基于改进YOLOv5s的轻量化蟹塘障碍物检测与定位方法

蟹塘中不定期放置不同类型、不同大小的养殖装置影响无人作业船的自动巡航作业,为了提高无人作业船的工作效率和安全性,该研究提出一种改进YOLOv5s的轻量化蟹塘障碍物检测模型,并结合深度相机对蟹塘障碍物进行定位。改进模型从平衡检测速度和检测精度的角度出发,首先将ShuffleNetV2轻量化网络作为主干特征提取网络,大幅缩减模型体积;其次在不增加计算量的同时引入SENet注意力机制,加强对蟹塘障碍物目标的特征感知;接着将SPPF模块改进为SPPFCSPC模块,增强不同尺度下蟹塘障碍物的检测效果;最后采用SIoU损失函数加速模型收敛,提高检测的准确性。改进模型结合RealSense D435i深度相机获取的彩色图像对障碍物进行检测,并得到障碍物中心点在蟹塘坐标系下的三维坐标和障碍物的投影宽度。试验结果表明,改进模型对竹竿、蟹笼、增氧机3类障碍物具有良好的区分度和识别效果,与原始YOLOv5s模型相比,改进模型的参数量和计算量分别减小了62.8%和80.0%,模型大小仅为5.5 MB,单张图像的检测速度达15.2 ms,检测速度提升了44.5%,平均精度均值（mean average prec...     

基于立体视觉技术的多种农田障碍物检测方法

从摄像机标定、图像获取、双目校正、立体匹配、深度计算等方面研究多种农田障碍物检测方法,分别用Bouguet算法进行立体校正、用区域匹配方法获取视差图、用三角测量方法计算障碍物的深度,获取了不同环境下的5种障碍物及其位置信息,并使用计算机视觉函数库OpenCV,提高了算法的实时性。试验表明:障碍物与摄像机的距离小于2 000 mm时,准确识别率在96%以上,深度的绝对误差在±30 mm内(即相对误差在1.5%以下),且完成一次障碍物检测的时间小于100 ms。     

基于欧氏聚类的三维激光点云田间障碍物检测方法

为满足目前农业机械(简称农机)自动驾驶中农田障碍物检测的需求,提出了一种使用三维激光雷达检测田间障碍物的方法.该方法首先对采集的环境点云进行预处理,采用体素栅格下采样滤波,将稠密的点云在不损失特征信息的情况下进行减量;采用三维长方体对角点划定感兴趣区域以便快速计算;采用随机采样一致性(RANSAC)算法检测出农田地面点...     

基于最优控制策略的复杂环境移动机器人轨迹规划

复杂环境下移动机器人轨迹规划由于障碍物放置杂乱且无规律,常常面临避障失败的问题。本文将机器人的轨迹规划归结为优化问题,提出了一种基于优化策略的轨迹规划方法。该方法包括3部分：首先,对优化问题的约束建模,包括机器人的运动学模型、变量极值约束、障碍物避碰模型;然后,建立优化求解策略,通过决策变量区间均分、内置插值点和基于拉格朗日多项式的变量描述方式进行离散化,针对离散化导致的约束失效对变量进行等距时间离散并建立惩罚函数,从而实现有效避障;最后,基于随机分形搜索算法对上述优化模型进行求解。仿真结果表明,本文所述方法可以有效解决移动机器人在复杂环境下的障碍物避碰问题。     

基于EKF的农机智能体自主导航算法研究

为获得更加准确、全面、实时的农田障碍物信息,提高农业机械智能体自主导航定位的精度,提出一种基于北斗系统和视觉导航的组合定位方法。针对农田环境,选择BDS、视觉CCD为外部传感器,设计一种基于扩展卡尔曼滤波器(EKF)的数据融合算法,该算法融合了BDS和视觉传感器数据,实时定位农机智能体的位置。系统通过对导航角度和行驶进度进行跟踪,完成绝对定位。通过机器视觉图像处理,获取导航基准和作业目标信息,完成相对定位。通过试验验证该算法的有效性,并通过卡尔曼滤波算法(KF)的成果进行对比分析。结果表明：滤波后的路径更平滑,抖动偏差减小,坐标数据比KF滤波结果更稳定、更平滑。此外,距离的平均误差可以从滤波前的0.119 5 m降低到滤波后的0.07 0 m,有效地降低了过程噪声。且位置偏差在±0.1 m以内,精度较高,提升了农机智能体自主导航的定位精度。     

喷杆机械臂障碍物检测系统设计与性能测试

[目的]在喷杆式喷雾机田间作业环境下,研究喷雾机喷杆的不同位置和不同高度对障碍物检测、识别和避障能力,以期为农业机械在大田作业中障碍物的检测和农机智能化控制提供新的思路.[方法]文章采用三维固态激光雷达,利用卡尔曼滤波算法进行北斗和激光雷达采集数据的融合,以确定最终喷雾机主体的坐标系位置,利用体素化网格法和欧洲聚类法对...     

基于双目视觉的智能车辆障碍物探测技术研究

鉴于障碍物探测是越野智能车辆自主导航的关键环节,为此针对越野环境光照多变、地形复杂的特点,提出了一种适用于越野环境的双目视觉障碍物检测技术,即首先对系统进行标定和坐标变换,以抵消地形的影响;然后采用高斯滤波和有限对比适应性直方均衡化(CLAHE)对图像进行预处理,以削弱噪声、光照和对比度的影响;接着在特征匹配部分,用提取的图像的亚像素级Harris角点特征参与匹配;同时基于RANSAC方法估计基础矩阵,再通过对极几何约束匹配来提高系统的实时性,并采用连续性约束消除误匹配,最终获取环境的3维信息;在障碍物提取部分,则通过线性插值来构建车前环境的高程图像;最后通过边缘提取和形态学处理来最终检测障碍物。此外还通过不同环境中的检测实验,验证了该算法的可行性及有效性。     

如何使用好玉米收获机械

根据笔者的研究,对如何使用好玉米收获机械,提出以下几点建议：一、作业前的准备1、田间调查由于玉米为高杆作物,影响驾驶员视听．所以作业前应对作业地块进行勘查。（1）了解地形、坡度、地界和面积,未经平整的沟埂、木桩、石块,是否有陷车的地方,土壤情况、田间和道路的障碍等情况。对影响作业的田埂、沟坑等进行平整,对不能移动的障碍物应该作好明显标记（特别注意夜间田间作业）。（2）了解作物的品种、行距、结穗高度、果穗大小、植株高度及茎干粗细、成熟度、倒伏等情况,对机具进行相应调整。     

汽车防撞报警器的研制

以AT89C52为主控芯片,利用三极管的开关特性驱动T40-16(40KHZ超声波发射端子)发射40KHZ方波,然后接收端子R40-16接收信号,经放大电路及后级处理后单片机接收到一个下降沿中断,对信号传输期间所计数据进行处理后实现LED显示障碍物与汽车发射端的距离。经过实际验证,在车体上合理布置该报警器,利用超声波测量汽车与障碍物距离,实现汽车前行和倒车时与障碍物之间距离的检测;通过LED点阵实时显示距离,使汽车避免和障碍物发生碰撞。     

预防交通事故的四个步骤

据笔者十余年的观察和总结,发现行车快慢并不是造成事故的主要原因,安全行车的四个步骤是发现情况、判断危险、调整车速、安全通过的主要因素。发现情况发现情况不仅是发现那些明显的障碍物,是及时发现较为隐蔽的路口、狭路、窄桥、静止障碍物等等。发现情况是识别危险、作出判断的前提,是正确处理情况的第一步。判断危险判断危险就是驾驶员对发现的情况进行辩别并作出判断,搞清哪些是容易造成事故的危险性障碍。判断危险是正确处理情况的第二步,也是极为重要的一步,具有明显危险特征的障碍物有:单独行走的儿童、驮物的自行车、攀扶机动车辆…