融合Harris与SIFT算法的荔枝采摘点计算与立体匹配

为了满足荔枝收获机器人对整串果实采摘作业的需求,提出一种融合Harris与SIFT算法的荔枝采摘点计算与立体匹配方案。首先在已识别的荔枝结果母枝部位进行Harris角点检测,结合提取已识别荔枝果实区域质心与最小外接矩形等特征信息,进行采摘点二维像素坐标的计算。然后通过对比分析,提出对计算采摘点采用带约束条件基于余弦相似度的SIFT双目立体匹配,最后进行采摘点计算与双目立体匹配实验验证。结果表明,计算采摘点的匹配成功率可达89.55%,且该方法更能满足在结构复杂的结果母枝上采摘点计算的精度需求。     

基于Harris算子的籽粒尖端识别方法

通过籽粒尖端形态特征分析,提出了一种基于Harris角点检测的籽粒尖端识别方法。Harris算子在一个局部区域中检测角特征,作为籽粒最明显的角结构,尖端在Harris角点检测中具有最大的响应值,使其对尖端不明显的籽粒也有良好的响应。通过对玉米、南瓜和西葫芦等具有尖端特征的750粒籽粒的测试结果表明,提出算法的尖端检测综合准确率为95.6%。     

基于改进Harris角点提取的摄像机神经网络标定技术

以前馈型BP神经网络进行双日立体视觉系统的摄像机标定研究,基于Harris角点提取,提出了增加约束的改进方法,从而提高网络训练样本集的数据精度;探讨了神经网络的欠泛化、过泛化问题,综合运用归一化、提前终止等多种策略,进一步提高网络泛化能力,并与经典标定方法进行对比.试验结果表明,该方法能够获得较高的摄像机标定精度.     

农业机器人田间导航参照点测距的新方法

传统双目视差测距法的测量值为参照点P到双目摄像机基线中心的距离,而农业机器人上的摄像头装置通常被安装在距离地面一定高度,与水平方向呈一定倾角的位置,利用传统双目视差测距法将无法得到导航参照点到机器人机身的水平距离。为此,提出了一种解决农业机器人田间导航参照点测距的新方法。通过改进的BP神经网络标定下的双目系统、改进的SIFT特征匹配,输出导航参照点在世界坐标系下的坐标X,Y),则导航参照点距机器人机身的水平距离可表达为S=(X2+Y2)(1/2)。实验表明:该方法在实际田间测试中的结果最大偏差0.479cm,最小偏差0.032cm,精度高达99%,测距过程耗时共计55ms,计算量较传统双目视差测距显著减小,具有一定的工程实用性与可行性。     

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。     

基于改进蚁群算法的农业机器人路径规划研究

针对农业机器人路径规划实时性和稳定性差的问题,采用人工势场法,并结合Memetic算法与精英排序法优化基本蚁群算法。该算法用势场法获得路径初始化种群,对每代路径进行Memetic算法中的交叉组合操作,将每代蚂蚁产生的路径分别进行优化排序,根据蚂蚁路径的优劣程度,对信息素进行更新;同时,加入精英小组蚂蚁产生的信息素,从而加快了算法的收敛速度,提高了算法的稳定性。实验表明:改进后算法的平均最优路径长度提高了12.56%,收敛代数提高55.86%,算法用时提高了65.3%,最优解百分比增加了40%。本算法能够快速有效地规划出最优路径,提高了农业机器人的工作效率。     

基于视觉算法的采摘机器人控制优化研究

为了优化采摘机器人控制,基于视觉技术设计了控制系统。首先,在大津分割法的基础上,计算图像中的角点,将角点从分割后的二值图中去除,降低背景干扰点簇的影响;其次,建立褐菇几何特征参数,以此参数对褐菇进行特征图像提取;再次,采用遗传学算法,对褐菇采摘路径进行优化,与传统往复前进式路径规划相比路程缩短了30.5%;最后,对系统进行实地褐菇采摘测试,结果显示：辨别成功率分布区间为[87%, 91.7%],采摘成功率分布区间为[80%, 85.75%],单个褐菇平均采摘时间分布区间为[12.4s, 13.2s],系统具有良好的采摘性能。     

基于混合粒子群算法的农业机器人全局路径规划研究

从运动学模型和路径规划整体方案分析了农业机器人路径规划要点,介绍了混合粒子群算法原理,并基于该算法设计了农业机器人全局路径规划方案.实验对比表明:混合粒子群算法比蚂蚁算法规划的路线更优,效率更高,证实了算法的可行性和稳定性.     

农业机器人的发展和应用初探

农业机械化的发展是一个国家农业发展水平的标志,而农业机器人技术更体现出一个国家的科技实力.为此,论述了农业机器人的概念和特点,分析了国内外机器人的发展状况,对现有农业机器人进行了简要阐述.通过对各国农业机器人发展现状的分析,指出了我国农业机器人技术的发展方向.     

基于改进蚁群算法的多农业机器人路径规划研究

针对蚁群算法在解决多机器人移动路径规划上存在的局限性,本文利用栅格法对环境进行空间建模,并在基本蚁群算法的基础上,对启发信息函数做出了改进,同时提出死锁问题的解决方案.改进方案既保证了算法的速度,又避免了算法的提前收敛.另外,针对未知运动状态和已知运动状态的障碍物,本文分别讨论了动态窗口搭配区域膨胀以及正碰、侧碰两种避...     

基于自适应系数卡尔曼滤波的农业移动机器人组合定位

基于全球导航卫星系统（Global navigation satellite system,GNSS）的定位导航技术在半结构化、半开放式农业应用场景的部分区域,可能由于存在作物遮挡而导致GNSS接收信号出现短暂丢失的情况,进而影响机器人定位导航精度,甚至对作物和工作人员造成伤害。针对这一问题,本文开展了农业遮挡环境下的GNSS与惯性导航系统(Inertial navigation system,INS)的组合定位方法研究。搭建了用于多传感器定位导航实验的农业机器人系统,该系统由履带式移动平台、GNSS、INS等硬件和ROS(Robot operation system)操作系统、远程操控界面等软件构成。提出了引入自适应系数的GNSS/INS组合定位卡尔曼滤波算法,当GNSS无法进行差分定位或定位数据产生跃变时,通过自适应卡尔曼滤波能够切换到INS定位,从而实现机器人自身位置、姿态的最优估计。在典型农业遮挡场景（果园）进行了实地组合定位实验,并通过GNSS单通道定位、INS单通道定位、常规卡尔曼滤波融合定位、引入自适应系数的卡尔曼滤波定位等4种定位方法的对比,验证了本文提出算法的有效性。现场实验表明：定位过程中,当100m×20m的实验区域内出现30m×6m的高遮挡区域时,与GNSS定位信息测量方法、INS航迹推算定位方法以及常规卡尔曼滤波组合定位方法相比,自适应系数卡尔曼滤波组合定位方法定位精度分别提升62.1%、48.5%、47.7%。     

基于DSP和图像处理的农业机器人视觉导航研究

确定了间歇式行走的农业机器人视觉导航方案,设计了计算机图像采集单元、计算机图像处理模块和视觉导航参数提取算法,实现了一套基于DSP和图像处理的农业机器人视觉导航系统.试验结果表明:农业机器人移动速度增加时,导航误差会增大,且机器人的平均横向偏移在10 cm之内,能够满足农业机器人的导航需求.     

基于无线测距的农业机器人导航定位方法

针对农业机器人应用中的自主导航问题,提出了一种基于无线测距的导航定位方法。首先,分析了机器人的机械模型和位姿描述;然后,阐述了超宽带测距的原理,并分析了基于超宽带测距的定位模型;最后,设计了基于卡尔曼滤波器的多信标传感器信息融合算法。该方法稳定性高,操作简便,解决了农业机器人在恶劣和未知作业环境中的导航定位问题。     

基于激光雷达的农业机器人果园树干检测算法

针对丘陵山区果园中的斜坡及杂草影响果树检测精度的问题,提出了一种基于激光雷达的树干检测算法。首先,利用单线激光雷达获取环境信息,通过数据预处理滤除噪声点及无法利用的数据点,以树干为目标设定聚类半径,根据数据点到激光雷达的距离自适应设定聚类阈值,完成初步聚类;然后,利用初步聚类结果及地面类内数据点量大、且大致呈一条直线的特征,将数据点超过一定数量的类进行二次曲线拟合,将拟合半径大于一定阈值的类视为地面干扰,并将其剔除;最后,利用杂草枝叶类中数据点之间距离不连续的特征,将存在一定数量的相邻数据点距离较大的类视为杂草枝叶类,并将其剔除,从而完成对果园中果树树干的检测。结果表明：在无干扰情况下,对树干的误检率为0.76%、漏检率为1.90%,平均正确率为97.3%;在只存在地面干扰的情况下,树干检测平均正确率为96.1%;在只存在杂草干扰的情况下,树干检测平均正确率为91.4%;在同时存在地面和杂草干扰的情况下,树干检测平均正确率为91.9%,综合以上各种情况的树干检测平均正确率为95.5%,该方法可用于丘陵山区树干较明显的乔化果园中的树干检测,为精准农业装备在丘陵山区果园中的导航应用提供参考。     

基于Kalman滤波的田间导航车辆定位校正方法研究

以装载了RTK-DGPS导航系统的KUBOTASPU-68水田插秧机为试验平台,以姿态测量系统提供载体姿态信息,研究农业机械导航的姿态校正方法。在分析车载GPS倾斜误差产生原因基础上,提出了采用多传感器联合测量载体姿态角以提供校正信息。采用MEMS传感器集成模块ADIS16355作为惯性测量单元,卡尔曼滤波实现传感器信息融合以计算姿态角,设计了姿态测量系统。阐述了两种传感器融合测量实时姿态角的算法,基于ARM7Cotex-M3微处理器设计了姿态测量系统硬件。     

基于UKF的农用履带机器人滑动参数估计

为了实时获取农用履带机器人运行过程中履带与地面之间的滑动信息,改善机器人控制精度,在对履带机器人运动学原理进行分析的基础上,推导了机器人运动学方程和非线性测量方程,设计了基于无迹卡尔曼滤波的滑动参数估计系统,实时估计出机器人精确姿态,并根据机器人的运动特性重建不可测的滑动量。实验结果表明:滑动参数估计系统可以提供准确和高更新率的滑动量,为农用履带机器人的精确控制提供依据。     

基于卡尔曼滤波融合算法的深松耕深检测装置研究

为提高实时检测耕深的准确性,设计了基于超声波传感器和红外传感器以及卡尔曼滤波融合算法的耕深检测装置,采用超声波传感器通过渡越时间法测量耕深,采用红外传感器通过三角测距法测量耕深,通过卡尔曼滤波融合算法滤除两传感器检测数据中的杂波,并进行融合。室内试验表明,在平整地面,红外传感器检测效果优于超声波传感器;在秸秆覆盖地面,超声波传感器检测效果优于红外传感器。经卡尔曼滤波融合后的数据能充分利用两传感器在不同环境中检测的有效数据。在设定耕深为30 cm和40 cm的田间试验中,超声波传感器滤波数据的平均值分别为29.51 cm和38.79 cm,深松深度变异系数分别为2.51%和3.10%;红外传感器滤波数据的平均耕深分别为32.06 cm和41.52 cm,深松深度变异系数分别为2.41%和2.76%;而经卡尔曼滤波融合后的数据平均耕深分别为30.06 cm和39.95 cm,深松深度变异系数分别为1.07%和1.00%,说明采用滤波融合后的检测数据比单个传感器更能准确检测耕深和反映耕深变化趋势。     

农业信息采集机器人设计及试验研究

随着农业现代化的不断发展,人们对于精细农田各方面的要求也达到了新的高度,需要将自动化、智能化的设备应用于农业信息采集中。为此,提出一款新型的农业信息采集机器人,主要在农业信息采集机器人的总体结构设计的基础上,对图像采集、温湿度检测及图像处理进行了试验分析与验证。试验结果表明:该机器人可通过自行走的方式来精准探测农田的温湿度,并根据获取的图像了解作物的生长状态。实现了在减少人力消耗、提高效率的前提下,仍得到可靠的数据与图像,为更好的管理农田作业提供了可靠依据。