Qu'est-ce que la navigation visuelle ?

Dans le domaine de la navigation, la navigation par vision mécanique et la navigation laser sont deux technologies majeures de positionnement autonome. Avec la navigation par satellite (GNSS) et la navigation inertielle (INS), elles constituent les solutions de positionnement pour les systèmes intelligents.

Le processus de mise en œuvre de la navigation par vision mécanique

Construisez un système d’imagerie d’images approprié pour collecter des images cibles. Les échantillons d'images collectés sont prétraités à l'aide d'une technologie de traitement d'image pour améliorer la qualité de l'image. L'objet cible est segmenté à partir de l'arrière-plan de l'image et les informations caractéristiques sont extraites à l'aide du procédé de calcul de caractéristiques approprié pour obtenir le vecteur caractéristique composé de paramètres caractéristiques dotés de fortes capacités de représentation telles que la couleur, la forme et la texture de l'objet cible. Pour éviter des informations redondantes excessives imposant une charge de calcul importante au système et affectant la précision et l'efficacité de la reconnaissance du système, les vecteurs de caractéristiques obtenus sont filtrés et optimisés. Sélectionnez un classificateur approprié pour la formation et fournissez les résultats de la reconnaissance. L'effet de traitement d'image, les caractéristiques sélectionnées et la conception du classificateur dans ce processus déterminent directement l'effet de reconnaissance du système et constituent le cœur de la technologie de vision industrielle.

1. La technologie de traitement d'image est relativement mature. Le processus de prétraitement d'image le plus courant est le suivant : conversion des niveaux de gris → transformation géométrique (recadrage, translation, rotation, etc.) → amélioration de l'image (filtrage, lissage, netteté, etc.).

2. Les méthodes de segmentation des cibles incluent les méthodes de segmentation par seuil (seuil global, valeur minimale locale, Otsu), les méthodes de segmentation par région, les méthodes de segmentation par bassin versant et la segmentation par clustering K-means, etc.

3. Les méthodes d'extraction de caractéristiques incluent la couleur (moment de couleur, ensemble de couleurs, histogramme de couleur, vecteur d'agrégation de couleurs, etc.), la texture (méthode de matrice de cooccurrence de niveaux de gris, méthode géométrique, méthode de modèle, transformée en ondelettes, etc.), la forme (transformée de Fourier, transformée de Hough, surface, périmètre, rectangularité, quasi-rondeur, rapport hauteur/largeur du rectangle externe minimal, moment invariant de Hu, etc.), la relation spatiale, etc.

4. Les méthodes de sélection et d'optimisation des fonctionnalités comprennent l'analyse en composantes principales (ACP), l'analyse discriminante linéaire (LDA), la mise à l'échelle multidimensionnelle (MDS), l'apprentissage des modèles de flux, etc.

5. Dans les méthodes de reconnaissance et de classification, les méthodes traditionnelles de reconnaissance de formes statistiques comprennent la machine à vecteurs de support (SVM), la méthode bayésienne, la fonction discriminante, etc. Avec le développement de la technologie d'apprentissage automatique (ML) et l'application de méthodes telles que les réseaux de neurones artificiels (ANN), les algorithmes génétiques, les algorithmes de clustering et l'apprentissage par transfert, la précision de reconnaissance et la stabilité des systèmes de vision artificielle ont été considérablement améliorées.

La navigation par vision mécanique doit souvent compléter d'autres technologies pour former une capacité de positionnement dans tous les domaines. Les systèmes de navigation inertielle (INS) utilisent des capteurs tels que des accéléromètres et des gyroscopes pour mesurer l'état de mouvement des objets, calculant ainsi leur position et leur direction. Les technologies de navigation par satellite telles que GPS, GLONASS, Galileo et Beidou permettent le positionnement et la navigation en envoyant des signaux via des satellites et en les recevant avec des récepteurs au sol.

Jinan Keya Electron Science And Technology Co., Ltd. a développé un moteur de direction automatique de haute précision compatible avec AGOPENGPS. Le moteur de direction automatique AgOpenGPS, associé au contrôleur, à la tablette, au volant, au capteur de roue avant et à l'antenne GNSS, constitue le système de direction automatique. Les antennes satellites peuvent recevoir simultanément les signaux GPS, Galileo, GLONASS et Beidou. Le positionnement au centimètre près est assuré grâce à la technologie de positionnement par satellite de haute précision RTK. Le système de direction automatique prend en charge des technologies telles que la navigation inertielle, le contrôle automatique et la direction électrique, et contrôle le volant pour guider automatiquement les machines agricoles sur l'itinéraire prescrit.

Contactez-nous pour obtenir des solutions d'entraînement de puissance personnalisées !

Nous participerons à l'AGRITECHNICA à Hanovre, en Allemagne, du 9 au 15 novembre 2025 au stand n° 17F22b. N'hésitez pas à visiter notre stand.