检索结果-南通市图书馆

中国农机化学报 2024年第8期45卷 217-222页

作者：许贞辉李晓娟新疆大学机械工程学院乌鲁木齐市830000

行间机械自主导航有助于提高果品生产效率,降低人工成本。树木是行间导航的天然地标,可以为机器人提供导航信息。结合深度学习和最小二乘法,提出一种基于机器视觉的行间导航场景的导航线提取方法。首先,收集实际环境下的树干图像,并对... 详细信息

行间机械自主导航有助于提高果品生产效率,降低人工成本。树木是行间导航的天然地标,可以为机器人提供导航信息。结合深度学习和最小二乘法,提出一种基于机器视觉的行间导航场景的导航线提取方法。首先,收集实际环境下的树干图像,并对图像进行翻转、裁剪等操作扩充树干数据集;其次,构建YOLOv5网络模型,并基于该模型来对行间树干进行识别,提出利用识别框下边中点替换根部中点的方法,以此来确定树行拟合的定位基点;最后,基于最小二乘法完成果园单侧树行线和树行中心线的拟合。试验结果表明,所构建的YOLOv5网络检测模型对树干的平均识别正确率为85.5%。所提出的根点替换定位法的直线像素距离平均误差为5.1像素,树行中心导航线的平均横向偏差为5.8像素,符合行间导航的要求。

关键词：果园导航深度学习 YOLOv5 树干识别根点替换直线拟合

来源：

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于优先级决策的果园车辆超声避障系统设计

引用

农机化研究 2024年第8期46卷 248-253,263页

作者：陈志军曲旭鹏徐壮壮石复习西北农林科技大学机械与电子工程学院陕西杨凌712100

针对传统果园作业车辆自主导航过程中缺乏障碍物检测与规避方法、无法及时规避障碍物等缺陷,设计了一套基于PX4与超声传感器的果园车辆导航避障系统。基于Pixhack飞控处理器及GPS传感器搭建果园自动导航系统,以实现车辆于果园间的自主... 详细信息

针对传统果园作业车辆自主导航过程中缺乏障碍物检测与规避方法、无法及时规避障碍物等缺陷,设计了一套基于PX4与超声传感器的果园车辆导航避障系统。基于Pixhack飞控处理器及GPS传感器搭建果园自动导航系统,以实现车辆于果园间的自主巡航功能;使用Arduino控制板与US-100超声测距模块构建超声避障模块,旨在解决PX4导航系统自动巡航过程中的避障问题。同时,使用超声传感器测量车辆前方障碍物距离。当两者之间的距离小于系统设置的安全距离时,执行避障算法,通过舵机控制超声模块旋转,判断障碍物位于车辆左侧或右侧,控制板驱动车辆向无障碍物侧移动;若两侧均有安全距离以内的障碍物,则驱动车辆后退至安全距离以外。此外,为了解决飞控信号、遥控信号、超声信号在同一时间的执行问题,引入优先级决策方法,通过设定3种模式下不同信号的执行顺序来解决各信号的兼容问题。试验结果表明:设定安全距离为2 m时,实际安全距离偏差值最小值为0.02 m,最大值为0.21 m,平均偏差为0.14 m,可以解决不同信号执行顺序问题,且能满足实际果园避障需求。

关键词：果园导航避障超声测距优先级决策 Pixhack

来源：

维普期刊数据库博看期刊

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于激光雷达的果园车辆自主导航研究

基于激光雷达的果园车辆自主导航研究

引用

作者：邓贤南京林业大学

学位级别：硕士

自主导航控制技术对发展精准农业有着重要意义,能够有效解决生产力短缺的问题,并且对于提高机械化水平和生产效率有着显著作用。近几年,我国产业结构不断优化,国家大力实施创新发展战略,使得自主导航技术获得大量资金支持,成为精准农业... 详细信息

自主导航控制技术对发展精准农业有着重要意义,能够有效解决生产力短缺的问题,并且对于提高机械化水平和生产效率有着显著作用。近几年,我国产业结构不断优化,国家大力实施创新发展战略,使得自主导航技术获得大量资金支持,成为精准农业研究领域中的热点。随着人民生活水平的提高,水果产业已经成为我国国民经济中的重要组成部分,但是我国果园机械化程度较低,果树种植、管理、采收的自动化程度都较低,不利于果园产业的进一步发展。为了提高果园产业自动化水平,实现果园绿色可持续发展,将自主导航技术引入到果园作业任务中成为解决这一问题的有效途径。本文以标准化果园为研究环境,使用二维激光雷达作为唯一的环境测量传感器获取果园环境测量数据,对果园车辆自主导航过程中的环境测量、路径生成、路径跟踪进行了研究。本文主要工作和结论如下:(1)为模拟实际果园环境作业车辆搭建了一辆履带式小车,车辆由上位机和下位机两部分组成,上位机包括二维激光雷达、导航PC机,下位机由电机控制器、电机驱动模块、移动底盘以及蓝牙模块几部分组成。使用二维激光雷达获取果树测量点云数据,测量数据经过导航PC机的处理生成导航路径、计算得到导航参数并将导航参数传输给导航控制器;导航控制器接收到导航控制参数,生成导航控制决策,通过电机驱动模块驱动电机转动,使得车辆沿着导航路径自主行驶。(2)针对果园行间自主导航过程中出现的车辆偏航、非相邻树行干扰等问题,设计了一种基于激光雷达的果园行间自主导航控制系统。设置圆形感兴趣区域避免非相邻树行的干扰,采用检测统计法去除感兴趣区域内的非树干点,使用K-Means算法将测量得到的树干点分割为左右两行,然后将两侧树行拟合为树行直线,根据两侧树行直线生成导航路径,使用增量式PD控制器为导航控制器,使车辆沿着导航路径行驶。试验表明,在车辆初始横向偏差不大于50cm时,在车辆行驶2m范围内能将车辆轨迹与导航路径的偏差控制在±3cm内。(3)在果园行间自主导航控制系统的基础上设计了一种果园行间路径生成和跟踪算法以及车辆地头转弯策略,使用椭圆感兴趣区域代替圆形感兴趣区域,采用中值滤波法削弱测量误差,提出了两步树行分割法,使用纯追踪算法跟踪导航路径,当车辆到达地头时生成转弯策略,使得车辆进入下一行继续工作。为了更加方便的测试和评价果园整体自主导航算法,通过建立果园种植模型、Li DAR测量模型、车辆运动学模型和电机控制模型搭建了一个果园整体自主导航仿真平台,并在仿真试验过程中将测量数据、导航路径和车辆运动轨迹、车辆偏差可视化。行间仿真试验表明,当果园存在±20cm的种植偏差且缺树率不大于25%、果树存在±3cm的生长偏差、车辆初始航向偏差小于15°,横向偏差低于1m的情况下,果园行间自主导航算法能将横向偏差控制在±17cm内。果园整体自主导航单因素仿真试验表明,当果园行缺树数为3、果树曲线振幅为1、车辆初始航向偏差为30°、车辆初始横向偏差为30cm时的横向偏差均值分别为12.03cm、9.07cm、5.39cm、3.85cm,且随着果园行缺树数、果树曲线振幅、车辆初始航向偏差、航向偏差的增加,车辆导航时的横向偏差均值也随之增加。

关键词：果园导航激光雷达路径生成路径跟踪仿真平台

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

融合3DSLAM技术的棚架梨园导航及花序识别方法研究

融合3DSLAM技术的棚架梨园导航及花序识别方法研究

引用

作者：夏烨江苏大学

学位级别：硕士

2021年我国水果种植面积达1.92亿亩,总产量近3亿吨,果园种植面积与水果产量均居世界首位。水果种植可获得数倍于大田作物的经济效益,已成为农民增收的重要支柱产业。然而,我国果园综合生产效率低,尤其是用工量多、劳动强度大、农时紧的... 详细信息

2021年我国水果种植面积达1.92亿亩,总产量近3亿吨,果园种植面积与水果产量均居世界首位。水果种植可获得数倍于大田作物的经济效益,已成为农民增收的重要支柱产业。然而,我国果园综合生产效率低,尤其是用工量多、劳动强度大、农时紧的花果管理环节,耗费了大量人工。2023年中央一号文件和《“十四五”推进农业农村现代化规划》都提出了强化农业科技和装备支撑的要求,果园机械化、智能化技术研发与应用,是水果产业持续性发展的科技保障。因此,本研究围绕梨园智能疏花所需的自主花序识别与精准定位,采用3D SLAM(3D Simultaneous Localization and Mapping,即时定位与地图构建)方法对棚架梨园环境进行地图构建,利用RTK(Real-time kinematic,实时动态)、NDT(Normal Distributions Transform,正态分布变换)点云匹配的方式进行定位,使巡检平台具备了对照果园内各行列定位自身位置的功能。通过标注点云高精度地图实现果园导航路径规划。基于计算机视觉技术,通过改进YOLOv5算法实现导航平台对梨树花序的快速识别功能。本文主要研究内容如下:(1)自主巡检与目标识别试验平台的软硬件搭建。硬件上,通过融合果园车辆运动底盘、多线激光雷达、惯性测量单元,组成地图感知与采集系统;通过深度相机采集梨树花序图像数据。软件上,基于Linux系统构建车辆导航与花序识别程序框架,利用ROS操作系统构建果园三维环境并完成地图重定位与运动控制等功能,利用Pytorch库实现对梨树花序深度学习模型的训练。(2)基于3D SLAM的果园自主导航系统设计。以3D激光雷达配合NDT SLAM算法采集果园点云信息,使用PCL点云库的滤波方法提取棚架点云作为匹配目标。试验结果表明:棚架梨园点云误差小于3 cm,满足后续点云定位要求。在定位方式方面,通过将RTK信息转化为车辆初始位置信息,对帧点云、棚架点云做正态分布变换,以确定车辆实时位置。路径规划方面,通过手动规划矢量地图来指定导航路径,纯路径跟踪控制器实现轨迹跟踪。(3)基于YOLOv5梨树花序识别系统设计。采集梨树花苞与花朵图像进行标注并进行数据扩充,利用改进的YOLOv5算法进行深度学习训练并得到检测模型。针对梨树花序密集,原始模型识别效率低等问题,通过添加CA注意力机制,提高了网络对目标的识别准确率。使用Ghost模块替换传统卷积层,在不降低模型准确度的前提下,极大减少了模型参数量。花序识别模型试验中,改进的YOLOv5模型识别精度高达91.3%,识别速度高达23 ms。相对于原始YOLOv5模型,改进模型的准确率和召回率分别提高了1.9%和3.1%,参数量与模型大小分别降低了46.6%、47.8%,平均检测时间缩短了4 ms。(4)梨园变速、定点导航与梨树花序识别田间试验。在真实的棚架梨园田间环境中开展变速与定点导航试验,结果表明,导航平台以1 m/s的速度运行时效果最佳,此时RTK融合NDT点云匹配的横向定位误差在5 cm以内,航向定位误差在1°以内。花序识别试验中,通过与人工测算对比,在0.5m/s的速度下,本研究的花序识别方法准确率高达80.98%,满足后续梨园的智能疏花要求。

关键词：果园导航 3DSLAM 花序识别深度学习 YOLO

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于消失点的果树行中心线获取方法研究

引用

北京石油化工学院学报 2022年第3期30卷 51-56页

作者：雷琦周建军邵阳北京石油化工学院信息工程学院北京102617

为了提取果园机器人行走的果树行中心线,提出了一种基于消失点的果树行中心线提取方法。首先,针对现有消失点检测算法运算量大、准确率低的问题,提出了一种基于纹理的消失点检测算法;然后以检测到的消失点为约束来获得较为准确的果树行... 详细信息

为了提取果园机器人行走的果树行中心线,提出了一种基于消失点的果树行中心线提取方法。首先,针对现有消失点检测算法运算量大、准确率低的问题,提出了一种基于纹理的消失点检测算法;然后以检测到的消失点为约束来获得较为准确的果树行道路边界线;最后计算获取果树行中心线。结果表明,该方法能够准确地获取果树行中心线,相较于原有的算法提高了准确率,运算时间也缩短为原来的三分之一。

关键词：果园导航消失点检测路径拟合中心线获取

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：