共查询到18条相似文献，搜索用时 203 毫秒
1.
由于涉及许多变量和约束,中压配电网规划是一个非常复杂的大规模组合优化问题。蚁群算法是一种具有正反馈特性的贪婪性、分布式的现代启发式搜索方法,适合于路径的寻优,但是易陷入局部最优。该文将蚁群算法和生成树算法结合起来,用于带有交叉点的中压配电网网架规划。针对基本蚁群算法易于陷入局部最优的问题,提出了动态设定待选路径信息素阀值和动态调整路径选择策略的方法,以便提高蚁群算法的全局搜索能力。在考虑中压配电网辐射状和连通性约束时,提出了带有交叉点的生成树方法,大大减少了在规划中不可行解的产生。算例仿真结果表明采用该方法求解中压配电网架规划方案是有效的。 相似文献
2.
3.
4.
基于SBL-PRM算法的柑橘采摘机器人实时路径规划 总被引：1，自引：1，他引：0
针对动态非结构化环境下的柑橘采摘机器人实时路径规划问题,采用单次查询、双向采样与延迟碰撞检测相结合的SBL-PRM（Single-query,Bi-directional,Lazy collision checking,Probabilistic Roadmap Method）算法,对无遮挡和遮挡两种场景下的柑橘采摘情况进行仿真试验,分析最大采样点数S、邻域阈值ρ、局部路径检测阈值ε、路径平滑次数N等参数对规划时间和成功率的影响。结果表明,在S=3000,ρ=0.6,ε=0.03,N=10时,无遮挡和遮挡两种场景下路径规划的平均时间分别为1 ms、60 ms左右,规划成功率均为100%。仿真试验证明了SBL-PRM算法在柑橘采摘机器人实时路径规划中的有效性。 相似文献
5.
目前国内苹果基本采用人工采摘方式,随着劳动力资源短缺以及机械自动化技术的迅速发展,利用机器人采摘替代人工作业成为必然趋势,开发苹果采摘机器人用于果园收获作业具有重要意义。由于苹果采摘作业环境复杂,严重制约了采摘自动化的发展。目标识别、定位与果实分离是苹果采摘机器人的关键技术,其性能决定了苹果采摘的效率及质量。该文概述了具有市场化前景的苹果采摘机器人发展和应用现状,综述了在复杂自然环境光照变化、枝叶遮挡、果实重叠、夜间环境下以及同色系苹果的识别方法,介绍了多种场景并存的复杂环境下基于深度学习的苹果识别算法,遮挡、重叠及振荡果实的定位方法,并对采用末端执行器实现果实与果树的分离方法进行了分析。针对现阶段苹果采摘机器人采摘速度低、成功率低、果实损伤、成本高等问题,指出今后苹果采摘机器人商业化发展亟需在农机农艺结合、优化识别算法、多传感器融合、多臂合作、人机协作、扩展设备通用性、融合5G与物联网技术等方面开拓创新。 相似文献
6.
针对移动采摘机器人在果园作业时,果树较大冠层与行人等障碍物易影响机器人行驶的突出问题,该研究提出了一种基于改进人工势场法的机器人行间导航路径优化方法。首先,通过移动采摘机器人搭载的固态激光雷达实现果园行间三维点云信息获取,运用地面平面算法去除果园地面点云,提取了果园垄行与果树冠层点云。其次,采用最小二乘法(Least Squares Method, LSM)、霍夫(Hough)变换和随机采样一致性(Random Sample Consensus, RANSAC)3种方法对果园垄行点云数据进行了垄行线和初始路径的提取。最后,通过舍弃引力势场,建立了果树冠层轮廓点云势场,优化初始路径以躲避较大的果树冠层与行人障碍物。从实时性与抗噪能力两个方面,分别对利用LSM、Hough变换和RANSAC方法所提取的初始路径结果进行了分析,结果表明3种方法均可成功提取垄行线与初始路径,其中RANSAC实时性最优,平均运行时间约为0.147×10-3 s,标准差为0.014×10-3 s,且具有较好的抗噪能力。在RANSAC提取初始路径的基础上使用改进人工势场法对初始路径进行优化,避免了传统人工势场法易陷入震荡的问题。经改进人工势场法优化后的路径将障碍物点云距导航路径的最短距离由0.156 m提高至0.863 m,且平均耗时0.059 s,标准差为0.007 s,表明该优化方法具备实时优化路径以避开障碍物的能力。该研究提出的基于改进人工势场法的机器人行间导航路径优化方法基本满足安全性与实时性要求,为移动采摘机器人在果园环境下自主导航提供了技术参考。 相似文献
7.
番茄串收机械臂运动规划方法与试验 总被引：1，自引：1，他引：0
番茄串的采收环境复杂,果实体积相对较大,机械臂采收运动路径规划不仅要考虑如何采摘,还需要考虑采摘后如何避开障碍,并从复杂环境中提取出番茄串。为此,该研究以温室栽培的番茄串采摘为对象,提出了基于空间分割的实时运动路径规划算法。首先通过聚类拟合环境中的枝条,简化空间障碍物;然后分割采摘空间,筛选可行采摘空间,并引入评价函数选取最优采摘空间,指导机械臂以合理有效的姿态完成采摘;最后在采摘任务的基础上加入实时避障子任务,引导机械臂躲避障碍完成任务,保证采摘番茄串任务安全无损。在以上研究的基础上,通过大量采收试验验证算法的有效性。试验结果表明:通过基于空间分割的实时运动路径规划算法,采收机器人的单串番茄采摘时间为12.51 s,且采摘成功率接近100%。与目前主流的采样算法RRT*-connect相比,单串番茄的采摘时间降低了31.23%,大幅提高了采摘效率。 相似文献
8.
GIS与粒子群算法在农村变电站选址规划中的应用 总被引：4，自引：2，他引：2
针对基本粒子群算法在农村变电站选址问题中得到全局最优解的收敛速度慢和易陷入局部最优解的缺点,该文以某县开发区为例,运用惯性权重动态调整策略,有效地平衡了算法的全局和局部搜索能力,从而改善了基本粒子群算法的性能,并且充分考虑地理信息系统对规划站址的影响,将改进的粒子群算法和图形问题相结合。结果表明：基本粒子群算法得到最优解的迭代次数为48次,改进后算法的迭代次数减少到26次,得到最优解的速度提高了近一倍,并以GIS为平台实现了规划的可视化。 相似文献
9.
为了实现苹果机器采摘过程中的柔顺抓取以减小果实损伤,该文在对苹果抓取过程的力学特性变化规律分析的基础上,提出了苹果采摘机器人柔顺抓取的参数自整定阻抗控制方法。首先,利用Burgers黏弹性模型表征苹果的流变特性,将抓取过程分为匀速加载、夹持减速、应力松弛3个阶段,在此基础上求解获得苹果形变量随时间的变化规律和果实接触力与变形量的变化关系。然后,求解出所设计的基于力的阻抗控制系统的期望输入以及抓取环境接触力模型。最后,针对阻抗控制器参数对接触力的影响,构造阻抗参数自整定变化函数,完成改进阻抗控制系统设计。仿真及试验结果表明:依据果实抓取模型及变形规律求解期望位置的方式来模拟末端执行器对苹果的抓取过程是可行的,所建立的抓取环境接触力模型在一定程度上能够避免将环境模型简化为一阶模型而产生的误差。改进阻抗控制得到的期望抓取力更加平顺,其超调量约为2.3%,接触力调节时间减小到0.48 s,接触力的超调量约为2%,较未改进阻抗控制的接触力超调量减小了37.5%。研究结果可为苹果采摘机器人的柔顺控制方法提供参考。 相似文献
10.
基于双目立体视觉的葡萄采摘防碰空间包围体求解与定位 总被引：2，自引：2，他引：0
无损收获是采摘机器人的研究难点之一,葡萄采摘过程中容易因机械碰撞而损伤果实,为便于机器人规划出免碰撞路径,提出一种基于双目立体视觉的葡萄包围体求解与定位方法。首先通过图像分割获得葡萄图像质心及其外接矩形,确定果梗感兴趣区域并在该区域内进行霍夫直线检测,通过寻找与质心距离最小的直线来定位果梗上的采摘点,运用圆检测法获取外接矩形区域内果粒的圆心和半径。然后运用归一化互相关的立体匹配法求解采摘点和果粒圆心的视差,利用三角测量原理求出各点的空间坐标。最后以采摘点的空间坐标为原点构建葡萄空间坐标系,求解葡萄最大截面,再将该截面绕中心轴旋转360°得到葡萄空间包围体。试验结果表明:当深度距离在1 000 mm以内时,葡萄空间包围体定位误差小于5 mm,高度误差小于4.95%,最大直径误差小于5.64%,算法时间消耗小于0.69 s。该研究为葡萄采摘机器人的防损采摘提供一种自动定位方法。 相似文献
11.
基于空间特征谱聚类算法的含噪苹果图像优化分割 总被引：1，自引：1，他引：0
为了减少噪声对苹果采摘机器人的目标识别所带来的影响,对含噪苹果图像的分割方法进行了研究。该研究设计一种针对噪声具有鲁棒性的苹果图像分割方法,首先计算苹果图像的三维空间特征点的紧致性函数,用以构造邻近点的相似矩阵实现苹果图像的去噪效果;再利用离群点矩阵拆分并由其他剩余列向量线性表示,对相似矩阵进行离群点调优实现聚类优化,进而提出基于空间特征的谱聚类含噪苹果图像分割的优化算法,旨在提高分割算法的效率和识别准确率。通过对两幅苹果图像添加不同程度的高斯和椒盐噪声（方差分别为0.01、0.05和0.1的高斯噪声和概率为0.01、0.05和0.1的椒盐噪声）进行试验,分别求出谱聚类方法、基于空间特征的谱聚类方法和该文优化方法的苹果目标图像的分割图,并计算三类方法的分割准确率。该文优化方法对于单个苹果受不同噪声影响下的分割准确率均在99%以上,对于重叠苹果的分割准确率均在98%以上,对于所选取的30幅苹果图在方差为0.05的高斯噪声和概率为0.01的椒盐噪声影响下的平均分割准确率为99.014%。结果表明：谱聚类方法受噪声的影响较大;基于空间特征的谱聚类方法的分割效果受噪声的影响较小,但在边界区域仍然有很多错分的像素;优化方法在边界区域的分割要优于基于空间特征的谱聚类方法;在设定的试验条件下,其分割结果准确率相对于基于空间特征的谱聚类方法和传统的谱聚类方法可分别提高5%～6%和9%～25%。在分割效率方面,该文优化方法的分割时间低于传统的谱聚类算法,且与基于空间特征谱聚类方法接近。研究结果为苹果采摘机器人的快速目标识别提供参考。 相似文献
12.
为提升机具作业效率和质量、减少土壤碾压等,该研究提出一种同时考虑作物倒伏状态、碾压面积和收获机粮仓容积的路径规划算法（ harvester grain bin capacitated arc routing problem,HGBCARP）。该算法由作业信息处理模块和作业路径规划模块组成,作业信息处理模块将农田边界、卸粮点位置、作物倒伏方向及面积、位置等信息转化成可处理的数据形式并传输给路径规划模块,然后由路径规划模块进行作业行方向划分、作业行遍历顺序寻优、转弯方式生成、碾压面积计算等,最终得到最优路径规划结果。采用改进遗传算法,分别以3种再生稻收获机、2种传统水稻收获机和3种不同田块为对象,以行驶路径长度、碾压面积、收获粮食量为评价指标,采用回转式收获路径和HGBCARP式收获路径规划开展对比试验。结果表明,HGBCARP式比回转式收获路径碾压面积减少11.79%～27.20%,可使倒伏的机收头季稻增收1.64%～1.95%;同时在3种不同田块条件下进行仿真试验,HGBCARP式比回转式收获路径可使碾压面积减少7.25%～20.09%。使用电动无人履带式底盘对不同收获路径进行田间模拟收获试验,HGBCARP式收获路径与传统牛耕往复式及回转式收获路径相比,碾压面积减少约11.21%～28.03%,在路径长度减少约6.81%～23.46%,验证了HGBCARP式路径规划方法的有效性,研究结果可为智能化作业路径规划研究提供参考。 相似文献
13.
苹果采摘机器人对振荡果实的快速定位采摘方法 总被引：9，自引：9，他引：0
为解决由于果实振荡影响采摘机器人采摘效率的问题,该文研究了苹果采摘机器人在果实振荡状况下的快速采摘方法。首先对振荡果实进行动态连续采集,其次对所采集的图像进行振荡果实识别并提取其二维质心坐标,然后由FFT建模,求取果实的振荡周期,在测得振荡果实的深度距离后,计算出采摘机器人直动关节的行程速度,随即开始采摘,抓取时果实正处于平衡位置。最后通过试验可知,采摘成功率达到84%,对于果实静态状况下采摘速度较快的采摘机器人来说,采摘振荡果实,该研究方法明显优于以往采摘方法,能够显著提高采摘机器人果实采摘的整体速度。此外,该采摘方法简单、通用性好,可满足苹果等类球状果实采摘机器人的需要,对实现其实用化和商品化提供参考。 相似文献
14.
自然环境下果实的准确分割与快速识别是采摘机器人作业面临的难题之一。针对自然环境中的成熟苹果，该研究提出一种基于Otsu与分水岭相结合的两级分割算法与区域标记梯度Hough圆变换的苹果识别方法。首先，使用亮度自适应校正算法对表面亮度分布不均的苹果图像进行校正，增强图像的细节信息。结合果实颜色特征，提取YCbCr颜色空间的Cr分量图像作为预处理样本。然后，采用改进后的Otsu算法进行初次分割，得到苹果目标的二值图像，该算法通过引入形态学开-闭重建滤波去除大量背景噪声，通过缩减灰度级遍历范围提高分割速率。采用基于距离变换的分水岭算法进行二次分割，分离粘连果实区域，提取目标苹果的外部轮廓。最后，在轮廓外设置最小外接矩形标记有效区域，在标记区域内进行梯度Hough圆变换实现苹果目标的自动识别。对自然环境中采集的200幅苹果图像进行测试，并与传统梯度Hough圆变换方法进行对比，本文方法在顺、逆光下的识别准确率为90.75和89.79%，比传统方法提高了15.03和16.41%，平均识别时间为0.665和0.693 s，比传统方法缩短了0.664和0.643 s。所提的两级分割算法不仅可以从复杂环境中准确分割果实目标区域，而且可以从粘连果实区域中提取单个果实边界。利用区域标记的梯度Hough圆变换方法能够快速准确地对果实进行识别。研究结果能满足苹果采摘机器人对不同光照下目标识别速度和精度的要求，可为苹果等类球形果实的快速识别提供参考。 相似文献
15.
苹果采摘机器人夜间图像降噪算法 总被引：1，自引：6，他引：1
苹果采摘机器人图像处理系统采集到的实时夜间图像含有大量的噪声,影响采摘效率。通过差影法对夜间图像进行噪声分析,判定其噪声类型为以高斯噪声为主,并伴有部分椒盐噪声的混合噪声。针对高斯噪声去除难题,将独立成分分析(independent component analysis,ICA)理论引入夜间图像降噪,并尝试采用粒子群优化算法(particle swarm optimization,PSO)对ICA进行优化,建立基于PSO优化的ICA降噪算法(PSO-ICA),以期最大限度地降低夜间图像的噪声污染。利用标准Lenna图像和自然光下的苹果图像,进行仿真试验,结果表明PSO-ICA方法降噪效果最为理想。然后对白炽灯、荧光灯、LED灯3种不同的人工光源下采集到10个样本点的夜间图像进行验证试验,结果表明,从视觉效果评价,在3种人工光源环境下,PSO-ICA降噪方法得到低噪图像均表现为噪点明显减少;从相对峰值信噪比(relative peak signal-to-noise ratio,RPSNR)看,在3种人工光源下的平均值,PSO-ICA得到的低噪图像,分别比原始图像、均值滤波降噪和ICA降噪得到的图像的相对峰值信噪比提高21.28%、12.41%、5.53%;从运行时间看,PSO-ICA方法较ICA方法的运行时间平均减少了49.60%。PSO-ICA方法用于夜间图像降噪有着独到的优势,为实现苹果采摘机器人的夜间作业打下坚实的基础。 相似文献
16.
机器人采摘苹果果实的K-means和GA-RBF-LMS神经网络识别 总被引：2，自引：7，他引：2
为进一步提升苹果果实的识别精度和速度,从而提高苹果采摘机器人的采摘效率。提出一种基于K-means聚类分割和基于遗传算法(genetic algorithm,GA)、最小均方差算法(least mean square,LMS)优化的径向基(radial basis function,RBF)神经网络相结合的苹果识别方法。首先将采集到的苹果图像在Lab颜色空间下利用K-means聚类算法对其进行分割,分别提取分割图像的RGB、HSI颜色特征分量和圆方差、致密度、周长平方面积比、Hu不变矩形状特征分量。将提取的16个特征作为神经网络的输入,对RBF神经网络进行训练,以得到苹果果实的识别模型。针对RBF神经网络学习率低、过拟合等不足,引入遗传算法对RBF隐层神经元个数和连接权值进行优化,采取二者混合编码同时进化的优化方式,最后再利用LMS对连接权值进一步学习,建立新的神经网络优化模型(GA-RBF-LMS),以提高神经网络的运行效率和识别精度。为了获得更精确的网络模型,在训练过程中,苹果果实连同树枝、树叶一块训练;得到的模型在识别过程中,可一定程度上避免枝叶遮挡对果实识别的影响。为了更好地验证新方法,分别与传统的BP(back propagation)和RBF神经网络、GA-RBF优化模型比较,结果表明,该文算法对于遮挡、重叠果实的识别率达95.38%、96.17%,总体识别率达96.95%;从训练时间看,该文算法虽耗时较长,用150个样本进行训练平均耗时4.412 s,但训练成功率可达100%,且节省了人工尝试构造网络结构造成的时间浪费;从识别时间看,该文算法识别179个苹果的时间为1.75 s。可见GA-RBF-LMS网络模型在运行效率和识别精度较优。研究结果为苹果采摘机器人快速、精准识别果实提供参考。 相似文献
17.
苹果采摘机器人夜间图像边缘保持的Retinex增强算法 总被引：2，自引：2，他引：0
为了提高采摘机器人的适用性和工作效率,保证成熟苹果果实的及时采摘,需要机器人具有夜间连续识别、采摘作业的能力。针对夜间苹果图像的特点,该文提出一种基于引导滤波的具有边缘保持特性的Retinex图像增强算法。利用颜色特征分量采用具有边缘保持功能的引导滤波来估计出照度分量;进而利用单尺度Retinex算法对图像进行对数变换获得仅包含物体本身特性的反射分量图像;分别对照度分量和反射分量图像增强后,再合成为新的夜间苹果的增强图像。文中选取30幅荧光灯辅助照明下采集到的夜间苹果图像进行试验的结果显示,该文增强算法处理后的30幅图像的平均灰度值,分别比原始图像、直方图均衡算法、同态滤波算法和双边滤波Retinex算法处理后的图像平均提高230.34%、251.16%、14.56%、7.75%,标准差平均提高36.90%、-23.95%、53.37%、28.00%,信息熵平均提高65.88%、99.68%、66.85%、17.53%,平均梯度提高161.70%、64.71%、139.89%、17.70%。且该文算法较双边滤波Retinex方法的运行时间平均减少74.56%。表明该文算法在夜间图像增强效果和运行时间效率上有明显的提高,为后续夜间图像的分割和目标识别提供了保障。 相似文献
18.
为了提高菠萝收获的机械化和自动化水平，该研究以菠萝采收机为研究对象，采用改进RRT*（Rapidly-exploring Random Trees Star）算法进行全局路径规划。首先在产生随机采样点时引入自启发式思想约束采样点的生成，在拓展新节点时借鉴人工势场引入方向权重对新节点拓展方向进行约束，同时计算权重wg合适的取值范围，采双向拓展加快迭代速度，后利用贪心算法修剪路径的冗余节点，并利用Cantmull-Rom插值函数对路径进行平滑处理。根据农田道路存在的复杂情况创建多障碍物、迷宫和狭窄通道3种仿真环境，分别对比RRT*算法、双向RRT*算法和改进后RRT*算法的性能进行测试。试验结果表明：3种环境下，本文算法的平均收敛时间是RRT*算法的17.97%，是双向RRT*算法的46.12%，平均规划速度是RRT*算法的4.7倍，是双向RRT*算法的2.2倍左右，平均拓展的节点数量比 RRT* 算法减少87.22%，比双向 RRT* 算法减少 52.52%，平均路径长度比 RRT* 算法减少 3.81%，比双向 RRT* 算法减少 6.08%。田间试验结果表明：本文算法的规划时间仅为RRT*算法的14.12%，为双向RRT*的20.34%，迭代次数比RRT*算法减少80.89%，比双向RRT*减少69.70%。另外，RRT*和双向RRT*算法规划出的路径上大于60°的转角分别是本文算法的1.56和2.06倍，大于100°的转角分别是本文算法的1.55和2.18倍，本文算法规划的路径更平滑。改进RRT*算法在农田里规划的路径符合菠萝采收机的路径导航需求，研究结果可为菠萝采收机的导航研究提供参考。 相似文献