一种基于田间信息约束的农机定位方法
- 国知局
- 2024-09-11 15:10:03
本发明涉及农机定位,尤其涉及的是一种基于田间信息约束的农机定位方法。
背景技术:
1、农机自主精准导航和田间信息智能感知是发展智慧农业的重要组成部分,丘陵地区地形复杂,土地狭小零散,gnss信号会受到建筑物和高大树木等物体的遮挡而引起位置漂移,以rtk-gnss定位技术为主导的大型农机应用困难,需要开发适合散户使用的小型化、轻便化的农机设备,以适应丘陵地区不同作物的种植作业和收获作业等。因此,顾及田间信息约束的农机丘陵地区定位精度保持是重大需求。
2、立体视觉技术一般采用双目相机进行拍摄测量,双目相机类似于人类的双眼,可以实现距离和角度的测量,构成伪激光雷达测量感知系统。而动态立体视觉技术则是侧重于对运动物体三维信息的测量感知与模型重构,搭载在自动驾驶汽车上的动态立体视觉系统可以实现对移动物体的高效测量感知和自适应建模重构。因此,采用立体视觉定位导航技术进行丘陵地区的农机导航定位,无需增加昂贵的硬件设备即可进行动态测量感知,准确度较高,具有较好的环境适应性。
3、目前,国内外采用多传感器组合定位导航技术对农机进行定位。多传感器组合定位导航技术测量精度高、可靠性好。然而,在丘陵、山地等gnss定位受限场景下,田间农机的定位难以实现连续高精度定位,且定位效率低。现有定位方法在丘陵、山地等gnss定位受限场景下田间的农机定位难度极大,亟待在丘陵、山地等gnss定位受限场景下探索一种连续、快速的田间农机定位精度保持技术,弥补当前在丘陵、山地等gnss定位受限场景下农机定位精度的不足。
4、现有技术对于基于图像的农机自动导航技术的重点主要分为田间图像处理、导航路径规划和障碍物识别等领域。而顾及多源数据优化选取的农机丘陵地区定位精度保持方面的实际应用相对较少,是目前农机自动化导航的难点。
技术实现思路
1、本发明要解决的技术问题在于,针对现有技术的上述缺陷,提供一种基于田间信息约束的农机定位方法,本发明针对丘陵、山地等地区的农机定位精度保持问题,通过深度学习方法识别田间固定目标,并通过立体视觉方法进行田间固定目标的动态定位;进而基于田间固定目标组成的田间位置识别控制网进行农机的自主导航定位,使得农机在gnss定位受限情况下的定位保持高精度。为农机在丘陵、山地等地区gnss定位部分受限场景下的定位精度保持提供保障。
2、本发明解决问题所采用的技术方案如下:
3、一种基于田间信息约束的农机定位方法,包括:
4、采用深度学习方法对田间位置识别物的图像进行识别和分类,得到田间固定目标对应的位置识别控制点;
5、基于立体视觉的田间目标动态冗余定位方法,将gnss定位系统精度大于精度阈值的农机作为基站,进行田间目标的动态冗余定位,构建田间位置识别控制网;
6、在gnss定位受限情况下,基于田间位置识别控制网进行农机的定位。
7、优选地,所述采用深度学习方法对田间位置识别物的图像进行识别和分类,得到田间固定目标对应的位置识别控制点的步骤包括:
8、进行田间位置识别物的初步调查与筛选;
9、获得每种田间位置识别物的视觉特征,提取田间位置识别物的共性视觉特征;
10、对田间位置识别物的图片进行标注,制作数据集;
11、采用所述数据集对深度卷积网络进行训练,得到对应的权重文件,所述深度卷积网络的骨干网络为残差网络;
12、根据所述权重文件,对田间位置识别物进行识别和分类。
13、优选地,所述基于立体视觉的田间目标动态冗余定位方法,将gnss定位系统精度大于精度阈值的农机作为基站,进行田间目标的动态冗余定位,构建田间位置识别控制网的步骤包括:
14、构建以农机为基站的动态立体视觉测量模型;
15、根据双目相机的动态重复图像计算田间控制点位置;
16、根据所述田间控制点位置,构建田间位置识别控制网。
17、优选地,所述在gnss定位受限情况下,基于田间位置识别控制网进行农机的定位的步骤包括:
18、获取田间控制点的坐标,基于测量原理计算出农机行驶瞬间的位置坐标。
19、优选地,所述采用所述数据集对深度卷积网络进行训练,得到对应的权重文件,所述深度卷积网络的骨干网络为残差网络的步骤包括:
20、选择残差网络结构,构建相应的网络模型;
21、将数据集划分为训练集和验证集,所述训练集用于训练所述网络模型,所述验证集用于验证所述网络模型的性能;
22、将训练集的图像样本输入到残差网络中,采用如下公式计算均方误差损失函数:
23、
24、其中,是所述网络模型预测的农机的位置,是所述图像样本中农机的实际位置, n是图像样本数量, mse为均方误差损失函数;
25、通过反向传播法更新网络参数,以最小化所述均方误差损失函数;
26、将验证集输入已训练网络模型进行评估,根据以下公式计算准确率:
27、准确率 = 预测正确的图像样本数/总图像样本数
28、根据所述准确率,对所述已训练网络模型的结构进行优化。
29、当所述已训练网络模型的性能符合要求时,保存所述网络模型的权重文件。
30、优选地,所述构建以农机为基站的动态立体视觉测量模型的步骤包括:
31、d211、在gnss定位系统精度大于精度阈值时使用gnss接收机获取农机的位置信息,将接收到的卫星信号进行处理,计算出农机的位置参数;利用imu传感器获取农机的姿态信息,所述姿态信息包括加速度计和陀螺仪的测量数据;
32、d212、使用卡尔曼滤波将所述位置参数和所述姿态信息进行融合,得到滤波结果,利用rts反向平滑算法对滤波结果进行平滑处理,得到导航结果;
33、d213、使用双目相机获取农机周围的场景图像;
34、d214、将所述位置参数和所述姿态信息与场景图像中的像素坐标结合,将所述场景图像中的像素坐标转换为实际物理坐标,建立动态立体视觉测量模型。
35、优选地,所述根据双目相机的动态重复图像计算田间控制点位置的步骤包括:
36、d221、首先对双目相机的参数进行标定,使用安装在农机上的双目相机进行图像采集,得到重复的图像序列;
37、d222、对所述重复的图像序列进行特征提取,并进行特征匹配,得到特征匹配结果;
38、d223、根据所述特征匹配结果,计算相邻图像之间的视差值;
39、d224、根据视差值,筛选出具有视差范围的特征点作为田间控制点;
40、d225、对于田间控制点,通过三角测量的方法,将视差值转换为相对于田间控制点在双目相机下的三维坐标,计算方法如下:
41、使用如下公式计算田间控制点在双目相机下的三维坐标:
42、
43、其中,是一个参考视差值,用于防止出现分母为0的情况; b为双目相机的基线长度, d为视差值, f为焦距,为田间控制点在双目相机下的x轴坐标,为田间控制点在双目相机下的y轴坐标,为田间控制点在双目相机下的z轴坐标;
44、d226、根据田间控制点在双目相机下的三维坐标,结合双目相机参数,将田间控制点在双目相机下的三维坐标转换为田间控制点的实际物理坐标,计算公式如下:
45、;
46、其中,为田间控制点在双目相机下的x轴坐标,为田间控制点在双目相机下的y轴坐标,为田间控制点在双目相机下的z轴坐标,为田间控制点的实际物理x轴坐标,为田间控制点的实际物理y轴坐标,为田间控制点的实际物理z轴坐标,为坐标系的旋转矩阵的逆矩阵, t 为坐标系的平移矩阵。
47、优选地,所述基于测量原理计算出农机行驶瞬间的位置坐标的步骤包括:
48、d311、根据田间控制点的坐标,计算a点和b点之间的距离、p点和a点之间的距离以及p点和b点之间的距离:
49、;
50、;
51、;
52、d312、根据、和通过余弦定理求出夹角:
53、;
54、;
55、;
56、其中,为反余弦函数,为第一夹角,为第二夹角为第三夹角;
57、d313、计算三角网闭合差:
58、180°;
59、;
60、;
61、;
62、其中,为调整后第一夹角,为调整后第二夹角,为调整后第三夹角, w为三角网闭合差;
63、d314、计算农机坐标:
64、;
65、;
66、其中, a为田间第一控制点, b为田间第二控制点, p为农机坐标点,为农机坐标点的横坐标,为农机坐标点的纵坐标。
67、优选地,所述获取田间控制点的坐标之前,还包括:
68、将立体视觉双目相机架设在农机上;
69、在农机行驶过程中进行自由设站;
70、对田间控制点进行拍摄,得到所述田间控制点的坐标。
71、本发明的有益效果:本发明提供了一种基于田间信息约束的农机定位方法。本发明所述的基于田间信息约束的农机定位方法,针对丘陵、山地等地区的农机定位精度保持问题,通过深度学习方法识别田间固定目标,并通过立体视觉方法进行田间固定目标的动态定位;进而基于田间固定目标组成的田间位置识别控制网进行农机的自主导航定位,使得农机在gnss定位受限情况下的定位保持高精度。为农机在丘陵、山地等地区gnss定位部分受限场景下的定位精度保持提供保障。采用gnss定位技术、深度学习、惯性姿态推算、立体视觉等技术,提出一种基于田间信息约束的农机定位方法。开发基于田间信息约束的田间农机动态定位系统,以高精度惯导为核心,使用双目相机联测田间控制点进行约束,对丘陵、山地等gnss定位部分受限地区的农机进行自主定位,提高定位精度和经济效益。
72、与现有的技术方案相比,本发明的方案具有以下几个优点。
73、第一、与现有图像分类方法相比,本发明采用深度学习方法,快速、准确地对图像进行分类,提高了分类效率,大大节约了时间成本。
74、第二、丘陵地区,农机田间作业时往往遇到gnss信号受到遮挡而无法实现固定解,需要农机手进行人工操作才能继续正常作业。本发明提出的方案根据田间位置识别物自然控制网对农机进行动态定位,大大减少了人工操作,提高了工作效率。
75、第三、采用立体视觉定位导航技术进行丘陵地区的农机导航定位,无需增加昂贵的硬件设备即可进行动态测量感知,准确度较高,具有较好的环境适应性。提高了定位效率和经济效益,大大节约检测设备成本。
76、第四、本发明技术方案注重多学科交叉,充分利用立体视觉定位、深度学习和惯性姿态推算等技术,可广泛应用于导航定位、图像处理等领域。
本文地址:https://www.jishuxx.com/zhuanli/20240911/293426.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。
下一篇
返回列表