度时存在诸多局限性的问题,研究自主式提高精度方法,利用Trimble AgGPS132进行了单机定位试验,分析了试验数据的频数分布和野点剔除方法,对比分析了野点剔除前后的精度和散点分布图,探讨了野点存在的原因、解决办法和提高动态定位精度的方法,实际数据表明,采用莱以特准则剔除野点能够有效地改善数据处理结果,提高定位精度,利用加入控制点的方法可很好地校正GPS测得的动态定位数据的整体漂移.     

复杂动态场景下基于光流分割SLAM算法研究

针对目前主流SLAM(同时定位与建图)算法在动态环境中存在精度大幅下降的问题,提出了一种基于光流分割去除动态物体干扰的DY-SLAM(SLAM In Dynamic Environment)算法。该算法采用实例分割算法结合相邻帧图像之间的稠密光流对动态物体进行分割,在SLAM系统图像帧间匹配前剔除动态物体特征点,提高动态环境下的定位精度。使用公开数据集对算法进行评估,算法的RMSE提升最大可达21.59%,能够有效提高系统在复杂动态环境下的定位精度及鲁棒性。     

农机车载GPS和DR组合导航系统定位方法

为提高农机车载GPS和DR组合导航系统定位的精度,将模糊逻辑和卡尔曼滤波相结合,研究了模糊自适应卡尔曼滤波算法,在线修正系统量测噪声协方差阵.该算法在改装的农机车上进行了试验.试验表明,模糊自适应卡尔曼滤波能抑制异常值对系统定位精度的影响,定位精度较单个GPS高.系统使用模糊自适应卡尔曼滤波后,x方向和y方向平均误差分别为0.13m和0.20m,定位曲线得到了平滑.     

农业机械导航中GPS-OEM板的开发与研究

为了实现农业机械的自动导航,对crescent型GPS-OEM板数据的读取和处理方法进行研究,实现了GPS-OEM板的定位功能,并提高了定位精度。通过单点静态定位试验,成功读取了GPS-OEM板的定位数据,卡尔曼滤波将GPS-OEM板的单点静态定位精度从1.165m提高到0.516m;但这一精度要用在农业机械导航中还需进一步提高。     

基于CORS技术的农业机械差分定位系统设计

为满足精细农业中农业机械自动导航对高精度定位数据的需求,阐述了GPS差分定位技术在精细农业中存在的问题,并介绍了CORS技术在精细农业中的重要地位。根据分析,采用低成本的GPS板卡和4G无线通讯网络模块,设计开发了一套基于CORS技术的低成本农业机械差分定位系统,并进行了系统静态内符合精度测试和动态误差测试。试验结果表明:该系统性能稳定,在晴天和阴天2种天气情况下,其静态定位内符合精度为7~8 cm(9 5%);通过多次测量求平均值,其动态定位数据与真实值的误差不超过1 0 cm,动态符合度高,可作为高精度的位置传感器用于农业机械自动导航。     

基于GNSS的农田平整定位精度优化与试验

基于全球卫星导航系统（Global navigation satellite system, GNSS）农田平整作业中，GNSS定位数据不仅是地形测量和基准面设计的基础，而且在平地作业中实时影响农田平整的精度。针对当前GNSS定位数据误差分析较少，提出一种基于联合滤波算法的GNSS定位数据分析处理方法。分析平地作业过程中GNSS定位数据的误差源，结合多路径效应和随机噪声，提出因地形起伏引起的振动误差校正方法，利用卡尔曼、小波变换联合滤波算法，校正数据误差提高定位精度，农田定位对比试验分析表明，高程定位精度明显提高，平地工作中，GNSS定位实际高度波动范围缩小20%，能够更好的指导农田平整工作。     

基于高斯过程建模的物联网数据不确定性度量与预测

物联网已经成为农业大数据最重要的数据源之一,自动观测数据的质量控制对农业生产分析以及基础科研数据应用非常重要。针对农业物联网观测的一类非平稳时间序列数据中的数据缺失、野值剔除、感知故障预警和长时间预测等问题,采用光滑弱假设高斯先验,构建了基于高斯过程的自回归模型表征的动态系统,并通过样本集学习,形成能考虑噪声干扰的传感变化规律建模,并可提供预测误差带用于预测数据的不确定性度量。针对原始数据的缺失和野值问题,采用基于高斯过程的短期预测,可补齐缺失数据,利用其不确定性度量可甄别数据野值,进行野值剔除与替换,并在此基础上判断感知故障;给出了基于输入数据不确定性传播的多步迭代预测方法,使长期预测仍可以跟踪农业数据的动态轨迹,并可为其预测值提供不确定性度量;将温室采集的真实传感数据用于分析试验,验证了高斯过程用于服务器端的农业时间序列数据采集质量控制的可行性。     

基于GPS/SINS组合的农业导航定位系统设计与研究

设计了一种基于全球定位系统GPS和捷联惯性导航系统SINS组合的农业车辆导航定位系统,介绍了该系统的传感器组合及功用,阐述了系统的硬件结构和工作过程。考虑到农用车辆在运动过程中接收到的GPS数据存在较大的定位误差,提出了GPS和SINS联合导航算法,利用SINS提供的姿态信息修正GPS定位数据,提高系统定位的精度。为了准确测量姿态信息,对多传感器集成模块ADIS16355的信息融合处理,确定了基于卡尔曼滤波的融合算法用于测量姿态角。在构建实验平台的基础上进行了试验,结果表明:通过多传感器融合算法可准确测量姿态角,GPS定位误差有效减少,可更真实反映农用车辆的运动状态。     

基于GPS/INS自主耕作拖拉机导航修正研究

为了提高轮式自主耕作拖拉机的导航定位精度及系统抗干扰能力,以YSH-504D轮式拖拉机为试验载体,选用载波相位差分GPS(RTK-DGPS)和惯性导航系统(INS)组合导航方式,重点对GPS因地形倾斜及土质硬度不均引起的误差进行校正。为此,构建了Kalman滤波器,对GPS定位数据进行平滑处理,融合了惯性导航系统参数,实时修正拖拉机的运动姿态,使拖拉机的行驶轨迹更加平稳。试验结果表明:校正后的GPS导航参数能够使拖拉机更好地跟踪目标路径,导航精度可达到厘米级别,满足了拖拉机在复杂地形下仍能按照预定轨迹自主耕作。     

黑龙江垦区精准农业两种GPS差分方式比较研究

为了精准农业技术示范试验需要，采用了GPS定位差分系统．以提高GPS系统定位精度。本文对黑龙江垦区现有两种精准农业GPS差分方式进行了介绍，并对两种GPS差分方式进行了比较研究。