论文部分内容阅读
联合收割机是农业生产中最重要的农业机械之一,联合收割机的无人化作业问题逐渐成为国内外学者的研究热点。本文针对收割机田间谷物特征自适应的无人化作业问题设计了基于深度视觉的收割机无人驾驶系统,提出了基于图像的割茬线导航方法、倒伏和漏播区域的识别方法以及穗头带区域特征的提取方法,并据此进行了实验室和田间实验研究,为实现大田环境下收割机的无人驾驶及收割作业提供了装备及技术支撑,具体研究和工作内容如下:(1)根据收割机折返式和绕圈式作业路径方式的比较分析,确定田间割茬与收割机的位姿关系,结合远景的割茬线和倒伏及漏播区域以及近景的穗头带区域识别需求,通过建立机器-相机-谷物的相对位姿三维数学模型并对相关参数分析优化,提出主-从式深度相机侧倾式安装方案,进而完成面向收割机无人驾驶的深度视觉系统的最优配置方案设计。(2)立足于全液压式传动的收割机硬件平台,结合深度相机识别参数和收割机无人化作业的实际需要,基于LabVIEW和PLC平台开发了导航上位机软件和下位机无人化控制系统,并设计横向偏差以及航向角的计算方程和通讯协议,结合履带式转向控制模型完成基于深度视觉的收割机全无人化系统的开发。(3)针对收割机无人化作业过程中对谷物特征的识别反馈需求,根据深度相机获取的田间谷物深度信息和红外信息,分别开发基于远景的谷物割茬线及倒伏、漏播区域提取算法和基于近景的谷物穗头带区域提取算法,通过迭代Hough变换、Canny检测以及一系列的滤波算法,提取出上述特征位置参数、完整轮廓以及几何信息,并设计相关试验验证。(4)根据构建的软硬件平台设计相关验证试验,通过采集田间和边界处的割茬图像验证上位机的割茬线识别精度,结果表明,在三种条件下其横向误差平均值最大为26.710mm,航向误差平均值最大为2.0191°;通过对收割机无人驾驶系统进行模拟割茬直线路径跟踪试验,结果表明,该系统在不同光照条件下直线路径横向偏距波动平均值在10.6~39.8mm之间,曲线路径横向偏距波动平均值在35.6~108.6mm之间。