直线型植保无人机航姿UKF两级估计算法

针对直线型植保无人机航姿测量受磁场干扰严重、磁力计校准动态性能差、航姿估计精度低等问题,提出了一种基于磁力计实时校准的无人机航姿两级解算方法。依据地磁场矢量变化小的特点,利用列文伯格-马夸特（Levenberg-Marquardt,LM）算法和磁力计误差模型,建立磁力计实时校准模型,实时计算磁力计误差参数。考虑运动加速度、电机磁场以及环境磁场干扰,采用无迹卡尔曼滤波器（Unscented Kalman filter,UKF）融合陀螺仪和加速度计实现一级航姿估计,通过四元数精准解析出横滚角和俯仰角姿态信息;然后融合磁力计实时校准数据和陀螺仪修正航向角完成二级航姿估计,最终实现无人机姿态和航向的精准估计。试验结果表明,在外部磁场干扰高达30.97μT时,实时校准算法仍可快速计算出磁力计校准参数,模长均方根误差为0.59μT,减小了航向观测信息噪声。本文的航姿测量系统姿态角均方根误差不大于0.75°,航向角均方根误差为1.40°,较互补滤波算法,姿态角精度提高约0.6%,航向角估计精度提高1.38°;动态飞行试验中,姿态估计算法大幅减弱了磁干扰影响,航姿跟踪准确,航向角快速收敛,稳态精度更高。     

基于3D视觉的青饲机拖车车斗自动识别与定位方法

根据农业生产智能化需求,提出一种基于三维视觉的青饲机拖车车斗自动识别和定位方法。该方法通过图像与点云数据处理技术相互配合,实现拖车车斗的边沿识别和空间定位。首先,利用视觉里程计概念构建相机与地面三维坐标系之间的关联,并用奇异值分解算法求解位姿变换矩阵,将相机坐标系下的3D点云进行旋转平移,并且基于地面进行阈值处理和降维;其次,采用随机抽样一致性算法完成对车斗边沿拟合以及车斗角点定位,获得机械臂喷头与车斗的相对位置;最后,通过坐标变换,将定位结果直观呈现在像素坐标系中。本文方法能够准确地定位车斗角点,描绘车斗所在区域。现场实验结果表明,该方法计算量较小、效率高、准确性高,能够满足现场作业的实时性与精度要求。     

基于无迹卡尔曼滤波的农用无人机定位研究

为提高农用无人机在作业时的定位精度,提出应用全球定位系统及惯性导航系统信息融合的方法实现无人机位姿状态的建模,得到导航系统测量信号与无人机状态间的非线性微分方程。对于系统中存在的非线性状态估计问题,创新性的提出采用适合于非线性系统的无迹卡尔曼滤波算法(Unscented Kalman Filter,UKF)进行处理,实现对基于多传感器信息融合的无人机姿态(翻滚角、俯仰角、偏航角)、速度和位置的准确而稳定的估计。现场试验采用改造升级后的极飞科技P10 2018植保无人机,配备改造升级后的机载电子和传感器系统。试验结果表明,与常见的扩展卡尔曼滤波器相比,UKF与多传感信息融合技术结合可实现对无人机位置信息(欧拉角)的高精度估计,其翻滚角、俯仰角和偏航角误差估算准确度分别提高30.3%、45.8%、70.2%,绝对值最大为0.57°。     

基于深度学习的农用无人机自主避障研究

针对目前农用植保无人机(UAV)自主避障能力弱及避障系统繁琐等问题,提出了一种适用于植保无人机的基于深度学习的端到端自主避障方式。利用植保无人机挂载的双目相机实时采集图像,当检测到障碍物与植保无人机距离≤5m时,自主避障系统启动,将采集图像预处理后输入卷积神经网络,输出姿态角与油门量控制无人机自主飞行与避障,同时卷积神经网络通过手动飞行采集信息进行训练。实验结果表明:该方法能使植保无人机对农田常见障碍物房屋、树木、电线杆等做出自主避障,且模型具有一定的泛化能力,适当训练后,可将此避障方式应用于复杂环境下的植保无人机自主避障。     

基于VINS-MONO和改进YOLO v4-Tiny的果园自主寻筐方法

面向果园运输车果品采收自主运输作业场景，提出了一种基于VINS-MONO和改进YOLO v4-Tiny的果园自主寻筐方法。首先基于VINS-MONO视觉惯性里程计算法，进行果园运输车位置姿态的实时估计。然后基于改进YOLO v4-Tiny目标检测算法，根据图像数据进行果筐实时目标检测并获取对应深度信息。其次根据运输车当前位置姿态、果筐深度信息以及深度相机内参，进行被识别果筐位置更新。最后基于三次B样条曲线拟合原理，以被识别果筐位置为控制点，进行寻筐路径实时拟合，为果园运输车抵近果筐提供路线引导。试验结果表明：改进YOLO v4-Tiny果筐识别模型的平均识别精度为93.96%,平均推理时间为14.7 ms, 4 m内的果筐距离定位误差小于4.02%,果筐角度定位误差小于3°,果园运输车实测平均行驶速度为3.3 km/h,果筐搜寻路线平均更新时间为0.092 s,能够在果树行间和果园道路两种作业环境下稳定实现自主寻筐。该方法能够为果园运输车提供自主寻筐路径引导，为其视觉导航提供研究参考。     

一种面向无人机的阵列相机设计及其目标定位算法研究

双目视觉定位系统广泛应用于无人机视觉定位领域中,但鉴于普遍使用普通单双目相机,其视场角较小,可调焦距小,不能满足无人机对复杂飞行环境中目标的大视野定位的需求。为此,设计了一种面向无人机的阵列相机包含对应定位算法,无人机搭载其可获得更大视角,降低视觉盲区的影响。同时,为了提供更高的无人机视觉定位系统对空中小目标检测的精度,采用阵列相机技术以及对应定位算法,当僚机搜索待检测目标时,通过阵列相机技术先切换到合适的相机组,然后自动调节相机焦距,识别定位目标。实验表明,该设计可以让无人机更快地追踪到目标,并且目标在画面中成像更清晰,定位更精准。     

基于多速率卡尔曼滤波的植保无人机仿地飞行方法

针对四旋翼植保无人机坡地适应性差、作业时定高精度低的问题,提出了一种融合立体视觉、气压计及惯性测量单元(IMU)的多速率卡尔曼滤波估计无人机高度的仿地飞行方法。首先基于无人机实时高度、姿态与最佳视觉检测区域之间的关系,提出了视觉检测区域自适应算法;然后融合多传感器信息建立多速率卡尔曼滤波模型用以估计无人机对地高度;最后通过自主飞行实验对无人机高度估计算法与仿地飞行方法进行验证。实验结果表明,当飞行高度为2 m,飞行速度为1、2、3 m/s时,植保无人机在平坦地面与15°缓坡区域均可实现高度估计平均绝对误差小于20 mm,高度估计标准差小于30 mm;高度控制平均绝对误差小于30 mm,高度控制标准差小于30 mm;本文验证了植保无人机在地形变化场景下仿地飞行的有效性,为植保无人机在复杂地形自动化作业奠定了基础。     

移动机器人RGB-D视觉SLAM算法

针对移动机器人视觉同步定位以及地图构建(Simultaneous localization and mapping,SLAM)研究中存在精确度较低、实时性较差等问题,提出了一种用于移动机器人的RGB-D视觉SLAM算法。首先利用定向二进制简单描述符(Oriented fast and rotated brief,ORB)算法提取RGB图像的特征点,通过基于快速近似最邻近(Fast library for approximate nearest neighbors,FLANN)的双向邻近(K-nearest neighbor,KNN)特征匹配方法得到匹配点对集合,利用改进后的随机抽样一致性(Re-estimate random sample consensus,RE-RANSAC)算法剔除误匹配点,估计得到相邻图像间的6D运动变换模型,然后利用广义迭代最近点(Generalized iterative closest point,GICP)算法得到优化后的运动变换模型,进而求解得到相机位姿。为提高定位精度,引入随机闭环检测环节,减少了机器人定位过程中的累积误差,并采用全局图优化(General graph optimization,G2O)方法对相机位姿图进行优化,得到全局最优相机位姿和相机运动轨迹;最终通过点云拼接生成全局彩色稠密点云地图。针对所测试的FR1数据集,本文算法的最小定位误差为0.011 m,平均定位误差为0.024 5 m,每帧数据平均处理时间为0.032 s,满足移动机器人快速定位建图的需求。     

农业无人机动态降落方法研究

为实现农业无人机高速、准确降落于地面移动机械设备(自走式施肥机构、农业无人车等)上,基于Aruco码设计了一种复合视觉识别标志,并基于该视觉识别标志提出了农业无人机动态降落控制策略。降落策略主要分为两个阶段：阶段一为标识识别阶段,使用Aruco标识检测算法进行标识识别;阶段二为对带标识地面移动机械设备的稳定跟踪。工作时,利用PnP类算法求解无人机当前位姿,使用PD轨迹追踪算法实现农业无人机对地面移动平台的追踪。为了验证该控制策略的有效性与准确性,利用开源仿真平台Prometheus进行仿真验证,并使用MatLab进行数据分析,结果表明：该控制策略可实现农业无人机的自主降落。     

基于DeepLabCut算法的猪只体尺快速测量方法研究

为解决基于计算机视觉猪只体尺测量过程中存在的对猪只姿态依赖度高、测定效率低等问题,提出了一种基于DeepLabCut算法的非接触式猪只体尺快速测量方法。本研究以长白猪为研究对象,使用RealSense L515深感相机作为图像数据采集单元获取猪只背部RGB-D数据,通过分析对比ResNet、MobileNet-V2、EfficientNet系列的10个主干网络训练效果,选取EfficientNet-b6模型作为DeepLabCut算法最优主干网络进行猪只体尺特征点检测;为实现猪只体尺数据的精准计算,本文采用SVM模型识别猪只站立姿态,筛选猪只自然站立状态;在此基础上,采用深度数据临近区域替换算法对离群特征点进行优化,并计算猪只体长、体宽、体高、臀宽和臀高5项体尺指标。经对140组猪只图像进行测试发现,本研究提出的算法可实现猪只自然站立姿态下体尺的实时、精准测量,体尺最大均方根误差为1.79 cm,计算耗时为每帧0.27 s。     

丘陵山地拖拉机姿态主动调整系统设计与实验

为保证拖拉机在丘陵山地的安全作业,并提高作业效率及乘坐舒适性,设计了基于双闭环PID算法的丘陵山地拖拉机姿态主动调整系统。首先,根据丘陵山地特定作业需求设计了姿态主动调整系统,包括姿态调整机构、液压驱动系统和控制系统;然后,建立了系统动力学模型,通过数值分析验证了该自动调平控制算法的有效性;最后,在山东五征集团生产的拖拉机上安装此系统,并进行了实验验证。结果表明:所设计的姿态主动调整系统在±10°的坡地上调平时间为7. 5 s,最大调平误差小于0. 5°,左右摆动机构摆角绝对值的差在±1°以内,能有效满足丘陵山地作业需求。同时,该拖拉机在高低起伏较大的坡地上以1挡速度(1. 98 km/h)行驶时,车身倾斜角可控制在±3°范围内,左右摆动机构摆角绝对值差在±5°范围内。所设计的姿态主动调整系统能适应恶劣作业环境的作业需求。     

基于图像识别的无人机导航系统设计

无人机提高了农业生产效率,但作业性能受各方面因素的影响,而导航能力是重点关注的内容。图像识别技术通过分析图像中的大量信息来辨识目标,可以提高无人机的自动导航能力。固定翼无人机在飞行速度和高度上具有优势,进行农业信息监测和保险勘察时效率更高,但精准导航的难度较大。为此,设计了一个基于图像识别的无人机导航系统,以固定翼的航拍无人机为平台,搭载影像传感器拍摄图像,进行图像边缘检测和目标识别分析,获得空间定位和跑道识别的功能。同时,地面站根据分析结果生成飞行控制指令,无人机接收指令后通过舵面偏转调整飞行姿态,获得自主飞行和着陆能力。     

基于改进A*算法的果园移动机器人建图定位与路径规划方法与试验

为实现果园移动机器人室外自主导航,对机器人建图定位和路径规划进行研究.在建图与定位方面,提出一种紧耦合激光—惯性里程计方法,通过匹配提取到的关键帧点云线面特征来完成机器人的位姿估计与地图构建,将处理过的不同传感器的测量信息融入因子图进行优化得到全局一致位姿,运用滑动窗口的方法保证系统实时性,对历史关键帧进行边缘化处理以...     

果园滑动转向机器人轮胎动力学参数实时估计方法

受果园路面起伏及轮胎附着能力变化影响,滑动转向轮式机器人轮胎的垂直载荷及侧向力参数变化大且难以实时估计,针对现有滑动转向控制器设计时对轮胎动力学参数进行简化,从而导致机器人姿态控制稳定性低的问题,本文提出了非铺装路面滑动转向轮式机器人轮胎垂直载荷实时估计方法和轮胎驱动力实时估计及优化分配算法。首先,提出了适用于滑动转向过程静力学计算的理想平面以及基于该平面的四轮垂直载荷估计方法;其次,提出了基于Fiala轮胎动力学模型的小侧偏角侧向力估计方法;再次,建立了滑动转向轮式机器人坡道稳态动力学方程和轮胎实时驱动力估计方法;最后,基于轮胎利用率构造轮胎驱动力最优实时分配模型。为验证本文方法,建立了基于ADAMS的滑动转向轮式机器人动力学模型进行对比验证,并且对垂直载荷以及侧向力估计方法搭建了检测装置进行实际验证。实际验证结果表明,轮胎垂直载荷实时估计方法准确率为95%以上,侧向力实时估计方法准确率为85%以上,基于轮胎垂直载荷以及侧向力的轮胎驱动力优化方法使轮胎利用率从96.25%降低至93.75%,提高了轮胎附着裕量和姿态控制稳定性。     

基于多传感器融合的跟随AGV复合导引技术

在"主从式"AGV协同作业中,跟随AGV的定位和导引,除了获取环境信息,还需要观测领航AGV的位姿进行路径跟随,对精度和稳定性有更高的要求。为了提高跟随AGV的导航精度,提出一种惯性导航与多目视觉结合的组合导航方法。针对多传感器的数据融合问题,提出一种基于自适应无迹卡尔曼滤波的跟随AGV最优位姿估计方法。惯导传感器输出信号用于跟随AGV的状态预测;路径跟踪导航与RGB-D视觉导航组成多目视觉导航,作为系统观测修正惯导的累积误差。实验表明,本文提出的复合导引方案具有更快的偏差收敛速度、更稳定的路径跟踪状态和队形保持,提高了双车协同搬运系统的实时性和鲁棒性。     

农用植保旋翼无人机地面监控系统的设计与实现

植保无人机凭借其低成本、高效率、精准快速作业等优点,在农业植保领域得到快速发展,成为现代农业的一种重要装备。为了能够实时远程监控农用植保旋翼无人机的飞行状态信息,提高无人机飞行作业安全和作业质量,进行更好的飞行控制管理,设计并实现了植保旋翼无人机地面监控系统,可实现与植保无人机的远距离实时通信、监测飞行姿态、显示飞行作业轨迹和飞行控制等操作。地面监控系统采用嵌入式树莓派2作为硬件平台,2.4G无线模块实现数据收发,使用跨平台C++图形用户界面应用程序框架Qt对地面监控系统软件功能和交互界面进行开发,并制定了旋翼无人机与地面监控系统之间的数据通讯协议。该系统实际测试表明:监控系统可长时间连续稳定的工作,有效实现了对农用植保旋翼无人机实时监控与操作。     

基于避碰传感器的自主汽车动目标识别与估计

建立自主汽车目标的匀速运动模型,根据实时的目标静态特征信息,采用最小二乘改进算法对匀速运动的自主汽车目标动态参数做出合理的估计,并对参数估计进行了仿真,验证了该算法实时性和可靠性。     

基于多时相无人机遥感植被指数的夏玉米产量估算

为建立夏玉米无人机遥感估产模型,正确评价规模化农业经营管理和用水效率,以内蒙古自治区规模化种植的夏玉米为研究对象,设置了5个不同水分处理的实验区域,每个实验区域布置了3个样区,利用自主研发的多旋翼无人机多光谱遥感平台,对夏玉米进行多时相的遥感监测。采用牛顿-梯形积分和最小二乘法,构建了基于多种植被指数和多种生育期对应的夏玉米实测产量的6种线性模型,并采用阈值滤波法减少土壤噪声对模型精度的影响。结果显示,不同生育期的玉米估产模型精度存在显著差异。单一生育期中,精度由高到低依次为:抽雄期、吐丝期、蜡熟期、拔节期,最优植被指数为EVI2(决定系数R^2=0.72,均方根误差RMSE为485.46 kg/hm^2);多生育期的最优植被指数为GNDVI(R^2=0.89,RMSE为299.35 kg/hm^2)。经过土壤滤波后,拔节期和多生育期的R^2提升显著,其中基于植被指数GNDVI、MASVI2、EVI2的多生育期估产模型的决定系数R2提升到0.87以上。多生育期的无人机遥感估产优于单生育期,最优估产植被指数为GNDVI,阈值滤波法可以有效提升估产精度,优化后基于植被指数的无人机遥感估产模型可以快速有效诊断和评估作物长势和产量。