除草机器人路标识别多模式匹配算法研究——面向中英文混合环境

随着农业自动化水平的不断提高,除草机器人被逐步地应用到了农田生成作业过程中,机器视觉系统是除草机器人自主导航和杂草作物识别的核心部件,其性能的好坏直接影响作业效率和作业质量。为了提高除草机器人的导航效率,提出了一种基于中英混合环境的多模式匹配算法,将该算法应用到了除草机器人的英文和中文导航路标的模式匹配上,并采用相关图像处理算法对路标进行了增强处理,最后对不同环境下导航的可行性进行了验证。结果表明:采用中英文混合环境的多模式匹配算法和图像增强处理功能后,除草机器人机器视觉系统的路标成功识别率较高,导航准确率也较高,从而验证了方案的可行性和可靠性。     

基于DSP的移动采摘机器人目标识别视觉系统设计

为了提高移动式采摘机器人目标识别系统的作业效率和可靠性,结合嵌入式图像处理技术,提出了一种以DSP为控制核心的嵌入式图像识别系统。利用DSP处理器可以将采集的图像信号进行数字化转换,并通过图像处理将提取的特征图像直接传送到PC机,用于信息的反馈;PC机通过数据处理将控制指令直接发送给DSP,控制机器人终端的动作。为了验证系统的可行性,对目标识别视觉系统进行了测试,结果表明:采用DSP的移动式采摘机器人视觉系统可完成图像特征的提取,且目标识别的准确性较高,处理时间较短,可以满足高精度快速采摘作业的需求。     

基于图像融合技术的采摘机器人自主导航技术研究

为了提高采摘机器人自主导航的精度,避免因环境的复杂性引起的视觉导航采集图像的质量问题,将图像融合技术引入到了采摘机器人导航视觉系统的设计上,通过对多实时采集图像的融合处理,提高采集图像的质量。为了验证方案的可行性,模拟草莓采摘机器人作业环境,对多曝光图像进行了融合处理,并利用4种评价指标对融合后的图像质量进行了评价,将评价结果进行了统计。评价结果表明:采用IHS图像融合算法具有明显的优势,将其使用在采摘机器人的导航视觉系统中将发挥重要的作用。     

基于CMOS图像传感器的采摘机器人嵌入式视觉系统

为了提高采摘机器人的自动化程度,实现自主导航和自主采摘作业能力,将基于CMOS图像传感器的嵌入式视觉系统引入到了采摘机器人的设计过程中,有效降低了机器人的设计复杂程度,提高了机器人的设计效率。采用DSP主控芯片构建了嵌入式图像处理系统,可以处理CMOS相机实时采集的图像,并采用模块化设计,构建了包括通讯单元、存储单元及视频输入输出接口的硬件系统,使各模块之间协调工作。为了验证方案的可行性,对一款果实采摘机器人进行了改装,安装了嵌入式视觉系统,并对其性能进行了测试。测试结果表明:采用基于CMOS图像传感器嵌入式视觉系统后,采摘机器人的定位准确率和采摘准率率都较高,满足了自动化采摘作业需求。     

基于DSP和图像处理的农业机器人视觉导航研究

确定了间歇式行走的农业机器人视觉导航方案,设计了计算机图像采集单元、计算机图像处理模块和视觉导航参数提取算法,实现了一套基于DSP和图像处理的农业机器人视觉导航系统。试验结果表明:农业机器人移动速度增加时,导航误差会增大,且机器人的平均横向偏移在10cm之内,能够满足农业机器人的导航需求。     

基于DSP和计算机辅助的播种机导航视觉技术研究

为提高播种机导航视觉系统的效率及准确性,在导航控制系统的设计过程中引入了DSP和计算机辅助方法,通过计算机辅助图像处理和数据计算,有效提高了导航系统的效率。在播种机自主导航系统的设计中,采用了DSP和计算机辅助联合的方法,并以图像的处理为例,对系统设计的可行性进行了测试。结果表明:在高分辨率图像处理的条件下,基于DSP和计算机辅助的导航系统可以顺利完成图像的处理,保证了导航系统图像识别和路径规划的效率及准确性。     

除草机器人田间机器视觉导航

建立了除草机器人模型,利用VC 开发了基于机器视觉的除草机器人杂草识别和导航系统应用软件,引导除草机器人沿农作物行自动行走.提出新的图像分割算法,在RGB空间直接将农作物分割出来,再利用优化的Hough变换检测出农作物行中心线,根据摄像头姿态和透视变换原理确定除草机器人位姿.试验表明,分割一幅真彩色图像(分辨率:1 536×1 152)只需450 ms,并能够适应自然光线变化.优化的Hough变换算法使运算时间减少了1/2,导航距和导航角平均误差分别为-0.6 mm和0°,证明了此导航方案的可行性.     

基于 OpenCV 的除草机器人图像处理技术

为实现除草机器人视频图像实时处理,基于Intel 开源视觉库OpenCV 技术,提出了一种除草机器人视频图像处理方法,并给出了整体方案。利用该方案设计除草机器人视频图像实时处理系统,并在土槽实验室进行试验验证。试验结果表明,该系统能够完成视频图像高速处理与作物植株定位,从而为实现除草机器人末端执行机构精确运动控制打下了坚实基础。     

基于多路由协议的株间锄草机器人结构和控制优化设计

为获得理想的苗间机械锄草效果,提出了一种新的锄草机器人结构优化方法.该方法主要采用多目标优化模型对锄草末端结构进行设计,采用多路由协议对多锄草机器人进行协同控制,大大提高了田间锄草机器人的工作效率.在建立了机械锄草齿运动轨迹数学模型的基础上,结合现代农艺对机械锄草参数的限定及要求,建立了多目标优化模型,并利用MatLab优化工具箱得到最优解,将其应用在多机器人系统控制的多路由协议框架中.为了验证优化方法的有效性,在田间对多锄草机器人协同作业进行了试验,结果表明:优化后的多路由锄草机器人不仅大大提高了作业速度和锄草效率,而且降低了作物苗损失率,为大型中耕除草机的设计提供了理论依据.     

采摘机器人定位导航系统设计 —基于机载三维激光成像电力巡线

采摘机器人作为一种典型的农业机器人,一直未得到普及,其主要受限于果实空间分布的不规律性,以及存在视觉定位及采摘方式等技术难题。为此,将机载三维激光成像电力巡线技术引入到采摘机器人的定位导航系统的设计过程中,通过果实的圆形检测和三维重构来确定果实的质心坐标,以提高采摘机器人导航视觉的精度和效率。为了验证方案的可行性,对果实图像采集和处理的准确性进行了测试,结果表明:视觉导航系统可以成功得到标准的圆形图像,通过三维重构后,质心坐标的计算结果和测量结果基本吻合,且对果实的成功识别率较高,从而验证了方案的可靠性。     

基于机器视觉的果园喷药除草机器人视觉系统设计

果园环境路面条件差、路面崎岖、颠簸,且果园环境的光照条件变化明显,对机器人视觉系统的图像处理单元具有高运动噪音干扰和高光照条件变化干扰的特点。当前我国泛用型除草机器人视觉系统普遍不适用于果园环境,其识别效率较低、可靠性较差,针对这一问题,提出一种基于机器视觉的果园喷药除草机器人视觉系统。该视觉系统将2G-R-B模型、OTSU阈值分割和二值形态学滤波技术综合应用于果园杂草的图像处理与识别,解决喷药除草机器人在图像高运动噪音干扰及光照条件变化干扰的果园环境下的杂草识别问题,提高果园喷药除草机器人视觉系统的图像分割可靠性及识别精度。试验结果表明:应用该视觉系统的果园喷药除草机器人在日光及夜间照明环境下的喷药成功率分别为84.5%和80.5%,喷药效果良好,且受日光光照条件影响较小,在果园喷药除草作业等方面具有实际应用价值。     

杂草自动识别除草机器人设计——基于嵌入式Web和ZigBee网关

为了提高除草机器人自主导航能力和杂草识别率,将嵌入式Web和ZigBee技术引入到了机器人的控制系统中,设计了一种新型杂草自动识别除草机器人。除草器人利用摄像头采集导航图像,利用作物颜色特征在RGB颜色空间对图像进行分割,使用OTSU方法检测作物的中心线,以农作物行中心线为基准线进行自动行走,实现了机器人的自主导航功能。机器人利用杂草识别摄像头识别杂草,使用ARM9处理器对图像进行处理,利用ZigBee发送控制指令,最后由执行末端刀盘去除杂草。为了验证机器人杂草识别和导航性能的可靠性,对机器人的性能进行了测试,结果表明:图像计算和实际机器人测试的位姿结果非常接近,杂草的识别率在99.8%以上,算法的性能可靠,杂草识别精度高,除草机器人的实时性较好。     

苹果采摘机器人本体导航系统设计与研究 —基于极限学习机与图像处理

首先介绍了苹果采摘机器人本体模型,采用图像预处理提取苹果园区路径图像的特征值;然后,基于极限学习机的路径导航模型计算和求解苹果采摘机器人本体的最优导航路径,并利用MatLab软件进行了路径导航仿真试验。试验结果表明:该系统具有很好的避障和路径导航能力,能够有效规划出最短的避障路径,从而达到智能导航的目的,验证了整个系统的可靠性和可行性。     

基于光学导航的采摘机器人系统设计及定位方法研究

为了提高采摘机器人的定位导航精度,将光学导航方法引入到了采摘机器人控制系统的设计上,通过激光扫描和机器视觉相结合的方法,提高了采摘机器人的作业质量和作业效率。在进行定位时,首先由激光扫描方法对采摘机器人进行定位,得到全局坐标中的位置,然后利用机器视觉系统得到采摘机器人和待采摘目标果实的距离,对果实精确定位后进行采摘。采摘测试结果表明:采用光学导航系统可以准确完成果实目标的定位,可有效提高采摘机器人的采摘精度和采摘效率。     

基于DSP图像处理和HPI通信接口的采摘机器人设计

为了提高采摘机器人的智能化程度,降低设计和制造成本,提高机器人的通信能力,提出了一种基于HPI接口和DSP系统的新型采摘机器人。该机器人将嵌入式DSP系统和ARM控制器利用HPI接口有效地结合起来,利用图像DSP系统对采集图像进行处理,实现目标的定位,从而提高了嵌入式系统的运算能力;利用ARM控制器对执行末端进行控制,实现了机械臂的准确定位和控制;使用滤波器对通信过程的干扰信号进行降噪处理,从而提高了整个系统的稳定性和可靠性。最后,对采摘机器人的通信能力进行了测试,结果表明:IIR滤波器可以有效的滤除干扰信号,通信较为稳定,从而验证了嵌入式DSP系统和HPI通信接口在采摘机器人设计上使用的可行性。     

基于FPGA的播种机自主导航控制系统设计

为了提高播种机自主导航控制系统的精度和导航机器视觉系统图像的处理速度,实现实时导航功能,降低数据接收和参数解算的时间延迟,将FPGA引入到了导航系统的设计上,有效提高了播种机的导航精度和效率。以播种机导航中心线的追踪为例,通过追踪误差的仿真模拟,验证了FPGA在导航系统中使用的可行性。模拟仿真结果表明:采用FPGA反馈系统可以明显提高导航系统导航中心线追踪的准确性,从而提高导航系统的精度。     

基于DSP和μC/OS-Ⅱ的采摘机器人视觉系统设计

近年来,国内机器视觉发展速度较快,应用广泛。由于视觉系统需要处理视频图像信息,计算量较大,因此当前该系统多采用计算机系统进行搭建。为此,提出将嵌入式与视觉系统结合应用的思想,并利用视觉系统和嵌入式智能系统易于信息集成的特点,设计了一种基于DSP和uC/OS-Ⅱ的视觉系统。该方案主要包括硬件软件及操作系统的设计,大大提高了生产的效率和自动化程度,对实现视觉系统在采摘机器人中的应用具有重要意义。     

基于高速DSP深度视频帧内编码的农机导航系统设计

为了解决农机基于电子地图导航系统的抽象性和缺乏沉浸感的缺点,以图像清晰化复原算法为依据,提出了一种基于高速DSP图像处理系统的导航深度视频帧内编码方法,并设计了一种新的农机导航系统,从而实现了导航视频的快速处理,达到了快速精准导航的目的。本次设计的农机导航系统选用高清摄像机作为视频采集装置,使用FPGA作为协同处理器,将深度视频帧内编码数据发送到DSP主处理芯片进行处理,最后将处理得到的结果在VGA接口进行显示。为了验证系统的可行性,以低矮作物的农机导航为测试对象,利用导航系统对作物和障碍物进行了摄像,并对实时获得的视频进行深度视频帧内编码处理,最终得到低矮作物和障碍物的具体标定位置,为农机自主导航线的划定提供了基本依据。     

采摘机器人视觉伺服策略研究——基于回归数据挖掘的

为了实现采摘机器人的准确抓取控制、路径识别和自主导航功能,提出了一种基于回归数据挖掘计算模型的机器人视觉伺服控制系统。首先利用双目相机获取果实图像,然后利用拉普拉斯变换和高斯滤波方法对图片进行平滑和增强处理,并利用Canny算法对图像边缘进行检测和分割处理,完成图像的预处理。对图像进行目标识别,提取图像的特征,并采用回归数据挖掘方法对滤波图像进行检验,最终通过计算得到果实图像的中心位置,将中心位置利用控制器反馈给控制中心,控制中心发出指令,控制末端执行器完成果实的采摘作业。对机器人视觉伺服系统进行了测试,结果表明:利用采摘机器人视觉伺服系统可以准确地计算果实的中心位置,实测位置和计算位置的吻合程度较高,视觉伺服系统的计算的稳定性较好。     

采摘机器人避障控制系统研究 —基于ARM+DSP和视觉传感器

以采摘机器人移动路径中躲避障碍物为研究对象,首先介绍了视觉系统,接着从系统总体方案、软硬件设计等方面进行了详尽的介绍和设计。系统以防止采摘机器人与障碍物的碰撞为前提,分析了系统躲避障碍物的策略,实现了基于ARM+DSP和视觉传感器的采摘机器人避障控制。利用MatLab 7.0进行了仿真验证,结果表明:避障控制系统可以实现避障和路径规划,且路径最优、耗时最少,证实了整个系统的可靠性和可行性。