共查询到18条相似文献，搜索用时 265 毫秒
1.
基于视觉导航和RBF的移动采摘机器人路径规划研究 总被引：2，自引：0，他引：2
为了提高采摘机器人自主导航和路径规划能力,提出了基于计算机视觉路径规划和RBF神经网络自适应逼近算法的导航方法。使用图像分割、平滑处理和边缘检测技术,根据图像像素灰度值确定了导航线的位置,利用逐行扫描的方法得到了导航离散点。路径规划和跟踪使用RBF神经网络逼近算法,通过逼近误差和权值控制路径跟踪的精度,系统响应的执行端使用液压伺服系统,提高了机器人自主导航的精度。以黄瓜采摘作为研究对象,在日光温室对机器人采摘作业进行了测试,通过测试得到了RBF神经网络的路径跟踪误差曲线。测试结果表明:机器人可以很好地逼近跟踪规划路径,其计算精度较高,跟踪效果较好。 相似文献
2.
为实现视觉导航的精确性和鲁棒性,研究了温室复杂环境机器人视觉导航路径的识别方法。以温室内西红柿苗垄为研究对象,在地膜、光线和阴影等复杂环境对植物识别的影响下,用Lab色彩空间将绿色植物从背景中分离出来;用基于权重因子的阈值分割算法代替常用的阈值分割算法;用改进的Hough变换的导航线提取方法处理有杂草干扰的作物垄。试验证明,该方法对复杂温室环境下作物垄导航线的提取有较好的适应性,而且算法简单,能够满足实时性的要求。 相似文献
3.
针对插秧机器人机器视觉导航路径检测鲁棒性差、受杂草和翻土影响严重的问题,提出一种基于标记分水岭算法的视觉导航路径检测方法。首先,采用灰度化处理、直方图均衡化和中值滤波对目标秧苗列和目标田埂进行预处理;然后,利用标记分水岭算法对识别目标进行图像分割,并通过均值法采集导航路径特征点集;最后,使用最小二乘法将特征点拟合成导航路径。试验结果表明,相比传统分水岭法和区域生长法,本文的导航路径检测方法具有最好的识别效果,在秧苗列和田埂上的检测精度分别达到93.4%和96.6%。 相似文献
4.
基于最小二乘法的温室番茄垄间视觉导航路径检测 总被引：10，自引：0，他引：10
针对温室非结构作业环境和复杂背景下作业机器人路径识别检测问题开展研究。在HSI颜色空间分析番茄垄间道路图像在各分量的分布特性,提出了基于机器视觉的垄间加热管敏感区域提取方法,依据I分量直方图采用最大类间方差法进行图像自适应阈值分割,对分割后二值图像利用目标区域的边缘提取算法获得导航离散点簇。根据最小二乘法原理对导航离散点簇拟合得到2条加热管边缘线,在此基础上给出中心导航基准线检测算法,并针对光照不均和作物遮挡对导航路径检测进行了实验。实验表明,与Hough变换算法相比,该算法简单快速,对光照不均具有良好的鲁棒性,能够准确提取目标敏感区域的边缘信息,对不同遮盖率番茄垄间导航路径提取正确率达91.67%。 相似文献
5.
6.
7.
为改善甘蓝施药、收获机械视觉导航效果不稳定的现状,提出适应甘蓝施药、收获机械自动导航场景的视觉导航线提取算法,采用过红灰度法(2R-G-B)对图像进行灰度化,大津阈值法对灰度图像进行分割,Hough变换方法确定甘蓝双侧导航线,使用扫描法确定甘蓝导航跟踪中心线;本文试验图像采集自中国农业科学院寿光蔬菜研发中心甘蓝示范基地,分别在甘蓝生产初期和结球采集,应用Matlab计算平台进行算法验证,使用本研究算法平均每张图片的左右导航线与中心导航线的规划时间为分别为0.086 s、0.42 s,角度平均差分别为5.71°、8.30°和3.26°;使用本文方法规划的导航线在精度上优于传统方法。 相似文献
8.
基于U-Net网络的果园视觉导航路径识别方法 总被引：5，自引：0，他引：5
针对视觉导航系统在果园环境中面临的图像背景复杂、干扰因素多等问题,提出了一种基于U-Net网络的果园视觉导航路径识别方法。使用Labelme对采集图像中的道路信息进行标注,制作果园数据集;基于U-Net语义分割算法在数据增强的基础上对全卷积神经网络进行训练,得到道路分割模型;根据生成的道路分割掩码进行导航信息提取,生成路径拟合中点;基于样条曲线拟合原理对拟合中点进行多段三次B样条曲线拟合,完成导航路径的识别;最后进行了实验验证。结果表明,临界阈值为0.4时,语义分割模型在弱光、普通光以及强光照条件下的分割交并比分别为89.52%、86.45%、86.16%,能够平稳实现果园道路像素级分割;边缘信息提取与路径识别方法可适应不同视角下的道路掩码形状,得到较为平顺的导航路径;在不同光照和视角条件下,平均像素误差为9.5像素,平均距离误差为0.044 m,已知所在果园道路宽度约为3.1 m,平均距离误差占比为1.4%;果园履带底盘正常行驶速度一般在0～1.4 m/s之间,单幅图像平均处理时间为0.154 s。在当前果园环境和硬件配置下,本研究可为视觉导航任务提供有效参考。 相似文献
9.
为了提高采集机器人路径规划速度和自主导航的智能化水平,提出了一种基于粗糙集和遗传算法的路径规划方法,从而有效地提高了路径规划的速度和精度。采摘机器人根据实际果实采摘环境,利用图像分割技术,对果实目标进行识别,在二维栅格地图环境下,制定出决策表,并使用粗糙集对决策表进行约简,得到最小决策表,将其作为遗传算法初试种群,进行遗传交叉和复制操作,优化路径规划算法。为了验证采摘机器人算法性能的可靠性,对采摘机器人的性能进行了测试,包括果实图像的识别和机器人路径规划能力。通过测试发现:采摘机器人可有效地分割提取出成熟果实,并可完成多目标任务。对粗糙集和遗传算法的性能进行了测试,结果发现:使用粗糙集可以大大降低所需训练种群的数目,减少平均迭代次数;增加障碍物的复杂程度后,使用粗糙集遗传算法可以明显地提高路径规划的速度,从而提高了机器人采摘作业的效率。 相似文献
10.
为提高农用车辆视觉导航系统对不同环境的适应性,基于GSM无线通信和嵌入式系统,提出了一种新的农业运输车辆自主导航的物流监控系统设计方法,并研究了其对路径的识别能力。该系统对环境的适应能力较强,可以快速、准确地提取导航路径的特征,并具有物流跟踪监控功能,可以实现农用运输车辆在特定的田垄里进行自主换向,提高了车辆的自主导航能力。利用GSM无线通信导航技术对驾驶员实际输出转角进行追踪测试,结果表明:驾驶员的目标曲线和转角无线控制实测曲线比较吻合,从而验证了基于GSM通信的嵌入式物流系统在农业运输车上实现自主导航的可行性和可靠性。 相似文献
11.
为解决果园视觉导航机器人行间自主行进和调头问题,提出了基于Mask R-CNN的导航线提取方法和基于随机采样一致性(Random sample consensus, RANSAC)算法的树行线提取方法。首先,基于Mask R-CNN模型对道路与树干进行识别,提取道路分割掩码和树干边界框坐标;其次,在生成行间导航线的基础上,采用改进RANSAC算法提取前排树行线;然后,计算树干边界框坐标点到前排行线的距离,筛选后排树干坐标点,采用最小二乘法拟合生成后排树行线;最后,通过分析前后排树行信息判断调头方向,结合本文提出的行末端距离计算与调头路径规划方法,规划车辆的调头路线。实验结果表明：在不同光照、杂草、天气环境下的6种果园场景中,模型的平均分割精度和边界框检测精度都为97.0%,导航目标点提取的平均偏差不超过5.3%,树行线检测准确率不低于87%,调头后车辆距道路中心的平均偏差为7.8 cm,可为果园环境下的视觉自主导航提供有效参考。 相似文献
12.
基于图像分割映射的农业机器人视觉去雾方法 总被引：1，自引：0，他引：1
视觉导航农业机器人在雾天作业容易受前端含雾图像的影响,严重时无法有效工作。提出了一种基于图像分割映射的农业机器人视觉去雾方法。对前端采集图像进行近景与远景区域分割,并通过亮度信息的分段映射获取大气散射函数的预测估计值;采用导向滤波对大气散射函数的估计值进行优化,进一步增强图像的边缘信息,改善大面积天空背景引起的去雾残留问题。基于实际的农业智能导航平台对实测的含雾前端图像进行了去雾分析,并同传统的去雾方法进行了综合比较,显示所提方法具有较高的去雾精度和实时性。两段视频的图像去雾综合指标分别改善了28.9%和29.1%,时间消耗分别减少了34.4%和53.9%。 相似文献
13.
农业机器人视觉导航中多分辨率路径识别 总被引：6，自引：1，他引：6
针对非结构化的农田自然环境，提出农业机器人视觉导航时的多分辨率路径识别算法。首先探讨了用于路径识别的适宜的彩色特征，然后基于小波变换分析了多分辨率边缘检测过程，最后结合跟踪路径的特点融合了多分辨率检测结果。油菜地图像的处理结果表明了该算法的有效性。 相似文献
14.
随着我国信息化技术的逐渐提高,机械自动化、集成电路、智能控制系统和测试计量等行业得到了快速发展,使得移动机器人达到了一个全新的高度,农业机器人也因此被广泛应用。在机器人众多研究问题中,全方位视觉的目标识别与跟踪一直是比较复杂并较难解决的问题。为此,基于全方位的自主导航技术,根据农业机器人工作特点和运动特性,建立了机器人工作空间的环境模型,提出了一种陆标导航和运动目标跟踪系统的视觉伺服方案,开发了以DSP控制器为核心的全方位视觉图像处理系统。试验结果表明:所设计的农业机器人全方位视觉目标识别与跟踪系统精准度高,可靠性和实时性强,各项性能指标优。 相似文献
15.
针对温室颠簸不平、枝叶遮挡道路的复杂环境,开展基于相机与激光雷达数据融合的机器人行间导航方法研究。首先,利用改进的U-Net模型实现图像道路区域的准确快速分割;其次,通过融合图像分割结果进行地面点云预分割,减少地面起伏造成的点云倾斜;然后,采用改进的KMeans算法实现作物行点云快速聚类,并将聚类中心作为作物行主干区域点,降低枝叶遮挡对作物行中线提取的影响;最后,采用RANSAC算法拟合两侧作物行方程并计算出导航线。通过实验评估导航线精度,在测试集中94%以上数据帧可以准确实现提取导航线,平均角度误差不高于1.45°,满足温室机器人沿作物行自主导航行驶要求。 相似文献
16.
17.
随着农业自动化水平的不断提高,除草机器人被逐步地应用到了农田生成作业过程中,机器视觉系统是除草机器人自主导航和杂草作物识别的核心部件,其性能的好坏直接影响作业效率和作业质量。为了提高除草机器人的导航效率,提出了一种基于中英混合环境的多模式匹配算法,将该算法应用到了除草机器人的英文和中文导航路标的模式匹配上,并采用相关图像处理算法对路标进行了增强处理,最后对不同环境下导航的可行性进行了验证。结果表明:采用中英文混合环境的多模式匹配算法和图像增强处理功能后,除草机器人机器视觉系统的路标成功识别率较高,导航准确率也较高,从而验证了方案的可行性和可靠性。 相似文献