CN108196538B - 基于三维点云模型的田间农业机器人自主导航系统及方法 - Google Patents
基于三维点云模型的田间农业机器人自主导航系统及方法 Download PDFInfo
- Publication number
- CN108196538B CN108196538B CN201711418660.1A CN201711418660A CN108196538B CN 108196538 B CN108196538 B CN 108196538B CN 201711418660 A CN201711418660 A CN 201711418660A CN 108196538 B CN108196538 B CN 108196538B
- Authority
- CN
- China
- Prior art keywords
- formula
- scanning
- line
- canopy
- points
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 21
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 241001676573 Minium Species 0.000 claims description 3
- 238000005286 illumination Methods 0.000 abstract description 5
- 230000007547 defect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种基于三维点云模型的田间农业机器人自主导航系统，包括地面激光雷达，用于对地面进行扫描；控制器，用于对地面激光雷达扫描获得的田间作物数据进行处理，得出导航线路；马达驱动器，通过接收控制器发出的导航线路对马达进行控制；马达，用于控制机器人车轮转动方向和速度。本发明能够改进现有技术的不足，规划导航路线速度快，准确性高，不受天气和外界光照条件影响。
Description
技术领域
本发明涉及农业机器人导航技术领域，尤其是一种基于三维点云模型的田间农业机器人自主导航系统及方法。
背景技术
当前农业机器人的导航方式主要有以下几种：1.信标导航。在工作环境内的若干确定位置设置信标，机器人通过自身安装的测距装置测量其与信标之间的距离和角度，并推算出自身的位置，以此为依据进行导航。这种导航方式需要预先在不同的位置设置信标，并预先规划导航路径，不能做到即来即走；2.GPS导航。该种导航方法根据GPS位置信息进行导航，但是也需要预先规划导航路径，而且不能根据现场环境自行动态调整，同时其抗干扰能力较差，在受到树木、房屋遮挡时，信息容易丢失；3.视觉导航。机器人根据摄像机对周围环境进行实时探测，并根据探测到的现场信息实时规划导航路径，这种导航方式无需预先规划导航路径和人工干预。但是当前视觉导航多用2D CCD相机或者双目立体视觉相机进行环境的探测，并通过对相机拍摄到的图片进行图像处理，从而找出导航线。这种方式最大的缺点就是相机所拍照片受外界光照影响较大，太阳光线的强弱对其导航线的提取以及导航准确性具有较大的影响。
综上所述，现有的大部分农业机器人导航方法要么需要预先规划导航路径，不能做到即来即走，要么受外界光照影响较大，导航准确性会随天气变化而变化。
发明内容
本发明要解决的技术问题是提供一种基于三维点云模型的田间农业机器人自主导航系统及方法，能够解决现有技术的不足，规划导航路线速度快，准确性高，不受天气和外界光照条件影响。
为解决上述技术问题，本发明所采取的技术方案如下。
一种基于三维点云模型的田间农业机器人自主导航系统，包括，
地面激光雷达，用于对地面进行扫描；
控制器，用于对地面激光雷达扫描获得的田间作物数据进行处理，得出导航线路；
马达驱动器，通过接收控制器发出的导航线路对马达进行控制；
马达，用于控制机器人车轮转动方向和速度。
作为优选，所述地面激光雷达安装在机器人前部并向下倾斜。
一种上述的基于三维点云模型的田间农业机器人自主导航系统的方法，包括以下步骤：
A、系统初始化，设置地面激光雷达的扫描角度和分辨率，扫描角度影响扫描的宽度，分辨率影响每条线的扫描点数及扫描的速度，扫描速度决定了机器人的最大移动速度，根据具体地形地貌以及作物生长情况进行设置；
B、启动地面激光雷达进行扫描，并将扫描到的数据从极坐标系转换到笛卡尔坐标系；
C、将扫描数据分别在笛卡尔坐标系的X、Y、Z轴进行投影，地面激光雷达所在位置即为笛卡尔坐标系的原点，X轴代表扫描宽度，Y轴代表机器人前进的方向，Z轴代表扫描高度；
D、根据笛卡尔坐标系的扫描数据生成地面及作物冠层形态的三维点云模型；
E、采用最小二乘法，根据每一条沿X轴方向的扫描线的数据对点云模型构造出的作物冠层进行逐条线的曲线拟合；
F、对扫描线得到拟合多项式函数求1个极大值和2个极小值，极大值代表作物冠层的1个最高点，极小值代表作物冠层的左右2个最低点，根据冠层的轮廓特征，冠层的左右两个最低点就是冠层投影与地面的左右交界点；
G、对所有得到的极值点求其算术平均值和标准差，将符合要求的极大值和所有的极小值沿Y轴方向连接，连接线即为导航标定线；
H、根据导航线的方向和角度控制马达驱动器；
I、马达驱动器控制机器人轮子的速度和转向，最终实现机器人的运动状态控制。
作为优选，步骤E中，对作物冠层进行曲线拟合包括以下步骤，
E1、设每一条作物冠层扫描曲线为公式(1)，
y＝a0+a1x+a2x2+a3x3+a4x4+a5x5 (1)
上述公式中，a0、a1、…、a5为设定的拟合曲线的系数；
E2、利用公式(2)计算该条线上每一个扫描点xi到这条曲线的距离之和，并计算与实际扫描点yi的偏差之和，
上述公式中R代表偏差；
E3、对公式(2)右边分别求a0、a1、…、a5的偏导数，如公式(3)所示，
E4、将公式(3)转化为公式(4)所示矩阵，
E5、将公式(4)所示矩阵转化为公式(5)所示矩阵，
E6、公式(5)等价为公式(6)，公式(6)转化为公式(7)，由公式(7)可以求出系数矩阵A，即a0、a1、…、a5，由此得到确定的拟合曲线；
X*A＝Y (6)
A＝X-1*Y (7)
公式(6)中的X,A,Y分别对应公式(5)中的三个矩阵，其中A为系数矩阵，系数矩阵中的各元素即为拟合曲线的各个系数，公式(7)中X-1代表矩阵X的逆矩阵。
作为优选，步骤F中极值的求解包括以下步骤，
F1、根据公式(8)求每条扫描线拟合曲线的一阶导数的驻点
y′＝a1+2a2x+3a3x2+4a4x3+5a5x4＝0 (8)
根据公式(8)得到驻点x1，x2，…xn；
F2、根据公式(9)求每条扫描线拟合曲线的二阶导数
y″＝2a2+6a3x+12a4x2+20a5x3 (9)
然后求二阶导数在所有驻点x1，x2，…xn的值，并根据公式(10)判定其为极大值或极小值
上式中maximum代表极大值，minimum代表极小值；若极大值多于1个，则取最大值；若极小值多于2个，则将极小值按照驻点xi的大小顺序排序，取最大的xi和最小的xi所对应的极小值；得到1个极大值和2个极小值，极大值代表作物冠层的1个最高点，极小值代表作物冠层的左右2个最低点，根据冠层的轮廓特征，冠层的左右两个最低点就是冠层投影与地面的左右交界点。
作为优选，步骤G中，确定导航标定线包括以下步骤，
对所有得到的极值点根据公式(11)和公式(12)求其算术平均值和标准差，
公式(11)中n代表极值点个数，x代表极值点的值，i代表极值点的序号，xi代表第i个极值点，
代表所有极值点的算术平均值；公式(12)中，n代表极值点个数，di代表每一个极值点和平均值的偏差，σ代表标准差；
根据公式(13)选择所有满足条件的极值点，然后将所有的极大值和所有的极小值沿Y轴方向连接，连接线即为3条导航标定线，每条线包括1个极大值和2个极小值。
采用上述技术方案所带来的有益效果在于：本发明利用地面激光雷达代替CCD相机，并且根据地面激光雷达采集的数据，生成现场三维点云模型，在此模型基础上提取导航线，并实现自主导航。本发明提出的方法不用预先规划导航路径，不受天气和外界光照条件影响，直接得到距离信息，速度快，准确性高，可以做到即来即走、无需人工干预。
附图说明
图1是本发明一个具体实施方式的结构图。
图2是本发明一个具体实施方式的导航流程图。
具体实施方式
参照图1-2，本发明一个具体实施方式包括，
地面激光雷达1，用于对地面进行扫描；
控制器2，用于对地面激光雷达1扫描获得的田间作物数据进行处理，得出导航线路；
马达驱动器3，通过接收控制器2发出的导航线路对马达4进行控制；
马达4，用于控制机器人车轮转动方向和速度。
地面激光雷达1安装在机器人前部并向下倾斜。
一种上述的基于三维点云模型的田间农业机器人自主导航系统的方法，包括以下步骤：
A、系统初始化，设置地面激光雷达的扫描角度和分辨率，扫描角度影响扫描的宽度，分辨率影响每条线的扫描点数及扫描的速度，扫描速度决定了机器人的最大移动速度，根据具体地形地貌以及作物生长情况进行设置；
B、启动地面激光雷达进行扫描，并将扫描到的数据从极坐标系转换到笛卡尔坐标系；
C、将扫描数据分别在笛卡尔坐标系的X、Y、Z轴进行投影，地面激光雷达所在位置即为笛卡尔坐标系的原点，X轴代表扫描宽度，Y轴代表机器人前进的方向，Z轴代表扫描高度；
D、根据笛卡尔坐标系的扫描数据生成地面及作物冠层形态的三维点云模型；
E、采用最小二乘法，根据每一条沿X轴方向的扫描线的数据对点云模型构造出的作物冠层进行逐条线的曲线拟合；
F、对扫描线得到拟合多项式函数求1个极大值和2个极小值，极大值代表作物冠层的1个最高点，极小值代表作物冠层的左右2个最低点，根据冠层的轮廓特征，冠层的左右两个最低点就是冠层投影与地面的左右交界点；
G、对所有得到的极值点求其算术平均值和标准差，将符合要求的极大值和所有的极小值沿Y轴方向连接，连接线即为导航标定线；
H、根据导航线的方向和角度控制马达驱动器；
I、马达驱动器控制机器人轮子的速度和转向，最终实现机器人的运动状态控制。
步骤E中，对作物冠层进行曲线拟合包括以下步骤，
E1、设每一条作物冠层扫描曲线为公式(1)，
y＝a0+a1x+a2x2+a3x3+a4x4+a5x5 (1)
上述公式中，a0、a1、…、a5为设定的拟合曲线的系数；
E2、利用公式(2)计算该条线上每一个扫描点xi到这条曲线的距离之和，并计算与实际扫描点yi的偏差之和，
上述公式中R代表偏差；
E3、对公式(2)右边分别求a0、a1、…、a5的偏导数，如公式(3)所示，
E4、将公式(3)转化为公式(4)所示矩阵，
E5、将公式(4)所示矩阵转化为公式(5)所示矩阵，
E6、公式(5)等价为公式(6)，公式(6)转化为公式(7)，由公式(7)可以求出系数矩阵A，即a0、a1、…、a5，由此得到确定的拟合曲线；
X*A＝Y (6)
A＝X-1*Y (7)
公式(6)中的X,A,Y分别对应公式(5)中的三个矩阵，其中A为系数矩阵，系数矩阵中的各元素即为拟合曲线的各个系数，公式(7)中X-1代表矩阵X的逆矩阵。
步骤F中极值的求解包括以下步骤，
F1、根据公式(8)求每条扫描线拟合曲线的一阶导数的驻点
y′＝a1+2a2x+3a3x2+4a4x3+5a5x4＝0 (8)
根据公式(8)得到驻点x1，x2，…xn；
F2、根据公式(9)求每条扫描线拟合曲线的二阶导数
y″＝2a2+6a3x+12a4x2+20a5x3 (9)
然后求二阶导数在所有驻点x1，x2，…xn的值，并根据公式(10)判定其为极大值或极小值
上式中maximum代表极大值，minimum代表极小值；若极大值多于1个，则取最大值；若极小值多于2个，则将极小值按照驻点xi的大小顺序排序，取最大的xi和最小的xi所对应的极小值；得到1个极大值和2个极小值，极大值代表作物冠层的1个最高点，极小值代表作物冠层的左右2个最低点，根据冠层的轮廓特征，冠层的左右两个最低点就是冠层投影与地面的左右交界点。
步骤G中，确定导航标定线包括以下步骤，
对所有得到的极值点根据公式(11)和公式(12)求其算术平均值和标准差，
公式(11)中n代表极值点个数，x代表极值点的值，i代表极值点的序号，xi代表第i个极值点，
代表所有极值点的算术平均值；公式(12)中，n代表极值点个数，di代表每一个极值点和平均值的偏差，σ代表标准差；
根据公式(13)选择所有满足条件的极值点，然后将所有的极大值和所有的极小值沿Y轴方向连接，连接线即为3条导航标定线，每条线包括1个极大值和2个极小值。
在地面激光雷达1扫描过程中，每个扫面点的扫描时间控制在13ms，扫描频率为75Hz。获得扫描数据点后，依次计算每个数据点与其它数据点之间的欧氏距离，使用每个数据点上所有欧氏距离之和作为此数据点的数据密度，使用数据密度计算扫描点的数据质心，在数据质心上，任意对称方向上的数据点的密度与其距离数据质心的距离乘积之和均相等。然后以数据质心为中心，向外环形扫描数据点，当数据点数量与扫描环形面积之比为最大值时，确定此时在扫描面积内的数据点为有效数据点，使用最小二乘法进行聚类计算，确定扫描点位置。通过对扫面点的高频率扫描和后续处理，可以有效降低扫描过程中外界干扰对于扫描准确度的影响。
在得到作物冠层拟合曲线后，对拟合曲线进行存储。将拟合曲线按照时间顺序进行排列，绘制处于同一Y轴坐标上的扫描点的X轴坐标曲线图，根据绘制的曲线图对未来的扫描点X轴坐标进行预测：计算曲线图末尾的斜率，以此斜率为中心点，在偏差阈值的范围内，取历史曲线上出现最多的X坐标作为预测值。当控制器计算出实际扫描点X轴坐标后，再对预测值进行修正。通过对扫描点的预测，可以得出预测的拟合曲线，从而降低控制器的数据处理效率对机器人前进速度的限制。
在预测过程中，建立风向、风力与X轴坐标曲线图的映射关系，在计算预测值时，根据实时风向、风力对预测值进行加权修正，加权修正的加权系数与风向成正比，加权系数最大值不超过0.15。
在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (4)
1.一种基于三维点云模型的田间农业机器人自主导航系统的方法，所述基于三维点云模型的田间农业机器人自主导航系统包括，
地面激光雷达(1)，用于对地面进行扫描；
控制器(2)，用于对地面激光雷达(1)扫描获得的田间作物数据进行处理，得出导航线路；
马达驱动器(3)，通过接收控制器(2)发出的导航线路对马达(4)进行控制；
马达(4)，用于控制机器人车轮转动方向和速度；
所述地面激光雷达(1)安装在机器人前部并向下倾斜；
其特征在于包括以下步骤：
A、系统初始化，设置地面激光雷达的扫描角度和分辨率，扫描角度影响扫描的宽度，分辨率影响每条线的扫描点数及扫描的速度，扫描速度决定了机器人的最大移动速度，根据具体地形地貌以及作物生长情况进行设置；
B、启动地面激光雷达进行扫描，并将扫描到的数据从极坐标系转换到笛卡尔坐标系；
C、将扫描数据分别在笛卡尔坐标系的X、Y、Z轴进行投影，地面激光雷达所在位置即为笛卡尔坐标系的原点，X轴代表扫描宽度，Y轴代表机器人前进的方向，Z轴代表扫描高度；
D、根据笛卡尔坐标系的扫描数据生成地面及作物冠层形态的三维点云模型；
E、采用最小二乘法，根据每一条沿X轴方向的扫描线的数据对点云模型构造出的作物冠层进行逐条线的曲线拟合；
F、对扫描线得到拟合多项式函数求1个极大值和2个极小值，极大值代表作物冠层的1个最高点，极小值代表作物冠层的左右2个最低点，根据冠层的轮廓特征，冠层的左右两个最低点就是冠层投影与地面的左右交界点；
G、对所有得到的极值点求其算术平均值和标准差，将符合要求的极大值和所有的极小值沿Y轴方向连接，连接线即为导航标定线；
H、根据导航标定线的方向和角度控制马达驱动器；
I、马达驱动器控制机器人轮子的速度和转向，最终实现机器人的运动状态控制。
2.根据权利要求1所述的基于三维点云模型的田间农业机器人自主导航系统的方法，其特征在于：步骤E中，对作物冠层进行曲线拟合包括以下步骤，
E1、设每一条作物冠层扫描曲线为公式(1)，
y＝a0+a1x+a2x2+a3x3+a4x4+a5x5 (1)
上述公式中，a0、a1、…、a5为设定的拟合曲线的系数；
E2、利用公式(2)计算该条线上每一个扫描点xi到这条曲线的距离之和，并计算与实际扫描点yi的偏差之和，
上述公式中R代表偏差；
E3、对公式(2)右边分别求a0、a1、…、a5的偏导数，如公式(3)所示，
E4、将公式(3)转化为公式(4)所示矩阵，
E5、将公式(4)所示矩阵转化为公式(5)所示矩阵，
E6、公式(5)等价为公式(6)，公式(6)转化为公式(7)，由公式(7)可以求出系数矩阵A，即a0、a1、…、a5，由此得到确定的拟合曲线；
X*A＝Y (6)
A＝X-1*Y (7)
公式(6)中的X,A,Y分别对应公式(5)中的三个矩阵，其中A为系数矩阵，系数矩阵中的各元素即为拟合曲线的各个系数，公式(7)中X-1代表矩阵X的逆矩阵。
3.根据权利要求2所述的基于三维点云模型的田间农业机器人自主导航系统的方法，其特征在于：步骤F中极值的求解包括以下步骤，
F1、根据公式(8)求每条扫描线拟合曲线的一阶导数的驻点
y′＝a1+2a2x+3a3x2+4a4x3+5a5x4＝0 (8)
根据公式(8)得到驻点x1，x2，…xn；
F2、根据公式(9)求每条扫描线拟合曲线的二阶导数
y″＝2a2+6a3x+12a4x2+20a5x3 (9)
然后求二阶导数在所有驻点x1，x2，…xn的值，并根据公式(10)判定其为极大值或极小值
上式中maximum代表极大值，minimum代表极小值；若极大值多于1个，则取最大值；若极小值多于2个，则将极小值按照驻点xi的大小顺序排序，取最大的xi和最小的xi所对应的极小值；得到1个极大值和2个极小值，极大值代表作物冠层的1个最高点，极小值代表作物冠层的左右2个最低点，根据冠层的轮廓特征，冠层的左右两个最低点就是冠层投影与地面的左右交界点。
4.根据权利要求1所述的基于三维点云模型的田间农业机器人自主导航系统的方法，其特征在于：步骤G中，确定导航标定线包括以下步骤，
对所有得到的极值点根据公式(11)和公式(12)求其算术平均值和标准差，
公式(11)中n代表极值点个数，x代表极值点的值，i代表极值点的序号，xi代表第i个极值点，
代表所有极值点的算术平均值；公式(12)中，n代表极值点个数，di代表每一个极值点和平均值的偏差，σ代表标准差；
根据公式(13)选择所有满足条件的极值点，然后将所有的极大值和所有的极小值沿Y轴方向连接，连接线即为3条导航标定线，每条线包括1个极大值和2个极小值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711418660.1A CN108196538B (zh) | 2017-12-25 | 2017-12-25 | 基于三维点云模型的田间农业机器人自主导航系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711418660.1A CN108196538B (zh) | 2017-12-25 | 2017-12-25 | 基于三维点云模型的田间农业机器人自主导航系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108196538A CN108196538A (zh) | 2018-06-22 |
| CN108196538B true CN108196538B (zh) | 2020-08-28 |
Family
ID=62583919
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711418660.1A Active CN108196538B (zh) | 2017-12-25 | 2017-12-25 | 基于三维点云模型的田间农业机器人自主导航系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108196538B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110398211A (zh) * | 2019-05-24 | 2019-11-01 | 上海申稷光电科技有限公司 | 一种大型静态目标的建模方法及其系统和装置 |
| CN112445205B (zh) * | 2019-08-15 | 2024-06-14 | 广州极飞科技股份有限公司 | 地面植保设备的控制方法、装置、设备和存储介质 |
| CN111257905B (zh) * | 2020-02-07 | 2022-03-04 | 中国地质大学（武汉） | 一种基于单光子激光点云密度分割的切片自适应滤波算法 |
| CN113759385A (zh) * | 2021-08-12 | 2021-12-07 | 江苏徐工工程机械研究院有限公司 | 一种激光雷达和相机融合测距方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101033972A (zh) * | 2007-02-06 | 2007-09-12 | 华中科技大学 | 一种空间非合作物体三维信息的获取方法 |
| CN205562803U (zh) * | 2016-04-22 | 2016-09-07 | 深圳市速腾聚创科技有限公司 | 一种二维激光雷达的测距装置 |
| CN107064931A (zh) * | 2016-12-11 | 2017-08-18 | 天津市矩辉数据科技有限公司 | 基于遥感数据与地理信息系统的农田参照点筛选方法 |
| CN107249296A (zh) * | 2014-09-23 | 2017-10-13 | 生物炭工程有限公司 | 用于自动种植的技术 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9877470B2 (en) * | 2016-05-10 | 2018-01-30 | Crinklaw Farm Services, Inc. | Robotic agricultural system and method |
-
2017
- 2017-12-25 CN CN201711418660.1A patent/CN108196538B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101033972A (zh) * | 2007-02-06 | 2007-09-12 | 华中科技大学 | 一种空间非合作物体三维信息的获取方法 |
| CN107249296A (zh) * | 2014-09-23 | 2017-10-13 | 生物炭工程有限公司 | 用于自动种植的技术 |
| CN205562803U (zh) * | 2016-04-22 | 2016-09-07 | 深圳市速腾聚创科技有限公司 | 一种二维激光雷达的测距装置 |
| CN107064931A (zh) * | 2016-12-11 | 2017-08-18 | 天津市矩辉数据科技有限公司 | 基于遥感数据与地理信息系统的农田参照点筛选方法 |
Non-Patent Citations (3)
| Title |
|---|
| RaphaëlRouveure，等.PELICAN: Panoramic millimeter-wave radar for perception in mobile robotics applications, Part 1: Principles of FMCW radar and of 2D.《Robotics and Autonomous Systems》.2016,第81卷第1-16页. * |
| 基于激光雷达的农业机器人导航控制研究;薛金林，等;《农业机械学报》;20140930;第45卷(第9期);第55-60页 * |
| 基于激光雷达的果园树干检测;张莹莹，等;《中国农业大学学报》;20151231;第20卷(第5期);第249-255页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108196538A (zh) | 2018-06-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108196538B (zh) | 基于三维点云模型的田间农业机器人自主导航系统及方法 | |
| CN106774431B (zh) | 一种测绘无人机航线规划方法及装置 | |
| CN105955259B (zh) | 基于多窗口实时测距的单目视觉agv的精确定位方法 | |
| CN110703268B (zh) | 一种自主定位导航的航线规划方法和装置 | |
| US11199850B2 (en) | Estimation device, control method, program and storage medium | |
| CN106643719B (zh) | 一种智能割草车的路径规划算法 | |
| CN110119698B (zh) | 用于确定对象状态的方法、装置、设备和存储介质 | |
| CN112505065A (zh) | 一种实现室内无人机对大部件表面缺陷进行检测的方法 | |
| WO2019019147A1 (en) | SELF-EXPLORATION CONTROL OF A ROBOTIC VEHICLE | |
| WO2020014951A1 (zh) | 建立局部障碍物地图的方法、装置及无人机 | |
| CN101067557A (zh) | 适用于自主移动车辆的环境感知的单目视觉导航方法 | |
| CN109002048A (zh) | 一种基于多旋翼无人机的规模化集中式光伏电站图像数据采集方法 | |
| CN113085896B (zh) | 一种现代有轨清洁车辅助自动驾驶系统及方法 | |
| WO2023000337A1 (zh) | 确定道路坡度、车道线投影、显示的方法及装置 | |
| CN115373388A (zh) | 一种舰载机器人的路径规划系统及方法 | |
| CN113593035A (zh) | 一种运动控制决策生成方法、装置、电子设备及存储介质 | |
| CN108363395A (zh) | 一种agv自主避障的方法 | |
| CN112509054A (zh) | 一种相机外参动态标定方法 | |
| CN112308928A (zh) | 一种无标定装置的相机与激光雷达自动标定方法 | |
| CN109490926B (zh) | 一种基于双目相机和gnss的路径规划方法 | |
| CN109444915B (zh) | 一种基于激光雷达数据的危险区域预判方法 | |
| CN113665591A (zh) | 无人驾驶控制方法、装置、设备及介质 | |
| CN113610910A (zh) | 一种移动机器人避障方法 | |
| KR20210046501A (ko) | 무인 잔디 깎기 로봇 및 그 구동 방법 | |
| CN110703771B (zh) | 基于视觉的多设备之间的控制系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |