果园履带车辆视觉导航控制方法与系统

    公开(公告)号:CN113960921A

    公开(公告)日:2022-01-21

    申请号:CN202111223968.7

    申请日:2021-10-19

    Abstract: 本发明公开了一种果园履带车辆视觉导航控制方法与系统,利用微软Kinect cv2相机拍摄果园路况图像,将之传入语义分割模型中,生成路况掩码区并保存对应特征;从保存的路况掩码区中提取左右侧边缘信息点并拟合一系列中心点坐标;通过给定像素坐标权重表,加权平均得到每一幅图像的偏差;基于PID控制算法,设计模糊PID控制器;基于MATLAB软件的Simulink仿真环境,建立果园视觉导航控制的仿真模型;根据仿真结果,得出模糊PID控制器的输出量,将输出量作为电机的控制量,从而实现果园履带车辆自主行驶,具有能够准确的引导果园车辆在果园路径中进行行驶的优点。本发明简化了算法的计算能力,节省大量的图像处理时间,工作效率高,因此本发明方法适合在一些路径不规范的果园中使用。

    基于神经网络的果园视觉导航路径提取方法与系统

    公开(公告)号:CN113280820A

    公开(公告)日:2021-08-20

    申请号:CN202110642706.8

    申请日:2021-06-09

    Abstract: 本发明公开了一种基于神经网络的果园视觉导航路径提取方法与系统,包括:S1、利用微软Kinect2深度相机进行数据采集,拍摄大量果园路况图像;S2、利用程序对数据进行预处理;S3、基于Tensorflow框架搭建Segnet深度学习神经网络模型,该模型包括编码部分和解码部分,且编码与解码之间呈一种对称关系;S4、训练已经搭建成功的Segnet深度学习神经网络模型,训练前设置模型参数;S5、基于训练成功的模型识别果园路况信息,生成路况掩码区并保存对应特征,从保存的路况掩码区中提取左右侧边缘信息点,利用左右侧边缘信息点的特征进行导航路径拟合。本发明利用Segnet深度学习神经网络模型,通过深度学习的方式提高了果园导航路径识别的准确率,为视觉导航任务提供有效参考。

    一种基于毫米波雷达的目标检测方法及装置

    公开(公告)号:CN113820682A

    公开(公告)日:2021-12-21

    申请号:CN202111133796.4

    申请日:2021-09-26

    Abstract: 本发明公开一种基于毫米波雷达的目标检测方法及装置,其中的方法包括以下步骤:(1)通过数据采集模块进行数据采集,将数据融合为三维点云集;(2)去除三维点云集中的非靶标点云;(3)对三维点云集中的地面点云进行拟合、分割;(4)设置聚类的点密度阈值,采用自适应模型判断三维点云集中的所有数据点是否为核心点;(5)基于步骤(4)所确定的核心点,采用DBSCAN算法进行核心点聚类,最终完成采集数据中的目标识别。本发明采用自适应模型,对三维点云集中的数据点进行核心点判断,针对每个数据点单独匹配建立自适应模型,具有针对性强、适应性好以及精度高等优点,有效提高利用毫米波雷达进行的目标检测精度,避免目标误判等情况的出现。

Patent Agency Ranking