基于单目视觉的农业机器人导航系统研究

机器人在农业生产、农产品运输等方面的应用程度,已逐渐成为农业智慧化水平的体现,而受农业环境复杂性的限制,机器人的导航路径规划及定位精度问题,仍是制约农业机器人应用的主要因素之一。为此,设计了一种基于单目视觉的农业机器人导航系统,通过摄像头采集农业机器人工作环境信息,建立机器人的视觉导航地图;采用级联分类器区域检测结合颜色标定的方法,使用户能够根据具体环境,自主规划机器人运动路径,实现机器人的实时定位与导航。实验结果表明:农业机器人沿用户自主规划的无轨道路径,可自动完成导航定位工作,并在路径各目标点获得了亚米级的定位精度,满足农业机器人的应用需求。     

基于改进Floodfill算法的田垄视觉导航系统

探索在环境多变的田垄中进行视觉导航的方法,针对传统田垄视觉导航方法计算量大且导航效果较一般的问题,为林果作业机器人自主作业能力提供基础,本文提出一种基于机器视觉的田垄导航方法:使用改进的Floodfill算法分割路径信息,通过十字法进行路况分类,进而采用与路况相对应的算法进行导航计算。使用多张路径图片和模拟环境对算法的分割性能和导航能力进行测试,在试验测试中,道路偏移值保持在6 cm内。试验表明,改进Floodfill算法与分类导航法结合的视觉导航方法具有可行性,可为低算力田垄视觉导航方法的探索提供新的方法和思路。     

基于RFID和WSN的采摘机器人自主定位与导航设计

为了提高采摘机器人自主导航能力和定位精度及对复杂采摘作业环境的自适应能力,提出了一种基于FRID和WSN的自主导航与避障采摘机器人,通过ID识别技术和聚类算法的应用,实现了采摘机器人的高精度导航与路径规划。该机器人在自主导航和避障过程中首先对RFID标签进行阅读,将阅读结果采用WSN进行节点通信,然后调用距离,并对距离进行聚类分析,最后得到规划后的路径。对机器人的导航定位性能进行了测试,测试发现:机器人实际标定位置和定位导航位置曲线吻合程度较高,验证了采摘机器人具有较高的定位精度;进一步测试发现:机器人在各个节点位置的信号通信均正常,没有出现较大的偏差,其定位的最大均方差仅为0.082m,满足高精度采摘作业的需求。     

农业车辆视觉导航技术研究进展

农业机器人视觉导航技术在国内外被广泛研究.为此,对视觉导航机器人系统的3个主要研究方面:导航参数获取方法、导航控制方法和算法、视觉硬件系统的国内外研究及视觉导航系统研究情况进行了综述,提出了视觉导航技术存在的问题及发展方向.     

基于足球比赛路径规划的农用无人机定位和导航研究

无人机具有很高的作业效率,能够推动农业生产的现代化和智能化。由于受各种因素的影响,无人机的实际航线与规划航线之间会出现偏差,因此需要进行定位和导航。足球比赛机器人的控制原理与农用无人机相似,其路径规划方法可以作为无人机定位和导航的参考。为此,将足球比赛路径规划的人工势场模型与农用无人机相结合,设计了一种无人机定位和导航方法。仿真试验结果表明:该方法定位和导航的无人机药液喷洒覆盖率达到98%,飞行的距离和时间相比人工控制减少了20%,路线中的急剧转向次数大幅减少,能够为无人机航线控制提供新的途径。     

基于视觉与惯性的农机组合导航的方法研究

以棚室电动微耕机为试验平台,提出了一种基于视觉与惯性融合的组合导航方法。利用摄像头、陀螺仪和加速度计在微耕机上实现了低成本、高精度的导航定位。通过以导航线为参考系的位姿描述建立农机运动学模型,采用卡尔曼扩展滤波对两种导航模块得到的农机位置、速度和航向角信息进行最优融合估计。微耕机实际行走数据的仿真实验表明:该方法能够为农机自动作业提供实用可靠的导航信息。     

基于改进ORB_SLAM2的机器人视觉导航方法

提出了一种基于改进ORB_SLAM2的视觉导航方法。针对ORB_SLAM2构建的稀疏地图信息不充分、缺少占据信息、复用性差而无法直接用于导航的问题，对ORB_SLAM2算法进行了改进，融合环境的3D、2D占据特征以及路标点空间位置、视觉特征等多模态信息构建了包含定位、规划、交互图层的多图层地图以支撑机器人的精准定位和最优路径规划；针对机器人的自主导航任务，基于先验多图层地图建立约束进行机器人的位姿估计，融合运动约束进行机器人位姿优化，实现了基于先验地图的机器人精准定位，同时基于规划图层进行机器人的最优路径规划，提升了机器人的自主导航能力。在TUM数据集及北京鹫峰国家森林公园进行实验，结果表明：所构建的多图层地图提升了机器人定位的精度和效率，性能明显优于RGB-D SLAM；基于先验地图的视觉定位方法能够进行机器人移动过程中精准、实时地定位，助力机器人按照所规划的路径实现准确的自主导航。     

基于视觉组合的苹果作业机器人识别与定位

为实现机器人自动化采摘作业,设计了苹果作业机器人识别与定位系统.模拟人类采摘过程,采用单、双目视觉组合传感器系统,克服了现有识别与定位系统对目标到视觉传感器距离的依赖性.实现了对单、双目视觉系统的单独和组合标定,与手动测量结果相比,双目视觉系统标定后3个方向的标准偏差分别为3.4、1.2和1.2 cm.提出了基于苹果颜色、形状和位置特征的识别与定位方法,试验结果表明:当工作距离为240 cm时,双目视觉系统可以准确识别并定位所有苹果,深度方向标准差为4.9 em;当工作距离为150 cm时,双目视觉系统深度方向标准差为2.4 cm;当工作距离小于100 cm时,单目视觉传感器测量目标到传感器距离的标准偏差为1.0 cm.     

基于单目视觉的采摘机器人障碍物检测和路径规划

具有自主作业能力的采摘机器人一直是国际上研究的热点,而障碍物检测躲避能力是其重要的功能,因为在机器人识别作业区域或成熟果实后需要自主的定位和移动。为此,提出了一种基于单目视觉和人工势能场的障碍物检测和避障算法,可以有效采集和检测障碍物的信息,再依据障碍物及目标区域的距离使用人工势能场方法对路径进行优化,实现采摘机器人的自主移动。为了验证障碍物检测和避障方案的可行性,模拟采摘机器人作业环境和自主移动流程,对采摘机器人避障行为进行了测试。测试结果表明:采用单目视觉和人工势场方法可以使机器人成功的避障,并规划出效率最高的到达目标作业区域路径,对采摘机器人自主导航技术的研究具有重要的意义。     

基于强化学习的农业移动机器人视觉导航

以强化学习为基础,结合模糊逻辑理论研究了农业移动机器人通过自主学习获取导航控制策略的方法。首先使用机器视觉检测环境障碍并获取障碍物相对于移动机器人的方向和距离信息。然后应用强化学习设计了机器人自主获取导航控制策略方法,使机器人能够不断适应动态变化的导航环境。最后基于模糊逻辑离散化连续的障碍物方向和距离信息,构建了离散化的环境状态,并据此制定了自主导航学习Q值表。在自制的轮式移动机器人平台上开展了试验,结果表明机器人可以在实际导航环境中自动获取更优的导航策略,完成预期的导航任务。     

基于主动轮廓模型的自动导引车视觉导航

为解决工厂或农业非线性光照环境下视觉导航算法鲁棒性和实时性差的问题,提出基于主动轮廓模型的导航标识线检测与跟踪算法。首先用多项式曲线模型描述单向标识线,导航问题等价为计算多项式曲线参数;然后依据标识线颜色和边缘等特征,给出关于多项式曲线的主动轮廓模型的内、外部能量函数;最后将能量函数简化为非线性最小二乘问题,应用高斯牛顿法和Armijo-Goldstein不精确一维搜索方法求解曲线最优参数。采用自制视频和自主小车测试算法,结果表明:该算法对非线性光照条件下直线和弯曲标识线的导航正确率为98.96%,运算时间为40.18 ms。试验验证了该算法的鲁棒性和实时性。     

Visual Navigation for Automatic Guided Vehicles Based on Active Contour Model

Lane detection and tracking algorithm based on active contour model was proposed to solve the poor robustness and real time problem for vision navigation under factory or agricultural nonlinear illumination conditions. First of all, it was illustrated that navigation problem was equivalent to calculation of polynomial curve parameters, which could describe the navigation lanes. Secondly, the external energy function of active contour model was investigated, including three energy terms. The first energy term was about the Euclidean distance between lane colors and colors on one side of polynomial curve, by minimizing the first energy term could attract polynomial curve to navigation lanes. The second energy term was about the edge features, which could attract polynomial curve to lane edges. The third energy term was about the position difference of polynomial curve between adjacent frames, which could limit curve to change abruptly. Finally, the energy function was simplified to a nonlinear least squares problem, and the Gauss-Newton method as well as the Armijo-Goldstein inexact line search method were used to solve this problem. Home video and independent car were tested, the result showed that the algorithm achieved a navigation accuracy of 98.96% for both the straight lane and bending lane under nonlinear illumination, with average processing time of 40.18ms, and the independent car could walk along the navigation lane successfully. Experiment result showed that the algorithm was robust and real-time.     

基于视觉导航和RBF的移动采摘机器人路径规划研究

为了提高采摘机器人自主导航和路径规划能力,提出了基于计算机视觉路径规划和RBF神经网络自适应逼近算法的导航方法。使用图像分割、平滑处理和边缘检测技术,根据图像像素灰度值确定了导航线的位置,利用逐行扫描的方法得到了导航离散点。路径规划和跟踪使用RBF神经网络逼近算法,通过逼近误差和权值控制路径跟踪的精度,系统响应的执行端使用液压伺服系统,提高了机器人自主导航的精度。以黄瓜采摘作为研究对象,在日光温室对机器人采摘作业进行了测试,通过测试得到了RBF神经网络的路径跟踪误差曲线。测试结果表明:机器人可以很好地逼近跟踪规划路径,其计算精度较高,跟踪效果较好。     

温室环境视觉导航路径的识别

为实现视觉导航的精确性和鲁棒性,研究了温室复杂环境机器人视觉导航路径的识别方法。以温室内西红柿苗垄为研究对象,在地膜、光线和阴影等复杂环境对植物识别的影响下,用Lab色彩空间将绿色植物从背景中分离出来;用基于权重因子的阈值分割算法代替常用的阈值分割算法;用改进的Hough变换的导航线提取方法处理有杂草干扰的作物垄。试验证明,该方法对复杂温室环境下作物垄导航线的提取有较好的适应性,而且算法简单,能够满足实时性的要求。     

基于U-Net网络的果园视觉导航路径识别方法

针对视觉导航系统在果园环境中面临的图像背景复杂、干扰因素多等问题,提出了一种基于U-Net网络的果园视觉导航路径识别方法。使用Labelme对采集图像中的道路信息进行标注,制作果园数据集;基于U-Net语义分割算法在数据增强的基础上对全卷积神经网络进行训练,得到道路分割模型;根据生成的道路分割掩码进行导航信息提取,生成路径拟合中点;基于样条曲线拟合原理对拟合中点进行多段三次B样条曲线拟合,完成导航路径的识别;最后进行了实验验证。结果表明,临界阈值为0.4时,语义分割模型在弱光、普通光以及强光照条件下的分割交并比分别为89.52%、86.45%、86.16%,能够平稳实现果园道路像素级分割;边缘信息提取与路径识别方法可适应不同视角下的道路掩码形状,得到较为平顺的导航路径;在不同光照和视角条件下,平均像素误差为9.5像素,平均距离误差为0.044 m,已知所在果园道路宽度约为3.1 m,平均距离误差占比为1.4%;果园履带底盘正常行驶速度一般在0～1.4 m/s之间,单幅图像平均处理时间为0.154 s。在当前果园环境和硬件配置下,本研究可为视觉导航任务提供有效参考。     

基于机器视觉的果园导航中线提取算法研究

为实现果园作业自动化,对基于机器视觉的果园自然情况下的导航路径拟合方法进行了研究。针对果园环境特点,基于HSV色彩模型和最大类间方差法对果园果树树行特征进行了增强。同时,使用Hough变换对果树树行线进行了拟合,并最终获得了相邻两树行的中线作为导航路径。最终试验结果表明:该方法能有效克服行间生草、光照阴影和修剪枯枝的干扰,可提取果园果树树行线并拟合出果园导航中线。     

温室机器人道路识别与路径导航研究——基于红外测距

针对温室内移动机器人的应用需求,提出了一种基于红外线测距的温室机器人自主导航算法,并使用模糊算法对导航误差进行控制,实现了温室机器人的精确自主移动功能。温室机器人导航过程中,当红外线接收管接受到红外线信号时,会产生一个光强电流,电流放大后可以输出一个模拟电压;根据电压值,通过编程计算,利用电压和距离的对应关系,可以得到机器人和标志物的距离误差;距离信息通过串口传输到PC机上,PC机利用模糊控制原理对距离误差进行判断,发出控制指令。实验测试发现:机器人导航的距离偏差平均值为-1.28cm,均方差为2.68,超调较小,可以实现较为精确的导航。