翟志强
- 作品数：28 被引量：66H指数：5
- 供职机构：中国农业大学更多>>
- 发文基金：国家高技术研究发展计划更多>>
- 相关领域：自动化与计算机技术交通运输工程机械工程农业科学更多>>
- 一种可跨介质运动的环境信息采集机器人
- 本发明提供了一种可跨介质运动的环境信息采集机器人，包括机身部件和运动部件，机身部件由机舱和控制模块组成，运动部件由机臂回转机构、桨叶驱动机构和轮毂驱动机构组成，控制模块集成设置在机舱内，机舱外安装双目相机，机舱下方装有用...
- 翟志强田永浩张硕朱忠祥李臻杜岳峰杨晓
- 基于Rank变换的农田场景三维重建方法被引量：10
- 2015年
- 农田场景的三维重建对于研究远程监测作物的生长形态、预测作物产量、识别田间杂草等都具有重要作用。为解决农田场景图像三维重建困难、立体匹配精度较差等问题,该文提出了一种基于Rank变换的农田场景三维建模方法。该方法运用加权平均法灰度化图像,以保留农田场景的完整特征;以灰度图像的Rank变换结果作为匹配基元,采用基于归一化绝对差和测度函数的区域匹配算法获取场景的稠密视差图;根据平行双目视觉成像原理计算场景的空间坐标,并生成三维点云图;依据所得场景的三维坐标,对场景中感兴趣区域实现三维重建。采用标准视差计算测试图像验证立体匹配算法精确性,平均误匹配率较传统的绝对差和函数算法降低约5.63%。运用不同环境下的棉田场景图像测试三维重建方法,试验结果表明,在6.8 m的景深范围内,作物及杂草的高度、宽度等几何参数计算值与实际测量值接近,各项指标的平均相对误差为3.81%,验证了三维重建方法的可靠性及准确性。
- 翟志强杜岳峰朱忠祥郎健毛恩荣
- 关键词：作物视觉三维重建
- 一种多功能拖拉机驾驶模拟方法及系统
- 本发明属于模拟驾驶技术领域，尤其涉及一种多功能拖拉机驾驶模拟方法及系统。方法包括：S1、模拟参数设置；S2、操控参数采集；S3、操控参数处理；S4、虚拟场景和拖拉机3D模型动态呈现。本发明基于真实的拖拉机驾驶室和精确的拖...
- 杜岳峰赵晓宁毛恩荣王帅张延安翟志强
- 文献传递
- 一种双行星排液压机械无级变速箱
- 本实用新型涉及一种双行星排液压机械无级变速箱，包括变速箱箱体以及在变速箱箱体中的机械传动系统和变量泵‑定量马达液压系统；所述机械传动系统包括齿轮轴机构、双行星排汇流机构和离合器换段机构；所述变量泵‑定量马达液压系统包括相...
- 朱忠祥李江翟志强杜岳峰毛恩荣
- 文献传递
- 基于Census变换的双目视觉作物行识别方法被引量：21
- 2016年
- 针对基于双目视觉技术的作物行识别算法在复杂农田环境下,立体匹配精度低、图像处理速度慢等问题,该文提出了一种基于Census变换的作物行识别算法。该方法运用改进的超绿-超红方法灰度化图像,以提取绿色作物行特征;采用最小核值相似算子检测作物行特征角点,以准确描述作物行轮廓信息;运用基于Census变换的立体匹配方法计算角点对应的最优视差,并根据平行双目视觉定位原理计算角点的空间坐标;根据作物行生长高度及种植规律,通过高程及宽度阈值提取有效的作物行特征点并检测作物行数量;运用主成分分析法拟合作物行中心线。采用无干扰、阴影、杂草及地头环境下的棉田视频对算法进行对比试验。试验结果表明,对于该文算法,在非地头环境下,作物行中心线的正确识别率不小于92.58%,平均偏差角度的绝对值不大于1.166°、偏差角度的标准差不大于2.628°;图像处理时间的平均值不大于0.293 s、标准差不大于0.025 s,能够满足田间导航作业的定位精度及实时性要求。
- 翟志强朱忠祥杜岳峰张硕毛恩荣
- 关键词：作物图像识别导航双目视觉
- 一种多功能拖拉机驾驶模拟方法及系统
- 本发明属于模拟驾驶技术领域，尤其涉及一种多功能拖拉机驾驶模拟方法及系统。方法包括：S1、模拟参数设置；S2、操控参数采集；S3、操控参数处理；S4、虚拟场景和拖拉机3D模型动态呈现。本发明基于真实的拖拉机驾驶室和精确的拖...
- 杜岳峰赵晓宁毛恩荣王帅张延安翟志强
- 基于折纸结构的阵列式智能轮胎应变测量系统
- 本发明涉及轮胎应变测量技术领域，且公开了一种基于折纸结构的阵列式智能轮胎应变测量系统，包括基于折纸结构的拉伸电路，拉伸电路设置为拱形，拉伸电路的上端设置有硬质电子元器件，拉伸电路下端的两个支撑点与轮胎内表面连接，拉伸电路...
- 李臻王亚东何志祝王龙龙杨晓翟志强杨子涵
- 拖拉机驱动轮滑转状态识别及滑转率测量控制方法和系统
- 本发明涉及一种拖拉机驱动轮滑转状态识别及滑转率测量控制方法和系统，所述方法包括：S1、建立隐马尔科夫滑转状态识别模型；S2、拖拉机驱动轮滑转状态识别；将轮速传感器和全球导航卫星系统采集的当前时刻的车轮轮速和实际车速分别输...
- 朱忠祥韩冰杨浩然张泽鹏李臻翟志强宋正河毛恩荣
- 基于R2UNet和空洞卷积的羊后腿分割目标肌肉区识别被引量：2
- 2020年
- 针对前处理工序造成的羊肉智能精细分割目标肌肉区图像识别准确度低的问题,以羊后腿自动去骨分割工序为研究对象,提出一种基于R2UNet和紧凑空洞卷积的羊后腿分割目标肌肉区识别方法。对传统的UNet语义分割网络进行改进,以UNet为骨架网络,采用残差循环卷积块替换原始UNet的特征编码模块和解码模块中的卷积块以避免UNet的梯度消失,在特征编码模块和特征解码模块之间增加一个紧凑的四分支空洞卷积模块对语义特征进行多尺度编码,实现缝匠肌图像分割模型的构建。一方面,针对缝匠肌这一核心目标肌肉区,采集羊后腿图像构建数据集训练与测试本文模型,以验证该方法的准确性与实时性;另一方面,通过旋量法标定夹爪坐标系、相机点云坐标系、机器人坐标系的齐次变换矩阵以计算分割路径,并采用主动柔顺的力/位混合控制方法操纵分割机器人进行目标切削运动,验证基于本文方法得到的目标图像开展目标肌肉分割的可行性。相关试验结果表明:当交并比为0.8588时,本文方法平均精确度为0.9820,优于R2UNet的(0.8324,0.9775);单样本检测时间平均为82 ms,说明本文方法可快速、准确分割出缝匠肌图像,满足机器人自主分割系统的实时性要求,优于UNet、R2UNet、AttUNet算法。最后,在本文方法得到的缝匠肌图像基础上开展机器人实机分割试验,机器人对5条羊后腿的平均切削时间为7.9 s,平均偏移距离为4.36 mm,最大偏移距离不大于5.9 mm,满足羊后腿去骨分割的精度要求。
- 刘楷东谢斌翟志强翟志强侯松涛李君
- 基于虚拟现实的拖拉机双目视觉导航试验方法研究
- 农机视觉导航系统在复杂田间环境中的灵活性较好,如何设计图像处理算法以提高导航线识别精度和速度是当前研究热点之一。农机导航系统的传统试验方法以田间试验为主,存在试验成本较高、对作物生长时期依赖性较强、试验周期较长、试验过程...
- 翟志强
- 关键词：虚拟试验双目视觉物理引擎导航控制
- 文献传递
