基于视觉与激光雷达融合的棚内农业机器人定位和检测研究分析

【目的】探究视觉与激光雷达融合在棚内农业机器人中的应用,解决复杂环境下机器人自主导航的关键问题,提高机器人的感知能力和环境适应性。【方法】首先,采用高精度的视觉传感器捕捉棚内农业场景,通过图像处理技术提取关键特征,建立视觉地图以支持机器人的定位。同时,引入激光雷达传感器获取场景的三维点云数据,从而实现对环境深度和形状的准确感知。视觉与激光雷达信息的融合构建了综合感知系统,为机器人提供了更全面、可靠的定位信息。其次,针对棚内农业作业中常见的障碍物,设计了基于深度学习的障碍物检测算法。通过训练神经网络,机器人能够在实时环境中快速而准确地识别障碍物,并进行相应的避障决策。【结果】本研究提出的基于视觉与激光雷达融合的农业机器人定位和障碍物检测系统在不同棚内环境中表现出卓越的性能。【结论】机器人能够实现高精度的定位,并对障碍物做出及时准确的响应,为棚内农业的自动化精准作业奠定了坚实的技术基础。     

大数据分析在智能采摘机器人路径规划中的应用

为了实现机器人在果园中的自主运动,基于大数据融合,对激光测距传感器、CCD摄像机和电子罗盘等传感器采集的数据进行分析,确定当前机器人位置与航向。在果园中预先设定机器人行走路线,安装数码管地标牌,地标牌坐标已知;电子罗盘用于确定机器人航向角;CCD摄像头拍摄地标牌图像,采用图像灰度化、图像分割、图像腐蚀及图像细化的方法提取表示牌上数码管图像数据。采用模糊控制方法识别地标牌上数码管数字,CCD摄像头同时扫描行进前方是否有障碍物。激光测距传感器完成两个任务:①检测距离地标牌距离和方向角,通过标识牌坐标计算机器人当前位置与航向角;②检测与障碍物间距离,当小于1m时启动避障系统。实际测试表明:系统依托多种传感器,对果园环境感知能力强,具有较高的路径规划能力。     

一种多传感器融合的园艺移动平台导航系统

提出了一套基于多传感器融合的自主导航系统,利用摄像头采集环境图像,通过北斗/GPS模块获取小车的姿态信息,采用超声波和红外传感器判断障碍物;通过设计基于特征提取与识别、多源信息融合的自主导航控制和避障算法,实现了园艺作业机器人平台的自主导航控制。该系统的研究为各类设施园艺机器人的研究和功能提升提供了参考,具有一定的借鉴价值。     

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。     

基于信息融合的农业自主车辆障碍物检测方法

针对单一传感器在智能车辆环境感知中的局限性,提出一种基于摄像机与激光雷达信息融合的农业自主车辆前方障碍物检测方法。对单目摄像机获取的图像进行基于Ft（Frequency-tuned）算法的显著性检测,并生成显著图。同时对激光雷达反射点进行基于数据关联性评估的聚类分析,确定障碍物数量、边界与位置等先验信息。然后以激光雷达坐标相对应的图像像素坐标为种子点,由种子点激活经过处理的显著图,基于受限区域生长实现障碍物区域分割。试验结果表明,基于Ft算法的图像显著性检测具有更好的边缘检测效果,基于种子点的受限区域生长法可以有效地进行障碍物分割。在机器视觉的基础上融入激光雷达数据,可以更好地排除非障碍物的干扰,实现了障碍物的完整检出。     

基于随机运动障碍避碰规则的农业机器人路径优化

农业机器人作业时,为了提高机器人躲避障碍物及自主导航的效率和水平,将随机运动障碍物避碰规则引入到了农业机器人导航控制系统的设计中。采用人工势场算法对避障规则进行了设计,并利用蚁群算法对机器人路径规划方法进行了优化,从而使机器人在随机运动障碍物的环境下可以实现自主导航,且获得最短的导航路径。模拟多除草机器人的作业过程,对多运动障碍物环境下机器人的路径规划进行了仿真,结果表明:采用随机运动障碍物避障规则可以成功实现运动障碍物环境下的路径规划,且采用蚁群算法得到的路径最短、规划效率最高。     

农业机器人中超声波测距的不确定性研究

障碍物与机器人之间距离的获取是研究农业机器人自动避障的前提,而超声波传感器作为一种常用的测距装置被广泛应用于农业机器人中.为此,在研究超声波传感器的测量特性的基础上,分析了测距信息的不确定性因素,并针对这些不确定信息提出了基于概率和D-S证据理论的两种方法.这两种方法通过对获取的信息进行分析和融合,能正确地描述障碍物所处的位置,从而实现了机器人准确探测周围环境的任务.仿真实验表明,两种方法正确、可行.最后,通过对不确定信息的解释和复杂度分析等方面对该两种方法进行了比较和分析.     

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。     

基于计算机网络算法的智能采摘机器人设计

为了提高采摘机器人的路径规划能力,基于计算机网络算法设计了智能采摘系统。首先,采摘机器人采集农田图像时,基于PSPNet网络算法,设计改进型计算机网络算法,实现农田环境因素识别;其次,识别获得道路特征图,并进行图像处理,得到道路边缘,拾取道路两边缘中线离散点,进行引导线拟合;最后,采用双目视觉系统实现障碍物定位,进而建立路径规划函数,当路径规划函数取最小值时,道路规划最优。对引导线精度进行测试,结果表明：误差分布范围为-1.2%～5.3%。对障碍物测距进行测试,结果表明：机器人和行人之间的相对偏差分布区间为[-2.2%, 2.8%],和车辆之间的相对误差分布区间为[-2.9%, 3.4%]。     

基于农田景物边缘的农业机器人自定位方法

自主行走农业机器人自定位技术是导航系统的关键技术，本文通过对机器人的近景成像几何建模，提出了利用虚点提取和检测实现从图像到场景现实空间的三维计算，并确定机器人与路径的相对位置、方向，从而获得了自定位信息的方法。实验证明了该方法的正确性。     

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,通过阈值分割算法提取障碍物目标区域;最后,通过重心特征点立体匹配来获取视差值,结合MatLab标定获取的相机内外参数进行三维重建,计算障碍物的距离、宽度和高度三维信息。田间试验结果表明:该算法可以正确提取出障碍物目标区域,障碍物距离、宽度和高度检测的平均相对误差分别为4.7%、5.79%和1.78%,能够满足农业智能装备田间障碍物检测的需求,具有较好的可靠性。     

基于足球比赛运动的避障系统开发设计

在农业生产中,由于农作物生长环境的复杂性及传统的机械作业,易对农作物造成损伤。针对该未知复杂环境中的采摘机器人自主避障设计,提出了基于足球比赛运动的采摘机器人进行了自主避障系统,实现采摘机器人自主导航。基于足球比赛运动策略的采摘机器人开发设计中,为实现采摘机器人自主进行路径优化以避开障碍物,以模糊逻辑算法作为避障决策控制算法,以多种传感器感知环境信息设计避障系统。试验结果表明:安装本文设计开发的避障系统的采摘机器人可进行路径优化,自主避障,验证了该避障系统的有效性。     

小麦精播机器人设计——基于图像融合与智能路径规划

为了提高小麦的产量,并且在作业过程中使播种机器人成功绕过障碍物,需要对小麦播种路径精细的规划。为此,提出了一种新的路径规划方法,使用图像融合技术,结合模糊控制位移误差理论,实现了小麦播种机器人的自主路径规划。为了测试该方法的有效性和可靠性,设计了一款具备高清摄像功能和PC图像处理功能的精密播种机器人,并对其路径规划和播种效率进行了测试。结果表明:该机器人能够成功绕过障碍物,完成最优路径的规划,并在小麦播种过程中可以规划出近似矩形的播种路径。从机器学习和播种时间上的对比发现:该算法可以有效地提高机器学习速度,缩短播种时间,从而提高了小麦播种的自动化水平和作业效率。     

果树快速定位采摘机器人设计——基于红外和激光扫描技术

为提高采摘机器人的自主导航能力和采摘效率,实现机器人的快速果树识别和定位,结合红外测距传感器与计算机图像处理技术,利用激光扫描传感器体积小、功耗低、速度快、抗干扰等特点,提出了一种非接触式测量果树深度信息的方法;并结合计算机图像处理对果树进行了标定,实现果树的快速识别与定位,为采摘机器人运动轨迹规划提供了自主导航的参数。为了验证该方法的可靠性,在采摘机器人试验样机上安装了红外线测距和激光扫描快速定位装置,并通过左右两侧果树的导航路径拟合,得到了机器人的行走路径,通过对比红外线测距和激光扫描的结果发现,其拟合路径基本吻合,从而验证了该方法测量数据的可靠性。根据不同的树高对应的枝叶密度,利用计算机图像处理对果树进行了标定,最后利用激光扫描方法对标定后的果树进行了快速定位,并将结果和全站仪的结果进行了对比,结果表明:激光扫描和全站仪之间的最大误差仅为20mm。这说明,激光测量的精度较高,可以满足设计的需求。     

农业机器人行走方向识别及仿真

在农业智能机器人的研发过程中,机器人自主地完成行走路径的规划是机器人是否真正智能化的重要特征,而规划出的路径准确程度又关系到机器人是否能顺利完成任务,所以如何提高路径规划精度成为了智能机器人研发的重要方向。为此,在农业机器人行走环境的特殊性基础上,采用视觉传感技术对农业智能机器人在田间垄沟环境下自主行走的方向及角度进行识别,运用图像处理及回归分析拟合的方法,规划判断出机器人行走方向与垄沟延伸方向的夹角,进而指导机器人运动。实验是在MATLAB环境下进行仿真,结果表明,此方法能够准确地判断机器人的转向及角度。     

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。     

基于视觉导航和RBF的移动采摘机器人路径规划研究

为了提高采摘机器人自主导航和路径规划能力,提出了基于计算机视觉路径规划和RBF神经网络自适应逼近算法的导航方法。使用图像分割、平滑处理和边缘检测技术,根据图像像素灰度值确定了导航线的位置,利用逐行扫描的方法得到了导航离散点。路径规划和跟踪使用RBF神经网络逼近算法,通过逼近误差和权值控制路径跟踪的精度,系统响应的执行端使用液压伺服系统,提高了机器人自主导航的精度。以黄瓜采摘作为研究对象,在日光温室对机器人采摘作业进行了测试,通过测试得到了RBF神经网络的路径跟踪误差曲线。测试结果表明:机器人可以很好地逼近跟踪规划路径,其计算精度较高,跟踪效果较好。     

基于图像边缘检测技术的采摘机器人视觉系统设计

采摘机器人作业环境复杂,视觉系统往往不能准确对待采摘的果树或者果实进行准确的定位。为了提高采摘机器人视觉系统的定位精度,引入了图像边缘检测技术,通过提取待采摘果树或者果实的边缘,计算果实的位置坐标,为采摘机器人的自主行走定位和采摘作业提供可靠数据支持。为了验证方案的可行性,以待采摘果树的特征边缘提取为例,对系统的果树边缘提取的可行性及定位准确性进行了实验。实验结果表明:采用基于图像边缘检测技术的采摘机器人视觉系统可以成功地对果树进行定位,并输出果树的位置坐标,将位置坐标和实测位置坐标进行对比发现,其结果基本吻合,具有较高的定位精度。     

动态未知环境下移动机器人的路径规划新方法

首先提出一种基于极坐标空间的、以机器人期望运动方向角为路径优化指标的未知静态环境下移动机器人的路径规划方法.对于动态未知环境下的路径规划,采用自回归模型预测各障碍物位置,并把预测位置视为障碍物下一时刻的瞬时静态位置,从而将动态障碍物环境转换成瞬时静态障碍物环境,应用静态路径规划方法实现动态未知环境的路径规划.     

基于VR的农田环境监测机器人研制

农田环境信息是农田管理策略制定及修改的重要依据,但目前农田环境参数监测存在监测范围小,机动灵活性不足。为实现农田环境数据动态采集,采用4G通信技术与TCP Socket通信协议,通过C++语言以及蓝图节点进行功能程序的开发,设计了一款基于虚拟现实(Virtual Reality)技术的环境监测机器人。机器人利用云端服务器接收保存机器人上的Raspberry Pi(树莓派)收集上传的数据,管理者通过本地客户端可将云端服务器数据下载和分析。应用VR手柄能够实现机器人的远程控制,佩戴VR头显可查看虚拟三维控制室中农田环境的可视化数据,利用机器人传回的田间实时影像获得沉浸式体验。测试结果表明:机器人能够高效获取田间环境数据、自主行走、自动采集和上传数据。