共查询到16条相似文献，搜索用时 187 毫秒
1.
《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
2.
轮式AGV沿葡萄园垄道行驶避障导航算法与模拟试验 总被引：2，自引：0，他引：2
针对轮式AGV沿葡萄园垄道循迹受到障碍物阻碍的问题,应用滚动优化原理提出了基于超声波测距与航向角检测的AGV防碰避障导航算法。采用交叉布置的8路超声波传感器检测垄道边界与障碍物,提出了同一障碍物匹配与类型判据及动态障碍物轨迹预测模型。以AGV横向位置偏差和航向偏角作为模糊控制器输入,获得AGV前轮期望导向角,为AGV绕行障碍物提供参考航向角。基于滚动优化原理提出了调节绕行偏角和调节车速的避障导航策略,设计了AGV绕行静态障碍物、减速或停车避让动态障碍物的导航算法。试验系统的上位机采用Lab VIEW开发的避障导航算法程序,实时将导航数据发送到下位机PLC来控制AGV转向。模拟试验结果表明,该导航算法实现AGV沿垄道预设路径纠偏行驶的同时,可导引AGV避免与垄道上的障碍物发生碰撞,验证了防碰避障导航算法的有效性,可为无人化轮式拖拉机等前轮导向车辆沿垄道循迹的防碰预警与避障技术提供参考。 相似文献
3.
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
4.
实现农田障碍物的精确识别与有效避让是提高自动导航拖拉机智能化、保障作业安全的关键技术。为此,论述了基于激光测距传感器的自动导航拖拉机行进前方障碍物检测与识别方法。在自动导航拖拉机上加装LMS2 0 0激光测距传感器,构建避障测试平台,通过对激光数据解析、坐标系转换及障碍物边缘拟合,实现了障碍物方位、距离、宽度等特征信息的有效识别。针对典型农田障碍物—树木和障碍拖拉机,进行了障碍物检测试验。采用RTK-GPS接收机的定位数据标定障碍物,并进行了识别精度检验。树木的方位、距离和宽度的识别精度分别为0.5°、0.03m、0.03m。障碍拖拉机的方位、距离和宽度的识别精度分别为1.88°、0.13m、0.39m。试验结果表明:避障测试平台能够有效地识别自动导航拖拉机前方的障碍物。 相似文献
5.
农业机器人中超声波测距的不确定性研究 总被引：1，自引：0，他引：1
障碍物与机器人之间距离的获取是研究农业机器人自动避障的前提,而超声波传感器作为一种常用的测距装置被广泛应用于农业机器人中.为此,在研究超声波传感器的测量特性的基础上,分析了测距信息的不确定性因素,并针对这些不确定信息提出了基于概率和D-S证据理论的两种方法.这两种方法通过对获取的信息进行分析和融合,能正确地描述障碍物所处的位置,从而实现了机器人准确探测周围环境的任务.仿真实验表明,两种方法正确、可行.最后,通过对不确定信息的解释和复杂度分析等方面对该两种方法进行了比较和分析. 相似文献
6.
7.
《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
8.
感知，规划、决策、控制是自动驾驶车辆的核心控制问题，而智能小车自动避障系统设计是自动驾驶控制的基础。文章基于超声波雷达传感器感知、Arduino UNO R3开发板以及避障程序等设计智能小车避障系统来控制小车的避障运动，并在无障碍物、前方纸盒障碍物、3面纸盒障碍物3种工况下验证了该避障系统的有效性。 相似文献
9.
10.
为获得更加准确、全面、实时的农田障碍物信息,提高农业机械智能体自主导航定位的精度,提出一种基于北斗系统和视觉导航的组合定位方法。针对农田环境,选择BDS、视觉CCD为外部传感器,设计一种基于扩展卡尔曼滤波器(EKF)的数据融合算法,该算法融合了BDS和视觉传感器数据,实时定位农机智能体的位置。系统通过对导航角度和行驶进度进行跟踪,完成绝对定位。通过机器视觉图像处理,获取导航基准和作业目标信息,完成相对定位。通过试验验证该算法的有效性,并通过卡尔曼滤波算法(KF)的成果进行对比分析。结果表明：滤波后的路径更平滑,抖动偏差减小,坐标数据比KF滤波结果更稳定、更平滑。此外,距离的平均误差可以从滤波前的0.119 5 m降低到滤波后的0.07 0 m,有效地降低了过程噪声。且位置偏差在±0.1 m以内,精度较高,提升了农机智能体自主导航的定位精度。 相似文献
11.
自主车辆导航系统中的多传感器融合技术 总被引：10，自引：5，他引：10
分析了目前农业领域中几种常用的自主车辆导航方式，并说明了多传感器融合的必要性。着重探讨了卡尔曼滤波、模糊逻辑推理以及人工神经网络3种融合方法，分析了未来的发展方向。 相似文献
12.
13.
智能车辆自主导航神经网络控制器设计 总被引：2，自引：2，他引：0
针对自主设计、制造的智能车辆,提出了设计新的神经网络控制器来实现对车辆导航路径的自主跟踪控制。分析了神经网络导向控制器的设计方法,选择了神经网络导向控制器的输入、输出变量,并建立了神经网络导向控制器的结构。在此基础上,采用人工驾车采集的数据对控制器进行了训练。完成了计算机仿真和实际路径跟踪控制试验,试验结果表明该神经网络控制器能够很好地实现对导航路径的自主跟踪控制。 相似文献
14.
针对目前农用植保无人机(UAV)自主避障能力弱及避障系统繁琐等问题,提出了一种适用于植保无人机的基于深度学习的端到端自主避障方式。利用植保无人机挂载的双目相机实时采集图像,当检测到障碍物与植保无人机距离≤5m时,自主避障系统启动,将采集图像预处理后输入卷积神经网络,输出姿态角与油门量控制无人机自主飞行与避障,同时卷积神经网络通过手动飞行采集信息进行训练。实验结果表明:该方法能使植保无人机对农田常见障碍物房屋、树木、电线杆等做出自主避障,且模型具有一定的泛化能力,适当训练后,可将此避障方式应用于复杂环境下的植保无人机自主避障。 相似文献
15.
基于机器视觉与敲击振动融合的鸭蛋孵化特性检测 总被引：2，自引：0，他引：2
为提高判别种蛋孵化前期受精的准确性和稳定性,将视觉和声学2种传感器信息在孵化第5天进行特征层融合,采用2种人工神经网络构建种蛋孵化前期受精性判断的融合模型。研究表明:采用LVQ神经网络判别模型的准确率和稳定性,优于BP神经网络。单独利用计算机视觉技术和敲击振动技术对鸭蛋孵化早期受精情况的判别准确率为92%和88%,而将2种传感器信息进行融合构建的模型的准确率可达98%,说明传感器信息融合技术在判断鸭蛋孵化前期受精性方面是可行的。 相似文献