基于激光雷达的农业机器人果园树干检测算法

发布时间：2021-09-07 03:47

　　针对丘陵山区果园中的斜坡及杂草影响果树检测精度的问题,提出了一种基于激光雷达的树干检测算法。首先,利用单线激光雷达获取环境信息,通过数据预处理滤除噪声点及无法利用的数据点,以树干为目标设定聚类半径,根据数据点到激光雷达的距离自适应设定聚类阈值,完成初步聚类;然后,利用初步聚类结果及地面类内数据点量大、且大致呈一条直线的特征,将数据点超过一定数量的类进行二次曲线拟合,将拟合半径大于一定阈值的类视为地面干扰,并将其剔除;最后,利用杂草枝叶类中数据点之间距离不连续的特征,将存在一定数量的相邻数据点距离较大的类视为杂草枝叶类,并将其剔除,从而完成对果园中果树树干的检测。结果表明:在无干扰情况下对树干的误检率为0.76%、漏检率为1.90%,平均正确率为97.3%;在只存在地面干扰的情况下,树干检测平均正确率为96.1%;在只存在杂草干扰的情况下树干检测平均正确率为91.4%;在同时存在地面和杂草干扰的情况下树干检测平均正确率为91.9%,综合以上各种情况的树干检测平均正确率为95.5%,该方法可用于丘陵山区树干较明显的乔化果园中的树干检测,为精准农业装备在丘陵山区果园中的导航应用提供参考。 

【文章来源】：农业机械学报. 2020,51(11)北大核心EICSCD

【文章页数】：7 页

【参考文献】：
期刊论文
[1]传感器在无人驾驶汽车中的应用研究[J]. 姚小勇,朱德灿.  林业机械与木工设备. 2020(01)
[2]果园自然环境下采摘机器人路径识别方法[J]. 刘波,杨长辉,熊龙烨,王恺,王毅.  江苏农业学报. 2019(05)
[3]基于多特征融合的树干快速分割算法[J]. 刘慧,朱晟辉,沈跃,汤金华.  农业机械学报. 2020(01)
[4]农业机器人技术研究现状[J]. 张鹏,张丽娜,刘铎,吴鸿欣,焦博.  农业工程. 2019(10)
[5]激光雷达工作原理及发展现状[J]. 蒙庆华,林辉,王革,樊东鑫.  现代制造技术与装备. 2019(10)
[6]基于优化DBSCAN算法的激光雷达障碍物检测[J]. 蔡怀宇,陈延真,卓励然,陈晓冬.  光电工程. 2019(07)
[7]小型移动式农业机器人研究现状及发展趋势[J]. 闫全涛,李丽霞,邱权,张兆国,孟志军.  中国农机化学报. 2019(05)
[8]面向立木识别的有效K-均值聚类算法研究[J]. 王亚雄,康峰,李文彬,文剑,郑永军.  农业机械学报. 2017(03)
[9]基于激光雷达的果园树干检测[J]. 张莹莹,周俊.  中国农业大学学报. 2015(05)
[10]新型多普勒成像激光雷达原理设计与仿真[J]. 姜成昊,杨进华,张丽娟,李祥.  红外与激光工程. 2014(02)

硕士论文
[1]基于双目视觉技术的果园割草机避障系统设计[D]. 张梦娇.河北农业大学 2019
[2]基于DBSCAN算法的异常检测方法研究[D]. 巴建军.中国民航大学 2019
[3]丘陵山地采摘机器人移动平台结构设计与视觉导航研究[D]. 毛方东.重庆理工大学 2017
[4]车载视觉系统中障碍物检测与识别方法研究[D]. 曾丽娜.南京航空航天大学 2016
[5]成熟柑橘识别与树干轮廓提取方法的研究与实现[D]. 占求香.湖南大学 2012
[6]基于激光导航的果园拖拉机自动控制系统研究[D]. 刘沛.西北农林科技大学 2011



本文编号：3388779