目前,我国有相当一部分的农业机械都是停留在过去低水平、低效率、低质量的阶段,农业机械长期处于落后的主要原因,在于农机研究与农业生产严重脱离。
全球卫星定位系统(GPS)和机器视觉是自动导航系统中使用较多的两类传感器,农田中作物收割与未收割的边界有时并非直线,单独使用GPS进行导航,在确定导航基准线方面存在一定的误差;使用机器视觉进行此类作业,可以实时提取出当前作物行的特征信息,提高了定位的精度,但是单独使用机器视觉时,在图像处理过程中有时会出现漏检的情况;为了弥补单一传感器的不足,常采用多传感器组合进行导航定位。
在农业机械导航系统中,定位精度直接影响农业机械进行路径自动跟踪的质量。为了更好的改善农业机械的导航定位效果,研究者将GPS和摄像机两种传感器结合起来,并采用UKF滤波算法对采集到的信息进行融合。
采用基于GPS和机器视觉的多传感器组合导航定位获取信息,用GPS获取导航车的绝对位置信息、航向角度和行驶速度;机器视觉通过图像处理获取导航基准线,并得到代表作物行特征的点;再使用UKF(无痕迹变化卡尔曼滤波Unscented Kalman Filter)滤波后,并以电瓶车为平台,对滤波前后的定位效果进行对比。导航定位精度和稳定性得到改善,定位曲线得到平滑,克服了使用单一传感器进行定位的弊端。减少了定位数据的标准偏差,免了视觉信息丢失时导航无法进行的情况,提高了系统的稳定性。
目前国内对于GPS与机器视觉的组合导航研究相对较少,国外的一些研究大多是通过逻辑判断进行传感器的互补导航,或者使用Kalman滤波算法进行滤波,定位精度有待提高。此项研究填补了该领域的空白。此项研究成果显示该方法能够满足农业机械导航的要求,使农业机械导航系统的定位精度和鲁棒性得到了改善。同时此项研究成果为十二五期间,我国实现“成为世界农业装备制造大国和强国”的目标添上了浓墨重彩的一笔。
北京盈美智科技发展有限公司代理机器视觉产品,包括工业相机、图像采集卡等。详情请登录我们的网站www.cnimage.com。联系电话:18901085836。
|