【技术实现步骤摘要】
本专利技术涉及农业机械识别定位领域，特别涉及一种基于多源信息融合的拖拉机识别定位系统及方法。
技术介绍
1、近年来电子信息技术飞速发展，农业机械无人驾驶成为热点，多源信息融合技术为农机导航识别定位系统的开发提供了新方法。多源信息主要包含视觉、雷达和卫星信息，其中机器视觉导航首先要解决的就是视觉识别定位问题。根据安装在农机上的双目摄像头拍摄的图像信息来确定前方物体相对于相机的空间位置。视觉传感器能够获取更完整的田间环境信息，可及时发现行人、石块等障碍物，特别是在卫星导航系统信号较差的山区、丘陵等地带。为提高农机识别定位系统的可靠性，可将视觉识别定位与毫米波雷达识别定位相融合，以弥补单一传感器在目标识别定位准确性方面的缺陷。现代农业自动化水平越来越高，但卫星导航无法应用于卫星信号较弱的田块，要实现农业机械主从跟随或者多机协同导航作业，基于多源信息融合的农机识别定位技术是一项亟需解决的关键技术。
2、现有基于视觉的农业目标识别与定位方法大都是针对水果、蔬菜、花朵、障碍物等静态目标，对田间作业拖拉机等农机装备的实时视觉识别定位研究仍然缺乏；基于多源信息融合的目标识别与定位方法研究主要集中在乘用车辆和障碍物的识别定位上，但在拖拉机等农业机械的识别定位方面鲜有研究。如何通过机器视觉和深度学习实时准确识别前方运动的拖拉机主机，如何将双目立体相机和毫米波雷达的农机识别定位信息进行多源信息融合以提高精确度和鲁棒性，都需要进一步研究，因此，需要提供一种基于多源信息融合的拖拉机识别定位系统及方法解决上述问题。
1、为解决上述技术问题，本专利技术提供一种基于多源信息融合的拖拉机识别定位系统及方法，采用分布式多源信息融合架构，对前方拖拉机主机的位置信息进行融合，为从机自主跟随提供准确的目标感知信息,具体的技术方案如下：
2、一种基于多源信息融合的拖拉机识别定位系统，包括安装于拖拉机前端的支架，所述支架上安装有双目立体相机和毫米波雷达且、双目立体相机左眼中心与毫米波雷达中心位置对齐，使目标识别定位信息横向坐标保持一致；
3、所述拖拉机的驾驶室内设有嵌入式上位机和便携式显示器，所述嵌入式上位机型号为nvidia agx xavier，所述双目立体相机型号为zed 2，且通过usb将图像传输给所述的嵌入式上位机，并进行指令交互；
4、所述毫米波雷达型号为ars408-21，通过can通讯与所述的嵌入式上位机进行数据与指令传输；
5、所述便携式显示器与嵌入式上位机通过type c接口连接。
6、本专利技术还公开了一种基于多源信息融合的拖拉机识别定位方法，包括视觉识别定位模块、毫米波雷达识别定位模块和多传感器信息融合；
7、所述视觉识别定位模块基于深度学习对拖拉机进行识别，运用双目立体相机对拖拉机进行定位，获取主机空间位置坐标，运用模型剪枝和知识蒸馏对yolo v4进行轻量化改进；
8、所述多传感器融合包含数据同步、目标测量值匹配、基于自适应平方根无迹卡尔曼滤波的信息融合和目标运动模型构建，对视觉和毫米波雷达识别定位的信息进行融合，具体包括下列步骤:
9、s1、将双目立体相机和毫米波雷达单独获得的前方拖拉机横纵坐标进行空间和时间的统一，空间统一是根据两传感器的安装位置将毫米波雷达识别的目标位置统一到双目立体相机坐标系下，时间统一是根据两传感器的采用频率通过程序软触发同步；
10、s2、基于马氏距离进行目标测量值匹配，对对前方目标的测量值和预测值进行数据关联，对样本的不同属性根据置信度大小进行计算，确定哪些数据是由同一辆拖拉机产生；
11、s3、基于自适应平方根无迹卡尔曼滤波的信息融合，包括获取sigma点集、时间更新、测量更新；
12、s4、采用恒定速度模型作为目标运动模型，通过恒定速度模型进行跟踪滤波可以简单预测测量值，让融合后的测量值更趋近于真实值。
13、优选的，所述步骤s3中，非线性系统由下式表示，随机变量x受高斯白噪声w(k)干扰，观测变量z受高斯白噪声v(k)干扰：
14、
15、式中，f为非线性系统状态方程函数；h为非线性系统观测方程函数；x为状态向量，k表示时刻。
16、优选的，所述步骤s3中，获取sigma点集：
17、
18、式中，nut为随机变量x的维度；λut为缩放比例系数；s为状态量的协方差矩阵；
19、时间更新：
20、
21、
22、
23、
24、式中，i为采样点序号，wm为sigma点的均值权值，wp为sigma点的协方差权重，为随机变量x的估计量；为过程噪声估计矩阵，qr表示qr分解，cholupdate表示cholesky分解。
25、优选的，所述步骤s3中，测量更新包括：
26、a)产生新的sigma点集
27、
28、b)将新的sigma点集代入观测方程并计算残差
29、z(i)(k+1|k)＝h[x(i)(k+1|k)] (33)
30、
31、
32、式中，为预测的观测均值；为观测值与观测均值的差值；
33、c)估计测量噪声阵
34、
35、
36、
37、式中，d(k+1)＝(1-b)/(1-bk+2)，b是遗忘因子，取值范围为0<b<1；diag表示构造对角矩阵；为测量噪声估计矩阵；
38、d)计算滤波增益
39、
40、
41、
42、
43、式中，pxz为系统状态量与观测量的协方差矩阵；szz为系统观测量的协方差矩阵，k为卡尔曼滤波增益；
44、e)更新系统状态量
45、
46、f)计算后验状态方差的平方根
47、g(k+1|k+1)＝k(k+1)szz(k+1|k+1) (44)
48、s(k+1|k+1)＝cholupdate{s(k+1|k),g,-1} (45)
49、式中，g为系统的后验状态矩阵；
50、g)更新系统过程噪声阵
51、
52、
53、
54、优选的，所述步骤s4中，在系统离散状态下，运动模型的离散状态方程为：
55、x(k+1)＝f(k)x(k)+w(k) (49)
56、状态向量x为：
57、x＝[yfus xfus vyfus vxfus]t (50)
58、式中，yfus——主机纵向位置；xfus——主机横向位置；vyfus——主机纵向速度；
59、vxfus——主机横向速度；...
【技术保护点】
1.一种基于多源信息融合的拖拉机识别定位系统，其特征在于，包括安装于拖拉机(1)前端的支架(6)，所述支架(6)上安装有双目立体相机(2)和毫米波雷达(3)、且双目立体相机(2)左眼中心与毫米波雷达(3)中心位置对齐，使目标识别定位信息横向坐标保持一致；
2.根据权利要求1中所述的一种基于多源信息融合的拖拉机识别定位系统的识别定位方法，其特征在于：包括视觉识别定位模块、毫米波雷达识别定位模块和多传感器信息融合；
3.根据权利要求2中所述的一种基于多源信息融合的拖拉机识别定位系统的识别定位方法，所述步骤S3中，非线性系统由下式表示，随机变量X受高斯白噪声W(k)干扰，观测变量Z受高斯白噪声V(k)干扰：
4.根据权利要求2中所述的一种基于多源信息融合的拖拉机识别定位系统的识别定位方法，所述步骤S3中，获取Sigma点集：
5.根据权利要求2中所述的一种基于多源信息融合的拖拉机识别定位系统的识别定位方法，所述步骤S3中，测量更新包括：
6.根据权利要求2中所述的一种基于多源信息融合的拖拉机识别定位系统的识别定位方法，其特征在
...【技术特征摘要】
1.一种基于多源信息融合的拖拉机识别定位系统，其特征在于，包括安装于拖拉机(1)前端的支架(6)，所述支架(6)上安装有双目立体相机(2)和毫米波雷达(3)、且双目立体相机(2)左眼中心与毫米波雷达(3)中心位置对齐，使目标识别定位信息横向坐标保持一致；
2.根据权利要求1中所述的一种基于多源信息融合的拖拉机识别定位系统的识别定位方法，其特征在于：包括视觉识别定位模块、毫米波雷达识别定位模块和多传感器信息融合；
3.根据权利要求2中所述的一种基于多源信息融合的拖拉机识别定位系统的识别定位方法，所述步骤...
【专利技术属性】
技术研发人员：王亮，张真，张旭，汪明栓，张徐，吴冰，吴陈诚，
申请(专利权)人：常州大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。