基于无效目标滤除的毫米波雷达农田障碍物检测方法

农田障碍物检测是农机自动驾驶的前提,针对毫米波雷达的农田障碍物检测,本文提出一种无效目标滤除的算法。首先对毫米波雷达所输出的目标信息进行解析并提取农田目标障碍物信息,然后使用无效目标滤除算法对解析后的空目标、伪目标、非威胁数据进行滤除。对雷达数据中目标距离为零的空目标直接滤除;对因雷达工作性能或回波信号不稳定而产生的伪目标通过雷达有效目标生命周期法进行过滤;对超出横向距离阈值和纵向距离阈值的非威胁目标直接滤除。试验结果表明,所提算法在静止状态,平均滤除率达到85%以上。当速度为3 km/h时,未作业状态的平均滤除率为85.24%,旋耕为84.23%;当速度为5 km/h时,未作业为84.22%,旋耕为84.18%;当速度为7 km/h时,未作业为84.19%,旋耕为84.16%。尽管在行驶状态下,随着速度的提升或悬挂旋耕机,滤除率有一定的下降,但本文所提算法在各种状态下的平均滤除率均可达到84%以上。     

基于深度学习的模糊农田图像中障碍物检测技术

针对图像实时采集时,由于镜头缺陷、相机抖动、目标运动等原因造成的模糊图像输入,导致训练完成的深度学习模型检测准确率下降问题,本文提出一种基于改进Faster R-CNN和SSRN-DeblurNet的两阶段检测方法,用于农田环境模糊图像中的障碍物检测.第1阶段进行锐度评价和去模糊处理,利用简化尺度循环网络(Simpli...     

基于单目视觉的采摘机器人障碍物检测和路径规划

具有自主作业能力的采摘机器人一直是国际上研究的热点,而障碍物检测躲避能力是其重要的功能,因为在机器人识别作业区域或成熟果实后需要自主的定位和移动。为此,提出了一种基于单目视觉和人工势能场的障碍物检测和避障算法,可以有效采集和检测障碍物的信息,再依据障碍物及目标区域的距离使用人工势能场方法对路径进行优化,实现采摘机器人的自主移动。为了验证障碍物检测和避障方案的可行性,模拟采摘机器人作业环境和自主移动流程,对采摘机器人避障行为进行了测试。测试结果表明:采用单目视觉和人工势场方法可以使机器人成功的避障,并规划出效率最高的到达目标作业区域路径,对采摘机器人自主导航技术的研究具有重要的意义。     

基于立体视觉技术的多种农田障碍物检测方法

从摄像机标定、图像获取、双目校正、立体匹配、深度计算等方面研究多种农田障碍物检测方法,分别用Bouguet算法进行立体校正、用区域匹配方法获取视差图、用三角测量方法计算障碍物的深度,获取了不同环境下的5种障碍物及其位置信息,并使用计算机视觉函数库OpenCV,提高了算法的实时性。试验表明:障碍物与摄像机的距离小于2 000 mm时,准确识别率在96%以上,深度的绝对误差在±30 mm内(即相对误差在1.5%以下),且完成一次障碍物检测的时间小于100 ms。     

农业机器人视觉导航中多分辨率路径识别

针对非结构化的农田自然环境，提出农业机器人视觉导航时的多分辨率路径识别算法。首先探讨了用于路径识别的适宜的彩色特征，然后基于小波变换分析了多分辨率边缘检测过程，最后结合跟踪路径的特点融合了多分辨率检测结果。油菜地图像的处理结果表明了该算法的有效性。     

基于欧氏聚类的三维激光点云田间障碍物检测方法

为满足目前农业机械(简称农机)自动驾驶中农田障碍物检测的需求,提出了一种使用三维激光雷达检测田间障碍物的方法.该方法首先对采集的环境点云进行预处理,采用体素栅格下采样滤波,将稠密的点云在不损失特征信息的情况下进行减量;采用三维长方体对角点划定感兴趣区域以便快速计算;采用随机采样一致性(RANSAC)算法检测出农田地面点...     

基于小波变换的农田景物边缘检测

依据农田景的图像的基本特点，提出零点反对称紧支撑二进小波检测图像中的边缘。运用此方法在计算机上对图像边缘提取，得到了连续、光滑、单像素宽的边缘链图像。表明这种边缘提取方法有效、可行。     

基于纹理频谱的农田景物区域检测

为实现对复杂农田景物区域检测,将原始图像做多层直方图均衡化预处理,然后基于边缘的存在会干扰所在局部区域的纹理特征的思想,提出了一种基于纹理谱的区域检测方法;并以收获季节农田景物区域检测为例,通过实验证明这个方法是可靠的,能够得到期望的有效区域。     

基于双目视觉的作物苗期障碍物三维信息检测方法

农业智能装备在实际农田环境中行进或作业的过程中需要感知多变环境下的各种障碍物.为此,基于双目视觉,开展了作物苗期农田障碍物三维信息检测方法研究,提出了一种基于特征的障碍物检测算法.首先,利用边缘检测算法去除天空背景,提取出障碍物潜在区域的上边界线,利用超绿特征颜色变换去除绿色作物苗期农田背景,提取下边界线;然后,通过阈...     

基于形态学的农田景物区域检测技术

研究了形态学在农田景物区域检测中的应用，通过形态学分析对农田景物区域进行了形态特征提取，在此基础上利用先验知识对各区域进行了识别分类。试验表明，本文提出的方法可以取得良好的效果。     

基于小波变换的基波无功实时检测

分析了SVC装置现有的无功功率检测方法,提出了一种基于正交小波变换的基波无功功率实时检测方法。该方法用电力系统电压、电流信号离散采集的数据,可方便地对系统功率因数实时检测,能有效地分解和计算含各次谐波和随机干扰的电压、电流信号中的基波分量,从而得到实时的无功功率数据。通过仿真,验证了实时检测方法的有效性。     

基于改进Hough变换的收获机器人行走目标直线检测

提出了基于改进随机Hough变换(RHT)的收获机器人行走目标直线检测算法.将摄像机安装在联合收获机的顶部,在收获过程中采集农田场景图像.根据已收获区域、未收获区域和非农田区域的不同颜色特征,利用统计分析和边缘检测,确定行走目标直线的终点位置以及直线方向上的候选点.以候选点为点集,采用改进RHT完成直线检测.与传统的RHT相比,避免了无效采样和累积问题.经过对多幅图片的处理,证明算法能够有效检测出直线参数,且处理时间在200 ms左右.     

基于小波去噪的FFT农网谐波检测

谐波检测的准确性直接影响对电网谐波污染状况的评估以及抑制措施的实施,采用小波软阈值去噪对含噪的电力谐波信号进行降噪处理,再利用快速傅立叶变换对去噪后的信号进行分析,提取各次谐波含量和总谐波失真率。在Matlab环境下进行仿真检测,结果表明:小波去噪后检测的各次谐波含有率更加接近于原始信号谐波含有率水平,去噪方法提高了谐波信号检测的准确性,这种小波去噪与FFT结合的方法适合在谐波检测系统或装置中应用。     

基于LBV变换与小波变换的OLI图像融合方法

以陕西省榆阳区2013年6月9日的Landsat 8 OLI图像为基础数据源,对比分析LBV-Wavelet RF等5种图像融合算法的使用效果。对图像预处理后,分别采用HIS变换、Brovey变换、HPF变换、PCA变换和LBV-Wavelet RF方法进行融合和SVM监督分类,然后从目视评价和定量评价两方面对比分析各种融合算法的使用效果。在目视评价方面,判读融合前、后9种地类光谱特征的一致性;融合后图像是否具有全色波段图像的空间结构特征,是否存在细节模糊。在定量评价方面,采用灰度均值差、灰度均方根差评价融合后图像对多光谱信息的保持性能;采用相关系数均值、相关系数均方根差评价融合后图像对高空间分辨率信息的融入度;采用总体分类精度、Kappa系数评价融合前、后SVM监督分类精度差异。结果表明LBV-Wavelet RF方法能够使融合后图像在保持原多光谱图像光谱信息的同时,增强纹理结构特征,提高对细小地物的辨识能力;融合后图像SVM监督分类的总体分类精度和Kappa系数分别为84.01%和0.787,较原多光谱图像分别提高13.45%和15.91%。     

基于小波变换的车辆油气悬架信号提取技术

将小波变换应用于油气悬架信号的提取。建立了带有油气悬架的1／4车辆系统动态模型,把B级路面仿真作为系统的输入,得到了非簧载质最加速度曲线和油气恳架输出力曲线,通过小波的分解与重构有效地去除了噪声信号．提取山非簧载质撼加速度和油气悬架输出力信号,为油气悬架系统设计提供了理论依据。     

基于小波变换的大米直链淀粉波长选择方法

提出了一种基于小波变换的近红外光谱波长选择方法,小波分解低频系数是原光谱的离散近似,将最佳小波分解低频系数与原光谱数据进行关联,求出小波分解低频系数与原光谱数据的列相关系数R,取与原光谱数据相关系数较大的波长组合,作为最后参与建模的谱区.不仅考虑了浓度矩阵对波长选择的影响,且由于把小波分解结构中的高频系数全部滤除,避免了高频噪声的干扰,减小建模和预测运算时间,使最终建立的近红外光谱模型的预测精度提高.在大米直链淀粉含量的近红外光谱分析中进行了验证,并与其他常用波长选择方法进行了比较,结果表明,该方法波长点数最少,减小为原光谱数据点数的20%,校正模型和预测效果都较理想.     

基于IRM和小波变换的圆度误差在线检测技术

针对提高圆度误差在线检测精度的两个关键问题--主轴回转误差分离和环境噪声消除,提出了一种基于IRM(改进反向法)和小波变换的圆度误差在线检测方法.运用IRM实现在线检测中主轴回转误差与圆度误差的分离;采用基于小波变换的消噪滤波方法,消除车间噪声和高、中频信息的干扰.实验结果表明,在线检测精度基本达到了三坐标机的离线检测精度,平均相对误差4%,重复测量精度基本一致.     

基于小波变换和BP神经网络的蛋壳破损检测

提出了一种基于多层小波变换和纹理分析的蛋壳破损检测方法.该方法对获取的鸡蛋透射图像G分量在不同水平上进行小波分解,计算和分析各水平高频细节子图像的纹理特征参数,实验确定最有效的8个特征参数作为BP网络输入,建立结构为8202的BP神经网络蛋壳破损分类模型.实验表明,该方法对无破损蛋、线状破损蛋、网状破损蛋和点状破损蛋的判别正确率分别为95%、90%、95%、80%,平均识别率为90%.     

基于小波变换的汽车轮速信号去噪

传统的汽车轮速信号处理方法难以消除干扰信号的影响。根据信号与噪声通过小波变换后在各尺度空间呈现的不同特性,选用Daubechies四阶正交小波（db4）对噪声信号进行多层小波分解,对小波分解的各层细节信号,分别采用软阈值处理方法进行量化处理,然后进行小波逆变换重构信号以达到对信号去噪和恢复的目的。研究结果表明,采用此方法能够有效地去除轮速信号中的各种干扰。