基于姿态阈值滤波的单目视觉农业机械定位方法-黄沛琛.pdf

《基于姿态阈值滤波的单目视觉农业机械定位方法-黄沛琛.pdf》由会员分享，可在线阅读，更多相关《基于姿态阈值滤波的单目视觉农业机械定位方法-黄沛琛.pdf（8页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、CN 431258TPISSN 10071 30X计算机工程与科学Computer Engineering&Science第40卷第1期2018年1月V0140，No1，Jan2018文章编号：1007-130X(2018)01-009308基于姿态阈值滤波的单目视觉农业机械定位方法黄沛琛12，罗锡文12，张智刚12，刘兆朋12(1华南农业大学工程学院，广东广州510642；2华南农业大学南方农业机械与装备关键技术教育部重点实验室，广东广州510642)摘要：精确定位是农业机械实现自动导航的重要前提，提出了一种基于单目摄像机的导航定位算法。算法通过对捕获的每帧图像进行特征点检测与跟踪，基于3D

2、-2D特征点配对方法，还原了车辆行驶过程中的姿态信息。同时，假设车辆前方小区域近似平坦，摄像机离地高度近似固定不变，算法实时求解车辆位移的绝对尺度因子，配合姿态阈值滤波器，对所求姿态信息进行在线修正。实验选择在三种不同的场景进行，以RTKGPS定位数据作为对比，三种场景的平均相对位置偏差分别为5459 9、8373 1、6443 94，三种不同场景的航向角变化平均值分别为7717 7。、5738 9。、3438 3。结果表明算法可实现农业机械的自动定位，在短距离范围内具有一定的可靠性。关键词：定位；机器视觉；农业机械；阈值滤波中图分类号：TP3914 文献标志码：Adoi：103969jiss

3、n1007130X201801014Monocular vision gricultural machiJnocularVISion agricultural macIiinelocalization based on pose threshold filterHUANG Peichenl2，LUO Xiwenl2，ZHANG Zhigan912，LIU Zhaopen912(1College of Engineering，South China Agricultural University，Guangzhou 510642；2Key Laboratory of Key Technology

4、 on Agricultural Machine and Equipment，Ministry of Education，South China Agricultural University，Guangzhou 510642，China)Abstract：Precise localization is an important premise of autonomous navigation for agricultural vehiclesWe propose a localization algorithm based on monocular cameraAfter features

5、are detected andtracked through multiple frames，vehicle poses are estimated based on 3D-2D correspondenees Furthermore，the translation absolute scale is calculated based on the assumption that the ground patches are locally flat and the camera is moving at a known and fixed height over the groundFin

6、ally，the poses arerefined by the pose threshold filterCompared with the RTKGPS data，the average relative position errors of the three different experimental terrains are 5459 9，8373 1and 6443 94，and the average heading errors are 7717 7。，5。738 9。and 3438 3。The results show that the algorithm is feas

7、iblefor agricultural vehicles localizationKey words：localization；machine vision；agricultural machine；threshold filter1 引言自动导航是实现农业机械智能化的核心问题之一，定位是实现自动导航的基础性难题。目前，GPS、激光雷达与机器视觉是农业机械自动导航定位研究的三大热门嘲。GPS定位精度高，但其会因障碍物遮挡而导致定位精度下降甚至丢失* 收稿日期：20151卜26；修回日期：2016-0422基金项目：“十二五”国家科技支撑计划(2011BAD20806)通信地址：510642广

8、东省广州市华南农业大学工程学院南方农业机械与装备关键技术教育部重点实验室Address：KeY Laboratory of Key Technology on Agricultural Machine and Equipment，Ministry of Education，South China Agricuhural University，Guangzhou 510642，Guangdong，PRChina万方数据94 Computer Engineering&Science计算机工程与科学2018，40(1)信号，如林业和果园环境3。7。激光检测技术测量精度高，能以较高频率提供准确的距离信

9、息，但设备成本高，且探测范围有限81引。机器视觉技术凭借其探测范围广、获取信息完整、成本低等优势，成为目前国内外应用较多的机器人定位方式131 9I。机器视觉定位是一个仅利用单个或多个相机的输入信息估计物体的运动信息的过程。根据所使用的相机数目可分为单目视觉定位和立体视觉定位。由于立体视觉可通过固定和已知的基线提供深度信息，容易确定位移绝对尺度因子，因此大部分的机器视觉定位研究集中在立体视觉定位rz。Nister等人2u利用随机抽样一致RANSAC(Random Sample Consensus)迭代提纯，实现了鲁棒的视觉运动估算。Olson等人口23利用定位信息限制特征跟踪的搜索范围以提高跟

10、踪精度，并利用极大似然方法求解运动估计，在20 m的道路上获得了12的相对位置误差。Siinderhauf等人23将稀疏光束平差法SBA(Sparse Bundle Adjustment)扩展运用于立体视觉定位中，在初始三维模型和相机运动未知的情况下，对左右立体图像对中获取的特征运用滑动窗口(Sliding Window)方法，结合简单的运动阈值滤波完成运动估计。Zhang等人243利用单目视觉与轮式里程计相结合，采用转向模型分别还原旋转姿态和位移姿态，实验结果显示，平均误差低于1。许允喜等人25提出了立体视觉采用微粒群优化的初始运动估计和内点检测新方法对车体进行运动的估计。王亚龙等人2印针对

11、移动服务机器人在未知环境下三维路径估计的问题，设计了一种基于Kinect摄像机的实时估计机器人运动轨迹的方法，文献所提出的方法可将视觉定位误差降低至31。夏凌楠等人心73则采用惯性传感器和立体视觉信息融合实现机器人定位。对于立体视觉，当物体距离远大于基线时，立体视觉近似于单目视觉。因此，只有在合适范围内的物体特征，立体视觉才能提供比较精确的景深信息。同时，立体摄像机参数校正过程较单目摄像机复杂，而摄像机参数校正的精度在很大程度上影响机器视觉定位算法的精度。相比之下，单目摄像机具有成本低、参数校正过程容易和校正精度高的优点，但其最大的缺点是缺少位移绝对尺度。近年来研究指出，加入一定的约束和假设条

12、件，可以恢复其绝对尺度，如利用轮式车体运动的非完整性约束心叩以及利用车体运动在平坦地形上的假设等2 9|。本文通过对捕获的每帧图像进行特征点检测与跟踪，基于特征点配对，还原农业车辆行驶过程中的姿态信息。同时，通过假设车辆前方区域近似平坦，摄像机离地高度近似固定不变，实时修正车辆位移的绝对尺度因子，配合姿态阈值滤波，对车辆姿态信息进行在线修正。实验以实时动态全球定位系统RTKGPS(RealTime Kinematic GlobalPositioning System)定位数据作为对比，选择在三种不同的场景进行检测。2单目视觉定位算法21特征点检测与跟踪由于blob和corner算子具有特征点位

13、置计算精确的优点，本文对采集的每帧图像分别采用5*5模板的blob滤波器和corner滤波器进行滤波。对滤波后的图像采用非最大值抑制算法产生后续配对的候选特征点3。为确保计算效率，每帧图像提取候选特征点不超过l 000个。给定两个提取的特征点，对其的11*11区域范围内Sobel算子水平滤波和垂直滤波后的响应采用绝对差值总和SAD(Sum of Absolute Differences)公式进行区域匹配。一旦SAD计算出现最小值，则成功获得最优匹配特征点对。图1为连续两帧图像特征点匹配后在k一1图像帧中显示的结果，匹配特征点数目为858个，特征点检测时间为13 ms，特征点眄配时间为21 ms

14、Figure 1 Feature matching results图1特征点配对结果22车体姿态估算本文计算农业车体姿态包括车辆的平面位置信息和航向角。算法分成两步，对于初始采集的前两帧图像采用2D-2D特征点配对方法计算车体姿态与重构特征点的三维坐标；对于第三帧开始的图像序列，则采用3D-2D特征点配对方法计算姿态与重构特征点的三维坐标。(1)对于已标定内部参数的摄像机，可以通过本质矩阵E描述两帧图像J卜。与J。之间的几何关万方数据黄沛琛等：基于姿态阈值滤波的单目视觉农业机械定位方法 95系：E一艋女R。 (1)其中，A为标量，t。一。，t。，：T，；。=f o叫z 叫：0 一t。l，“和R

15、。分别为第是一1帧图l一 。 o j像转换至第k帧图像的位移向量与旋转矩阵。由计算机视觉中两个摄像机的极几何限制理论可知，两帧图像匹配的特征点对应满足等式p竹Ep一0，其中，p 7为I；图像中的特征点归一化坐标，p为对应JH图像特征点归一化坐标。在已获取两帧图像匹配特征点坐标的情况下，本文采用八点算法计算本质矩阵口。在获取本质矩阵E后，对矩阵进行分解，取得有效的f与R。由于从第三帧图像开始采用3D-2D特征点配对方法求解车体的姿态，因此需重构前两帧图像的配对特征点三维坐标。记前两帧图像的摄像机矩阵分别为P一(c1 c2 c3)T，P7一(c71 c 7 2 c73)T，其中，c1，c2，c3，

16、c“，c“，c7 3分别为P=R f和P7一R 7f7的三个行向量。若p一(“，u，1)一p 7一(“7，u7，1)是一对特征匹配点，则根据三角原理，与特征匹配点对应的三维空间点x的齐次坐标是下述方程的解：X一0 (2)求解此线性方程可以确定空间点x，但实际求解过程中往往会因图像噪声、摄像机的校正误差、特征点检测与匹配的不确定性而引入误差，空间点的三维重建转变为形如xr(p，p 7，P，P7)的最优值问题求解。本文采用Shewchuk321提出的算法求解三维特征点坐标。(2)对于第三帧开始的图像序列，采用3D-2D匹配的特征点对x川一p。进行摄像机位姿估算。问题可转化为求解arg min乏：J

17、jp：一po，J|的最优T1值，其中，p0，为三维空间点xt。通过摄像机姿态转换矩阵瓦一。一f心!_1 “：_1反投影至I；图、0 l ，像的二维坐标，i为特征点序号。本文采用MorenoNoguer3胡提出的算法求解姿态。一旦计算出新的摄像机姿态，则采用三角原理重构新的3D特征点坐标并添加至已有的3D特征点集合中，为后续姿态的计算所用。车体姿态估算步骤总结如下：获取王H，I图像帧；提取并匹配两帧图像的特征点；重构IH，J卜。图像帧的配对特征点三维坐标；获取图像帧J。；提取特征点并与I卜，进行匹配；对3D-2D匹配的特征点采用PnP(Perspective一11一Points)算法求解摄像机姿

18、态；重构JH，L图像帧的新配对特征点三维坐标；重复步骤；23定位姿态修正在实际应用中，由于图像噪声、图像模糊或车辆震荡等原因会造成特征点检测出现不精确，从而导致错误匹配的无效特征点，称为外点(Outlier)。一旦出现外点，即使数目很少，计算得到的姿态结果也会与真实值有很大的偏差，因此需要识别外点，确定有效的特征匹配点对，称为内点(Inlier)。本文采用RANSAC较常用的处理外点方法；同时，本文采用稀疏光束平差法SBA(Sparse BundleAdjustment)软件包实现摄像机估算位姿与重构的三维坐标实时局部最优化3“。单目视觉的校正难度低于立体视觉，有利于降低相机校正过程引入的误差

19、对最终的定位精度造成的误差影响。然而采用单目视觉设计定位算法的困难在于缺少绝对尺度，在模型求解过程中，会出现尺度因子的模糊性。因此，在设计单目视觉定位算法时，需加入一定约束条件和假设。本文采用Kitt等人3钉提出的方法求解单目视觉定位算法过程中的绝对尺度。该算法假设车体行进过程中前方一小块区域是近似平坦地形，同时摄像机在移动过程中离地垂直高度近似固定不变，从而对绝对尺度加以约束。算法首先在所有重构的三维坐标中筛选属于车辆前方小区域地面的三维坐标点，采用式(3)确定绝对尺度因子S：靠一(1一口)Sl+ahH： (3)式(3)求解的尺度因子包含对之前的尺度因子的时间平滑和空间平滑处理。其中，权重系

20、数ao，1，实验中取值为08，H；为车辆前方一小块地面区域所有重构的3D点y轴坐标的均值，如图2所示。h为初始状态摄像机距离地面的测量高度。采用式(4)和式(5)分别对滑动窗口里面的图矿一口拍1u1口一一一一一一九n万方数据96 Computer EngineeringScience计算机工程与科学201 8，10(1)像帧位移向量和重构的三维点进行修正：ti一5女(tits)+ts (4)墨一5I(xj+(R：)ti)一(R。)t， (5)其中，iS，k，S为滑动窗口中最早的关键帧序号。N 【。 州Figure 2 Camera coordinate system图2摄像机坐标系Kitt算法

21、研究的背景是基于车辆在平坦的马路上行驶，但实际果园的道路并非平坦，而且地面会出现凹凸不平的现象，导致摄像机离地高度近似固定不变的假设不能一直成立，最终会导致定位的航向角或位移向量产生较大的偏差，如图3所示，其中一为视觉定位算法估算的轨迹，一为实际RTKGPS定位的位置信息，纵轴Z为车辆前进方向行走距离，横轴X为车辆左右方向行走距离。经分析，车辆在接近14 m处由于地面不平坦造成车辆颠簸导致定位发生漂移现象，该漂移偏差会累积在后续的轨迹中。图4为采用视觉定位估算相邻两帧的航向角变化量绝对值，由图中能更清晰地观察到，在第2223帧图像处，相邻两帧航向角度变化约74。，失去了对实际车辆航向角变化的跟

22、踪能力。全局光束平差法能有效降低此误差，但计算量大，不能满足系统的实时性要求，一般作为离线优化方法。本文提出一种简单直观的解决方法一姿态阈值滤波。该方法假设实际车辆行走的轨迹总是缓慢变化，该假设符合一般农业车辆自动跟踪导航作业情况。在此假设下，相邻两帧图像估算的车辆航向角度变化量，行走距离变化量不应超过一定阈值，滤波器约束条件如下：headingtheadings_1呀 (6)Idist女一dist卜l I艿 (7)式(6)为姿态阈值滤波器的航向角滤波条件，式(7)为位移向量的滤波条件，叩和艿为预设的阈值，需根据实际行走地形设定。一旦估算的姿态不符合以上两个滤波条件之一，则该估算姿态无效并忽略

23、当前图像帧，重新捕获下一帧图像进行姿态估算。一旦连续5帧图像都无法满足滤波条件时，则认为视觉定位出现较大误差，算法停止。图5为采用本Figure 3 视觉定位轨迹与RTKGPS轨迹对比图图3 Comparison between visual localization and RTKGPSvo航向角变化绝对值80 rr一70囊烈Figure 4 Absolute value of headingchange estimated by localization图4视觉定位估算的相邻航向角变化绝对值文方法修正后的视觉定位轨迹和RTKGPS定位轨迹对比图，姿态阈值滤波器有效抑制了漂移现象。本文在后续

24、实验中将此方法整合至系统，对视觉定位轨迹进行实时修正。翟：熟N：；0。、n标m1Figure 5 Comparisonetween refinedvisual localization and RTKGPS图5修正后视觉定位轨迹与RTKGPS定位轨迹对比图3实验结果与分析实验选择在华南农业大学校园内三种不同路面上进行(如图6场景1场景3所示)。场景1为空旷平坦的人造草坪标准操场；场景2为地表覆盖杂草、部分土壤裸露的草地，带有较多坑洼，单边种植景观树，树高约35 m，株间距5 m；场景3主“o万方数据黄沛琛等：基于姿态阈值滤波的单目视觉农业机械定位方法 97干道为沥青地面，道路平均宽度为41 m

25、，主干道两旁种植景观树，树高约35 m，株间距51 m，道路总长100 m。车辆平台采用John Deere越野车，图像采集设备为德国ImagingSource工业摄像机DFK21AU04，采集图像大小为640*480像素，存储格式为JPG。_I一铡 c场景3 d实验车辆Figure 6 Experimental environment and agricultural vehicle图6实验场景图及实验车辆摄像机安置于车顶前端(图6实验车辆所示)，其中心距离地面垂直高度为215 m，向下倾斜945。图像处理所用计算机为SONY VGNSRl6，CPU主频为226 GHz，内存为2 GB，程序

26、开发环境采用Visual Studio 2010，使用C+语言开发。实验前，使用Camera Calibration Toolbox forMatlab工具箱对摄像机进行校正，获取其内部参数。在实验过程中，对所采集的图像先使用Damien Teney提出的算法在线进行图像畸形校正3 6|。定位对比设备采用John Deere RTKGPS，GPS实时位置原始数据采用10 Hz方式通过RS232串口通信传送至图像处理计算机，经坐标转换后在软件界面实时显示视觉定位与GPS定位跟踪效果。本文采用相对位置误差和航向角误差作为衡量视觉定位算法跟踪效果的主要指标：E一吾100 (8)其中，D为车辆行驶的总

27、距离，E一(z。一z垂)2+(y。一y。)2，z。，Yi为第i帧图像Table 1 Data of experimental environment 1表1场景1实验数据万方数据98 Computer EngineeringScience计算机工程与科学2018，40(1)估算的车辆位置坐标，zY。为对应时刻GPS原始定位数据转后的位置坐标。Hheading。一heading日 (9)其中，heading。为第i帧图像估算的车辆航向角，heading。为对应时刻GPS原始定位数据估算的航向角。为了检测算法的鲁棒性和精度，车辆保持接近1 ms的速度分别在三种不同的场景进行测试。刁和艿为多次实验后

28、的经验值，刀调整范围为40。50。，艿调整范围为10 m15 m。依据不同行走地形，在此经验值范围内反复进行微调，直到系统在该地形上有较好的定位效果，并以此卵和d值作为该地形的阈值。不同场景采用的阈值滤波参数如下：场景1，叩一45，d一11；场景2，叩一45，812；场景3，刀一45，艿一10。不同场景的位置偏差如表1表3所示。由实验统计结果可知，算法在场景1中有较好的跟踪效果，相对位置偏差平均值为5459 9，标准差为4184 2，航向角平均偏差为7717 70，标准差平均值为6788 90。通过分析可知，场景1地表纹理特征丰富，因此视觉定位算法能捕获足够多的特征点进行匹配。同时，场景1为平

29、坦的操场地面，可很好地满足摄像机移动过程中离地面垂直高度固定不变的约束条件，故算法在场景1中有较好的跟踪效果。尽管场景2地面纹理特征比场景1更为丰富，但场景2的地面出现较多凹凸不平的坑洼，致使约束条件不能很好地满足，同时，凹凸的地面也导致人工驾驶难以保持匀速行驶，加剧车辆的颠簸，场景2的相对位置偏差平均值为8373 1，标准差为5110 7，航向角平均偏差为5738 9。，标准差平均值为4834 9。场景3的地表纹理特征不太丰富，但其地表相对平坦，出现的凹凸地形较场景2少，配合本文的姿态阈值滤波器，跟踪效果较为理想，相对位置偏差平均值为6443 94，标准差为3811 84，航向角平均偏差为3

30、438 3。，标准差平均值为3134 0。图7为场景3其中一次实验图像序列离线处理后的视觉定位与GPS定位效果对比图，由图6可知，视觉定位轨迹曲线在车辆发生幅度较大的转向时，算法处理时间滞后于车辆的变化，此时产生位置偏差，并且这个偏差累积在后续的定位跟踪过程中。但是，只要车辆不发生大幅度转向，视觉定位算法对于位置和航向角都能有较好的跟踪精度。对三种场景数据统计分析可知，本文所提出的视觉定位算法在地表纹理特征丰富、地面较为平坦的道路有较好的定位效果。在凹凸不平的地面，加入本文的姿态阈值滤波器能够在一定程度降低定位误差。同时，本文在实验过程中发现提升摄像机高度有利于近似满足约束条件。本文在实验过程

31、中发现，只采用单目摄像机难以消除航向角偏差、位置偏差的误差累积，配合绝对姿态传感器如惯性测量装置IMU(Intertial Measurement Unit)或RTKGPS会是一个解决视觉定位算法误差累加的方法。Figure 7 Localization result comparison betweenthe visual localization algorithm and GPS图7 视觉定位算法与GPS定位轨迹对比图4结束语本文针对农业机械在果园作业时视觉定位算法进行了研究，设计了基于单目摄像机进行特征点捕获、特征点跟踪，采用特定约束条件求解车体姿态的定位算法，并采用RTKGPS数据作

32、为参照进行了实验。(1)针对果园环境复杂，有利于特征点检测，提出了采用blob和corner算子配合非最大值抑制算法产生特征点，并采用SAD进行匹配，实验表明每帧图像检测约600900个特征点，所耗平均时间为38 ms。(2)基于特征点匹配方法求解车体位置与航向角信息。同时，基于车体行进过程中前方小块区域近似平坦，摄像机在移动过程中离地垂直高度近似固定不变的假设求解车体位移向量的绝对尺度，配合车辆姿态阈值滤波器实时修正所估算的位姿。(3)在模拟果园环境的三种不同场景进行了实车实验。三种不同场景的平均位置偏差分别为5459 9、8373 1、6443 94；三种不同场景的航向角变化平均值分别为7

33、717 7。、5738 9。、3438 3。实验结果表明，加入车辆姿态阈值滤波器的视觉定位算法，能够有效降低因地形起伏不平所引致的误差，在一定程度上提高了果园车辆自动导航的可靠性和适用性。万方数据黄沛琛等：基于姿态阈值滤波的单目视觉农业机械定位方法 99从现有的实验结果来看，研究的算法是可行的，但定位精度还达不到RTKGPS的厘米等级，在后期研究工作中，可与其他传感器技术如轮系里程计、惯性导航设备或GPS等相结合，能满足如果园喷雾、施药等作业的精确定位要求。同时，车辆的颠簸引起摄像头的俯仰也会对定位精度产生影响。因此，多传感器信息融合、将机器学习和模式识别新方法引入至视觉定位系统，采用GPU进

34、行大规模的并行计算使算法从根本上得到加速将是下一步的主要研究工作。同时，在其他传感器信号受干扰的地区，如温室、南方山区或果园环境，GPS信号会丢失，本文方法可作为一种低成本的辅助定位方式，起到补偿GPS误差的作用。参考文献：1 Iuo xi wen，Ou Yinggang，Zhao Zuoxi，et a1Research anddevelopment of intelligent flexible chassis for precision farmingEJTransactions of the Chinese Society of AgriculturalEngineering(Trans

35、actions of the CSAE)，2005，21(2)：8385(in Chinese)213456E7891i M，Imou K。Wakabayashi K，et a1Review of research onagricultural vehicle autonomous guidanceJInt J AgricBiol Eng，2009，2(3)：1-1 6Subramanian V，Burks T F，Arroyo A ADevelopment ofmachine vision and laser radar based autonomous vehicleguidance sy

36、stems for citrus grove navigatlon,JComputersand Electronics in Agriculture，2006，53(2)：130143I。uo Xiwen，Zhang Zhigang，Zhao Zuoxi，et a1Design ofDGPS navigation control system for Dongfanghong X一804tractorJTransactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE)，2009，25

37、(11)：139145(in Chinese)Chen Yan，Zhang Man，Ma Wenqiang，et a1Positioningmethod of integrated navigation based on GPS and machinevisionJTransactions of the Chinese Society of AgriculturalEngineering(Transactions of the CSAE)，2011，27(3)：126130(in Chinese)Zhang-luichun，Zheng Jiaqiang，Zhou HongpingPositio

38、ning accuracy analysis of RBN DGPS applied in precision forestryJTransactions of the Chinese Society of AgriculturalEngineering(Transactions of the CSAE)，2011，27(7)：210213(in Chinese)Wan Liqin，Qiu BaijingExperiment and study of the positioning accuracy of DGPS in precision agricultureJJournalof Agri

39、cuhuraI Mechanization Research，2003(1)：1 1 51 1 7(in Chinese)I。iu Pei，Chen J un，Zhang MingyingAutomatic control system of orchard tractor based on laser navigationJTransaclions of the Chinese Society of Agricultural EngineeringfTransactions oftheCSAE)。2011，27(3)：196199(in Chinese)Wang Ling，Liu Siyao

40、，Lu Wei，et a1Laser detection method101112313141516171819202122for cotton orientation in robotic cotton pickingJTransactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE)，2014，30(14)：4247(in Chinese)Feng Juan，Liu Gang，Si Yongsheng，et a1Construction oflaser vision system

41、 for apple harvesting robotJTransactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE)，2013，29(1)：3236(in Chinese)Xue Jinlin，Zhang ShunshunNavigation of an agriculturalrobot based on laser radarJTransactions of the ChineseSociety for Agricultural Machinery，2014，45(9)：5

42、560(inChinese)Li YongJanRobot Monto Carlo self localization methodbased on combination of vision sensors and laser range finderJTransactions of the Chinese Society for AgriculturalMachinery，2012，43(1)：170174(in Chinese)Feng Juan，Liu Gang，Si Yongsheng，et a1Algorithm basedon image processing technolog

43、y to generate navigation directrix in orchard,JTransactions of the Chinese Society forAgricultural Machinery，2012，43(7)：185189(in Chinese)Wu Jiayi，Yang Qinghua，Bao Guanjun，et a1Algorithm ofpath navigation line for robot in forestry environment basedon machine visionJTransactions of the Chinese Socie

44、tyfor Agricultural Machinery，2009，40(7)：1761 79(in Chinese)Xiong Juntao，Zou Xiangjun，Chen Iijuan，et a1Visual position of picking manipulator for disturbed litchiJTransactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE)，2012，28(14)：3641(in Chinese)Jiang Huanyu，Peng Yo

45、ngshi，Shen Chuan，et a1Recognizing and locating ripe tomatoes based on binocular stereo vision technologyJTransactions of the Chinese Society ofAgricultural Engineering(Transactions of the CSAE)，2008，24(8)：279283(in Chinese)Zhou Jun，Chen Qin，Liang QuanVision navigation of agricuitural mobile robot ba

46、sed on reinforcement learningJTransactions of the Chinese Society for Agricultural Machinery，2014，45(2)：5358(in Chinese)Zhang Hao，Chen Yong，Wang Wei，et a1Positioning method for tea picking using active computer visionJTransactions of the Chinese Society for Agricultural Machinery，2014，45(9)：61-65(in

47、 Chinese)Meng Qingkuan，Zhang Man，Qiu Ruicheng，et a1Navigation line detection for farm machinery based on improved genetic algorithmJTransactions of the Chinese Society forAgricultural Machinery，2014，45(10)：3946(in Chinese)I。i Yubo，Zhu Xiao-zhou，Lu Hui-min，et a1Review on visual odometry technologyJAp

48、plication Research of Cornputers，2012，29(8)：2801-2804(In Chinese)Nister D，Naroditsky O，Bergen JVisual odometry-CProc of IEEE International on Conference on Computer Vision and Pattern Recognition，2004：652659Olson C，Matthies L，Schoppers M，et a1Robust stereo ego万方数据100 Computer Engineering&Science计算机工程与科学2018，40(1)2324E2526272829303132333433