视觉导航农用车辆相对位姿测量新方法(英)

农田环境中农作物大多呈近似直线的行垄分布特点，农用车辆自主视觉导航时通常利用这些景物特征作为跟踪目标。提出了一种计算车辆相对于跟踪目标位姿的新型方法，首先分析了传统算法中存在的计算量大、忽视图像平面中各像素权重不同等缺陷，而后依据跟踪路径局部线性模型假设，详细地推导了算法过程。基于视觉导航原型车辆的试验结果表明，与人工测量值相比，横向距离和航向角的误差均值都等于零，标准差分别为3cm 和0.62deg。     

基于自监督学习的温室移动机器人位姿跟踪

为实现温室环境下机器人行进过程中的位置及姿态跟踪,该研究提出一种基于时序一致性约束的自监督位姿变换估计模型.模型用软遮罩,处理视频帧间静止造成的位姿预测值收缩现象,进一步用归一化遮罩,解决非刚体场景和目标遮挡问题.设计了一种星型扩张卷积,并基于该卷积,为模型构建自编码器.在采集自种植作物为番茄的日光温室视频数据上开展训...     

基于相机位姿恢复与神经辐射场理论的果树三维重建方法

针对传统立体视觉三维重建技术难以准确表征果树多尺度复杂表型细节的问题,该研究提出了一种基于相机位姿恢复技术与神经辐射场理论的果树三维重建方法,设计了一套适用于标准果园环境的果树图像采集设备和采集方案。首先,环绕拍摄果树全景视频并以抽帧的方式获取果树多视角图像;其次,使用运动结构恢复算法进行稀疏重建以计算果树图像位姿;然后,训练果树神经辐射场,将附有位姿的多视角果树图像进行光线投射法分层采样和位置编码后输入多层感知机,通过体积渲染监督训练过程以获取收敛且能反映果树真实形态的辐射场;最后,导出具有高精度与高表型细节的果树三维实景点云模型。试验表明,该研究构建的果树点云能准确表征从植株尺度的枝干、叶冠等宏观结构到器官尺度的果实、枝杈、叶片乃至叶柄、叶斑等微观结构。果树整体精度达到厘米级,其中胸径、果径等参数达到毫米级精度,尺度一致性误差不超过5%。相较于传统的立体视觉三维重建方法,重建时间缩短39.50%,树高、冠幅、胸径和地径4个树形参数的尺度一致性误差分别降低了77.06%、83.61%、45.47%和62.23%。该方法能构建具有高精度、高表型细节的果树点云模型,为数字果树技术的应用奠定基础。     

六足制孔机器人三自由度并联机械腿的误差模型及验证

为了研制六足制孔机器人,提出了一种基于(U+UPS)P+UPS机构的三自由度并联机械腿,建立了机械腿机构的误差模型与评价方法,并通过误差分析制造出机械腿试验样机,对试验样机进行了误差标定试验研究。首先,采用矢量链法建立了机械腿机构的误差矢量约束方程,得到了机械腿机构的误差传递模型。接着,定义了一组误差敏感性评价指标,并绘制了误差敏感性评价指标在机械腿机构工作空间内的分布曲面。然后,基于误差敏感性评价指标及机构其他机构学性能,采用蒙特卡罗法对机械腿进行了结构参数设计,选取了一组结构参数,制造了机械腿试验样机。最后,采用一套高精度机器人标定系统对机械腿试验样机进行了误差标定。试验表明:机械腿试验样机的位置误差实测值与理论值之间偏差均小于0.003 mm,姿态误差实测值与理论值之间偏差均小于0.05°,误差敏感性评价指标的实测值与理论值的差值均小于0.03。机械腿试验样机的误差均在合理范围之内,基本达到了设计要求。     

自然环境下多类水果采摘目标识别的通用改进SSD模型

为解决当前自然环境下水果识别率不高、泛化性不强等问题,该文以苹果、荔枝、脐橙、皇帝柑4种水果为研究对象,提出了一种改进的SSD(single shot multi-boxdetector)深度学习水果检测模型:将经典SSD深度学习模型中的VGG16输入模型替换为Res Net-101模型,并运用迁移学习方法和随机梯度下降算法优化SSD深度学习模型。该文基于Caffe深度学习框架,对自然环境下采集的水果图像进行不同网络模型、不同数据集大小和不同遮挡比例等多组水果识别检测效果对比试验。试验表明:改进的SSD深度学习水果检测模型对4种水果在各种环境下的平均检测精度达到88.4%,高于经典SSD深度学习模型中的86.38%,经过数据增强后平均检测精度可提升至89.53%,在遮挡面积低于50%的情况下F1值能达到96.12%,有较好的泛化性和鲁棒性,可以很好地实现自然环境下多类水果的精准检测,可为农业自动化采摘中的水果识别检测问题提供新的方案。     

带有自锁式关节的农业六足机器人能耗优化模型及验证

六足机器人具有成为丘陵山区未来重要农业装备的潜力,但高能耗是其实际应用的技术瓶颈。普通机器人关节无自锁特性导致其在静立时也需耗能以克服重力,而如果让关节自锁以保证静立时不耗能,则运动能耗又将大幅提高。为此,该文以机器人在运动及静立过程中的综合能耗最少为目标,给出带部分自锁式关节的六足机器人设计方案,提出其能耗优化模型：引入经试验验证的关节正反向驱动力矩传递效率差异来修正现有模型缺陷,基于地面力学修正现有约束条件,针对自锁式关节不同配置给出对应的目标函数。以模型给出的能耗极小值为评定依据,对自锁式关节进行优化配置。试验及仿真结果表明：所提出的能耗优化模型比现有模型更准确,能进一步降低运动能耗40%以上;对特定构型的六足机器人,不使用自锁式关节时静立功耗超过38 W,所有关节均可自锁时运动能耗比前者高3倍以上;在应用该文优化模型和最优关节配置方案后,既可保证静立能耗为0,又可保证运动能耗与不使用自锁式关节时基本相当：完成30°下坡、平路、30°上坡行走时,运动能耗仅分别高出14.2%、16.3%、45.5%。该文提出的能耗优化模型可为带有自锁式关节的农业六足机器人设计和能耗优化提供理论支持。     

智能喷雾机器人的喷雾性能试验评价

摘要：该文对智能喷雾机器人温室对靶喷雾性能进行了试验评价。喷雾机器人采用视觉传感器采集植株和病害图像,提供病灶定位和病情信息。3自由度直角坐标系施药机械臂驱动变量喷嘴进行施药,根据病灶位置和病害程度选择性开闭喷嘴。试验对喷杆定位精度定量和药液节省率进行了试验分析。温室对靶施药机器人在3种病情等级下进行了试验,与传统施药方式相比,药液节省率达到60%以上,实现了对黄瓜等篱笆型植物精准施药。     

高光谱图像技术在水果品质无损检测中的应用

传统的近红外光谱分析法和可见光图像技术应用于水果品质无损检测中存在的检测区域小、检测时间长、仅能检测表面情况等局限性。高光谱图像技术结合光谱技术与计算机图像技术两者的优点,可获得大量包含连续波长光谱信息的图像块,其图像信息可检测水果的外部品质,光谱信息则可用于水果内部品质的检测,达到根据水果内、外部综合品质进行分类的目的。根据不同的采集设备,简介了两种获得高光谱图像的方法。综述了国内外将该技术应用于水果品质检测方面的研究进展,检测内容包括外观品质、损伤与缺陷,成熟度和坚实度,含糖量、含水率等内部品质,着重介绍了各高光谱图像的成像波段范围、分辨率、成像源,实验数据处理的方法以及实验结果等。根据综述所得提出了高光谱图像技术应用中需要解决的光谱降维、降低样品差异影响和实时检测平台搭建等问题。     

水果综合分选机称重模块的设计与实现

为满足水果外观品质和质量综合分选的实际需要,设计了水果机器视觉质量综合分选机的称重模块。通过受力分析得出了水果质量的理论计算公式,给出了水果同步称重过程的实现方法。通过对质量不同的苹果进行实测标定,得出了等效质量 与其A/D转换值之间的关系式,并进行了试验验证。试验结果表明,所设计的称重模块可以与水果机器视觉分选机配合,对水果进行外观品质和质量的检测,称重精度约为2%。     

基于双目视觉的香蕉园巡检机器人导航路径提取方法

为实现移动机器人香蕉园巡检自动导航,研究提出了一种基于双目视觉的香蕉园巡检路径提取方法。首先由机器人搭载的双目相机获取机器人前方点云,进行预处理后对点云感兴趣区域进行二维投影并将投影结果网格化,得到网格地图;然后采用改进的K-means算法将道路两侧香蕉树分离,其中初始聚类中心通过对网格地图进行垂直、水平投影以及一、二阶高斯拟合确定;最后基于最小包围矩形提取导航路径,将道路两侧网格以最小矩形框包围,提取两包围框中间线作为期望导航路径。测试结果表明,改进的K-means算法聚类成功率为93%,较传统方法提高了12个百分点;导航路径提取平均横向偏差为14.27 cm,平均航向偏差为4.83°,研究方法可为香蕉园巡检机器人自动导航提供支持。     

全方位高速瓜果图像采集系统的研究

快速可靠的图像采集系统是实现对瓜果进行准确分拣的基础。介绍了一种全方位高速瓜果图像采集系统。该系统实现了果实多个表面图像的同步采集，采用多线程程序结构提高图像采集速度，采用单场提取模式提高图像质量。利用开发的智能瓜果精选分级试验样机对图像采集系统的性能进行了试验，试验结果证明获得的图像质量和采集速度可以满足实时瓜果分级系统的需要。     

蔬菜嫁接机器人嫁接苗特征参数的视觉测量方法

嫁接用苗的直径、生长点坐标、苗长等特征信息,是判断能否嫁接匹配的有效参数特征,也是迅速获取机器人嫁接位置参数的重要依据。为了提取相关蔬菜嫁接机器人的嫁接用苗特征信息(嫁接苗生长点坐标、砧木苗子叶茎截面的长短轴直径、穗木苗子叶茎截面长短轴直径、砧木苗长度及穗木苗长度等),该文提出了一种图像处理综合算法。该算法首先确定采集后图像的初步目标范围,然后进行预处理,获得单色图像,利用灰度阶跃变化选定兴趣区域,而后对图像进行中值滤波和图像增强;利用基于高斯拟合、求反和基于大津法阈值分割相结合的信息提取方法,获得生长点横坐标,结合形态学开闭处理方法及逻辑搜索运算,引入有效行连续的概念,剔出强光噪声的干扰,获得了所需的各长短轴直径图像坐标;利用标定结果和相机图像到世界坐标转换的对应关系,获得最终各项指标信息。在自行研发的嫁接机器人样机上,以葫芦类砧木苗为试验对象,经过500次试验,与传统手工实际测量值相比,该算法实测值平均误差小于0.0053 mm,直径最大误差小于0.02 mm,从而验证了该算法的可行性和有效性。该算法能在线获取嫁接苗特征信息,满足嫁接实时要求。     

基于机器视觉的水果尺寸检测误差分析

介绍了当前应用机器视觉进行水果尺寸检测的现状。根据水果成像时水果、摄像机透镜、水果图像三者之间的相互关系，运用几何光学理论分析了尺寸检测中的各种误差及其原因。水果成像时，由于水果表面各点的高度变化，水果图像上各点所代表的实际长度不尽一致，形成标定误差；水果与摄像机透镜光心之间的距离不可能无穷远，成像后，水果图像的边缘点到形心的距离并不能真正代表水果的半径，形成半径误差；水果中心与摄像机光心偏离后，得到的图像存在形状误差。给出了标定误差的计算公式和半径的估算公式。