基于GPS和机器视觉组合导航定位方法研究.docVIP

基于GPS和机器视觉组合导航定位方法研究 　　摘 要：基于GPS和机器视觉的组合导航是一种比较新式的农业机械导航定位方法。在该组合中，GPS可以获得导航车的位置、航行方向、以及航行速度等信息看，机器视觉通过现代图像技术，获得导航基准线，得到特征点。通过组合导航可以有效提高导航系统的精准性，提高工作效率，弥补单一传感器的不足，从而构建成多功能导航系统。对GPS和机器视觉组合导航进行研究，在组合导航中采用HOUGH直线拟合方法对已知点进行拟合，提高了系统的处理效率。通过UKF方法进行滤波处理，可以减小标准偏差，值得在实践中推广。 　　关键词：GPS；机器视觉；导航定位方法 　　随着科学技术的提高，农业机械导航技术得到了较大的发展。基于GPS和机器视觉的组合导航是一种比较新式的农业机械导航定位方法。在该组合中，GPS可以获得导航车的位置、航行方向、以及航行速度等信息看，机器视觉通过现代图像技术，获得导航基准线，得到特征点，本文将对组合导航的试验准备和方法进行阐述，探讨试验结果，希望为组合导航的更好应用提供帮助。 　　1 组合导航试验准备和方法概述 　　在导航系统中，由于技术限制每一种传感器都有其自身的局限性，而通过不同传感器的有效组合，可以有效弥补单一传感器的不足，是未来导航的主要应用模式。而GPS和机器视觉是导航系统中主要的两种传感器，其中GPS导航在确定基准线方面存在一定不足，而机器视觉虽然较高的定位精度，但进行图像处理时可能会出现失误情况，而将GPS和机器视觉进行组合导航可以有效改进单独导航的不足，实现优化互补。 　　本研究将应用UKF滤波算法对该组合导航进行试验和分析。目前应用较多的是Kalman算法，该算法是一种传感器信息融合算法，这种算法可以根据不同时间信息做出研究对象的线性估计，对于传感器的实时融合技术非常合适。但Kalman算法具有一定的局限性，该方法对线性滤波具有较好效果，对于非线性系统则达不到要求。而UKF滤波算法对于非线性系统具有和好的适应性。UKF算法主要通过UT变换将参数转变成具有统计特性，在进行系统估计从而满足非线性要求。 　　1.1 试验准备 　　本研究采用四轮电瓶车作为研究对象。该四轮电瓶车是直流电机驱动模式，安装了转向步进电机和角度传感器，可以进行自动速度调节。GPS接收设备的定位精度在1.5cm，输出定位信息的格式是NMEA-0183标准格式，在本研究中采用VTG进行数据的输出工作。机器视觉传感器的输出图像为彩色图像，格式为.bmp，帧频可以调整，电子快门的曝光时间在20μs左右。 　　1.2 试验方法分析 　　组合导航定位系统的设计图示如图1所示。在组合导航定位系统中，GPS主要确定农机的位置、行驶的角度和速度进行确定，机器视觉对图像进行预处理，从而获得位置坐标。同时系统对两个传感器的处理结果进行汇总和分析，通过UKF滤波算法的得到最终试验数据。 　　1.2.1 机器视觉方法分析 　　机器视觉定位对于导航基准线的获得具有重要帮助，同时还可以对特征点进行明确。在进行机器视觉定位时，首先系统将彩色图像进行灰度变换，之后对对象进行分割，对图像进行去噪处理，通过直线拟合方式从候选点中确定特征点。其中在对农田环境进行图像处理时，要采用符合图像特色的彩色模型，具体来说，可以根据农田特点选择2G-R-B特征加强对比度。在进行图像分割时，要对时间和效果因素进行考量，根据最大类间方差算法进行图像处理，作物设定为白像素。如果分割后图像出现较多的噪声点，要通过腐蚀算法进行去噪处理。图像预处理完成时，要选择具有代表性的作物作为候选点。在本研究中，通过垂直投影法确定了候选点。同时，要对两点间的灰度差进行计算和确定，避免出现边界灰度值跳跃现象。在做直线拟合时，本试验采用HOUGH变换法进行拟合工作。最后选择导航路径中的一个点，该点确定为特征点，并在坐标系中进行精确记录。 　　1.2.2 传感器配准方法 　　组合导航系统的坐标图包含大地坐标系和视觉坐标系，其中大地坐标系的信息作为GPS输出信息，通过投影进行转化，变成北-东平面坐标系。该坐标作为组合系统坐标图的主坐标，对另两个坐标系进行统一。在试验中，摄像机光心会在地面上有投影点，将该点作为视觉坐标系的原点。在坐标系中，X轴代表驾驶方向。 　　上文中计算的特征点就为该坐标系的目标点，在实际操作中要根据摄像机的内外参数进行调整，将图像坐标进行转换，从而符合导航车的视觉坐标系，而大地坐标系的位置分布则根据GPS取得。 　　UKF算法可以对系统方程进行有效处理。首先进行UT变换，通过这种变换可以进行滤波估计处理，从而有效减小产生的估计差错。 　　1.2.3 多传感器信息模式 　　对组合系统模型分析，以及通过UKF算法可以得到时间为k时的状态向量