目前果园的人工巡检在面对大规模区域种植时,作业任务极为繁重。基于此研究了一种在果园道路自主行驶的监控车以及机器视觉导航系统。选用基于图优化的Cartographer算法进行果园路面信息采集以及全局路径规划,采用LiDAR(Light Detection...目前果园的人工巡检在面对大规模区域种植时,作业任务极为繁重。基于此研究了一种在果园道路自主行驶的监控车以及机器视觉导航系统。选用基于图优化的Cartographer算法进行果园路面信息采集以及全局路径规划,采用LiDAR(Light Detection and Ranging)进行道路建图和路径规划,利用机器视觉系统进行道路分割识别并提取道路虚拟中线为导航线,并在转角区域等利用激光雷达定位和路径规划。提出了聚类算法和HSV颜色空间分割算法相结合的道路区域图像分割识别算法,并采取形态学滤波和连通域处理降噪方法,实现了果园道路的准确提取。在视觉导航实验研究中,分块并标记道路目标区域中心点,曲率拟合获得导航线,实验结果表明拟合提取的虚拟导航线与道路实际中线偏差小于4%,准确性高,满足机器视觉导航的精度要求。展开更多
文摘目前果园的人工巡检在面对大规模区域种植时,作业任务极为繁重。基于此研究了一种在果园道路自主行驶的监控车以及机器视觉导航系统。选用基于图优化的Cartographer算法进行果园路面信息采集以及全局路径规划,采用LiDAR(Light Detection and Ranging)进行道路建图和路径规划,利用机器视觉系统进行道路分割识别并提取道路虚拟中线为导航线,并在转角区域等利用激光雷达定位和路径规划。提出了聚类算法和HSV颜色空间分割算法相结合的道路区域图像分割识别算法,并采取形态学滤波和连通域处理降噪方法,实现了果园道路的准确提取。在视觉导航实验研究中,分块并标记道路目标区域中心点,曲率拟合获得导航线,实验结果表明拟合提取的虚拟导航线与道路实际中线偏差小于4%,准确性高,满足机器视觉导航的精度要求。