基于人機(jī)合作的農(nóng)業(yè)機(jī)器人車輛的出現(xiàn),大大降低了勞動強(qiáng)度,提高了生產(chǎn)效率。視覺作為農(nóng)業(yè)智能車輛和遠(yuǎn)端監(jiān)測人員獲取環(huán)境信息最直觀的途徑,有利于加深人和車輛對作業(yè)環(huán)境的理解,推進(jìn)人機(jī)合作進(jìn)程。依據(jù)視覺實(shí)現(xiàn)農(nóng)業(yè)作業(yè)過程中避障控制,對保證作業(yè)安全性、提高農(nóng)業(yè)機(jī)器人車輛的智能化和自動化程度有著重要的意義。本文提出一種基于視覺的農(nóng)業(yè)機(jī)器人車輛避障策略,在具有復(fù)雜背景的農(nóng)業(yè)作業(yè)環(huán)境中,使用視覺實(shí)現(xiàn)障礙物的檢測、定位和對障礙物的識別與分類,將障礙物的距離、危險度等定性概念轉(zhuǎn)化為定量數(shù)據(jù);建立動態(tài)環(huán)境中的碰撞預(yù)測模型,以障礙物信息的獲取及碰撞預(yù)測結(jié)果為前提,實(shí)現(xiàn)基于視覺的農(nóng)業(yè)機(jī)器人車輛避障策略研究。本文的主要內(nèi)容與工作有:1.基于視覺融合的障礙物檢測。對存在障礙物的作業(yè)圖像進(jìn)行處理,對比Gbvs與Ft算法,選用邊緣檢測效果較好的Ft算法生成顯著圖。詳述激光雷達(dá)與視覺圖像信息的融合方法,對激光雷達(dá)點(diǎn)及其對應(yīng)的像素坐標(biāo)進(jìn)行聚類,在此基礎(chǔ)上提出以激光雷達(dá)點(diǎn)為種子點(diǎn)的受限區(qū)域生長法,實(shí)現(xiàn)圖像中障礙物的分割。檢測結(jié)果表明,視覺融合后的檢測方法較傳統(tǒng)的分割法具有更好的背景抑制能力。2.障礙物測距。闡述基于數(shù)據(jù)回歸建模...

【文章頁數(shù)】：91 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２－１視覺融合系統(tǒng)平臺??Ｆｉｇ．?２－１?Ｖｉｓｕａｌ?ｆｕｓｉｏｎ?ｓｙｓｔｅｍ?ｐｌａｔｆｏｒｍ??

間的運(yùn)輸、收割、旋耕、播種等作業(yè)中，可以將障礙物統(tǒng)一的定義為：出現(xiàn)或可??能出現(xiàn)在作業(yè)車輛的作業(yè)路線上，對車輛的行進(jìn)或作業(yè)產(chǎn)生一定影響的物體。農(nóng)??業(yè)作業(yè)環(huán)境是非結(jié)構(gòu)化的，很難依據(jù)道路信息準(zhǔn)確地提取障礙物，傳統(tǒng)的顯著性??檢測和聚類方法也無法對識別出的障礙物區(qū)域進(jìn)行定義，分辨其是....

圖２－３部分圖像分割結(jié)果??Ｆｉｇ．?２－３?Ｉｍａｇｅ?ｓｅｇｍｅｎｔａｔｉｏｎ?ｒｅｓｕｌｔｓ??由圖可見，在非結(jié)構(gòu)化的農(nóng)業(yè)作業(yè)環(huán)境中，很難排除作業(yè)背景的干擾，而基??

?第二章基于視覺融合的障礙物檢測與測距???像素性質(zhì)差異不夠明顯的區(qū)域不易找到其該區(qū)域的邊界。比如在農(nóng)業(yè)生產(chǎn)環(huán)境中，??人作為障礙物的一種其身著衣物的顏色與地面及其相似，這種情況下很難明確地??將障礙物的邊界分離出來；另一方面，如果在圖像中存在很多小的具有像素特征??的區(qū)域，散漫....

圖２－４激光雷達(dá)模型??Ｆｉｇ．?２－４?Ｌａｓｅｒ?ｒａｄａｒ?ｍｏｄｅｌ??

?基于視覺的農(nóng)業(yè)機(jī)器人車輛避障策略研究???＂ｘＪ?ｒ?，??Ｙ?Ｘｐ??Ｚ?（２－５）??ｐ?１??—１」?Ｌ」??式中，［辦，Ｆｐ，辦，１］Ｔ為任意一點(diǎn)Ｐ在世界直角坐標(biāo)系中的齊次坐標(biāo)；而［ＸＰ，＾，??１］Ｔ為點(diǎn)Ｐ在雷達(dá)的直角坐標(biāo)系中的齊次坐標(biāo)；Ｍ為一個４Ｘ３的激光雷達(dá)外部參....

圖２－５線性攝像機(jī)模型??Ｆｉｇ．?２－５?Ｌｉｎｅａｒ?ｃａｍｅｒａ?ｍｏｄｅｌ??

?基于視覺的農(nóng)業(yè)機(jī)器人車輛避障策略研究???＂ｘＪ?ｒ?，??Ｙ?Ｘｐ??Ｚ?（２－５）??ｐ?１??—１」?Ｌ」??式中，［辦，Ｆｐ，辦，１］Ｔ為任意一點(diǎn)Ｐ在世界直角坐標(biāo)系中的齊次坐標(biāo)；而［ＸＰ，＾，??１］Ｔ為點(diǎn)Ｐ在雷達(dá)的直角坐標(biāo)系中的齊次坐標(biāo)；Ｍ為一個４Ｘ３的激光雷達(dá)外部參....

本文編號：3981757