排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
2.
为提高联合收获机无人驾驶导航路径的精度,本文提出一种基于激光雷达的作物收获导航线实时提取方法。搭建点云数据采集系统,利用平面拟合法确定激光雷达安装高度和安装角度。利用三维激光雷达扫描收获机前方作物的点云数据,结合IMU惯性传感器反馈的姿态信息,实现作物点云数据从激光雷达坐标系到车体坐标系的变换。基于激光雷达扫描视场角、安装高度和安装角度获取感兴趣区域(ROI)的坐标,并对感兴趣区域进行直通滤波和统计滤波,去除灰尘、秸秆粉末等噪声的影响,以实现点云数据无效点和离群点的剔除。提出一种基于栅格八邻域高程差的作物收获导航线快速识别算法,以点云栅格化后在Z轴方向上的坐标值作为检测依据,定义某一栅格与其8个相邻栅格在Z轴坐标上的差值为高程差,遍历栅格并根据设定阈值进行比较判断,实现收获边界点的有效提取。采用最小二乘算法进行收获边界点的拟合,实现田间作业过程中作物收获导航线动态提取。田间试验表明,该方法具有较好的鲁棒性,能在作物稀缺、杂草较多等情况下保持较高的准确性,其中前进方向偏差角平均值为0.872°,割台横向偏差为0.104m,收获导航线准确率为93.5%,可为联合收获机工作提供辅助导航,提高无人驾驶的准确率。 相似文献
3.
5.
随着棉花种植和收获的机械化程度提高,获取准确的产量图,分析田间产量数据,变得尤为重要,而采棉机作业时在输棉管道处监测产量是一种有效、可行的方法。现有光电对射式棉花测产传感器在作业中会有粘液遮挡检测通道、环境光影响等问题,面对复杂的田间作业环境,传感器标定普遍采用线性或多项式模型,精度和抗干扰性表现不够理想。针对上述现状,本文首先在传感器的结构和电路设计上做了抗干扰改进。然后在传感器标定过程中,尝试使用随机森林回归模型(Random forest regression, RFR),对实验样本进行训练、测试。在分析模型的表现后,提出了麻雀算法(Sparrow search algorithm, SSA)改进的随机森林回归模型,以均方误差作为适应度,对模型进行优化。经过验证,在相同验证集下,优化后的模型有更好的检测精确度。通过研究寻优上下界范围,平衡运行时间和检测精度,得到最优检测模型。该模型在验证集上表现良好,决定系数R2为0.99,平均绝对百分比误差(MAPE)为6.34%。台架实验结果表明,不同风速下最大误差为9.21%,平均误差为8.33%,改进后的传感器及检测... 相似文献
6.
1