基于多传感器信息融合的智能车辆局部环境识

为了对自主车辆在实时行驶中的驾驶避障给予指示并进行路径规划,提出并验证了一种基于激光雷达深度信息以及图像纹理信息的局部环境判别算法;根据车辆的通过性指标对车辆进行动力性建模,通过改进的Dempster-Shafer判据对识别结果进行融合;并且输出固定监视区域内的通过性指数矩阵以指引自主车辆实时修正导向。     

基于MatLab的农用车辆车载故障检测系统的设计

从农用车辆故障的分析和检测着手,提出了一种基于Mat Lab的农用车辆故障检测系统,系统采用嵌入式控制平台,以软硬件相结合设计的方式,结合Mat Lab软件仿真技术,实现对农用车辆故障及行车隐患的实时检测与诊断。实验表明:该系统可以对农用车辆潜在故障信息进行准确采集与判断,能够及时对故障情况进行预警报警,且具有较高的实时性、稳定性和有效性,对实现农用车辆的故障检测具有重要的参考意义。     

改善车辆起步换挡品质提高乘坐舒适性的研究

通过对装有电控机械式自动变速器的车辆起步，换挡过程的分析，建立了表征乘坐舒适性主要评价指标的冲击度与油门开度变化和换挡离合器接合速度之间的关系及数学模型。并利用该模型对车辆起步换挡过程进行实时过程控制试验分析，提出了改善起步换挡品质，提高乘坐舒适性的措施和方法。     

基于多项式理论智能车辆轨迹规划

运动规划问题是智能车辆关键技术之一,它可以分成路径规划和轨迹规划两部分。运动规划的目的是使智能车辆能够在复杂道路环境中平稳快速地行驶。针对智能车辆轨迹规划实时性及灵活性问题,基于多项式理论及微分平坦理论提出一种实时轨迹规划方法。首先,对智能车辆这一非线性系统的微分平坦性质进行分析并确定其平坦输入和输出,其次,通过一个完全参数化的多项式曲线进行智能车辆轨迹生成,最后,通过与B样条轨迹规划对比仿真验证表明该方法对于智能车辆的实时轨迹规划具有更好的有效性及可执行性。     

基于滑模观测和模糊推理的车辆侧翻实时预警技术

提出一种实时的车辆侧倾状态观测器和侧翻预警算法。建立一种考虑轮胎力非线性特性的扩展3自由度车辆模型,并使用非线性最小二乘法拟合轮胎模型的参数。在车辆模型的基础上设计了基于超螺旋理论的滑模观测器,实时观测车辆的侧倾状态。侧翻预警算法依据当前车辆状态参数及变化趋势,通过构造模糊推理系统计算车辆侧翻指数,综合评价车辆侧翻的危险程度。使用车辆动力学仿真软件veDYNA进行的虚拟道路试验验证了观测器的观测精度和预警算法的预警效果。     

基于滑模观测和模糊推理的车辆侧翻实时预警技术

提出一种实时的车辆侧倾状态观测器和侧翻预警算法.建立一种考虑轮胎力非线性特性的扩展3自由度车辆模型,并使用非线性最小二乘法拟合轮胎模型的参数.在车辆模型的基础上设计了基于超螺旋理论的滑模观测器,实时观测车辆的侧倾状态.侧翻预警算法依据当前车辆状态参数及变化趋势,通过构造模糊推理系统计算车辆侧翻指数,综合评价车辆侧翻的危险程度.使用车辆动力学仿真软件veDYNA进行的虚拟道路试验验证了观测器的观测精度和预警算法的预警效果.     

基于车轮力传感器信息的全轮驱动车辆状态估计

提出一种基于车轮侧向力和纵向力传感器信息的车辆状态观测器.建立3自由度车辆动力学模型,并构建扩展卡尔曼滤波器,结合纵向加速度传感器和横摆角速度传感器的校正信息,实时估计车辆的纵向车速和质心侧偏角.在复杂附着条件下,该车辆状态观测器对车轮滑移和路面附着条件有很好的鲁棒性.通过veDYNA车辆动力学仿真软件,对该观测器进行了仿真验证.在分离附着系数路面条件下的仿真结果显示,传统的基于2自由度和非线性轮胎模型估计方法的纵向车速最大估计误差为25 km/h,质心侧偏角最大估计误差为3°,相同工况下,提出的基于车轮力传感器信息的全轮驱动车辆状态观测器对车辆的纵向车速和质心侧偏角估计结果具有更好的精确度,最大估计误差分别不超过0.6 km/h和0.2°,对车轮滑移和复杂路面附着条件具有更强的自适应能力.     

基于ARM的农用车辆实时故障检测车载终端设计

首先介绍了农用车辆故障检测原理和农用车辆故障检测原理,然后利用SVM分类算法设计了农用车辆的故障分析方法,最后依据车载终端显示控制、核心处理器和OBD信息采集模块设计了车载终端系统,实现了基于ARM的农用车辆实时故障检测车载终端。实际测试结果说明:车载终端能够实时检测农用车辆故障信息和行车隐患,具有较高的可靠性和准确性,符合设计需求。     

基于逆变换的路面随机激励对履带车辆平顺性影响分析

利用各种等级随机路面激励对二自由度履带车辆模型所产生的振动响应进行平顺性影响分析。首先采用傅里叶逆变换方法生成路面不平度并进行了功率谱对比反演验证,通过构建二自由度车辆模型并利用Simulink仿真软件建立系统结构图模型,输入不同车速、不同路面下模拟的随机激励,可对履带车辆平顺性影响进行分析。     

基于混合体系结构的无人驾驶车辆系统

从无人驾驶车辆系统的自主性、实时性、适应性要求出发,建立了基于功能和行为相结合的无人驾驶车辆混合式体系结构,基于功能的分解结构满足无人驾驶车辆的自主控制要求,基于行为的分解结构则满足由于行车环境复杂性以及多变性带来的对无人驾驶车辆车系统局部路径规划要求的反应能力和适应能力。实验结果表明,基于混合式体系结构的无人驾驶车辆系统具有自主性,且在环境发生变化时满足实时性及适应性要求。     

平面可控机构运动轨迹的计算机视觉检测

建立了基于计算机视觉的平面可控机构运动轨迹的检测系统,对平面可控机构的运动轨迹进行了检测研究.构建了视觉检测平台,利用已标定的摄像机获取目标的运动序列图像,应用数字图像处理技术对该序列图像进行处理得到运动目标的运动轨迹(包括位移、速度和加速度);对可控机构的运动轨迹进行了试验检测,试验结果表明该方法通用性好、精度高.     

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%.     

基于DSP和μC/OS-Ⅱ的采摘机器人视觉系统设计

近年来,国内机器视觉发展速度较快,应用广泛。由于视觉系统需要处理视频图像信息,计算量较大,因此当前该系统多采用计算机系统进行搭建。为此,提出将嵌入式与视觉系统结合应用的思想,并利用视觉系统和嵌入式智能系统易于信息集成的特点,设计了一种基于DSP和uC/OS-Ⅱ的视觉系统。该方案主要包括硬件软件及操作系统的设计,大大提高了生产的效率和自动化程度,对实现视觉系统在采摘机器人中的应用具有重要意义。     

基于Fisher判别分析的轮毂识别研究

针对传统轮毂生产线因人工目检带来的识别问题,提出以机器视觉为识别基础、Fisher判别为分类方法对轮毂进行识别分类研究。在对机器视觉系统获取轮毂图像进行预处理后,对图像进行特征提取操作获得轮毂半径、轮毂辐条数、辐条类型、轮毂宽度的特征数据。进而用Fisher判别法对轮毂样本数据库进行学习分类。由检测结果得知,Fisher判别法对轮毂分类具有较好的效果,且方法简单,具有较高的识别率。     

融合电子鼻和视觉技术的鸡肉新鲜度检测装置研究

为实现鸡肉新鲜度的快速准确检测,设计了一种基于电子鼻和视觉数据融合的一体化检测装置。装置由控制系统、视觉系统和电子鼻系统3部分组成,可同时通过电子鼻传感器阵列检测鸡肉散发的气体浓度并由摄像机采集鸡肉视觉图像,控制板传输数据至Jetson Nano上位机进行特征提取、融合与分析。由该装置获取不同新鲜度鸡肉样本的气味和图像数据,采用主成分分析方法进行降维处理,再基于支持向量机建立鸡肉新鲜度分级模型,准确率可达98.7%。该装置具有准确率高、便携和稳定性强等特点,可为肉品新鲜度检测提供技术支持。     

车辆引导路线检测的计算机视觉技术初探

阐述了自动引导车辆农业工程中的应用,发展及其优越性,对有线引导计算机视觉系统设计的有关问题进行了分析及讨论,设计了利用哈夫变换进行经导路线检测的方法及算法,利用具有复杂背景的实际地面图像的设计的算法进行了可靠性和干扰性试验,试验结果表明该算法是可靠,有效的。     

基于计算机视觉的玉米籽粒形态测量与研究

视觉技术目前被广泛应用于社会各生产领域,包括制造行业、文档分析、医疗诊断及农业品质检测等。为此,基于计算机视觉技术,设计出一种玉米品质自动检测分析方法,即玉米籽粒实时分析系统,具有客观、高效、准确的优势,解决了传统人工检测模式下主观、低效、误差大等问题。最后,设计出一种基于计算机线扫描技术和自动化控制技术相结合的玉米籽粒考种装置。     

基于计算机视觉数据对大棚作物生长趋势的挖掘

设施农业具有可控的环境条件,可以通过工程技术手段实现作物的高效生产。大棚是设施农业的重要形式,能够显著提高作物的抗灾减灾和反季节生产能力。大棚作物的生长状况反映出大棚生产管理的效果,并作为农艺操作和产量预测的依据。为此,开发了通过计算机视觉分析大棚作物的植株颜色和发育阶段等生长信息的方法,利用专家系统挖掘视觉分析数据,评判作物的生长状况,预测后续生长趋势和最终产量。大棚黄瓜的试验结果表明:基于计算机视觉的数据挖掘可以准确评判黄瓜的生长状况,较为准确地预测成熟时期和最终产量,提高了大棚生产的智能化水平。     

基于机器视觉的大田植株生长动态三维定量化研究

高通量植物三维表型的研究对判定植株表型特征至关重要。基于机器视觉的植株三维表型获取方法在温室中已广泛应用,能够动态监测植株生长过程,但在大田复杂环境中应用较少。以大田生长的玉米、大豆植株为研究对象,基于机器视觉分析方法对不同生长时期玉米、大豆植株进行个体和群体的三维重建,并基于手动测量值对叶长、叶最大宽进行精度评估。研究结果表明,叶长、叶最大宽的计算值与手动测量值的R2均大于0.97,精度较高,表明大田环境下此方法可以满足作物表型三维构建参数提取的精度要求,但是当冠层遮挡较严重时,三维重建精度将明显下降。进一步自动提取了株高、冠幅和器官生长动态,结果可为与基因型相关的表型高通量分析提供方法,并可进行株型与冠层辐射的精确评价。     

基于北斗的农业机械立体视觉辅助导航系统设计

为提高农机在果园复杂环境下作业精度,降低驾驶员劳动强度,设计了精准辅助导航系统。通过北斗差分定位设备获取农业机械的经纬度、航向角度以及行驶速度等数据,根据农田信息规划出全局行驶路径,实时计算农业机械行驶过程中的航向偏角、行驶距离和耕作面积并绘制行驶轨迹,根据观察航向偏角和行驶轨迹,驾驶员来修正作业机械使农机按规划路径行驶。系统采用基于红外散斑的深度立体视觉相机,降低自然光线限制,以此获取农业机械前方深度图像,根据视觉算法对图像中的作物或障碍加以检测,并计算其到农业机械和路径中心线距离,判断是否需要避障并提示驾驶员应调整方向,当调整方向进行避障后返回到已规划路径继续行驶。试验结果表明,辅助导航系统在直线行驶试验时横向行驶最大偏差小于5 cm,能够辅助驾驶员按规划路径精准行驶;基于立体视觉的障碍检测测距误差范围在4%以内,且处理每帧图像耗时最大为40 ms,实时性很高,能高效辅助驾驶员进行精确避障。