基于多传感器融合的水稻行识别与跟踪导航研究

水稻生产田间管理机械自动跟踪水稻行是提高水稻生产田间管理自动化程度的关键。为避免田间管理机械碾压水稻行,本文融合机器视觉和2D激光雷达信息识别水稻行,并进行水稻行跟踪导航控制。首先分别利用机器视觉和激光雷达提取水稻行中心点,并统一空间坐标和目标区域,再采用稳健回归算法拟合水稻行中心线,获取导航基准线并计算出导航参数。然后设计了预瞄追踪PID控制器,最后搭建了水稻行跟踪导航试验平台并进行试验研究。试验结果表明,跟踪模拟水稻行的曲线导航试验标准差为27.51 mm;跟踪机械移载的水稻行导航试验横向偏差标准差为43.03 mm,航向偏差标准差为3.38°。     

农田精准平整过程中三维地形实时测量方法研究

为提高农田平整作业过程中平后区域田面地形实时测量精度，本文提出一种农田精准平整过程中三维地形实时测量方法(Real-time 3D terrain measurement, Rt3DTM)。以安装有GNSS双天线和姿态传感器的支撑轮式旱地平地机为地形测量平台，利用卡尔曼滤波器融合GNSS与加速度提高定位精度，通过建立平地铲运动学模型获得支撑轮底点的车体坐标，结合平地铲位姿信息对支撑轮底点进行世界坐标解算，并利用最邻近插值法生成地形图。静态试验表明，Rt3DTM方法能准确解算支撑轮底点坐标，平面测量均方根误差小于10 mm,高程测量均方根误差不大于20 mm。水泥路面试验结果表明，在3组不同车速下测量同一段水泥路面三维地形，与真值的高差均方根误差均小于30 mm。田间试验结果表明，Rt3DTM测量的高程均方根误差为16.5 mm,平整度为16 mm,小于30 mm的高差分布列为95.8%,相比机载GNSS测量方法的均方根误差准确性提高29.5%,平整度准确性提高11.1%,高差分布列准确性提高9.5%。提出的Rt3DTM方法能实时准确地获取平整作业过程中平后区域的地形信息，为无人化农田平...     

基于BDS和IMU的挖掘机铲斗位姿测量方法与试验

为提高农田建设中挖掘机施工作业精度和智能化程度，本文提出了一种基于BDS（BeiDou Navigation Satellite System，北斗卫星导航系统）和IMU（Inertial Measurement Unit，惯性测量单元）的挖掘机铲斗位姿测量方法。首先，采用IMU测量挖掘机各执行机构的姿态角信息，解算获得挖掘机车体坐标系下铲斗末端的三维坐标，利用双天线BDS和IMU检测车体的位置和姿态建立了挖掘机铲斗末端三维坐标的实时解算模型，并设计了融合双天线BDS和IMU输出高频率高精度位姿的卡尔曼滤波算法。模拟挖掘机实际施工场景进行了静态和动态试验，采用全站仪验证铲斗末端三维坐标解算值。试验结果表明，该方法能准确实时测量挖掘机铲斗末端三维坐标，挖掘机铲斗末端三维坐标解算值与全站仪实测值的运动轨迹变化一致，同一时刻空间两坐标点距离均方根偏差小于30mm，三个轴向坐标动态测量均方根偏差均在20mm内，绝对偏差≤30mm的数据占比不低于95.35%，挖掘机铲斗位姿的准确测量为挖掘机精准施工智能引导提供了基础。