針對(duì)車(chē)輛果園行間自主導(dǎo)航出現(xiàn)的車(chē)輛偏航、非相鄰樹(shù)行干擾、植株缺失、樹(shù)行彎曲等問(wèn)題,提出一種基于激光雷達(dá)的行間路徑提取方法,構(gòu)建多樣化虛擬果園環(huán)境仿真行間路徑導(dǎo)航過(guò)程,評(píng)估路徑提取算法性能。行間路徑提取時(shí),采用二維激光雷達(dá)(Light detection and ranging,Li DAR)獲取果園樹(shù)干測(cè)量數(shù)據(jù),通過(guò)中值濾波削弱測(cè)量噪聲,設(shè)計(jì)橢圓感興趣區(qū)域(Region of interest,ROI)提取相鄰樹(shù)行,提出兩步樹(shù)行分割法獲取相鄰樹(shù)行數(shù)據(jù),通過(guò)最小二乘法擬合樹(shù)行直線,將樹(shù)行中心線作為導(dǎo)航路徑。行間導(dǎo)航仿真時(shí),建立虛擬果園環(huán)境和Li DAR測(cè)量模型,基于仿真測(cè)量數(shù)據(jù)生成導(dǎo)航路徑,經(jīng)過(guò)一階數(shù)字低通濾波后實(shí)時(shí)控制車(chē)輛運(yùn)動(dòng)。仿真實(shí)驗(yàn)中,設(shè)置果樹(shù)種植偏差為±20 cm,樹(shù)干直徑偏差為±3 cm,Li DAR測(cè)量誤差為±3 cm。實(shí)驗(yàn)結(jié)果表明,本文方法在車(chē)輛偏航、缺樹(shù)、曲線樹(shù)行等情況下均能準(zhǔn)確提取導(dǎo)航路徑,在偏航角不大于15°、橫向偏差不大于1 m、缺樹(shù)率不大于25%時(shí)均能將車(chē)輛軌跡與道路中心線的橫向偏差控制在±14 cm內(nèi)。

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

圖2 中值濾波結(jié)果

由于LiDAR測(cè)量值與真實(shí)值之間存在測(cè)量誤差，需要進(jìn)行數(shù)據(jù)濾波。考慮到樹(shù)干邊界測(cè)量點(diǎn)會(huì)出現(xiàn)跳變，故采用中值濾波，將測(cè)量點(diǎn)距離值設(shè)置為以該測(cè)量點(diǎn)為中心的鄰域內(nèi)所有測(cè)量點(diǎn)的距離中值。圖2給出了一段樹(shù)干測(cè)量數(shù)據(jù)的濾波結(jié)果，在削弱測(cè)量誤差的同時(shí)較好地保留了樹(shù)干邊界點(diǎn)信息。1.3感興趣....

圖3 圓形ROI和橢圓ROI示意圖

為去除非相鄰樹(shù)行干擾，設(shè)置ROI提取兩側(cè)相鄰樹(shù)行。本文采用橢圓ROI，以極軸為長(zhǎng)軸方向，與圓形ROI相比，橢圓ROI能夠擴(kuò)大探測(cè)面積，在同等寬度下采集到更多的樹(shù)行信息，提高樹(shù)行直線的擬合精度，如圖3所示。橢圓極坐標(biāo)方程如下

圖5 虛擬果園環(huán)境

式(5)、(6)可組合使用，以模擬更加復(fù)雜的果園環(huán)境。2.2LiDAR測(cè)量模型

圖6 局部路徑規(guī)劃方案

利用前文介紹的路徑提取方法，采用局部路徑規(guī)劃實(shí)現(xiàn)車(chē)輛導(dǎo)航，如圖6所示。假設(shè)t時(shí)刻車(chē)輛位置為(xv(t),yv(t))，方向?yàn)棣胿(t)，首先利用LiDAR測(cè)量模型獲取當(dāng)前測(cè)量數(shù)據(jù){(θi(t),ri(t))}iN=1，然后采用路徑提取方法估計(jì)導(dǎo)航路徑參數(shù)Δx(t)和α(t)，最....

本文編號(hào)：4012222