CN110032193A - 一种智能拖拉机田间避障控制系统及方法 - Google Patents

一种智能拖拉机田间避障控制系统及方法 Download PDF

Info

Publication number
CN110032193A
CN110032193A CN201910360923.0A CN201910360923A CN110032193A CN 110032193 A CN110032193 A CN 110032193A CN 201910360923 A CN201910360923 A CN 201910360923A CN 110032193 A CN110032193 A CN 110032193A
Authority
CN
China
Prior art keywords
module
image
matrix
value
tractor
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.)
Granted
Application number
CN201910360923.0A
Other languages
English (en)
Other versions
CN110032193B (zh
Inventor
杨彦
马芳
罗文华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yancheng Institute of Industry Technology
Yancheng Vocational Institute of Industry Technology
Original Assignee
Yancheng Vocational Institute of Industry Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yancheng Vocational Institute of Industry Technology filed Critical Yancheng Vocational Institute of Industry Technology
Priority to CN201910360923.0A priority Critical patent/CN110032193B/zh
Publication of CN110032193A publication Critical patent/CN110032193A/zh
Application granted granted Critical
Publication of CN110032193B publication Critical patent/CN110032193B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • 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
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • 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
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G05D1/0253—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting relative motion information from a plurality of images taken successively, e.g. visual odometry, optical flow
    • 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
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • 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
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Electromagnetism (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种智能拖拉机田间避障控制系统及方法，包括中央处理模块、图像采集组件、油门控制阀熄火控制组件和电动刹车控制组件，中央处理模块分别与图像采集组件、油门控制阀熄火控制组件和电动刹车控制组件实现双向电性连接，本发明涉及农业种植控制系统技术领域。该智能拖拉机田间避障控制系统及方法，可实现使用实时摄像设备配合简单的深度测距算法，来代替价格昂贵的各个传感设备，大大降低整个拖拉机避障系统的生产设计成本，达到既廉价又高精度的对拖拉机前方的障碍物进行智能识别和避让的目的，同时实现在拖拉机紧急制动避障前对驾驶员进行预警提醒，达到降低多次紧急制动对拖拉机行驶构件造成磨损的目的。

Description

一种智能拖拉机田间避障控制系统及方法
技术领域
本发明涉及农业种植控制系统技术领域，具体为一种智能拖拉机田间避障控制系统及方法。
背景技术
我国虽是农业大国，但智能农业的发展水平却相对落后于欧美等国家，2010年，Bakker,Asselt,Bontsema等人提出的玉米田除草机器人通过拖拉机引导系统分别记录初始路径和播种路径位置(A-B线)，再将(A-B线)引入现有的自动进料器，从而生成拖拉机行走路线图，提高导航精度并且达到避障效果，2011年，Takaibarawid等人通过使用RTK-GPS和IMU作为自主导航传感器，并以不同的速度对履带式拖拉机进行试验，其横向误差为1cm到3cm，同年，Noguchi等人使用二维激光扫描仪作为传感器，放置于拖拉机前段以获取相关距离与角度，当激光扫描仪在设定的扫描范围内检测到前方有障碍物时，导航程序立刻命令拖拉机停止。
目前采用的激光扫描仪、超声波传感器和多路传感设备进行拖拉机的避障制动，虽然有相对较高的精度，但造价对于农民来说却是非常昂贵的，不能实现使用实时摄像设备配合简单的深度测距算法，来代替价格昂贵的各个传感设备，无法达到既廉价又高精度的对拖拉机前方的障碍物进行智能识别和避让的目的，同时不能实现在拖拉机紧急制动避障前对驾驶员进行预警提醒，无法降低多次紧急制动对拖拉机行驶构件造成磨损的目的，大大缩短了拖拉机内部驱动构件的使用寿命，从而给人们长期安全使用拖拉机带来了极大的不便。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种智能拖拉机田间避障控制系统及方法，解决了现有的拖拉机避障系统造价非常昂贵，不能实现使用实时摄像设备配合简单的深度测距算法，来代替价格昂贵的各个传感设备，无法达到既廉价又高精度的对拖拉机前方的障碍物进行智能识别和避让的目的，同时不能实现在拖拉机紧急制动避障前对驾驶员进行预警提醒，无法降低多次紧急制动对拖拉机行驶构件造成磨损的目的，大大缩短了拖拉机内部驱动构件使用寿命的问题。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：一种智能拖拉机田间避障控制系统，包括中央处理模块、图像采集组件、油门控制阀熄火控制组件和电动刹车控制组件，所述中央处理模块分别与图像采集组件、油门控制阀熄火控制组件和电动刹车控制组件实现双向电性连接，所述中央处理模块与目标特征点提取处理单元实现双向电性连接，且目标特征点提取处理单元包括图像亮度增强模块、图像像素RGB灰度值提取模块和特征点分组识别模块，所述图像亮度增强模块的输出端与图像像素RGB灰度值提取模块的输入端电性连接，且图像像素RGB灰度值提取模块的输出端与特征点分组识别模块的输入端电性连接，所述中央处理模块分别与连续图像采集对比分析单元和避碍决策单元实现双向电性连接。
优选的，所述连续图像采集对比分析单元包括单组动态图像导入模块、幅度梯度函数处理分析模块、多组级联整合分析模块和障碍物测距估算模块，所述单组动态图像导入模块的输出端与幅度梯度函数处理分析模块的输入端电性连接。
优选的，所述幅度梯度函数处理分析模块的输出端与多组级联整合分析模块的输入端电性连接，且多组级联整合分析模块的输出端与障碍物测距估算模块的输入端电性连接。
优选的，所述避碍决策单元包括测距估算值导入模块、危险距离值对比模块、刹车控制信号发送模块、危险距离预警模块和行车数据存储模块，所述测距估算值导入模块的输出端与危险距离值对比模块的输入端电性连接。
优选的，所述危险距离值对比模块的输出端分别与刹车控制信号发送模块、危险距离预警模块和行车数据存储模块的输入端电性连接。
优选的，所述中央处理模块分别与GPS卫星定位模块和惯性导航模块实现双向电性连接，且GPS卫星定位模块、惯性导航模块和连续图像采集对比分析单元的输出端均与避障决策单元的输入端电性连接。
优选的，所述图像采集组件的输出端与目标特征点提取处理单元的输出端电性连接，且目标特征点提取处理单元的输出端与障碍物特征识别模块的输入端电性连接，所述障碍物特征识别模块与中央处理模块实现双向电性连接。
优选的，所述油门控制阀熄火控制组件的输出端与电动刹车控制组件的输入端电性连接。
优选的，所述连续图像采集对比分析单元与联网算法数据库实现无线双向连接。
本发明还公开了一种智能拖拉机田间避障控制系统的控制方法，具体包括以下步骤：
S1、图像采集设备的安装：将图像采集组件安装于拖拉机车头底盘的位置，使高于底盘的障碍物均能被识别避障，安装完成后，即可启动整个避障系统开始工作；
S2、图像特征点的智能提取和识别：图像采集组件会对拖拉机行驶前方的图像进行实时拍摄，拍摄的图像会传送至目标特征点提取处理单元内进行处理，目标特征点提取处理单元内的图像亮度增强模块可根据外界拍摄光强亮度进行补光增强处理，即使在夜晚也可进行打开车灯进行图像识别，然后图像像素RGB灰度值提取模块会对拍摄的图像中的RGB特征值进行智能提取，之后通过特征点分组识别模块将提取的RGB特征值转化成审图图像，然后通过障碍物特征识别模块将该图像划分区域，并删除不必要的区域，再传送至中央处理模块内；
S3、避障测距估算：中央处理器可将步骤S2识别的特征图像传送至连续图像采集对比分析单元内，连续图像采集对比分析单元内的单组动态图像导入模块可将拍摄提取的单组图像导入系统内，再通过幅度梯度函数处理分析模块向联网算法数据库内提取相应函数算法对导入的特征图像进行分析，然后通过对组级联整合分析模块对分析各个单组特征之间建立深度测量函数模型，来进行不间断深度计算，之后通过障碍物测距估算模块在拖拉机动态行驶过程中，可计算出与前方障碍物之间的距离值，并将测距估算值实时传送至避障决策单元内；
S4、避障预警提醒：中央处理模块会分别将GPS卫星定位模块和惯性导航模块获取的拖拉机GPS定位数据和惯性导航数据传送至避障决策单元内，避障决策单元内的测距估算值导入模块可将步骤S3计算的避障测距估算值导入系统内，然后危险距离值对比模块会将导入的测距估算值与系统内预先设定的预警危险值进行比较，若小于或等于预警危险值时，危险距离预警模块会在驾驶室内进行声光报警提醒驾驶人员注意；
S5、避障安全制动：若驾驶人员未及时处理，此时危险距离值对比模块会将导入的测距估算值与系统内预先设定的危险制动值进行比较，若小于或等于危险制动值时，刹车控制信号发送模块会将刹车制动信号传送至中央处理模块内，中央处理模块会先控制油门控制阀熄火控制组件控制油门停止向发电机内供油，从而熄火，然后再控制电动刹车控制组件进行自动刹车，这样即可使拖拉机安全制动停车避障。
本发明还公开了一种智能拖拉机田间避障控制系统的控制方法，所述步骤S2中的避碍决策单元(7)的具体操作如下所述：
S1101将所述图像采集组件(2)拍摄的图像进行像素点的提取，得到像素点的值的矩阵A，矩阵A包括L行M列，同时因为像素是包含RGB三个值，则像素点的矩阵A中的每个元素中间都是包含有3个值组成的集合，所述矩阵A传入图像像素RGB灰度值提取模块(52)，利用公式(1)将像素矩阵A中的每个元素都处理为只有一个值的灰度化后的像素矩阵B
其中，Bit为像素矩阵A第i行t列灰度化后的值，round()为四舍五入取整，ARit为像素矩阵A第i行t列像素点的R值，AGit为像素矩阵A第i行t列像素点的G值，ABit为像素矩阵A第i行t列像素点的B值，i＝1、2、3……L,t＝1、2、3……M,将矩阵A中所有元素都灰度化后形成矩阵B；
S1102将所述矩阵B传入图像亮度增强模块(51)，利用公式(2)进行相应的图像增强，形成相应的矩阵C；
其中，Cit为像素矩阵B第i行t列图像增强化后的值，Bit第i行t列的值，L为行数，M为列数，i＝1、2、3……L t＝1、2、3……M,将矩阵B中所有元素都图像增强形成矩阵C；
S1103将所述图像增强后矩阵C传入特征点分组识别模块(53)，将所述矩阵C，分解为4个均等大小的特征点矩阵，所述分解时分别沿着所述矩阵C的行的中间位置分解，和沿着所述矩阵C的列的中间位置分解，然后将所述分解后的特征点矩阵利用公式(3)计算差异比；
CYD＝CYD1+CYD2
(3)
其中，C1、C2、C3、C4为矩阵C分解后的四个矩阵的所述位置，4个矩阵的大小均为round(L/2)行，round(M/2)列，C1ij为矩阵C1的第i行第j列，C2ij为矩阵C2的第i行第j列，C3ij为矩阵C3的第i行第j列，C4ij为矩阵C4的第i行第j列，CYD1,CYD2为中间变量，max()为取括号里面的最大值，CYD为求解的差异比；
若CYD小于0.5则说明所述拍摄的图像中存障碍物，所述避碍决策单元(7)进行紧急制动避障并对驾驶员进行预警提醒。
利用上述技术，将所述拍摄图像进行图像增强中，所有参数都为计算或者所拍摄图像本身所确定的，从而使得计算的时候没有相应的人为设置的参数，从而使得图像增强更科学并且更具有客观性，并且图像增强的过程中，并不是等比例的增强，而是扩展和增强低灰度部分，压缩高灰度部分的值，使图像增强和所拍摄的图像具有更高的相关性，图像增强化后的图像进行特征点分组识别，根据分组识别计算差异比，是的所述智能拖拉机田间避障控制系统能够在不借助外界干扰的情况下，简单且高效的判断出所述图像中是否存在障碍物，从而能够采取相应的措施进行田间避障。
(三)有益效果
本发明提供了一种智能拖拉机田间避障控制系统及方法。与现有技术相比具备以下有益效果：
(1)、该智能拖拉机田间避障控制系统及方法，通过在中央处理模块与图像采集组件实现双向电性连接，中央处理模块与目标特征点提取处理单元实现双向电性连接，且目标特征点提取处理单元包括图像亮度增强模块、图像像素RGB灰度值提取模块和特征点分组识别模块，图像亮度增强模块的输出端与图像像素RGB灰度值提取模块的输入端电性连接，且图像像素RGB灰度值提取模块的输出端与特征点分组识别模块的输入端电性连接，中央处理模块分别与连续图像采集对比分析单元和避碍决策单元实现双向电性连接，连续图像采集对比分析单元包括单组动态图像导入模块、幅度梯度函数处理分析模块、多组级联整合分析模块和障碍物测距估算模块，避碍决策单元包括测距估算值导入模块、危险距离值对比模块、刹车控制信号发送模块、危险距离预警模块和行车数据存储模块，可实现使用实时摄像设备配合简单的深度测距算法，来代替价格昂贵的各个传感设备，大大降低了整个拖拉机避障系统的生产设计成本，很好的达到了既廉价又高精度的对拖拉机前方的障碍物进行智能识别和避让的目的，同时很好的实现在拖拉机紧急制动避障前对驾驶员进行预警提醒，达到降低多次紧急制动对拖拉机行驶构件造成磨损的目的，大大延长了拖拉机内部驱动构件的使用寿命，从而大大方便了人们长期安全使用拖拉机。
(2)、该智能拖拉机田间避障控制系统及方法，通过在中央处理模块分别油门控制阀熄火控制组件和电动刹车控制组件实现双向电性连接，可实现在进行避障制动的过程中，先完成对拖拉机油门的熄火，再进行紧急刹车，避免了拖拉机在未熄火的情况下进行制动，对拖拉机发电机造成损伤的情况发生，从而很好的达到了宝货拖拉机内部结构的目的。
(3)、该智能拖拉机田间避障控制系统及方法，通过在中央处理模块分别与GPS卫星定位模块和惯性导航模块实现双向电性连接，且GPS卫星定位模块、惯性导航模块和连续图像采集对比分析单元的输出端均与避障决策单元的输入端电性连接，可实现对拖拉机进行GPS定位和惯性导航，配合障碍物深度测距算法，从而大大提高了整个避障系统的测距精度。
附图说明
图1为本发明系统的结构原理框图；
图2为本发明连续图像采集对比分析单元的结构原理框图；
图3为本发明避碍决策单元的结构原理框图；
图4为本发明控制方法的工作流程图。
图中，1中央处理模块、2图像采集组件、3油门控制阀熄火控制组件、4电动刹车控制组件、5目标特征点提取处理单元、51图像亮度增强模块、52图像像素RGB灰度值提取模块、53特征点分组识别模块、6连续图像采集对比分析单元、61单组动态图像导入模块、62幅度梯度函数处理分析模块、63多组级联整合分析模块、64障碍物测距估算模块、7避碍决策单元、71测距估算值导入模块、72危险距离值对比模块、73刹车控制信号发送模块、74危险距离预警模块、75行车数据存储模块、8GPS卫星定位模块、9惯性导航模块、10障碍物特征识别模块、11联网算法数据库。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-4，本发明实施例提供一种技术方案：一种智能拖拉机田间避障控制系统，包括中央处理模块1、图像采集组件2、油门控制阀熄火控制组件3和电动刹车控制组件4，中央处理模块1分别与图像采集组件2、油门控制阀熄火控制组件3和电动刹车控制组件4实现双向电性连接，其特征在于：中央处理模块1与目标特征点提取处理单元5实现双向电性连接，且目标特征点提取处理单元5包括图像亮度增强模块51、图像像素RGB灰度值提取模块52和特征点分组识别模块53，图像亮度增强模块51的输出端与图像像素RGB灰度值提取模块52的输入端电性连接，且图像像素RGB灰度值提取模块52的输出端与特征点分组识别模块53的输入端电性连接，中央处理模块1分别与连续图像采集对比分析单元6和避碍决策单元7实现双向电性连接，连续图像采集对比分析单元6包括单组动态图像导入模块61、幅度梯度函数处理分析模块62、多组级联整合分析模块63和障碍物测距估算模块64，单组动态图像导入模块61的输出端与幅度梯度函数处理分析模块62的输入端电性连接，幅度梯度函数处理分析模块62的输出端与多组级联整合分析模块63的输入端电性连接，且多组级联整合分析模块63的输出端与障碍物测距估算模块64的输入端电性连接，避碍决策单元7包括测距估算值导入模块71、危险距离值对比模块72、刹车控制信号发送模块73、危险距离预警模块74和行车数据存储模块75，测距估算值导入模块71的输出端与危险距离值对比模块72的输入端电性连接，危险距离值对比模块72的输出端分别与刹车控制信号发送模块73、危险距离预警模块74和行车数据存储模块75的输入端电性连接，行车数据存储模块75可对整个系统内拍摄的图像数据和计算的测距估算值进行存储，以便于人们日后进行提取检查，中央处理模块1分别与GPS卫星定位模块8和惯性导航模块9实现双向电性连接，且GPS卫星定位模块8、惯性导航模块9和连续图像采集对比分析单元6的输出端均与避障决策单元7的输入端电性连接，图像采集组件2的输出端与目标特征点提取处理单元5的输出端电性连接，且目标特征点提取处理单元5的输出端与障碍物特征识别模块10的输入端电性连接，障碍物特征识别模块10与中央处理模块1实现双向电性连接，油门控制阀熄火控制组件3的输出端与电动刹车控制组件4的输入端电性连接，连续图像采集对比分析单元6与联网算法数据库11实现无线双向连接。
本发明还公开了一种智能拖拉机田间避障控制系统的控制方法，具体包括以下步骤：
S1、图像采集设备的安装：将图像采集组件2安装于拖拉机车头底盘的位置，使高于底盘的障碍物均能被识别避障，安装完成后，即可启动整个避障系统开始工作；
S2、图像特征点的智能提取和识别：图像采集组件2会对拖拉机行驶前方的图像进行实时拍摄，拍摄的图像会传送至目标特征点提取处理单元5内进行处理，目标特征点提取处理单元5内的图像亮度增强模块51可根据外界拍摄光强亮度进行补光增强处理，即使在夜晚也可进行打开车灯进行图像识别，然后图像像素RGB灰度值提取模块52会对拍摄的图像中的RGB特征值进行智能提取，之后通过特征点分组识别模块53将提取的RGB特征值转化成审图图像，然后通过障碍物特征识别模块10将该图像划分区域，并删除不必要的区域，再传送至中央处理模块1内；
S3、避障测距估算：中央处理器1可将步骤S2识别的特征图像传送至连续图像采集对比分析单元6内，连续图像采集对比分析单元6内的单组动态图像导入模块61可将拍摄提取的单组图像导入系统内，再通过幅度梯度函数处理分析模块62向联网算法数据库11内提取相应函数算法对导入的特征图像进行分析，然后通过对组级联整合分析模块63对分析各个单组特征之间建立深度测量函数模型，来进行不间断深度计算，之后通过障碍物测距估算模块64在拖拉机动态行驶过程中，可计算出与前方障碍物之间的距离值，并将测距估算值实时传送至避障决策单元7内；
S4、避障预警提醒：中央处理模块1会分别将GPS卫星定位模块8和惯性导航模块9获取的拖拉机GPS定位数据和惯性导航数据传送至避障决策单元7内，避障决策单元7内的测距估算值导入模块71可将步骤S3计算的避障测距估算值导入系统内，然后危险距离值对比模块72会将导入的测距估算值与系统内预先设定的预警危险值进行比较，若小于或等于预警危险值时，危险距离预警模块74会在驾驶室内进行声光报警提醒驾驶人员注意；
S5、避障安全制动：若驾驶人员未及时处理，此时危险距离值对比模块72会将导入的测距估算值与系统内预先设定的危险制动值进行比较，若小于或等于危险制动值时，刹车控制信号发送模块73会将刹车制动信号传送至中央处理模块1内，中央处理模块1会先控制油门控制阀熄火控制组件3控制油门停止向发电机内供油，从而熄火，然后再控制电动刹车控制组件4进行自动刹车，这样即可使拖拉机安全制动停车避障。
本发明还公开了一种智能拖拉机田间避障控制系统的控制方法，所述步骤S2中的避碍决策单元(7)的具体操作如下所述：
S1101将所述图像采集组件(2)拍摄的图像进行像素点的提取，得到像素点的值的矩阵A，矩阵A包括L行M列，同时因为像素是包含RGB三个值，则像素点的矩阵A中的每个元素中间都是包含有3个值组成的集合，所述矩阵A传入图像像素RGB灰度值提取模块(52)，利用公式(1)将像素矩阵A中的每个元素都处理为只有一个值的灰度化后的像素矩阵B
其中，Bit为像素矩阵A第i行t列灰度化后的值，round()为四舍五入取整，ARit为像素矩阵A第i行t列像素点的R值，AGit为像素矩阵A第i行t列像素点的G值，ABit为像素矩阵A第i行t列像素点的B值，i＝1、2、3……L,t＝1、2、3……M,将矩阵A中所有元素都灰度化后形成矩阵B；
利用公式(1)可以将所述图像的像素矩阵中本来每个元素都含有三个值，使后面计算量过大且不方便的情况消除，使每个元素中都只含有一个相应的灰度值，且每个值灰度时，都根据RGB在像素中所占有的地位不同，给予了不同的权重，使灰度化后的像素所包含有的信息量占有原来由RGB三个值表示像素值的信息量的最大比重。
S1102将所述矩阵B利用公式(2)进行相应的图像增强，形成相应的矩阵C；
其中，Cit为像素矩阵B第i行t列图像增强化后的值，Bit第i行t列的值，L为行数，M为列数，i＝1、2、3……L t＝1、2、3……M,将矩阵B中所有元素都图像增强形成矩阵C；
利用公式(2)将所述图像增强中，由于所有参数都为计算或者所拍摄图像本身所确定的，从而使得计算的时候没有相应的人为设置的参数，从而使得图像增强更科学并且更具有客观性。
S1103将所述图像增强后矩阵C传入特征点分组识别模块(53)，将所述矩阵C，分解为4个均等大小的特征点矩阵，所述分解时分别沿着所述矩阵C的行的中间位置分解，和沿着所述矩阵C的列的中间位置分解，然后将所述分解后的特征点矩阵利用公式(3)计算差异比；
CYD＝CYD1+CYD2
(3)
其中，C1、C2、C3、C4为矩阵C分解后的四个矩阵的所述位置，4个矩阵的大小均为round(L/2)行，round(M/2)列，C1ij为矩阵C1的第i行第j列，C2ij为矩阵C2的第i行第j列，C3ij为矩阵C3的第i行第j列，C4ij为矩阵C4的第i行第j列，CYD1,CYD2为中间变量，max()为取括号里面的最大值，CYD为求解的差异比；
若CYD小于0.5则说明所述拍摄的图像中存障碍物，所述避碍决策单元(7)进行紧急制动避障并对驾驶员进行预警提醒。
利用上述技术，将所述拍摄图像进行图像增强中，所有参数都为计算或者所拍摄图像本身所确定的，从而使得计算的时候没有相应的人为设置的参数，从而使得图像增强更科学并且更具有客观性，并且图像增强的过程中，并不是等比例的增强，而是扩展和增强低灰度部分，压缩高灰度部分的值，使图像增强和所拍摄的图像具有更高的相关性，图像增强化后的图像进行特征点分组识别，根据分组识别计算差异比，是的所述智能拖拉机田间避障控制系统能够在不借助外界干扰的情况下，简单且高效的判断出所述图像中是否存在障碍物，从而能够采取相应的措施进行田间避障。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (11)

1.一种智能拖拉机田间避障控制系统，包括中央处理模块(1)、图像采集组件(2)、油门控制阀熄火控制组件(3)和电动刹车控制组件(4)，所述中央处理模块(1)分别与图像采集组件(2)、油门控制阀熄火控制组件(3)和电动刹车控制组件(4)实现双向电性连接，其特征在于：所述中央处理模块(1)与目标特征点提取处理单元(5)实现双向电性连接，且目标特征点提取处理单元(5)包括图像亮度增强模块(51)、图像像素RGB灰度值提取模块(52)和特征点分组识别模块(53)，所述图像亮度增强模块(51)的输出端与图像像素RGB灰度值提取模块(52)的输入端电性连接，且图像像素RGB灰度值提取模块(52)的输出端与特征点分组识别模块(53)的输入端电性连接，所述中央处理模块(1)分别与连续图像采集对比分析单元(6)和避碍决策单元(7)实现双向电性连接。
2.根据权利要求1所述的一种智能拖拉机田间避障控制系统，其特征在于：所述连续图像采集对比分析单元(6)包括单组动态图像导入模块(61)、幅度梯度函数处理分析模块(62)、多组级联整合分析模块(63)和障碍物测距估算模块(64)，所述单组动态图像导入模块(61)的输出端与幅度梯度函数处理分析模块(62)的输入端电性连接。
3.根据权利要求2所述的一种智能拖拉机田间避障控制系统，其特征在于：所述幅度梯度函数处理分析模块(62)的输出端与多组级联整合分析模块(63)的输入端电性连接，且多组级联整合分析模块(63)的输出端与障碍物测距估算模块(64)的输入端电性连接。
4.根据权利要求1所述的一种智能拖拉机田间避障控制系统，其特征在于：所述避碍决策单元(7)包括测距估算值导入模块(71)、危险距离值对比模块(72)、刹车控制信号发送模块(73)、危险距离预警模块(74)和行车数据存储模块(75)，所述测距估算值导入模块(71)的输出端与危险距离值对比模块(72)的输入端电性连接。
5.根据权利要求4所述的一种智能拖拉机田间避障控制系统，其特征在于：所述危险距离值对比模块(72)的输出端分别与刹车控制信号发送模块(73)、危险距离预警模块(74)和行车数据存储模块(75)的输入端电性连接。
6.根据权利要求1所述的一种智能拖拉机田间避障控制系统及方法，其特征在于：所述中央处理模块(1)分别与GPS卫星定位模块(8)和惯性导航模块(9)实现双向电性连接，且GPS卫星定位模块(8)、惯性导航模块(9)和连续图像采集对比分析单元(6)的输出端均与避障决策单元(7)的输入端电性连接。
7.根据权利要求1所述的一种智能拖拉机田间避障控制系统，其特征在于：所述图像采集组件(2)的输出端与目标特征点提取处理单元(5)的输出端电性连接，且目标特征点提取处理单元(5)的输出端与障碍物特征识别模块(10)的输入端电性连接，所述障碍物特征识别模块(10)与中央处理模块(1)实现双向电性连接。
8.根据权利要求1所述的一种智能拖拉机田间避障控制系统，其特征在于：所述油门控制阀熄火控制组件(3)的输出端与电动刹车控制组件(4)的输入端电性连接。
9.根据权利要求1所述的一种智能拖拉机田间避障控制系统，其特征在于：所述连续图像采集对比分析单元(6)与联网算法数据库(11)实现无线双向连接。
10.根据权利要求1-9任意一项所述的一种智能拖拉机田间避障控制系统，其特征在于：其控制方法具体包括以下步骤：
S1、图像采集设备的安装：将图像采集组件(2)安装于拖拉机车头底盘的位置，使高于底盘的障碍物均能被识别避障，安装完成后，即可启动整个避障系统开始工作；
S2、图像特征点的智能提取和识别：图像采集组件(2)会对拖拉机行驶前方的图像进行实时拍摄，拍摄的图像会传送至目标特征点提取处理单元(5)内进行处理，目标特征点提取处理单元(5)内的图像亮度增强模块(51)可根据外界拍摄光强亮度进行补光增强处理，即使在夜晚也可进行打开车灯进行图像识别，然后图像像素RGB灰度值提取模块(52)会对拍摄的图像中的RGB特征值进行智能提取，之后通过特征点分组识别模块(53)将提取的RGB特征值转化成审图图像，然后通过障碍物特征识别模块(10)将该图像划分区域，并删除不必要的区域，再传送至中央处理模块(1)内；
S3、避障测距估算：中央处理器(1)可将步骤S2识别的特征图像传送至连续图像采集对比分析单元(6)内，连续图像采集对比分析单元(6)内的单组动态图像导入模块(61)可将拍摄提取的单组图像导入系统内，再通过幅度梯度函数处理分析模块(62)向联网算法数据库(11)内提取相应函数算法对导入的特征图像进行分析，然后通过对组级联整合分析模块(63)对分析各个单组特征之间建立深度测量函数模型，来进行不间断深度计算，之后通过障碍物测距估算模块(64)在拖拉机动态行驶过程中，可计算出与前方障碍物之间的距离值，并将测距估算值实时传送至避障决策单元(7)内；
S4、避障预警提醒：中央处理模块(1)会分别将GPS卫星定位模块(8)和惯性导航模块(9)获取的拖拉机GPS定位数据和惯性导航数据传送至避障决策单元(7)内，避障决策单元(7)内的测距估算值导入模块(71)可将步骤S3计算的避障测距估算值导入系统内，然后危险距离值对比模块(72)会将导入的测距估算值与系统内预先设定的预警危险值进行比较，若小于或等于预警危险值时，危险距离预警模块(74)会在驾驶室内进行声光报警提醒驾驶人员注意；
S5、避障安全制动：若驾驶人员未及时处理，此时危险距离值对比模块(72)会将导入的测距估算值与系统内预先设定的危险制动值进行比较，若小于或等于危险制动值时，刹车控制信号发送模块(73)会将刹车制动信号传送至中央处理模块(1)内，中央处理模块(1)会先控制油门控制阀熄火控制组件(3)控制油门停止向发电机内供油，从而熄火，然后再控制电动刹车控制组件(4)进行自动刹车，这样即可使拖拉机安全制动停车避障。
11.根据权利要求10所述的一种智能拖拉机田间避障控制系统，其特征在于：所述步骤S2中的避碍决策单元(7)的具体操作如下所述：
S1101将所述图像采集组件(2)拍摄的图像进行像素点的提取，得到像素点的值的矩阵A，矩阵A包括L行M列，同时因为像素是包含RGB三个值，则像素点的矩阵A中的每个元素中间都是包含有3个值组成的集合，所述矩阵A传入图像像素RGB灰度值提取模块(52)，利用公式(1)将像素矩阵A中的每个元素都处理为只有一个值的灰度化后的像素矩阵B
其中，Bit为像素矩阵A第i行t列灰度化后的值，round()为四舍五入取整，ARit为像素矩阵A第i行t列像素点的R值，AGit为像素矩阵A第i行t列像素点的G值，ABit为像素矩阵A第i行t列像素点的B值，i＝1、2、3……L,t＝1、2、3……M,将矩阵A中所有元素都灰度化后形成矩阵B；
S1102将所述矩阵B传入图像亮度增强模块(51)，利用公式(2)进行相应的图像增强，形成相应的矩阵C；
其中，Cit为像素矩阵B第i行t列图像增强化后的值，Bit第i行t列的值，L为行数，M为列数，i＝1、2、3……L t＝1、2、3……M,将矩阵B中所有元素都图像增强形成矩阵C；
S1103将所述图像增强后矩阵C传入特征点分组识别模块(53)，将所述矩阵C，分解为4个均等大小的特征点矩阵，所述分解时分别沿着所述矩阵C的行的中间位置分解，和沿着所述矩阵C的列的中间位置分解，然后将所述分解后的特征点矩阵利用公式(3)计算差异比；
CYD＝CYD1+CYD2
(3)
其中，C1、C2、C3、C4为矩阵C分解后的四个矩阵的所述位置，4个矩阵的大小均为round(L/2)行，round(M/2)列，C1ij为矩阵C1的第i行第j列，C2ij为矩阵C2的第i行第j列，C3ij为矩阵C3的第i行第j列，C4ij为矩阵C4的第i行第j列，CYD1,CYD2为中间变量，max()为取括号里面的最大值，CYD为求解的差异比；
若CYD小于0.5则说明所述拍摄的图像中存障碍物，所述避碍决策单元(7)进行紧急制动避障并对驾驶员进行预警提醒。
CN201910360923.0A 2019-04-30 2019-04-30 一种智能拖拉机田间避障控制系统及方法 Active CN110032193B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910360923.0A CN110032193B (zh) 2019-04-30 2019-04-30 一种智能拖拉机田间避障控制系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910360923.0A CN110032193B (zh) 2019-04-30 2019-04-30 一种智能拖拉机田间避障控制系统及方法

Publications (2)

Publication Number Publication Date
CN110032193A true CN110032193A (zh) 2019-07-19
CN110032193B CN110032193B (zh) 2020-07-03

Family

ID=67240876

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910360923.0A Active CN110032193B (zh) 2019-04-30 2019-04-30 一种智能拖拉机田间避障控制系统及方法

Country Status (1)

Country Link
CN (1) CN110032193B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110531764A (zh) * 2019-08-27 2019-12-03 第一拖拉机股份有限公司 一种无人驾驶拖拉机控制系统及控制方法
CN111474937A (zh) * 2020-04-29 2020-07-31 绵阳市朝育机械有限公司 一种基于北斗定位的农耕机器人行走控制系统及方法
CN111857147A (zh) * 2020-07-27 2020-10-30 盐城工业职业技术学院 一种农用拖拉机远程控制系统及方法
CN112924972A (zh) * 2021-01-28 2021-06-08 四川写正智能科技有限公司 基于毫米波进行智能测距和避障提醒的装置和方法
CN113339583A (zh) * 2021-06-18 2021-09-03 湖北地建集团神龙市政建设工程有限公司 一种管节偏转及顶进力传递状态监测系统及方法
CN113366400A (zh) * 2019-12-20 2021-09-07 百度时代网络技术（北京）有限公司 自动驾驶车辆的动态成本函数的实现方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102390370A (zh) * 2011-10-25 2012-03-28 河海大学 一种基于立体视觉的车辆行驶应急处理装置及方法
CN104390644A (zh) * 2014-11-25 2015-03-04 浙江理工大学 一种基于田间导航图像采集设备的田间障碍物检测方法
CN104793620A (zh) * 2015-04-17 2015-07-22 中国矿业大学 基于视觉特征捆绑和强化学习理论的避障机器人
CN105182976A (zh) * 2015-09-17 2015-12-23 西北农林科技大学 一种农业机器人的视觉导航策略
CN106650701A (zh) * 2017-01-05 2017-05-10 华南理工大学 基于双目视觉的室内阴影环境下障碍物检测方法及装置
CN107710994A (zh) * 2017-11-07 2018-02-23 北京勇搏科技有限公司 一种基于无人驾驶技术的谷物条播播种机
CN107817798A (zh) * 2017-10-30 2018-03-20 洛阳中科龙网创新科技有限公司 一种基于深度学习系统的农用机械避障方法
WO2018166747A1 (en) * 2017-03-15 2018-09-20 Jaguar Land Rover Limited Improvements in vehicle control
CN108759922A (zh) * 2018-06-12 2018-11-06 哈尔滨工程大学 基于小型无人车的防化探测系统及其组合导航方法
CN109121488A (zh) * 2018-09-29 2019-01-04 张毅 一种一体式小杂粮播种机
CN109557922A (zh) * 2018-12-21 2019-04-02 江苏大学 一种智能拖拉机田间避障控制系统及方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102390370A (zh) * 2011-10-25 2012-03-28 河海大学 一种基于立体视觉的车辆行驶应急处理装置及方法
CN104390644A (zh) * 2014-11-25 2015-03-04 浙江理工大学 一种基于田间导航图像采集设备的田间障碍物检测方法
CN104793620A (zh) * 2015-04-17 2015-07-22 中国矿业大学 基于视觉特征捆绑和强化学习理论的避障机器人
CN105182976A (zh) * 2015-09-17 2015-12-23 西北农林科技大学 一种农业机器人的视觉导航策略
CN106650701A (zh) * 2017-01-05 2017-05-10 华南理工大学 基于双目视觉的室内阴影环境下障碍物检测方法及装置
WO2018166747A1 (en) * 2017-03-15 2018-09-20 Jaguar Land Rover Limited Improvements in vehicle control
CN107817798A (zh) * 2017-10-30 2018-03-20 洛阳中科龙网创新科技有限公司 一种基于深度学习系统的农用机械避障方法
CN107710994A (zh) * 2017-11-07 2018-02-23 北京勇搏科技有限公司 一种基于无人驾驶技术的谷物条播播种机
CN108759922A (zh) * 2018-06-12 2018-11-06 哈尔滨工程大学 基于小型无人车的防化探测系统及其组合导航方法
CN109121488A (zh) * 2018-09-29 2019-01-04 张毅 一种一体式小杂粮播种机
CN109557922A (zh) * 2018-12-21 2019-04-02 江苏大学 一种智能拖拉机田间避障控制系统及方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
WANG YUAN，等: "RGB-D Sensor-based Visual SLAM for Localization and Navigation of Indoor Mobile Robot", 《2016 INTERNATIONAL CONFERENCE ON ADVANCED ROBOTICS AND MECHATRONICS (ICARM)》 *
吕继东: "苹果采摘机器人视觉测量与避障控制研究", 《中国博士学位论文全文数据库信息科技辑》 *
罗文华: "基于道路堵车避障装置的研究", 《汽车实用技术》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110531764A (zh) * 2019-08-27 2019-12-03 第一拖拉机股份有限公司 一种无人驾驶拖拉机控制系统及控制方法
CN113366400A (zh) * 2019-12-20 2021-09-07 百度时代网络技术（北京）有限公司 自动驾驶车辆的动态成本函数的实现方法
CN113366400B (zh) * 2019-12-20 2023-07-21 百度时代网络技术（北京）有限公司 自动驾驶车辆的动态成本函数的实现方法
US11724717B2 (en) 2019-12-20 2023-08-15 Baidu Usa Llc Implementation of dynamic cost function of self-driving vehicles
CN111474937A (zh) * 2020-04-29 2020-07-31 绵阳市朝育机械有限公司 一种基于北斗定位的农耕机器人行走控制系统及方法
CN111857147A (zh) * 2020-07-27 2020-10-30 盐城工业职业技术学院 一种农用拖拉机远程控制系统及方法
CN112924972A (zh) * 2021-01-28 2021-06-08 四川写正智能科技有限公司 基于毫米波进行智能测距和避障提醒的装置和方法
CN112924972B (zh) * 2021-01-28 2023-05-16 四川写正智能科技有限公司 基于毫米波进行智能测距和避障提醒的装置和方法
CN113339583A (zh) * 2021-06-18 2021-09-03 湖北地建集团神龙市政建设工程有限公司 一种管节偏转及顶进力传递状态监测系统及方法
CN113339583B (zh) * 2021-06-18 2022-11-15 湖北地建集团神龙市政建设工程有限公司 一种管节偏转及顶进力传递状态监测系统及方法

Also Published As

Publication number Publication date
CN110032193B (zh) 2020-07-03

Similar Documents

Publication Publication Date Title
CN110032193A (zh) 一种智能拖拉机田间避障控制系统及方法
CN100390565C (zh) 无人机航空摄影遥感森林计测方法
CN103413313B (zh) 基于电力机器人的双目视觉导航系统及方法
CN109460709A (zh) 基于rgb和d信息融合的rtg视觉障碍物检测的方法
CN110068818A (zh) 通过雷达和图像采集设备进行交通路口车辆及行人检测的工作方法
CN103729848A (zh) 基于光谱显著性的高光谱遥感图像小目标检测方法
WO1997025700A1 (en) Traffic congestion measuring method and apparatus and image processing method and apparatus
CN106019264A (zh) 一种基于双目视觉的无人机危险车距识别系统及方法
CN109697428B (zh) 基于rgb_d和深度卷积网络的无人机识别定位系统
CN103065494B (zh) 一种基于计算机视觉的空闲停车位检测方法
CN111915128B (zh) 一种对地震诱发的次生滑坡灾后评估与救援辅助系统
CN102496232A (zh) 一种输电设施监控方法及系统
CN107295818A (zh) 水田除草机自动避苗系统及方法
CN107993488A (zh) 一种基于鱼眼相机的车位识别方法、系统及介质
CN106056069A (zh) 基于无人机图像分析的林地资源资产评估方法及其评估系统
CN113033390B (zh) 一种基于深度学习的大坝遥感智能检测方法
CN116052026B (zh) 一种无人机航拍图像目标检测方法、系统及存储介质
CN109848996A (zh) 基于图优化理论的大规模三维环境地图创建方法
CN110083099A (zh) 一种符合汽车功能安全标准自动驾驶架构系统和工作方法
CN106989783A (zh) 一种基于土壤信息监测分析的无人机系统
CN112800938A (zh) 无人驾驶车辆检测侧面落石发生的方法及装置
CN110244381A (zh) 无人机地质勘测方法、装置和系统
CN113674355A (zh) 一种基于相机与激光雷达的目标识别与定位方法
CN106960193A (zh) 一种车道线检测装置和方法
CN110413002B (zh) 一种无人机遥感信息采集方法及装置

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
EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20190719

Assignee: Yancheng chuangnengxin shielding material Co.,Ltd.

Assignor: YANCHENG INSTITUTE OF INDUSTRY TECHNOLOGY

Contract record no.: X2024980007823

Denomination of invention: An Intelligent Tractor Field Obstacle Avoidance Control System and Method

Granted publication date: 20200703

License type: Common License

Record date: 20240624

Application publication date: 20190719

Assignee: Yancheng sugaoqirui Technology Co.,Ltd.

Assignor: YANCHENG INSTITUTE OF INDUSTRY TECHNOLOGY

Contract record no.: X2024980007813

Denomination of invention: An Intelligent Tractor Field Obstacle Avoidance Control System and Method

Granted publication date: 20200703

License type: Common License

Record date: 20240624

Application publication date: 20190719

Assignee: YANCHENG QUANHANG TECHNOLOGY Co.,Ltd.

Assignor: YANCHENG INSTITUTE OF INDUSTRY TECHNOLOGY

Contract record no.: X2024980007802

Denomination of invention: An Intelligent Tractor Field Obstacle Avoidance Control System and Method

Granted publication date: 20200703

License type: Common License

Record date: 20240625

Application publication date: 20190719

Assignee: YANCHENG GUOHE HANNENG TECHNOLOGY Co.,Ltd.

Assignor: YANCHENG INSTITUTE OF INDUSTRY TECHNOLOGY

Contract record no.: X2024980007799

Denomination of invention: An Intelligent Tractor Field Obstacle Avoidance Control System and Method

Granted publication date: 20200703

License type: Common License

Record date: 20240624

Application publication date: 20190719

Assignee: Jiangsu yepai Biotechnology Co.,Ltd.

Assignor: YANCHENG INSTITUTE OF INDUSTRY TECHNOLOGY

Contract record no.: X2024980007794

Denomination of invention: An Intelligent Tractor Field Obstacle Avoidance Control System and Method

Granted publication date: 20200703

License type: Common License

Record date: 20240624

Application publication date: 20190719

Assignee: YANCHENG GUORUIXIN TECHNOLOGY Co.,Ltd.

Assignor: YANCHENG INSTITUTE OF INDUSTRY TECHNOLOGY

Contract record no.: X2024980007792

Denomination of invention: An Intelligent Tractor Field Obstacle Avoidance Control System and Method

Granted publication date: 20200703

License type: Common License

Record date: 20240624

Application publication date: 20190719

Assignee: Yancheng Yufeng New Energy Technology Co.,Ltd.

Assignor: YANCHENG INSTITUTE OF INDUSTRY TECHNOLOGY

Contract record no.: X2024980008043

Denomination of invention: An Intelligent Tractor Field Obstacle Avoidance Control System and Method

Granted publication date: 20200703

License type: Common License

Record date: 20240625

EC01 Cancellation of recordation of patent licensing contract

Assignee: Yancheng Yufeng New Energy Technology Co.,Ltd.

Assignor: YANCHENG INSTITUTE OF INDUSTRY TECHNOLOGY

Contract record no.: X2024980008043

Date of cancellation: 20240923

Assignee: Yancheng chuangnengxin shielding material Co.,Ltd.

Assignor: YANCHENG INSTITUTE OF INDUSTRY TECHNOLOGY

Contract record no.: X2024980007823

Date of cancellation: 20240923

Assignee: Yancheng sugaoqirui Technology Co.,Ltd.

Assignor: YANCHENG INSTITUTE OF INDUSTRY TECHNOLOGY

Contract record no.: X2024980007813

Date of cancellation: 20240923

Assignee: YANCHENG QUANHANG TECHNOLOGY Co.,Ltd.

Assignor: YANCHENG INSTITUTE OF INDUSTRY TECHNOLOGY

Contract record no.: X2024980007802

Date of cancellation: 20240923

Assignee: YANCHENG GUOHE HANNENG TECHNOLOGY Co.,Ltd.

Assignor: YANCHENG INSTITUTE OF INDUSTRY TECHNOLOGY

Contract record no.: X2024980007799

Date of cancellation: 20240923

Assignee: Jiangsu yepai Biotechnology Co.,Ltd.

Assignor: YANCHENG INSTITUTE OF INDUSTRY TECHNOLOGY

Contract record no.: X2024980007794

Date of cancellation: 20240923

Assignee: YANCHENG GUORUIXIN TECHNOLOGY Co.,Ltd.

Assignor: YANCHENG INSTITUTE OF INDUSTRY TECHNOLOGY

Contract record no.: X2024980007792

Date of cancellation: 20240923