共查询到20条相似文献，搜索用时 671 毫秒
1.
为提高农用无人机在作业时的定位精度,提出应用全球定位系统及惯性导航系统信息融合的方法实现无人机位姿状态的建模,得到导航系统测量信号与无人机状态间的非线性微分方程。对于系统中存在的非线性状态估计问题,创新性的提出采用适合于非线性系统的无迹卡尔曼滤波算法(Unscented Kalman Filter,UKF)进行处理,实现对基于多传感器信息融合的无人机姿态(翻滚角、俯仰角、偏航角)、速度和位置的准确而稳定的估计。现场试验采用改造升级后的极飞科技P10 2018植保无人机,配备改造升级后的机载电子和传感器系统。试验结果表明,与常见的扩展卡尔曼滤波器相比,UKF与多传感信息融合技术结合可实现对无人机位置信息(欧拉角)的高精度估计,其翻滚角、俯仰角和偏航角误差估算准确度分别提高30.3%、45.8%、70.2%,绝对值最大为0.57°。 相似文献
2.
基于GPS/SINS组合的农业导航定位系统设计与研究 总被引：1，自引：0，他引：1
设计了一种基于全球定位系统GPS和捷联惯性导航系统SINS组合的农业车辆导航定位系统,介绍了该系统的传感器组合及功用,阐述了系统的硬件结构和工作过程。考虑到农用车辆在运动过程中接收到的GPS数据存在较大的定位误差,提出了GPS和SINS联合导航算法,利用SINS提供的姿态信息修正GPS定位数据,提高系统定位的精度。为了准确测量姿态信息,对多传感器集成模块ADIS16355的信息融合处理,确定了基于卡尔曼滤波的融合算法用于测量姿态角。在构建实验平台的基础上进行了试验,结果表明:通过多传感器融合算法可准确测量姿态角,GPS定位误差有效减少,可更真实反映农用车辆的运动状态。 相似文献
3.
为实现根据无人机作业位置改变中途补充能源或喷洒物的起降地点,增加无人机有效作业时间,提高无人机作业效率,设计了无人机移动补给平台。通过研究农用无人机自主降落过程,提出一种基于模糊逻辑和比例积分微分(Proportional-integral and derivative,PID)分段控制的农用无人机跟踪降落算法,该算法既拥有PID算法的高精度,又兼顾模糊控制算法响应速度快、超调量小、鲁棒性强的优点。目标轨迹跟踪预测由粒子滤波器跟踪算法和轨迹拟合算法相结合进行求解。仿真和现场试验表明,与单一的PID算法和模糊逻辑算法相比,分段控制算法能够把农用无人机对移动补给平台的跟踪误差缩小到6. 7 cm以内,在移动补给平台上的降落精度控制在7. 2 cm以内。 相似文献
4.
针对四旋翼植保无人机坡地适应性差、作业时定高精度低的问题,提出了一种融合立体视觉、气压计及惯性测量单元(IMU)的多速率卡尔曼滤波估计无人机高度的仿地飞行方法。首先基于无人机实时高度、姿态与最佳视觉检测区域之间的关系,提出了视觉检测区域自适应算法;然后融合多传感器信息建立多速率卡尔曼滤波模型用以估计无人机对地高度;最后通过自主飞行实验对无人机高度估计算法与仿地飞行方法进行验证。实验结果表明,当飞行高度为2 m,飞行速度为1、2、3 m/s时,植保无人机在平坦地面与15°缓坡区域均可实现高度估计平均绝对误差小于20 mm,高度估计标准差小于30 mm;高度控制平均绝对误差小于30 mm,高度控制标准差小于30 mm;本文验证了植保无人机在地形变化场景下仿地飞行的有效性,为植保无人机在复杂地形自动化作业奠定了基础。 相似文献
5.
【目的】为了确保农业植保无人机能够在合适的位置喷洒农药,提高控制精度、作业效率并降低成本,有必要对多旋翼无人机的飞行控制系统进行优化设计。【方法】本研究团队以STM32F428IGT6芯片为核心,设计了农业植保多旋翼无人机飞行控制系统。首先概述了无人机飞行控制系统的整体架构,该飞控系统由主控系统、惯性测量单元、喷洒系统、空速测量系统等构成。其次,详细分析了无人机飞行控制系统的电源供电系统设计、通信设计、传感器选择、喷洒系统设计等硬件设计。最后,阐述了无人机飞行控制系统的算法设计,主要包括无人机姿态解算和PID控制算法,并介绍了该系统应用优势。【结果】该系统各模块之间执行SPI和CAN总线协议,可以将传感器实时采集的高度、速度、偏航角等参数传输到主控系统中,利用MCU芯片完成参数的分析处理,在此基础上发出新的调控指令,让多旋翼无人机沿着既定航线飞行,在到达特定位置后启动喷洒系统并完成喷药作业。【结论】该系统能让无人机在合适位置喷洒农药,达到远程控制、自动作业的效果,提高了植保作业效率,有利于促进现代农业机械化高质量发展。 相似文献
6.
《农机化研究》2021,(12)
为进一步实现农用无人机信息检测与数据处理的精准性,提高其智能化作业水平,结合DTN网络控制算法,针对其信息检测处理系统进行设计。以实现信息网络路由传递顺畅、性能高效为基点,考虑农用无人机作业低速低空特性,搭建DTN算法检测模型,进行基于DTN算法的农用无人机信息检测系统硬件结构配置与软件控制布局,并进行农用无人机作业飞行试验。结果表明:农用无人机的各姿态检测角误差与DTN算法应用前误差相差不大,验证了检测处理系统设计的可行性;将DTN算法应用到机载信息检测处理系统,具备较好的容错调节机制,其机载测量湿度与实际地面测量湿度相比平均误差为2.13%,整机作业过程信息传输与转换实时准确,可为类似农机装备的信息检测模块开发优化提供较好的参考。 相似文献
7.
8.
随着人工智能、深度学习的快速发展,无人机自主飞行技术已然成为无人机智能化评价之一。在精准农业与智慧农业的倡导下,无人机在农业领域发展迅猛。农用无人机应用场景包括:作物授粉、喷洒作业、农情监测、打顶剪枝、疏花疏果及畜牧跟踪,其自主程度重要性不言而喻。综述国内外无人机飞行技术研究现状,介绍农用无人机在自主控制方法、避障方法、轨迹规划算法以及精准喷洒方法的研究进展,分析指出农用无人机系统自主环境感知能力差、信息处理速度慢、路径规划算法收敛慢、作物识别率低等不足,提出采用多传感器组合、双冗余控制、多算法融合和基于深度学习的作物特征识别等改进方法。本文为农用无人机自主飞行技术满足智能作业需求提供理论基础。 相似文献
9.
基于多传感器融合的无人机精准自主飞行控制方法 总被引：1，自引：0，他引：1
为解决我国植保无人机实际作业过程中普遍存在的由空间位置定位精度不足和飞行参数不稳定造成的雾滴分布不均匀、重喷、漏喷等问题,以多旋翼无人机系统为平台,基于ROS(Robot operating system)和MAVROS构建了由协同计算机与开源飞行控制器组成的二级控制系统,结合基于RTK-GPS的绝对位置测量和基于激光雷达的相对距离探测方法,融合外部传感器与飞行控制器板载传感器数据对无人机状态估计进行修正,提高了无人机飞行参数和飞行轨迹的稳定性。为进一步提高植保无人机自主作业性能,基于ROS设计了飞行任务管理系统,实现了无人机精准自主任务点之间的直线飞行。真实飞行试验结果表明：无人机自主飞行过程中水平方向平均定位误差为0.145m,垂直方向平均定位误差为0.053m。 相似文献
10.
为进一步提高我国农用无人机远程监控系统数据监测的精准性,引入基于网格与密度的聚类算法对其进行设计。充分考虑农用无人机作业特点,以监控系统数据技术特征为切入点,融入聚类算法模型进而形成远程监控系统的数据流标准传递途径,设计整体监控系统组件与程序并进行试验。试验结果表明:传统算法控制的无人机远程监控系统机体往返距离和往返时间较长,航线轨迹偏离为0.44m,而聚类算法监控下的机体航线轨迹偏离可缩小至0.17m。聚类算法在数据计算精度、信息获取时限、状态反馈等方面具有很好的优越性,大大降低了数据传输误分率。该远程监控系统界面更加人性化,可实时准确显示飞行速度与航角等信息,为操作者灵活操纵无人机提供便利,具有较好的推广价值。 相似文献
11.
农用无人机在自主作业时,导航精度对作业性能的影响较大,如果导航精度不高,农机在行驶过程中会产生横向误差和纵向误差,从而降低农机的作业质量.为了提高农用无人机导航的精度,采用滑模控制方法建立了导航线追踪和主从系统车速协同的控制模型,并通过虚拟仿真验证了控制器的控制效果.仿真结果表明:采用滑模控制方法可以有效降低导航的误差... 相似文献
12.
森林中线、面特征较少等,导致LOAM算法去畸变及配准精度低、鲁棒性差,很难将该算法直接用于森林调查。为此以LOAM算法为基础设计了LiDAR SLAM森林样地调查系统,在SLAM系统工作流程中剔除了遮挡线特征,避免视点与立木切线点作为线特征参与运算;引入二次去畸变、二次配准等模块提高了去畸变、配准的鲁棒性及精度;该系统将激光雷达测量精度、位姿估计精度等先验信息引入去畸变及配准优化算法中,提高去畸变及配准精度。使用32线激光雷达扫描了4块32 m×32 m的森林样地,利用LiDAR SLAM森林样地调查系统完成样地建图,利用该点云提取的立木位置及胸径与参考数据对比,完成了新型SLAM样地调查系统在森林中建图精度的间接评估。结果显示：立木位置估计值在x、y轴方向的平均误差分别为-0.004 m和-0.011 m,x、y轴方向均方根误差分别为0.081 m和0.083 m;胸径估计值的偏差为0.25 cm(相对偏差为1.18%),均方根误差为1.03 cm(相对均方根误差为5.53%);经与LOAM估计结果相比,改进系统获取的立木位置及胸径精度均提高。结果表明,所设计的LiDAR SLAM森... 相似文献
13.
基于高度融合的植保无人机仿地飞行方法研究 总被引：1，自引：0，他引：1
多旋翼植保无人机在坡地作业过程中一般作业于作物上方1.5~3 m的近地空中,需要保持稳定的仿地飞行才能保障无人机的安全飞行和喷洒均匀性。提出了一种仿地飞行方法,通过前置毫米波雷达进行坡度判断,在坡度起伏较小时,将差分GPS高度与对地毫米波雷达高度进行卡尔曼滤波融合以提高精度,在坡度变化超出阈值时,将前置毫米波雷达与对地毫米波雷达的高度进行多雷达高度信息融合以提高响应速度,最后采用模糊PID控制算法控制无人机高度。通过仿真和实地飞行测试,实现了植保无人机坡地仿地飞行高度误差小于40 cm的目的,保证了无人机的环境适应能力和喷洒均匀性,为植保无人机在不同地形下的全自动作业奠定了基础。 相似文献
14.
在"主从式"AGV协同作业中,跟随AGV的定位和导引,除了获取环境信息,还需要观测领航AGV的位姿进行路径跟随,对精度和稳定性有更高的要求。为了提高跟随AGV的导航精度,提出一种惯性导航与多目视觉结合的组合导航方法。针对多传感器的数据融合问题,提出一种基于自适应无迹卡尔曼滤波的跟随AGV最优位姿估计方法。惯导传感器输出信号用于跟随AGV的状态预测;路径跟踪导航与RGB-D视觉导航组成多目视觉导航,作为系统观测修正惯导的累积误差。实验表明,本文提出的复合导引方案具有更快的偏差收敛速度、更稳定的路径跟踪状态和队形保持,提高了双车协同搬运系统的实时性和鲁棒性。 相似文献
15.
为了使旋翼无人机快速、精确、自主降落到地面着陆平台,提出一种基于视觉标志检测的无人机姿态估计方法。首先,利用标准直升机停机坪的几何特征,采用标志五步提取算法从机载摄像头采集的图像中获取视觉标志;为了满足无人机自主着陆过程的快速性和实时性,提出一种基于距离三点法的角点检测算法,得到H形标志的12个角点;然后,通过对角点分类、编号,并与参考图像中的对应角点进行匹配,解算出包含相对姿态信息的单应矩阵;最后,应用直接线性变换(Direct linear transformation,DLT)分解单应矩阵得到无人机的姿态角,并依据相机成像的相似三角形原理计算出无人机相对于视觉标志的位置,解决了单目相机尺度不确定性问题。通过实验平台模拟无人机不同飞行状态下的姿态并进行估计,对提出算法的实时性和准确性进行了实验验证。实验结果表明:本文算法的平均执行时间为307. 2 ms,位置估计的最大均方根误差为0. 006 2 m,姿态角估计的最大均方根误差为0. 313°,满足无人机自主着陆的准确性和实时性要求。 相似文献
16.
针对已有水质预测模型在数据降噪、网络参数初始值设置和优化、精度提高等方面能力的不足,构建了一种优化的水质三维预测模型。利用主成分分析算法筛选出水质关键参数,并基于自适应噪声的完全集合经验模态分解算法结合小波阈值模型对三维水质参数和气象数据降噪处理,使用3维卷积神经网络(Three-dimensional convolutional neural networks, 3-D CNN)提取出特征数据集,自编码器(Autoencoder, AE)获得径向基函数(Radial basis function, RBF)网络参数初始化值,改进布谷鸟搜索算法(Improved cuckoo search, ICS)优化更新网络中超参数动态初始化值。广东省湛江市徐闻县大水桥水库区域22个典型在线监测站点以及6个手持监测点的实测数据对比验证结果表明,浊度和藻密度分别与总氮含量强正相关,叶绿素含量与气温强正相关,所提出的水质预测模型在5个典型精准性评价指标方面优于已有文献方法。研究成果可为管理部门和研究者对水质监测提供参考。 相似文献
17.
为进一步提升无人机遥感快速监测覆膜条件下冬小麦叶面积指数(Leaf area index, LAI)的能力,以垄沟覆膜冬小麦为研究对象,利用无人机搭载五通道多光谱传感器获取2021—2022年冬小麦出苗期、越冬期、返青期、拔节期、抽穗期和灌浆期的遥感影像数据,使用监督分类剔除背景并计算50种可见光和近红外植被指数,采用主成分分析、相关系数法、决策树排序和遗传算法进行特征降维,结合偏最小二乘、岭回归、支持向量机、随机森林、梯度上升和人工神经网络6种机器学习算法建立不同输入特征变量下的覆膜冬小麦LAI反演模型,并进行精度评价。结果表明,剔除覆膜背景使冬小麦冠层反射率更接近真实值,提高反演精度。采用适宜的特征降维方法结合机器学习算法能够提高覆膜冬小麦LAI的反演精度和稳定性,对比特征降维前的反演精度,主成分分析和相关系数法无法优化反演效果,决策树排序只适用于基于树模型的随机森林和梯度上升算法,遗传算法优化效果明显,遗传算法-人工神经网络模型反演效果达到最优(决定系数为0.80,均方根误差为1.10,平均绝对值误差为0.69,偏差为1.25%)。研究结果可为无人机遥感监测覆膜冬小麦生长状况提供... 相似文献
18.
基于全卷积神经网络的云杉图像分割算法 总被引：1，自引：0，他引：1
以云杉为研究对象提出了应用全卷积神经网络（Fully convolutional networks,FCN）分割图像的算法。利用无人机采集图像,标注470幅云杉图像,其中300幅组成训练集,170幅组成测试集,标注90幅樟子松图像作为附加测试集。以VGG16为基础建立云杉分割FCN模型,利用Tensorflow框架实现和训练网络,通过共享权值和逐渐降低的学习速率,提高FCN模型的训练性能。选择像素精度（PA）、均像素精度（MPA）、均交并比（MIoU）和频权交并比（FWIoU）4个语义分割评价指标评价测试结果。FCN模型分割云杉图像,PA和MPA达到0.86,MIoU达到0.75,FWIoU达到0.76,处理速率达到0.085s/幅,有效地解决了光照变化、云杉个体差异、地面杂草干扰和植株之间粘连的影响。与HSV颜色空间阈值分割以及K均值聚类分割算法比较,FCN模型的MIoU分别提高0.10和0.38。 相似文献
19.
20.
苗期作物三维结构的精准高效重建是获取表型信息的重要基础。传统的三维重建大多基于运动恢复结构-多视图立体视觉（Structure from motion and multi-view stereo,SFM-MVS）算法,计算成本高,难以满足快速获取表型参数的需求。本研究提出一种基于神经辐射场（Neural radiance fields,NeRF）的苗期作物三维建模和表型参数获取系统,利用手机获取不同视角下的RGB影像,通过NeRF算法完成三维模型的构建。在此基础上,利用点云库（Point cloud library,PCL）中的直线拟合和区域生长等算法自动分割植株,并采用距离最值遍历、圆拟合和三角面片化等算法实现了精准测量植株的株高、茎粗和叶面积等表型参数。为评估该方法的重建效率和表型参数测量精度,本研究分别选取辣椒、番茄、草莓和绿萝的苗期植株作为试验对象,对比NeRF算法与SFM-MVS算法的重建结果。结果表明,以SFM-MVS方法重建点云为基准,NeRF方法重建的各植株点云点对距离均方根误差仅为0.128~0.395cm,两者重建质量较接近,但在重建速度方面,本文研究方法相比于SFM-MVS方法平均重建速度提高700%。此外,该方法提取辣椒苗株高、茎粗决定系数（R2）分别为0.971和0.907,均方根误差（RMSE）分别为0.86cm和0.017cm,对各苗期植株叶面积提取的R2为0.909~0.935,RMSE为0.75 ~3.22cm2,具有较高的测量精度。本研究提出的方法可以显著提高三维重建和表型参数获取效率,从而为作物育种选苗提供更为高效的技术手段。 相似文献