在植株病蟲害防治過程中,傳統(tǒng)施藥方式普遍采用大容量淋洗式噴霧技術(shù),易造成農(nóng)藥浪費,帶來環(huán)境污染問題。精細化對靶噴霧逐漸成為農(nóng)林植保領(lǐng)域的研究熱點,對植保作業(yè)中節(jié)省農(nóng)藥和保護環(huán)境有重要意義。針對噴霧機器人定位過程中軌跡偏離誤差以及靶標(biāo)檢測無法精確區(qū)分冠層和樹干等問題,本文將軌跡優(yōu)化方法和植株冠層分割方法運用于噴霧機器人系統(tǒng)精確定位與變量噴霧靶標(biāo)檢測,有利于提高噴霧施藥的精確性和精細化程度,具體研究內(nèi)容如下:（1）針對果園、林道等環(huán)境下植株精細化對靶噴霧,設(shè)計了機器人噴霧系統(tǒng)。該系統(tǒng)主要由數(shù)據(jù)采集單元、運動控制單元和噴霧控制單元三部分組成。數(shù)據(jù)采集單元采用RGB-D傳感器獲取目標(biāo)植株的彩色信息和深度信息,由嵌入式主處理器對其進行處理分析;運動控制單元采用陀螺儀獲取噴霧機器人姿態(tài)數(shù)據(jù),通過CAN總線由輔控制器控制輪轂電機進而實現(xiàn)對機器人的運動控制;噴霧控制單元采用隔膜泵和PWM控制電磁閥進行精細化對靶噴霧。（2）針對傳統(tǒng)的軌跡優(yōu)化方法存在定位精度差、浮點漂移、深度信息易丟失等問題,本文提出了一種融合深度信息的全局非線性軌跡優(yōu)化方法。該方法在噴霧機器人行駛過程中,由RealSense傳感器采集... 

【文章來源】：江蘇大學(xué)江蘇省

【文章頁數(shù)】：78 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 選題背景及研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 噴霧機器人研究現(xiàn)狀
        1.2.2 軌跡優(yōu)化技術(shù)研究現(xiàn)狀
        1.2.3 檢測分割技術(shù)研究現(xiàn)狀
    1.3 本文主要研究內(nèi)容及章節(jié)安排
第二章 噴霧機器人系統(tǒng)設(shè)計
    2.1 噴霧機器人組成
    2.2 噴霧機器人數(shù)據(jù)采集處理單元
        2.2.1 Kinect2.0 傳感器
        2.2.2 RealSense傳感器
        2.2.3 嵌入式主處理器
    2.3 噴霧機器人運動控制單元
        2.3.1 輔助控制器
        2.3.2 電機驅(qū)動模塊
        2.3.3 IMU模塊
    2.4 噴霧機器人噴霧控制單元
        2.4.1 隔膜泵控制
        2.4.2 PWM控制電磁閥
    2.5 本章小結(jié)
第三章 噴霧機器人全局非線性軌跡優(yōu)化方法
    3.1 基于彩色信息的軌跡優(yōu)化
        3.1.1 FAST特征點及BRIEF描述子
        3.1.2 特征點匹配
        3.1.3 重投影誤差
    3.2 基于深度信息的平移向量優(yōu)化
    3.3 全局非線性軌跡優(yōu)化
    3.4 最佳噴霧點計算
        3.4.1 目標(biāo)植株位置計算
        3.4.2 最佳噴霧點計算
    3.5 試驗驗證與結(jié)果分析
        3.5.1 FAST特征點獲取
        3.5.2 特征匹配
        3.5.3 噴霧機器人軌跡分析
    3.6 本章小結(jié)
第四章 植株超體聚類冠層分割
    4.1 植株顯著性點云獲取
        4.1.1 Kinect傳感器彩色點云獲取
        4.1.2 CIELab顏色空間
        4.1.3 顯著性點云
    4.2 改進的超體聚類算法
        4.2.1 八叉樹網(wǎng)格
        4.2.2 Mean-Shift算法
        4.2.3 超體聚類
        4.2.4 Nanoflann加速算法
    4.3 植株冠層檢測與提取
        4.3.1 LCCP聚類算法
        4.3.2 改進的SSV-LCCP分割算法
        4.3.3 目標(biāo)植株噴霧模型
    4.4 試驗驗證與結(jié)果分析
        4.4.1 點云的獲取與處理
        4.4.2 點云的分割誤差分析
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻
致謝
攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文


【參考文獻】：
期刊論文
[1]基于模型預(yù)測控制的無人駕駛履帶車輛軌跡跟蹤方法研究[J]. 胡家銘,胡宇輝,陳慧巖,劉凱.  兵工學(xué)報. 2019(03)
[2]基于density-ORB特征的圖像特征點匹配算法[J]. 蘆文強,薛彥兵,李勝利,張樺,王志崗,高贊,徐光平.  天津理工大學(xué)學(xué)報. 2019(01)
[3]基于全卷積神經(jīng)網(wǎng)絡(luò)的云杉圖像分割算法[J]. 陳鋒軍,王成翰,顧夢夢,趙燕東.  農(nóng)業(yè)機械學(xué)報. 2018(12)
[4]農(nóng)業(yè)機器人移動平臺行進方式綜述[J]. 樊正強,張青,邱權(quán),楊青豐.  江蘇農(nóng)業(yè)科學(xué). 2018(22)
[5]基于改進SIFT和RANSAC的物體特征提取和匹配的研究[J]. 張春林,陳勁杰.  軟件工程. 2018(11)
[6]植株點云超體聚類分割方法[J]. 劉慧,劉加林,沈躍,潘成凱.  農(nóng)業(yè)機械學(xué)報. 2018(12)
[7]基于三目視覺的自主導(dǎo)航拖拉機行駛軌跡預(yù)測方法及試驗[J]. 田光兆,顧寶興,Irshad Ali Mari,周俊,王海青.  農(nóng)業(yè)工程學(xué)報. 2018(19)
[8]潛供電弧模擬實驗圖像邊緣檢測與形態(tài)特征分析[J]. 夏天,劉洪順,李潤昌,孫秋芹,李慶民,叢浩熹.  中國電機工程學(xué)報. 2019(03)
[9]低成本大視場深度相機陣列系統(tǒng)[J]. 宋爽,陳馳,楊必勝,李清泉.  武漢大學(xué)學(xué)報(信息科學(xué)版). 2018(09)
[10]葡萄園植保機器人路徑規(guī)劃算法[J]. 艾長勝,林洪川,武德林,馮志全.  農(nóng)業(yè)工程學(xué)報. 2018(13)

博士論文
[1]基于二維激光雷達的果樹在線探測方法及對靶變量噴藥技術(shù)研究[D]. 蔡吉晨.中國農(nóng)業(yè)大學(xué) 2018
[2]基于機器視覺的變量噴霧控制系統(tǒng)研究[D]. 陳麗君.沈陽農(nóng)業(yè)大學(xué) 2009
[3]基于機器視覺的田間雜草識別技術(shù)研究[D]. 毛文華.中國農(nóng)業(yè)大學(xué) 2004



本文編號：3164542