车辆智能障碍物检测方法及其农业应用研究进展

被引:54
作者
何勇
蒋浩
方慧
王宇
刘羽飞
机构
[1] 浙江大学生物系统工程与食品科学学院
关键词
车辆; 无损检测; 智能控制; 障碍物检测; 超声波; 激光雷达; 立体视觉; 多传感器融合;
D O I
暂无
中图分类号
S220 [一般性问题]; TP212.9 [传感器的应用];
学科分类号
摘要
农业机械自动导航技术的应用可提升作业的精度和安全性,而障碍物检测是其中的重要环节。该文按照传感技术的不同进行分类,从单一传感器检测技术到多传感器融合技术,对车辆智能障碍物检测方法及其农业应用的研究进展进行了综述。其中单一传感器检测技术包括超声波检测技术、激光雷达检测技术和机器视觉检测技术,超声波检测技术受障碍物表面情况影响、激光雷达检测技术成本太高、机器视觉检测技术算法复杂耗时长,均无法满足复杂农田环境需求;多传感器融合技术则可以融合单一检测技术的优点,该文概述了视觉检测技术与激光雷达检测技术融合、视觉技术与超声波技术融合以及融合了深度和彩色图像信息的Kinect传感器检测技术的应用情况。最后,总结现有技术存在的问题,并对未来的研究内容进行了展望,包括新型装置和新算法引入及原有传统方法的改进两个方面。
引用
收藏
页码:21 / 32
页数:12
相关论文
共 65 条
[1]   基于单线激光雷达与视觉融合的负障碍检测算法 [J].
汪佩 ;
郭剑辉 ;
李伦波 ;
赵春霞 .
计算机工程, 2017, 43 (07) :303-308
[2]   虚拟二维激光雷达成像积分算法 [J].
卜燕 ;
沈俊 ;
张华 ;
李志雄 ;
史思总 .
计算机测量与控制, 2016, 24 (04) :152-154
[3]   山地果园单轨运输机超声波避障系统的设计与试验 [J].
贾闯 ;
李加念 ;
洪添胜 ;
李震 ;
揭钊越 ;
周松斌 .
农业工程学报, 2015, 31(S2) (S2) :69-74
[4]   基于点云图的农业导航中障碍物检测方法 [J].
姬长英 ;
沈子尧 ;
顾宝兴 ;
田光兆 ;
张杰 .
农业工程学报, 2015, 31 (07) :173-179
[5]   基于Kinect深度技术的障碍物在线快速检测算法 [J].
朱涛 ;
芦利斌 ;
金国栋 .
电子设计工程, 2014, 22 (12) :176-179
[6]   基于激光雷达的农业机器人导航控制研究 [J].
薛金林 ;
张顺顺 .
农业机械学报, 2014, 45 (09) :55-60
[7]   基于脉冲耦合神经网络和Markov随机场的立体匹配研究 [J].
王尧 ;
余祖俊 ;
朱力强 ;
杨玲芝 .
仪器仪表学报, 2013, 34 (07) :100-106
[8]   基于小波多分辨率分解的农田障碍物检测 [J].
韩永华 ;
汪亚明 ;
康锋 ;
赵匀 .
农业机械学报, 2013, 44 (06) :215-221
[9]   基于视差图的未知环境下农田障碍物检测方法 [J].
苟琴 ;
耿楠 ;
张志毅 .
计算机工程与设计, 2013, 34 (02) :707-710
[10]   基于激光测距雷达和机器视觉的障碍物检测 [J].
王葵 ;
徐照胜 ;
颜普 ;
王道斌 .
仪表技术, 2012, (08) :25-28