果园自动避障割草机前架设计与仿真

为了解决现有果园割草机自动避障性能较差、避障多为接触式机械避障的问题,为未来非接触式避障割草机整体的研制而设计出1种割草机前架机械平台。基于ADAMS仿真软件对前架进行虚拟样机仿真,采用响应曲面的优化设计方法对前架中以割盘、摆臂和套筒组成的装配体进行优化前后静力学分析对比,通过ANSYS Workbench对优化后装配体进行模态分析。结果表明,割盘所受最大应力降为0.822 7 MPa,优化率为39.82%;摆臂所受最大应力降为14.150 0 MPa,优化率为39.03%;套筒所受最大应力降为15.669 0 MPa,优化率为17.89%。优化后低阶频率为297.72 Hz,符合设计要求。     

农业车辆双目视觉障碍物感知系统设计与试验

为保证智能化农业机械在自主导航过程中的安全可靠性,该研究将嵌入式AI计算机Jetson TX2作为运算核心,设计一套基于双目视觉的农业机械障碍物感知系统。使用深度卷积神经网络对作业环境中的障碍物进行识别,并提出一种基于改进YOLOv3的深度估计方法。将双目相机抓取的左右图像分别输入至改进的YOLOv3模型中进行障碍物检测,并将输出的目标检测框信息进行目标匹配和视差计算,完成对障碍物的识别、定位和深度估计。试验结果表明,该系统能够对障碍物进行准确识别,平均准确率和召回率分别达到89.54%和90.18%;改进YOLOv3模型的深度估计误差均值、误差比均值较原始YOLOv3模型分别降低25.69%、25.65%,比Hog+SVM方法分别降低41.9%、41.73%;动态场景下系统对障碍物深度估计的平均误差比为4.66%,平均耗时0.573s,系统在深度预警时能够及时开启电控液压转向模块进行安全避障。研究结果可为农业机械的自主导航提供有效的环境感知依据。     

自主导航农业机械避障路径规划

【目的】实现自主导航农业机械作业时静态障碍物避障功能。【方法】在已知工作环境条件下提出2种避障路径规划算法。以农机运动规律为基础,依据障碍物位置和尺寸信息提出单障碍物避障算法。在单障碍物避障算法基础上,依据安全行驶区域大小,参考左右双向避障策略提出双/多障碍物避障算法。【结果】单障碍物位于不同位置、农机行驶速度为0.3 m·s~(-1)时,行驶路径分别比L算法减少35%、26%,行驶路径累计误差减少53%、82%,方差减少64%、66%;行驶速度为0.5 m·s~(-1)时,行驶路径减少38%、22%,行驶路径累计误差减少66%、62%,方差减少41%、71%。多障碍物路况,农机行驶速度为0.3、0.5 m·s~(-1)时,行驶路径累积误差分别为9.99、4.13 m,方差分别为0.022 1、0.027 0 m2。【结论】本文算法在行驶路径、行驶路径累计误差、规划路径跟踪稳定性和路况适应性上均体现出一定优势。     

基于插补-灰色理论的智能化农业车辆 定位预测系统设计

为提高智能农业车辆自主导航中定位预测数据的精度,提出基于插补-灰色理论的定位预测方法。该方法利用INS模块在RTK-GPS的前后定位数据中插补进一定数量的定位预测数据点,提高定位数据的输出频率;同时将插补方法同灰色理论相结合,减少传统灰色理论在车辆定位预测时的误差。结果表明,本系统能够使定位数据的最大输出频率提高到20 Hz;当车辆在一般路线上行驶时,插补-灰色理论的定位预测数据在正东方向上误差均值和误差均方差分别为0.007 1 m、0.108 2,在正北方向上误差均值和误差均方差分别为0.031 8 m、0.108 1;当车辆在特殊路线上行驶时,插补-灰色理论的定位预测数据在正东方向上误差均值和误差均方差分别为0.045 2 m、0.450 3,在正北方向上误差均值和误差均方差分别为0.003 4 m、0.323 0。通过插补-灰色理论的定位预测方法,能够实现对智能化农业车辆自主导航中未来时刻运动轨迹的预测。