| 题名 | 基于机器视觉的联合收割机-运粮车装载状态识别方法研究 |
| 作者 | 刘丹1,2 |
| 答辩日期 | 2020-05-26 |
| 授予单位 | 中国科学院沈阳自动化研究所 |
| 授予地点 | 沈阳 |
| 导师 | 王卓 |
| 关键词 | 联合收割机-运粮车 机器视觉 接触线 谷物三维模型 装载状态 |
| 学位名称 | 专业学位硕士 |
| 其他题名 | Research on loading status identification of Combine harvester - grain transport vehicle based on machine vision |
| 学位专业 | 控制工程 |
| 英文摘要 | 随着我国不断推进新型工业化、产品信息化和人口城镇化，利用多台农业机械进行联合作业的机群模式更加符合现代化农业发展的趋势。农业机械间协同作业的研究是实现大规模机群作业的基础。传统的谷物收割过程是与装载过程分开的，收割机满载后需要停车卸粮，通过驾驶员识别运粮车粮箱的装载状态并控制运粮车的行驶，谷物收割效率低。采用联合收割机-运粮车协同作业的方式可以实现不停车卸粮，加快作业速度，提高收割机性能。联合收割机-运粮车系统中，为提高主从协同作业的效率和监控能力，需要重点解决运粮车粮箱内谷物装载情况的动态识别问题。目前针对联合收割机-运粮车协同作业系统中粮箱装载状态识别的方法鲜有研究，大多是出料口固定于运输车正上方的谷物装载方式。传统的料堆识别方法主要有：三维激光扫描传感器、超声波传感器、压力传感器。这些传感器可以大体检测所装载谷物的高度、重量等信息，但是谷物在粮箱内的空间分布状态信息难以识别，同时存在故障率高、稳定性差等问题。针对上述问题，本文采用了机器视觉技术识别运粮车粮箱内谷物的装载状态，获取谷物的空间分布状态信息，以便于调整收割机与运粮车之间的相对位置，对协同控制具有更好的适用性。本文研究内容主要包括:（1）针对联合收割机-运粮车协同作业的特点提出了一种改进的接触线检测方法，利用谷物二维凸包上的凸点与粮箱边框直线之间的距离判断装载状态，相对于传统的仅靠边缘信息识别接触线的方式更加直观。采用利于硬件实现的细胞神经网络(Cellular Neural Network,CNN)算法检测运粮车边缘，提出了一种基于蚁狮算法的CNN边缘模板参数设计方式，分析其离散化的状态方程，简化了边缘检测的迭代过程。通过角度、距离等特征筛选出边缘检测后的粮箱边框直线，分割出粮箱区域作为感兴趣区域。利用谷物的黄色特征设计了一种RGB颜色空间与HSV颜色空间相结合的谷物区域分割方式，检测谷物区域的凸点坐标，得到谷物凸点与粮箱边框直线的距离信息。（2）针对二维接触线无法表示完整的粮箱空间分布信息的缺点，提出了一种基于多深度相机的谷物区域三维重建方式，将深度相机设计在粮箱对角位置，最大限度地利用了其有效视域范围。根据相机安装位置，设计了一种基于粮箱3D模型的多深度相机标定方式。首先构建运粮车粮箱体的3D模型图，对其角落处进行多视角网格扫描形成模板库，以粮箱中心位置为坐标系原点，利用模板匹配的方法将对角位置的深度相机转换到粮箱坐标系下。对两个深度相机采集到的点云信息进行滤波降噪等处理，利用迭代最近点(ICP)算法进行融合，得到粮箱内谷物的三维模型与空间分布信息。（3）根据联合收割机-运粮车协同作业的几何模型设计模拟实验平台，对图像采集卡及相机等设备进行布设与选择。在模拟实验平台上，利用彩色相机得到的接触线和深度相机建立的谷物三维模型识别谷物装载状态。 |
| 语种 | 中文 |
| 产权排序 | 1 |
| 页码 | 65页 |
| 内容类型 | 学位论文 |
| 源URL | [http://ir.sia.cn/handle/173321/27144]  |
| 专题 | 沈阳自动化研究所_数字工厂研究室 |
| 作者单位 | 1.中国科学院大学 2.中国科学院沈阳自动化研究所; |
| 推荐引用方式 GB/T 7714 | 刘丹. 基于机器视觉的联合收割机-运粮车装载状态识别方法研究[D]. 沈阳. 中国科学院沈阳自动化研究所. 2020. |
| 个性服务 |
| 查看访问统计 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论