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DSP和计算机辅助的播种机导航视觉技术研究

为提高播种机导航视觉系统的效率及准确性,在导航控制系统的设计过程中引入了DSP和计算机辅助方法,通过计算机辅助图像处理和数据计算,有效提高了导航系统的效率.在播种机自主导航系统的设计中,采用了DSP和计算机辅助联合的方法,并以图像的处理为例,对系统设计的可行性进行了测试.结果表明:在高分辨率图像处理的条件下,基于DSP...     

基于机器视觉的果树行中心线检测算法研究

针对果树空间层次复杂造成直线检测算法失效的问题,提出了运用图像透视原理筛选边界点的方法来提取果树行边界。使用最小二乘法拟合边界直线,计算相邻果树行的中心线作为移动机器人的导航路径。试验结果表明,该算法能够快速准确地提取出果树行中心线,平均每幅图像处理时间小于600ms。     

基于DSP和机器视觉的精准施药平台研究

介绍了机器视觉的工作原理,从总体方案、DSP选型、视频采集和图像处理等3部分对精准施药平台进行了设计。平台通过图像处理算法提取农作物行间轮廓位置,驱动精准施药控制器,实现对喷头的调整,达到精准施药目的。试验表明:平台误差在可控范围内,能够满足农业喷雾的要求。     

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...     

除草机器人视觉导航中路面检测方法研究 —基于DSP图像深度处理

除草机器人是自主作业水平较高的一种新型农机设备,由于作业环境复杂,其作业质量和效率受视觉导航系统的影响较大。为了提高除草机器人视觉导航系统的精度及实时处理图像的效率,将DSP图像处理技术引入到了视觉导航系统的设计上。为了验证方案的可行性,结合MatLa软件对系统的图像处理能力进行了仿真实验,首先将采集图像利用MatLab处理为CCS的数据文件,然后传送给DSP处理器进行处理,最后将处理数据利用CSS传给MatLab软件进行图像显示,验证其是否能够成功的提取导航线位置。     

基于机器视觉的玉米苗期多条作物行线检测算法

为满足玉米苗期中耕、追肥等田间管理环节的自主导航行走需求,研究了基于机器视觉的多条作物行线实时检测技术.首先,基于绿色分量增强法、分割阈值优化法和形态特征分析法,对图像分别进行灰度化、二值化和去噪等预处理,该预处理结果不受自然光照变化、阴影、降水/积水、播种模式等影响,对细密状杂草干扰或植株冠层交叠条件下作物行间分界间...     

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.     

基于机器视觉的农业机器人运动障碍目标检测

在农业移动机器人平台上运用机器视觉技术检测作业环境中是否存在运动障碍目标时,机器人自身运动会与障碍目标运动叠加在一起.为此,首先在移动机器人平台上连续采集两帧图像,提取其特征点并加以匹配;然后应用双线性模型描述对应特征点在图像之间的运动特性,并用最小二乘法对模型参数进行最优估计,得到两帧图像之间的变换矩阵;最后利用此变换矩阵补偿前帧图像来消除机器人自身运动的影响,再与后帧图像作帧差,在线检测出运动障碍目标.实验结果表明,该方法仅依据图像信息即可有效地检测出农业机器人导航环境中存在的运动障碍目标.     

基于激光雷达的农业机器人导航控制研究

以农业机器人为平台,利用激光雷达研究农业机器人在有行株距的果树与有行无株距的树木行中,特别是一侧存在行缺失情况下的导航性能。根据激光雷达获得的树行信息,机器人控制系统进行导航路径计算,确定机器人的横向偏差与方向偏角。利用模糊控制算法实现机器人的导航控制。在无株距且一侧存在4 m距离缺失的冬青树行间及在有行株距且一侧存在6.2 m距离缺失的梨树行间,分别进行3次重复的导航性能试验。试验结果表明,在整个试验距离内冬青树行距与梨树行距都不均等的试验条件下,在冬青树间的最大横向偏差为17.5 cm,在梨树间的最大横向偏差为28 cm。在一侧冬青树出现缺失时对机器人的导航性能影响较小,而在一侧梨树缺失时对机器人的导航性能影响较大。根据横向偏差的统计值与机器人行驶轨迹,表明控制算法能够控制机器人沿着中心线行驶。     

宽幅施药机械机器视觉辅助导航系统研究

为了实现宽幅施药机械喷幅的精确拼接,提出一种机器视觉辅助GPS导航方法。该方法首先对施药机械幅边喷洒泡沫剂并进行泡沫剂识别,识别过程中为了有效分割目标与背景,选定蓝色泡沫剂作为试验对象,提出使用超蓝色灰度化方案,并经过形态学滤波、行定位点的选取、Otsu分割提取泡沫剂信息,使用迭代的最小二乘法检测泡沫剂中心线的信息;然后给出了二维图形航向偏角和偏距的定义,并根据识别的泡沫剂信息进行航向偏角和偏差信息的提取,从而指导施药机械的行进方向。试验表明,所提方法可以较为准确地进行泡沫剂识别,根据泡沫剂信息识别得到的偏角计算值和实际测量值平均误差为1.58°,最大误差为2.5°,偏距计算值和实际测量值平均误差为5.4 cm,最大误差为8.4 cm,检测精度能够满足实际需求。     

农用轮式移动机器人视觉导航系统

从整体组成、农田环境中跟踪路径识别、机器人相对于跟踪路径位姿计算、系统实时性和鲁棒性改善、横向控制等几个方面对农用轮式移动机器人视觉导航系统进行了比较全面的研究。基于通用小型四轮拖拉机研制了农用轮式机器人实验原型样机,用人工绿篱模拟农作物行开展了初步实验,结果显示,原型样机在纵向速度为0．27m／s和0．94m／s时都能较好地跟踪绿篱边缘。     

棉花铺膜播种机导航路线图像检测方法

研究了棉花铺膜播种机田间作业时导航路线和田端的图像检测算法。针对自然环境下的棉花播种作业图像,采用Daubechies小波变换对处理区域进行平滑滤波;针对第1帧图像,寻找图像处理区域的垂直累计直方图的波谷,以此为基础,通过寻找局部窗口累计直方图波谷的方法,从图像底端逐行向上寻找各行候补点;对于非第1帧图像,采用当前帧与前帧导航路线相关联的方法分段寻找候补点群;最后基于过已知点Hough变换拟合出导航路线。实验证明,采用的算法可以快速、准确地检测出棉花铺膜播种作业时的导航路线及棉田田端,平均每帧图像处理时间为72.02 ms,满足铺膜播种机实际播种作业的需求。     

免耕环境中视觉导航机器人行走路径的检测

针对免耕环境下农田作业机器人的视觉导航,提出了一种导航路径-梨沟线的检测算法,以提高图像处理速度。同时,介绍了图像采集设备,描述了农田免耕作业环境和农田作业机器人的工作流程。在此基础上,以彩色图像中的R分量为处理对象,分别判断作业区域终点和犁沟线出现位置,确定犁沟线上的候选点,并采用基于一点的Hough变换方法,获得犁沟线的直线斜率。试验表明,提出的算法具有速度快、抗干扰、准确性高等优点。     

基于DSP与ARM的大豆籽粒视觉分级系统

针对现有大豆籽粒筛选机构精度低、豆粒损伤大、不能有效识别霉变、灰斑豆粒等缺点,提出了一种基于TMS320DM6437(DSP)和TMS320DM355(ARM)的嵌入式大豆籽粒视觉分级系统的总体设计方案。阐述了该系统的工作原理、硬件构成、软件系统和分级测试。采集的大豆图像,经背景分割后提取豆粒参数,利用统计学方法对豆粒区域进行边界特征、区域特征提取,确定圆形度和平滑度为最优分级特征。以达芬奇技术处理器TMS320DM6437和TMS320DM355作为核心处理单元,嵌入图像处理算法,实现大豆籽粒的视觉分级。选取4类不同品种大豆各2 000粒作为试验样本,对系统进行重复测试,分级筛选精度达到95%。     

基于改进粒子群优化模糊控制的农业车辆导航系统

以采用机器视觉导航的农业车辆为研究对象,提出了一种基于改进粒子群优化自适应模糊控制的农机导航控制方法。建立了车辆2自由度转向模型和视觉预瞄模型,对车辆横向控制进行状态描述。对粒子群算法进行了改进,提高了粒子群算法的收敛速度,降低了算法计算时间。构建了自适应模糊控制器,在模糊控制器中引入加权因子,以横向偏差和航向偏差时间误差绝对值积分(ITAE)之和作为系统目标函数,通过粒子群算法计算得到最优加权因子,进而调整控制规则实现导航车辆的自适应控制。仿真和导航试验结果表明,提出的控制方法可以迅速消除横向误差,具有超调量小、响应速度快等特点,既保留了模糊控制算法的优点,又提高了系统控制品质。在相同参数条件下,与常规模糊控制相比,改进模糊控制算法导航精度显著提高。当车速为0.8/s时,直线路径跟踪最大横向偏差不超过4.2 cm,曲线路径跟踪最大横向偏差不超过5.9 cm,能够较好地满足农业车辆导航作业要求。     

基于机器视觉和随机方法的作物行提取算法

根据农田作物图像特点,采用基于垂直投影的窗口移动方法,得到代表作物行的定位点,提出了基于机器视觉和随机方法的作物行提取算法.该算法从定位点中随机选取2个不同点,决定一条候选直线,再根据阈值规则,进一步判断候选直线的真实性.实验结果表明,该算法可以提取不同作物的作物行,处理一幅640×480像素的彩色图像平均需要220 ms,正确识别率达98%.