论文部分内容阅读
随着我国农业现代化加速发展,农业机械向着大型化发展,机具的机构复杂程度、工作幅宽等参数逐步增加,而农业劳动力在不断减少,从而对操作人员和智能农机装备都提出了更高的要求。农业机械的姿态主要包含俯仰角和横滚角,而横滚角是影响作业质量、定位精度和机具操控性能的重要因素。由于农业机械作业环境复杂,宽幅农业机械在地表存在一定坡度的农田中作业时姿态会不断发生变化,对其横滚角进行有效监测对提高机具作业性能具有十分重要的意义。因此,本文以横滚角作为姿态的主要参数,研究宽幅农业机械在田间作业时的姿态监测方法。本文分析了宽幅农业机械姿态监测方法在国内外方面的研究现状和目前研究方法中存在的问题,分别研究了基于传感器信息、图像特征匹配和多源信息融合的姿态监测方法,以实现在宽幅农业机械作业过程中准确监测姿态的目的。在基于传感器信息的姿态监测方法中,应用卡尔曼滤波方法对MTi-300AHRS惯性传感器和北斗卫星导航系统的数据进行融合,设计了监测终端的软件方案,并利用MATLAB GUI对融合监测终端进行了人机界面设计。进行了对比试验,试验表明经过卡尔曼滤波对MTi-300 AHRS与卫星导航系统进行融合后,系统横滚角测量值的最小绝对误差0.46°,最大绝对误差0.93°,绝对误差平均值为0.73°,融合算法可以较好的监测宽幅农业机械的姿态,满足系统精度要求。在基于图像特征匹配的姿态监测方法中,根据图像匹配原理提出了基于农田环境特征点动态变化判断农业机械横滚角变化的方法。分别在连续两帧图像中利用特征提取算法提取图像特征,将获得的局部特征点进行匹配得到连续两帧图像间的旋转角度。利用MATLAB GUI设计了人机界面,实现了基于图像特征点的姿态获取系统的设计。进行了对比试验,试验表明:静态对比试验的绝对误差最大值为0.13°、绝对误差平均值为0.07°。动态对比试验的绝对误差最大值为0.97°、绝对误差平均值为0.61°,试验表明该算法能够较好的监测宽幅农业机械作业时的姿态变化。综合基于传感器信息的姿态监测方法和基于图像特征匹配的姿态监测方法进行了自适应加权融合。在基于多源信息融合的姿态监测试验中,融合前基于传感器信息的姿态监测方法和基于图像特征匹配的姿态监测方法测量值的绝对误差平均值分别为0.72°和0.66°,融合后的绝对误差平均值为0.47°,说明融合算法有效减少了观测误差。本文对宽幅农业机械作业中姿态监测方法进行了研究,创新性地提出了利用图像特征匹配获取宽幅农业机械作业横滚角的方法,该方法为宽幅农业机械姿态监测提供了一种新思路,且监测精度较高,具有一定的应用前景。