無人駕駛農(nóng)業(yè)機械導航系統(tǒng)研究.pdf

1、傳統(tǒng)的農(nóng)業(yè)機械駕駛操作主要依靠操作人員操作完成，效率較低下、勞動強度大，且農(nóng)業(yè)機械操作效果主要取決于操作人員的工作經(jīng)驗、操作時身體狀況。無人駕駛技術(shù)可以實現(xiàn)農(nóng)業(yè)機械自主行駛與自主作業(yè)，有效提高工作效率及農(nóng)機使用率;同時無人駕駛的農(nóng)業(yè)機械可以有效降低因操作人員疲勞、疏忽、工作經(jīng)驗不足等因素產(chǎn)生的誤操作，提高了農(nóng)機駕駛的安全性。本文以農(nóng)田道路的行駛環(huán)境為研究對象，對基于機器視覺導航的無人駕駛導航系統(tǒng)進行深入研究。主要研究內(nèi)容有:
　　

2、(1)采用CCD攝像機搭建雙目立體視覺系統(tǒng)。根據(jù)透鏡成像原理，通過張正友標定法對雙目立體視覺系統(tǒng)試驗平臺進行分析和標定。在Matlab2014環(huán)境下，采用Camera Calibration開發(fā)包求得攝像機標定后的內(nèi)外參數(shù)及攝像機畸變系數(shù)。將標定好的雙目立體視覺系統(tǒng)放在實驗室外的露臺上進行試驗，通過手工選取圖像內(nèi)特征點，計算特征點的測量距離與實測距離相對比，得到雙目立體視覺系統(tǒng)的整體平均誤差為12.66％。
　　(2)將機器視覺試

3、驗平臺搭載在農(nóng)業(yè)機械上，在不同天氣狀況和路況條件下拍攝了90幅不同角度的農(nóng)田路面試驗照片。分別采用最大類間方差法、最小誤差法、最大熵法及遺傳算法等方法對農(nóng)田道路圖像進行閾值分割，并用膨脹、腐蝕、開運算、閉運算、空洞填充等圖像處理方法對分割后的圖像進行路面提取。由實驗分析可得:通過遺傳算法進行圖像分割方法獲得的路面區(qū)域與人眼識別的路面區(qū)域之間差別最小，僅為1.37％。采用遺傳算法分割其余拍攝圖像，圖像分割成功率達到了84.44％。

4、　　(3)采用SIFT特征匹配算法對分割后的農(nóng)田路面進行特征點提取與匹配，每組圖像可得到不少于100對匹配特征點對。結(jié)合通過標定得到的雙目立體視覺系統(tǒng)的平均誤差，通過SIFT特征匹配算法得到的路面特征點測量距離與實際距離誤差小于7.01％，基本滿足無人駕駛農(nóng)用機械的工作要求。
　　(4)求取分割后農(nóng)田路面圖像的邊緣信息，得到含有道路邊線的二值圖像。通過對該二值圖像逐行掃描，記錄同一行路面邊線的第一個像素點坐標與最后一個像素點坐標，

5、求兩者縱坐標均值后得到路面的導航中心點。再通過最小二乘法對導航中心點進行曲線擬合得到導航中心線。仿真試驗表明:通過二階與三階最小二乘法擬合得到的導航中心線與真實路面導航路徑相吻合，符合無人駕駛農(nóng)用機械的行駛需求。
　　本文通過機器視覺原理為無人駕駛農(nóng)用機械提供路面信息及路徑規(guī)劃。與傳統(tǒng)GPS導航相比，采用機器視覺導航可以更為精準的識別前方路面信息，同時根據(jù)路面信息特征改變作出相應的響應。拓展了機器視覺在問人家是農(nóng)用機械導航領域的運