基于多目视觉的田间导航线提取方法

【目的】目前导航线提取算法适用范围窄,且图像获取范围没有统一标准,直接应用到导航设备上会产生较大误差。【方法】课题组提出了一种基于多目视觉的田间导航线提取方法。首先,获取四个摄像头拍摄的不同视觉范围的田间图像,通过归一化超绿特征、最大类间方差法（Otsu）和形态学操作获取二值图,提取背景像素中点作为导航特征点;其次,通过神经网络算法建立坐标系转换模型,将导航特征点映射到同一地面坐标系,并对导航特征点进行融合;最后,由最小二乘法拟合导航线。此外,课题组利用该方法进行了5组田间实验,并对比了实验结果。【结果】在同一地面坐标系下,拟合后的导航线精度普遍高于单条导航线。【结论】该算法为农机设备自主导航提供了理论基础,为降低山区农业机器人自主导航误差提供了思路,对农机设备的自主导航具有重要意义。     

基于机器视觉的农田机械导航线提取算法研究

随着科学技术的发展,精细农业已成为现代农业发展的主导方向。农业机械的自动导航技术是精细农业的关键技术之一,也是实施精准农业的基础。机器视觉由于其广泛实用性,已成为农田机械导航线提取的重要方法。目前,机器视觉自动导航线提取易受自然环境干扰,且在实时处理速度上有待提高。为此,研究了一种导航线提取算法,旨在简化图像处理,提高通用性。首先对CCD获取的彩色农田图像,使用改进的过绿色算法进行灰度化,得到目标区分较好的图像;然后使用改进的OTSU算法对图像进行分割,得到二值图像,再采用滤波、腐蚀、膨胀相结合的算法去除图像噪声;最后提取作物行骨架,拟合作物行直线并进行方向校正,计算相机偏差,为实时校正航向提供反馈信息。试验结果表明,该算法处理一幅图像所用时间在200ms左右,可满足农田机械实时导航的要求。     

基于农业搬运机器人的障碍物视觉识别技术研究

【目的】随着农业自动化水平不断提升,研究农业搬运机器人如何优化搬运目标信息、定位及图像检索等功能具有重要现实意义。【方法】课题组提出了一种基于机器视觉的内容图像检索视觉识别技术,采用特征提取方法将图像纹理作为机器视觉障碍物特征识别的重要信息,通过实时更新障碍物信息,利用相似度距离计算,将采集的图像数据与数据库中的图像距离进行对比,并利用MATLAB仿真平台验证了CBIR系统对搬运机器人障碍物识别的精确度。【结果】利用小波滤波器优化的CBIR系统的对比结果优于其他方法的平均检索率,且前20张图像的检索率均能保持在98%以上。【结论】该方法有效提升了CBIR系统的障碍物检测性能及识别系统的精确度,可为系统数据库中障碍物图像特征对比提供高质量图像数据。     

基于嵌入式Linux的农用无人机视觉导航算法及应用

首先介绍了农用无人机机械结构与工作原理,接着介绍了双目视觉成像原理及视觉系统相机标定,并从图像采集和图像处理等模块介绍了嵌入式硬件平台,最后利用人工势场实现了农用无人机视觉导航算法。MatLab仿真结果表明:农用无人机在在无障碍物和有障碍物下,能够利用视觉导航算法,准确进行避障和导航,且仿真结果与预期效果一致,验证了农用无人机视觉导航算法的可行性和有效性。     

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。     

自然光照下基于粒子群算法的农业机械导航路径识别

针对农业机械视觉导航线提取易受光照变化影响及常规导航线识别算法实时性低、抗干扰能力差等问题,对自然光照条件下基于机器视觉的农业机械导航路径识别技术进行了研究。首先,在YCr Cb颜色模型的基础上构建与光照无关的Cg分量,选择2Cg-Cr-Cb特征因子对图像进行灰度化处理,以降低光照变化对图像分割的影响;然后,采用改进K-means聚类方法进行图像分割,将绿色作物信息从土壤背景中分离出来,并通过形态学滤波方法滤除二值图像中存在的杂草干扰信息;最后,根据图像中作物行的特点建立作物行直线方程约束模型,利用粒子群算法对作物行直线进行寻优求解,进而得到导航线。实验结果表明,不同光照条件下对2Cg-Cr-Cb灰度图像进行图像分割,可以清晰完整地将作物从土壤背景中分离出来,分割图像受光照变化影响较小并且不会引入背景噪声;基于粒子群算法的导航线检测方法可以快速准确地提取出导航路径,对于不同农田作物和作物不同生长阶段具有较高的适应性,相比于常规导航线识别算法具有实时性高、鲁棒性好等优点。     

基于改进卷积神经网络算法的路径导航研究

农业机械自主导航技术一直是现代农业发展的关键技术,而已有的机器视觉导航中普遍存在鲁棒性不强、适应性弱等缺点.针对上述问题,提出基于卷积神经网络的田间路径导航算法.根据主流语义分割模型FCNVGG16得到改进分割网络FCNVGG14,用于田间作物行分割任务的预处理,再通过非监督点聚类法进行特征点分类,最后采用改进后的Ho...     

基于机器视觉的农业机械自动导航方法研究

目前,全球农业面临粮食生产效率提高和可持续性管理的挑战,自动导航技术成为提高生产力和资源利用效率的关键技术之一。基于机器视觉技术的基本原理,系统探讨了机器视觉技术在农业机械自动导航应用平台的构建,并提出一种基于颜色和纹理特征组合的田间障碍物识别方法,根据识别结果系统实现自动实时测距与信息反馈,从而实现农业机械的智能导航。     

基于手势识别的智能农业采摘控制系统设计

【目的】实现通过手势对采摘机器进行远程操控,优化采摘机器控制系统,减少识别与采摘误差。【方法】笔者设计了一种基于手势识别的智能农业采摘控制系统,该系统应用图像滤波算法,提高了采摘机器控制的准确性与高效性。在系统设计中,将手势识别与远程操控机械臂结合,通过高分辨双目摄像机收集手势图像信息并提取特征,将其转化为电机控制命令后发送至控制层,实现了通过手势对机器的远程操控。【结果】图像滤波算法的识别时间仅为0.3 s,远低于其他两种算法的4.1 s与3.5 s;识别准确率高达96%,远高于其他两种算法的94%与92%。【结论】采用图像滤波算法的系统对手势识别的时间更短、识别准确度更高,可有效提高作物成熟判断准确率与采摘效率,具有良好的推广价值。     

面向自动导航拖拉机的农田障碍物识别研究

实现农田障碍物的精确识别与有效避让是提高自动导航拖拉机智能化、保障作业安全的关键技术。为此,论述了基于激光测距传感器的自动导航拖拉机行进前方障碍物检测与识别方法。在自动导航拖拉机上加装LMS2 0 0激光测距传感器,构建避障测试平台,通过对激光数据解析、坐标系转换及障碍物边缘拟合,实现了障碍物方位、距离、宽度等特征信息的有效识别。针对典型农田障碍物—树木和障碍拖拉机,进行了障碍物检测试验。采用RTK-GPS接收机的定位数据标定障碍物,并进行了识别精度检验。树木的方位、距离和宽度的识别精度分别为0.5°、0.03m、0.03m。障碍拖拉机的方位、距离和宽度的识别精度分别为1.88°、0.13m、0.39m。试验结果表明:避障测试平台能够有效地识别自动导航拖拉机前方的障碍物。     

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。     

基于EKF的农机智能体自主导航算法研究

为获得更加准确、全面、实时的农田障碍物信息,提高农业机械智能体自主导航定位的精度,提出一种基于北斗系统和视觉导航的组合定位方法。针对农田环境,选择BDS、视觉CCD为外部传感器,设计一种基于扩展卡尔曼滤波器(EKF)的数据融合算法,该算法融合了BDS和视觉传感器数据,实时定位农机智能体的位置。系统通过对导航角度和行驶进度进行跟踪,完成绝对定位。通过机器视觉图像处理,获取导航基准和作业目标信息,完成相对定位。通过试验验证该算法的有效性,并通过卡尔曼滤波算法(KF)的成果进行对比分析。结果表明：滤波后的路径更平滑,抖动偏差减小,坐标数据比KF滤波结果更稳定、更平滑。此外,距离的平均误差可以从滤波前的0.119 5 m降低到滤波后的0.07 0 m,有效地降低了过程噪声。且位置偏差在±0.1 m以内,精度较高,提升了农机智能体自主导航的定位精度。     

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GPS和机器视觉的自主导航定位农机设备研究

准确、可靠的位置信息是进行农业机械自动导航的前提,为了提高农机自主定位导航的精度,提出了一种基于GPS和机器视觉联合导航的定位系统,并介绍了联合定位导航的方法,最后以实验得方式验证了导航的可行性。农机的GPS和机器视觉组合定位系统采用GPS部分对农机的绝对位置进行实时采集,并跟踪导航角和行驶速度,完成绝对定位;采用机器视觉部分图像处理的方式,获得导航基准线和作业目标信息,完成相对定位;采用光电对管实现了避障功能,并采用无线数据的收发,实现了农机的远程控制。对农机联合导航机制进行了实验验证,结果表明:最大误差不超过0.1m,精度较高,克服了单一定位方式的不足,提高了农机自主导航的定位效果。     

基于达芬奇平台的联合收获机视觉导航系统路径识别

针对联合收获机视觉导航对实时性及鲁棒性要求,采用了基于达芬奇平台的路径识别算法实现方案.在分析小麦收获视频图像纹理度量的基础上,提出了基于改进平滑度纹理特征的视觉导航路径识别算法.该算法利用水平方向上图像平滑度纹理特征,把原亮度图像转换成水平方向平滑度图像,然后采用自适应阈值分割图像的边界点,最后通过Hough变换确定视觉导航的路径.为验证该算法在达芬奇平台的运行效果,对联合收获机田间收获小麦进行导航实验.结果表明:算法运行实时性高,识别路径平均速度可达28.6帧/s;算法鲁棒性好,对多种环境下的路径识别有较好的适应性;算法运行稳定可靠,持续运行时间无限制.     

农业机械视觉导航系统技术研究

机器视觉导航技术是农业机械装备中应用智能控制的重要研究方向.为此,分析了机器视觉信息处理的主流理论框架模型及其存在的不足,提出了一种改进了的机器视觉信息处理的农业机械导航视觉系统结构,并探讨了农业机械机器视觉导航系统的特点及其关键技术.农业机械机器视觉导航研究具有广阔的发展前景.     

障碍物分类识别的果园机器人避障方法研究

针对果园环境复杂,障碍物种类繁多,传统动力无法有效进入作业的情况,提出一种基于障碍物分类识别的果园机器人自主避障方法。首先对果园中存在的障碍物进行识别分类,然后针对不同种类的障碍物采用不同的避障方法来完成避障动作。通过搭建基于ROS的避障试验台,对果园机器人上搭载的视觉传感器和激光雷达传感器进行标定,在ROS功能包中植入避障算法,然后进行验证。试验结果表明:在同等条件下,相比传统的避障方法,本文的方法避绕圆形障碍物时用时少1.7 s,所用路程少0.31 m,具有一定的优势;而在避绕不规则障碍物时,本文的方法虽然所用时间和路程比传统方法分别多1.7 s和0.41 m,但机器人能够更加贴近障碍物进行避障,对林下中耕施肥和除草等作业有很大帮助,具有很好的实际应用价值。     

基于改进遗传算法的农机具视觉导航线检测

针对机器视觉导航系统现有导航线提取算法检测速度慢、抗干扰性差等不足,提出一种基于改进遗传算法(IGA)的导航线检测方法。图像中作物行走向近似为一条直线,从图像顶边和底边分别随机选一个点进行染色体编码,通过遗传进化选择适应度最高的个体作为作物行直线编码,进而得到导航线。改进遗传算法采用概率保留法和最优保存策略相结合的方法作为选择算子,提高了算法的搜索效率和精度;通过自适应调整交叉概率和变异概率,提高了算法的收敛速度和全局搜索能力。动态导航跟踪试验表明,改进的遗传算法与标准霍夫变换、标准遗传算法(GA)在导航线提取性能上相比,具有抗干扰性强、检测速度快等优点。当导航速度为0.6m/s时,横向偏差最大值不超过76 mm,平均值小于33.1 mm,较好地满足了导航作业要求。     

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。     

计算机视觉技术在智能化农业机械中的应用探析

【目的】在智能化农业机械中合理应用计算机视觉技术,为农业现代化生产提供强有力的技术支撑。【方法】笔者通过分析计算机视觉技术在智能化农业机械中的应用优势,从田间作业机械、农业收获机械、农业导航机械、农产品加工与分选机械、病虫害防治农业喷洒机械这5个方面阐述了计算机视觉技术在智能化农业机械中的具体应用,并提出加大政府支持力度、注重专业人才培养等对策提高计算机视觉技术在智能化农业机械中的应用效果。【结果】智能化农业机械与计算机视觉技术的有机结合,可以有效调整和优化农业生产模式,减少生产成本投入,促进农民增收,节能环保,助推我国农业可持续、高质量发展。