基于因子图的无人喷雾机多源融合定位

发布时间：2022-01-16 20:16

　　针对果林环境GPS信号容易丢失,造成农机位姿估计误差较大的问题,提出了一种基于因子图的喷雾机多源融合定位方法.采用集成彩色和深度相机与IMU的RealSense D435i传感器,感知无人喷雾机周围环境信息.通过改进的自适应阈值均匀Harris角点提取方法,利用金字塔LK光流算法跟踪匹配角点,使用迭代最近点算法估计相机运动,最终采用因子图优化算法迭代优化位姿估计误差.试验在林间道路进行,改进的方法与惯性组合导航相比,在GPS信号丢失时可以有效地实时估计喷雾机位姿,试验测试距离总共112.39 m,多传感器融合后的位姿更新频率约为50 Hz.结果表明:喷雾机定位均方根误差减少了0.816 m,最大误差减少了4.613 m,姿态角度估计最大误差减少了2.713°. 

【文章来源】：江苏大学学报(自然科学版). 2020,41(03)北大核心

【文章页数】：7 页

【部分图文】：

算法整体框架

式中:A为正交旋转矩阵;p为三维平移向量;O为三维零向量.为了采用因子图优化状态变量,对旋转量求导进行优化,采用特殊正交群SO(3)表示旋转矩阵A,对应的李代数φ是SO(3)群上的三维切向量[10].

通过光流法跟踪Harris角点估计喷雾机位姿变换.Harris角点假设相邻帧图像灰度不变,计算灰度图像某一像素为中心的窗口中水平和竖直方向的梯度,并将2个方向的梯度值相乘生成二阶矩M,通过判断二阶矩M的特征值的大小来选择角点.由于采用微分运算,Harris角点对图像旋转、亮度和对比度的变化不敏感[11],适合用于室外果林间图像的特征角点提取,同时Harris角点检测效率较高,能够保证定位的实时性.Harris角点原理如图3所示.对于图像I(x,y),通过自相关函数给出点(x,y)处平移(Δx,Δy)灰度差异:

【参考文献】：
期刊论文
[1]基于因子图的组合导航方法及其可行性研究[J]. 朱晓晗,陈帅,蒋长辉,张博雅,韩林.  电光与控制. 2019(04)
[2]基于信息融合的农业自主车辆障碍物检测方法[J]. 薛金林,董淑娴,范博文.  农业机械学报. 2018(S1)
[3]履带自走式果园自动对靶风送喷雾机研究[J]. 姜红花,白鹏,刘理民,董西峰,宋坚利,张晓辉.  农业机械学报. 2016(S1)
[4]宽幅施药机械机器视觉辅助导航系统研究[J]. 李林,魏新华,朱文静,李晋阳.  农业机械学报. 2015(09)
[5]Harris角点自适应检测的水稻低空遥感图像配准与拼接算法[J]. 周志艳,闫梦璐,陈盛德,兰玉彬,罗锡文.  农业工程学报. 2015(14)
[6]农业机械导航技术发展分析[J]. 姬长英,周俊.  农业机械学报. 2014(09)
[7]基于视觉组合的苹果作业机器人识别与定位[J]. 王辉,毛文华,刘刚,胡小安,李树君.  农业机械学报. 2012(12)



本文编号：3593350