基于2D激光探测的立木胸径几何算法优化

目前林业测绘中使用2D激光扫描仪对树干立木胸径及位置的测定研究占据重要地位。针对3种较为常用的几何类算法(弧长法、切线法和双余弦法),提出在近距离下利用补偿角对其测量值进行补偿的方案,研究了弧长法与切线法补偿角随距离的变化关系,并进行回归分析,所得拟合方程的R~2均大于0.85。运用拟合方程在0~5.5 m范围内对实际树干进行验证,试验选取了5株杨树树干,通过算法补偿,半径与距离测量值的准确性均得到提高,其中弧长补偿算法和切线补偿算法对半径的测量精度分别比未补偿前提高了10.6和10.7个百分点,补偿后的绝对误差均值分别为4.8 mm和3.8 mm;补偿后距离测量值绝对误差均值可分别控制在66.0 mm和15.9 mm以内。试验证明2种补偿后的几何算法均可作为近距离下的林业测绘算法,其中切线补偿算法更优。     

基于光学三角形法与图像处理的立木胸径测量方法

为提高林木胸径测量精度,减少劳动负荷,结合光学三角形法、图像处理及最小二乘拟合法,研究一种新的立木胸径测量方法.通过理论分析制定算法,搭建测量系统,对5株不同径级的立木进行测量计算,实验结果表明,采用光学三角形法的测量算法计算的直径精度较高,误差一般小于22 mm,相对误差率小于5.5％.     

基于传感器的变量施肥机定位方法

简述了一种应用传感器代替GPS的变量施肥机定位方法。控制器读取传感器的脉冲信号,计算施肥机的行走距离,由自动网格识别算法实现施肥机自动网格识别。本文给出了传感器测距累积误差校正方法以提高定位精度。对于垄长为40m的网格,要使定位误差小于6%,累积误差应小于2.4m。实验结果表明,经过校正,拖拉机行走距离为250 m的时候,光电编码器和接近开关传感器测距累积误差分别为2.32 m和2.34 m(定位误差小于6%)。如果在此定位误差条件下,增加操作单元垄长方向划分的距离,可满足更长地块作业的定位要求。     

基于变前视距离的四轮同步转向农机改进纯跟踪控制

路径跟踪控制是提高自主导航系统控制精度的关键。针对在复杂农田作业环境下转弯时纯跟踪算法跟踪精度不高的问题,本文提出了一种基于改进纯追踪模型的四轮同步转向农机路径跟踪控制算法。建立了基于四轮同步转向农机的运动学模型和纯跟踪模型,在此基础上考虑航向误差得到改进纯跟踪模型,进行RTK定位坐标修正,根据量化误差的评价函数搜索前视区域最优目标点,得到最优前视距离。本文算法能实时确定四轮同步转向农机改进纯跟踪模型中的前视距离,使航向误差和横向误差最小化,实现目标点的自适应优化。仿真结果表明,本文方法转弯时平均绝对横向误差减至0.035m,平均绝对航向误差减至0.212°;水田实验结果表明,当四轮同步转向农机作业速度为3.6km/h时,四轮转向农机轨迹跟踪平均绝对横向误差减至0.109m,平均绝对航向误差减至2.799°,转弯跟踪精度显著提高。     

一种稻田自主播种机的路径跟踪方法的研究

为了克服自主式水稻播种机在水田应用中的障碍，基于一种高精度的路径跟踪算法，结合侧向偏差和航向角偏差作为反馈，建立了非线性转向控制模型，对在泥泞不平的水田中直线行驶时的转向控制进行路径跟踪，且为了避免倾斜引起的位置误差，考虑了车辆倾斜时侧倾角和俯仰角对位置坐标的影响。田间试验表明：该算法的平均绝对横向偏差小于2.9cm,航向角偏差小于0.03°,能将横向偏差减小到0.5m以内的短距离，且超过95%的测量横向偏差绝对值小于0.01m,能够满足我国水田自主式水稻播种机的精度及农艺要求。     

水田环境下水稻直播机自动驾驶控制方法

为了解决无人化水稻直播机在水田里应用时精度不高的问题,本文提出了一种在不平整泥泞水田环境中的水稻直播机自动驾驶控制方法。本文首先建立了水稻直播机的运动学模型,基于横向偏差和航向角偏差,提出了一种用于直线作业段的非线性转向控制算法。为了避免水田路面不平坦对定位系统的影响,通过倾角传感器获取车身姿态,修正定位误差。通过检测计算位置与地边的相对距离,实现了地头自动转弯。实验表明,本文控制方法的路径跟踪平均绝对误差为0.027m,具有较好的跟踪精度和稳定性,且自动转弯算法切实有效,提供了一种在水田环境下可行的自动驾驶控制方法。     

基于气温预报和HS公式的不同生育期参考作物腾发量预报

根据南京站2001-2011年实测气象数据,以Penman-Monteith(PM)公式计算得到的参考作物腾发量ET0值作为基准值,对仅需要气温数据计算参考作物腾发量的Hargreaves-Samani(HS)公式进行参数率定,采用率定后的HS公式依据2012年6月-2015年6月气温预报数据对南京水稻、冬小麦不同生育期未来1~7d的ET0进行预报,并与基于实测气象数据的PM法计算的ET0值进行比较,评价HS法的ET0预报精度。结果表明:最低、最高气温实测值与预报值相关系数分别为0.97和0.93,最低气温预报精度略高于最高气温;预见期1~7d内,水稻、冬小麦不同生育期ET0预报值与PM法计算值变化趋势基本一致,整个生育期内冬小麦ET0预报值与PM法计算值吻合程度更好,水稻、冬小麦相关系数分别达0.60、0.80左右;水稻各生育期平均准确率为66.0%~97.5%,平均绝对误差为0.65~1.22mm/d,均方根误差为0.76~1.42mm/d,冬小麦各生育期平均准确率为75.4%~99.5%,平均绝对误差为0.33~1.06mm/d,均方根误差为0.43~1.23mm/d;作物生育期各阶段对气温预报误差越敏感,ET0预报精度越低,随着生育期的推进,水稻对气温预报误差的敏感程度逐渐减小,相应的ET0预报精度逐渐增加,而冬小麦反之;但整体上预见期1~7d的气温预报及ET0预报精度达到可利用程度,可为快速灌溉预报及灌溉决策提供数据支撑。     

单目SLAM增强现实测树系统设计与试验

将内嵌有面阵相机及IMU的智能手机作为硬件系统，单目SLAM技术获取多视图几何深度图、位姿等为数据源，构建了单目SLAM增强现实森林测树系统。设计了基于平滑度高鲁棒性过滤胸高圆柱体表面点云及切线的方法；然后，基于点到圆柱体表面距离及圆柱体切线到圆柱体表面距离构建了胸径与立木位置精确估计算法；最后，以该算法为基础在智能手机端开发了增强现实测树系统，即利用智能手机实时测树、并通过增强现实场景实时人工监督测量结果。新型测树系统在5块32m×32m方形样地中进行了测试，以评估新型测树系统的测量精度；此外，每块样地使用了单次观测、正交观测、对称观测及环绕观测4种不同的观测方法对立木胸高圆柱体观测，以评估不用观测方式对测树精度的影响。结果显示：立木位置估计值在X、Y轴方向的平均误差范围为-0.014~0.020m，X、Y轴方向均方根误差范围为0.04~0.08m；立木胸径估计值偏差为-0.85~-0.03cm（相对偏差为-3.60%~-0.04%），均方根误差为1.32~2.51cm（相对均方根误差为6.41%~12.33%）；相比于单次观测方法，其他观测方法获取位置及胸径估计精度均有提高（特别是不可近似为圆柱体的立木树干），从精度与效率角度而言，正交观测及对称观测为最佳观测方法。结果表明，单目SLAM增强现实测树系统是一种可精确进行森林样地调查的潜在解决方案。     

基于RSSI的修正补偿三边定位算法设计与仿真

在无线传感器网络节点定位过程中,三边定位算法常结合测距算法获取未知节点的位置信息。本文针对现有的三边定位算法定位精度低、适用范围小和需要多次发送定位数据包导致节点能耗增大等问题,提出一种修正补偿测量距离的三边定位算法。相比常见发送多次定位数据包然后进行滤波计算降低定位误差的方法,本文采用对数常态-模型测量节点间距离,发送较少定位数据包,通过判断三锚节点圆的相对位置,对由于测距误差较大导致节点圆不相交的三种情况进行修正补偿,采用基于质心算法的三边定位算法计算未知节点坐标。通过搭建MATLAB仿真试验,验证算法可行性及定位精度,试验结果表明,本文提出的修正补偿的三边定位算法综合考虑了定位精度、算法复杂度以及节点功耗三者之间的关系,适用范围更广,定位误差小于15%。     

基于改进纯追踪模型的农机路径跟踪算法研究

为提高农机作业时直线行驶的精度,提出了一种基于改进纯追踪模型的农机路径跟踪算法。在建立了运动学模型和纯追踪模型的基础上,对农机直线跟踪方法进行研究;针对GPS导航精度易受噪声干扰的问题,通过卡尔曼滤波对航向误差以及横向误差进行了平滑处理,以获取更高精度的航向误差和横向误差;为提高纯追踪模型的自适应能力,以横向误差和航向误差的均方根误差为基础,构建适应度函数,并设计了权重函数,采用横向误差作为主要决策参数,通过粒子群优化(Particle swarm optimization,PSO)算法实时确定纯追踪模型中的前视距离;为使粒子群减少计算时间、尽快进行局部搜索,对PSO算法中惯性权重系数进行了改进。以东方红1104-C型拖拉机为试验平台,设计了农机自动导航控制系统,进行了农田播种试验。结果表明:当农机行驶速度为0.7 m/s时,采用基于改进纯追踪模型的农机路径跟踪算法,直线跟踪的最大横向误差为0.09 m;当行驶距离超过5 m后,最大横向误差为0.02 m,该算法能够有效地提高农机作业时的直线行驶精度。     

基于模糊控制的插秧机LQR曲线路径跟踪控制器优化方法

为了提高无人插秧机地头转向时的曲线路径跟踪精度,针对传统的误差权重矩阵固定的线性二次调节器（Linear quadratic regulator,LQR）路径跟踪控制器对插秧机的纵向速度、横向偏差以及航向角偏差的变化适应性较差的问题,基于车辆二自由度动力学模型,提出了一种通过模糊控制实时调整LQR控制器误差权重矩阵的路径跟踪控制器优化方法。该方法以纵向速度、横向偏差、航向角偏差为输入,以横向偏差和航向角偏差对应的误差权重为输出,建立模糊控制模型实时调整LQR控制器的误差权重矩阵。为了验证所提出算法的曲线路径跟踪控制精度和可行性,以改装后的洋马VP6E型无人插秧机为对象,进行Carsim和Simulink联合仿真试验以及实车试验。仿真试验结果表明,控制插秧机跟踪半径为2m的1/4圆弧路径时,所提出算法控制下的横向偏差绝对值均值为0.014m,最大值为0.032m,小于0.04m的占100%,航向角偏差绝对值均值为1.67°,最大值为4.94°,相较于传统引入前馈控制的LQR控制器,横向偏差绝对值均值降低50%,航向角偏差绝对值均值降低23%。实车试验结果表明,在插秧机跟踪半径为2m的1/4圆弧路径时,所提出算法控制下横向偏差绝对值均值为0.027m,最大值为0.048m,小于0.04m的占62%,航向角偏差绝对值均值为1.86°,最大值为4.94°,相较于传统引入前馈控制的LQR控制器,横向偏差绝对值均值降低40%,航向角偏差绝对值均值降低4.1%。该方法提升了无人插秧机曲线路径跟踪控制精度,为无人插秧机曲线路径跟踪控制提供了参考。     

基于启发式动态规划的履带机器人路径跟随控制方法

针对移动机器人传统路径跟随控制方法需要人工调校参数、缺乏自主优化能力的问题,提出了一种基于启发式动态规划（Heuristic dynamic programming, HDP）的路径跟随控制方法。首先,设计履带式机器人路径跟随控制系统结构,建立了误差状态方程;其次,提出了一种基于HDP算法的路径跟随控制方法,综合误差性能指标和跟随稳定性指标设计了回报函数,采用多层前馈神经网络逼近评价器和执行器,并推导了网络参数的在线优化规则;最后,通过数值仿真和系统试验验证了HDP方法的路径跟随性能。试验结果证明,基于HDP算法的控制器跟随直线的平均误差绝对值为0.04m、均方根误差为0.06m;跟随钝角转向曲线的平均误差绝对值为0.01m、均方根误差为0.06m;跟随锐角转向曲线的平均误差绝对值为0.03m、均方根误差为0.09m。该方法不需要对控制参数进行反复调试就能够获得较好的控制效果,提高了移动机器人路径跟随控制方法的环境适应性和自主优化能力。     

RGB-D SLAM增强现实原木检尺系统构建与测试

将内嵌有ToF相机、面阵相机及IMU的智能手机作为硬件系统,RGB-D SLAM技术实时获取的深度图、位姿等为数据源,构建了RGB-D SLAM增强现实楞堆原木检尺系统。首先设计了基于ToF影像实时估计RGB影像像素深度的方法,实现对待测原木端面几何坐标的初步估计;其次,设计了散形分区去噪算法实现原木端面点云的精确过滤,设计了原木端面曲率估计算法实现对过滤点云可靠性判别;然后,基于PCA等算法实现原木长、短直径方向向量估计,并基于该向量对原木长、短直径进行了估计;最后,以所构建算法为基础在智能手机平台上搭建了增强现实楞堆检尺系统,实现智能手机对原木进行实时检尺、增强现实场景对测量结果实时监督。新型检尺系统通过对6个楞堆334根原木进行了检尺实验,以评估该设备的测量精度。结果显示：原木平均直径估计值的偏差及均方根误差分别为-0.13 cm(-0.35%)及1.05 cm(3.34%);原木径阶化直径估计值的偏差及均方根误差分别为-0.10 cm(-0.22%)及1.33 cm(4.43%);原木材积估计值的偏差及均方根误差分别为-0.007 m³(-0.27%)及0...     

四轮独立驱动高地隙无人喷雾机轨迹跟踪自适应控制

针对高地隙喷雾机在自主导航作业中因侧滑影响而导致轨迹跟踪精度降低的问题,提出一种基于四轮独立驱动(4WID)高地隙无人喷雾机的自适应控制方法。首先,建立4WID高地隙喷雾机的运动学模型;然后基于运动学几何约束和速度约束,引入两个表征侧滑效应的参数构建改进位姿误差模型;最后将参数自适应与反步控制方法结合,设计自适应控制律实时估计并补偿侧滑效应。以典型的U形作业路径为例,在考虑和不考虑侧滑的情况下分别进行了仿真和试验验证。仿真结果表明：本文提出的控制算法在喷雾机出现侧滑的情况下可以保证较高的轨迹跟踪精度;水田试验表明,当喷雾机在常规作业速度3.6km/h时,与不考虑侧滑的轨迹跟踪控制算法相比,喷雾机轨迹跟踪的横向平均绝对误差减小至0.041m,标准差减小至0.059m;纵向平均绝对误差减小至0.018m,标准差减小至0.015m;航向平均绝对误差减小至2.56°,标准差减小至3.57°。     

基于运动恢复结构的无规则植物叶片面积三维测量方法

接触式测量植物叶片面积的方法会对叶片造成一定程度的伤害,为此本文提出一种仅利用智能手机的非接触式多类别无规则叶片面积三维测量方法.首先,采用运动恢复结构方法获取植株的三维重建点云,在HSV颜色特征空间去除叶片三维噪点;然后,利用模糊C均值聚类算法分割单个叶片,重建叶片表面三角网格;最后,通过网格法计算叶片面积.对5种不...     

激光摄影测树仪设计与试验

针对传统测量胸径、树高和林分空间结构参数的非智能化、非集成化、效率低等不足,以摄影测量学、测树学、图像处理技术和传感器技术原理为理论基础,设计了激光摄影测树仪。该仪器由CCD镜头、激光器、光源笔、PDA和云台组成,测量时获取方位角、倾角及图像等参数,通过在Android Studio 2.2开发平台下利用Java语言进行编译的3个模块化程序,实现胸径、树高和林分结构参数测量功能。对21株立木进行胸径、树高测量,对1块样地内15株中心树进行林分空间结构参数测量试验,并与传统测量方法进行对比,结果表明:胸径测量相对误差绝对值的平均值为2.55%,树高测量相对误差绝对值的平均值为2.82%,角尺度与大小比数测量相对误差绝对值的平均值分别为2.50%和2.86%,混交度测量与传统测量法测量结果相同,能够满足林业调查的精度要求。     

基于六维力传感器的机器人本体碰撞点检测研究

针对皮肤力传感器对机器人碰撞点检测的不足,提出了一种利用六维力传感器进行机器人本体碰撞点检测的方法。该方法利用传感器采集数据进行自约束,无需依赖碰撞体表面几何信息,将空间碰撞外力矢量线投影到最优平面中进行初步求解,再代入原始方程进行碰撞点的求解;引入了误差因子,以保证计算结果的绝对误差最小;在数据预处理方面,提出了一种动态力补偿算法,以保证基座处六维力传感器在机器人运动过程无外力碰撞下的读数恒为零,当传感器的数值超过一定阈值后即可认为机器人与外界发生碰撞。对本文提出的算法进行了仿真实验,结果表明,动态力补偿算法的合力最大相对误差为4.8925%,碰撞点检测算法在实验距离最远598.61mm处误差最大,为8.7119%。本文提出的动态力补偿算法的精度随碰撞点距离的增加没有明显变化,但在碰撞力一定时,随着碰撞距离的增加相对误差不断增大。     

基于双目视觉的田间作物高度和收割边界信息提取

为实现收获机无人驾驶自适应调控,提出一种基于双目视觉对田间作物高度和收割边界信息进行提取的方法.利用双目相机获取三维数据,基于RANSAC算法拟合初始地面平面,结合IMU计算作业实时平面,根据点到平面的距离将三维数据转换为对应的实际高度.提出一种改进的结合密度峰聚类和K均值聚类的方法对高度数据分类,同时基于归一化彩色图...     

基于GA-BP神经网络的池塘养殖水温短期预测系统

为解决传统的水温小样本非实时预测方法预测精度低、鲁棒性差等问题,基于物联网实时数据,提出了遗传算法(GA)优化BP神经网络的池塘养殖水温短期预测方法,并在此基础上设计开发了池塘养殖水温预测系统,首先采用主成分分析法筛选出影响池塘水温的关键影响因子,减少输入元素;然后使用遗传算法对初始权重和阈值进行优化,获取最优参数并构建了基于BP神经网络的水温预测模型;最后采用Java语言开发了基于B/S体系结构的预测系统。该系统在江苏省宜兴市河蟹养殖池塘进行了预测验证。结果表明:该系统在短期的水温预测中具有准确的预测效果,与传统的BP神经网络算法相比,研究内容评价指标平均绝对误差(MAE)、平均绝对百分误差(MAPE)和误差均方根(MSE)分别为0.196 8、0.007 9和0.059 2,均优于单一BP神经网络预测,可满足实际的养殖池塘水温管理需要。