基于Kalman滤波器的机器视觉自动导航定位算法的研究.pdfVIP

论 文 模 版 基于Kalman 滤波器的机器视觉自动导航定位算法研究 ， 1 1 1 1 2 1 1 陈艳 ，张漫 ，刘兆祥 ，籍颖 ，马文强 ，刘春红 （1.中国农业大学现代精细农业系统集成重点实验室，北京，100083； 2.河北农业大学 信息科学与技术学院，河北 保定，071000 ） 摘 要：将视觉信息和其他传感器信息进行融合，为农业机械提供准确、可靠的位置信息，是近年来研究的主要方向。本文以改进 的电瓶车为研究平台，构建了一个基于RTD GPS 和CCD 摄像机的多传感器组合导航定位系统。在此系统中，RTD GPS 用来获取农 机的绝对位置信息和行驶速度，CCD 摄像机用来获取农机的相对位置信息。在此研究平台的基础上，对上述传感器获取的信息通过 Kalman 滤波器进行融合，为车辆提供精确的定位信息。通过对单一传感器定位和多传感器融合定位系统的对比实验表明，多传感器 融合系统比单一传感器鲁棒性更好，跟踪误差得到一定程度的减小，该算法能够满足农业机械自动导航系统的要求。 关键词：Kalman 滤波器；机器视觉；自动导航；传感器融合 中图分类号：TP24 文献标识码：A RTD GPS 组合进行多传感器组合定位技术研究，建立了 0 引 言 Kalman 滤波器的模型，实现了传感器信息的融合，达到 农业机械的自动导航技术主要包括两个部分，一个 了农业机械的高精度定位的要求。 是定位，即获得农业机械在农田中的精确位置；一个是 控制，即控制车辆沿着预定的路径行驶。位置信息是自 1 机器视觉导航技术 动导航控制的重要参数，因此获得准确的定位信息至关 重要。采用机器视觉进行定位，精度高，灵活性强，但 1.1 导航线提取算法 是容易受到环境的影响，尤其是光线强烈时，精度难以 机器视觉导航技术依靠安装在农业机械上的摄像 保证。采用RTK GPS 进行定位，精度可以达到厘米级， 机实时获取农田景物信息，然后运用一定的图像处理算 但是此时对信号的要求较高，必需接收到5 颗以上的卫 法识别出作物行的位置，得到农机的相对位置信息，提 星信号才能构成稳定的差分信息[1]。使用RTD GPS 进行 取出导航基准线。本文中提取导航基准线的方法如图 1 定位，虽然对信号的要求可以降低，但是定位精度只有 所示。 米级，难以达到农业机械的要求。因此使用有效的融合 算法，将多个传感器的信息进行融合，可以提高导航的 图像采集 灰度变换 二值化 精度和鲁棒性。∗ 所谓多传感器融合技术，是指将多个传感器采集的 信息进行合成，形成对环境某一方面特征的综合描述的 过已知点的Hough 变换 提取候选点 方法。利用这种方法探测的环境信息具有冗余性、互补 [2] 性、实时性等特点 。目前，用于组合导航定位的传感 器主要有GPS、机器视觉系统、惯性传感器、磁传感器。 导航基准线 GPS/DR，GPS/INS，GPS/DR/MV 传感器的组合方式较 多的应用于组合导航定位中[3]。Kalman 滤波法是应用最 图1 导航线提取算法 广泛的多传感器信息融合方法，该方法可对研究对象过 Fig.1 The extraction method of navigation baseline 去、现在和将来的状态做出线性最