基于自适应导航参数的智能车辆视觉导航

为提高导航路径识别的鲁棒性和实时性,采用了分区阈值二值化、噪声点搜索及滤波等图像处理方法,并对导航路径进行分区逐段识别;在路径跟踪方面,在获取的导航路径图像中选取远端路径和近端路径,以远端路径和近端路径的方位偏差量作为确定目标路径的依据,使提取的导航参数能适应导航路径的变化。根据四轮智能车辆模型进行路径跟踪仿真计算。在此基础上,采用两块数字信号处理器,对基于路径导航的视觉智能车辆进行了设计和试验验证。试验结果表明采用该方法设计的智能车辆具有较好的路径识别和跟踪控制效果。     

智能车辆自主导航神经网络控制器设计

针对自主设计、制造的智能车辆,提出了设计新的神经网络控制器来实现对车辆导航路径的自主跟踪控制。分析了神经网络导向控制器的设计方法,选择了神经网络导向控制器的输入、输出变量,并建立了神经网络导向控制器的结构。在此基础上,采用人工驾车采集的数据对控制器进行了训练。完成了计算机仿真和实际路径跟踪控制试验,试验结果表明该神经网络控制器能够很好地实现对导航路径的自主跟踪控制。     

农业车辆杂草环境下视觉导航路径识别方法

在普通环境导航路径识别方法的基础上,分析了株间杂草和垄间杂草对农业车辆导航路径的影响.针对影响较大的垄间杂草环境,提出一种基于BP神经网络的杂草环境下导航路径识别方法.田间实验证明,该方法对杂草的影响具有较好的适应性,能够快速、可靠、准确地提取导航路径特征,识别率为97%,单幅图像平均耗时560ms.     

农业车辆视觉实际导航环境识别与分

分析了对路径识别影响较大的变光照环境、杂草环境和阴影环境对农业车辆导航路径的影响,提出一种实际环境中的农业车辆视觉导航研究方法,即先采用神经网络算法对农田环境进行自动分类,然后再相应的选择不同的路径识别方法进行处理.环境识别与分类试验结果证明,该方法能够提高农业车辆视觉导航系统的实用性和可靠性,导航环境的分类准确率为95%,单幅图像平均耗时23 ms.     

基于GSM嵌入式物流监控的农业自主导航车辆设计

为提高农用车辆视觉导航系统对不同环境的适应性,基于GSM无线通信和嵌入式系统,提出了一种新的农业运输车辆自主导航的物流监控系统设计方法,并研究了其对路径的识别能力。该系统对环境的适应能力较强,可以快速、准确地提取导航路径的特征,并具有物流跟踪监控功能,可以实现农用运输车辆在特定的田垄里进行自主换向,提高了车辆的自主导航能力。利用GSM无线通信导航技术对驾驶员实际输出转角进行追踪测试,结果表明:驾驶员的目标曲线和转角无线控制实测曲线比较吻合,从而验证了基于GSM通信的嵌入式物流系统在农业运输车上实现自主导航的可行性和可靠性。     

温室环境视觉导航路径的识别

为实现视觉导航的精确性和鲁棒性,研究了温室复杂环境机器人视觉导航路径的识别方法。以温室内西红柿苗垄为研究对象,在地膜、光线和阴影等复杂环境对植物识别的影响下,用Lab色彩空间将绿色植物从背景中分离出来;用基于权重因子的阈值分割算法代替常用的阈值分割算法;用改进的Hough变换的导航线提取方法处理有杂草干扰的作物垄。试验证明,该方法对复杂温室环境下作物垄导航线的提取有较好的适应性,而且算法简单,能够满足实时性的要求。     

基于信息融合的多智能体混合体系智能车辆导航

针对智能车辆的结构特点和任务要求,综合体系结构和信息处理两方面设计车辆导航策略.提出了一种基于多智能体且包含了慎思和反应结构的混合体系,根据系统特性设计出多个异构智能体.在现有研究的基础上将图像处理、信息融合方法与该体系相结合.仿真与实验显示,智能车辆在多智能体结构下能充分利用多传感器信息,并获得良好的避障导航效果.     

基于U-Net网络的果园视觉导航路径识别方法

针对视觉导航系统在果园环境中面临的图像背景复杂、干扰因素多等问题,提出了一种基于U-Net网络的果园视觉导航路径识别方法。使用Labelme对采集图像中的道路信息进行标注,制作果园数据集;基于U-Net语义分割算法在数据增强的基础上对全卷积神经网络进行训练,得到道路分割模型;根据生成的道路分割掩码进行导航信息提取,生成路径拟合中点;基于样条曲线拟合原理对拟合中点进行多段三次B样条曲线拟合,完成导航路径的识别;最后进行了实验验证。结果表明,临界阈值为0.4时,语义分割模型在弱光、普通光以及强光照条件下的分割交并比分别为89.52%、86.45%、86.16%,能够平稳实现果园道路像素级分割;边缘信息提取与路径识别方法可适应不同视角下的道路掩码形状,得到较为平顺的导航路径;在不同光照和视角条件下,平均像素误差为9.5像素,平均距离误差为0.044 m,已知所在果园道路宽度约为3.1 m,平均距离误差占比为1.4%;果园履带底盘正常行驶速度一般在0～1.4 m/s之间,单幅图像平均处理时间为0.154 s。在当前果园环境和硬件配置下,本研究可为视觉导航任务提供有效参考。     

智能车辆路径跟随抗干扰性研究

基于H∞控制理论,研究了智能车辆路径跟随中的抗干扰性问题.分析智能车辆在路径跟随过程中可能受到的干扰因素,设计控制器,使整个系统具有良好的抗干扰能力.研究了智能车辆在不同速度和不同路面附着系数下的控制效果,分析了前轮转角、质心侧偏角与横摆角速度的变化.结果表明:在侧向风与道路变化的扰动下,在不同的车速与不同道路附着系数...     

基于图像的智能循迹小车设计

设计一种智能循迹小车,采用Kinetis60单片机作为主处理器,利用OV7620摄像头获取轨迹图像信息,通过HSI双自适应阈值分割法处理轨迹图像,经游程编码技术得到轨迹的中心坐标信息,获取引导线。然后利用获取的信息,结合增量式PID算法实现对舵机和电机的灵活控制,从而让智能小车循迹行驶。     

基于预见位姿信息的铰接式车辆LQR-GA路径跟踪控制

针对铰接式车辆的特殊转向结构和行驶特性,为提高其路径跟踪控制精度和反应速度,提出了一种基于预见信息的线性二次型最优控制(Linear quadratic regulator,LQR)策略,并应用遗传算法(Genetic algorithm,GA)对状态量权重矩阵进行优化求解,获得最优LQR状态反馈控制器,实现铰接式车辆精确路径跟踪控制,由位置偏差、行驶方位偏差和曲率偏差来反映控制效果。ADAMS-Matlab/Simulink联合仿真结果:位置偏差为0.03 m,偏差误差为1.3%,行驶方位偏差误差为0.19%,曲率偏差收敛于0.003 m-1。联合仿真和试验验证结果表明,所提出的控制方法可有效提高控制精度,实现铰接式车辆的精确、稳定路径跟踪。     

基于信息融合的车载动态智能测超系统

交通超限运输事故使国家承受巨大的经济损失,给人们生活带来日益严重的威胁,严重影响了正常的交通安全运行。为了解决超限监测及监控的缺陷,我们使用了多传感器信息融合等技术,提出并设计出了一套基于信息融合的车载动态智能测超系统。本系统不受时间地域的影响,通过警告与记录、处罚相结合,能够准确无误地反映货车的运行情况。随着系统性能的不断优化和功能的不断扩展增强,定会有非常广泛的应用前景。     

基于趋近律滑模控制的智能车辆轨迹跟踪研究

针对目前已有智能车辆轨迹跟踪控制存在跟踪精度低、鲁棒性弱等问题,结合滑模控制响应迅速、抗干扰能力强的优点,提出一种基于趋近律的滑模控制方法。提出的趋近律通过特殊幂次函数和反双曲正弦函数的组合,提高了系统状态的趋近速度并且平滑和限制了抖振现象,可实现控制车辆平顺快速跟踪参考轨迹。在Simulink软件上搭建了车辆运动学模型并进行轨迹跟踪仿真实验,通过与双幂次趋近律滑模控制进行对比验证了控制效果。仿真实验结果表明,相对于双幂次趋近律滑模控制,提出的趋近律滑模控制的车辆能更快地跟踪到参考轨迹,横向和纵向误差收敛速度明显增快,航向角抖振现象减弱,系统具有更快的趋近速度,并且抖振现象被削弱。     

多源传感器信息融合的农用小车路径跟踪导航系统

为解决四轮独立驱动农用小车在设施农业和畜牧业的物料运输和信息采集中的导航及控制问题,构建了农用小车导航控制系统,优化配置多个传感器,提出了基于CCD图像传感器、加速度计、电子罗盘及超声波等多传感器信息融合的导航控制方法。通过CCD获取标识路径信息,通过加速度计、电子罗盘获取小车姿态信息,通过超声波传感器判断障碍物,并给出路径特征提取、识别、多源信息融合自主导航控制和超声避障等算法,实现了小车的路径跟踪的导航控制,实验结果表明构建的导航控制系统及导航控制方法正确、有效。     

基于多特征自适应融合的车辆跟踪方法

提出了一种新的自适应多特征融合跟踪算法.该算法采用多项式近似与中心差分方法实现建议分布函数的优化处理,通过扩展卡尔曼滤波器在采样粒子集中融入最新的量测信息,较好地克服了粒子权重退化问题;同时,为克服乘性与加性融合算法的缺陷,采用自适应多特征融合方法,将目标汽车静态和动态互补特征作为观测信息,在新算法的框架内进行自适应融合跟踪.实验结果表明,该方法有效提升了不同环境下车辆跟踪系统的精确性和鲁棒性.     

基于动力学模型的自动引导车智能导航控制研究

提出了一种基于动力学模型的智能控制方法,将导航系统得到的信息输入智能控制器,由它输出自动引导车动力学模型所需要的控制量。因为该控制器记忆了自动引导车的动力学特性,所以使用此智能控制器的自动引导车能够较平稳地避开动态和静态障碍物。仿真实验结果表明,装有此系统的自动引导车能有效避开动态和静态障碍物,安全、可靠、平稳地驶向指定的目标,从而验证了本文提出的方法是正确和有效的。     

草莓温室无人化循迹搬运车的设计与试验

温室无人化能较好地解决现有温室培育过程中采摘与搬运主要依靠人力完成,且倒料费时、费力及导轨铺设成本高等问题。以草莓大棚温室培育无人化搬运为试验对象,设计开发了一种应用于草莓无人化管理的自动循迹搬运车。该搬运车利用红外传感器对路面上设定的迹线进行自动检测,通过对路径进行计算与分析,自动校正运行轨迹,实现智能循迹搬运。通过机构创新,设计并制作了可自动倾倒且料斗门能同时开启的倒料机构。试验结果表明:所设计的无人化循迹搬运车在设定传感器离地面距离d=2cm、直线段运行速度υ≤1.2 m/s时,能快速稳定地跟踪黑线前进;在转弯处运行速度υ≤1 m/s时,跟踪准确运行平稳;当两条迹线垂直时,搬运车能在垂直转弯处跟踪准确且运行平稳,搬运车整体性能稳定且转速在一定范围内对循迹的影响较小;当搬运车倒料角度α≥75°时,能保证草莓被全部被倒出,即倒料最小倾斜角αmin为75°。温室无人化循迹搬运车的设计为解决水果的无人化管理提供了参考。     

一种基于小波阈值的图像去噪方法研究

在印刷品质量检测系统中,采集来的图像不可避免会出现噪声。针对这种情况,本文提出了基于小波阈值的图像去噪方法。该方法首先对噪声图像进行小波变换得到小波系数矩阵,硬阈值化后,对阈值化后的小波系数矩阵逆变换。得到去噪图像。实验结果表明,该方法比中值滤波具有更好的去噪效果。