田間路徑識(shí)別算法和基于立體視覺的車輛自動(dòng)導(dǎo)航方法研究.pdf

1、田間農(nóng)業(yè)機(jī)器人是提高我國農(nóng)業(yè)自動(dòng)化的有效手段之一，它能滿足未來農(nóng)業(yè)的高產(chǎn)、安全、高效率、環(huán)保、農(nóng)藝高精度的要求。田間車輛的自動(dòng)導(dǎo)航技術(shù)是一個(gè)首先需要解決的基礎(chǔ)問題，本文研究的主要內(nèi)容是基于機(jī)器視覺的田間自動(dòng)導(dǎo)航系統(tǒng)，包括田間路徑識(shí)別算法、基于立體視覺的田間環(huán)境3D重構(gòu)方法和自動(dòng)導(dǎo)航方法、車輛姿態(tài)估計(jì)算法，具體如下： 1)按照生物機(jī)器人概念構(gòu)建田間導(dǎo)航平臺(tái)。采用的傳感器包括NIR立體相機(jī)、傾角傳感器、轉(zhuǎn)角傳感器、編碼器、直線位移傳

2、感器和偏向角傳感器。測控(SCADA)系統(tǒng)以PC機(jī)為核心，以測控單元(ECU)為節(jié)點(diǎn)，通過RS232通訊使之成為一個(gè)有機(jī)的整體。軟件系統(tǒng)按照面向?qū)ο蟮母拍钤O(shè)計(jì)，主要組建了圖像類、ECU類、姿態(tài)估計(jì)類、識(shí)別算法類和串口通訊類等。 2)基于機(jī)器視覺的田間路徑識(shí)別的新算法。常規(guī)的基于圖像分割的算法需要一個(gè)確切的灰度閾值，本論文提出的基于相關(guān)分析的圖像分割算法通過構(gòu)造小窗口，利用相關(guān)系數(shù)閾值分割圖像。對219幅稻田彩色圖像，30幅玉米地

3、圖像的分割實(shí)驗(yàn)表明正確分割率高于90％。我們還提出一系列田間道路模型：帶斜邊的階躍模型、梯形模型和多梯形模型。在小波分解算法的輔助下，采用最小馬氏距離作為判別準(zhǔn)則，實(shí)現(xiàn)了由粗到精的快速田間道路識(shí)別算法。對219幅稻田彩色圖像、200幅NIR圖像的處理結(jié)果表明，彩色圖像的正確率高于87％，NIR圖像的正確率高于69％。實(shí)驗(yàn)還表明該算法對圖像亮度不敏感，適合田間路徑識(shí)別。 3)基于立體視覺的田間環(huán)境識(shí)別與導(dǎo)航方法。通過比較多種區(qū)域匹

4、配方法，表明SAD、SSD、ZSSD、馬氏距離等立體匹配方法均可以基本準(zhǔn)確地反映出田間圖像的視差信息，其中馬氏距離方法可以獲得最佳的視差圖。實(shí)驗(yàn)表明需要依據(jù)植物葉子的形狀設(shè)定區(qū)域匹配窗口的尺寸。論文研究了提高匹配準(zhǔn)確率的方法，即在匹配之前基于2D小波分解算法提取待匹配區(qū)域，在匹配之后，采用了極小/次極小的比較方法消除誤匹配。實(shí)驗(yàn)實(shí)現(xiàn)了田間地形的3D重構(gòu)，基于立體視覺的導(dǎo)航算法以高程數(shù)據(jù)為主要特征識(shí)別作物行、行的末端，提出了基于立體視覺的

5、綜合檢測作物行、邊緣、行末端的算法。 4)高精度車輛姿態(tài)估計(jì)的方法。常規(guī)的基于機(jī)器視覺估計(jì)車輛姿態(tài)需要精確地校正攝像頭參數(shù)，本文基于CMAC神經(jīng)網(wǎng)絡(luò)的姿態(tài)估計(jì)方法無需精確的攝像頭校正，室內(nèi)測試的結(jié)果是：側(cè)向偏差的RMS為10.5mm，方差為11.3mm；偏向角的RMS為1.1°，方差為0.99°。為獲得更加精密的姿態(tài)估計(jì)數(shù)據(jù)，構(gòu)造了多傳感器信息融合的模型，并基于擴(kuò)展Kalman濾波算法構(gòu)建了姿態(tài)估計(jì)系統(tǒng)，實(shí)驗(yàn)表明側(cè)向偏差的RMS