CN110426045A - 一种农田喷药机器人视觉导航参数获取方法 - Google Patents
一种农田喷药机器人视觉导航参数获取方法 Download PDFInfo
- Publication number
- CN110426045A CN110426045A CN201910740859.9A CN201910740859A CN110426045A CN 110426045 A CN110426045 A CN 110426045A CN 201910740859 A CN201910740859 A CN 201910740859A CN 110426045 A CN110426045 A CN 110426045A
- Authority
- CN
- China
- Prior art keywords
- guidance path
- parameter
- navigation
- navigational parameter
- machine device
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开一种农田喷药机器人视觉导航参数获取方法,引入反馈和预视机制,将反馈导航参数、当前导航参数和预视导航参数结合起来,利用本发明设计的基于串行闭环BP网络的导航参数获取方法,获取高精度的导航参数。首先对获取的定位导航图像进行处理,识别出导航路径实现自身定位;然后根据反馈导航信息、当前导航信息和预视导航信息提取导航参数;最后将提取的导航参数作为组合分量输入串行闭环BP网络中,获得高精度的导航参数。实现了农田喷药机器人高精度和高可靠性导航参数的获取。
Description
技术领域
本发明属于智能移动机器人视觉导航***领域,尤其是涉及一种针对农田作业的喷药机器人的视觉导航参数获取方法。
背景技术
随着农业机械化、信息化和智能化发展,越来越多智能化农机装备工具应运而生,其可以极大减少人工劳动力的投入,降低成本,提高农业作业效率。智能移动喷药机器人具有高效精准喷洒农药、节省作业时间以及减少农药浪费污染等特点。高精度的视觉导航参数是农田喷药机器人正常作业的重要前提条件,在曲折复杂的农田作业环境下,为提高喷药机器人导航的精确性,必须充分获取和利用已知导航信息。然而,目前已有的机器人视觉导航参数获取采用基于直线路径模型的导航机理,这会严重影响喷药机器人导航的可靠性和精度。本发明在这一背景下,公开一种农田喷药机器人视觉导航参数获取方法,该方法结合反馈和预视原理并利用串行闭环BP网络获取高精度的导航参数,具有高精确性和高稳定性等特点。
发明内容
本发明的目的在于提供一种农田喷药机器人视觉导航参数获取方法。该方法将反馈和预视机制引入视觉导航参数提取中,同时设计利用串行闭环BP网络获取精准的机器人视觉导航参数。
为实现上述目的,本发明技术方案如下:一种农田喷药机器人视觉导航参数获取方法,其特征在于,首先获取图像,进行图像处理,识别大致路径信息并确定喷药机器人的相对位置;其次,提取当前导航参数、反馈导航参数和预视导航参数;最后,获取最终导航参数。
所述的提取当前导航参数、反馈导航参数和预视导航参数是采用计算导航路径的状态曲率的方法和ROI窗口递归移动的方法实现;
所述的获取最终导航参数是采用基于串行闭环BP网络获取导航参数的方法实现。
进一步,所述的ROI窗口递归移动的方法获取的是机器人坐标原点到导航路径切线的垂直距离(横向偏差)和机器人的偏转角;
进一步,所述的计算导航路径的状态曲率的方法获取的是导航路径状态信息;
进一步,所述的基于串行闭环BP网络获取导航参数的方法包含导航路径状态BP网路和导航参数BP网路以及获取导航参数的控制策略。
附图说明
图1是本发明实施例一种农田喷药机器人视觉导航参数获取方法的整体框架示意图;
图2是本发明实施例一种农田喷药机器人视觉导航参数获取方法的ROI窗口示意图;
图3是本发明实施例一种农田喷药机器人视觉导航参数获取方法的状态曲率的计算方式(1)示意图;
图4是本发明实施例一种农田喷药机器人视觉导航参数获取方法的状态曲率的计算方式(2)示意图;
图5是本发明实施例一种农田喷药机器人视觉导航参数获取方法的当前和预视区域导航参数示意图;
图6是本发明实施例一种农田喷药机器人视觉导航参数获取方法的导航路径状态BP网路和导航参数BP网络示意图;
图7是本发明实施例一种农田喷药机器人视觉导航参数获取方法的串行网络的闭环控制策略示意图。
具体实施方式
结合图1、图2、图3、图4、图5、图6、图7具体说明本具体实施方式。一种农田喷药机器人视觉导航参数获取方法包括如下步骤:
(1)获取视觉图像后进行图像处理,从而获得喷药机器人的相对位置。
(2)ROI窗口递归移动。为了动态跟踪导航路径,本发明设置兴趣区窗口ROI(Region Of Interest)。获取导航参数时仅对R0I窗口中的路径部分进行处理,将喷药机器人的整个移动过程分为多个时间段。
如图2所示。y轴方向为当前喷药机器人行走方向,矩形为当前的ROI窗口,设O1O2为视觉***提取的目标路径轨迹,其中O1、O2分别是ROI窗口与导航路径的2个交点。
喷药机器人的目标点为O2,如果从当前位置按原行走方向走到目标点后再寻找下一步路径,则其行走轨迹将会与实际导航路径有较大偏差,从而导致导航失败。如果喷药机器人想返回到正确的导航路径上,则必须向目标点O2方向前进,即喷药机器人的偏转角为OO2与y轴的夹角,由此可得到喷药机器人相对于导航路径的导航参数,其中 为机器人坐标原点到导航路径切线的垂直距离(横向偏差),为机器人的偏转角。
(3)计算导航路径的状态曲率。计算如图3、图4所示。确定喷药机器人当前的相对位置后,计算当前ROI窗口中导航路径的状态曲率,以便确定导航路径的状态信息。
在当前导航路径的ROI窗口中,轴为喷药机器人当前的行驶方向,沿轴方向将ROI窗口等分为n个子区域,则每个子区域内的导航路径可近似为直线。
设第i+1个区域导航路径相对于第i个区域导航路径的夹角为(1<=i<=n),则通过下式计算ROI窗口中导航路径的状态曲率:
其中为当前ROI窗口内路径长度。
采用相同的方法,计算出当前ROI窗口导航路径任何一部分的状态曲率,计算方式如下式:
其中,表示第m个区域的导航路径相对于第n个区域的导航路径的夹角;表示当前ROI窗口中从到的路径长度。
(4)如图5所示。将当前ROI窗口划分为预视导航区域和当前导航区域上下两个区域。将上一周期的反馈导航信息和当前ROI窗口中的当前导航信息、预视导航信息相结合,就可获得喷药机器人精确的导航参数。设定预视区域的水平中轴为X1,当前区域的水平中轴为X2,导航路径与中轴X1、ROI窗口的中轴、中轴X2的交点分别为M、P和N三点,各目标点可用喷药机器人的导航参数来表示,即、和。喷药机器人沿各目标点依次移动,就可以实现自身的精确导航。把、作为二路预视导航参数,为一路当前导航参数,再结合上一周期的反馈导航参数,将这4部分导航参数组成分量输入步骤(5)就可以获取导航参数。
(5)基于串行闭环BP网络获取导航参数。本发明设计了串行结构的两个误差反向传播神经网络,即导航路径状态BP网路和导航参数BP网路。如图6所示,两者均采用3层前馈结构。沿Y轴方向将导航路径等分为10等份,则可以获得10个状态特征点。由于纵坐标按ROI窗口等分,因此将10个状态特征点表示为: ……, ,其中和分别为10个状态特征点的横向偏差和状态曲率。将这10个状态特征点作为输入向量的分量,其中P是BP网络学习的样本数,输出向量则代表导航路径的状态。因此,导航路径状态BP网路包括一个包含10个节点的输入层,一个包含12个节点的隐含层和一个包含2个节点的输出层。导航参数BP网络包括一个包含4个节点的输入层、一个包含8个节点的隐含层和一个包含2个节点的输出层。将一路反馈导航参数、一路当前导航参数、二路预视导航参数和组成分量输入网络即可获取导航参数。
其中,导航路径状态BP网络和导航参数BP网络采用串行闭环控制策略,获取最终的导航参数。如图7所示,控制策略如下
1)依据导航路径状态BP神经网络判断导航路径状态是否正常。
2)如果导航路径状态正常,则通过导航参数BP网络获取导航参数,实现喷药机器人的精确导航。
3)如果导航路径状态不正常,则使喷药机器人停止行走,寻找新的导航路径。
4)采用闭环控制策略,在发现的新的导航路径后,重新判断新的导航路径状态。如果新的导航路径状态依然不正常,将终止跳出此过程,否则进行下一步的导航参数的获取。
以上实施方式仅用于说明本发明,而并非对本发明的限制,有关技术领域的普通技术人员,在不脱离本发明的精神和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本发明的范畴,本发明的专利保护范围应由权利要求限定。
Claims (6)
1.一种农田喷药机器人视觉导航参数获取方法,其特征在于,通过ROI窗口递归移动方法动态跟踪导航路径,获取机器人相对位置;通过导航路径的状态曲率计算方法提取导航路径状态信息;通过基于串行闭环BP网络获取导航参数的方法来获取最终的导航参数。
2.根据权利要求1所述的一种农田喷药机器人视觉导航参数获取方法,其特征在于,所述的ROI窗口递归移动方法获取的是机器人坐标原点到导航路径切线的垂直距离(横向偏差)和机器人的偏转角度。
3.根据权利要求1所述的一种农田喷药机器人视觉导航参数获取方法,其特征在于,所述的ROI窗口递归移动方法设定y轴方向为当前喷药机器人行走方向,矩形为当前的ROI窗口,设为视觉***提取的目标路径轨迹,其中、分别是ROI窗口与导航路径的2个交点。
4.根据权利要求1所述的一种农田喷药机器人视觉导航参数获取方法,其特征在于,所述的导航路径的状态曲率计算方法设定在当前导航路径的ROI窗口中,y轴为喷药机器人当前的行驶方向,沿y轴方向将ROI窗口等分为n个子区域,并将每个子区域内的导航路径可近似为直线;设第i+1个区域导航路径相对于第i个区域导航路径的夹角为,计算ROI窗口中导航路径的状态曲率计算方法为:
计算出当前ROI窗口导航路径任何一部分的状态曲率,计算方式如下式:
其中,表示第m个区域的导航路径相对于第n个区域的导航路径的夹角;表示当前ROI窗口中从到的路径长度。
5.根据权利要求1所述的一种农田喷药机器人视觉导航参数获取方法,其特征在于,所述的基于串行闭环BP网络获取导航参数的方法,包括导航路径状态BP网络、导航参数BP网络以及串行闭环控制策略。
6.根据权利要求5所述的一种农田喷药机器人视觉导航参数获取方法,其特征在于,所述的串行闭环控制策略,如下:
1)依据导航路径状态BP神经网络判断导航路径状态是否正常;
2)如果导航路径状态正常,则通过导航参数BP网络获取导航参数,实现喷药机器人的精确导航;
3)如果导航路径状态不正常,则使喷药机器人停止行走,寻找新的导航路径;
4)采用闭环控制策略,在发现的新的导航路径后,重新判断新的导航路径状态,如果新的导航路径状态依然不正常,将终止跳出此过程,否则进行下一步的导航参数的获取。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910740859.9A CN110426045A (zh) | 2019-08-12 | 2019-08-12 | 一种农田喷药机器人视觉导航参数获取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910740859.9A CN110426045A (zh) | 2019-08-12 | 2019-08-12 | 一种农田喷药机器人视觉导航参数获取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110426045A true CN110426045A (zh) | 2019-11-08 |
Family
ID=68415613
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910740859.9A Pending CN110426045A (zh) | 2019-08-12 | 2019-08-12 | 一种农田喷药机器人视觉导航参数获取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110426045A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110825083A (zh) * | 2019-11-12 | 2020-02-21 | 深圳创维数字技术有限公司 | 车辆的控制方法、设备及计算机可读存储介质 |
CN111413986A (zh) * | 2020-04-08 | 2020-07-14 | 安徽舒州农业科技有限责任公司 | 一种基于农机的自动驾驶控制方法及*** |
CN113093743A (zh) * | 2021-03-30 | 2021-07-09 | 西北农林科技大学 | 基于虚拟雷达模型和深度神经网络的导航控制方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN109885063A (zh) * | 2019-03-15 | 2019-06-14 | 江苏大学 | 一种融合视觉和激光传感器的施药机器人农田路径规划方法 |
-
2019
- 2019-08-12 CN CN201910740859.9A patent/CN110426045A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN109885063A (zh) * | 2019-03-15 | 2019-06-14 | 江苏大学 | 一种融合视觉和激光传感器的施药机器人农田路径规划方法 |
Non-Patent Citations (1)
Title |
---|
TANG JINGLEI ET AL.: "Visual navigation control for agricultural robot using serial BP neural network", 《农业工程学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110825083A (zh) * | 2019-11-12 | 2020-02-21 | 深圳创维数字技术有限公司 | 车辆的控制方法、设备及计算机可读存储介质 |
CN110825083B (zh) * | 2019-11-12 | 2023-02-28 | 深圳创维数字技术有限公司 | 车辆的控制方法、设备及计算机可读存储介质 |
CN111413986A (zh) * | 2020-04-08 | 2020-07-14 | 安徽舒州农业科技有限责任公司 | 一种基于农机的自动驾驶控制方法及*** |
CN113093743A (zh) * | 2021-03-30 | 2021-07-09 | 西北农林科技大学 | 基于虚拟雷达模型和深度神经网络的导航控制方法 |
CN113093743B (zh) * | 2021-03-30 | 2022-08-30 | 西北农林科技大学 | 基于虚拟雷达模型和深度神经网络的导航控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110426045A (zh) | 一种农田喷药机器人视觉导航参数获取方法 | |
CN107203214B (zh) | 一种运载机器人复杂混合路径协同自适应智能规划方法 | |
CN107544548B (zh) | 控制无人机作业的方法、装置及无人机 | |
CN105261034B (zh) | 一种高速公路上车流量的统计方法及装置 | |
CN105867379B (zh) | 一种机器人的运动控制方法及控制*** | |
WO2021114764A1 (zh) | 基于局部地图的地图修正方法及*** | |
CN103679774B (zh) | 一种多边形农田作业区域边界建模方法 | |
CN109508007A (zh) | 一种基于多源信息融合的农机轨迹跟踪、避障***及方法 | |
CN110502032A (zh) | 一种基于行为控制的无人机集群编队飞行方法 | |
CN104575075B (zh) | 一种基于北斗的城市路网车辆坐标校正方法及装置 | |
CN107992078A (zh) | 一种植保无人机自主路径规划方法 | |
CN106168805A (zh) | 基于云计算的机器人自主行走的方法 | |
CN107272680A (zh) | 一种基于ros机器人操作***的机器人自动跟随方法 | |
CN103714563A (zh) | 一种曲线形农田作业区域边界建模方法 | |
CN104808590A (zh) | 一种基于关键帧策略的移动机器人视觉伺服控制方法 | |
CN103079059A (zh) | 一种基于网格结合插值的单枪机—多球机联动方法 | |
CN107515004A (zh) | 步长计算装置及方法 | |
CN104197938A (zh) | 基于脚部惯性传感器的室内定位方法 | |
CN105786000A (zh) | 一种机器人在规划路径上的定位方法及定位*** | |
CN103941233A (zh) | 一种多平台主被动传感器协同跟踪的雷达间歇交替辐射控制方法 | |
CN104615150A (zh) | 一种基于机器视觉的自适应精准喷雾设备及方法 | |
CN106444757A (zh) | 基于直线特征地图的ekf‑slam算法 | |
CN101126806A (zh) | 基于信息融合的修正极大似然配准方法 | |
CN108804539A (zh) | 一种时间与空间双视角下的轨迹异常检测方法 | |
CN104864873A (zh) | 一种利用人体运动特征辅助地图定位的方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20191108 |