自主导航智能农业车辆的全景视觉系统关键技术研究

摘要

视觉技术是实现智能农业车辆自主导航的关键技术，是国内外相关领域研究的热点问题。本文研究的全景视觉系统，相较传统的视觉技术，能有效实现360°无盲区的环境信息获取，能更好地实现智能农业车辆的视觉自主导航。
　　本文对全景视觉导航系统总体进行设计，对多目全景视觉图像的快速拼接、全景视觉光线自适应、基于全景视觉的运动目标检测与跟踪、基于全景视觉的同时定位与地图创建等应用于自主导航农业车辆的全景系统关键技术进行重点研究，并在经过电控改造的东方红SG250型拖拉机平台上进行试验。主要研究内容和结论包括:
　　1、对多目全景视觉系统进行了研究，提出了全景视觉图像快速拼接方法。首先，对多目视觉系统结构进行研究分析，并对系统硬件平台进行设计与实现。然后，具体研究分析改进的多目全景图像快速拼接算法。改进算法通过多线程并行方式，提高获取多相机图像的速度，通过相机标定，减少相机图像的畸变，通过基于边缘的RANSAC-SIFT改进算法，既避免全局运算减少耗时，又对特征点进行优化，提高特征点匹配效果，进而提高多目全景视觉图像的拼接效果。试验结果表明:改进的全景图像快速拼接算法，通过实际测试，能有效完成多目全景视觉系统图像获取、相机标定、特征提取与优化、特征点匹配和全景图像拼接等功能。改进的全景图像快速拼接方法，在对选取的分辨率为512×256像素图像组进行处理分析时，特征点匹配准确率达到91.6％，而运算时间仅为0.27s。改进方法与传统方法相比，平均匹配准确率提高了25.6％，算法运算速度提高了25.0％。
　　2、对自主导航农业车辆实际应用中的野外不同环境光线对全景视觉成像质量影响问题进行研究，提出了全景视觉光线自适应方法。首先，对光线强度采集、控制处理、数据无线传输等硬件电路模块进行设计实现。其次，对视觉成像系统进行分析，具体研究数字成像原理分析、成像曝光控制和成像质量评价等相关内容。然后，研究分析多目全景视觉光线自适应算法的实现过程。试验结果表明:改进的光线自适应算法，在正常光线、较强光线、较弱光线三种情况下，均能明显提高全景视觉图像的成像质量。相较未经改进的原始算法，在光线较亮情况下，改进的光线自适应算法，图像平均二维信息熵提高47.1％，平均梯度值提高60.9％;在光线较暗情况下，改进的光线自适应算法，图像平均二维信息熵提高30.3％，平均梯度值提高76.4％。在不同光线情况下，改进的光线自适应算法，单次平均耗时0.36s，相较于传统多曝光处理算法，速度平均加快75.5％。
　　3、对自主导航智能农业车辆行驶作业的安全性问题进行了研究，提出了基于全景视觉的运动目标检测与跟踪方法。该方法采用全景视觉进行无盲区的运动障碍目标的检测，并解决了多运动目标跟踪中遮挡重叠的问题。首先，采用改进的CLG(Combined Local-Global)光流法来检测运动障碍目标。其次，采用分段图像的改进核函数算法对运动目标进行快速自动检测跟踪。然后，通过基于路径预测的粒子滤波多目标跟踪算法对多运动目标进行跟踪，并通过路径预测有效地解决多运动目标遮挡的问题。试验结果表明:改进的CLG光流法，运动障碍的平均检测时间为1.55秒，平均成功率为95.0％，相较于比传统HS光流法，检测成功率提高22.3％，速度加快47.8％。改进的核函数运动目标快速算法，相较于传统核函数跟踪算法，减少系统内存消耗66.8％，跟踪成功率提高24.4％，运算速度提高35.63％。改进的基于路径预测的粒子滤波多运动目标跟踪算法，多运动目标的平均检测时间为0.78s，比传统算法，速度加快37.3％，跟踪成功率提高33.1％。在多运动目标存在遮挡的情况下，改进算法比传统算法速度加快46.8％，跟踪成功率提高39.5％。
　　4、对自主导航农业车辆同时定位与地图创建问题进行了研究，提出了基于全景视觉的同时定位于地图创建方法（PV-SLAM）。首先，研究了惯性导航系统原理，并设计实现惯性测量单元的硬件电路模块。其次，研究建立了农业车辆运动模型和全景视觉系统观测模型。然后，分析阐释了PV-SLAM算法实现流程和步骤，其主要思路是将多目全景视觉(PV)和惯性测量单元(IMU)结合，采用扩展卡尔曼滤波(EKF)，实现自主导航智能农业车辆的PV-SLAM过程。试验结果表明:相较传统视觉SLAM算法，PV-SLAM方法，在较少或无固定路标情况下，获取环境路标数平均增加80.2％，成功率提高15.8％，在x和y方向平均误差分别为0.065m和0.062m，定位平均误差0.108m，在x和y方向平均精度分别提高35.3％和37.8％，定位平均精度提高36.2％。其中在路径不闭合情况下，在x和y方向平均精度分别提高27.4％和29.5％，定位平均精度提高28.3％;在路径闭合情况下，在x和y方向平均精度分别提高43.1％和46.1％，定位平均精度提高44.1％。PV-SLAM能较准确完整地提取环境路标信息，故对环境固定路标的依赖较小，在农业作业的闭环路径重复作业中效果较好。

目录

声明

摘要

第一章 绪论

1．1 课题研究背景及意义

1．2 国内外研究现状

1．2．1 国外研究现状

1．2．2 国内研究现状

1．2．3 存在问题

1．3 课题来源

1．4 课题研究目标和内容

1．4．1 研究目标

1．4．2 研究内容

1．5 技术路线

1．6 文章结构与思路

参考文献

第二章 全景视觉导航系统总体设计

2．1 设计总体思路

2．2 设计实现目标

2．3 硬件系统总体设计

2．3．1 硬件系统功能

2．3．2 硬件系统模块组成

2．4 软件系统总体设计

2．4．1 软件系统功能

2．4．2 软件系统组成

2．4．3 设计流程

2．5 本章小结

参考文献

第三章 全景视觉图像快速拼接方法研究

3．1 全景视觉系统概述

3．2 多目全景视觉系统结构

3．3 多目全景视觉系统硬件平台

3．3．1 图像数据采集模块

3．3．2 视频图像无线传输监控与调试模块

3．4 改进的多目全景图像快速拼接算法

3．4．1 多目视觉图像快速获取

3．4．2 相机标定

3．4．3 基于SIFT算法的特征点提取与匹配

3．4．4 基于改进RANSAC-SIFT算法的匹配点优化

3．5 试验与分析

3．5．1 全景图像获取与拼接试验

3．5．2 算法主要参数测试试验

3．6 本章小结

参考文献

第四章 全景视觉光线自适应系统研究

4．1 光线自适应概述

4．2 光线自适应系统硬件模块设计

4．2．1 光线强度采集硬件模块设计

4．2．2 控制处理硬件模块设计

4．2．3 数据无线传输硬件模块设计

4．3 视觉成像系统

4．3．1 数字成像原理

4．3．2 成像曝光控制

4．3．3 成像质量评价参数

4．4 多目全景视觉光线自适应算法实现

4．4．1 算法总体流程

4．4．2 相机响应函数求取

4．4．3 数据匹配与更新

4．4．4 光线自适应曝光时间调整

4．5 试验与分析

4．5．1 光线自适应算法成像试验

4．5．2 主要成像质量指标测试试验

4．5．3 算法实时性测试试验

4．6 本章小结

参考文献

第五章 基于全景视觉的运动目标检测与跟踪方法研究

5．1 运动目标检测与跟踪概述

5．2 基于全景光流法的运动障碍目标检测

5．2．1 光流算法

5．2．2 基于改进CLG光流法的运动障碍快速检测

5．3 改进的核函数运动目标快速跟踪算法

5．3．1 核函数目标跟踪算法

5．3．2 多线程的多目视觉图像预处理

5．3．3 分段图像的改进核函数目标快速跟踪算法

5．4 基于路径预测的粒子滤波多目标跟踪

5．4．1 抗目标遮挡的路径预测

5．4．2 基于路径预测的粒子滤波多目标跟踪算法

5．5 试验与分析

5．5．1 改进CLG光流法的运动障碍快速检测试验

5．5．2 改进核函数快速跟踪算法主要参数测试

5．5．3 多运动目标检测跟踪试验

5．6 本章小结

参考文献

第六章 基于全景视觉的同时定位与地图创建方法研究

6．1 同时定位与地图创建(SLAM)概述

6．2 惯性导航系统

6．2．1 惯性测量单元原理

6．2．2 惯性测量单元硬件电路模块设计

6．3 模型建立

6．3．1 农业车辆运动模型

6．3．2 全景视觉系统观测模型

6．4 PV-SLAM算法

6．4．1 算法流程

6．4．2 算法实现

6．5 试验与分析

6．5．1 环境路标获取试验

6．5．2 PV-SLAM测试试验

6．6 本章小结

参考文献

第七章 研究结论与建议

7．1 研究结论

7．2 主要创新内容

7．3 后续研究建议

攻读博士学位期间的科研成果

致谢

附录