为推动大宗茶机械化采收,提升大宗茶鲜叶采收效率与质量,针对目前仿形采茶机感知传感器易受接触作用力、自然光照或茶蓬面叶片间隙影响,提出了融合2D激光雷达与航向姿态参考系统(Attitude and heading reference system,AHRS)的采茶机...为推动大宗茶机械化采收,提升大宗茶鲜叶采收效率与质量,针对目前仿形采茶机感知传感器易受接触作用力、自然光照或茶蓬面叶片间隙影响,提出了融合2D激光雷达与航向姿态参考系统(Attitude and heading reference system,AHRS)的采茶机割刀仿形距离估计方法,在此基础上,设计并研制精度验证试验台与自动仿形采茶样机,分别开展了室内与田间试验。采茶机采用2D激光雷达测量采茶机割刀仿形距离信息,为提升测距精度与实时性,结合AHRS感知的加速度信息,提出了融合2D激光雷达测距与加速度信息(Fusion of 2D-LiDAR ranging and acceleration,FLRA)的采茶机割刀仿形距离估计算法,并研制了算法精度验证装置和方法,验证了算法有效性。室内试验结果表明,算法处理前仿形距离测距误差均值为36.53 mm,标准差为23.21 mm,算法处理后仿形距离估计误差均值为8.56 mm,标准差为6.31 mm,算法处理后的输出数据延迟更小,提升了仿形距离测距精度与实时性。田间试验表明,鲜叶采收效率达180~210 kg·h^(-1),割刀覆盖蓬面上鲜叶的平均采收率为92.38%,平均芽叶完整率为85.34%,平均杂质率为4.93%,一芽三叶及以下嫩梢占90.72%,满足大宗茶机采技术标准和后续加工工艺要求,与传统超声波感知的自动仿形采茶机相比,提升了大宗茶鲜叶采收效果。展开更多
同步定位与建图(Simultaneous Localization and Mapping, SLAM)是自动驾驶领域的关键技术之一。基于差异化的应用场景、传感器和算法,主流SLAM实现方法分为视觉SLAM、激光SLAM和多传感器SLAM等,其性能的优化方向主要基于传感器性能,算...同步定位与建图(Simultaneous Localization and Mapping, SLAM)是自动驾驶领域的关键技术之一。基于差异化的应用场景、传感器和算法,主流SLAM实现方法分为视觉SLAM、激光SLAM和多传感器SLAM等,其性能的优化方向主要基于传感器性能,算法策略以及估计方法。室内场景下,视觉SLAM方法因视觉传感器的视野范围有限且对光线明暗,性能受限于环境变化。多线激光雷达因价格昂贵,不适宜广泛应用。多传感器融合的方案,因部分视觉传感器采集环境特征信息丰富而存在系统运行的时延问题且融合设计复杂度高。针对以上问题,本文提出了一种基于单线激光雷达,感知算法与全局路径规划算法融合的SLAM与自主导航方案,设计软件与硬件结合的系统框架,所实现的运动系统在室内场景下高速获取环境信息,能够获取良好的建图性能并完成低时延自主导航。首先,本文系统利用IMU对单线激光雷达采集的回波数据做畸变矫正,对激光雷达数据采用Gmapping算法处理,并对各传感器的坐标系关系做精确计算和转换,而后采用Djikstra算法作为全局路径规划算法来实现运动系统的自主导航。最终通过实验,利用ROS系统,NVIDIA-Jetson-Nano,IMU、2D-Lidar等,在实际环境中实现了算法模型与系统构建,室内场景中建图效果良好,机器车在同步定位与建图过程中自主导航,验证了本文方案及系统的可靠性与有效性。展开更多
文摘为推动大宗茶机械化采收,提升大宗茶鲜叶采收效率与质量,针对目前仿形采茶机感知传感器易受接触作用力、自然光照或茶蓬面叶片间隙影响,提出了融合2D激光雷达与航向姿态参考系统(Attitude and heading reference system,AHRS)的采茶机割刀仿形距离估计方法,在此基础上,设计并研制精度验证试验台与自动仿形采茶样机,分别开展了室内与田间试验。采茶机采用2D激光雷达测量采茶机割刀仿形距离信息,为提升测距精度与实时性,结合AHRS感知的加速度信息,提出了融合2D激光雷达测距与加速度信息(Fusion of 2D-LiDAR ranging and acceleration,FLRA)的采茶机割刀仿形距离估计算法,并研制了算法精度验证装置和方法,验证了算法有效性。室内试验结果表明,算法处理前仿形距离测距误差均值为36.53 mm,标准差为23.21 mm,算法处理后仿形距离估计误差均值为8.56 mm,标准差为6.31 mm,算法处理后的输出数据延迟更小,提升了仿形距离测距精度与实时性。田间试验表明,鲜叶采收效率达180~210 kg·h^(-1),割刀覆盖蓬面上鲜叶的平均采收率为92.38%,平均芽叶完整率为85.34%,平均杂质率为4.93%,一芽三叶及以下嫩梢占90.72%,满足大宗茶机采技术标准和后续加工工艺要求,与传统超声波感知的自动仿形采茶机相比,提升了大宗茶鲜叶采收效果。
基金National Natural Science Foundation of China(No.51805146)the Jiangsu Key Research and Development Program(No.BE2018004‐1)the Fundamental Research Funds for the Central Universities(No.B200202221)。
文摘同步定位与建图(Simultaneous Localization and Mapping, SLAM)是自动驾驶领域的关键技术之一。基于差异化的应用场景、传感器和算法,主流SLAM实现方法分为视觉SLAM、激光SLAM和多传感器SLAM等,其性能的优化方向主要基于传感器性能,算法策略以及估计方法。室内场景下,视觉SLAM方法因视觉传感器的视野范围有限且对光线明暗,性能受限于环境变化。多线激光雷达因价格昂贵,不适宜广泛应用。多传感器融合的方案,因部分视觉传感器采集环境特征信息丰富而存在系统运行的时延问题且融合设计复杂度高。针对以上问题,本文提出了一种基于单线激光雷达,感知算法与全局路径规划算法融合的SLAM与自主导航方案,设计软件与硬件结合的系统框架,所实现的运动系统在室内场景下高速获取环境信息,能够获取良好的建图性能并完成低时延自主导航。首先,本文系统利用IMU对单线激光雷达采集的回波数据做畸变矫正,对激光雷达数据采用Gmapping算法处理,并对各传感器的坐标系关系做精确计算和转换,而后采用Djikstra算法作为全局路径规划算法来实现运动系统的自主导航。最终通过实验,利用ROS系统,NVIDIA-Jetson-Nano,IMU、2D-Lidar等,在实际环境中实现了算法模型与系统构建,室内场景中建图效果良好,机器车在同步定位与建图过程中自主导航,验证了本文方案及系统的可靠性与有效性。
