共查询到18条相似文献，搜索用时 500 毫秒
1.
基于自校准变结构Kalman的农机导航BDS失锁续航方法 总被引：2，自引：0，他引：2
针对农机自动导航作业过程中存在的BDS信号失锁导致系统突然失控的问题,提出了一种适用于轮式农机的基于自校准变结构Kalman滤波器的农机导航BDS失锁续航方法。依据4自由度农机运动学模型,设计了BDS/INS信息融合Kalman滤波器;进行INS导航定位误差不确定度分析,并设计了基于自回归模型的航向校准方法、INS传感器角速率测量零偏实时校准方法,结合上述方法设计了自校准变结构滤波器,进行位姿信息处理,结合导航跟踪控制方法实现失锁续航功能。根据分米级精度要求,进行了机器人直线、矩形路径失锁续航试验和农机田间直线续航试验。机器人续航试验结果表明:行驶速度为1 m/s时,与运用未校准滤波器的续航系统相比,该方法实际平均横向偏差减小34%,横向偏差达到20 cm时机器人在路径上的平均行驶距离提高80%。农机田间续航试验结果表明:行驶速度为1 m/s时,在实际偏差小于20 cm的条件下,农机在路径上的行驶平均距离达到16. 65 m。 相似文献
2.
针对农机在环境干扰情况下BDS失调、INS单独导航误差大的不足,以BDS/INS两者间位置、速度差值为模型,提出蜂群算法优化BP神经网络辅助卡尔曼滤波的算法组合导航,精准定位农机位置速度信息。BDS有效时,BDS/INS组合导航结合卡尔曼滤波,校正INS的位置、速度偏差,BP神经网络进行训练模式;BDS失调时,BP神经网络转化为预测模式,代替BDS对INS进行校正反馈,输出精确位置信息。同时,改进人工蜂群的搜寻方式与选择概率,提出改进的蜂群算法优化BP神经网络,使速度误差小于0.6 m/s,位置误差小于30 m,改善对农机位置速度的定位精确度。 相似文献
3.
准确、可靠的位置信息是进行农业机械自动导航的前提,为了提高农机自主定位导航的精度,提出了一种基于GPS和机器视觉联合导航的定位系统,并介绍了联合定位导航的方法,最后以实验得方式验证了导航的可行性。农机的GPS和机器视觉组合定位系统采用GPS部分对农机的绝对位置进行实时采集,并跟踪导航角和行驶速度,完成绝对定位;采用机器视觉部分图像处理的方式,获得导航基准线和作业目标信息,完成相对定位;采用光电对管实现了避障功能,并采用无线数据的收发,实现了农机的远程控制。对农机联合导航机制进行了实验验证,结果表明:最大误差不超过0.1m,精度较高,克服了单一定位方式的不足,提高了农机自主导航的定位效果。 相似文献
4.
农业机械导航技术研究进展 总被引：31，自引：0，他引：31
农业机械自动导航技术是实施精细农业的基础，可有效减轻农机操作人员的劳动强度，提高作业精度与作业效率。经典的农机自动导航关键技术包括定位测姿、路径规划和运动控制，针对这3项关键技术，分别阐述了基于全球导航卫星系统、惯性导航系统、机器视觉导航系统及多传感器信息融合的农机定位测姿方法，总结归纳了农机自动导航系统中的全局路径与局部路径规划算法，以及农机的运动学模型、导航决策控制方法、转向制动控制系统。随着信息技术的发展，农机智能导航技术受到越来越多的关注，保证作业安全与提高作业效率成为农机智能导航不同于传统自动导航的关键技术。以激光雷达和RGB相机为例综述了农机自主避障技术，并从协同导航模式、通信技术、协同控制、远程监控平台等角度阐明了多农机协同作业的关键技术。最后，结合无人农场和智慧农业对农机智能导航技术未来的发展方向进行了展望。 相似文献
5.
为提高林果园移动机器人导航系统的精确性与鲁棒性,提出一种基于激光雷达三维点云的果园行间高低频双源信息融合实时导航方法。首先,喷雾机器人搭载三维激光雷达采集两侧果树点云信息,对原始点云数据进行直通滤波、降采样和统计滤波等预处理,保留感兴趣区域内果树冠层点云;然后,将分别基于高频更新的牛顿插值算法和低频更新的非线性支持向量机(Non-linear support vector machine, NSVM)算法拟合的行间导航线进行互补融合;最后,在导航线切换时,对融合后导航线的稳定性进行优化,并使用三次B样条算法使导航线平滑。实验结果表明：融合优化后的导航线最大曲率为0.048 m-1,平均曲率为0.018 m-1;分别以0.5 m/s和1.0 m/s的行驶速度对融合优化后的导航线进行跟踪,绝对横向偏差最大值分别为0.104 m和0.130 m,平均值分别为0.053 m和0.049 m,说明该导航方法能够满足作业装备在果园行间自主导航作业的需求,为喷雾机器人在果园环境中的自主导航提供技术参考。 相似文献
6.
7.
8.
基于激光雷达的巡检机器人导航系统研究 总被引：1，自引：0，他引：1
智能巡检机器人能够高效、可靠地完成巡检任务,降低工作人员的劳动强度,准确、稳定的导航定位是巡检机器人执行巡检任务的基础。本文研究了基于激光雷达的巡检机器人导航系统,可实现机器人在室内外环境下的地图建立、路径规划和导航定位。导航系统由远程监控平台与巡检机器人组成,远程监控平台发布巡检任务、监控机器人状态、查询与存储检测数据,巡检机器人可实现自主导航定位、遍历检测点、执行数据采集等巡检任务,二者通过无线网络实现远程数据交互。融合激光雷达与编码器信息,使用高鲁棒性Gmapping算法建立二维环境地图。根据地图与检测点信息,采用分支界定算法搜索最优巡检路线,以减少巡检时间和能源消耗。使用自适应蒙特卡罗定位(AMCL)算法估计机器人位置和姿态,结合巡检路线,进行导航定位。根据横向偏差与航向偏差,通过经典的PID算法完成机器人驱动控制。机器人搭载可见光相机与红外相机,可对目标进行可见光通道与红外通道的融合图像检测。对巡检机器人进行了室内导航定位试验,试验结果表明,在1 m/s的速度下,位置与航向偏差的平均绝对误差(MAE)分别小于5 cm和1.1°,标准差(SD)分别小于5 cm和1.5°,能够满足巡检导航定位的要求。 相似文献
9.
随着农业现代化技术的不断发展,无人驾驶技术开始被应用到农机的设计上,为了实现农机的无人驾驶,首先需要使农机具备智能化视觉系统。为了提高农机视觉系统的导航线识别能力,将基于翻译工具的字符识别技术引入到了系统的设计上,结合图像处理技术,通过对导航线的初步定位、二次定位和图像的滤波、灰度化及增强处理,可以准确识别出作业区域的导航位置线,还可以得到实时的位置坐标。测试结果表明:收割机在自主行走时可以沿着导航线位置行走,并通过坐标点来实时的修正行走方向,达到了精准定位导航的目的。 相似文献
10.
《农业机械学报》2019,(Z1)
设计了基于激光雷达的农田环境点云采集系统,可实现农田环境点云与农机位置姿态的稳定、可靠采集;设计了多传感器数据的采集软件,可实现准确、一致的全局点云数据获取。系统以拖拉机为移动载体,由点云数据采集模块、车体位姿采集模块和数据融合模块组成。其中,点云数据采集模块可获取周边环境点云数据,并解决近距离盲区问题;车体位姿采集模块可实时获取农机位置和姿态信息;数据融合模块可接收并融合环境点云数据与车体位姿数据,进而获取位姿补偿后的点云数据。系统实现了各传感器数据的在线采集、时间同步与空间配准,以及数据的实时显示与存储。在农田环境下进行点云采集试验,结果表明,采集系统具有良好的户外工作稳定性,在线典型丢帧率不超过1%,离线典型丢帧率不超过0. 47%,能够满足农田点云数据采集的要求。为分析系统采集点云数据质量,将经过位姿补偿的点云与原始点云分别进行直通滤波地面点滤除,结果表明,位姿补偿后的点云经滤波后仅包含少量地面点云,可作为农机自主导航避障的可靠数据。 相似文献
11.
12.
GPS广泛用于农业机械导航研究中,其定位误差信号一般存在明显的自相关性,不能满足组合导航中常用的卡尔曼滤波算法观测噪声为高斯白噪声的要求。为此,建立了GPS定位误差AR模型,结合卡尔曼估计结果来预测和修正GPS定位误差,再将修正后的GPS定位信息应用于组合导航中的卡尔曼滤波过程。试验结果表明,无论GPS接收机是在静止还是在运动条件下,处理后的定位误差信号自相关性都明显降低,近似为白噪声;目标路径直线时的最大跟踪误差约为0.15 m,为曲线时,最大跟踪误差约为0.3 m。该方法为低精度GPS应用于农业机械导航提供了可行途径。 相似文献
13.
为解决农机自动导航系统在田间作业过程中因防风树林等对卫星信号产生遮挡与干扰,导致其难以准确获取航向信息等问题,采用惯性导航系统（INS）和全球导航卫星系统（GNSS）航向信息融合方法进行了试验与研究,结合自适应卡尔曼滤波算法构建了综合滤波模型,提出了一种以GNSS信号品质与航向角变化幅度信息为指导的INS/GNSS航向信息融合策略,通过仿真试验以及实际应用测试对航向信息融合效果进行了验证。试验结果表明：以双天线GNSS航向角测量值作为参考基准,在直线行驶过程中,融合航向数据的平均绝对误差为-0.02°,标准差为0.50°;在转向行驶过程中,融合航向数据的平均绝对误差为0.62°,标准差为2.42°;融合后的航向输出结果明显提升了单独使用INS或GNSS时航向数据的精度,且在滤除GNSS航向角测量噪声的同时提高了GNSS航向角解算值的更新速率。该航向角融合算法能够增强农业机械自动导航系统航向角测定的准确性,可为导航系统实际田间作业情况下的抗环境扰动能力提供服务。 相似文献
14.
温室作业机具室内定位方法研究 总被引：1，自引：0，他引：1
针对农机具在温室大棚内的定位、作业轨迹跟踪及作业面积核算需求,提出一种基于多源数据融合理论的温室机具室内定位优化算法。首先根据惯性导航测量技术预估被测目标定位初值,再利用无线RSSI测距技术使用加权质心算法获得定位测量结果,利用卡尔曼滤波算法进行定位信息最优化计算,以消除基于单一测量技术存在数据漂移、测试信号受遮挡、电磁干扰造成的误差,获得准确的定位信息,进而实现作业轨迹的实时跟踪以及作业面积的有效核算。在Matlab仿真分析中,首先建立定位算法评价指标以便于定位效果评估,通过仿真计算得出:基于多源数据融合的优化定位算法的定位精度及稳定性均优于单一无线RSSI室内定位算法。温室大棚田间试验的实际测试结果表明,室内定位精度不大于0.125 m,定位误差小于0.4%,能够较好地满足温室内作业机具的定位及作业轨迹实时获取与监测的需求。 相似文献
15.
基于改进纯追踪模型的农机路径跟踪算法研究 总被引：5，自引：0，他引：5
为提高农机作业时直线行驶的精度,提出了一种基于改进纯追踪模型的农机路径跟踪算法。在建立了运动学模型和纯追踪模型的基础上,对农机直线跟踪方法进行研究;针对GPS导航精度易受噪声干扰的问题,通过卡尔曼滤波对航向误差以及横向误差进行了平滑处理,以获取更高精度的航向误差和横向误差;为提高纯追踪模型的自适应能力,以横向误差和航向误差的均方根误差为基础,构建适应度函数,并设计了权重函数,采用横向误差作为主要决策参数,通过粒子群优化(Particle swarm optimization,PSO)算法实时确定纯追踪模型中的前视距离;为使粒子群减少计算时间、尽快进行局部搜索,对PSO算法中惯性权重系数进行了改进。以东方红1104-C型拖拉机为试验平台,设计了农机自动导航控制系统,进行了农田播种试验。结果表明:当农机行驶速度为0.7 m/s时,采用基于改进纯追踪模型的农机路径跟踪算法,直线跟踪的最大横向误差为0.09 m;当行驶距离超过5 m后,最大横向误差为0.02 m,该算法能够有效地提高农机作业时的直线行驶精度。 相似文献
16.
为实现农业机械全田块高效自主作业,提出一种增益系数自适应的Stanley模型路径跟踪算法。以横向偏差和航向偏差为输入变量构建隶属度函数,设计模糊推理和解模糊化过程实时确定控制模型增益系数,提高Stanley模型对不同曲率路径的自适应能力。为验证所提算法有效性,以移动小车为平台开展联合收获机回字形全田块自主作业路径跟踪试验,结果表明所提算法显著改善Stanley模型路径跟踪精度,直线作业速度2.5m/s、转弯速度1m/s时,直线段和曲线段最大跟踪误差均小于3cm。大初始横向偏差路径跟踪试验表明,模糊Stanley模型较Stanley模型大幅度减小路径跟踪上线距离,满足农业机械全田块高效自动导航作业要求。 相似文献
17.
基于Kalman滤波农用车辆导航定位方法 总被引：5，自引：0，他引：5
因RTD-GPS定位精度不能满足农田导航作业的需要,研究了一种提高农用车辆自动导航定位精度的方法.建立天线补偿模型,对GPS天线晃动引起的误差进行了补偿;建立基于Kalman滤波模型,融合多传感器信息;使用自主开发的基于VRS的GPS接收机,作为RTD-GPS.将RTD-GPS、电子罗盘以及速度传感器获得信息进行Kalman滤波,其结果和高精度GPS数据进行了比较.实验证明,直线跟踪中,平均偏差由1.6019m减小到0.597m;曲线跟踪中,平均偏差由1.2085m减小到0.4861m. 相似文献