CN115576326A - 水稻联合收割机辅助导航方法及装置 - Google Patents
水稻联合收割机辅助导航方法及装置 Download PDFInfo
- Publication number
- CN115576326A CN115576326A CN202211344706.0A CN202211344706A CN115576326A CN 115576326 A CN115576326 A CN 115576326A CN 202211344706 A CN202211344706 A CN 202211344706A CN 115576326 A CN115576326 A CN 115576326A
- Authority
- CN
- China
- Prior art keywords
- module
- track
- harvester
- positioning
- main controller
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 67
- 235000007164 Oryza sativa Nutrition 0.000 title claims abstract description 50
- 235000009566 rice Nutrition 0.000 title claims abstract description 50
- 240000007594 Oryza sativa Species 0.000 title 1
- 241000209094 Oryza Species 0.000 claims abstract description 49
- 238000003306 harvesting Methods 0.000 claims abstract description 26
- 230000000007 visual effect Effects 0.000 claims description 39
- 238000003860 storage Methods 0.000 claims description 28
- 241000251468 Actinopterygii Species 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 22
- 239000002689 soil Substances 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 13
- 230000003993 interaction Effects 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 12
- 230000009471 action Effects 0.000 claims description 8
- 238000011160 research Methods 0.000 claims description 7
- 230000003044 adaptive effect Effects 0.000 claims description 6
- 230000007246 mechanism Effects 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 4
- 238000004804 winding Methods 0.000 claims description 4
- 235000013305 food Nutrition 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 230000006399 behavior Effects 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 2
- 238000004590 computer program Methods 0.000 description 14
- 230000006798 recombination Effects 0.000 description 10
- 238000005215 recombination Methods 0.000 description 10
- 210000000349 chromosome Anatomy 0.000 description 6
- 238000001514 detection method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000005520 cutting process Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 235000015763 Artemisia ludoviciana Nutrition 0.000 description 1
- 241000608847 Gnaphalium Species 0.000 description 1
- 241001124569 Lycaenidae Species 0.000 description 1
- 241000219098 Parthenocissus Species 0.000 description 1
- 235000011034 Rubus glaucus Nutrition 0.000 description 1
- 244000235659 Rubus idaeus Species 0.000 description 1
- 235000009122 Rubus idaeus Nutrition 0.000 description 1
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000013339 cereals Nutrition 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 238000003967 crop rotation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000009331 sowing Methods 0.000 description 1
- 239000010902 straw Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 239000013598 vector Substances 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
- G05D1/0231—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
-
- 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
- G05D1/0276—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
- G05D1/028—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using a RF signal
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Guiding Agricultural Machines (AREA)
Abstract
本发明实施例中提供了一种水稻联合收割机辅助导航方法、装置及电子设备，属于人工智能技术领域，该方法包括：主控制器通过串口接收视觉传感器、定位模块和角度传感器获取的定位、图像和角度信息；定位模块将实时定位的经度、纬度和速度信息通过串口发送到主控模块，建立路径规划和边界预测模型；采用两个视觉传感器，分别获得收割机左右两侧的作业图像，视觉传感器通过串口与主控制器模块连接，由主控制器选择并调用；角度传感器通过串口向主控模块实时发送方向盘角度信息，提供导航控制反馈信息，转向执行器接收主控制器发送的转向控制信号，修正收割机相对于作业边界线的偏差。采用本方案，能够提高水稻收割效率，降低生产成本。
Description
技术领域
本发明涉及人工智能技术领域，尤其涉及一种水稻联合收割机辅助导航方 法、装置及电子设备。
背景技术
轮作水稻是一种通过特殊栽培措施使收割后的稻茬再次发芽成穗的水稻种 植模式。它具有两头收、省工、省时、省种、米质好等优点。梯田水稻第一次 收割时，人工操作的滚动率高，收割稳定性差等问题严重制约了梯田水稻的发 展。此外，在鼠曲草的第一次收割过程中，由于干燥不足，田间表面潮湿松软， 这对收割机底盘的交通性要求很高。随着农业机械自动化和智能化程度的不断 提高，先进的导航定位技术和控制技术已经广泛应用于联合收割机。为了减轻 劳动强度，提高一季稻的收获效果，以电力驱动的智能履带式联合收割机是未 来的一个重要发展方向。由于履带式底盘可以增加与地面的接触面积，接地压 力小，整机具有良好的交通性，在水田环境中具有较强的机动性和转向能力， 因此履带式联合收割机常被用于水稻收获。为了兼顾收割质量和作业效率，在 收割过程中，驾驶员需要根据水稻生长情况，实时动态调整收割机的前进方向、 作业速度、机头高度、收割机位置和工作部件的运行参数。操作要求高，劳动 强度大。
导航系统可以实现对作业路径的自主规划和跟踪，提高农业装备的作业效 率和质量，减轻驾驶员的劳动强度，延长作业时间。但是，一些关键技术还没 有得到有效突破，导航系统在履带式水稻联合收割机上还没有得到广泛的应用。 例如，履带式联合收割机的前进速度、航向角等关键导航信息很难被直接测量。 收割路径需要根据待收割区域的边界形状来实时规划。爬行器在水田中容易下 沉和打滑，造成较大的控制误差，现有的爬行式联合收割机的转向完全依靠人 工操作，不能用电信号控制。
在履带式水稻联合收割机作业过程中，机器的前进速度和主要工作部件的 运行参数(如机头高度、卷筒、脱粒滚筒、清选风扇转速等)需要驾驶员根据 实际情况进行动态调整。导航系统实现了对履带式水稻联合收割机作业路径的 自主识别和跟踪，属于辅助导航的范畴。
对履带式水稻联合收割机辅助导航系统的研究，有助于改变我国广泛用于 水稻收割的履带式水稻联合收割机采用纯人工方式作业的现状，提高作业效率 和收割质量，减轻驾驶员的劳动强度，为农业装备导航系统的设计和优化提供 参考，对提高农业生产效率具有重要意义。
基于卫星差分定位的农机自动导航方式由于不依赖作业环境信息和作物生 长状态，多用于耕作、播种、施药等环节；基于激光的检测方式由于受到安装 精度、传感器振动和实际测量范围的影响，稳定性不够，抗干扰能力低。基于 接触式的导航装置限于不同的行距标准和不同的秸秆类型，其实际应用比较特 殊；基于作物收获边界的视觉导航方法主要用于检测小麦和玉米的收获边界， 而对水稻收获边界的检测和跟踪研究较少。作为目前应用最广泛的两种导航方 法，视觉导航和卫星导航各有优缺点，互为补充。在农业机械位置测量方面， 卫星导航的优势在于可以为农业机械在全球范围内全天候提供高精度、高可靠 性的定位支持。在RTK技术的帮助下，野外定点定位测量的精度小于2.5cm。 在移动导航中，卫星定位精度会受到卫星信号状态和道路环境的干扰。一旦信 号失效，重新捕捉卫星需要很长时间，会耽误工作时间；对于视觉导航来说， 其优点是属于无源、非接触的探测方式，在多个系统之间互不干扰，不会影响 探测对象。同时，它可以获得广泛的、丰富完整的环境信息，如车辆姿态、驾 驶趋势等。其缺点是对图像处理的实时性要求高，要求快速准确地提取图像信 息特征，所采用的图像分析算法具有良好的鲁棒性。
对于联合收割机的自动导航，主要存在以下问题。
(1)目前国内市场上现有的卫星导航产品不能满足联合收割机自动导航作业 的需要，联合收割机的常规投放主要是针对机手作业，缺乏配套适用的导航设 备，直接移植现有的导航产品不足以有效实现联合收割机现场作业的效率和质 量。
(2)对联合收割机自动导航所需的基本控制特性参数缺乏先期研究，难以实 现联合收割机的高精度控制和设计导航控制方法。
(3)收割作业与耕作等农业环节不同。如果只按照事先规划好的路径作业， 在作业过程中难免会出现作物漏割等现象，造成二次作业导致收割效率下降， 而且粮食收割边界不易检测，受田间光照影响明显。田间作业过程是动态检测， 对目标路径检测算法的实时性和鲁棒性要求较高。
发明内容
有鉴于此，本发明实施例提供一种水稻联合收割机辅助导航方法、装置及 电子设备，至少部分解决现有技术中存在的问题。
第一方面，本发明实施例提供了一种水稻联合收割机辅助导航方法，包括：
主控制器通过串口接收视觉传感器、定位模块和角度传感器获取的定位、 图像和角度信息，并通过软件设计实现定位信息分析处理、视觉传感器选择与 调用、图像信息采集与处理、角度传感器信息获取、导航控制、人机交互、信 息存储；
定位模块将实时定位的经度、纬度和速度信息通过串口发送到主控模块， 建立路径规划和边界预测模型；
采用两个视觉传感器，分别获得收割机左右两侧的作业图像，视觉传感器 通过串口与主控制器模块连接，由主控制器选择并调用；
角度传感器通过串口向主控模块实时发送方向盘角度信息，提供导航控制 反馈信息，转向执行器接收主控制器发送的转向控制信号，修正收割机相对于 作业边界线的偏差，使收割机沿预期直线运行。
根据本公开实施例的一种具体实现方式，所述方法还包括：
通过人机交互模块为驾驶员提供当前作业经纬度、作业路径规划信息、视 觉传感器获取的图像信息，辅助驾驶员完成收割作业。
根据本公开实施例的一种具体实现方式，所述方法还包括：
通过存储模块存储定位、角度传感器和视觉传感器采集的关键信息，以便 于后续的离线分析和研究。
根据本公开实施例的一种具体实现方式，所述方法还包括：
土壤的应力-应变关系表示为
其中，σ为法向应力，kc为土壤的粘聚模量，kφ为土壤的摩擦变形模量，bc为轨道宽度，Z为土壤沉降，Γ为土壤沉降指数。
履带式联合收割机的履带两侧所承受的载荷表示为
其中，G为履带式联合收割机的质量，G1为履带I承担的质量，G2为履带 II承担的质量，B为履带轨距。
根据本公开实施例的一种具体实现方式，所述方法还包括：
当沿轨道纵向的偏移量等于0时，轨道I的最大地面比压和最小地面比压分 别计算为
其中，Ew为地平面模量，Gz为沿轨道纵向的偏移量；
水稻联合收割机机体的理论转弯半径按以下公式计算
其中，ur1和ur2为低速侧和高速侧的履带绕行速度，Rl为履带式联合收割机 机体的理论转弯半径；
当履带式车辆转弯时，低速侧的履带会打滑，打滑率为δ1，高速侧的履带滑 移，其滑移率为δ2，相应的表达式如下
其中，vr1是车体在低速侧轨道上对地面的暗示速度，vr1是车体在高速侧轨 道上对地面的暗示速度；
实际转弯半径的计算方法是
其中，A1和A2为低速侧和高速侧的轨道偏移；
履带式联合收割机的理论转向角速度按以下公式计算
其中，vO1是轨道相对于车体的O1点的隐含速度，vO2是轨道相对于车体的O2点的隐含速度；
实际的转向角速度表示为
整个轨道上的剪切力计算如下
其中，Fm1是整个轨道上的剪切力的x方向分量，Fm2是整个轨道上的剪切力 的y方向分量；
履带式联合收割机的中心点的平移速度由以下公式计算
根据本公开实施例的一种具体实现方式，所述方法还包括：
在水稻联合收割机的路径规划中，在人工鱼群算法的基础上，从参数和机 制两个方面对算法进行了改进；
人工鱼i在时间t上的位置被标记为
并在其视觉范围内随机选择一个位 置
其中Rand为区间(0,1)内的随机数，如果
则人工鱼在方向上移动一步，即
如果
然后Xj被重新选择，直到选择次数大于最大测试次数， 仍未发现较高的食物浓度，则人工鱼执行随机行为。
根据本公开实施例的一种具体实现方式，所述方法还包括：
当人工鱼试图到达IV号点时，如果在其视野中没有发现具有较大适配度的 点，则执行随机行为，即
在前期应采用较大的视觉范围和较大的步长，使算法快速收敛到最佳点附 近，提高收敛速度；在后期应采用较小的视觉范围和较小的步长，使算法在最 佳区域仔细搜索，提高优化精度，视觉范围和步长的同步自适应方法如下：
Visual_ada＝Visual·fV(iter)
Step_ada＝Step·fs(iter)
其中Visual_ada为自适应视距，Step_ada为自适应步长，fV(iter)为视距的自 适应函数，fs(iter)为步长的自适应函数，iter为迭代次数。
第二方面，本发明实施例提供了一种水稻联合收割机辅助导航装置，包括：
构建模块，用于主控制器通过串口接收视觉传感器、定位模块和角度传感 器获取的定位、图像和角度信息，并通过软件设计实现定位信息分析处理、视 觉传感器选择与调用、图像信息采集与处理、角度传感器信息获取、导航控制、 人机交互、信息存储；
发送模块，用于定位模块将实时定位的经度、纬度和速度信息通过串口发 送到主控模块，建立路径规划和边界预测模型；
连接模块，用于采用两个视觉传感器，分别获得收割机左右两侧的作业图 像，视觉传感器通过串口与主控制器模块连接，由主控制器选择并调用；
执行模块，用于角度传感器通过串口向主控模块实时发送方向盘角度信息， 提供导航控制反馈信息，转向执行器接收主控制器发送的转向控制信号，修正 收割机相对于作业边界线的偏差，使收割机沿预期直线运行。
第三方面，本发明实施例还提供了一种电子设备，该电子设备包括：
至少一个处理器；以及，
与该至少一个处理器通信连接的存储器；其中，
该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个 处理器执行，以使该至少一个处理器能够执行前述任第一方面或第一方面的任 一实现方式中的水稻联合收割机辅助导航方法。
第四方面，本发明实施例还提供了一种非暂态计算机可读存储介质，该非 暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行 前述第一方面或第一方面的任一实现方式中的水稻联合收割机辅助导航方法。
第五方面，本发明实施例还提供了一种计算机程序产品，该计算机程序产 品包括存储在非暂态计算机可读存储介质上的计算程序，该计算机程序包括程 序指令，当该程序指令被计算机执行时，使该计算机执行前述第一方面或第一 方面的任一实现方式中的水稻联合收割机辅助导航方法。
本发明实施例中的水稻联合收割机辅助导航方案，包括：主控制器通过串 口接收视觉传感器、定位模块和角度传感器获取的定位、图像和角度信息，并 通过软件设计实现定位信息分析处理、视觉传感器选择与调用、图像信息采集 与处理、角度传感器信息获取、导航控制、人机交互、信息存储；定位模块将 实时定位的经度、纬度和速度信息通过串口发送到主控模块，建立路径规划和 边界预测模型；采用两个视觉传感器，分别获得收割机左右两侧的作业图像， 视觉传感器通过串口与主控制器模块连接，由主控制器选择并调用；角度传感 器通过串口向主控模块实时发送方向盘角度信息，提供导航控制反馈信息，转向执行器接收主控制器发送的转向控制信号，修正收割机相对于作业边界线的 偏差，使收割机沿预期直线运行。采用本方案，能够提高水稻收割效率，降低 生产成本。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使 用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些 实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可 以根据这些附图获得其它的附图。
图1为本发明实施例提供的水稻联合收割机辅助导航方法流程示意图；
图2为本发明实施例提供的水稻收割图像校正前的图像；
图3为本发明实施例提供的水稻收割图像校正后的图像；
图4为本发明实施例提供的水稻联合收割机辅助导航装置结构示意图；
图5为本发明实施例提供的电子设备示意图。
具体实施方式
下面结合附图对本发明实施例进行详细描述。
以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本 说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实 施例仅仅是本公开一部分实施例，而不是全部的实施例。本公开还可以通过另 外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不 同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是， 在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开 中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有 其他实施例，都属于本公开保护的范围。
需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。 应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述 的任何特定结构及/或功能仅为说明性的。基于本公开，所属领域的技术人员应 了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方 式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何 数目个方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面 中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
还需要说明的是，以下实施例中所提供的图示仅以示意方式说明本公开的 基本构想，图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数 目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意 的改变，且其组件布局型态也可能更为复杂。
另外，在以下描述中，提供具体细节是为了便于透彻理解实例。然而，所 属领域的技术人员将理解，可在没有这些特定细节的情况下实践所述方面。
本公开实施例提供一种水稻联合收割机辅助导航方法。本实施例提供的水 稻联合收割机辅助导航方法可以由一计算装置来执行，该计算装置可以实现为 软件，或者实现为软件和硬件的组合，该计算装置可以集成设置在服务器、终 端设备等中。
参见图1，图2及图3，本公开实施例提供了一种水稻联合收割机辅助导航 方法，包括：
S101，主控制器通过串口接收视觉传感器、定位模块和角度传感器获取的 定位、图像和角度信息，并通过软件设计实现定位信息分析处理、视觉传感器 选择与调用、图像信息采集与处理、角度传感器信息获取、导航控制、人机交 互、信息存储；
S102，定位模块将实时定位的经度、纬度和速度信息通过串口发送到主控 模块，建立路径规划和边界预测模型；
S103，采用两个视觉传感器，分别获得收割机左右两侧的作业图像，视觉 传感器通过串口与主控制器模块连接，由主控制器选择并调用；
S104，角度传感器通过串口向主控模块实时发送方向盘角度信息，提供导 航控制反馈信息，转向执行器接收主控制器发送的转向控制信号，修正收割机 相对于作业边界线的偏差，使收割机沿预期直线运行。
具体的，本发明的场景是联合收割机在常规田间的直线作业区。在作业过 程中，收割区和非收割区之间有一个明显的分界线，即作业边界线。通过检测 作业边界线可以获得收割机的实时姿态。在作业前，通过人工驾驶完成第一次 直线路径和田间边界试割，根据试割过程中获得的定位信息，建立联合收割机 的作业路径规划和田间边界预测模型。根据路径规划信息，选择并调用两个 视觉传感器。通过视觉传感器获得田间作业图像，并通过图像算法处理提取作 业边界线。得到收割机相对于作业边界线的横向距离和方向角。
设计了导航和转向控制器。收割机与作业边界之间的横向距离变化率和航 向角变化率被用作辅助导航系统的输入，由角度传感器检测到的方向盘角度被 用作反馈。通过调整转向机构来控制收割机的偏转，从而使收割机能够沿着预 期的作业路径进行收割。定位模块和角度传感器可以向主控制器发送输入变量， 视觉传感器不仅向主控制器发送输入变量，而且还接受主控制器的反馈结果输 出。转向执行器、人机交互模块和存储模块是主控制器的输出。
(1)主控制器通过串口接收视觉传感器、定位模块和角度传感器获取的定 位、图像和角度信息，并通过软件设计实现定位信息分析处理、视觉传感器选 择与调用、图像信息采集与处理、角度传感器信息获取、导航控制、人机交互、 信息存储等功能。本发明中采用Raspberry Pi 4作为主控单元控制器。
(2)定位模块将实时定位的经度、纬度和速度信息通过串口发送到主控模 块，建立路径规划和边界预测模型。考虑到导航成本和定位精度要求，选择北 斗定位模块与um220-IV NL模块作为主模块。
(3)本发明选择了两个视觉传感器。它们可以分别获得收割机左右两侧的 作业图像。视觉传感器通过串口与主控制器模块连接，由主控制器选择并调用。 选用dt|1080USB接口的单目无畸变相机。
(4)角度传感器通过串口向主控模块实时发送方向盘角度信息，提供导航 控制反馈信息。本发明选择HWT101DT角度传感器。
(5)转向执行器接收主控制器发送的转向控制信号，修正收割机相对于作 业边界线的偏差，使收割机沿预期直线运行。本发明选择电动方向盘设备作为 转向执行器。该设备主要包括方向盘、电机和控制器，其中电机内置有增量编 码器。
(6)人机交互模块为驾驶员提供当前作业经纬度、作业路径规划信息、视 觉传感器获取的图像信息等，辅助驾驶员更好地完成收割作业。本发明选用9 英寸电容式触摸屏。分辨率为1280×720，功耗为8W。
(7)存储模块，即SD卡，主要存储定位、角度传感器和视觉传感器采集 的关键信息，以便于后续的离线分析和研究。
水稻联合收割机的路径规划算法
在水稻联合收割机的路径规划中，在人工鱼群算法的基础上，从参数和机制 两个方面对算法进行了改进，提高了路径质量和实时规划。
为了提高最优解附近的人工鱼的密度，同时保持种群的多样性，提出了一种 重量可调的染色体重组方法。具体方法如下。
(1)选择父本。每次淘汰的人工鱼的数量定义为j。每次迭代后，将人工 鱼按其适配度进行排序，选择适配度最高的人工鱼作为一组亲本，另一组亲本 从其他人工鱼中随机选择，这样，高适配度个体的优势可以得到继承，通过随 机选择增加种群多样性。
(2)染色体构建。采用十进制方法构建染色体，每个染色体由向量X和σ， X由优化变量参数组成，其维度由L定义，则X＝(x1,x2,…,xL)，σ由各参数对应 的高斯变异标准差组成，σ＝(σ1,σ2,…,σL)。
(3)染色体重组。生成性繁殖通过亲代基因重组产生下一代。传统的重组 方法包括离散重组、离散重组、中间重组、混合重组等，在中间重组的基础上， 提出了一种重量可调的重组方法。
父染色体分别由(Xi,σi)和(Xj,σj)定义，重量可调的重组方法表示为
其中αi和βi为两个亲本的权重。
(4)选择和淘汰机制。根据个体的适配度，从子代中选择适配度最高的个体来 替代亲代群体中适配度最低的个体，模拟适者生存。
根据本公开实施例的一种具体实现方式，所述方法还包括：
通过人机交互模块为驾驶员提供当前作业经纬度、作业路径规划信息、视 觉传感器获取的图像信息，辅助驾驶员完成收割作业。
根据本公开实施例的一种具体实现方式，所述方法还包括：
通过存储模块存储定位、角度传感器和视觉传感器采集的关键信息，以便 于后续的离线分析和研究。
根据本公开实施例的一种具体实现方式，所述方法还包括：
土壤的应力-应变关系表示为
其中，σ为法向应力，kc为土壤的粘聚模量，kφ为土壤的摩擦变形模量，bc为轨道宽度，Z为土壤沉降，Γ为土壤沉降指数。
履带式联合收割机的履带两侧所承受的载荷表示为
其中，G为履带式联合收割机的质量，G1为履带I承担的质量，G2为履带 II承担的质量，B为履带轨距。
根据本公开实施例的一种具体实现方式，所述方法还包括：
当沿轨道纵向的偏移量等于0时，轨道I的最大地面比压和最小地面比压分 别计算为
其中，Ew为地平面模量，Gz为沿轨道纵向的偏移量；
水稻联合收割机机体的理论转弯半径按以下公式计算
其中，ur1和ur2为低速侧和高速侧的履带绕行速度，Rl为履带式联合收割机 机体的理论转弯半径；
当履带式车辆转弯时，低速侧的履带会打滑，打滑率为δ1，高速侧的履带滑 移，其滑移率为δ2，相应的表达式如下
其中，vr1是车体在低速侧轨道上对地面的暗示速度，vr1是车体在高速侧轨 道上对地面的暗示速度；
实际转弯半径的计算方法是
其中，A1和A2为低速侧和高速侧的轨道偏移；
履带式联合收割机的理论转向角速度按以下公式计算
其中，vO1是轨道相对于车体的O1点的隐含速度，vO2是轨道相对于车体的O2点的隐含速度；
实际的转向角速度表示为
整个轨道上的剪切力计算如下
其中，Fm1是整个轨道上的剪切力的x方向分量，Fm2是整个轨道上的剪切力 的y方向分量；
履带式联合收割机的中心点的平移速度由以下公式计算
根据本公开实施例的一种具体实现方式，所述方法还包括：
在水稻联合收割机的路径规划中，在人工鱼群算法的基础上，从参数和机 制两个方面对算法进行了改进；
人工鱼i在时间t上的位置被标记为
并在其视觉范围内随机选择一个位 置
其中Rand为区间(0,1)内的随机数，如果
则人工鱼在方向上移动一步，即
如果
然后Xj被重新选择，直到选择次数大于最大测试次数， 仍未发现较高的食物浓度，则人工鱼执行随机行为。
根据本公开实施例的一种具体实现方式，所述方法还包括：
当人工鱼试图到达IV号点时，如果在其视野中没有发现具有较大适配度的 点，则执行随机行为，即
在前期应采用较大的视觉范围和较大的步长，使算法快速收敛到最佳点附 近，提高收敛速度；在后期应采用较小的视觉范围和较小的步长，使算法在最 佳区域仔细搜索，提高优化精度，视觉范围和步长的同步自适应方法如下：
Visual_ada＝Visual·fV(iter)
Step_ada＝Step·fs(iter)
其中Visual_ada为自适应视距，Step_ada为自适应步长，fV(iter)为视距的自 适应函数，fs(iter)为步长的自适应函数，iter为迭代次数。
参见图4，本发明实施例还公开了一种水稻联合收割机辅助导航装置40， 包括：
构建模块401，用于主控制器通过串口接收视觉传感器、定位模块和角度传 感器获取的定位、图像和角度信息，并通过软件设计实现定位信息分析处理、 视觉传感器选择与调用、图像信息采集与处理、角度传感器信息获取、导航控 制、人机交互、信息存储；
发送模块402，用于定位模块将实时定位的经度、纬度和速度信息通过串口 发送到主控模块，建立路径规划和边界预测模型；
连接模块403，用于采用两个视觉传感器，分别获得收割机左右两侧的作业 图像，视觉传感器通过串口与主控制器模块连接，由主控制器选择并调用；
执行模块404，用于角度传感器通过串口向主控模块实时发送方向盘角度信 息，提供导航控制反馈信息，转向执行器接收主控制器发送的转向控制信号， 修正收割机相对于作业边界线的偏差，使收割机沿预期直线运行。
参见图5，本发明实施例还提供了一种电子设备60，该电子设备包括：
至少一个处理器；以及，
与该至少一个处理器通信连接的存储器；其中，
该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个 处理器执行，以使该至少一个处理器能够执行前述方法实施例中水稻联合收割 机辅助导航方法。
本发明实施例还提供了一种非暂态计算机可读存储介质，该非暂态计算机 可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述方法实 施例中。
本发明实施例还提供了一种计算机程序产品，该计算机程序产品包括存储 在非暂态计算机可读存储介质上的计算程序，该计算机程序包括程序指令，当 该程序指令被计算机执行时，使该计算机执行前述方法实施例中的水稻联合收 割机辅助导航方法。
图5所示装置可以执行图1-4所示实施例的方法，本实施例未详细描述的部 分，可参考对图1-4所示实施例的相关说明。在此不再赘述。
下面参考图5，其示出了适于用来实现本公开实施例的电子设备60的结构 示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本 电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携 式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数 字TV、台式计算机等等的固定终端。图5示出的电子设备仅仅是一个示例，不 应对本公开实施例的功能和使用范围带来任何限制。
如图5所示，电子设备60可以包括处理装置(例如中央处理器、图形处理 器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装 置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和 处理。在RAM 603中，还存储有电子设备60操作所需的各种程序和数据。处 理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O) 接口605也连接至总线604。
通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、 鼠标、图像传感器、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液 晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等 的存储装置608；以及通信装置609。通信装置609可以允许电子设备60与其 他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子 设备60，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地 实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为 计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承 载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示 的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609 从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。 在该计算机程序被处理装置601执行时，执行本公开实施例的方法中限定的上 述功能。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质 或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例 如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装 置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包 括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机 访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM 或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以 是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器 件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基 带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。 这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上 述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外 的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于 由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、 RF(射频)等等，或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在， 而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序 被该电子设备执行时，使得该电子设备：获取至少两个网际协议地址；向节点 评价设备发送包括所述至少两个网际协议地址的节点评价请求，其中，所述节 点评价设备从所述至少两个网际协议地址中，选取网际协议地址并返回；接收 所述节点评价设备返回的网际协议地址；其中，所获取的网际协议地址指示内 容分发网络中的边缘节点。
或者，上述计算机可读介质承载有一个或者多个程序，当上述一个或者多 个程序被该电子设备执行时，使得该电子设备：接收包括至少两个网际协议地 址的节点评价请求；从所述至少两个网际协议地址中，选取网际协议地址；返 回选取出的网际协议地址；其中，接收到的网际协议地址指示内容分发网络中 的边缘节点。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的 计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、 Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程 序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机 上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机 上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中， 远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)— 连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供 商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计 算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图 中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、 或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应 当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图 中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执 行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的 是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可 以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用 硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以 通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本 身的限定，例如，第一获取单元还可以被描述为“获取至少两个网际协议地址的 单元”。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于 此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到 的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围 应以权利要求的保护范围为准。
Claims (10)
1.一种水稻联合收割机辅助导航方法，其特征在于，包括：
主控制器通过串口接收视觉传感器、定位模块和角度传感器获取的定位、图像和角度信息，并通过软件设计实现定位信息分析处理、视觉传感器选择与调用、图像信息采集与处理、角度传感器信息获取、导航控制、人机交互、信息存储；
定位模块将实时定位的经度、纬度和速度信息通过串口发送到主控模块，建立路径规划和边界预测模型；
采用两个视觉传感器，分别获得收割机左右两侧的作业图像，视觉传感器通过串口与主控制器模块连接，由主控制器选择并调用；
角度传感器通过串口向主控模块实时发送方向盘角度信息，提供导航控制反馈信息，转向执行器接收主控制器发送的转向控制信号，修正收割机相对于作业边界线的偏差，使收割机沿预期直线运行。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
通过人机交互模块为驾驶员提供当前作业经纬度、作业路径规划信息、视觉传感器获取的图像信息，辅助驾驶员完成收割作业。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
通过存储模块存储定位、角度传感器和视觉传感器采集的关键信息，以便于后续的离线分析和研究。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
土壤的应力-应变关系表示为
其中，σ为法向应力，kc为土壤的粘聚模量，kφ为土壤的摩擦变形模量，bc为轨道宽度，Z为土壤沉降，Γ为土壤沉降指数。
履带式联合收割机的履带两侧所承受的载荷表示为
其中，G为履带式联合收割机的质量，G1为履带I承担的质量，G2为履带II承担的质量，B为履带轨距。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
当沿轨道纵向的偏移量等于0时，轨道I的最大地面比压和最小地面比压分别计算为
其中，Ew为地平面模量，Gz为沿轨道纵向的偏移量；
水稻联合收割机机体的理论转弯半径按以下公式计算
其中，ur1和ur2为低速侧和高速侧的履带绕行速度，Rl为履带式联合收割机机体的理论转弯半径；
当履带式车辆转弯时，低速侧的履带会打滑，打滑率为δ1，高速侧的履带滑移，其滑移率为δ2，相应的表达式如下
其中，vr1是车体在低速侧轨道上对地面的暗示速度，vr1是车体在高速侧轨道上对地面的暗示速度；
实际转弯半径的计算方法是
其中，A1和A2为低速侧和高速侧的轨道偏移；
履带式联合收割机的理论转向角速度按以下公式计算
其中，vO1是轨道相对于车体的O1点的隐含速度，vO2是轨道相对于车体的O2点的隐含速度；
实际的转向角速度表示为
整个轨道上的剪切力计算如下
其中，Fm1是整个轨道上的剪切力的x方向分量，Fm2是整个轨道上的剪切力的y方向分量；
履带式联合收割机的中心点的平移速度由以下公式计算
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
在水稻联合收割机的路径规划中，在人工鱼群算法的基础上，从参数和机制两个方面对算法进行了改进；
人工鱼i在时间t上的位置被标记为
并在其视觉范围内随机选择一个位置
其中Rand为区间(0,1)内的随机数，如果
则人工鱼在方向上移动一步，即
如果
然后Xj被重新选择，直到选择次数大于最大测试次数，仍未发现较高的食物浓度，则人工鱼执行随机行为。
7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
当人工鱼试图到达IV号点时，如果在其视野中没有发现具有较大适配度的点，则执行随机行为，即
在前期应采用较大的视觉范围和较大的步长，使算法快速收敛到最佳点附近，提高收敛速度；在后期应采用较小的视觉范围和较小的步长，使算法在最佳区域仔细搜索，提高优化精度，视觉范围和步长的同步自适应方法如下：
Visual_ada＝Visual·fV(iter)
Step_ada＝Step·fs(iter)
其中Visual_ada为自适应视距，Step_ada为自适应步长，fV(iter)为视距的自适应函数，fs(iter)为步长的自适应函数，iter为迭代次数。
8.一种水稻联合收割机辅助导航装置，其特征在于，包括：
构建模块，用于主控制器通过串口接收视觉传感器、定位模块和角度传感器获取的定位、图像和角度信息，并通过软件设计实现定位信息分析处理、视觉传感器选择与调用、图像信息采集与处理、角度传感器信息获取、导航控制、人机交互、信息存储；
发送模块，用于定位模块将实时定位的经度、纬度和速度信息通过串口发送到主控模块，建立路径规划和边界预测模型；
连接模块，用于采用两个视觉传感器，分别获得收割机左右两侧的作业图像，视觉传感器通过串口与主控制器模块连接，由主控制器选择并调用；
执行模块，用于角度传感器通过串口向主控模块实时发送方向盘角度信息，提供导航控制反馈信息，转向执行器接收主控制器发送的转向控制信号，修正收割机相对于作业边界线的偏差，使收割机沿预期直线运行。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述任一权利要求1-7所述的水稻联合收割机辅助导航方法。
10.一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述任一权利要求1-7所述的水稻联合收割机辅助导航方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211344706.0A CN115576326A (zh) | 2022-10-31 | 2022-10-31 | 水稻联合收割机辅助导航方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211344706.0A CN115576326A (zh) | 2022-10-31 | 2022-10-31 | 水稻联合收割机辅助导航方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115576326A true CN115576326A (zh) | 2023-01-06 |
Family
ID=84588554
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211344706.0A Pending CN115576326A (zh) | 2022-10-31 | 2022-10-31 | 水稻联合收割机辅助导航方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115576326A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117270535A (zh) * | 2023-09-25 | 2023-12-22 | 青岛农业大学 | 一种适用于履带式薯类收获机的辅助导航系统及控制方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103914070A (zh) * | 2014-04-02 | 2014-07-09 | 中国农业大学 | 一种用于谷物联合收割机的视觉导航辅助驾驶系统 |
| CN107562060A (zh) * | 2017-10-17 | 2018-01-09 | 南京农业大学 | 一种履带式行走联合收割机导航系统 |
| CN109115225A (zh) * | 2018-08-31 | 2019-01-01 | 江苏大学 | 一种无人作业谷物联合收割机导航方法与导航装置 |
| CN110703777A (zh) * | 2019-09-25 | 2020-01-17 | 江苏大学 | 一种基于北斗和视觉的联合收获机组合导航方法及导航系统 |
| CN113587946A (zh) * | 2021-07-06 | 2021-11-02 | 安徽农业大学 | 一种田间农业机械视觉导航系统及方法 |
-
2022
- 2022-10-31 CN CN202211344706.0A patent/CN115576326A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103914070A (zh) * | 2014-04-02 | 2014-07-09 | 中国农业大学 | 一种用于谷物联合收割机的视觉导航辅助驾驶系统 |
| CN107562060A (zh) * | 2017-10-17 | 2018-01-09 | 南京农业大学 | 一种履带式行走联合收割机导航系统 |
| CN109115225A (zh) * | 2018-08-31 | 2019-01-01 | 江苏大学 | 一种无人作业谷物联合收割机导航方法与导航装置 |
| CN110703777A (zh) * | 2019-09-25 | 2020-01-17 | 江苏大学 | 一种基于北斗和视觉的联合收获机组合导航方法及导航系统 |
| CN113587946A (zh) * | 2021-07-06 | 2021-11-02 | 安徽农业大学 | 一种田间农业机械视觉导航系统及方法 |
Non-Patent Citations (3)
| Title |
|---|
| 周利坤等: "自适应人工鱼群算法在清罐移动 机器人路径规划中的应用", 机械科学与技术, vol. 31, no. 7, pages 1085 - 1089 * |
| 赵莉莉等: "基于Log-Linear模型的Gauss-Cauchy自适应人工鱼群算法", 计算机工程与科学, vol. 38, no. 9, pages 1894 - 1900 * |
| 鲍海兴等: "一种变视野和步长的人工鱼群算法", 湖南工业大学学报, vol. 32, no. 3, pages 81 - 85 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117270535A (zh) * | 2023-09-25 | 2023-12-22 | 青岛农业大学 | 一种适用于履带式薯类收获机的辅助导航系统及控制方法 |
| CN117270535B (zh) * | 2023-09-25 | 2024-03-12 | 青岛农业大学 | 一种适用于履带式薯类收获机的辅助导航系统及控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10699185B2 (en) | Crop yield estimation using agronomic neural network | |
| CN109755995B (zh) | 基于ros机器人操作系统的机器人自动充电对接方法 | |
| Reid et al. | Agricultural automatic guidance research in North America | |
| Jiang et al. | Autonomous navigation system of greenhouse mobile robot based on 3D Lidar and 2D Lidar SLAM | |
| AU2020360314A1 (en) | Hybrid vision system for crop land navigation | |
| BR102016018669A2 (pt) | sistema de gerador de rota de colheita, máquina de colheita, e, método implementado por computador para gerar uma rota de colheita para uma máquina de colheita | |
| CN115576326A (zh) | 水稻联合收割机辅助导航方法及装置 | |
| CN113126628A (zh) | 一种农机自动驾驶的方法、系统、设备及可读存储介质 | |
| EP4345421A2 (en) | Method for calibrating sensor parameters based on autonomous driving, apparatus, storage medium, and vehicle | |
| CN113310488A (zh) | 一种基于slam的果园机器人导航方法 | |
| CN112834249B (zh) | 转向参数检测方法、装置、设备及存储介质 | |
| CN111208809A (zh) | 机器人步态规划方法及终端设备 | |
| WO2022252390A1 (zh) | 误差补偿方法、装置、计算机设备及存储介质 | |
| Sun et al. | Fixed-time generalized super-twisting control for path tracking of autonomous agricultural vehicles considering wheel slipping | |
| Wang et al. | Grain combine harvester header profiling control system development and testing | |
| CN113960921B (zh) | 果园履带车辆视觉导航控制方法与系统 | |
| CN116739739A (zh) | 一种贷款额度评估方法、装置、电子设备及存储介质 | |
| CN111736137B (zh) | LiDAR外部参数标定方法、系统、计算机设备及可读存储介质 | |
| Tian et al. | Design and experiment of an integrated navigation system for a paddy field scouting robot | |
| CN109542099B (zh) | 一种农机控制方法 | |
| Katupitiya et al. | Precision autonomous guidance of agricultural vehicles for future autonomous farming | |
| CN114162139B (zh) | 一种车辆控制方法、控制器、系统、装置及存储介质 | |
| CN114777711B (zh) | 多参数融合的架空线路风偏距离测量与安全预警方法 | |
| Dahms | Pancreas robot | |
| CN113894843B (zh) | 移动机器人的打滑检测方法及相关装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230106 |