基于RTK-BDS的果园农用车辆自主导航系统研究

根据果园农用车辆作业需求,设计了一种基于RTK-BDS的自动导航控制系统。利用卡尔曼滤波技术提高了RTK-BDS在果园应用中的定位精度,同时将模糊控制与纯追踪模型相结合,设计了果园农用车辆直线跟踪导航控制器,并进行了追踪仿真和田间试验。结果表明:当果园农用车辆前进速度为0.5m/s时,最大横向误差不大于0.086m,平均误差不大于0.036m。     

基于Kinect动态手势识别的机械臂实时位姿控制系统

基于Kinect动态手势识别达到实时控制机械臂末端位姿的效果。位置控制信息的获取采用Kinect计算手部4个关节点在控制中的位置变动,数据噪声在控制中易引起机械臂误动作和运动振动等问题,为了避免噪声对实时控制的不利影响,采用卡尔曼滤波跟踪降噪。姿势控制信息通过采集手部点云经滤波处理后应用最小二乘拟合的方式获取掌心所在平面,运用迭代器降噪处理。系统通过对手部位置和姿势信息的整合、手势到机械臂空间坐标映射及运动学求解来实时控制机械臂末端位姿。实验结果证明,手势控制系统满足控制要求,简单、易于操作,机械臂实时响应速度快、运动准确。     

基于Harris和卡尔曼滤波的农业机器人田间稳像算法

针对田间颠簸环境影响农业机器人采集实时稳定图像问题，提出了基于Harris和卡尔曼滤波的农业机器人田间稳像算法。首先，利用摄像头获取田间抖动视频图像序列，进行图像子区域划分并计算各区域灰度均方差，进而确定各区域Harris角点阈值；通过自适应角点阈值设置，增加角点距离约束，完成图像角点检测。然后，对检测出的角点进行光流跟踪，计算出帧间运动估计参数。最后，利用自适应卡尔曼滤波算法对运动估计参数进行平滑操作并动态调整滤波平滑性能，获得精确运动估计矢量。测试结果表明，改进后的Harris角点检测算法区域平均分布标准差减小；自适应卡尔曼滤波算法在保证平滑随机运动前提下，跟踪主动运动性能平均提升30.75个百分点；稳像后的图像峰间信噪比提升15.93%,单帧处理时间为25.66 ms,满足农业机器人30 f/s高速图像采集时同步稳像对实时性要求。     

车辆电动转向系统的卡尔曼滤波模糊PID控制

通过对车辆动力转向系统的动力学分析,建立了动态数学模型。为了克服单独使用PID控制和模糊控制时的问题,提高控制系统的响应速度,减小超调量,减小稳态误差,设计了模糊控制和PID控制相结合的多模态控制器,实现了分段控制;并由卡尔曼滤波对控制信号进行滤波处理,减小路面随机干扰和传感器测量噪声的影响,从而进一步提高了控制效果。仿真和试验结果表明,该控制方法能够明显改善控制性能。     

森林资源动态系统W(·)与 V(·)相关的卡尔曼滤波

过去发表的森林资源(蓄积量)动态系统kalman滤波的文章,在应用kalman滤波的基本方程时,都假设系统的状态噪声W(@)和量测噪声V(@)是互不相关的.本文根据吉林省森林抽样的历史资料,运用离散系统的状态噪声w(@)和量测噪声V(@)是相关的kalman滤波方程,对森林资源(蓄积量)实行滤波,同时算出相应的滤波值误差的协方差.用蓄积量的滤波值,经过反馈计算总蓄积量,证明滤波方程的适用性;通过动态与静态误差对比,验证滤波精度.     

MEMS传感器融合技术在农业工程的应用与前景

在农业工程领域,MEMS惯性传感器融合是提高控制系统性能和实现农业机械智能化控制的重要技术手段。首先介绍了MEMS惯性传感器的分类及测量原理,并分析了实现传感器融合的主要技术方法。在此基础上,阐述了基于MEMS惯性传感器的农业导航系统研究内容和现状。最后,总结了该技术在农业工程领域的应用前景。     

基于拖拉机作业轨迹的农田面积测量

为了精确测量拖拉机在农田作业时的作业面积,以评价拖拉机的作业效率。该文选用双星定位(GPS卫星和伽利略卫星)接收机采集定位数据,采用自适应卡尔曼滤波算法提高接收机单点定位精度,利用高斯投影算法将GPS接收机采集经纬度转化成平面坐标来计算面积。选用回耕法、梭形耕法、套耕法3种方法旋耕地块,利用安装拖拉机上的GPS识别出作业轨迹,利用图像处理计算3种方法的有效作业面积、实际作业面积和重漏耕面积。试验表明:卡尔曼滤波提高了GPS单点定位精度;面积测量相对误差为2.09%;地块1(回耕法)漏耕率为14.29%,重耕率为6.19%,地块2(梭形耕法)漏耕率为10.72%,重耕率为5.54%,地块3(套耕法)漏耕率为1.80%,重耕率为6.82%。随测量面积增加,测量精度越高;套耕法效率最高,梭形耕法其次;回耕法的漏耕率最大,作业效率最低。     

基于红外差频的人眼识别及跟踪的研究

本文介绍了一种基于红外光源得到的明暗瞳孔图像做差的人眼检测及跟踪方法,应用于疲劳驾驶检测系统。利用DSP芯片来控制红外光源,获取实时图像。采用差分图像进行人眼瞳孔图像的定位检测,利用卡尔曼滤波法跟踪人眼,以适时检测眼睛的开闭状态。该方法具有准确、快速、全天候且对驾驶员无干扰等优点。     

卡尔曼滤波技术在汽车故障解码器中的应用研究

目前常用的汽车故障解码器不能诊断故障码不出现的各类故障,为了扩展解码器的诊断功能,提出了一种利用基于模糊自适应卡尔曼滤波的径向基函数神经网络处理解码器数据流的新方法.该方法通过MATLAB软件与ACCESS数据库相结合编制故障诊断程序,可实现汽车电喷发动机无故障码的故障诊断.同时,还将基于模糊自适应卡尔曼滤波的径向基函数网络与BP网络进行了比较.结果表明,基于模糊自适应卡尔曼滤波的径向基函数神经网络诊断速度快且准确,更适合用于故障诊断,如果将本研究所编制的程序固化到解码器中,将会使其进一步向智能化方向发展.