基于双目视觉系统的农用无人机导航算法研究

农用无人机市场大,发展迅速,双目视觉系统对周边环境检测能力强,被广泛用于路径规划、避障和导航中。针对农用无人机的路径规划和导航的特定场合,利用双目视觉、图像处理和嵌入式控制等技术,设计了一套农用无人机导航算法,可以为无人机提供准确的导航策略。     

基于机器视觉的农业机械避障导航算法研究

【目的】机器视觉技术已经成为一种重要的农业机械导航线路提取技术,但农业机械避障导航的自动提取容易受到自然条件的影响,其实时性要求还需进一步改进。【方法】笔者提出了一种基于机器视觉的农业机械避障导航算法,首先,利用改进之后的避障导航算法对CCD提取的彩色农田图像进行灰度化处理,呈现出图像信息;其次,利用改进之后的Otsu算法对避障系统获取的图像信息进行分割,得出新的图像,再利用滤波、腐蚀、膨胀等算法模式去除避障中的不良信息;最后,在避障信息的基础上提取出针对性的骨架,再对导航进行模拟,计算得出最后的偏差,并采用速度分别为0.5 m/s、1.0m/s的慢速实验对田间农作物中的障碍物进行检测。【结果】仿真结果表明,笔者提出的障碍物探测方法能够在不同的车速情况下,对障碍物的方向和形状进行精确识别,具有很好的适用性。【结论】1）基于机器视觉的农业机械避障导航算法能够较好地克服农业种植过程中出现的障碍物干扰,准确地提取出农田中的作物行驶方向和距离,并为以后的处理打下了良好的基础。2）目前对于障碍物的检测只考虑了静态障碍物和离航向最近的障碍物为有效障碍物的情况,在后续的研究中应对田间多障碍、动态障碍...     

农用四旋翼无人机轨迹规划设计——基于计算机深度学习

介绍了农用无人机的工作原理，建立了其动力学模型，并基于人工蜂群的深度学习算法对农用四旋翼无人机轨迹规划进行了深入研究，确定采用线性自抗扰控制方法实现对无人机的轨迹控制。实验结果表明：农用四旋翼无人机可以平滑地从起点运行到了终点，很好地避开了途中的障碍物，证明了系统的可靠性和稳定性。     

基于足球比赛路径规划的农用无人机定位和导航研究

无人机具有很高的作业效率,能够推动农业生产的现代化和智能化。由于受各种因素的影响,无人机的实际航线与规划航线之间会出现偏差,因此需要进行定位和导航。足球比赛机器人的控制原理与农用无人机相似,其路径规划方法可以作为无人机定位和导航的参考。为此,将足球比赛路径规划的人工势场模型与农用无人机相结合,设计了一种无人机定位和导航方法。仿真试验结果表明:该方法定位和导航的无人机药液喷洒覆盖率达到98%,飞行的距离和时间相比人工控制减少了20%,路线中的急剧转向次数大幅减少,能够为无人机航线控制提供新的途径。     

基于单片机控制的农用无人机导航研究

为进一步提升农用无人机导航控制系统的精度和时效性,在深入理解农用无人机的工作原理及部件组成的基础上,结合单片机控制机理对农用无人机的导航控制系统进行了设计。通过硬件部件配置选型匹配及参数设定等环节实现高准确度的导航信息获取传输,并对软件控制程序进行优化处理,实现后台实时性的无人机位姿调整且进行了导航控制试验。试验结果表明:在单片机控制程序下的农用无人机自主导航系统可实现整机的转速和方向控制,且对比经度和纬度信息,可实际飞行数据与试验飞行数据的最大误差为1.425 1m,满足农用无人机导航控制系统要求。该研究可为农用无人机深度优化提供思路,同时也可用于其他喷洒自控装置的设计开发,具有一定的推广价值。     

农用车辆路径跟踪预瞄控制研究 —基于免疫模糊PID算法和视觉导航

在无人驾驶农用车辆过程中,由于作业环境的复杂性,往往会遇到一些突发状况,如急转弯或者突然出现障碍物等,目前的视觉导航技术一般都是获取路径信息后直接进行反馈调节,在遇到突发状况时难以有效的工作。为此,将跟踪预瞄加反馈控制器引入到了无人驾驶农用车辆自动导航系和控制系统中,并使用免疫模糊PID算法对控制系统进行优化,以提高控制的效率、精度及自动化程度。为了验证该方法的可靠性,模拟农用车辆的作业环境,对控制算法的精度和效率进行了验证。仿真结果表明:采用免疫模糊PID算法具有较高的控制精度,且运算效率高,如将其使用在农用车辆自动导航和控制系统中,对于提高导航的精度和智能化程度具有重要作用。     

农用四轴飞行器避障控制系统设计——基于机器视觉和超声波测距

首先,基于双目视觉和超声波测距介绍了农用四轴飞行器的障碍物感知原理;然后,基于整体框架和飞行器对避障控制系统进行了整体设计;最后,基于机器视觉和超声波测距实现了农用四轴飞行器避障控制系统。实验结果表明:当飞行器和障碍物达到设置距离时,飞行器能够快速进行悬停响应,并能及时进行避障操作,证明了农用四轴飞行器避障控制系统的可行性和有效性。     

基于控制器的农用无人机导航自动控制系统研究

农用无人机在自主作业时,导航精度对作业性能的影响较大,如果导航精度不高,农机在行驶过程中会产生横向误差和纵向误差,从而降低农机的作业质量.为了提高农用无人机导航的精度,采用滑模控制方法建立了导航线追踪和主从系统车速协同的控制模型,并通过虚拟仿真验证了控制器的控制效果.仿真结果表明:采用滑模控制方法可以有效降低导航的误差...     

基于深度学习的农用无人机自主避障研究

针对目前农用植保无人机(UAV)自主避障能力弱及避障系统繁琐等问题,提出了一种适用于植保无人机的基于深度学习的端到端自主避障方式。利用植保无人机挂载的双目相机实时采集图像,当检测到障碍物与植保无人机距离≤5m时,自主避障系统启动,将采集图像预处理后输入卷积神经网络,输出姿态角与油门量控制无人机自主飞行与避障,同时卷积神经网络通过手动飞行采集信息进行训练。实验结果表明:该方法能使植保无人机对农田常见障碍物房屋、树木、电线杆等做出自主避障,且模型具有一定的泛化能力,适当训练后,可将此避障方式应用于复杂环境下的植保无人机自主避障。     

多源传感器信息融合的农用小车路径跟踪导航系统

为解决四轮独立驱动农用小车在设施农业和畜牧业的物料运输和信息采集中的导航及控制问题,构建了农用小车导航控制系统,优化配置多个传感器,提出了基于CCD图像传感器、加速度计、电子罗盘及超声波等多传感器信息融合的导航控制方法。通过CCD获取标识路径信息,通过加速度计、电子罗盘获取小车姿态信息,通过超声波传感器判断障碍物,并给出路径特征提取、识别、多源信息融合自主导航控制和超声避障等算法,实现了小车的路径跟踪的导航控制,实验结果表明构建的导航控制系统及导航控制方法正确、有效。     

轮式AGV沿葡萄园垄道行驶避障导航算法与模拟试验

针对轮式AGV沿葡萄园垄道循迹受到障碍物阻碍的问题,应用滚动优化原理提出了基于超声波测距与航向角检测的AGV防碰避障导航算法。采用交叉布置的8路超声波传感器检测垄道边界与障碍物,提出了同一障碍物匹配与类型判据及动态障碍物轨迹预测模型。以AGV横向位置偏差和航向偏角作为模糊控制器输入,获得AGV前轮期望导向角,为AGV绕行障碍物提供参考航向角。基于滚动优化原理提出了调节绕行偏角和调节车速的避障导航策略,设计了AGV绕行静态障碍物、减速或停车避让动态障碍物的导航算法。试验系统的上位机采用Lab VIEW开发的避障导航算法程序,实时将导航数据发送到下位机PLC来控制AGV转向。模拟试验结果表明,该导航算法实现AGV沿垄道预设路径纠偏行驶的同时,可导引AGV避免与垄道上的障碍物发生碰撞,验证了防碰避障导航算法的有效性,可为无人化轮式拖拉机等前轮导向车辆沿垄道循迹的防碰预警与避障技术提供参考。     

基于随机运动障碍避碰规则的农业机器人路径优化

农业机器人作业时,为了提高机器人躲避障碍物及自主导航的效率和水平,将随机运动障碍物避碰规则引入到了农业机器人导航控制系统的设计中。采用人工势场算法对避障规则进行了设计,并利用蚁群算法对机器人路径规划方法进行了优化,从而使机器人在随机运动障碍物的环境下可以实现自主导航,且获得最短的导航路径。模拟多除草机器人的作业过程,对多运动障碍物环境下机器人的路径规划进行了仿真,结果表明:采用随机运动障碍物避障规则可以成功实现运动障碍物环境下的路径规划,且采用蚁群算法得到的路径最短、规划效率最高。     

农用车辆作业环境障碍物检测方

针对联合收获机视觉导航系统中的视觉测障,提出了一种基于单目彩色图像分割测障与立体视觉特征匹配测障相结合的测障方法:利用H、S颜色分量对单目图像实施固定阈值分割并二值化,获得潜在障碍物的位置及区域;采用尺度空间不变(SIFT)算法获取潜在障碍物区域特征;采用近似最近邻分类算法(ANN)进行快速特征匹配,获得潜在障碍物的世界坐标,由此进一步确认障碍物以及障碍物与车辆之间的距离.提出了提高算法效率的措施,分析了图像压缩比与运行时间、SIFT特征数以及匹配数之间的关系.试验表明,在有障碍物的情况下,检测时间不超过200ms.     

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。     

基于机器视觉的林间导航路径生成算

提出了一种基于机器视觉的、适用于林间行走机器人导航的路径生成算法,即采用扫描图像获得视野两边的树干底部与地面的交界点,计算得到交点中心的一系列离散点簇,通过最小二乘法拟合该中点生成导航直线的算法。Matlab仿真结果表明：该算法可有效地处理多种林间复杂环境,符合人眼视觉所识别的导航线,在图像批量处理时具有较高的可靠性和稳定性。     

基于机器视觉的林间导航路径生成算法

提出了一种基于机器视觉的、适用于林间行走机器人导航的路径生成算法,即采用扫描图像获得视野两边的树干底部与地面的交界点,计算得到交点中心的一系列离散点簇,通过最小二乘法拟合该中点生成导航直线的算法.Matlab仿真结果表明:该算法可有效地处理多种林间复杂环境,符合人眼视觉所识别的导航线,在图像批量处理时具有较高的可靠性和稳定性.     

农用无人机移动补给平台自主降落算法与试验

为实现根据无人机作业位置改变中途补充能源或喷洒物的起降地点,增加无人机有效作业时间,提高无人机作业效率,设计了无人机移动补给平台。通过研究农用无人机自主降落过程,提出一种基于模糊逻辑和比例积分微分(Proportional-integral and derivative,PID)分段控制的农用无人机跟踪降落算法,该算法既拥有PID算法的高精度,又兼顾模糊控制算法响应速度快、超调量小、鲁棒性强的优点。目标轨迹跟踪预测由粒子滤波器跟踪算法和轨迹拟合算法相结合进行求解。仿真和现场试验表明,与单一的PID算法和模糊逻辑算法相比,分段控制算法能够把农用无人机对移动补给平台的跟踪误差缩小到6. 7 cm以内,在移动补给平台上的降落精度控制在7. 2 cm以内。     

基于机器学习的农用飞行器路径规划系统设计

基于作业空间模型及更新和飞行器机动性能约束,搭建了农用飞行器路径规划环境模型,并采用改进人工势能的机器学习算法,结合农用飞行器路径规划环境模型和障碍物检测模块,实现了农用飞行器路径规划的最优化。MatLab仿真结果表明:农用飞行器路径规划系统能够识别障碍物的位置和边界信息,并能快速制定出最优的飞行路径,指引农用飞行器顺利到达目标点。     

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.     

基于语音识别处理的植保无人机航行路径控制研究

设计了基于HMM的语音识别处理算法，分析了植保无人机的结构与工作原理，并利用改进人工势场法对植保无人机的飞行控制和航行轨迹规划进行分析了研究。试验结果表明：语音控制控制准确度非常高，达到了90%及以上；植保无人机航行路径控制准确，能够成功避开障碍物，并动态规划最优飞行路径。