排序方式： 共有5条查询结果，搜索用时 0 毫秒
1
1.
为实现环境光照强度的动态自动调节,研制了一款光照检测及调节系统．该系统主要由单片机、传感器、恒流源以及灯组等组成,通过ＴＳＬ２５６１光照传感器实时检测当前环境的光照强度,采用ＰＩＤ控制算法,以光强实测值和用户预设值的偏差为依据,实时调整系统输出量,以ＰＷＭ形式的信号控制恒流源的输出电流大小,实现对环境光照强度的精确控制．通过仿真和试验两种方式联合整定了ＰＩＤ参数并对系统进行了试验,结果表明：该系统运行可靠,在持续扰动作用下,稳定时间最短为６ｓ,最长为１０ｓ,能满足一般环境光照调节的要求,可为相关领域的光照智能调节提供参考． 相似文献
2.
在长有小灌木等干扰物和机耕道崎岖不平的复杂香蕉园环境中，机器人定位导航方法有时效果不佳、甚至失效，准确测量机器人与香蕉树的最短距离是实现定位与导航的前提和关键，为此提出一种基于拟合滤波的激光和超声波香蕉树测距方法。首先，在各采样时刻由激光和超声波传感器分别测得机器人到香蕉树的距离数据，并相互校验，生成待测香蕉树的一组距离数据；选择二次多项式以最小二乘法对该组距离数据进行拟合，基于拟合的二次多项式和设定阈值对该组距离数据进行滤波，去除其中偏差较大的距离；最后，对滤波后的距离数据中3个最小值求平均值，以此作为机器人到待测香蕉树的最短距离。实验表明，该测距方法在理想环境下对香蕉树的最大测距误差率为1.0%，在有小灌木等干扰物或者道路崎岖不平的环境以及室外自然场景下最大测距误差率为2.0%，相应的最大测距误差为1.0cm，且测距稳定性良好。 相似文献
3.
针对香蕉果串识别系统中传统的UNet网络存在实时性差、参数量多、下采样后丢失空间信息等问题,该研究提出基于UNet模型的轻量化分割网络,构造一个轻量级的主干特征提取模块,在降低模型参数量和计算量的同时增强网络提取特征的能力,使用膨胀率为[2,1,2]锯齿波形的多尺度串联空洞卷积组合在增大感受野的同时保持对细节的敏感度。该研究算法在自建香蕉果串数据集上的试验结果表明,网络参数量为0.45 M时,香蕉果串识别分割速度可达41.0帧/s,平均像素分类准确率为97.32%、交并比为92.57%。相比于其他模型具有准确率高、参数量小等优点,能够较好地实现精度和速度的均衡。该算法对自然种植环境下的香蕉果串具有良好的识别效果,可为智能化香蕉采摘等应用提供视觉识别技术支持。 相似文献
4.
探索在环境多变的田垄中进行视觉导航的方法,针对传统田垄视觉导航方法计算量大且导航效果较一般的问题,为林果作业机器人自主作业能力提供基础,本文提出一种基于机器视觉的田垄导航方法:使用改进的Floodfill算法分割路径信息,通过十字法进行路况分类,进而采用与路况相对应的算法进行导航计算。使用多张路径图片和模拟环境对算法的分割性能和导航能力进行测试,在试验测试中,道路偏移值保持在6 cm内。试验表明,改进Floodfill算法与分类导航法结合的视觉导航方法具有可行性,可为低算力田垄视觉导航方法的探索提供新的方法和思路。 相似文献
5.
1