自主导航农业机器人全方位视觉目标识别与跟踪研究

随着我国信息化技术的逐渐提高,机械自动化、集成电路、智能控制系统和测试计量等行业得到了快速发展,使得移动机器人达到了一个全新的高度,农业机器人也因此被广泛应用。在机器人众多研究问题中,全方位视觉的目标识别与跟踪一直是比较复杂并较难解决的问题。为此,基于全方位的自主导航技术,根据农业机器人工作特点和运动特性,建立了机器人工作空间的环境模型,提出了一种陆标导航和运动目标跟踪系统的视觉伺服方案,开发了以DSP控制器为核心的全方位视觉图像处理系统。试验结果表明:所设计的农业机器人全方位视觉目标识别与跟踪系统精准度高,可靠性和实时性强,各项性能指标优。     

农业机器人采摘目标识别技术研究——基于FCM模糊聚类算法

介绍了FCM (Fuzzy C-Means)模糊聚类算法的原理，采用权重分配的方法对该算法进行了改进，通过建立模糊的相似矩阵，对目标对象的特征聚类图进行分析，并引入隶属度矩阵对FCM算法进行优化，以加快算法的迭代速度。实验结果表明：农业机器人采用该方法对农作物轮廓分割识别度较高，算法计算效率较快，验证了其可靠性，该方法可用于目标农作物的分割和目标识别。     

基于Softmax的采摘机器人目标识别技术研究

首先,介绍了目标水果的形态、采摘机器人识别技术与试验平台;然后,设计了双目视觉系统,并基于Softmax分类模型设计了苹果的目标识别算法,实现了一套基于Softmax的采摘机器人目标识别模型。试验结果表明：采摘机器人对无遮挡的苹果目标识别率为94%,对部分遮挡的苹果目标正确识别率为88.7%,稳定性较好,精度较高。     

农业机器人声源目标搜寻协作控制系统研究

随着农业现代化技术的不断发展,农业机器人被使用到了农业生产作业过程中。当作业机器人较多时,需要采用控制系统实现机器人之间的协作,通过对不同的机器人发布不同的控制指令,实现多机器人的高效作业。语音信号是最快捷、高效的控制指令,机器人通过对声源目标信号的识别,可以执行远程控制端发出的控制指令,实现自动化协同作业。为此,将DTW算法引入到了声源目标搜寻识别算法的设计上,研制了采摘机器人自动化语音控制系统,并对系统进行了测试。结果表明:采摘机器人语音识别系统可以成功地识别在干扰条件下发布的控制指令,且识别的准确率较高,可以满足多机器人协同自动化作业的需求。     

苹果采摘机器人目标果实快速跟踪识别方法

为了减少苹果采摘机器人采摘过程处理时间,对苹果采摘机器人目标果实的快速跟踪识别方法进行了研究。对基于R-G颜色特征的OTSU动态阈值分割方法进行首帧采集图像分割,采用图像中心原则确定要采摘的目标果实;利用所采集图像之间的信息关联性,在不断缩小图像处理区域的同时,采用经过加速优化改进的去均值归一化积相关模板匹配算法来跟踪识别后帧图像的目标果实,并进行不同阈值分割方法实现效果,不同灰度、亮度和对比度的匹配识别以及新旧方法识别时间对比试验,从而验证了所采用和设计方法的有效性;其中所设计跟踪识别方法的识别时间相比于原方法,减少36%。     

农业机器人路径识别自主导航系统——基于STM32与物联网

我国人口众多,粮食需求量高,因此有必要提高农业生产效率以提高粮食产量。为此,开发了一套基于STM32及物联网的农业机器人定位及路径导航行走系统,跟踪端GSM芯片在STM32的控制下通过GPRS网络发送GPS定位数据信息,农业机器人视觉系统根据所在环境拍摄图像分析获得行走路径,完成导航任务。以农田垄沟环境为研究对象并进行仿真,将机器人视觉系统采集的图像进行优化,通过MatLab仿真处理,将机器人导航行走路线通过阈值分割和边缘检测提取出来,满足其定位导航的精度。该系统能够大量应用在农业生产技术中,包括种植管理、喷洒农药及果实采摘等,极大地减轻了我国农业生产人员的劳动强度,对于推动农业的现代化具有重要意义。     

基于改进Bytetrack的群体机器人跟踪算法

针对群体机器人在实际跟踪场景中常常受到遮挡、目标密集、尺度变换等因素的影响导致漏检、轨迹中断和ID频繁跳变等问题,基于Bytetrack跟踪算法,改进了卡尔曼滤波的状态变量,提出了噪声尺度自适应卡尔曼算法（NASA-Kalman）,并在卡尔曼滤波中引入加速度参数（AMA）提高跟踪的准确性。实验表明,在MOTA、MOTP方面相较于原算法均有所提高。为了进一步验证跟踪算法的有效性,在MOT20数据集上对算法进行了评估,在MOTA、MOTP方面分别提高了0.65%和1.26%。     

采摘机器人动态果实目标检测与跟踪技术研究 —基于云存储

由于大风天气、光照变化、背景干扰、阴影、摄像头的抖动及运动目标之间遮挡等现象的存在,给采摘机器人果实目标的正确检测带来了极大的挑战,特别是在有风的天气,采摘机器人对动态的果实目标进行定位的难度很大。为此,提出了一种新的采摘机器人移动果实目标检测和追踪方法,并利用云存储技术实现了果实运动图像的实时处理,最后以果实运动目标的定位为实验目的,对该方法的可行性进行了验证。图像处理结果表明:利用基于云存储技术的图像处理平台可以成功地捕捉运动目标的实时信息,且果实位置信息定位速度快、准确率高,可为采摘机器人自主定位导航提供准确的目标果实位置实时信息。     

仿人机器人头部设计与目标跟踪运动控制

针对仿人机器人视觉目标跟踪任务需求,设计了一种高精度、灵巧型仿人机器人头部系统,构建了视觉感知模块与3自由度机械臂运动机构。利用虚拟连杆方法对仿人机器人头部进行运动学建模,将目标跟踪问题转换为机械臂的运动学逆解问题,通过计算机构可操作度与条件数,显示机器人头部对目标跟踪任务具有良好的运动学灵活性。在此基础上,基于梯度投影法建立了目标跟踪运动学逆解与规避关节极限位置的同步优化算式,并针对视觉测量系统带宽较窄、容易造成较大跟踪误差的问题,提出了在两次视觉测量间隔内用轨迹预测的方法获得目标位置的估计值,以提高跟踪精度。仿真与实验结果表明,在测量盲区内采用轨迹预测方法,可将跟踪精度提高约80%,实现高精度目标跟踪。所提出的仿人机器人头部及控制方法,对动态目标具有良好的跟踪性能。     

基于YOLOv3算法与3D视觉的农业采摘机器人目标识别与定位研究

为解决目前农业采摘机器人目标难以识别与定位的问题,在原有农业采摘机器人的基础上,提出一种改进YOLOv3算法和3D视觉技术相结合的方法,实现目标的准确识别和精准定位,并利用标定完成目标坐标系和机器人坐标系的转换。通过试验分析改进YOLOv3算法的性能,并与之前的YOLOv3算法、Fast RCNN算法和Faster RCNN算法进行综合比较,研究表明所采用的改进YOLOv3算法和3D视觉具有较高的识别准确度和定位精度,识别准确率分别提高55%、9%、1.4%,最大定位误差分别降低0.69、0.44、0.28 mm,可以较好地完成后续采摘工作,对于农业机器人的发展具有重要的参考价值。     

采摘机器人目标识别技术研究——基于机器视觉及深度学习

为了解决采摘机器人识别目标果实难的问题，提出了一种基于机器视觉及深度学习的采摘机器人目标识别技术，可结合图像采集、图像处理、SSD深度学习算法，实现对橘柑的精准识别。试验结果表明：采摘机器人目标识别技术对橘柑具有较高的识别率，证实了该方法的可行性，对采摘机器人研究具有一定的参考价值。     

采摘机器人移动果实目标跟踪研究——基于云存储和无线传感器网络

提高采摘机器人对运动目标的定位能力是提高机器人采摘精度的重要途径,但对于运动果实目标的跟踪和识别需要实时处理大量的图像数据。为有效处理并利用无线传感器实时采集待采摘果实图像,提出了一种基于Hadoop云平台的图像并行处理方案。为了验证方案的可行性,设计了具有运动图像采集和无线传感网络传输功能的采摘机器人,并搭建了基于云存储并行计算的图像抓取平台,利用无线传感器采集的果实图像资源作为原始数据集,对运动待采摘目标进行了图像识别。实验结果表明:采用该方案可以成功地获取运动果实的位置信息,且采摘机器人成功采摘率较高,对于高精度采摘机器人的设计研究具有重要的意义。     

农业机器人视觉导航中多分辨率路径识别

针对非结构化的农田自然环境，提出农业机器人视觉导航时的多分辨率路径识别算法。首先探讨了用于路径识别的适宜的彩色特征，然后基于小波变换分析了多分辨率边缘检测过程，最后结合跟踪路径的特点融合了多分辨率检测结果。油菜地图像的处理结果表明了该算法的有效性。     

番茄采摘机器人非颜色编码化目标识别算法研究

为了实现番茄采摘机器人在非结构化环境下对目标番茄的准确识别,提出了一种基于非颜色编码的番茄识别算法。通过Haar-like特征及其编码的方法,结合AdaBoost深度学习算法可以获得用于识别成熟番茄的分类器;并研究了Haar-like特征类型和AdaBoost学习训练次数对分类器性能的影响。所得强分类器对测试集中的番茄进行在线识别试验。试验结果表明,测试集中93.3%的成熟番茄能够被正确识别;同时该分类器还对光照变化、果实粘连以及枝叶遮挡等干扰具有较强的自适应性和鲁棒性,满足采摘机器人对目标识别的技术要求。     

采摘机器人SEMG手势识别研究 —基于RNN循环神经网络

为了实现采摘机器人通过手势动作进行远程控制的目标,采用MYO手环采集人体手势动作信号,将信号进行滤波、放大和A/D转换等预处理后,通过无线通信模块发送给PC机;PC机提取右移、左移和采摘等动作的特征值,送入RNN网络中进行训练和识别,并将识别结果以指令的方式发送给采摘机器人,控制采摘机械手进行相应操作.实验结果表明:采...     

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。     

基于传感器融合的农业机器人定位导航

为适应农业机器人在半结构化、半开放式农业场景的复杂环境区域下,GPS导航可能信号缺失、精度偏低,导致导航定位和建图的精度偏低,不能准确避障,甚至对农作物和人员造成损伤。笔者针对单一传感器在农业机器人目标检测及机器人建图中的局限性,提出了一种利用16线激光雷达和相机融合的目标检测算法,设计了一种多传感器融合的目标检测及基于elevation mapping的三维建图。仿真结果表明：LiDAR和摄像头传感器数据可以提供深度和颜色信息,并通过elevation mapping算法实现建图,实现了农业机器人识别和无碰撞导航;使用多个传感器来提供冗余信息,以减少发生错误测量的可能性,解决了农业机器人在复杂环境区域中行走及定位检测的问题。     

农业机器人路径优化及轨迹跟踪研究—基于遗传算法

随着我国信息化水平的不断提高,以及机械自动化、计算机控制系统和测试计量行业的不断发展,移动机器人达到了一个全新的高度,智能机器人被广泛应用到农业生产、工业生产和高等研究等各个领域。在机器人众多研究问题中,路径规划和轨迹跟踪一直是比较复杂并较难解决的问题。为此,基于遗传算法,根据移动机器人工作特点和运动特性,采用几何法建立了机器人工作空间的环境模型,并对路径进行了有效编码,为机器人实时规划出无碰撞、路线短的全局路径,对其运动轨迹进行有效跟踪。仿真实验表明:所设计研究的机器人全局路径规划和轨迹跟踪技术具有较好的效果,其在行进过程中能及时、有效地避开前方障碍,可靠性强,稳定性好,应用前景非常广阔。     

秧苗嫁接机器人视觉与识别的研究

研制了一套应用于瓜果秧苗嫁接机器人的视觉系统，该系统能判别秧苗品质和秧苗方向，使得瓜类秧苗嫁接机器人在保证质量情况下实现全自动嫁接成为可能。