【摘 要】
：
随着温室大棚数量的增长以及农村劳动力数量的下降,可以在恶劣环境中自主作业的温室植保机器人成为当前研究热点。因为在温室内无法使用GNSS进行定位导航,所以实现温室内植保机器人的建图导航具有重要意义。本文以实现温室内植保机器人的自主运行为目标,设计基于视觉、激光融合的建图导航系统,主要工作内容如下:首先根据温室机器人的工作场景,分析机器人建图导航系统的需求,设计多传感器融合的建图导航系统方案。建立机器
论文部分内容阅读
随着温室大棚数量的增长以及农村劳动力数量的下降,可以在恶劣环境中自主作业的温室植保机器人成为当前研究热点。因为在温室内无法使用GNSS进行定位导航,所以实现温室内植保机器人的建图导航具有重要意义。本文以实现温室内植保机器人的自主运行为目标,设计基于视觉、激光融合的建图导航系统,主要工作内容如下:首先根据温室机器人的工作场景,分析机器人建图导航系统的需求,设计多传感器融合的建图导航系统方案。建立机器人运动模型及传感器观测模型,设计建图导航系统的总体框架与运行流程。接着针对温室内导航系统的需求,对主流SLAM算法进行分析,设计了融合激光和视觉的建图方案。以基于Cartographer的激光SLAM为基础,将ORB-SLAM2构建的三维点云图经过优化后投影至平面转换为二维点云,与Cartographer构建的二维激光点云通过融合策略构建信息更丰富的二维栅格地图。并经过实验验证了融合激光视觉建图算法的有效性。然后针对温室植保机器人的工作需求,设计改进A*与动态窗口法融合的路径规划算法。通过引入障碍物栅格占比优化代价函数f（n）,提高A*算法搜索效率,添加关键点选取策略,使规划出的路径更加平滑。利用改进A*算法筛选出的关键点作为DWA算法的阶段性目标点,在全局最优的基础上实现机器人的避障功能。并在仿真实验中验证融合导航算法的有效性。最后通过模拟环境实验测试建图导航系统的性能,机器人可以在采用激光SLAM和视觉SLAM融合构建的环境地图中,利用所设计的导航算法进行自主运行。实验结果表明,多传感器融合建图导航方案满足温室植保机器人的作业要求,证明本设计的可行性。
其他文献
雾天能见度降低给高速公路的通行效率与安全运营带来了极大威胁,全方位高效的能见度检测对交通管理具有十分重要的意义。随着高速公路监控设备的普及,通过构建基于监控图像的能见度自动检测方法,能够在降低成本的同时实现密集的大范围检测。然而由于成像设备及成像条件存在差异,且监控图像特征与能见度类别之间具有复杂的非线性关系,如何依据图像进行准确的能见度检测是一项具有挑战性的任务。鉴于深度卷积网络优异的特征学习能
运动捕获数据作为一种新型的多媒体数据,在影视,游戏和医疗康复领域都得到了广泛应用。此类数据通过记录每一时刻人体关节点的位置和朝向,构成整个运动帧序列。由于其捕获到的人体位置信息非常的准确,能够在各种复杂的场景中刻画出人物模型的运动,给人以强大的视觉冲击,因此获得了大量用户的青睐。但专业的运动捕获设备价格高昂,所以只有大型的机构或公司才能完成运动捕获的任务。运动合成技术由于能够利用现有的运动数据,通
对于实际应用中的复杂系统而言,通常存在由于多种类型干扰的存在而造成的系统工作效率下降等问题,这种类型的问题也正是整个控制领域重点研究的问题之一。目前已有一些控制算法能够在一定程度上缓解效率下降的问题,但是一般控制系统中,控制器一旦设计完成之后,其参数不便更改。针对此类问题,在多种类型干扰作用的控制系统中,本文在上层通过规划与调度获取最优设定值,然后应用两层结构运行优化控制方法结合其它控制方法来优化
互联网技术的快速发展极大地降低了人们接收和发布信息的门槛。海量的网络文本包含民众对事件与商品的看法,通过大数据分析以及情感挖掘能够帮助政府了解事件的舆论走向,也能为推荐系统提供数据支撑。面对指数级增长的评论文本,传统的情感分析方法已捉襟见肘,因此本文以深度学习方法为基础,围绕目前情感分析中存在的文本特征表示不充分、不准确的问题展开研究,面向不同类型的情感分析任务构建更准确的文本特征表示方法,本文的
近年来,机械臂在现代工业制造体系中扮演了不可或缺的角色,随着生产工艺的提升,对机械臂的轨迹跟踪控制要求也越来越高,由于目前大多数控制研究只能使系统渐近收敛,研究高精度、快速收敛的跟踪控制算法有着重要的意义。本课题基于非奇异终端滑模（Nonsingular Terminal Sliding Mode,NTSM）有限时间收敛特性,将NTSM分别与神经网络、自适应控制、扰动观测器结合设计轨迹跟踪控制器,
联邦学习（Federated Learning）作为一种新兴的分布式机器学习范式,可以联合不同的组织或用户共同训练机器学习模型。具体来说,在保证整个训练过程数据一直保留在本地不被泄露的前提下,通过中央服务器协调大量客户端（例如手机、电脑和运动手环等）共同训练得到一个最优全局模型,在保护数据隐私的同时打破了数据之间的壁垒,以此来解决数据孤岛问题。不同于传统的分布式机器学习方法,联邦学习面临诸多严峻的
近年来,以大数据为背景的深度学习方法在机械故障诊断领域取得了令人瞩目的成就,为设备的智能故障诊断研究提供了重要途径。然而这些研究都是在训练数据充足的基础上实现的,模型的诊断效果受数据量的影响较大。在实际工作环境中,由于各种条件限制,为每种轴承状态收集和标记的故障数据可能会出现信息不充分的情况。具体来说,当故障样本远少于正常样本,会产生数据分布不均衡现象;而当各类轴承数据的绝对数量都很少时,表现为小
随着老龄化问题的日益严重,针对老人的看护问题已成为当下社会的研究热点之一。摔倒作为对老年群体健康威胁最大的因素之一,不仅会严重影响老年人的身心健康,还会给公共卫生事业带来巨大压力。依靠人力对老人进行看护效果虽好,但低效且占用大量医护资源。现有的基于视觉的摔倒检测系统普遍采用固定摄像头,此类系统无法在其视觉盲区对目标进行有效监测。针对以上问题,本文对行人跟踪算法与行人失稳姿态检测算法展开研究。首先,
大数据时代,图像、视频等视觉数据呈现指数级增长,传统的计算机视觉理论与方法面临着前所未有、日益严峻的挑战。而显著性检测作为智能视频处理中一项关键支撑技术,可有效定位图像、视频序列中感兴趣的目标区域,以便于从大量冗余信息中提取对当前任务有益的信息,为智能图像、视频处理中目标识别、场景理解、行为分析等高层任务提供可靠数据,具有重要的军事、商业和社会价值,已被广泛应用于智能安防、航空航天、人机交互、工农
随着自动控制理论的发展,固定翼无人机的应用也愈发广泛。速度和姿态控制策略是固定翼控制研究的基本问题。固定翼无人机是典型的具有非完整线性约束运动体,其具有强耦合、非线性等特征。此外,风速等外界扰动对固定翼无人机飞行影响也较大,对于不同形态的固定翼无人机,其飞行姿态与速度控制效果也不尽相同。因此,相较于其他构型的无人机,固定翼无人机的控制器设计要求更为复杂,控制难度也更大。奇异摄动法本质上是一种时标分