共查询到20条相似文献,搜索用时 343 毫秒
1.
以激光雷达技术为基础,分析机器人定位信息处理技术的应用。该文对激光雷达原理进行说明,并建立激光雷达数据模型,将其应用在机器人运行中,根据实际优化机器人定位信息处理和方位,最后开展仿真试验,得出结论。结果显示,在机器人定位信息处理中,将激光雷达技术应用于其中,可以取得更好的应用效果,包括提高方位准确性、提高机器人的应用效率等。表明激光雷达技术在机器人定位信息处理中的应用,具有重要的现实意义。 相似文献
2.
针对单线激光雷达无法感知形状不规则的花丛问题,提出一种基于单线激光雷达的3D-SLAM方法,解决单线激光雷达不能实现多平面感知的问题。设计一个自动升降激光雷达高度装置,该装置主要由丝杆滑台、步进电机、雷达架、单线激光雷达等组成,通过丝杆滑台滑块的水平进给,控制激光雷达竖直运动。割草机器人在工作时,通过激光SLAM(同步建图与定位)技术检测障碍物信息,ROS(机器人操作系统)系统根据不规则障碍物的高度做出相应对策。通过对不同状态的建图效果进行量化和对比分析,试验结果表明:改进后与改进前相比,相对误差率降低1.04%;漏检率降低为0;避障率提高93.33%。本研究为割草机器人的准确定位与避障提供理论依据。 相似文献
3.
《农业装备与车辆工程》2017,(7)
行人检测作为智能汽车环境感知的一个重要部分,必须具备很好的精度和实时性。2.5D四线激光雷达能够返回比较充足的障碍物信息,相对于三维激光雷达实时性更好,可以实现高性能的行人检测。针对行人难以检测的问题提出由13个特征构成的特征集,提出基于2.5D激光雷达的行人检测方法。实验结果表明该方法对户外行人检测有很高的精度和鲁棒性。 相似文献
4.
《农业装备与车辆工程》2018,(7)
正岭纬科技有限公司(Neuvition,Inc.)于近日发布首版480线高清视频激光雷达Titan M1,该款半固态激光雷达的的分辨率为480条垂直线,各条垂直线的最多可含1 280像素(分辨率为1 280×480),是当前商业市场上分辨率极高的一款激光雷达产品,其数据速率高达150万点 相似文献
5.
针对果园环境复杂、自动化程度低的问题,提出了基于Q-学习的果园机器人避障算法。该果园机器人搭载了激光雷达传感器。为了降低激光雷达数据的冗余度,首先对激光雷达数据进行截取,保留了机器人前进方向上一定角度内的数据,再将激光雷达的数据栅格化,采用数据差的方式标记出障碍物,将所有障碍物补齐为规定的正方形;然后,建立果园机器人的差速模型,对Q-学习的R值表、动作空间和动作选择策略进行建模,使得果园机器人能在果园路径规划过程中所获奖赏最大。MatLab仿真结果表明:该方法能够规划出一条较优路径。室内试验表明:机器人能平稳地避开所设障碍物,到达指定终点。 相似文献
6.
《农业装备与车辆工程》2017,(6)
<正>2017年6月7日,现代汽车在上海CES展上展示了无人驾驶技术。目前该项技术的载体是IONIQ概念车。无人驾驶系统利用了最新的激光雷达技术,预计未来可实现量产。现代无人驾驶系统利用最新的激光雷达技术(激光雷达监测系统)来识别周围车辆和物体的准确位置,通过高清绘图软件精确展示车辆的准确位置、路面坡度、曲率、车道宽度和指示数据。此 相似文献
7.
基于信息融合的农业自主车辆障碍物检测方法 总被引:3,自引:0,他引:3
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。 相似文献
8.
9.
为解决丘陵山地果园条件下激光雷达检测过程中面对多尺寸、多距离条件下出现的目标物体漏检、误检等欠分割和过分割问题,提出一种基于激光雷达的自适应目标聚类半径目标物体检测方法。首先,在使用激光雷达感知到周围环境的三维点云后,去除地面点云并且使用体素滤波进行降采样的预处理,在减少数据量的同时去除点云中的噪声点。其次,建立K-d tree模型进行最近邻搜索,以加速欧式聚类的进程,通过自适应确定每颗树冠的聚类半径,使欧式聚类能够得到更好的聚类效果。最后为验证算法准确性和实用性,基于果园履带车平台,采用32线激光雷达对所提算法进行实车测试。结果表明:在丘陵山地果园中该算法可准确聚类果树树冠点云,且实地目标正检率为94.41%。 相似文献
10.
基于机载LiDAR数据的农作物叶面积指数估算方法研究 总被引:4,自引:0,他引:4
叶面积指数(LAI)是农作物长势监测及估产的重要参数,激光雷达能够提供精确的农作物冠层结构信息,可弥补光学遥感在提取冠层结构信息方面的不足。因此,本文旨在挖掘激光雷达所能提取的农作物垂直结构信息,并研究冠层结构参数与农作物叶面积指数之间的关系,从而估算整个研究区的叶面积指数。首先,基于机载激光雷达数据提取平均高度(Hmean)、最大高度(H_(max))、最小高度(H_(min))、高度百分位数(H_(25th)、H_(50th)、H_(75th)、H_(90th))、激光穿透力指数(LPI)、回波点云密度、孔隙率(fgap)、叶倾角(MTA)等结构参数;然后,利用Pearson相关性分析法对以上参数与地面实测LAI进行相关性分析,并选择与LAI相关性高的参数;最后,对选择的敏感性参数进行回归分析,构建激光雷达参数与实测LAI的LiDAR-LAI估算模型,估算整个研究区的农作物冠层LAI。精度评价结果表明:预测LAI与实测LAI之间的相关系数为0.79,均方根误差为0.47,说明激光雷达所提取的农作物冠层结构参数可用于估算空间上连续、大面积的农作物LAI。 相似文献
11.
为探究拟发射国产星载激光雷达卫星波形数据在森林结构参数估测方面应用潜力,首先需对其回波波形进行模拟仿真。针对地形无规律起伏和林层结构复杂这一问题,本文采用有限元原理实现了随机地形与林分三维信息的模拟仿真;针对激光脉冲传输过程中能量衰减的问题,引入了激光雷达辐射传输模型;为验证本文所建回波仿真系统有效性,利用与国产星载激光雷达回波波形相近的ICESat-GLAS实测波形数据对GLAS仿真波形数据进行验证。研究结果为:发射波仿真波形与实测波形相关系数为0.96;地形坡度分别为0°~10°、10°~20°、20°~30°和30°以上时回波仿真波形与实测波形相关系数均值分别为0.90、0.88、0.85和0.81;郁闭度分别为0~0.2、0.2~0.4、0.4~0.6、0.6~0.8和0.8~1.0时回波仿真波形与实测波形相关系数均值分别为0.81、0.80、0.84、0.88和0.90;针叶林、阔叶林和混交林回波仿真波形与实测波形相关系数均值分别为0.85、0.86和0.89。研究结果表明:本文所建回波仿真系统可用于国产星载激光雷达回波仿真。回波仿真所得国产星载激光雷达仿真波形,可为森林结构... 相似文献
12.
为提高联合收获机无人驾驶导航路径的精度,本文提出一种基于激光雷达的作物收获导航线实时提取方法。搭建点云数据采集系统,利用平面拟合法确定激光雷达安装高度和安装角度。利用三维激光雷达扫描收获机前方作物的点云数据,结合IMU惯性传感器反馈的姿态信息,实现作物点云数据从激光雷达坐标系到车体坐标系的变换。基于激光雷达扫描视场角、安装高度和安装角度获取感兴趣区域(ROI)的坐标,并对感兴趣区域进行直通滤波和统计滤波,去除灰尘、秸秆粉末等噪声的影响,以实现点云数据无效点和离群点的剔除。提出一种基于栅格八邻域高程差的作物收获导航线快速识别算法,以点云栅格化后在Z轴方向上的坐标值作为检测依据,定义某一栅格与其8个相邻栅格在Z轴坐标上的差值为高程差,遍历栅格并根据设定阈值进行比较判断,实现收获边界点的有效提取。采用最小二乘算法进行收获边界点的拟合,实现田间作业过程中作物收获导航线动态提取。田间试验表明,该方法具有较好的鲁棒性,能在作物稀缺、杂草较多等情况下保持较高的准确性,其中前进方向偏差角平均值为0.872°,割台横向偏差为0.104m,收获导航线准确率为93.5%,可为联合收获机工作提供辅助导航,提高无人驾驶的准确率。 相似文献
13.
【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。 相似文献
14.
设计了一种果实自动采摘机器人,主要包括自动导航系统、采摘系统、运动系统、控制系统及动力系统。自动导航系统主要包括激光雷达导航和GNSS定位导航,可用于建立地图和规划工作路径;采摘系统通过双目立体视觉相机进行果实识别,再通过由六自由度机械臂和两指末端执行器(机械手)组成的执行机构抓紧果梗并剪断,完成果实采摘。试验结果表明,设计开发的机器人可以通过激光雷达导航完成室内工作,剪断并抓取果梗的两指末端执行器可适用于多种果实,上位机软件可以完成图像采集、机械臂控制和机器人工作路线图建立等操作。激光雷达导航试验结果表明,在1m/s的行驶速度下,导航绝对误差小于3.5cm,可满足温室果实采摘的需求。 相似文献
15.
16.
17.
《农业装备与车辆工程》2018,(6)
正2018年6月13日,无人驾驶企业Roadstar.ai携纯国产激光雷达Level4自动驾驶解决方案「Aries·锐」亮相CES Asia。作为国内自动驾驶L4技术的初创公司,Roadstar.ai重点展示了无人车车顶所搭载的异构多传感器,包括多颗低线数LiDAR、摄像头及毫米波雷达等。这种创新的混搭方式,正是前不久该公司刚刚推出的全球首款纯中国激光雷达自动 相似文献
18.
19.
《农业机械学报》2019,(Z1)
设计了一种果实自动采摘机器人,主要包括自动导航系统、采摘系统、运动系统、控制系统及动力系统。自动导航系统主要包括激光雷达导航和GNSS定位导航,可用于建立地图和规划工作路径;采摘系统通过双目立体视觉相机进行果实识别,再通过由六自由度机械臂和两指末端执行器(机械手)组成的执行机构抓紧果梗并剪断,完成果实采摘。试验结果表明,设计开发的机器人可以通过激光雷达导航完成室内工作,剪断并抓取果梗的两指末端执行器可适用于多种果实,上位机软件可以完成图像采集、机械臂控制和机器人工作路线图建立等操作。激光雷达导航试验结果表明,在1 m/s的行驶速度下,导航绝对误差小于3. 5 cm,可满足温室果实采摘的需求。 相似文献