农田除草机器人组合导航技术研究

论文摘要

为了减少除草剂用量,保护环境,减少劳动强度。本文开展了除草机器人关键技术的研究,在综述了国内外除草机器人导航技术研究情况的基础上,研究了基于机器视觉和GPS的组合导航技术。首先,本文从不同颜色模型的角度分析了玉米苗期的颜色特征,利用超绿色法灰度化图像,然后采用最大类间方差法进行二值化图像。在图像后处理中,采用了中值滤波和形态学处理法进行处理。根据玉米苗行的特点,将图像按照像素高度进行分割,区域处理,确定导航定位点,利用目标点归类算法将定位点进行分类处理。考虑到杂草对于直线拟合所产生的干扰,本文先采用Hough变换进行拟合,再采用最小二乘法进行二次拟合。通过对不同情况的玉米秧苗行图像的分析,证明了试验方法的可靠性,完成了基于机器视觉导航线识别的过程。其次,针对除草机器人导航的要求,制作了简单易行的标定模板,采用Tsai两步法进行标定,得出了摄像机内外部参数。以VoyagerⅡ机器人为平台,采用MATLAB中的模糊工具箱设计了模糊控制规则,利用VC++开发了一套视觉导航控制软件,进行了大量的除草机器人导航控制程序调试与实验,证实了模糊控制算法的有效性,基本实现了基于机器视觉的除草机器人导航。最后,本文针对除草机器人在农田外的导航,建立了GPS/数字罗盘组合导航系统非线性联合卡尔曼滤波模型,并对组合导航软件进行了设计,实现了组合导航技术的理论研究。上述工作,为课题的进一步研究奠定了理论和技术基础。

论文目录

• 致谢
• 摘要
• Abstract
• 第1章 绪论
• 1.1 农业机器人导航技术
• 1.1.1 农业机器人导航技术研究现状
• 1.1.2 除草机器人导航技术研究现状
• 1.2 机器视觉研究现状
• 1.3 多传感器信息融合技术研究现状
• 1.4 课题的研究意义及主要内容
• 1.4.1 研究意义
• 1.4.2 主要内容
• 第2章 玉米行与土壤背景分割研究
• 2.1 图像颜色模型的选择
• 2.1.1 HSI颜色模型
• 2.1.2 RGB颜色模型
• 2.1.3 图像处理结果分析
• 2.2 图像灰度化
• 2.3 基于阈值的分割方法
• 2.3.1 迭代法
• 2.3.2 最大类间方差法
• 2.3.3 图像处理结果分析
• 2.4 图像后期处理
• 2.4.1 数学形态学处理
• 2.4.2 中值滤波
• 2.4.3 图像处理结果分析
• 2.5 本章小结
• 第3章 玉米行导航线的识别研究
• 3.1 基于区域的图像处理
• 3.1.1 区域填充
• 3.1.2 区域标定
• 3.1.3 区域属性
• 3.2 导航定位点的提取
• 3.2.1 图像带的划分
• 3.2.2 定位点的提取
• 3.2.3 定位点的归类
• 3.3 定位点的线性拟合
• 3.3.1 Hough变换基本原理
• 3.3.2 最小二乘法
• 3.3.3 Hough变换与最小二乘法相结合的直线拟合
• 3.4 实验结果
• 3.5 本章小结
• 第4章 除草机器人视觉导航控制技术研究
• 4.1 摄像机标定
• 4.2 模糊导航控制的实现
• 4.2.1 模糊控制器的设计
• 4.2.2 模糊控制算法的程序实现
• 4.3 软件设计
• 4.4 机器人控制实验
• 4.5 本章小结
• 第5章 除草机器人组合导航技术研究
• 5.1 GPS/DR系统原理
• 5.1.1 GPS系统定位原理及误差源
• 5.1.2 DR系统定位原理及误差源
• 5.2 GPS/DR组合导航
• 5.2.1 GPS系统的Kalman模型设计
• 5.2.2 DR系统的Kalman模型设计
• 5.2.3 GPS/DR组合导航系统联合Kalman滤波算法
• 5.3 组合导航软件设计
• 5.4 本章小结
• 第6章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 附录
• 详细摘要
• Abstract