基于视觉导航的设施喷雾机电动底盘设计与试验

喷雾作业在设施农业作物生产中起着关键的作用,针对当前设施喷雾作业多以人工喷洒完成,机械化水平较低、底盘转向不灵活、农药利用率低,且人工喷洒易造成农药残留伤害人体健康等问题,设计了一款基于视觉导航实现自主行走的设施喷雾机底盘,完成了喷雾机底盘的机械结构设计,并对底盘的控制系统、驱动系统和软件流程进行设计。试验结果表明:设计的设施喷雾机底盘可以实现灵活转向和基于视觉导航自主行走,底盘3种标签试验平均成功率为98.67%;直线行驶10 m时,横向偏差平均值为2.1 cm,最大值为6.7 cm,底盘驱动系统和控制系统稳定。提高喷雾机作业的自动化和智能化,降低农民的生产作业强度,对设施农业现代化具有重要意义。

基于深度学习的智能除草视觉导航方法研究及实现

该文基于深度学习提出了一种智能除草视觉导航方法,通过搭建硬件系统,用于采集农田信息和导航控制。该模型通过对实时图像数据进行处理和分析,能够准确地识别出杂草并实现导航控制,从而实现智能除草的目标。试验结果表明,该文提出的方法在不同场景下都具有较高的识别准确率和导航精度,具有良好的实用性和推广价值。

一种基于改进ORB特征匹配的无人机视觉导航方法

为了解决在全球导航卫星系统(Global Navigation Satellite System)拒止情况下无人机导航能力缺失等问题,提出了一种基于改进快速提取旋转描述子(Oriented FAST and Rotated Brief,ORB)图像特征匹配的无人机视觉导航方法。首先,为了实现无人机的绝对定位,提出了一种特征图像基准数据库构建方法;其次,为提取图像数据集的特征点,采用了一种结合尺度不变特征变换(Scale Invariant Feature Transform,SIFT)的尺度空间优化ORB特征提取算法;最后,为了将图像特征与图像基准数据库快速匹配并提高其匹配精度,提出了一种改进ORB特征匹配算法——ORB+GMS+PROSAC算法。通过在ArcGIS中分割图像构建基准数据库并进行实验分析,结果表明,基于ORB+GMS+PROSAC特征匹配算法性能显著提升,其中匹配准确率上升5.05%,匹配时间减少41.61%,明显优于其他传统特征匹配算法。

基于深度学习和高斯过程回归的玉米冠下视觉导航路径提取方法

面对田间作业过程中大型机器机动性差及复杂场景下导航路径拟合精度差的问题,提出一种基于深度学习和高斯过程回归的玉米冠层下导航路径提取方法。首先,基于四足机器人采集玉米冠下作物行图像,对Mask R-CNN实例分割方法进行改进,在特征融合网络引入简化路径增强特征金字塔网络(Simple path aggregation network,Simple-PAN),通过增加自底向上的路径增强模块和特征融合操作模块,提高图像上下文特征的融合能力。其次,以模型识别的冠下作物行目标为基础构建两侧区域分界线,计算可通行区域两侧下垂叶片的分布情况,优化基于加权平均的导航路径算法。对高斯过程回归(Gaussian process regression,GPR)算法进行改进,添加DotProduct线性核对曲线拟合进行优化,优化GPR方法的直线拟合效果。最后,在验证集上进行导航路径识别,计算不同方法拟合导航路径的平均偏差。试验结果表明,该算法能够适应玉米田中叶片遮挡根茎的情况,优化的Mask R-CNN模型具备更高的冠下目标分割精度,基于改进GPR算法拟合的导航线平均偏差为0.7像素,处理一帧分辨率为1280像素×720像素的图像平均耗时为227 ms,该算法能提供在玉米冠层下具备一定避障能力的导航路径,满足导航实时性和准确性的要求。结果可为田间智能农业装备的导航算法研究提供技术与理论支撑。

基于YOLOv5s-seg的非结构化枣园视觉导航路径提取

[目的]针对目前农业机器人在非结构化枣园中传统机器视觉算法难以处理光影变化、夜间难以识别等问题导致的导航道路分割不准确,实时性及复杂模型难以部署等问题,本研究提出基于YOLOv5s-seg改进网络模型视觉导航路径识别方法——YOLOv5s-orchard模型。[方法]模型采用FasterNet代替YOLOv5s-seg的原有主干网络,减少了模型的参数量和内存占用量;在特征提取层及neck部分引入SE注意力机制,提高了模型的特征提取能力;将C3替换成C3Ghost轻量级网络以进一步减少模型的参数量和内存占用量。[结果]改进后的网络mAP达到91.59%,FLOP下降到11.30 G,模型大小为2.91 MB。对分割后的图像采用最小二乘法拟合道路离散点提取导航线,算法平均距离偏差为1.99 cm,平均距离误差比例为0.68%。[结论]YOLOv5s-orchard网络具有较高的精度,导航线提取误差较小,能够满足枣园道路分割的需求。

基于模糊逻辑的铁路货车标识喷涂机器人视觉导航研究

以避免铁路货车标识喷涂过程中工作人员与车辆近距离接触为目的,设计基于模糊逻辑的铁路货车标识喷涂机器人视觉导航系统。该系统使用喷涂机器人喷漆装置上的数码相机拍摄喷涂位置边界图像,经由工业交换机连接无线传感网络,将喷涂位置边界图像传输至单片机内。用户通过人机交互层连接单片机,并调用逻辑运算层内图像预处理模块,对喷涂位置边界图像进行图像分割、自适应中值滤波处理后,得到最终喷涂位置边界线图像,依据该图像使用基于模糊逻辑控制的喷涂边界线跟踪方法,跟踪喷涂边界线位置实现喷涂机器人喷涂视觉导航。实验结果表明系统具备良好的图像预处理能力和喷涂机器人视觉导航能力,应用性极佳。

农业机器人视觉导航技术的应用研究与展望

随着人工智能、图像处理、自动控制技术的飞速发展,智慧农业逐渐成为了现代农业的重要发展方向,农业生产开始转向精准、智能的技术方向,农业机器人技术成为当下农业生产的主流。视觉导航技术作为农业机器人的核心能力之一,已经成为农业领域的重要研究课题。该研究介绍了视觉导航技术的特点及优势,阐述了农业机器人视觉导航技术国内外的研究现状,分析了农业机器人视觉导航技术现存在的问题,最后对视觉导航技术未来发展趋势进行总结与展望。

基于卷积神经网络的智能机器人视觉导航路径识别方法

由于视觉导航区域图像清晰度较低,导致识别路径的平均横向偏差较大,为此提出基于卷积神经网络的智能机器人视觉导航路径识别方法。结合图像匹配结果、导航相机的位姿偏差,设置横向和纵向约束条件,建立自适应区域图像处理机制,依据全卷积神经网络原理,结合U型编码-解码结构,形成高精度道路分割网络。通过道路分割掩码提取视觉导航信息,获取路径拟合中点,再运用多段三次B样条曲线拟合算法得到路径识别结果。实验结果表明,所提方法识别路径的平均横向偏差仅为0.53 cm,可为视觉导航提供有效帮助。

基于激光雷达与IMU融合的变电站智能巡检机器人视觉导航方法

变电站智能巡检机器人在巡检过程中易受外部因素的影响,使行驶路径偏离规划路线,达不到理想的巡检效果,为此提出基于激光雷达与IMU融合的变电站智能巡检机器人视觉导航方法。对激光雷达与IMU数据进行融合后,将激光雷达采集的RGB图像转换为HSL图像,并对HSL图像的一维傅里叶变换进行递推,获取其二维离散傅里叶变换,完成图像的预处理;然后应用激光雷达和IMU融合算法预处理后的图像,实现智能巡检机器人视觉导航。仿真测试结果表明:所提方法可指导巡检机器人按照规划路线直线行驶或者转弯行驶,且偏离角度较小,有效提高了巡检效果。

视觉导航AGV路径规划研究

当下制造业产业结构正在转型升级,在先进技术的加持下,如人工智能、大数据等,涌现出了很多智能机器人,并且已经广泛应用于工业生产当中。AGV属于自动导引车,通常应用于智能制造行业、智慧仓储,负责产品运输,由此可见AGV开发对工业智能化的重要性。从当下的情况来看,视觉导航AGV路径规划存在着路径过长、计算耗时长、算法早熟的问题。实践中,AGV无法智能化躲避未知障碍物,移动路径不能灵活选择。鉴于此,本次我们以视觉导航AGV路径规划为切入点,首先分析了AGV路径规划的特点和分类;其次随后简要阐述了常用算法;最后提出了视觉AGV平台搭建与实验,希望优化AGV路径规划,以供参考。

机器人视觉导航与路径规划在自动化车间中的应用

随着工业4.0和智能制造的发展,自动化车间对机器人的灵活性和自主性提出了更高的要求。因此,文章探讨了机器人视觉导航与路径规划技术在自动化车间中的应用。文章首先介绍了机器人视觉导航的基本原理、路径规划的概念和分类,以及这些技术在自动化车间中的应用优势和挑战。然后详细阐述了几种常用的机器人视觉导航算法和路径规划方法,并对它们的性能进行了比较。最后通过实际案例分析,展示了这些技术在自动化车间中的应用效果,并对未来的发展方向进行了展望。

视觉导航型无人机反制技术研究

随着无人机技术的迅猛发展,视觉导航型无人机逐渐成熟,在未来无人机的应用中具有天然的优势,引领无人作战装备发展。视觉导航型无人机可以在GNSS拒止环境下工作,甚至不依赖于人工操控。面对严峻空防形势,必须在视觉导航型无人机反制领域制定作战需求与研发计划。本文分析了当前无人机反制装备发展状况以及现阶段公安机关在新型无人机反制技术层面遇到的全新挑战,为下一步无人机反制技术的发展提出了迫切的要求。通过对该类型无人机定位机理的分析、视觉导航技术的研究、视觉硬件设备弱点的剖析,总结出电磁干扰、强光干扰、声波干扰等多种反制方式的实现过程和反制方法,旨在快速提高对该类型无人机的反制能力,为公安机关反制视觉导航型无人机提供了关键技术手段和重要理论支撑。

基于机器学习的四足移动机器人视觉导航方法

传统四足移动机器人视觉导航方法以导航监测为主,视觉定位的地图实时性较低,影响了视觉导航效果。为此,设计基于机器学习的四足移动机器人视觉导航方法。该方法基于机器学习提取四足移动机器人的视觉特征,从机器人实时获取的视觉图像中提取导航信息,并通过机器学习分析提供视觉环境的三维结构信息。实验结果表明,该方法能够快速地找到最优路径,完成视觉导航任务,减少机器人能量消耗,有效提高整体效率。

一种视觉导航的实用型AGV设计

论述了一种基于视觉导航的新型自动导向车辆JLUIV-3型AGV的结构、功能及工作原理,并详细介绍了导航路径的识别方法和AGV自主导航的最优控制方法。

自动导引车视觉导航的路径识别和跟踪控制

视觉导航AGV利用机器视觉获取路径信息,经图像处理得到导航参数。为保证路径识别的鲁棒性和实时性,对路径图像进行滤波、二值化、数学形态学运算和实时性处理;并设计了PID控制器,根据导航参数控制电动机以实现AGV对路径的跟踪。仿真和实验结果表明,采用此种图像处理和控制方法的AGV具有较为准确和可靠的路径识别和跟踪效果。

基于最小二乘法的温室番茄垄间视觉导航路径检测

针对温室非结构作业环境和复杂背景下作业机器人路径识别检测问题开展研究。在HSI颜色空间分析番茄垄间道路图像在各分量的分布特性,提出了基于机器视觉的垄间加热管敏感区域提取方法,依据I分量直方图采用最大类间方差法进行图像自适应阈值分割,对分割后二值图像利用目标区域的边缘提取算法获得导航离散点簇。根据最小二乘法原理对导航离散点簇拟合得到2条加热管边缘线,在此基础上给出中心导航基准线检测算法,并针对光照不均和作物遮挡对导航路径检测进行了实验。实验表明,与Hough变换算法相比,该算法简单快速,对光照不均具有良好的鲁棒性,能够准确提取目标敏感区域的边缘信息,对不同遮盖率番茄垄间导航路径提取正确率达91.67%。

基于改进遗传算法的农机具视觉导航线检测

针对机器视觉导航系统现有导航线提取算法检测速度慢、抗干扰性差等不足,提出一种基于改进遗传算法(IGA)的导航线检测方法。图像中作物行走向近似为一条直线,从图像顶边和底边分别随机选一个点进行染色体编码,通过遗传进化选择适应度最高的个体作为作物行直线编码,进而得到导航线。改进遗传算法采用概率保留法和最优保存策略相结合的方法作为选择算子,提高了算法的搜索效率和精度;通过自适应调整交叉概率和变异概率,提高了算法的收敛速度和全局搜索能力。动态导航跟踪试验表明,改进的遗传算法与标准霍夫变换、标准遗传算法(GA)在导航线提取性能上相比,具有抗干扰性强、检测速度快等优点。当导航速度为0.6m/s时,横向偏差最大值不超过76 mm,平均值小于33.1 mm,较好地满足了导航作业要求。

视觉导航智能车辆的路径跟踪预瞄控制

视觉导航智能车辆通过机器视觉获取导航路径信息并进行自动跟踪。常规的反馈控制仅利用当前的路径信息,在复杂条件或突发状况下难以有效工作。通过对在线获取的具体路径信息进行预瞄,可以对未来的路径信息加以利用,从而提高智能车辆行驶的安全性和有效性。为此,在获取的路径信息中确定当前路径和未来路径分别用于反馈和预瞄,并设计预瞄加反馈的控制器。该控制器能够自动根据预瞄路径的弯曲程度调整智能车辆的预瞄距离和行驶速度,从而提高跟踪精度和行驶稳定性。仿真和试验结果表明,该控制器与一般反馈式控制器相比跟踪误差较小,行驶更稳定。

基于视觉导航的AGV模糊-最优控制研究

介绍了基于视觉导航的路径识别算法,该算法能够较好地计算出自动引导车的相对位置,并通过相对位置信息,运用模糊-最优控制策略来实现自动引导车的路径跟踪控制。不同条件下所做的大量仿真计算均表明,基于视觉导航的模糊-最优控制器工作稳定、切换平滑、跟踪控制误差小且有较好的抵抗外界噪声干扰能力。

农用车辆视觉导航路径识别方法

为提高农用车辆视觉导航系统对不同环境的适应性,研究了田间地头、天空以及树木等复杂环境对路径识别的影响.提出用一种新的中心线检测算法来取代原有的细化算法;用腐蚀算法代替原有的中值滤波;据此设计了适合复杂环境的路径识别方法.大量的田间试验证明,该方法对普通环境和复杂环境均具有较好的适应性,能够快速、可靠、准确地提取导航路径特征.