作者:陈子文,李南,李涛,张春龙,孙哲,李伟,张宾,张俊雄 单位:中国农业工程学会 出版:《农业工程学报》2015年第21期 页数:7页  (PDF与DOC格式可能不同) PDF编号:PDFNYGU2015210270 DOC编号:DOCNYGU2015210279 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于多传感器融合的运动目标跟踪算法》PDF+DOC 张庆,夏天,范轶飞,刘涛 《传感器融合、体系结构、算法及应用Ⅲ》PDF+DOC2000年第10期 高国龙 《车辆防撞检测技术研究》PDF+DOC2008年第06期 刘志强,程红星,王运霞 《智能高效株间锄草机器人研究进展与分析》PDF+DOC2015年第05期 陈子文,张春龙,李南,孙哲,李伟,张宾 《株间锄草机器人刀苗信息优化系统设计与试验》PDF+DOC2015年第09期 陈子文,张春龙,李伟,李涛,李南,张宾 《全自动主着陆/着舰引导数据解算与融合算法》PDF+DOC2017年第06期 王伟钢 《信息融合集合论描述法》PDF+DOC2001年第09期 董志荣 《决策层信息融合的神经网络模型与算法研究》PDF+DOC1997年第09期 黎湘,郁文贤,庄钊文,郭桂蓉 《噪声相关的一步滞后无序量测递推融合算法》PDF+DOC2009年第01期 葛泉波,马国进,汤显峰,文成林 《雷达辐射源识别的多元信息融合算法研究》PDF+DOC2007年第10期 沈阳,陈永光,李修和
  • 为提高株间锄草刀定位精度、降低机器视觉受外界因素的影响,该文提出里程信息融合机器视觉的方法对锄刀定位数据进行优化。通过分析定位数据校正和视觉滞后补偿的原理,设计了模糊逻辑校正器,通过模糊规则将模糊校正系统简化为单输入单输出形式,采用Mamdani模糊推理方法获得视觉数据可信度决策表,将可信度作为加权值生成校正锄刀定位数据,并提出采用实时里程信息作为视觉滞后补偿量的方法,给出补偿公式。田间刀苗距优化静态试验表明,视觉刀苗距误差为9.88 mm,优化后刀苗距误差为6.06 mm;动态试验表明,视觉数据出错率为4.8%~6.6%,刀苗距变化曲线显示,优化方法可有效过滤视觉坏点或不稳定的数据点,将视觉滞后纳入衡量标准,不同车速下动态优化后刀苗距平均误差为5.30~7.08 mm,较优化前降低了25%左右。研究结果表明,锄草刀定位数据优化方法可有效提高机器视觉静态和动态获取刀苗距的精度。该研究为提高株间锄草技术的锄刀定位精度提供了参考。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。