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。     

基于点云图的农业导航中障碍物检测方法

为满足智能农业机器人路径规划中障碍物检测的需求,针对传统双目视觉中用于障碍物检测算法的局限性,提出基于点云图的障碍物距离与尺寸的检测方法。该方法以双目视觉中以立体匹配得到的点云图为对象,通过设置有效空间,对不同区域处点云密度的统计,找到点云密度随距离的衰减曲线。远距离障碍物由于相机分辨率的不足,点云密度会随距离下降,通过密度补偿算法进行补偿,经二次设置有效空间后锁定障碍物位置,将目标点云分别投影于俯视栅格图和正视图中,获得其距离和尺寸信息。试验表明:该方法能有效还原障碍物信息,最大测距范围为28 m,平均误差为2.43%;最大尺寸检测范围为10 m,长度和高度平均误差均小于3%。该文基于点云图的栅格化表示和密度补偿算法,通过设置有效空间将点云投影得到障碍物距离和尺寸,不同环境下的精度测试和距离检测验证了可靠性和鲁棒性。     

基于分组和精英策略的遗传算法在机器人导航上的应用

【目的】针对种植园复杂环境下采摘机器人进行路径规划时找出多路径效率低、速度慢等问题,提出一种基于分组和精英策略的遗传算法(GGABE)。【方法】首先生成1个初始群体,使用Sigmoid函数分组;然后在每组中分别进行选择、交叉、变异操作,进行n代迭代后,每组产生该组内的k条等长的最优路径;比较各组最优路径,选择最短的路径作为最优路径。在种群的各项参数均相同的情况下,简单遗传算法(SGA)、未分组的精英遗传算法(EGA)以及GGABE分别作用于15×15和25×25的地图,各进行50次试验。进行样机验证试验。【结果】第1幅地图,GGABE算法找到了8条最短路径,路径均值为20.970 6,其他2种方法只能找出1条最短路径;第2幅地图,GGABE算法找到了8条最短路径,路径均值为38.041 6。50次验证试验均找出3条最佳路径,平均路径规划时间为15.543 319 s。【结论】本研究提出的基于分组和精英策略的遗传算法收敛速度快,可快速准确地在地图中搜索出所有能够遍历整个果园的最佳路径。     

基于稳定抓取力学模型的末端执行器控制器设计

以苹果采摘机器人末端执行器稳定抓取为目标,建立了二指末端执行器抓取苹果的力学模型,提出了利用加速度传感器反馈进行优化控制的方法并设计基于BP神经网络和PID控制的自适应控制器。     

基于东方红-SG250拖拉机的自动转向控制系统设计

以东方红SG-250型拖拉机为平台,通过比例方向阀和电控单元对拖拉机原有油路进行改造,构建了自动转向控制系统,并为该系统设计了PD控制器,以实现精准控制.通过试凑法确定了PD算法的参数,试验结果表明:自动转向控制系统能够正常工作,通过试凑法确定的PD参数使自动转向控制系统具有良好的响应特性,可以满足转向系统的性能要求.     

基于全景视觉的智能农业车辆运动障碍目标检测

为了满足智能农业车辆安全正常作业,提出了基于全景视觉的运动障碍目标检测。与传统的单目和双目视觉相比,全景视觉具有360°无盲区检测的优点。首先系统使用多线程技术采集多目视觉图像,并用改进RANSAC-SIFT算法进行特征点提取与匹配,进而拼接全景视觉图像;其次采用改进的CLG光流法处理全景图像,检测运动障碍目标。试验表明：基于多线程技术和改进RANSAC-SIFT的全景拼接算法,与传统SIFT算法相比,平均提高特征点匹配准确度25.6%,加快运算速度25.0%;采用改进CLG光流法进行运动障碍检测,平均检测时间为1.55 s,检测成功率为95.0%。     

基于GIF-Shearlet算法的新旧土边界线视觉导航技术研究

针对遥操作拖拉机驾驶机器人旋耕作业时,工作环境中作物行多样化、光照不均的特点,提出一种基于导向滤波(Guided Image Filter)和剪切波变换(Shearlet Transform)的方法用于提取新旧土边界线以完成拖拉机视觉导航。首先,将图像快速转换到YCr Cb颜色空间,对灰度化的图像进行导向滤波,然后使用Shearlet-canny算子提取新旧土的边缘信息,最后经过Hough变换给出视觉导航线。结果表明,在YCr Cb颜色空间对图像进行灰度化处理与HSV、HIS、RGB颜色空间相比,效果最好,耗时最短,分别快94.0%、94.3%和25.4%;导向滤波处理图像的方法与Tarel中值滤波、MRetinex滤波、小波域Retinex滤波及同态滤波相比,算法耗时分别短87.5%、79.5%、88.8%和87.0%;采用Shearlet-Canny算子检测边缘并经过Hough变换后提取的导航线精确度最高,最大误差小于0.5°。研究表明,基于导向滤波和剪切波变换的新旧土边界线提取方法用于拖拉机智能导航是可行的。     

基于分层结构的智能农业车辆导航数据采集与处理系统

为了满足智能农业车辆导航数据多传感器采集的需要,提出了基于分层结构的数据采集与处理系统设计方案。该方案将系统分为设备层、采集层、通讯层、数据层和数据处理层5个层次。各层独立设计,且为相邻层提供接口。首次提出归一化综合距离理论,用于数据处理过程中的异常数据剔除,采用均值滤波抑制噪声。试验表明：系统能够实时、正确地对导航数据进行采集,各传感器工作正常,CAN协议合理,分层结构的设计方案可行。同时,采用归一化综合距离法和均值滤波能够正确剔除异常数据,有效抑制噪声数据。     

农用开放式智能移动平台研制

研制了一种作为农田智能化作业前提和基础的农用履带式智能移动平台。该平台主要包括机械系统和控制系统。移动平台能够实现田间自主导航,且具有一定的开放性,可满足农田多种智能化作业的要求。用VC++6.0编写了自主导航控制程序,开发了人机交互界面。样机在江苏省丰县果园进行了导航实验。结果表明:在组合导航模式下,该智能移动平台自主导航性能稳定,直线路径最大跟踪误差为0.05 m,曲线路径最大跟踪误差为0.11 m。     

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。