无人驾驶农业机械导航系统研究

摘要

传统的农业机械驾驶操作主要依靠操作人员操作完成，效率较低下、劳动强度大，且农业机械操作效果主要取决于操作人员的工作经验、操作时身体状况。无人驾驶技术可以实现农业机械自主行驶与自主作业，有效提高工作效率及农机使用率;同时无人驾驶的农业机械可以有效降低因操作人员疲劳、疏忽、工作经验不足等因素产生的误操作，提高了农机驾驶的安全性。本文以农田道路的行驶环境为研究对象，对基于机器视觉导航的无人驾驶导航系统进行深入研究。主要研究内容有:　　(1)采用CCD摄像机搭建双目立体视觉系统。根据透镜成像原理，通过张正友标定法对双目立体视觉系统试验平台进行分析和标定。在Matlab2014环境下，采用Camera Calibration开发包求得摄像机标定后的内外参数及摄像机畸变系数。将标定好的双目立体视觉系统放在实验室外的露台上进行试验，通过手工选取图像内特征点，计算特征点的测量距离与实测距离相对比，得到双目立体视觉系统的整体平均误差为12.66％。　　(2)将机器视觉试验平台搭载在农业机械上，在不同天气状况和路况条件下拍摄了90幅不同角度的农田路面试验照片。分别采用最大类间方差法、最小误差法、最大熵法及遗传算法等方法对农田道路图像进行阈值分割，并用膨胀、腐蚀、开运算、闭运算、空洞填充等图像处理方法对分割后的图像进行路面提取。由实验分析可得:通过遗传算法进行图像分割方法获得的路面区域与人眼识别的路面区域之间差别最小，仅为1.37％。采用遗传算法分割其余拍摄图像，图像分割成功率达到了84.44％。　　(3)采用SIFT特征匹配算法对分割后的农田路面进行特征点提取与匹配，每组图像可得到不少于100对匹配特征点对。结合通过标定得到的双目立体视觉系统的平均误差，通过SIFT特征匹配算法得到的路面特征点测量距离与实际距离误差小于7.01％，基本满足无人驾驶农用机械的工作要求。　　(4)求取分割后农田路面图像的边缘信息，得到含有道路边线的二值图像。通过对该二值图像逐行扫描，记录同一行路面边线的第一个像素点坐标与最后一个像素点坐标，求两者纵坐标均值后得到路面的导航中心点。再通过最小二乘法对导航中心点进行曲线拟合得到导航中心线。仿真试验表明:通过二阶与三阶最小二乘法拟合得到的导航中心线与真实路面导航路径相吻合，符合无人驾驶农用机械的行驶需求。　　本文通过机器视觉原理为无人驾驶农用机械提供路面信息及路径规划。与传统GPS导航相比，采用机器视觉导航可以更为精准的识别前方路面信息，同时根据路面信息特征改变作出相应的响应。拓展了机器视觉在问人家是农用机械导航领域的运用。

目录

声明

摘要

1 绪论

1．1 研究背景与意义

1．2 国内外研究动态

1．2．1 国外研究动态

1．2．2 国内研究动态

1．3．1 技术路线

1．3．2 研究内容

2 双目立体视觉系统的搭建和摄像机标定

2．1 试验仪器

2．2 摄像机标定算法

2．2．1 摄像机参考坐标系

2．2．2 线性模型

2．2．3 非线性模型

2．3 摄像机内参数标定试验

2．3．1 摄像机标定流程

2．3．2 标定结果分析

2．4．1 立体信息恢复试验

2．4．2 试验结果与误差分析

2．5 本章小结

3 农田道路分割及区域提取

3．1 农田道路拍摄

3．2 几种常见的图像分割模型

3．2．1 基于最大类间方差法的阈值分割

3．2．2 基于最大熵法的阈值分割

3．2．3 基于最小误差法的阈值分割

3．2．4 基于遗传算法的阈值分割

3．3 农田道路路面区域分割定性分析

3．4 图像分割试验结果定量分析

3．5 本章小结

4 农田道路三维信息获取

4．1 图像特征类别

4．1．1 图像点特征

4．1．2 图像线特征

4．1．3 图像面特征

4．2 图像局部特征匹配

4．3 试验结果与分析

4．3．1 匹配试验

4．3．2 试验结果分析

4．3．3 障碍物三维信息求法

4．4 本章小结

5 农田道路路径规划

5．1 最小二乘法原理

5．2 基于最小二乘法的导航中心线获取

5．3 试验结果分析

5．4 本章小结

6 总结与展望

6．1 总结

6．2 不足与展望

参考文献

致谢