农业车辆杂草环境下视觉导航路径识别方法

在普通环境导航路径识别方法的基础上,分析了株间杂草和垄间杂草对农业车辆导航路径的影响.针对影响较大的垄间杂草环境,提出一种基于BP神经网络的杂草环境下导航路径识别方法.田间实验证明,该方法对杂草的影响具有较好的适应性,能够快速、可靠、准确地提取导航路径特征,识别率为97%,单幅图像平均耗时560ms.     

农业车辆视觉导航技术研究进展

农业机器人视觉导航技术在国内外被广泛研究.为此,对视觉导航机器人系统的3个主要研究方面:导航参数获取方法、导航控制方法和算法、视觉硬件系统的国内外研究及视觉导航系统研究情况进行了综述,提出了视觉导航技术存在的问题及发展方向.     

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。     

温室环境视觉导航路径的识别

为实现视觉导航的精确性和鲁棒性,研究了温室复杂环境机器人视觉导航路径的识别方法。以温室内西红柿苗垄为研究对象,在地膜、光线和阴影等复杂环境对植物识别的影响下,用Lab色彩空间将绿色植物从背景中分离出来;用基于权重因子的阈值分割算法代替常用的阈值分割算法;用改进的Hough变换的导航线提取方法处理有杂草干扰的作物垄。试验证明,该方法对复杂温室环境下作物垄导航线的提取有较好的适应性,而且算法简单,能够满足实时性的要求。     

基于自适应导航参数的智能车辆视觉导航

为提高导航路径识别的鲁棒性和实时性,采用了分区阈值二值化、噪声点搜索及滤波等图像处理方法,并对导航路径进行分区逐段识别;在路径跟踪方面,在获取的导航路径图像中选取远端路径和近端路径,以远端路径和近端路径的方位偏差量作为确定目标路径的依据,使提取的导航参数能适应导航路径的变化。根据四轮智能车辆模型进行路径跟踪仿真计算。在此基础上,采用两块数字信号处理器,对基于路径导航的视觉智能车辆进行了设计和试验验证。试验结果表明采用该方法设计的智能车辆具有较好的路径识别和跟踪控制效果。     

阴影环境下拖拉机视觉导航路径识别方法研究

在对比分析了普通环境与阴影环境下图像特点的基础上,提出了一种适用于阴影环境下拖拉机视觉导航的路径识别方法。首先,运用2G-R-B彩色模型分割图像,根据图像的线性灰度分布,采用合理的点运算分析法提高图像对比度,利用迭代阈值分割法和二值图像闭运算提取道路特征;然后,通过扫描道路边缘离散点和最小二乘法拟合出拖拉机的导航路径。实验结果表明,该方法能快速和有效地提高拖拉机视觉导航系统对阴影环境的适应性。     

自主导航农业车辆的全景视觉多运动目标识别跟踪

为提高自主导航农业车辆导航路径的准确性和行驶作业的安全性,提出自主导航农业车辆的全景视觉多运动目标识别跟踪方案。该方案采用全景视觉进行无盲区的多运动障碍目标的检测,并解决了多运动目标跟踪中遮挡重叠的问题。首先系统将多目相机采集的图像拼接成全景图像,采用分段图像的改进核函数算法对运动目标进行快速自动检测跟踪;其次采用基于路径预测的粒子滤波算法进行多运动目标跟踪并解决遮挡重叠的问题。通过试验表明:采用改进的核函数目标快速跟踪算法,与传统核函数跟踪算法相比,减少系统内存消耗66.8%,加快运算速度35.63%;采用基于路径预测的粒子滤波多目标跟踪算法,在多运动目标遮挡重叠的情况下,平均提高运动目标跟踪成功率39.5个百分点,算法平均耗时0.78s。     

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。     

机器视觉技术和GPS在农业车辆自动导航中的应用

机器视觉和GPS是农业自动车辆获取导航信息的两种主要方式,其主要任务是获得作物行或犁沟的信息。为此,介绍了基于以上两种导航技术的农业车辆研究现状,重点对比了机器视觉与GPS的技术特点及其优缺点,并指出了研究中存在的问题;最后讨论了两种导航方式的发展趋势。     

基于GSM嵌入式物流监控的农业自主导航车辆设计

为提高农用车辆视觉导航系统对不同环境的适应性,基于GSM无线通信和嵌入式系统,提出了一种新的农业运输车辆自主导航的物流监控系统设计方法,并研究了其对路径的识别能力。该系统对环境的适应能力较强,可以快速、准确地提取导航路径的特征,并具有物流跟踪监控功能,可以实现农用运输车辆在特定的田垄里进行自主换向,提高了车辆的自主导航能力。利用GSM无线通信导航技术对驾驶员实际输出转角进行追踪测试,结果表明:驾驶员的目标曲线和转角无线控制实测曲线比较吻合,从而验证了基于GSM通信的嵌入式物流系统在农业运输车上实现自主导航的可行性和可靠性。     

智能车辆自主导航神经网络控制器设计

针对自主设计、制造的智能车辆,提出了设计新的神经网络控制器来实现对车辆导航路径的自主跟踪控制。分析了神经网络导向控制器的设计方法,选择了神经网络导向控制器的输入、输出变量,并建立了神经网络导向控制器的结构。在此基础上,采用人工驾车采集的数据对控制器进行了训练。完成了计算机仿真和实际路径跟踪控制试验,试验结果表明该神经网络控制器能够很好地实现对导航路径的自主跟踪控制。     

基于强化学习的农业移动机器人视觉导航

以强化学习为基础,结合模糊逻辑理论研究了农业移动机器人通过自主学习获取导航控制策略的方法。首先使用机器视觉检测环境障碍并获取障碍物相对于移动机器人的方向和距离信息。然后应用强化学习设计了机器人自主获取导航控制策略方法,使机器人能够不断适应动态变化的导航环境。最后基于模糊逻辑离散化连续的障碍物方向和距离信息,构建了离散化的环境状态,并据此制定了自主导航学习Q值表。在自制的轮式移动机器人平台上开展了试验,结果表明机器人可以在实际导航环境中自动获取更优的导航策略,完成预期的导航任务。     

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。     

RTK—DGPS融合惯性传感器的车辆导航参数计算方法

为实现农用车辆精确导航,提出一种RTK-DGPS融合惯性传感器的导航参数计算方法。横向偏差是利用惯性传感器采集的姿态角经几何变换补偿系统中存在的杆臂效应再进行计算得到的。试验结果表明,系统存在俯仰和侧倾时,此方法平均补偿了0.08 m的横向偏差,通过提高系统的定位精度得到了更精准的横向偏差。由于惯性传感器难以适用于磁场干扰较大的环境,为此,提出仅利用RTK-DGPS计算航向偏差的方法,即利用最小二乘法拟合RTK-DGPS动态定位点形成车辆行驶路径并进行计算。试验结果表明,车辆直线行驶、做圆周运动与沿任意曲线行驶时,惯性传感器与RTK-DGPS计算的航向偏差之间的平均误差分别为0.963 6°、3.641 8°与2.756 2°,验证了利用RTK-DGPS计算航向偏差的可行性。