履带式油菜播种机模糊自适应纯追踪控制器设计与试验

针对在丘陵山区小田块中大型农业机械运移不便、作业效率不高和田头调头操作受限等问题,设计了一种针对轻简履带式车辆的基于运动学模型和几何模型的模糊自适应纯追踪控制器。以轻简履带式油菜播种机为研究平台,结合北斗RTK构建了一套自动导航作业系统,根据播种作业需求采用有限状态机设计了田间自动导航作业控制策略。开展了模糊自适应纯追踪控制器与纯追踪控制器的仿真及实地对比试验。仿真结果表明,与纯追踪控制器相比,模糊自适应纯追踪导航控制器具有上升时间短和超调小等特点。水泥路面试验表明,当行驶速度为0.8m/s时,模糊自适应纯追踪控制器最大跟踪偏差为0.039m,平均绝对偏差为0.018m。在旱田路面前进速度0.5、0.8、1.2m/s下,直线导航跟踪最大跟踪偏差分别不大于0.082、0.086、0.092m,平均绝对偏差分别不大于0.031、0.032、0.034m。并对自动导航作业系统进行试验,试验结果表明,所设计的导航控制器直线跟踪稳定,满足丘陵山区小型田块油菜播种要求。     

基于信息融合的农业自主车辆障碍物检测方法

针对单一传感器在智能车辆环境感知中的局限性,提出一种基于摄像机与激光雷达信息融合的农业自主车辆前方障碍物检测方法。对单目摄像机获取的图像进行基于Ft（Frequency-tuned）算法的显著性检测,并生成显著图。同时对激光雷达反射点进行基于数据关联性评估的聚类分析,确定障碍物数量、边界与位置等先验信息。然后以激光雷达坐标相对应的图像像素坐标为种子点,由种子点激活经过处理的显著图,基于受限区域生长实现障碍物区域分割。试验结果表明,基于Ft算法的图像显著性检测具有更好的边缘检测效果,基于种子点的受限区域生长法可以有效地进行障碍物分割。在机器视觉的基础上融入激光雷达数据,可以更好地排除非障碍物的干扰,实现了障碍物的完整检出。     

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。     

基于分区域特征点聚类的秧苗行中心线提取

为了准确检测水稻秧苗行中心线,提出了基于分区域特征点聚类的秧苗行中心线提取方法。采用2G-R-B特征因子和Otsu法分割秧苗和背景;通过分区域统计秧苗像素点分布提取秧苗行的候选特征点,利用特征点间近邻关系对特征点进行聚类,确定秧苗行数和各秧苗行的起始点;基于秧苗成行栽植特点引入“趋势线”,利用点到该直线的距离与距离阈值作比较,筛选出远离各行趋势线的点,并将其去除;对筛选后的每一行特征点用最小二乘法进行直线拟合,获取秧苗行中心线。实验结果表明,该算法具有较强的抗噪性能,提取秧苗行中心线的准确率达95.6%,与标准Hough变换和随机Hough变换算法相比,处理一幅分辨率为320像素×237像素的彩色图像平均耗时短,能够实现水田秧苗行中心线的准确提取,可为插秧机自主行走提供可靠的导航信息。     

基于边缘检测和区域定位的玉米根茎导航线提取方法

基于玉米根茎图像信息,提出一种基于边缘检测和区域定位的玉米根茎导航线提取方法。首先,利用最大类间方差法自动分割2G-R-B灰度图像,得到二值化图像,结合形态学处理、位置/面积去噪方法提高二值化图像质量,对去噪图像按列累加得到列像素累加曲线;针对传统方法得到的特征点中伪特征点较多的问题,引入高斯滤波器平滑累加曲线,并运用极值法减少玉米根茎伪特征点的干扰,在提取玉米茎秆边缘直线时,提出基于最远茎秆成像宽度的双侧边缘判别思路,通过扫描每条边缘直线的四边形封闭邻域有效剔除伪边缘直线;最后,根据边缘直线二次定位玉米的根茎区域范围,并剔除伪特征点,采用最小二乘线性拟合方法准确提取导航线。试验表明,本文算法处理一幅1280像素×720像素图像耗时约236ms,特征点拟合准确率为92%。与传统方法相比,本文算法精度高、实时性好,在缺苗、杂草较多和株距不标准的情况下仍具有较强的鲁棒性。     

丘陵山地农业装备与坡地作业关键技术研究综述

丘陵山区先进适用农机装备的研发是目前国内农机装备研究的热点和难点问题之一。目前,我国丘陵山区农业生产存在“无机可用,无好机用”的现实问题,并且先进适用丘陵山地农机装备(简称山地农业装备)的研发缺乏必要的理论支撑。本文重点综述了国内外山地农业装备尤其是山地拖拉机及山地农机调平技术、山地拖拉机驱动与动力系统、山地农机具及其作业性能的研究现状,阐述了农机土壤压实与坡地土壤耕作侵蚀的研究进展,总结归纳了山地农机设计及山地农机-土壤互作机理研究的计算机辅助方法。展望丘陵山地农机装备及坡地作业技术的研究重点及发展方向：山地农机-坡地土壤-作物(养分)互作机理研究;山地农机总体设计与农艺及坡地作业场景深度融合;山地农机姿态调平机构与控制策略;山地农机动力高效传递与灵便转向驱动;山地农机作业机组的智能化监测与精确自主导航。以期为我国丘陵山区农机装备的研发设计提供借鉴参考。     

基于Kalman滤波农用车辆导航定位方法

因RTD-GPS定位精度不能满足农田导航作业的需要,研究了一种提高农用车辆自动导航定位精度的方法.建立天线补偿模型,对GPS天线晃动引起的误差进行了补偿;建立基于Kalman滤波模型,融合多传感器信息;使用自主开发的基于VRS的GPS接收机,作为RTD-GPS.将RTD-GPS、电子罗盘以及速度传感器获得信息进行Kalman滤波,其结果和高精度GPS数据进行了比较.实验证明,直线跟踪中,平均偏差由1.6019m减小到0.597m;曲线跟踪中,平均偏差由1.2085m减小到0.4861m.     

农业车辆视觉实际导航环境识别与分

分析了对路径识别影响较大的变光照环境、杂草环境和阴影环境对农业车辆导航路径的影响,提出一种实际环境中的农业车辆视觉导航研究方法,即先采用神经网络算法对农田环境进行自动分类,然后再相应的选择不同的路径识别方法进行处理.环境识别与分类试验结果证明,该方法能够提高农业车辆视觉导航系统的实用性和可靠性,导航环境的分类准确率为95%,单幅图像平均耗时23 ms.     

割草机器人工作原理及试验研究—基于GPS/DR组合导航系统

随着国民经济不断发展,我国人民生活水平不断提升,多种人工作业逐渐被机器所取代。GPS/DR组合导航系统能够有效提升割草机器人定位精度,克服传统割草机器人固有弊端,提高工作效率。为此,对GPS/DR组合导航系统原理展开了分析,进行了GPS/DR组合导航系统割草机器人研究,并进行了相关试验研究,验证了GPS/DR组合导航系统割草机器人相对于传统割草机器人的优势。     

温室机器人道路识别与路径导航研究——基于红外测距

针对温室内移动机器人的应用需求,提出了一种基于红外线测距的温室机器人自主导航算法,并使用模糊算法对导航误差进行控制,实现了温室机器人的精确自主移动功能。温室机器人导航过程中,当红外线接收管接受到红外线信号时,会产生一个光强电流,电流放大后可以输出一个模拟电压;根据电压值,通过编程计算,利用电压和距离的对应关系,可以得到机器人和标志物的距离误差;距离信息通过串口传输到PC机上,PC机利用模糊控制原理对距离误差进行判断,发出控制指令。实验测试发现:机器人导航的距离偏差平均值为-1.28cm,均方差为2.68,超调较小,可以实现较为精确的导航。