农业割草机器人全区域覆盖路径规划研究——基于计算机视觉技术

首先，采用运动控制、能源、传感器、核心处理器和割草等5个模块设计了农业割草机器人试验平台；然后，利用纹理特征对障碍物图像分割算法进行分析研究；最后，基于CCD^*实现了割草机器人的全区域覆盖作业。实验结果表明：使用研究的CCD^*算法大大提高了割草机器人全区域覆盖作业的能力和作业效率。     

基于视觉算法的割草机器人作业系统优化

以割草机器人作业系统为研究对象，通过对割草机器人作业过程进行分析，利用高清摄像头进行目标区域草地图像采集，采用视觉算法进行草地图像转换，获取草地图像的颜色和边界特征集合，实现草地识别和草地形状识别，并根据结果进行割草作业自动化控制。试验表明：基于视觉算法建立的割草机器人作业控制系统，草地面积识别误差不大于1.5%,草地图像像素识别误差不大于3%,系统在进行草地状态识别时具有较高的可靠性。     

基于物联网的智能割草机器人运动控制系统研究

以智能割草机器人为研究对象,首先基于物联网技术介绍和实现了割草机器人的定位功能,然后介绍了其运动学模型、控制系统架构和动力牵引装置,最后介绍了智能割草机器人驱动模型,实现了智能割草机器人的运动控制系统。试验结果表明:智能割草机器人能够对障碍物进行自主避障,且路径规划路线最优,实现了目标区域的全区域覆盖割草作业。     

基于视觉导航的割草机器人运动控制

以割草机器人为研究对象,重点进行了草地识别和非接触避障两方面的研究,提出了基于视觉导航的割草机器人运动控制策略。并对割草机器人进行了场地试验,试验测试表明各控制方案相对有效,能够有效解决实际问题,对于智能割草机器人控制应用领域具有重要价值。      

割草机器人自动控制系统 —基于智能视觉和人工算法

为解决无导航功能的智能割草机割草区域最佳覆盖的问题,将智能视觉和人工智能聚类算法引入到了割草机控制系统的设计上,通过分解目标区域和计算质心位置,实现作业区域的全覆盖识别。机器人控制系统利用智能视觉来判断割草作业区域,代替了以信号和微波等为依据的导航功能,可以有效地提高作业区域的识别效率和精度。为了验证方案的可行性,以割草机器人路径规划为例,对割草机器人的路径规划时间和准确率进行了测试。结果表明:基于智能视觉和人工聚类算法的割草机器人具有较高的路径规划效率,且路径规划的准确率也较高,可以满足割草机器人控制系统的设计需求。     

割草机器人路径规划的研究——基于机器视觉和人工势场算法

首先建立了割草机器人环境模型和传感器系统,然后利用OTSU算法和Faster R-cnn对图像进行分割和障碍物识别,最后根据割草机器人和周边环境搭建了一个人工势场,实现了对割草机器人路径规划。试验结果表明:割草机器人能够自行躲避障碍物目标,对预设路径进行局部重新规划,证明了该系统的可靠性和可行性。     

基于自适应全局阈值融合标记的遥感图像建筑群分割

针对分割遥感图像建筑群时,标记不完全所产生的过分割和欠分割并存问题,提出一种基于自适应全局阈值融合标记的图像分割算法.该算法根据建筑群的分布和纹理特点,利用小波变换提取图像梯度,通过形态学重构对梯度图像进行滤波;采用局部极小值法提取背景标记,并应用自适应全局阈值法提取建筑群标记.采用逻辑运算进行标记融合,用融合后的标记修改加权像素的Sobel梯度图实现精准分割.实验结果表明,该算法能够弥补形态学滤波梯度图的局部极值标记不足问题,抑制了建筑群的过分割和欠分割,准确地将建筑群从背景中提取出来,分割正确率达到90.7％.     

基于MRF融合的银桂花朵图像阈值分割方法研究

图像分割是花卉类别图像识别过程中的重要步骤,分割结果的优劣直接影响识别结果的准确性。针对自然场景下的银桂花朵图像,提出一种基于马尔科夫随机场(Markov Random Field, MRF)的阈值分割融合图像分割算法。首先提取RGB彩色图像中的R通道、G通道、B通道的灰度图,用Otsu、Kittler、Niblack、Kapur四种阈值分割算法对灰度图进行二值化,然后利用像素局域空间能量与图像间能量建立MRF总能量泛函,最后对能量泛函进行最小化迭代求解,得到融合后的分割图。试验结果表明,提出的算法能降低树干背景影响,分割效果好,能很好地提取银桂花朵,SD、Dice、ER、NR平均值分别为93.07%、96.35%、7.73%、1.30%。     

基于HSV模型与改进的OTSU算法花椒图像分割

为实现农业智能机器人对作业现场花椒的识别,提出了一种基于HSV模型与改进的Otsu算法相结合的图像分割方法:以现场图像的H分量图像作为处理样本,先采用中值滤波滤除噪声,再利用改进的Otsu算法进行阈值分割,达到对花椒目标辨识的目的。通过对采摘现场成熟的大红袍花椒在顺光、背光、遮阴3种情况下采集的图像进行分割,结果表明:在顺光、背光、遮阴条件下,分割识别率分别为93.3%、90%、88.3%,且与传统的Otsu算法相比,图像分割时间缩短20%以上,为现场机器人花椒采摘识别提供了一种方法。     

割草机器人路径规划研究 ——基于改进蚁群算法和计算机视觉

首先,从设计需求、结构体系和控制系统设计了割草机器人总体方案;然后,设计了草坪边界提取算法和割草机器人路径规划系统,实现了一套基于改进蚁群算法和计算机视觉的割草机器人路径规划系统.试验结果表明:割草机器人能够实现草坪边界提取和规划出最优路径,割草机器人路径规划具有一定的可行性.     

基于OFDM信道和远程监控的果园采摘机器人设计

随着网络和远程控制技术的发展,基于移动互联网的智能机器人成为未来机器人的发展方向。到目前为止,采摘机器人还很少采用移动互联网进行远程监控,如果将移动互联网应用到果园采摘机器人的设计上,将会大幅度地提高采摘机器人的实时在线控制水平,提高多机器人编队控制能力。为此,提出了一种基于OFDM信道估计和远程监控网络的果园采摘机器人设计方法,并结合果实图像的分割、归一化、细化和增强技术,提高机器人果实图像的识别能力。通过夜间对采摘机器人平台的测试发现:机器人在加入信噪比的干扰信号情况下,采用OFDM传输系统的机器人信号发送端和接收端的信号吻合程度很高,误码率很低,为新式智能远程控制采摘机器人的研究提供了较有价值的参考。     

个性化割草机器人外观设计研究

为进一步设计优化割草机器人的外型,不断提升其用户满意度和视觉体验效果,针对个性化割草机器人进行了外观设计研究。结合割草机器人的工作原理及核心部件参数,进行结构及外观信息捕捉,考虑各割草作业环境的多变性因素,将割草机器人的前结构模型按照一定规则导出为外观设计模型,进行结构模型与设计模型的互为调整,通过核心控制算法程序整合为个性化割草机器人协调性的外观模型,并进行外观设计试验。结果试验表明:一方面,整机设计周期约为6周条件下,整体测试运行效率较外观设计优化前提升2.8%以上,其结构协调性和整机的外观设计满意度均保持在平稳水平,设计合理有效;另一方面,总结出实现设计外观的标准化操作步骤,可为类似智能机器外观设计提供一定的参考。     

基于图像边界提取的果园作业机器人自主导航系统

针对果园中农业移动机器人的自主导航问题,提出了一种基于图像边界提取的自主导航系统。首先,通过摄像机采集果园场景图像,并利用均值偏移算法对图像中的像素点进行聚类;然后,采用基于图论的图像分割算法,根据预定义类别对图像进行分割;接着,提取出所需类的图像区域,并利用Canny算子对该区域图像的边缘进行检测和滤波;最后,利用Hough变换提取出该区域的边界线,从而获得机器人的行进路线。实验结果表明:该方案在不需要先验知识的情况下,能够快速、有效地获得最优路径。     

基于PLC的智能割草机器人控制系统

通过对目前割草机市场和智能割草机器人控制系统的分析,结合传感器检测技术、直流电机驱动技术、PLC控制技术、GPS定位技术以及触摸屏人机交互技术,设计了一套智能割草机器人控制系统,其具有运行稳定、安全可靠和响应快等性能。同时,该智能割草机器人的定位精度误差减小,割草工作效率大大提高,而智能化程度也大幅提高。      

卡尔曼滤波在割草机器人路径追踪优化中应用

为了提高割草机器人工作效率与割草效果,设计了草机器人路径追踪系统。系统采用螺旋式路径规划方式,通过中值滤波、阈值分割等图像处理手段,得到了割草边界线。同时,提取该边界线上角点,进行线性拟合,得到系统导航方程,并采用几何追踪方法和递推方式实现导航方程追踪。采用卡尔曼滤波方法,综合考虑系统预测值和检测值,以两者协方差为依据,计算最优解。测试结果表明:该方法可以有效提高追踪精度,减少迭代次数。     

割草机器人工作原理及试验研究—基于GPS/DR组合导航系统

随着国民经济不断发展,我国人民生活水平不断提升,多种人工作业逐渐被机器所取代。GPS/DR组合导航系统能够有效提升割草机器人定位精度,克服传统割草机器人固有弊端,提高工作效率。为此,对GPS/DR组合导航系统原理展开了分析,进行了GPS/DR组合导航系统割草机器人研究,并进行了相关试验研究,验证了GPS/DR组合导航系统割草机器人相对于传统割草机器人的优势。     

基于TRIZ的割草机器人功能设计方法研究

为进一步提升适用于草坪园艺管理的割草机器人整体作业效率,引入TRIZ发明问题解决理论针对其系统功能设计方法展开研究.根据割草机器人进行割草作业的运动学机理与系统实现功能构成,以TRIZ解决问题理论为基点,搭建割草作业核心解决问题模型,以降低其运行故障率.将TRIZ理论中的设计问题分析与冲突分析进行耦合,通过系统构件设计...     

基于超像素特征的苹果采摘机器人果实分割方法

针对苹果采摘机器人在自然环境下对着色不均匀果实的识别分割问题,提出了基于超像素特征的苹果采摘机器人果实分割方法。首先,采用简单线性迭代聚类算法将图像分割成内部像素颜色较为一致的若干超像素单元;然后,提取每个超像素的纹理和颜色特征,并采用支持向量机将超像素分为果实和背景两个类别;最后,根据超像素之间的邻接关系对分类结果进行进一步修正。实验表明,该方法能够对大部分超像素单元进行正确分类,平均每幅图像被错误分类的超像素约为2.28个。与采用像素级特征的色差法和采用邻域像素特征的果实分割方法相比,采用超像素特征的果实分割方法具有更好的分割效果。在进行邻接关系修正前,该方法图像分割准确率达0.9214,召回率达0.8565,平均识别分割一幅图像耗时0.6087s,基本满足实时性需求。     

自然场景下低分辨率苹果果实病害智能识别方法

为实现自然场景下低分辨率苹果果实病害的智能识别,对获取图像进行预处理,采用改进的水平集交互式分割方法提取病斑。根据病斑特点,提取H,S,V等3个通道的2个低阶颜色矩作为颜色特征,基于灰度共生矩阵提取8个特征参数作为纹理特征,提取病斑的Hu不变矩作为形状特征。在对特征进行优选的基础上,构建支持向量机病害识别模型。实验结果表明,用优选的15个特征和支持向量机识别模型,对3种病害的平均正确识别率达到90%,可以有效识别苹果果实病害。     

基于VUE的智能采摘机器人前端开发框架研究

以智能采摘自动识别定位方式为研究对象,对葡萄自动采摘前端的图像采集和分析处理过程进行分析,利用VUE自底向上逐层构建的方式,设计一种能够对目标进行自动识别定位的智能采摘机器人识别定位算法。采用高清相机对采摘目标图像进行采集,将原始图像进行二值化处理,获取图像灰度等级,并采用葡萄图像分割的方式获取葡萄采摘点,最后通过最小角度拟合的方式确定葡萄果梗采摘点。试验结果表明:智能采摘机器人前端识别定位方法平均运行成功率高于90%,平均运行时间0.65s,能够快速准确地进行采摘对象识别定位,可为智能采摘机器人技术的推广提供理论基础。