| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第一章 绪论 | 第13-28页 |
| 1.1 研究背景 | 第13-14页 |
| 1.2 农业车辆自动导航的研究现状 | 第14-23页 |
| 1.2.1 GNSS导航在农业中的应用 | 第16-18页 |
| 1.2.2 激光识别在农业导航中的应用 | 第18-19页 |
| 1.2.3 视觉识别在农业中的应用 | 第19-21页 |
| 1.2.4 其他导航方式 | 第21-23页 |
| 1.3 作物收割自动化研究现状 | 第23-24页 |
| 1.4 研究目的与内容 | 第24-28页 |
| 1.4.1 研究目的 | 第24-25页 |
| 1.4.2 研究内容 | 第25-26页 |
| 1.4.3 研究方法与技术路线 | 第26-27页 |
| 1.4.4 论文章节安排 | 第27-28页 |
| 第二章 基于激光扫描的三维信息采集方法 | 第28-51页 |
| 2.1 系统构成 | 第28-36页 |
| 2.1.1 激光信息采集 | 第28-31页 |
| 2.1.2 信息采集系统的空间运动 | 第31-33页 |
| 2.1.3 姿态信息采集 | 第33-35页 |
| 2.1.4 研究平台 | 第35-36页 |
| 2.2 三维信息采集装置工作原理 | 第36-40页 |
| 2.2.1 工作原理 | 第36-39页 |
| 2.2.2 PTU云台俯仰转速影响分析 | 第39-40页 |
| 2.3 三维信息采集装置的标定方法 | 第40-42页 |
| 2.3.1 h值的标定 | 第40-41页 |
| 2.3.2 基于平面特征的三维激光采集系统初始安装角度的标定方法 | 第41-42页 |
| 2.4 系统调试 | 第42-49页 |
| 2.4.1 系统自动纠偏算法 | 第42-44页 |
| 2.4.2 系统测量范围的确定 | 第44-45页 |
| 2.4.3 PTU俯仰方式的确定 | 第45-47页 |
| 2.4.4 三维激光采集装置工作流程 | 第47-49页 |
| 2.5 小结 | 第49-51页 |
| 第三章 基于激光扫描的作物边界识别方法 | 第51-78页 |
| 3.1 三维数据预处理方法 | 第51-59页 |
| 3.1.1 车辆坐标系统的定义 | 第51-53页 |
| 3.1.2 基于数学模型的坐标转化方法 | 第53-56页 |
| 3.1.3 基于线性回归法的激光数据粗差点剔除方法 | 第56-57页 |
| 3.1.4 作物在三维空间表示方法 | 第57-59页 |
| 3.2 基于邻域均值微分算法的作物边界检测方法 | 第59-66页 |
| 3.2.1 基于传统梯度的边缘检测研究 | 第59-63页 |
| 3.2.2 基于邻域均值的边缘检测研究 | 第63-64页 |
| 3.2.3 邻域长度L的设定 | 第64-66页 |
| 3.3 基于Otsu准则的作物边界检测方法 | 第66-72页 |
| 3.3.1 Otsu算法 | 第66-67页 |
| 3.3.2 最佳阈值选取 | 第67-69页 |
| 3.3.3 作物边缘线拟合 | 第69-72页 |
| 3.4 试验结果与讨论 | 第72-76页 |
| 3.4.1 试验方案 | 第72-73页 |
| 3.4.2 静态作物边缘检测 | 第73-74页 |
| 3.4.3 边缘检测结果分析 | 第74-76页 |
| 3.5 小结 | 第76-78页 |
| 第四章 收割机自动导航系统研究 | 第78-93页 |
| 4.1 收割机位置补偿 | 第78-80页 |
| 4.2 车辆控制系统 | 第80-85页 |
| 4.2.1 转向角计算 | 第80-81页 |
| 4.2.2 履带车转向系统 | 第81-85页 |
| 4.3 远程监控系统 | 第85-86页 |
| 4.4 实验验证 | 第86-92页 |
| 4.4.1 实验地点及作业规划 | 第86-88页 |
| 4.4.2 收割机自动导航系统实地验证 | 第88-92页 |
| 4.5 小结 | 第92-93页 |
| 第五章 基于视觉的作物边缘快速提取方法 | 第93-117页 |
| 5.1 激光检测存在的问题 | 第93-95页 |
| 5.2 作物边缘视觉识别系统 | 第95-103页 |
| 5.2.1 视觉传感器 | 第95-97页 |
| 5.2.2 相机标定 | 第97-99页 |
| 5.2.3 逆投射投影变换 | 第99-101页 |
| 5.2.4 相机与车辆坐标系统匹配 | 第101-103页 |
| 5.3 图像预处理 | 第103-110页 |
| 5.3.1 基于激光识别的感兴趣区域设定 | 第104页 |
| 5.3.2 图像增强处理 | 第104-106页 |
| 5.3.3 中值滤波 | 第106-107页 |
| 5.3.4 基于灰度直方图的阈值分割 | 第107-108页 |
| 5.3.5 开运算处理 | 第108-110页 |
| 5.4 作物边缘识别算法 | 第110-116页 |
| 5.4.1 待收割作物边界点判定 | 第110-112页 |
| 5.4.2 实验验证及结果 | 第112-116页 |
| 5.5 小结 | 第116-117页 |
| 第六章 结论与展望 | 第117-120页 |
| 6.1 结论 | 第117-118页 |
| 6.2 创新点 | 第118页 |
| 6.3 研究展望 | 第118-120页 |
| 参考文献 | 第120-128页 |
| 附录 | 第128-136页 |
| 致谢 | 第136-137页 |
| 作者简介 | 第137页 |