【技术实现步骤摘要】
本专利技术属于农业机械自动化和智能，具体涉及一种农机无人驾驶用农田环境感知方法。
技术介绍
1、随着智能技术的不断发展和进步，在现代农业生产中，无人驾驶技术逐渐应用于农业机械中，整合不同传感器采集的不同数据，根据农田环境的复杂性，包括气候温度、土壤湿度和土壤ph值因素，综合考虑多种环境因素使农机无人驾驶系统的环境感知能力提升，并通过避开环境障碍物的位置规划最佳路径，防止农机受到损害无法感知前面的农田环境。
2、现有的农田环境感知方法虽然在一定程度上实现了农田环境感知方法，但传统的农田环境感知方法难以准确识别各种环境障碍物，传统技术在路径规划方面还不够完善，难以根据环境障碍物的位置自动优化路径，缺乏综合多种环境因素和最优路径对农田环境进行及时预警。
技术实现思路
1、本专利技术旨在至少解决现有技术中存在的技术问题之一；为此，本专利技术提出了一种农机无人驾驶用农田环境感知方法，用于解决以下技术问题：
2、现有的农田环境感知方法虽然在一定程度上实现了农田环境感知方法，但传统的农田环境感知方法难以准确识别各种环境障碍物，现有技术在路径规划方面还不够完善，难以根据环境障碍物的位置自动优化路径，缺乏综合多种环境因素和最优路径对农田环境进行及时预警。
3、为解决上述问题，本专利技术的第一方面提供了一种农机无人驾驶用农田环境感知方法，包括以下步骤：
4、s1：通过在农机上安装多种传感器采集气候温度数据、土壤湿度数据、土壤ph值数据、农田图像数据和距离
5、s2：通过数据融合技术，将不同传感器采集的不同数据进行整合，根据立体视觉相机采集的农田图像数据提取的障碍物高度距离数据和激光雷达采集的距离数据进行结合，得到环境障碍物位置坐标；
6、s3：根据采集到的气候温度数据、土壤湿度数据和土壤ph值数据得到原始数据和数据平均值进行标准化后，将三组数据联立得到综合环境影响数值；
7、s4：通过综合环境影响数值判断需要进行调节的区域，根据原点坐标与调节区域中心点坐标计算得到初始路径距离值，利用训练机器学习模型识别环境障碍物，在行驶初始路径上根据环境障碍物位置坐标规划避开环境障碍物的最佳路径，并计算出最佳路径距离值；
8、s5：系统实时监控农田环境的变化，根据综合环境影响数值、最优路径距离值和最佳路径距离值得到综合环境变化值，通过综合环境变化值对检测区域进行农田环境预警程度划分。
9、作为本专利技术进一步的方案：所述步骤s1，包括以下步骤：
10、将农田环境区域均分为若干个均等的正方形检测区域，通过在农机上安装多种传感器采集气候温度数据、土壤湿度数据、土壤ph值数据、农田图像数据和距离数据；
11、其中，多种传感器包括立体视觉相机、激光雷达、土壤ph传感器、超声波传感器、温度传感器和湿度传感器。
12、作为本专利技术进一步的方案：所述步骤s2，包括以下步骤：
13、通过数据融合技术，将不同传感器采集的不同数据进行整合，利用预先设定的转换系数，将检测到的原始环境障碍物坐标位置从一个坐标系转换到另一个坐标系，再根据立体视觉相机采集的农田图像数据和激光雷达采集的距离数据得到转换系数进行结合，得到转换环境障碍物位置坐标；
14、通过立体视觉相机采集的农田图像数据提取的障碍物高度距离数据和激光雷达采集的距离数据得到转换系数计算公式：
15、
16、其中，为转换系数值，立体视觉相机坐标为（,,），激光雷达坐标为（,,）,为障碍物高度距离，为激光雷达采集的距离；
17、通过将检测到的原始环境障碍物坐标位置从一个坐标系转换到另一个坐标系：
18、
19、其中，为转换环境障碍物位置坐标，为原始环境障碍物坐标位置，为转换系数，为在x,y,z方向上的平移距离。
20、作为本专利技术进一步的方案：所述步骤s3，包括以下步骤：
21、根据土壤ph传感器、温度传感器和湿度传感器采集到的气候温度数据、土壤湿度数据和土壤ph值数据的测量值、最大值、最小值和数据平均值进行标准化后分别得到温度环境影响数值、湿度环境影响数值和ph环境影响数值，将三组数值联立得到综合环境影响数值；
22、在时间段t内，通过气候温度数据测量值、最大值、最小值和数据平均值得到温度环境影响数值计算公式：
23、
24、其中，为温度环境影响数值，为当前气候温度数据测量值，为最大值，为最小值，为平均值，n为测量次数；
25、在时间段t内，通过土壤湿度数据测量值、最大值、最小值和数据平均值得到湿度环境影响数值计算公式：
26、
27、其中，为湿度环境影响数值，为当前土壤湿度数据测量值，为最大值，为最小值，为平均值，n为测量次数；
28、在时间段t内，通过土壤ph值数据的测量值、最大值、最小值和数据平均值得到土壤ph值影响数值计算公式：
29、
30、其中，为土壤ph值影响数值，为当前土壤ph值数据测量值，为最大值，为最小值，为平均值，n为测量次数；
31、通过温度环境影响数值、湿度环境影响数值和土壤ph值影响数值得到综合环境影响数值计算公式：
32、
33、其中，为综合环境影响数值，为温度环境影响数值，为湿度环境影响数值，为土壤ph值影响数值。
34、作为本专利技术进一步的方案：所述步骤s4，包括以下步骤：
35、通过综合环境影响数值判断需要进行调节的区域；
36、若0＜≤3时，则检测区域判断为不需要进行调节；
37、若＞3时，则检测区域判断为需要进行调节的区域；
38、原点坐标与调节区域中心点坐标通过dijkstra算法，每个正方形的端点都设为坐标点，根据起点坐标与终点坐标找到一条路径上距离之和最小的最短路径，计算得到初始路径距离值：
39、
40、其中，为初始路径距离值，为点到点的距离，n为最优路径上的坐标点的数量，i={1,2,3,...,n-1}。
41、作为本专利技术进一步的方案：所述利用训练机器学习模型识别障碍物，在行驶最优路径上根据环境障碍物位置坐标规划避开环境障碍物的最佳路径，并计算出最佳路径距离值，包括以下步骤：
42、通过收集大量农田图像数据和距离数据，对收集的图像和距离数据进行图像缩放和在图像中标注出环境障碍物的坐标位置，利用yolov8物体检测和图像分割模型识别环境障碍物进行训练，使用训练好的模型部署在初始路径中，结合识别出的环境障碍物坐标位置，对路径的距离和权重进行调整，得到避开环境障碍物的最佳路径，并计算出最佳路径距离值计算公式：
43、
44、其中，为最佳路径距离值，为点到点的距离，n为最优路径上的坐标点的数量，i={1,2,3,...,n-1},为最优路径距离环境障碍物l的最短距离，为在本文档来自技高网...
【技术保护点】
1.一种农机无人驾驶用农田环境感知方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种农机无人驾驶用农田环境感知方法，其特征在于，所述步骤S1，包括以下步骤：
3.根据权利要求1所述的一种农机无人驾驶用农田环境感知方法，其特征在于，所述步骤S2，包括以下步骤：
4.根据权利要求1所述的一种农机无人驾驶用农田环境感知方法，其特征在于，所述步骤S3，包括以下步骤：
5.根据权利要求4所述的一种农机无人驾驶用农田环境感知方法，其特征在于，所述步骤S4，包括以下步骤：
6.根据权利要求1所述的一种农机无人驾驶用农田环境感知方法，其特征在于，所述利用训练机器学习模型识别环境障碍物，在行驶初始路径上根据环境障碍物位置坐标规划避开环境障碍物的最佳路径，并计算出最佳路径距离值，包括以下步骤：
7.根据权利要求6所述的一种农机无人驾驶用农田环境感知方法，其特征在于，所述步骤S5，包括以下步骤：
【技术特征摘要】
1.一种农机无人驾驶用农田环境感知方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种农机无人驾驶用农田环境感知方法，其特征在于，所述步骤s1，包括以下步骤：
3.根据权利要求1所述的一种农机无人驾驶用农田环境感知方法，其特征在于，所述步骤s2，包括以下步骤：
4.根据权利要求1所述的一种农机无人驾驶用农田环境感知方法，其特征在于，所述步骤s3，包括以下步骤：
5.根据权利...
【专利技术属性】
技术研发人员：杨金星，岳彩秀，李国滨，张明波，
申请(专利权)人：山东帅克机械制造股份有限公司，
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。