共查询到17条相似文献,搜索用时 187 毫秒
1.
农业机器人视觉传感系统的实现与应用研究 总被引:1,自引:1,他引:1
论述了农业机器人视觉传感系统的主要实现技术和当前的应用现状,包括基于视觉传感原理的距离检测技术,基于视觉传感原理的工作对象特征识别技术和基于视觉传感原理的运动导航技术.基于双目立体视觉的测距方法可应用于葡萄和番茄采摘机器人,配备激光光源和红外光源的测距系统可在室外有效抵抗日光变化对检测结果的影响.几何形状、灰度级、颜色,尤其是农产品表面的反射光谱特性,可以用于农业机器人识别操作对象.人工路标方法是实现农业机器人视觉导航的简单方法,另外,直接基于田间作物在空间排列的特征也可实现农业机器人的视觉导航.最后讨论了农业机器人视觉传感系统的未来发展趋势. 相似文献
2.
基于垄线平行特征的视觉导航多垄线识别 总被引:11,自引:10,他引:1
为有效快速地识别农田多条垄线以实现农业机器人视觉导航与定位,提出一种基于机器视觉的田间多垄线识别与定位方法。使用VC++ 6.0开发了农业机器人视觉导航定位图像处理软件。该方法通过图像预处理获得各垄行所在区域,使用垂直投影法提取出导航定位点。根据摄像机标定原理与透视变换原理,计算出各导航定位点世界坐标。然后结合垄线基本平行的特征,使用改进的基于Hough变换的农田多垄线识别算法,实现多垄线的识别与定位。使用多幅农田图像进行试验并在室内进行了模拟试验。处理一幅320×240的农田图像约耗时219.4 ms,室内试验各垄线导航距与导航角的平均误差分别为2.33 mm与0.3°。结果表明,该方法能有效识别与定位农田的多条垄线,同时算法的实时性也能满足 要求。 相似文献
3.
基于知识的视觉导航农业机器人行走路径识别 总被引:7,自引:5,他引:7
目前的农业生产方式引起了环境污染、生态恶化等诸多问题,研制具有精确作业能力的视觉导航农业机器人因而被较多关注。针对导航视觉系统采集的农田非结构化自然环境彩色图像,探讨了用于行走路径识别的适宜的彩色特征,并结合农田作业时农业机器人行走路径的特点,运用路径知识启发机制识别出行走路径。与传统的阈值分割算法的对比处理试验表明,此识别算法可以明显地改善路径识别效果。 相似文献
4.
5.
多对象特征提取和优化神经网络的玉米种子品种识别 总被引:9,自引:3,他引:9
为了实现机器视觉代替人的视觉,对玉米种子品种进行实时、客观、准确和无损伤识别,研制了玉米品种识别硬件系统和软件系统。针对玉米种子及种子图像的特点,对玉米种子品种识别技术与算法进行了深入地研究和探索,提出了一种基于多对象有效特征提取和主成分分析优化神经网络的玉米种子品种识别方法,提取了玉米种子的几何特征和颜色特征参数,优化了基于机器视觉的玉米种子图像处理策略和品种识别算法,提高了玉米品种识别的速度和准确率。对农大108、鲁单981、郑单958、五岳18共4个品种玉米种子进行了品种识别试验,每粒种子识别的平均耗时为 0.127 s,综合识别率达到97%以上。研究表明,基于机器视觉的玉米种子品种识别与检测方法是可行的,该方法可提高玉米种子品种识别效率和正确率。 相似文献
6.
7.
基于光照无关图的农业机器人视觉导航算法 总被引:8,自引:6,他引:2
完成沿作物行的行走作业是农业机器人视觉导航系统的一个基础功能,但是由于田间环境的复杂性,比如阴影的存在和天气的恶劣变化等外界因素的影响使导航参数的提取变得困难。该研究针对农业机器人视觉导航中存在的阴影干扰问题,采用基于光照无关图的方法去除导航图像中的阴影,然后采用增强的最大类间方差法进行图像分割和优化的Hough变换提取作物行中心线,最终通过坐标转换获得导航参数。最后,通过作物行跟踪试验表明,基于光照无关图的阴影去除方法不仅满足了导航实时性的要求,而且使农业机器人在光照变化的情况下导航参数提取的鲁棒性有了更大的提高。 相似文献
8.
9.
基于串行BP网络的农业机器人视觉导航控制(英) 总被引:3,自引:2,他引:1
农业机器人视觉导航系统可引导其自身在田间自主行走,为此,必须充分有效地利用导航参数。将反馈和预视参数应用于农业机器人视觉导航系统实现导航。将当前ROI窗口划分为上下区域以获取预视导航信息和当前导航信息。根据预视导航参数、当前导航参数和反馈导航参数,利用串行BP神经网络训练并调整分配神经元间的权值和阈值,确保得到正确的输出。依据串行BP网络对系统控制算法进行测试,取得了满意的结果。农业机器人实际行走路线与理想路线横坐标的最大反馈位置偏差为-0.069 m,最大预视位置偏差为-0.043 m,最大反馈角度偏差为-3.5度,最大预视角度偏差-2度。试验结果表明,该方法能获取较高精度的导航参数。 相似文献
10.
11.
智能施药机器人关键技术研究现状及发展趋势 总被引:1,自引:1,他引:0
喷施化学农药是病虫害防治最主要的手段,对保证作物的产量起着至关重要的作用。传统的施药机械工作效率低,且使用同一施药量进行连续喷施作业易造成农药浪费、环境污染。随着农业智能化发展,机器人被广泛应用到农业植保作业中,智能施药机器人以减少劳动力投入、提高农药利用率、减少农药施用量以及减少环境污染为目的,实现了更加高效、精准的病虫害防治。智能施药机器人是集复杂农业机械、智能感知、智能决策、智能控制等技术为一体的现代农业施药装备,可自主、高效、安全、可靠地完成施药作业任务。为明确智能施药机器人及关键技术的国内外研究现状,本文总结了适用于不同作业场景的施药机器人的应用进展,从智能施药机器人的移动平台设计、喷雾装置设计、导航技术、智能识别技术4个方面进行分析,结合施药机器人作业环境的复杂多变性,分析智能施药机器人关键技术的现存问题,阐述智能施药机器人未来的发展趋势是精准变量施药、自主导航以及无人化作业,以期为智能施药机器人在未来的研究提供参考。 相似文献
12.
13.
为解决基于全球导航卫星系统(global navigation satellite system,GNSS)的农业机器人和自动驾驶农机在机库、大棚等卫星信号弱或无环境下定位精度低甚至无法定位的问题,该研究提出了基于激光感知的农业机器人定位方法。采用二维激光雷达和激光接收器设计了基于激光感知的机器人定位系统,通过二维激光雷达发射扫描激光获取机器人上激光接收器的点云,同时激光接收器感应扫描激光,融合感应扫描激光时间差和激光接收器点云特征,得到移动激光接收器(即农业机器人)的定位。以全站仪测量为参照在大棚内开展验证试验,结果表明,在激光雷达扫描范围内,机器人行驶速度为0.8 m/s时,直线行驶时最大偏差绝对平均值为4.1 cm,最大均方根误差为1.5 cm;曲线行驶时最大偏差绝对平均值为6.2 cm,最大均方根误差为2.6 cm,满足农业机器人在农机库等环境中自动导航所需定位精度要求。 相似文献
14.
非化学方式除草是摒弃除草剂、生产有机农产品的前提,传统的中耕锄草机主要解决行间锄草,由于株间苗草集聚,机械锄草难度较大,目前主要依靠人工,劳动成本高且效率低。智能株间锄草机器人是一种能够实时识别作物行和苗草信息,并能控制株间锄草刀高速作业的自动锄草装备,具有智能、高效、环保等特点,可大大减少劳动力,提高锄草效率,降低锄草成本。该文主要对近年来国外研究较为成熟的株间锄草机器人进行介绍,概述了中国该方面的研究进展,对苗草信息获取、对行、锄草装置、驱动方式、时速等几个技术点进行分析和比对,提出了如何提高信息获取速度,增强系统实时性,以及如何改进机器视觉标定方法,提高苗草定位准确性是苗草信息获取技术存在的关键问题,强调了锄草装置在系统中的重要性;针对不同形态作物、不同土质土壤研制针对性强、锄草效果好的锄草装置是锄草机器人的基础,同时由于系统集成性及动力系统与速度匹配仍无法满足田间高负载、高速的锄草作业要求,因此加强该方面研究力度,研制使用性强、效率高的株间锄草机器人仍是中国的研究重点和方向。最后,提出多传感器融合、模块化、小型化的株间锄草机器人将是未来发展趋势,是实现中国农业有机、精准、高效生产的重要依据。 相似文献
15.
中国农业信息化技术发展现状及存在的问题 总被引:22,自引:7,他引:15
围绕农业传感器技术、精细农作技术、农业机器人技术、农业物联网技术和农业信息服务技术五大方面,对农业信息化前沿技术的发展态势进行了分析,同时探讨了中国农业信息化前沿技术发展存在的问题并提出了相应的建议。研究表明,农业传感器技术是农业信息获取与信息化的基础,精细农作技术代表了当今农业装备的先进水平,农业机器人技术是未来农业智能装备的重要方向,农业物联网技术是农业监管与质量监控的有效手段,农业信息服务技术则愈来愈聚焦农业信息服务中的云存储、云计算、云服务和移动互联的关键技术问题。 相似文献
16.
基于双目立体视觉的番茄定位 总被引:14,自引:10,他引:4
为提高番茄采摘机器人视觉系统的定位精度,该文提出了一种基于组合匹配方法及深度校正模型的双目立体视觉测距方法。该方法在形心匹配的基础上,将形心匹配得到的视差值作为区域匹配时设定视差范围的参考值。这样可以减小区域匹配计算量及误匹配的概率。区域匹配后,利用三角测距原理得到番茄区域对应的深度图,并将区域的深度均值作为其深度维的坐标。试验发现定位误差与测量距离间具有很好的线性相关性。通过回归分析,建立了线性回归模型,并对深度测量结果进行校正。结果表明,工作距离小于650mm时,定位误差约为-7~5mm,工作距离小于1050mm时,定位误差约为±10mm,可满足番茄采摘机器人视觉系统在大多数采摘作业环境下的工作要求。 相似文献
17.
玉米苗带准确检测与精准跟踪是玉米除草机器人实现自主作业的重要基础。针对玉米除草机器人苗带检测,该研究提出了基于感兴趣区域更新的玉米苗带实时识别及导航线提取方法,首先利用单目相机采集机器人前向玉米苗带,将苗带图像进行归一化和超绿处理,采用改进自适应响应阈值SUSAN(small univalue segment assimilating nucleus)角点法以及冗余离群特征点剔除法获得玉米苗特征点,以改进的顺序聚类算法对视频帧进行玉米苗带聚类处理,再利用最小二乘法拟合出各玉米苗带,最后基于机器人航向偏差和其相对玉米苗带的横向偏差实时调整感兴趣区域和更新导航线;同时,针对除草机器人苗带行线跟踪,提出以运动学为模型的PID(proportionintegrationdifferentiation)转向角决策方法,建立了导航跟踪控制模型;并在Visual Studio平台下,利用OpenCV库开发了导航控制系统。试验结果表明,玉米除草机器人导航线提取准确率为96.8%,每帧图像平均处理时间为87.39ms,具有较好的实时性和抗干扰性;在模拟环境下,玉米苗带直线和曲线跟踪平均误差≤1.42 c... 相似文献