排序方式: 共有26条查询结果,搜索用时 0 毫秒
1.
果园自动避障割草机前架设计与仿真 总被引:1,自引:0,他引:1
为了解决现有果园割草机自动避障性能较差、避障多为接触式机械避障的问题,为未来非接触式避障割草机整体的研制而设计出1种割草机前架机械平台。基于ADAMS仿真软件对前架进行虚拟样机仿真,采用响应曲面的优化设计方法对前架中以割盘、摆臂和套筒组成的装配体进行优化前后静力学分析对比,通过ANSYS Workbench对优化后装配体进行模态分析。结果表明,割盘所受最大应力降为0.822 7 MPa,优化率为39.82%;摆臂所受最大应力降为14.150 0 MPa,优化率为39.03%;套筒所受最大应力降为15.669 0 MPa,优化率为17.89%。优化后低阶频率为297.72 Hz,符合设计要求。 相似文献
2.
基于分组和精英策略的遗传算法在机器人导航上的应用 总被引:1,自引:0,他引:1
【目的】针对种植园复杂环境下采摘机器人进行路径规划时找出多路径效率低、速度慢等问题,提出一种基于分组和精英策略的遗传算法(GGABE)。【方法】首先生成1个初始群体,使用Sigmoid函数分组;然后在每组中分别进行选择、交叉、变异操作,进行n代迭代后,每组产生该组内的k条等长的最优路径;比较各组最优路径,选择最短的路径作为最优路径。在种群的各项参数均相同的情况下,简单遗传算法(SGA)、未分组的精英遗传算法(EGA)以及GGABE分别作用于15×15和25×25的地图,各进行50次试验。进行样机验证试验。【结果】第1幅地图,GGABE算法找到了8条最短路径,路径均值为20.970 6,其他2种方法只能找出1条最短路径;第2幅地图,GGABE算法找到了8条最短路径,路径均值为38.041 6。50次验证试验均找出3条最佳路径,平均路径规划时间为15.543 319 s。【结论】本研究提出的基于分组和精英策略的遗传算法收敛速度快,可快速准确地在地图中搜索出所有能够遍历整个果园的最佳路径。 相似文献
3.
为满足智能农业机器人路径规划中障碍物检测的需求,针对传统双目视觉中用于障碍物检测算法的局限性,提出基于点云图的障碍物距离与尺寸的检测方法。该方法以双目视觉中以立体匹配得到的点云图为对象,通过设置有效空间,对不同区域处点云密度的统计,找到点云密度随距离的衰减曲线。远距离障碍物由于相机分辨率的不足,点云密度会随距离下降,通过密度补偿算法进行补偿,经二次设置有效空间后锁定障碍物位置,将目标点云分别投影于俯视栅格图和正视图中,获得其距离和尺寸信息。试验表明:该方法能有效还原障碍物信息,最大测距范围为28 m,平均误差为2.43%;最大尺寸检测范围为10 m,长度和高度平均误差均小于3%。该文基于点云图的栅格化表示和密度补偿算法,通过设置有效空间将点云投影得到障碍物距离和尺寸,不同环境下的精度测试和距离检测验证了可靠性和鲁棒性。 相似文献
4.
5.
6.
为了满足智能农业车辆安全正常作业,提出了基于全景视觉的运动障碍目标检测。与传统的单目和双目视觉相比,全景视觉具有360°无盲区检测的优点。首先系统使用多线程技术采集多目视觉图像,并用改进RANSAC-SIFT算法进行特征点提取与匹配,进而拼接全景视觉图像;其次采用改进的CLG光流法处理全景图像,检测运动障碍目标。试验表明:基于多线程技术和改进RANSAC-SIFT的全景拼接算法,与传统SIFT算法相比,平均提高特征点匹配准确度25.6%,加快运算速度25.0%;采用改进CLG光流法进行运动障碍检测,平均检测时间为1.55 s,检测成功率为95.0%。 相似文献
7.
为了满足智能农业车辆导航数据多传感器采集的需要,提出了基于分层结构的数据采集与处理系统设计方案。该方案将系统分为设备层、采集层、通讯层、数据层和数据处理层5个层次。各层独立设计,且为相邻层提供接口。首次提出归一化综合距离理论,用于数据处理过程中的异常数据剔除,采用均值滤波抑制噪声。试验表明:系统能够实时、正确地对导航数据进行采集,各传感器工作正常,CAN协议合理,分层结构的设计方案可行。同时,采用归一化综合距离法和均值滤波能够正确剔除异常数据,有效抑制噪声数据。 相似文献
8.
9.
针对遥操作拖拉机驾驶机器人旋耕作业时,工作环境中作物行多样化、光照不均的特点,提出一种基于导向滤波(Guided Image Filter)和剪切波变换(Shearlet Transform)的方法用于提取新旧土边界线以完成拖拉机视觉导航。首先,将图像快速转换到YCr Cb颜色空间,对灰度化的图像进行导向滤波,然后使用Shearlet-canny算子提取新旧土的边缘信息,最后经过Hough变换给出视觉导航线。结果表明,在YCr Cb颜色空间对图像进行灰度化处理与HSV、HIS、RGB颜色空间相比,效果最好,耗时最短,分别快94.0%、94.3%和25.4%;导向滤波处理图像的方法与Tarel中值滤波、MRetinex滤波、小波域Retinex滤波及同态滤波相比,算法耗时分别短87.5%、79.5%、88.8%和87.0%;采用Shearlet-Canny算子检测边缘并经过Hough变换后提取的导航线精确度最高,最大误差小于0.5°。研究表明,基于导向滤波和剪切波变换的新旧土边界线提取方法用于拖拉机智能导航是可行的。 相似文献
10.