基于离散因子的多传感器数据融合和导航线提取方法

目的 针对玉米田间路径边界模糊和形状不规则特点,普通的田间导航线提取算法在农业机器人实际应用中会出现偏差过大的问题,本文针对3~5叶期玉米田提出了基于离散因子的相机与三维激光雷达融合的导航线提取算法。方法 首先利用三维激光雷达获取玉米植株点云数据,同时将相机采集的图像利用超绿化算法和最大类间方差法自动获得绿色特征二值图像,然后将聚类分析后的点云数据投影到图像中的目标边框上,构建多传感器数据融合支持度模型进行特征识别,最后拟合所获取特征中心点即为导航基准线。结果 该算法能够很好地适应复杂环境,具有很强的抗干扰能力,单帧平均处理时间仅为95.62 ms,正确率高达95.33%。结论 该算法解决了传统算法寻找特征质心偏移、识别结果不可靠等问题,为机器人在玉米田间行走提供了可靠的、实时的导航路径。     

果园作业机器人的自主行间导航系统研究

【目的】挂载多种农机具的果园作业机器人能减少果园劳动力投入、降低水果生产成本并提高果园生产效率,其中自主导航系统是果园作业机器人应用研究的重点和难点。【方法】文章针对果园作业机器人GPS导航过程中定位信号易受树叶遮挡及多路径效应干扰等问题,以果园作业机器人初始位置为原点建立世界坐标系,采用拓展卡尔曼滤波算法对通过三维激光雷达结合RANSAC算法获取的果园行直线进行优化,设计结合差速模型和纯跟踪算法的果园自主行间导航算法,并以该算法为基础开发果园作业机器人自主行间导航系统,驱动果园作业机器人沿树行中心行驶并完成自主调头进入下一行的工作。【结果】(1)根据现代化矮化密植果园的环境,果园自主行间导航算法能根据两侧果树行的三维点云,自主生成稳定的导航位置;(2)果园作业机器人能够沿果园行中心位置匀速行驶,并能够实时根据果园行的变化来修正自身的位姿。当速度在0.4 m/s时候,机器人运动的横向平均偏差为0.1 m,航向平均偏差为1.04°;(3)基于果园行宽相等的条件,果园作业机器人能够在行尾自主调头进入下一行,之后沿行内中心位置继续行驶。【结论】该文果园自主行间导航系统设计合理,算法稳定性高,导航精度高,不受驾驶路况的影响,能够满足现代化矮化密植果园作业的自主行驶需求。     

基于激光雷达的果园树干检测

为探索激光雷达在农业机器人环境理解和导航中的应用,研究一种基于改进DBSCAN算法的果园树干检测算法。该算法使用自适应密度阈值和聚类半径对不同距离处数据点进行聚类和整合,以克服DBSCAN算法对全局变量值敏感的缺点。针对激光雷达可能扫到地面造成机器人误检的问题,采用机器人航位推算模型计算当前帧数据中待定类的距离,通过与前一帧数据中对应类距离的比较判定待定类的类别,进而对地面干扰类进行排除。试验结果表明:1)机器人正常行走时本算法能够排除噪声准确识别树干类点;2)存在果树分枝或地面干扰时,有少量漏检,平均误判果树数目为-0.13棵,能够区分出地面类和果树类。该研究可以应用到农业机器人果园环境理解和导航中。     

3D LiDAR感知的植物行信息提取方法与试验

目的 针对林间或冠层下等卫星信号严重遮挡的区域，提出一种面向农业机器人导航环境感知的低成本3D激光雷达(LiDAR)点云信息处理与植物行估计方法。方法 利用直通滤波器滤除感兴趣区域外的目标无关点；提出均值漂移聚类、扫描区域自适应的方法分割每棵植物主干，垂直投影主干点云估算中心点；利用最小二乘法拟合主干中心，估计植物行。分别在开阔地的仿真果园与水杉树林进行模拟试验与田间试验，以植物行向量与正东方夹角为指标，计算本研究提出的方法识别的植物行信息与GNSS卫星天线定位测得的植物行真值间的角度误差。结果 采用提出的3D LiDAR点云信息处理与植物行估计方法，模拟试验和田间试验对植物行识别误差平均值分别为0.79°和1.48°，最小值分别为0.12°和0.88°，最大值分别为1.49°和2.33°。结论 车载3D LiDAR能够有效估计水杉树植物行。该研究丰富了作物识别思路与方法，为无卫星信号覆盖区域的农业机器人无图导航提供了理论依据。     

基于星基增强精密单点定位的农机自动导航系统开发与测试

目的 开发基于星基增强精密单点定位的农机自动导航系统。方法 以国产雷沃TX1204拖拉机为平台,采用国产星基增强定位板卡的输出数据作为农机位置反馈量,设计位速卡尔曼滤波器对定位数据进行滤波处理,开发预瞄跟随PID路径跟踪控制算法进行导航控制,整定不同行驶速度条件下的模型控制参数,采用地基增强RTK高精度定位接收机输出数据作为参考量,搭建农机自动导航测试系统并开展系统性能测试。结果 在直线跟踪误差方面,所开发的农机自动导航系统平均误差为?0.0009436 m,标准差为0.02452 m,最大误差绝对值为0.08472 m;在邻接行误差方面,平均误差为0.0007128 m,标准差为0.02986 m,最大误差绝对值为0.15444 m。这一精度可满足大部分农机自动导航作业需求。结论 将国产星基增强精密单点定位技术用于农机自动导航是可行的;本文设计的预瞄跟随PID路径跟踪控制模型和提出的不同速度条件下PID参数与前视距离的整定方法,提高了系统对不同速度的自适应能力。     

基于低空遥感的果树冠层信息提取方法研究

【目的】 果树冠层信息是反映果树生长状况的重要参数,准确提取果树的冠层信息对于果园的精细管理十分必要。【方法】 文章以苹果树和桃树为研究对象,利用无人机遥感获取果园影像数据,首先通过Mask R-CNN实例分割算法对果园果树冠层进行逐一分割,同时提取果树冠幅和冠层面积信息。然后利用果园正射影像结合QGIS软件,对果树冠层位置信息进行提取和可视化并通过目视解译对果树冠层参数信息提取结果进行评估。【结果】 当交并比为0.5时,模型检测分割结果最优,测试集语义分割精确度为66.3%,目标检测精确度达到63.9%。总体冠层面积实测值与模型预测面积之间的平均相对误差为12.44%,均方根误差为0.5 m²。冠幅实测值与模型预测的面积之间的平均相对误差为16.39%,均方根误差为0.39 m,在一定范围内验证了模型对冠层面积和冠幅信息提取的可靠性。【结论】 结合无人机遥感数据和Mask R-CNN实例分割算法可有效地将果树冠层分割出来,并且能够较为准确地提取果树冠层的相关参数信息,可为果园的精细管理提供一定的技术支撑。     

基于点云边缘平滑和生物特征的鸡只体尺估测

目的 针对使用深度相机的鸡只体尺估测中,鸡只点云边缘抖动、羽毛冗余、特征点提取难的问题,本文提出一种结合点云边缘平滑和基于生物特征的特征点提取方法用于鸡只多部位体尺估测。方法 首先,通过直通滤波、统计滤波等方法对点云进行预处理,减少背景和噪点对目标的影响;其次,通过点云的空间变化约束边缘,采用连续多帧序列变化平滑边缘,减少边缘抖动对体尺测点提取的干扰;再次,对处理后的点云进行生物特征分析,结合基于邻域分析的边缘算法,融合RGB图像采用Canny边缘检测、霍夫变换等方法提取特征点;最后,依据特征点估测胸宽、半潜水长和胫长体尺。结果 试验结果表明,估测的胸宽平均误差为6.64%,胫长平均误差为5.93%,半潜水长平均误差为3.34%,平均每帧图像计算体尺耗时8.8 s。结论 本文算法可为鸡只体尺测量提供技术参考。     

Y型棚架式果园的3WZ-300风送喷雾机设计与试验

目的 针对Y型棚架式果树的需风特性设计一款风送喷雾机,探究机具对此树形的施药规律,为新式果园栽植工艺的植保机具设计提供参考。方法 结合棚架梨树Y型树冠需风特性,设计一款异形导风管,确定发散型射流口,喷雾范围可全面覆盖冠层,并进行整机配置,风机使用无级调速带轮进行调速。以作业速度、出口风速、出风口与冠层中部高度差作为试验参数,以靶标雾滴覆盖率、靶标雾滴沉积量以及地面雾滴沉积量作为评价指标,设计田间试验。利用Design-Expert软件建立响应曲面分析参数对指标的影响,并对机具作业参数进行优化。结果 优化结果表明：3WZ-300风送喷雾机在作业速度0.8 m/s、出口风速22 m/s、出风口中部与梨树冠层中部高度差为5.1 cm时,靶标雾滴覆盖率为39.79%,靶标雾滴沉积量为9.89 μL/cm²,地面雾滴沉积量为5.41 μL/cm²,有效附着药液占比60.1%。结论 该喷雾机满足果园作业要求,施药效果较好,为棚架式果园喷雾机的设计及机具参数优化提供了参考。     

基于偏移补偿模型的极值点聚类苗带识别算法研究

为实现田间管理机械自动导航驾驶,提高苗带轨迹识别精度,提出了一种基于偏移补偿模型的极值点聚类苗带识别算法。首先,以舵机调平单元为基础,利用激光雷达采集苗带数据构建2.5 D点云图像,通过建立偏移补偿模型获得矫正参数。然后,通过极值检测算法获得聚类要素点,结合偏移补偿模型进行分层聚类。最后,通过最小二乘法对获取的苗带聚类点进行线性拟合,实现苗带轨迹的重构。通过对前视范围2 000～3 000 mm且标准行距为220 mm的机插秧水稻进行点云信息Matlab仿真,获得的苗带轨迹与真实苗带轨迹相比,最大横向偏差为16 mm,最大中位偏差为6 mm,运算耗时1.50 s。相比斜率虚化聚类苗带识别算法,最大横向偏差减小了29 mm, 运算耗时减少0.14 s,提高了轨迹重合精度,增强了算法的实时性,可为水田管理机械低伤苗导航行驶提供理论依据。     

基于自适应升温模拟退火算法的农业机器人全区域覆盖策略

目的 提出一种复杂农田环境下农业机器人全区域覆盖策略,以便合理规划农业机器人的工作遍历路径。方法 根据农田实际生产环境定义农业机器人复杂工作环境模型,并在此基础上建立一级分区与二级分区的概念。引入遗传算法变异操作的思想,建立基于贪婪机制的模拟退火算法优质可行解生成方法;建立解集多样性的概念,设计基于自适应升温的模拟退火算法改进方法,以此求解分区间的最佳遍历顺序问题。通过A*算法与八邻域搜索法相结合进行农业机器人跨区域衔接路径规划,依此,实现机器人覆盖全区域。结果 仿真结果表明,改进的模拟退火算法所规划的路径长度分别比传统遗传算法和模拟退火算法减少了14.7%和10.1%,收敛时的迭代次数分别减少9.8%和59.1%;农业机器人全区域覆盖仿真试验中遍历路径重复率为14.86%。高地隙喷药机器人现场遍历试验中,路径重复率为15.83%。结论 研究结果可为农业机器人在复杂农田环境中全遍历覆盖提供研究思路。     

基于ISS-LCG组合特征点的油菜分枝点云配准方法

【目的】针对传统点云配准方法准确率低、速度慢等问题,以油菜Brassica napus L.分枝点云为研究对象,提出基于ISS-LCG组合特征点的配准方法。【方法】以成熟期油菜角果分枝点云为对象,去除背景噪声后,得到清晰完整的油菜分枝点云;然后通过内部形状描述子(Intrinsic shape signature,ISS)提取油菜分枝点云的特征点,再使用线性同余法(Linear congruential generator,LCG)伪随机选取油菜点云的部分点构成关键点,将特征点和关键点进行融合,构成ISS-LCG组合特征点;通过三维形状上下文特征(3D shape context,3DSC)对组合特征点进行特征描述,最后采用RANSAC+ICP两步点云配准法进行点云配准。【结果】基于ISS-LCG组合特征点的点云配准算法以30°为间隔对点云进行两两配准时,配准效果最佳,配准误差约0.066 mm,配准精度比未采用组合特征点的配准方法提升了50%～70%;配准时间均小于48 s,平均配准时间为8.706 s。【结论】该方法在可控环境内可以实现成熟期油菜植株高精度、高效率的自动配准。     

农用AGV视觉导航中基准线提取算法的研究

[目的]寻找用于农用AGV视觉导航曲线基准线的提取算法。[方法]针对农用AGV视觉导航基准线假定为直线而容易受作物残留物等因素的影响,引入了曲线导航基准线的提取算法。[结果]曲线导航基准线的提取算法为首先分割图像,将作物等植被和土壤等背景分离,然后在分割图像中以每行最大空隙的中点为标志点,逐行检查标志点,调整偏移较大的标志点,若与前一行标志点位移大于T,则缩小位移为t,最后连接标志点。曲线基准线提取算法更注重基准线的偏向与行进方向的一致性。[结论]在较多残留物和作物行缺乏规则的情况下,曲线基准线的大部分点都落在行进方向上,并总体向右倾斜,基本上反映了农用AGV的行进路线,提高了农用AGV导航精度。     

基于SFM算法的单木结构参数提取研究

针对传统森林资源调查方法获取单木结构参数效率低和成本高的问题，提出一种基于SFM算法的单木结构参数快速提取方法。以哈尔滨市城市林业示范基地树木为研究对象，利用SFM算法获得单木照片的三维点云，并利用点云数据处理软件对获得的点云数据进行单木结构参数提取，最后与实测参数进行对比分析。结果表明:1）分别利用SIFT算法、SURF算法以及ORB算法对相机校检后的树木照片进行特征点提取匹配，特征点正确匹配个数分别为23、145以及25，相应的耗时分别为18.56、16.04、1.58 s；2）利用SFM算法能获得树木照片的稀疏点云和稠密点云，平均每棵树木点云量为80万个；3）基于点云数据提取单木结构参数的胸径、树高及冠幅的平均绝对误差分别为1.79 cm、0.77 m及0.79 m；胸径、树高、冠幅的提取值与实测值相关系数均>0.94。     

基于FPFH特征和NDT算法的树木点云配准

为了提高海量林地三维点云数据配准的效率和精度,提出了一种基于快速点特征直方图(fast point feature histograms,FPFH)初始匹配与正态分布变换(normal distributions transform,NDT)精确配准相结合的配准算法。首先计算2个待配准点云的法向量,再使用k-d树结构对点云的FPFH特征进行加速计算。然后,根据2个点云相似的FPFH特征,使用采样一致性初始配准算法(sample consensus initial alignment,SAC-IA)求解初始变换矩阵、完成初始配准。最后,用DNT算法对点云体素化,并使用点云密度概率分布函数进行点云数据的精确配准。结果表明,FPFH-NDT算法的平均配准误差(相应点对的平均距离)为0.032 3 m,运行时间为256.376 s;在0.05~0.1 m的点云采样阈值范围内,FPFH-NDT算法的配准误差基本不受采样阈值变化的影响,其值稳定在0.03 m左右;当采样阈值>0.1 m时,配准误差随采样阈值的增大而增大;算法的配准时间整体上随点云采样阈值增大而减少。传统ICP算法的平均配准误差和时间分别为 0.526 3 m 和14.5 s;FPFH-ICP算法的平均配准误差和时间分别为0.042 5 m和289.346 s。FPFH-NDT算法与传统ICP算法相比在配准精度上有了很大的提高,与FPFH-ICP算法相比,在保证点云的配准精度的基础上,FPFH-NDT算法降低了算法的运行时间,提高了点云配准效率。     

基于UWB定位的农业机械辅助导航系统设计与试验

【目的】低成本实现南方中小型田块中农业机械田间精确定位,降低农机操作人员劳动强度、提高农机作业效率。【方法】采用超宽带(Ultra wide band,UWB)技术对作业机械进行实时定位,通过位置解算算法,得到定位标签的三维精确位置坐标;利用位置校正算法,修正作业机械车身倾斜引起的田间定位误差;设计基于AB线的路径规划算法,实时规划作业路径并计算作业偏差;通过可视化人机交互界面为农机操作人员提供实时辅助驾驶信息。【结果】水田环境中,分别以0.5、1.0和1.5 m/s的速度沿规划路径行驶时,系统平均横向定位偏差均小于7 cm;当行驶速度大于1.0 m/s时,利用位置校正算法平均横向定位偏差降低了52.79%,标准差降低了49.82%,最大横向定位偏差降低了50.04%。搭载辅助导航系统进行田间插秧试验,各行作业轨迹与自身行拟合直线的平均横向偏差为5.90 cm,标准差为3.64 cm;各行作业轨迹与其规划直线路径的平均横向偏差为6.98 cm,标准差为4.95 cm。【结论】辅助导航系统具有较高的定位精度和良好的稳定性,成本低且通用性强,能够满足南方中小型田块中农业机械田间作业要求。研...     

基于运动恢复结构的多株立木因子测量方法

  目的  提出基于运动恢复结构的多株立木因子测量方法,以解决目前基于三维点云的立木因子测量方法获取立木树高和胸径存在效率低或成本高的问题。  方法  ①使用智能手机环绕包含多株立木的场景拍摄一段视频,并采用固定帧采样法和差异值哈希算法自动提取立木视频中的关键帧图像,然后,基于运动恢复结构(structure from motion,SfM)算法处理立木关键帧图像,从而获取立木场景的原始三维点云;②在对原始三维点云进行预处理及初步分割后,运用条件欧几里得聚类算法对多株立木三维点云进行分割,以提取单株立木三维点云;③对立木三维点云使用最值遍历法和椭圆拟合法实现立木树高和胸径的自动测量。  结果  与真实值相比,本研究方法测得的树高、胸径的平均相对误差分别为1.96%、3.19%,均方根误差分别为0.133 3 m、0.533 7 cm,相关系数分别为0.987 9、0.962 1。  结论  该方法具有较高的树高和胸径测量精度,提供了一种便捷、低成本的多株立木因子三维测量方法。图6表1参27