CN108931976A - 一种多源信息融合农业机器人动态障碍物检测*** - Google Patents
一种多源信息融合农业机器人动态障碍物检测*** Download PDFInfo
- Publication number
- CN108931976A CN108931976A CN201710407395.0A CN201710407395A CN108931976A CN 108931976 A CN108931976 A CN 108931976A CN 201710407395 A CN201710407395 A CN 201710407395A CN 108931976 A CN108931976 A CN 108931976A
- Authority
- CN
- China
- Prior art keywords
- agricultural robot
- machine
- dynamic barrier
- detection system
- source information
- 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
- 230000004888 barrier function Effects 0.000 title claims abstract description 47
- 238000001514 detection method Methods 0.000 title claims abstract description 18
- 230000004927 fusion Effects 0.000 title claims abstract description 17
- 230000001133 acceleration Effects 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000009313 farming Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011897 real-time detection Methods 0.000 description 2
- 239000012491 analyte Substances 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000034 method Methods 0.000 description 1
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
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/027—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means comprising intertial navigation means, e.g. azimuth detector
-
- 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
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
-
- 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)
- Electromagnetism (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
本发明公开一种多源信息融合农业机器人动态障碍物检测***,主要包括北斗、惯性传感器、激光传感器和PC机。其特征在于:所述北斗安装在农业机器人顶端,沿中心线放置,并通过RS232接口与PC机相连;所述惯性传感器沿农业机器人顶端中心线安装,并通过USB接口与PC机相连;所述激光传感器安装在农业机器人正前方,并通过网口与PC机相连。本发明区别于现有技术,采用传感器信息融合技术检测动态障碍物,可实现对动态障碍物的识别,保证农业机器人能够在非结构化的农田环境下灵活自主的行走,避免与动态障碍物的碰撞。
Description
技术领域
本发明涉及一种农业机器人动态障碍物检测***,具体涉及一种基于多传感器信息的动态障碍物检测***,属于农业机械领域。
背景技术
农业是国民经济的基础,现代农业装备是现代农业的重要支撑。复杂农田环境给农业自主机器人的行走增加了困难,为保证农业机器人能够在非结构化的农田环境下灵活自主的行走,一个关键的技术就是准确地判断农田中障碍物的方位以及机器人与障碍物之间的相对位置,即动态障碍物检测技术。
动态障碍物检测就是要从障碍物地图的原始信息中,寻找、跟踪和预测动态障碍物。农田动态障碍物为一切正在运动或即将要运动的,且当前位置或预测位置在农业机器人移动范围内的物体,如农用车、人等。
本发明提供一种农业机器人动态障碍物检测***,融合激光传感器、北斗和惯性测量单元等传感器信息,解决农业机器人对动态障碍物的识别和检测问题。
发明内容
为实现上述目的,本发明解决其技术问题所采用的技术方案是一种多源信息融合农业机器人动态障碍物检测***,主要包括北斗1、惯性传感器2、激光传感器3和PC机4。其特征在于:所述北斗1安装在农业机器人顶端,沿中心线放置,并通过RS232接口与PC机4相连;所述惯性传感器2沿农业机器人顶端中心线安装,并通过USB接口与PC机4相连;所述激光传感器3安装在农业机器人正前方,并通过网口与PC机4相连。
所述北斗1和惯性传感器2实时获取农业机器人位置和姿态信息后,将信号发送给PC机4进行储存和计算;所述PC机4先将北斗的经纬度数据转化为高斯克吕格平面坐标,再用卡尔曼滤波算法融合北斗1的位置数据和惯性传感器2的姿态数据,计算出农业机器人各时刻的平面坐标;所述激光传感器3实时检测农业机器人与障碍物之间的相对位置信息,将信号发送给PC机4进行储存和计算;所述PC机根据得到的各时刻农业机器人平面坐标和其与障碍物之间的相对位置信息,利用布沙尔模型进行相对坐标转换,计算出农田中障碍物的方位及绝对位置坐标,分析相邻采样周期内同一障碍物绝对位置,就可区分静、动态障碍物,并能计算出动态障碍物运动矢量。
所述北斗采用北京星网宇达科技公司XW-GI5610,它可以通过接收四颗不同卫星信号来确定农业机器人的位置信息。
所述惯性传感器采用北京星网宇达科技公司XW-IMU5220,它可以通过对农业机器人三轴姿态角以及加速度的计算确定农业机器人的姿态信息。
所述激光传感器采用日本HOKUYO公司的激光测距传感器UST-20LX,它可通过对农田环境的扫描获取各时刻障碍物的信息。
该基于多传感器信息的农业机器人动态障碍物检测***的工作步骤主要是:
首先,北斗和惯性传感器将检测的农业机器人位置和姿态信号发送给PC机进行储存;
其次,PC机先将北斗的经纬度数据转化为高斯克吕格平面坐标,再用卡尔曼滤波算法融合北斗的位置数据和惯性传感器的姿态数据,计算出农业机器人各时刻的平面坐标;
接着,激光传感器将检测得到的农业机器人与障碍物之间的相对位置信息发送给PC机,PC机根据得到的各时刻农业机器人平面坐标和其与障碍物之间的相对位置信息,利用布沙尔模型进行相对坐标转换,计算出农田中障碍物的方位及绝对位置坐标。
最后,PC机通过分析相邻采样周期内同一障碍物绝对位置坐标,即可区分静、动态障碍物,并能计算出动态障碍物运动矢量。
本发明一种多源信息融合农业机器人动态障碍物检测***的有益效果是:区别于现有技术,上述技术方案可实现对动态障碍物的识别,从而可用于农业机器人的自动移动,避免与动态障碍物的碰撞。
附图说明
图1为本发明一种多源信息融合农业机器人动态障碍物检测***侧视图。
图2为本发明一种多源信息融合农业机器人动态障碍物检测***原理框图。
具体实施方式
下面结合附图1对本发明作更进一步的说明:
所述北斗1安装在农业机器人顶端,沿中心线放置,并通过RS232接口与PC机4相连;所述惯性传感器2沿农业机器人顶端中心线安装,并通过USB接口与PC机4相连;所述激光传感器3安装在农业机器人正前方,并通过网口与PC机4相连;
下面结合附图2对本发明作更进一步的说明:
一种多源信息融合农业机器人动态障碍物检测***,采用传感器信息融合技术检测动态障碍物,保证农业机器人能够在非结构化的农田环境下灵活自主的行走。所述北斗1和惯性传感器2实时获取农业机器人位置和姿态信息后,将信号发送给PC机4进行储存和计算;所述PC机4先将北斗的经纬度数据转化为高斯克吕格平面坐标,再用卡尔曼滤波算法融合北斗1的位置数据和惯性传感器2的姿态数据,计算出农业机器人各时刻的平面坐标;所述激光传感器3实时检测农业机器人与障碍物之间的相对位置信息,将信号发送给PC机4进行储存和计算;所述PC机根据得到的各时刻农业机器人平面坐标和其与障碍物之间的相对位置信息,利用布沙尔模型进行相对坐标转换,计算出农田中障碍物的方位及绝对位置坐标,分析相邻采样周期内同一障碍物绝对位置,就可区分静、动态障碍物,并能计算出动态障碍物运动矢量。
Claims (4)
1.一种多源信息融合农业机器人动态障碍物检测***,主要包括北斗(1)、惯性传感器(2)、激光传感器(3)和PC机(4)。其特征在于:所述北斗(1)安装在农业机器人顶端,沿中心线放置,并通过RS232接口与PC机(4)相连;所述惯性传感器(2)沿农业机器人顶端中心线安装,并通过USB接口与PC机(4)相连;所述激光传感器(3)安装在农业机器人正前方,并通过网口与PC机(4)相连。
2.根据权利要求1所述的多源信息融合农业机器人动态障碍物检测***,其特征在于:所述北斗采用北京星网宇达科技公司XW-GI5610,它可以通过接收四颗不同卫星信号来确定农业机器人的位置信息。
3.根据权利要求1所述的多源信息融合农业机器人动态障碍物检测***,其特征在于:所述惯性传感器采用北京星网宇达科技公司XW-IMU5220,它可以通过对农业机器人三轴姿态角以及加速度的计算确定农业机器人的姿态信息。
4.根据权利要求1所述的多源信息融合农业机器人动态障碍物检测***,其特征在于:所述激光传感器采用日本HOKUYO公司的激光测距传感器UST-20LX,它可通过对农田环境的扫描获取各时刻障碍物的信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710407395.0A CN108931976A (zh) | 2017-05-25 | 2017-05-25 | 一种多源信息融合农业机器人动态障碍物检测*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710407395.0A CN108931976A (zh) | 2017-05-25 | 2017-05-25 | 一种多源信息融合农业机器人动态障碍物检测*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108931976A true CN108931976A (zh) | 2018-12-04 |
Family
ID=64447958
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710407395.0A Pending CN108931976A (zh) | 2017-05-25 | 2017-05-25 | 一种多源信息融合农业机器人动态障碍物检测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108931976A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103019245A (zh) * | 2013-01-07 | 2013-04-03 | 西北农林科技大学 | 一种基于多传感器信息融合的山地农业机器人避障*** |
CN103808316A (zh) * | 2012-11-12 | 2014-05-21 | 哈尔滨恒誉名翔科技有限公司 | 室内飞行智能体惯性***与激光测距仪组合导航改进方法 |
CN104778274A (zh) * | 2015-04-23 | 2015-07-15 | 山东大学 | 基于稀疏出租车gps数据的大范围城市路网旅行时间估计方法 |
CN105823478A (zh) * | 2016-03-14 | 2016-08-03 | 武汉卓拔科技有限公司 | 一种自主避障导航信息共享和使用方法 |
CN106123890A (zh) * | 2016-06-14 | 2016-11-16 | 中国科学院合肥物质科学研究院 | 一种多传感器数据融合的机器人定位方法 |
CN106406338A (zh) * | 2016-04-14 | 2017-02-15 | 中山大学 | 一种基于激光测距仪的全向移动机器人的自主导航装置及其方法 |
-
2017
- 2017-05-25 CN CN201710407395.0A patent/CN108931976A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103808316A (zh) * | 2012-11-12 | 2014-05-21 | 哈尔滨恒誉名翔科技有限公司 | 室内飞行智能体惯性***与激光测距仪组合导航改进方法 |
CN103019245A (zh) * | 2013-01-07 | 2013-04-03 | 西北农林科技大学 | 一种基于多传感器信息融合的山地农业机器人避障*** |
CN104778274A (zh) * | 2015-04-23 | 2015-07-15 | 山东大学 | 基于稀疏出租车gps数据的大范围城市路网旅行时间估计方法 |
CN105823478A (zh) * | 2016-03-14 | 2016-08-03 | 武汉卓拔科技有限公司 | 一种自主避障导航信息共享和使用方法 |
CN106406338A (zh) * | 2016-04-14 | 2017-02-15 | 中山大学 | 一种基于激光测距仪的全向移动机器人的自主导航装置及其方法 |
CN106123890A (zh) * | 2016-06-14 | 2016-11-16 | 中国科学院合肥物质科学研究院 | 一种多传感器数据融合的机器人定位方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108196260B (zh) | 无人驾驶车辆多传感器融合***的测试方法和装置 | |
Liang et al. | The use of a mobile laser scanning system for mapping large forest plots | |
KR101314588B1 (ko) | 인공 표식물의 지도 작성 방법 및 장치와 이를 이용한 이동체 위치 측정 방법 및 장치 | |
KR101739996B1 (ko) | 이동 로봇 및 이동 로봇의 위치 인식 및 지도 작성 방법 | |
CN108871336B (zh) | 一种车辆位置估算***及方法 | |
CN108844533A (zh) | 一种基于多传感器融合和姿态解算的自由姿态pdr定位方法 | |
CN103674015B (zh) | 一种无轨化定位导航方法及装置 | |
CN208953962U (zh) | 一种机器人感知***及机器人 | |
CN103472823A (zh) | 一种智能机器人用的栅格地图创建方法 | |
CN100557378C (zh) | 机械与视觉关联定位实验平台 | |
CN105072580A (zh) | 基于扫地机器人的wifi指纹地图自动采集***及方法 | |
CN102023003A (zh) | 基于激光探测和图像识别的无人直升机三维定位及测绘方法 | |
CN108535789A (zh) | 一种基于机场跑道的异物识别*** | |
CN110412596A (zh) | 一种基于图像信息和激光点云的机器人定位方法 | |
CN109029465A (zh) | 一种无人艇基于毫米波雷达的跟踪和避障*** | |
CN109737968B (zh) | 基于二维LiDAR和智能手机的室内融合定位方法 | |
CN113405560B (zh) | 车辆定位和路径规划统一建模方法 | |
CN105571636A (zh) | 一种用于定位目标的方法及测量设备 | |
Meichen et al. | Dynamic obstacle detection based on multi-sensor information fusion | |
JP5082001B2 (ja) | 物体の進行方向検知方法、位置検知方法、進行方向検知装置、位置検知装置、移動動態認識方法及び移動動態認識装置 | |
Bikmaev et al. | Improving the accuracy of supporting mobile objects with the use of the algorithm of complex processing of signals with a monocular camera and LiDAR | |
CN111536976A (zh) | 一种校园穿梭防控*** | |
CN108931976A (zh) | 一种多源信息融合农业机器人动态障碍物检测*** | |
Gangadharan et al. | A comparison of approaches for citrus canopy profile generation using ultrasonic and Leddar® sensors | |
CN110442014A (zh) | 一种基于位置的移动机器人rfid伺服方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20181204 |
|
WD01 | Invention patent application deemed withdrawn after publication |