农业机械自动导航技术是精细农业领域的研究热点之一,开展基于机器视觉的农业机械导航系统研究具有一定的理论意义和实用价值。本文在863计划和国家科技支撑计划项目的资助下,研究了基于机器视觉的农业车辆—农具组合导航系统。主要研究内容如下：(1)农业车辆—农具组合导航系统的设计与开发研究。开发了基于机器视觉的农业车辆自动导航系统,完成了基于PLC的转向操纵控制器设计和视觉导航软件的开发；设计了用于玉米中耕除草的农具自动导航系统,完了基于PLC的横向操纵控制器设计和系统视觉导航软件的开发；构建了农业车辆—农具组合导航系统,用于提高农业机械整体导航精度。自动导航试验结果表明,系统工作稳定可靠。(2)图像预处理研究。针对基于机器视觉的农业机械导航系统在图像处理时易受光照变化影响的问题,提出了YCrCg颜色空间,选择与光照无关的Cg分量进行后续图像处理；采用基于二维直方图的FCM聚类方法进行图像分割,提高了图像分割的抗噪声能力：提出了基于动态图像“与”的滤波方法来消除杂草噪声,提高了导航路径的检测精度。(3)基于机器视觉的导航路径识别算法研究。针对Hough变换、基于已知点的Hough变换和最小二乘法等常规作物行直线检测方法存在的不足,提出了基于线性约束系数的作物行直线检测方法、基于直线扫描的作物行直线检测方法和基于改进遗传算法的作物行直线检测方法。基于线性约束系数的作物行直线检测方法是最小二乘法的改进算法,可有效提高最小二乘法对噪声敏感的问题,但算法耗时大于最小二乘法；直线扫描算法通过“像素步长”移动图像顶边和底边像素点位置产生不同斜率直线,将包含目标点最多的直线作为作物行中心线。该方法直接在二值图像上进行作物行检测,对杂草噪声不敏感,具有较高的检测精度和实时性；基于遗传算法的作物行直线检测方法将图像顶边和底边两个端点进行染色体编码,通过遗传进化选择适应度最高的个体作为作物行直线,该方法比前两种方法具有更快的检测速度。试验结果表明,这3种新算法在处理速度上要优于Hough变换,检测精度优于基于已知点的Hough变换和最小二乘法。(4)农业车辆和农具导航决策控制方法研究。通过建立车辆2自由度转向模型和视觉预瞄模型,对车辆横向控制进行状态描述。设计了基于粒子群优化的自适应模糊控制器,在模糊控制器中引入加权因子,以横向偏差和航向偏差时间误差绝对值积分(ITAE)之和作为系统目标函数,通过粒子群算法计算得到最优加权因子,进而调整控制规则实现导航车辆自适应控制。仿真和试验结果表明,该导航决策控制方法可以迅速消除横向误差,具有超调量小,响应速度快等优点。农具导航采用模糊控制算法进行决策控制,将横向偏差和导航速度作为模糊控制器输入,电流量作为模糊控制输出。仿真和试验结果表明,农具导航决策控制方法具有较快的响应速度和较小的超调量。