-
公开(公告)号：CN117011843B
公开(公告)日：2024-05-14
申请号：CN202310997127.4
申请日：2023-08-09
Applicant: 仲恺农业工程学院
IPC: G06V20/68 , G06V20/64 , G06N3/0464 , G06V10/82 , G06V10/26 , G06V10/28 , G06V10/22 , G06V10/774 , G06V10/44
Abstract: 本发明提供一种用于火龙果自动化采摘的图像识别与姿态评估方法，涉及水果采摘领域，包括：步骤一、图像数据集的形成；步骤二、火龙果图像分割图的获取；步骤三、图像分割图转换为灰度图、再转换为二值化图像；步骤四、通过二值化图像分别获得生态姿态向量与果实姿态向量、最后拟合获得果实最终姿态。该方法能够对大面积的火龙果进行位姿检测、实现精确化采摘；其检测精度高、采摘效率高、误差小，能够有效避免采摘过程中对火龙果果实、枝条等造成损伤。
-
公开(公告)号：CN112947312A
公开(公告)日：2021-06-11
申请号：CN202110121783.9
申请日：2021-01-28
Applicant: 仲恺农业工程学院
IPC: G05B19/414
Abstract: 本申请提供一种农业机器人运动控制方法及系统，其特征在于：利用信息获取模块获取信息；利用平衡度计算模块计算平衡度值，利用稳定性判断模块计算稳定性值，利用调整模块进行参数调整或保持参数不变；利用本申请独创性提出的平衡度值和稳定性值计算方式，对拟进行变更的速度和/或加速度进行判断，如果变更值无法达到期望的平衡度值区间，则直接淘汰该变更方式，进行重新调整或保持不变；如果能够达到期望的平衡度值区间，则进一步计算稳定性值，如果能够达到期望的稳定性值区间，则允许变更，否则，若无法得出可行结果的情况下，进一步调整所述农业机器人的运动方向和/或增加所述双臂作为所述运动控制辅助。
-
公开(公告)号：CN117611966A
公开(公告)日：2024-02-27
申请号：CN202311433481.0
申请日：2023-10-31
Applicant: 仲恺农业工程学院
IPC: G06V10/82 , G06V10/80 , G06V10/766 , G06N3/0464 , G06V20/68 , G06V10/22
Abstract: 本发明公开了一种基于YOLOv7旋转框的香蕉识别与位姿估计方法，包括步骤：(1)、对拍摄的香蕉树图像，在YOLOv7模型的基础上增加设置旋转角度参数和GSConv模块，进行图像特征提取，特征增强，利用所述GSConv模块对特征进行融合分析；(2)、使用旋转边界框定位香蕉的果柄，包围香蕉的形状，并通过果柄的方向判断香蕉的朝向，设定旋转角度参数；(3)、进行所述旋转边界框回归损失计算，将角度参数视为一个概率分布，表示目标可能的旋转角度；面对周期性角度参数的不连续性，使用KLD方法来度量两个相邻周期之间的概率分布差异，并将其作为损失函数的一部分，对图像进行修复。本发明方法采提高目标定位和识别的准确性。
-
公开(公告)号：CN114102609A
公开(公告)日：2022-03-01
申请号：CN202111611516.6
申请日：2021-12-27
Applicant: 仲恺农业工程学院
Abstract: 本发明公开了基于牛顿迭代法的香蕉采摘机器人逆运动学计算方法，包括以下步骤：根据采摘机器人的机械结构建立采摘执行器中香蕉果柄夹持件的位置和姿态与各自由度的正运动学模型；基于牛顿迭代算法根据香蕉果柄夹持件的目标位置和姿态求得满足设定精度的逆运动学解。本发明根据采摘机器人的正运动学模型和几何关系求得底座转角θ、末端转角的逆运动学解析解，再由采摘机器人的正运动学模型构造水平位移x和垂直位移z满足的方程组，并求出其雅可比矩阵的逆矩阵，然后采用牛顿迭代算法根据果柄夹持机构的目标位置和姿态求得满足设定精度的水平位移x和垂直位移z的逆运动学解，精度高、实时性较好。
-
公开(公告)号：CN113361315B
公开(公告)日：2021-12-07
申请号：CN202110204688.5
申请日：2021-02-23
Applicant: 仲恺农业工程学院
Abstract: 本发明提出一种基于背景饱和度压缩与差异阈值分割融合的香蕉串识别方法，先压缩原始香蕉串RGB图像的分辨率，再将图像转换至HSV颜色空间，然后对图像背景饱和度做自适应阈值的伽马变换和半值压缩，接着以大、小差异阈值范围，采用阈值分割、孔洞填充和连通域提取等形态学处理方法对背景压缩的饱和度分量与色调分量的差值图像进行分割、融合，从而识别出准确度高、噪声点少的香蕉串。本法对自然香蕉园环境下采集的图像样本正确识别出香蕉串的占比92.56％；在正确识别的图像样本中，香蕉串识别的准确度高于0.85的占比39.29％，介于0.80到0.85的占比46.43％，低于0.80的占比14.28％。本法能较好地适应不同光照和环境颜色下香蕉串的识别，可为机器人采摘作业提供香蕉串的定位依据。
-
Patent Agency Ranking
公开(公告)号：CN112904352B
公开(公告)日：2021-08-24
申请号：CN202110061762.2
申请日：2021-01-18
Applicant: 仲恺农业工程学院
Abstract: 本发明公开了基于拟合滤波的激光和超声波香蕉树测距方法，通过激光和超声波传感器组合对香蕉树进行测距，并由二者的测距数据相互校验滤除单个传感器由于光线等因素导致误差较大的测距值，采用最小二乘法以二次多项式能够较好地拟合一个周期内各采样时刻所测香蕉树的距离数据，基于拟合二次多项式和设定阈值有效滤除小灌木等干扰物和道路颠簸产生的偏差较大的距离数据，再求取滤波后距离数组中三个最小值的平均值，即为机器人与香蕉树的最短距离。本发明测距方法的误差率为1.0％‑2.0％，相应的最大测距误差为1.0cm，其测距稳定性好，能为机器人在自然香蕉园环境中实现局部定位和导航提供准确、可靠的距离数据。
-
公开(公告)号：CN116592904A
公开(公告)日：2023-08-15
申请号：CN202310527680.1
申请日：2023-05-11
Applicant: 仲恺农业工程学院
IPC: G01C21/34
Abstract: 本发明公开了基于分割算法的果园路径导航方法及系统，涉及路径导航技术领域，解决了在路径确认过程中，未分析对应路径的堵车情况，会导致本车辆总体行驶时长过长，影响驾乘人员的驾驶体验的技术问题，根据对应行驶路径内阻碍车辆所出现的次数以及行驶路径拥堵持续时长的最大值，根据排序参数，对不同的行驶路径进行排序；根据所确定的优先级排序表，对数值表现较好的三组行驶路径进行确认，根据所确认的行驶路径，对阻碍车辆的持续时长进行分析，若最后一组的阻碍车辆持续时长远远小于第一组阻碍车辆的持续时长，便代表此行驶路径内部的拥堵情况正在逐渐降低，故此行驶路径便可作为最佳行驶路径，以此达到较好的果园目的地路径导航的整体效果。
-
公开(公告)号：CN112947312B
公开(公告)日：2021-09-14
申请号：CN202110121783.9
申请日：2021-01-28
Applicant: 仲恺农业工程学院
IPC: G05B19/414
Abstract: 本申请提供一种农业机器人运动控制方法及系统，其特征在于：利用信息获取模块获取信息；利用平衡度计算模块计算平衡度值，利用稳定性判断模块计算稳定性值，利用调整模块进行参数调整或保持参数不变；利用本申请独创性提出的平衡度值和稳定性值计算方式，对拟进行变更的速度和/或加速度进行判断，如果变更值无法达到期望的平衡度值区间，则直接淘汰该变更方式，进行重新调整或保持不变；如果能够达到期望的平衡度值区间，则进一步计算稳定性值，如果能够达到期望的稳定性值区间，则允许变更，否则，若无法得出可行结果的情况下，进一步调整所述农业机器人的运动方向和/或增加所述双臂作为所述运动控制辅助。
-
公开(公告)号：CN113361315A
公开(公告)日：2021-09-07
申请号：CN202110204688.5
申请日：2021-02-23
Applicant: 仲恺农业工程学院
Abstract: 本发明提出一种基于背景饱和度压缩与差异阈值分割融合的香蕉串识别方法，先压缩原始香蕉串RGB图像的分辨率，再将图像转换至HSV颜色空间，然后对图像背景饱和度做自适应阈值的伽马变换和半值压缩，接着以大、小差异阈值范围，采用阈值分割、孔洞填充和连通域提取等形态学处理方法对背景压缩的饱和度分量与色调分量的差值图像进行分割、融合，从而识别出准确度高、噪声点少的香蕉串。本法对自然香蕉园环境下采集的图像样本正确识别出香蕉串的占比92.56％；在正确识别的图像样本中，香蕉串识别的准确度高于0.85的占比39.29％，介于0.80到0.85的占比46.43％，低于0.80的占比14.28％。本法能较好地适应不同光照和环境颜色下香蕉串的识别，可为机器人采摘作业提供香蕉串的定位依据。
-
公开(公告)号：CN113341698A
公开(公告)日：2021-09-03
申请号：CN202110674084.7
申请日：2021-06-17
Applicant: 仲恺农业工程学院
IPC: G05B11/42
Abstract: 本发明提出一种基于神经网络调节双腿各关节角度的仿人机器人步行控制方法，首先设计并训练一个BP神经网络逼近仿人机器人步行的ZMP误差、双腿各关节实际角度和双腿各关节角度校正量之间的复杂非线性关系，然后在仿人机器人步行中采用双闭环控制系统，其中外闭环以期望ZMP与实际ZMP的误差、双腿各关节的实际角度为输入，由该BP神经网络控制器输出双腿各关节的角度校正量，而内闭环则根据双腿各关节的期望角度、实际角度和角度校正量的误差通过PD控制器得到关节驱动力矩，进行各关节的角度跟踪控制。仿真结果表明，该方法较好地校正了ZMP误差，提高了稳定裕度，使仿人机器人实现持续、稳定的步行。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.02 seconds)
