论文部分内容阅读
近年来,计算机和人工智能技术在农业机械方面获得了广泛应用。目前,我国果树种植规模不断扩大,割草机作为果园割草的重要机械,它们可以减轻大量劳动力,同时还能代替人类在恶劣条件下完成人们无法胜任的工作,但是,割草机在作业过程中需要避开大块石块、果树等障碍物以保证割草机稳定前行。在割草机前方障碍物检测中,摄像机与激光雷达是主要的传感器。摄像机提供的图像信息与激光雷达采集的距离信息可以优势互补。本文通过融合ZED双目图像与激光雷达数据信息,对摄像机与激光雷达的联合标定以及割草机前方障碍物检测定位这两大关键技术进行了深入研究。(1)建立坐标系,完成了双目相机、激光雷达标定以及激光雷达坐标系与像素坐标系之间的转换。将车体作为世界坐标,用以说明传感器的相对位置,并建立以激光雷达、摄像机为主的传感器坐标系;MATLAB软件为主要操作平台,采用张正友MATLAB标定工具箱进行摄像机标定,并完成了畸变校正;将激光雷达坐标系与像素坐标系进行转换,以便后期进行数据融合。(2)视觉图像与激光雷达数据处理。通过灰度转换、灰度拉伸以及直方图均衡化实现了图像增强;运用以高斯滤波为主的滤波算法对图像进行了去噪处理;采用基于Otsu的自适应阈值以及基于特征空间的聚类分析K-means分割算法对图像进行分割。最终采用了 K-means聚类分割算法,结果表明K-means算法对障碍物目标检测处理效果更佳。运用SURF算法对分割图像进行了特征点检测与立体匹配处理,利用RANSAC算法剔除了误匹配点。对激光雷达采集的障碍物原始数据进行滤波去噪以及有效数据筛选;利用K-means聚类算法对激光雷达扫描数据进行聚类分析,得到了障碍物轮廓信息;通过曲线拟合进一步确定了障碍物位置信息。(3)激光雷达数据与视觉图像融合处理。运用透视变换原理对激光雷达数据和ZED双目相机图像进行了数据融合处理,设计了融合算法实验。实验结果表明,融合双目相机与激光雷达的数据能够更准确地实现割草机前方障碍物的检测。