论文部分内容阅读
随着科技的快速进步,导肮技术被越来越多地应用到现代农业生产中。自主导航农机在没有人为操控的条件下可高效实现田间播种、施肥、耕地等作业任务。但当工作环境中出现障碍物时,自主导航农机无法自行识别与避障,影响农机的正常工作。因此本文基于机器视觉技术,以自主导航农机为试验平台设计避障路径规划算法,以帮助农机在正常工作时实现障碍物的避障。主要研究内容与结论如下:首先,设计了一套基于双目视觉相机与激光雷达的障碍物检测系统。设计主要分为硬件系统与软件系统。硬件系统的工作主要包括:可携带式电源设计;双目视觉相机,激光雷达与工控机之间的通信实现。软件系统的工作主要包括:对SIFT算法进行改进并实现障碍物的初次定位与尺寸测量;采用激光雷达实现障碍物的二次定位与尺寸测量;基于两者测量数据实现障碍物的最终定位与尺寸测量。其次,对东方红SG250型拖拉机进行智能化升级。升级主要分为三部分:导航运动控制系统,导航定位系统,导航决策系统。运动控制系统的工作主要包括:农机偏转角的测量与控制。定位系统的工作主要包括:构建基于RTK-GPS的高精度定位模块;实现GPS与工控机之间的通信;完成农机的实时定位。导航决策系统的工作主要包括:农机偏转角控制回路的设计;农机位姿控制回路的设计;自主导航农机直线跟踪与圆弧跟踪的实现;串级控制方式整合农机偏转角控制回路与农机位姿控制回路。接着,根据前文确定的障碍物位置以及尺寸信息,分别提出了单障碍物避障路径规划算法和双/多障碍物避障路径规划算法,后者算法建立在前者算法基础之上,根据农机行驶无碰撞风险区域的大小,从障碍物左侧或右侧实现自主导航农机的避障。最后,对整个自主导航避障系统进行了试验:(1)采用改进后的SIFT算法进行特征点检测试验,与初始SIFT算法试验数据相比,a,b,c,d四幅图四组试验平均每组特征点检测个数减少260个,检测时间减少0.702s。当面对复杂环境需处理多张图片时,改进SIFT算法可显著提升障碍物检测系统的工作效率。(2)采用双目视觉相机进行障碍物定位,试验距离为3.25m时,左右两图的定位误差分别为0.06m,0.08m;试验距离为4m时,左右两图的定位误差分别为0.34m,0.20m;试验距离为4.7m时,左右两图的定位误差分别为0.84m,1.77m。随着试验距离的增加,双目视觉相机的定位误差也随之增长,定位数据不再可靠。采用相机进行障碍物尺寸测量,障碍物实测尺寸为0.6m,试验距离为3.25m,4m,4.7m时,尺寸测量误差稳定在0.05m内,误差较小,尺寸测量数据较为可靠。相同条件下,采用激光雷达进行障碍物定位,试验距离为3.25m时平均定位误差为0.016m,试验距离为4m时平均定位误差为0.036m,试验距离为4.7m时平均定位误差为0.039m,激光雷达定位误差较小且工作稳定。因此,障碍物的最终定位数据由激光雷达提供,而尺寸测量数据由双目视觉相机提供。(3)单障碍物位于不同位置、农机行驶速度为0.3m/s时,行驶路径分别比L算法减少35%、26%,农机跟踪误差的方差减少86%、90%;行驶速度为0.5m/s时,行驶路径分别比L算法减少38%、22%,农机跟踪误差的方差减少99%、76%。双障碍物路况,农机行驶速度为0.3m/s、0.5m/s时,跟踪双/多障碍物避障算法行驶路径为10.30m、10.36m,与规划路径相比仅分别增加0.09%、0.06%。方差分别为0.0067m2、0.0090m2。本文算法在行驶路径,规划路径跟踪稳定性上均体现出一定优势。