您好,欢迎访问北京市农林科学院 机构知识库!

基于激光雷达的稻麦收获边界检测与自动对齐系统研究

文献类型: 中文期刊

作者: 尚业华 1 ; 王昊 2 ; 孟志军 2 ; 尹彦鑫 2 ; 肖跃进 2 ; 宋正河 1 ;

作者机构: 1.中国农业大学工学院

2.北京市农林科学院智能装备技术研究中心

关键词: 稻麦收获边界;激光雷达;K-means聚类;Z向中心差分;自动对齐

期刊名称: 农业机械学报

ISSN: 1000-1298

年卷期: 2023 年 005 期

页码: 19-28,46

收录情况: EI ; 北大核心 ; CSCD

摘要: 针对稻麦收获无人作业的需求,提出了一种使用激光雷达检测稻麦收获边界的算法,并连接无人控制系统实现收获边界的自动对齐。该算法首先对采集的收获轮廓点云划定感兴趣角度范围,根据雷达的安装高度和位置将测量数据由极坐标转换为三维直角坐标,融合陀螺仪测量的激光雷达安装姿态数据对测量点云进行校正;通过中值滤波和Z向阈值滤波将点云中的噪点和非稻麦轮廓点滤除;对比了K-means聚类和Z向中心差分法检测稻麦收获边界的精度,并进行了误差分析;开发了感知系统并制定了感知与控制的CAN通信协议,采用预瞄点追踪方法对实时检测的边界点进行对齐控制;分析研究了稻麦收获边界自动对齐精度检测方法。2022年6月在北京小汤山国家精准农业示范基地进行了收获边界检测与自动对齐控制系统试验,分别采用数据标注和GPS打点的方式进行了数据采集与分析,试验结果表明,基于K-means聚类的收获边界检测横向偏差平均值为22.24 cm,基于Z向中心差分法的收获边界检测横向偏差平均值为1.48 cm,Z向中心差分法的收获边界检测优于基于K-means聚类的检测方法,故采用Z向中心差分法进行自动对齐控制试验,整体控制系统自动对齐横向偏差平均值为9.18 cm,标准差为2.48 cm,该系统可用于稻麦收获无人作业。

  • 相关文献

[1]基于K-means聚类和椭圆拟合方法的白粉虱计数算法. 王志彬,王开义,张水发,刘忠强,穆翠霞. 2014

[2]基于Android手机的水稻剑叶角测量系统. 路文超,赵勇,罗斌,潘大宇,王成. 2015

[3]基于K-means聚类和RF算法的葡萄霜霉病检测分级方法. 李翠玲,李余康,谭昊然,王秀,翟长远. 2022

[4]基于K-means聚类和分区寻优的秸秆覆盖率计算方法. 安晓飞,王培,罗长海,孟志军,陈立平,张安琪. 2021

[5]无人机机载激光雷达提取果树单木树冠信息. 陈日强,李长春,杨贵军,杨浩,徐波,杨小冬,朱耀辉,雷蕾,张成健,董震. 2020

作者其他论文 更多>>