近年來農田收割逐漸走向自動化和智能化,這其中離不開環(huán)境感知的相關任務,如農作物的高度和收割作業(yè)線。針對此,提出了基于多傳感器的農作物高度動態(tài)測量算法和谷物邊界實時檢測算法。其中,高度測量部分對激光點云進行分層聚類來獲取高度差,邊界檢測部分采用快速的邊界點采樣,并使用隨機采樣一致性方法對作業(yè)線進行直線擬合。算法在實際水稻收割實驗中進行了測試,并表現出較好的應用效果。 

【文章來源】：機電一體化. 2020,26(Z1)

【文章頁數】：6 頁

【部分圖文】：

傳感器在收割機上布局圖

對傳統的農業(yè)收割機而言，規(guī)范的操作方式是：當收割機割臺前方有谷物時，割臺會下降到適合的高度進行谷物收割；當割臺前方沒有谷物時，為了避免收割機的顛簸俯仰使割臺觸地，一般會將割臺高度提升至安全高度。因此，當進行自動化收割時，感知層面需要檢測收割機前方的谷物高度，為割臺高度的升降控制提供數據依據。如圖2所示。本文提出一種多傳感融合的動態(tài)谷物高度測量方法，硬件層包含一個多線激光和一個高性能九軸IMU。其中，IMU動態(tài)檢測收割機相對于地面的歐拉角，從而獲得IMU到地面的旋轉矩陣；多線激光則用于實時檢測收割機前方谷物的距離分布。通過本文中的一種簡單標定方法，可以獲得激光到IMU的旋轉矩陣，聯立上述IMU到地面旋轉矩陣，繼而可以得到激光到地面坐標系的旋轉變換矩陣。每當獲得一幀當前激光點云，通過上述旋轉變換矩陣，可以將原始激光坐標系轉換到相同原點的平行地面坐標系。后續(xù)通過分層聚類方法，分離出當前幀點云中屬于不同高度的部分，從而獲得谷物高度動態(tài)測量結果。其測量基本原理如圖3所示。圖3中激光原始坐標系reflaser與平行地面坐標系refg（以后簡稱地面坐標系）具有相同坐標原點。

由于農田中地形顛簸，收割機運動存在俯仰、橫滾的微小角度變化，這個微小變化會給谷物高度測量帶來誤差。理論上，通過結合IMU高頻反饋的動態(tài)歐拉角可以消除這部分誤差，其中便涉及從激光到IMU的旋轉外參標定，即式（1）中：旋轉矩陣上下標表示坐標系關系，例如liR表示從laser坐標系到IMU坐標系的旋轉矩陣；igR表示從IMU坐標系到地面坐標系的旋轉矩陣；lgR則表示從laser坐標系到地面坐標系的變換矩陣。其中igR可由IMU反饋的歐拉角ψ、θ、f直接獲取，即

【參考文獻】：
期刊論文
[1]提高GPS精度的差分定位定速算法[J]. 祝燕華,蔡體菁,李春.  傳感器與微系統. 2012(11)
[2]機器視覺對農田中定位基準線的識別[J]. 張衛(wèi),杜尚豐.  中國農業(yè)大學學報. 2006(04)
[3]久保田插秧機的GPS導航控制系統設計[J]. 張智剛,羅錫文,周志艷,臧英.  農業(yè)機械學報. 2006(07)



本文編號：3128714