农用车辆自动导航定位方法

农用车辆自动导航技术可有效提高作业精度、实现农田规模化生产。该文以电瓶车为试验平台,使用 RTK DGPS、RTD GPS 和电子罗盘分别采集电瓶车的位置信息和航向角度信息,对农用车辆的导航定位方法进行了研究。试验时,以 RTK DGPS 采集的数据作为标准轨迹。在对试验数据进行空间配准后,采用 Kalman 滤波技术对 RTD GPS 和电子罗盘的数据进行了融合;通过计算综合权重值,对单 GPS 系统和融合系统的性能进行测试与评估,其值分别为 0.006、0.002。由此可知,采用 Kalman 滤波的电子罗盘和 RTD GPS 的组合导航系统,定位精度相对较高,稳定性较好,整体性能优于单 GPS 系统。     

基于改进粒子群算法的车辆转向梯形机构优化

通过对车辆转向机构的尺寸和定位参数进行优化,能有效减小车辆转向机构的实际运动轨迹和理论运动轨迹间误差,进而有效改善车辆的操纵性能和提高转向安全性。该文研究了转向梯形机构的工作原理及其对车辆转向性能的影响,建立了转向梯形机构的非线性优化模型;然后引入越界检测函数改进传统粒子群优化算法,并给出了求解转向梯形机构非线性优化模型的方法;编制了改进粒子群算法的实现程序,并对3款不同车型的转向梯形机构进行了优化设计;最后选取3种不同智能算法分别对途乐GRX转向梯形机构进行多组优化试验。试验结果表明,改进粒子群算法的收敛速度快于传统粒子群算法和基于模拟退火的粒子群算法,求解精度略逊于基于模拟退火的粒子群算法,但仍能保证求解精度。     

基于GPS/INS和线控转向的农业机械自动驾驶系统

研究旨在设计出一套农用车辆自动导航控制系统,让机器人代替农民进行田间作业,实现农用车辆自动驾驶,从而可以有效提高农业机械的作业精度、生产效率和使用安全性,并且为精细农业研究提供技术支持,改善农业生产的方法。该文通过GPS/INS(global positioning system/inertial navigation system)组合导航技术实时获得载体的导航信息(位置、速度、航向、姿态),根据导航信息与预设轨迹参数计算出载体的目标前轮转向角,并以该目标前轮转向角与当前前轮转角的差值作为控制输入,实现对转向执行电机的精确控制,从而实现载体的路径跟踪控制。同时对整个系统的软硬件进行设计,并对系统控制策略进行仿真和试验验证。最终结果表明,本文所设计的组合导航系统定位精度高,其定位精度可达到0.1~0.5 m;路径跟踪系统误差小,当车速分别为0.5 m/s和1 m/s时,路径跟踪的最大横向误差分别为0.16 m和0.27 m;整个系统响应速度快,可达到0.1s。通过将GPS/INS组合导航技术与线控转向技术相结合,能够实现农用车辆的自动驾驶。     

基于扫描滤波的农机具视觉导航基准线快速检测方法

针对基于机器视觉的自动导航系统现有导航线提取算法易受外界环境干扰和处理速度较慢等问题,该文提出一种基于图像扫描滤波的导航线提取方法。首先获取不同农作物的彩色图像,使用2G-R-B算法对彩色图片进行灰度化处理,得到作物行和土壤背景对比性良好的图片。使用Otsu方法对图像进行分割,得到二值化的图像后,再采用腐蚀-中值滤波-膨胀的滤波方法对图像进行去噪处理。然后使用该文提出的扫描滤波导航线提取算法,将图像分成左右两部分,使用等面积三角形对两部分分别进行扫描后,再对扫描的结果进行滤波,从而提取作物行,得到导航线。试验结果表明,采用该方法处理一幅640×320像素的图像只需要76ms,可满足农机具实时导航的要求;与传统导航线提取算法相比,该算法计算速度快,适应能力强。     

基于矩阵奇异值分解约束型无迹粒子滤波的滑坡位移预测模型研究

[目的]通过对滑坡位移预测模型进行研究,为政府部门实施更加可靠的灾害防治决策提供科学依据。[方法]提出了一种矩阵奇异值分解(SVD)约束型无迹粒子滤波(IUPF)方法,建立基于位移参数的滑坡位移预报模型。[结果]利用改进的SVD方法有效提升了无迹粒子滤波方法中Sigma点计算的鲁棒性,从而提升了算法的预测精度,对滑坡的稳定趋势能够做出更准确的预报。将该算法在镇江市跑马山滑坡体监测工程、京港澳高速公路雨花互通南侧护坡体滑坡监测工程相关数据进行了应用和分析验证。[结论]实例验证结果表明,加入SVD约束后的无迹粒子滤波算法,能够使得滑坡位移预测更加准确,预测的数据更加准确地反映了滑坡的变形趋势。     

基于TOF深度传感的植物三维点云数据获取与去噪方法

为提高植物三维重建的精度,更好地实现植物数字化研究,提出了基于TOF(time of flight)深度传感的植物三维点云数据获取与去噪方法。首先通过TOF深度传感来获取植物点云数据,采用直通滤波器对点云数据进行预处理,减少背景噪声;其次采用改进密度分析的离群点去噪算法,该算法通过结合邻近点平均距离和邻域点数数量2个特征参数,对点云数据中的离群点噪声进行检测和去除;最后采用双边滤波算法对点云内部的小尺寸噪声进行检测和去除。以番茄植株进行相关试验,试验结果表明:与传统双边滤波算法比较,该文算法最大误差降低了11.2%,平均误差降低了23.2%;与拉普拉斯滤波算法比较,最大误差降低了20.6%,平均误差降低了39.2%,表明该文提出的算法在保持点云特征的情况下,能简单高效地去除植物三维点云数据中的不同尺度噪声。     

基于3D激光雷达的鸡舍通道中心线检测方法

针对笼养鸡舍环境下光照强度弱、作业通道内狭小导致机器人巡检时通道中心线检测困难的问题,该研究利用3D激光雷达对鸡舍通道中心线进行获取。首先通过机器人搭载的3D激光雷达对鸡舍作业通道信息进行采集,利用直通滤波、地面点滤波、体素滤波、统计滤波和平面投影对获取的3D激光雷达点云数据进行预处理,获取XOY平面上的点云数据。通过改变K-means聚类初始点选择方式和聚类函数对预处理后的点云数据进行数据分类。利用改进RANSAC算法对分类后的数据进行处理,提取通道中心线。试验结果表明该研究提出的改进K-means聚类算法平均耗时6.98 ms,相较于传统的K-means聚类算法平均耗时减少了29.40 ms,准确率提高了82.41%。该研究提出的改进RANSAC算法中心线提取准确率为93.66%、平均误差角为0.89°、平均耗时为3.94 ms,比LSM算法得到的平均误差角高0.14°,平均耗时减少6.15 ms。表明该研究提出的鸡舍通道中心线检测方法基本满足笼养鸡舍环境实时自主导航的需求,为巡检机器人在鸡舍作业通道内进行激光雷达导航提供了技术支撑。     

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。     

基于预瞄追踪模型的农机导航路径跟踪控制方法

农机导航系统的上线性能和复杂路面抗干扰能力影响着农田作业的质量和效率,为提高农机导航系统的上线速度、上线稳定性和对复杂路面的适应性,提出了一种预瞄追踪模型的农机导航路径跟踪控制方法。该方法实质是对农机运动学模型方法的改进,针对农机运动学模型小角度线性化算法中近似条件的缺点,采用预瞄追踪辅助直线引导农机快速稳定跟踪规划路径。该文参考农机运动学模型极点最优配置算法证明过程,分3步证明了该控制方法的可行性,并通过仿真和试验验证了该方法的有效性。仿真结果显示在不同的初始位置偏差和航向偏差条件下该方法都可以迅速消除偏差以稳定跟踪规划路径,位置偏差校正曲线平滑且超调量微小,说明预瞄追踪模型方法对提高农机导航系统的上线性能和抗干扰能力是有效的。田间试验结果:在初始航向偏差为0,初始位置偏差分别为0.5、1、1.5 m条件下,上线时间分别为6.8、8.2、9.4 s,上线距离分别为6.73、8.11、9.33 m,超调量分别为5.2、7.0、8.5 cm;颠簸不平旱地路面直线路径跟踪的最大误差不超过4.23 cm,误差绝对值的平均值为1 cm,标准差为1.25 cm。数据表明采用该文提出的控制方法具有良好的上线和直线路径跟踪效果,满足农业机械的导航作业要求。     

双激光雷达温室运输机器人导航系统研制

为解决机器人在温室环境下的自主导航问题,该研究研制了基于双激光雷达的温室运输机器人导航系统,实现温室环境下的地图构建、路径规划和定位导航。融合激光雷达与编码器信息,使用cartographer算法及时定位与地图构建。根据地图与检测点信息,采用Dijkstra算法规划全局路径,使用动态窗口算法规划局部路径,完成自主导航。试验表明,车载系统分别以0.2、0.5和0.8 m/s速度运行时,实际导航路径与目标路径的横向平均偏差小于13 cm,标准差小于5 cm;导航目标点处横向偏差、纵向偏差的平均值不超过9 cm,均方根误差不超过11.2 cm,标准差小于5 cm,航向偏差的平均值小于10°,均方根误差小于12°,标准差小于6°,满足机器人温室运输作业的导航精度需求。     

智能农机GNSS/INS组合导航系统设计

为提高自动导航农机的定位精度和可靠性,该研究设计了基于全球导航卫星系统(GlobalNavigationSatellite System, GNSS)和惯性导航系统(Inertial Navigation System, INS)的智能农机组合导航系统,该系统根据来自INS的三轴姿态角速度、加速度信息以及高精度定位板卡的三轴位置、速度信息,采用松耦合模式,通过卡尔曼滤波对INS误差实时校正,解算出农机的精准位置、速度和姿态信息。为实现该组合导航系统,设计和制作了智能农机控制板,集成GNSS高精度解析板卡和惯性测量模块,并在控制板上实现组合导航算法。搭建了东风DF1004-2智能农机试验平台,并在试验田中分别进行静止和直线行驶状态下的试验和单独GNSS导航与组合导航效果的对比。试验结果表明,在农机静止状态,两者性能接近,定位误差均在1 cm以内,姿态角误差均在0.1°以内;在农机以2 m/s的速度按照预设直线行驶时,单独GNSS导航位置误差在6 cm以内,姿态角误差在1°以内,GNSS/INS组合导航位置误差在3 cm以内,姿态角误差在0.5°以内,GNSS/INS组合导航精度明显的提升,可为高精度农机自动导航控制提供技术支持。     

基于GNSS的农机自动导航路径搜索及转向控制

为提高农机自动导航系统性能,提出了一种基于全球导航卫星系统(global navigation satellite system,GNSS)的农机自动导航路径搜索方法和基于预瞄点搜索的纯追踪模型。根据农机不同作业需求,导航系统可选择直线路径搜索或曲线路径搜索,实现农机直线和曲线自动导航作业;建立基于预瞄点搜索的纯追踪模型,并将其用于农机转向控制,该模型不涉及复杂的控制理论,适用性较强。为验证路径搜索方法和纯追踪模型性能,以John Deere拖拉机为试验平台,进行了农机直线跟踪和转向控制导航试验。结果表明:直线路径跟踪导航试验,车速为0.8、1.0和1.2 m/s时,导航均方根误差分别为3.79、4.28和5.39 cm;转向导航试验,车速为0.6 m/s时,在弓形转弯和梨形转弯导航方式下,导航均方根误差分别为25.23和14.42 cm;与模糊控制方法对比试验,直线路径导航方式下,应用该文方法和模糊控制方法的导航均方根误差分别为4.30和5.95 cm,在曲线路径导航方式下,应用该文方法和模糊控制方法的导航均方根误差分别为13.73和21.40 cm;基于GNSS的农机自动导航路径搜索方法和预瞄点搜索的纯追踪模型可以得到较好的定位控制精度,可满足田间实际作业的要求。     

基于机器视觉的玉米精准施药系统作物行识别算法及系统实现

识别作物行中心线并实现喷药喷头的自动对准是精准施药系统实现的关键技术。为克服作物行识别算法的单一性和适应性不强的缺点,该文以生长早中期的玉米图像为研究对象,利用改进的过绿特征法和改进的中值滤波算法分割出作物行,减少处理时间和去除噪声;然后在行提取时只保留包含作物行信息的中间作物行,通过随机Hough变换检测出作物行中心线,并根据世界坐标与图像坐标的转换和相对距离得到偏差信息:最后实现了系统的硬件搭建并给出了实际运行效果。不同图像的试验和处理结果表明,该算法在背景分割、作物行提取和偏差信息获取方面具有一定的优势,可适用于不同作物及不同视野图像的作物行算法识别,对精准施药的研究具有一定的参考价值。     

基于时间序列分析的卡尔曼滤波组合导航算法

GPS广泛用于农业机械导航研究中,其定位误差信号一般存在明显的自相关性,不能满足组合导航中常用的卡尔曼滤波算法观测噪声为高斯白噪声的要求。为此,建立了GPS定位误差AR模型,结合卡尔曼估计结果来预测和修正GPS定位误差,再将修正后的GPS定位信息应用于组合导航中的卡尔曼滤波过程。试验结果表明,无论GPS接收机是在静止还是在运动条件下,处理后的定位误差信号自相关性都明显降低,近似为白噪声;目标路径直线时的最大跟踪误差约为0.15 m,为曲线时,最大跟踪误差约为0.3 m。该方法为低精度GPS应用于农业机械导航提供了可行途径。     

基于多学科技术融合的智能农机控制平台研究综述

农业机械的自动化和智能化包含内容广泛,有农机定位与导航,动态路径规划,机器视觉和远程监控等,牵涉到大量的工程技术学科,包括导航、图像、模型与策略、执行器以及数据链等。农机定位与导航一般采用基于农机运动学模型结合GPS(global positioning system)/IMU(inertial measurement unit)组合导航信息,在导航路径规划算法指引下实现农机轨迹跟踪的方法。建立的农机运动学模型精度,GPS数据的连续性以及惯导器件误差系数漂移等因素都会影响该方法的有效性。路径跟踪通常采用各种现代控制理论与方法,而面对复杂的田间作业环境变化,农机的自主避障以及动态路径规划能力也会影响轨迹跟踪精度。机器视觉的稳定性和目标特征信息分离度影响着农机环境感知能力,目前目标识别主要采用hough变换,hough变换的全局检测特性决定了该算法运算量较大,需要探究改进特征提取算法。远程监控农机作业是智能农机发展的一个方向,构建无线导航,控制和视频数据传输网络有助于提高农机的智能化水平,可以采用分布式哈希表(distributed hash table)来研究网络覆盖和互联技术。该文融合多个学科,从高精度定位与导航技术、复杂环境及工况下农机运动精确自主控制技术、稳定清晰的机器视觉感知技术和基于4G网络和新一代物联网的高覆盖数据传输技术几个方面,论述了智能农机在光机电液多个学科领域内的研究现状,并指出采用北斗地基增强网络和网络RTK(real-time kinematic)技术、惯导定位误差精确建模与补偿、环境感知与自主避障、立体结构自组网技术以及多机协作是现代农业机械的发展方向。以期为现代化智能农业机械的设计提供参考。     

田间作业车辆外部加速度辨识与姿态测量系统研制

复杂田间作业环境与精细作业效果要求农机装备具备实时精准感知农机具姿态的能力,田间作业时普遍存在的车辆外部加速度对此带来挑战。为进一步提高农机装备作业质量,该文以6轴微惯性传感器为硬件传感器,以方向余弦矩阵法进行姿态解算,基于一阶外部加速度模型设计卡尔曼滤波融合算法,实现动态情况下田间作业车辆外部加速度辨识与姿态精准估计。分别采用Innova 2100型摇床与装配有MTi300航向姿态参考模块的高地隙喷雾机对系统进行试验验证。摇床试验结果表明:在外部加速度小于10g情况下,系统对外部加速度辨识误差小于0.214 m/s2;田间作业高地隙喷雾机试验结果表明,相比于MTi300,横滚角最大误差为0.23?,俯仰角最大误差为0.39?。说明该文研制姿态测量系统可准确辨识外部加速度与测量姿态,研究结果可为满足精细农业作业要求的姿态测量系统研发提供依据。     

基于视觉伺服的联合收割机群协同导航从机定位方法

针对收割机群协同导航从机实际定位需求,在分析主机与从机间相对位置关系的基础上,提出了一种采用视觉系统求解靶标投影矩形区域形心坐标,并以此作为导引信息,引导相对位姿测量装置测量从机相对主机位姿,实现从机精确定位的方法。重点对从机定位方法中需解决的运动靶标跟踪和对靶控制2个关键问题进行了研究,提出了一种基于双重波门的运动靶标跟踪方法和一种基于变尺度变论域模糊控制的对靶控制方法。试验结果表明,该文所提定位方法基本不受收割机前进速度的影响,不同速度最大偏差的标准差为0.003 5 m,平均偏差的标准差为0.002 3 m。     

农业机械导航路径跟踪控制方法研究进展

路径跟踪控制技术作为农业机械导航的核心,是提高控制系统控制精度和对环境适应性的关键,可提高农机具作业精度和效率,同时可避免重复作业和遗漏现象,减少农业生产资料浪费。该文根据农业机械导航路径跟踪控制方法中是否涉及农机模型,将路径跟踪控制技术分为与农机运动学模型相关、与农机动力学模型相关以及与模型无关的路径跟踪控制方法。通过对原理的解析明确了各类控制方法的优缺点,及对现有解决方案进行了总结分析,指出了现有方案存在共性或个性问题,由此完成了对现阶段国内外针对农业机械导航路径跟踪控制方法的研究进展的阐述。通过对各类控制方法适用性及农机导航产品发展现状的分析,提出了农机导航路径跟踪控制方法的发展展望,以期为后续路径跟踪控制方法的研究提供指导性方向和有针对性的参考,具体如下：1）明确了现有模型对农机运动过程描述的局限性,指出高精度农机模型研究的必要性;2）为提升控制方法自适应性和鲁棒性,研究需从常规工况向极限工况和复杂工况拓展;3）明确单一控制方法的局限性,明确多方法融合控制的发展趋势。     

农机具姿态倾角测量系统设计与试验

农机具姿态倾角测量技术是实现农机装备精准作业的关键技术之一。为进一步提高农机装备作业质量,以ADIS16445微惯性MEMS传感器和STM32F446核心处理器搭建硬件平台,以欧拉角法解算姿态,建立卡尔曼滤波模型融合加速度计与陀螺仪信息,实现农机具姿态倾角的精准测量。融合算法模型考虑陀螺仪零偏特性,并根据MEMS微传感器运动特性,自适应模型误差协方差矩阵Q与R,适应不同工况下农机具姿态倾角测量。采用SGT320E三轴多功能转台与BD982双天线定位测姿模块对系统进行测试与验证。三轴多功能转台试验结果表明,ADIS16445内置陀螺仪与加速度计性能合格,满足系统设计硬件要求;卡尔曼滤波融合模型精准有效,倾角静态测量误差精度为0.15°,动态测量精度典型值为0.3°,最大测量误差为0.5°。田间作业试验结果表明,自适应模型能保证农机具姿态倾角测量系统在不同工况下的测量精度,更稳定可靠,测量平均误差为0.55°。该文研究的农机具姿态倾角测量系统可满足农机装备精准作业要求。