共查询到10条相似文献,搜索用时 15 毫秒
1.
为了保证农业自主移动机器人能够在非结构的农田环境下灵活自主的行走,一个关键的技术就是能够准确地判断农田中障碍物的方位以及机器人与障碍物之间的相对位置,从而选择正确的路径。为此,提出了一种距离传感器结合图像边缘检测技术的避障算法,通过超声波测距传感器与PSD(位置敏感传感器)红外测距传感器对农田中的障碍物进行检测,利用CCD摄像头采集机器人所处农田环境中的图像信息并在Linux系统中利用OpenCV函数库进行图像处理,得到图像的边缘信息,从而判断出可行的路径。 相似文献
2.
3.
4.
5.
《农业装备与车辆工程》2021,(10)
提出了一套基于多传感器融合的自主导航系统,利用摄像头采集环境图像,通过北斗/GPS模块获取小车的姿态信息,采用超声波和红外传感器判断障碍物;通过设计基于特征提取与识别、多源信息融合的自主导航控制和避障算法,实现了园艺作业机器人平台的自主导航控制。该系统的研究为各类设施园艺机器人的研究和功能提升提供了参考,具有一定的借鉴价值。 相似文献
6.
7.
8.
多源传感器信息融合的农用小车路径跟踪导航系统 总被引:6,自引:0,他引:6
为解决四轮独立驱动农用小车在设施农业和畜牧业的物料运输和信息采集中的导航及控制问题,构建了农用小车导航控制系统,优化配置多个传感器,提出了基于CCD图像传感器、加速度计、电子罗盘及超声波等多传感器信息融合的导航控制方法。通过CCD获取标识路径信息,通过加速度计、电子罗盘获取小车姿态信息,通过超声波传感器判断障碍物,并给出路径特征提取、识别、多源信息融合自主导航控制和超声避障等算法,实现了小车的路径跟踪的导航控制,实验结果表明构建的导航控制系统及导航控制方法正确、有效。 相似文献
9.
【目的】探究视觉与激光雷达融合在棚内农业机器人中的应用,解决复杂环境下机器人自主导航的关键问题,提高机器人的感知能力和环境适应性。【方法】首先,采用高精度的视觉传感器捕捉棚内农业场景,通过图像处理技术提取关键特征,建立视觉地图以支持机器人的定位。同时,引入激光雷达传感器获取场景的三维点云数据,从而实现对环境深度和形状的准确感知。视觉与激光雷达信息的融合构建了综合感知系统,为机器人提供了更全面、可靠的定位信息。其次,针对棚内农业作业中常见的障碍物,设计了基于深度学习的障碍物检测算法。通过训练神经网络,机器人能够在实时环境中快速而准确地识别障碍物,并进行相应的避障决策。【结果】本研究提出的基于视觉与激光雷达融合的农业机器人定位和障碍物检测系统在不同棚内环境中表现出卓越的性能。【结论】机器人能够实现高精度的定位,并对障碍物做出及时准确的响应,为棚内农业的自动化精准作业奠定了坚实的技术基础。 相似文献
10.
《农业装备与车辆工程》2015,(4)
基于Takagi-Sugeno(T-S)模型的模糊神经网络兼具有模糊逻辑推理能力和自学习训练的优点。将基于T-S模型的模糊神经网络的信息融合算法应用于智能车辆的安全避障控制中,提高了车辆的避障控制精度。采用多个超声波和红外测距传感器探测障碍物的方位,信息经过模糊神经网络控制器融合后,实现了智能小车对障碍物和环境类型的识别以及安全避障控制。通过MATLAB仿真实验验证此方法能够使智能小车安全避障。 相似文献