基于UWB定位的智能温室三维温湿度检测系统研究

为解决现有无线检测系统无法精准有效反映温室内立体空间的环境变化情况，以及传感器节点定位误差大、硬件成本高等问题，设计了一种基于UWB(Ultra wide band)定位的智能温室三维温湿度检测系统。系统通过一款自主设计的集成UWB定位模块的STM32F系统板对各传感器节点进行定位，并搭载AHT25型高精度传感器对环境数据进行采集。UWB主基站使用4G网络通信模块将各传感器数据及位置信息发送到上位机，并在Web端根据HTML5技术实现温室三维温湿度场可视化，完成温室三维温湿度远程检测。系统定位测试试验证明，各传感器节点精度主要集中在10～30 cm范围内，部分节点测量位置误差大于50 cm,各节点最大丢包率为2.5%,平均丢包率为1.9%,满足温室测量基本需求，对检测温室热工缺陷区域以及研究植物生长适宜环境有重要意义。     

UWB精确定位自适应无迹卡尔曼滤波算法

针对超宽带定位(UWB)过程中的非视距(NLOS)误差和非线性滤波问题,提出一种基于峭度识别的UWB精确定位自适应无迹卡尔曼滤波算法。通过分析基于到达时间定位原理,建立了NLOS误差模型。使用峭度作为衡量UWB信道环境的参数,设定阈值鉴别NLOS误差。在无迹卡尔曼滤波过程中引入自适应因子,利用残差向量不断修正增益矩阵,从而减小误差。试验证明,视距环境下,此算法定位精度可达厘米级;非视距环境下,定位精度达到亚分米级。     

基于超宽带的温室农用车辆定位信息采集与优化

针对温室环境下农用车辆定位精度低的问题,开发了适用于温室环境的超宽带技术(Ultra wide band,UWB)室内定位试验平台。首先,以Ubisense射频芯片作为硬件基础,设计了定位平台标签和基站,并采用到达时间差(Time difference of arrival,TDOA)定位测距方法获得定位结果;然后,分别利用K-means聚类与截段处理的方法进行静态、动态定位信息优化计算,以减小脉冲信号传播特性和单一测距方式等导致的测量误差,获得准确的定位信息,实现温室内农用车辆的精确作业;最后,在温室环境下分别进行了静态定位试验与动态定位试验。试验结果表明,优化后的静态定位精度平均值为0.063 4 m,改进后的动态定位精度精确到8 cm的概率是原先TDOA算法的3.7倍。所搭建的定位试验平台满足温室农用车辆定位的实际应用要求,可为温室环境下农用车辆的定位和导航提供参考。     

基于UWB超宽带技术的无人驾驶农机导航定位技术研究

以UWB超宽带技术为基础展开无人驾驶农机自动导航定位控制技术研究,将在室内定位领域应用广泛且性能良好的UWB超宽带定位技术进行算法和硬件上的优化,使其适用于室外环境,设计相应的控制算法进行测距,结合基站确立定位参考系,设计算法矫正因设备或外在因素造成的定位误差,最后模拟田地狭小的丘陵地区果园环境展开实验研究,以Robo...     

基于无线测距的农业机器人导航定位方法

针对农业机器人应用中的自主导航问题,提出了一种基于无线测距的导航定位方法。首先,分析了机器人的机械模型和位姿描述;然后,阐述了超宽带测距的原理,并分析了基于超宽带测距的定位模型;最后,设计了基于卡尔曼滤波器的多信标传感器信息融合算法。该方法稳定性高,操作简便,解决了农业机器人在恶劣和未知作业环境中的导航定位问题。     

无线传感器网络三维定位交叉粒子群算法

针对标准粒子群算法进化后期收敛速度慢、易陷入局部极小点、早熟收敛等问题,提出一种基于交叉粒子群的农业无线传感器网络三维定位算法。该方法主要包括汇聚节点选取、测量距离修正、节点定位3个阶段,通过借鉴遗传算法交叉操作的思想,增加粒子的多样性,减小测距误差、锚节点数量对定位结果的影响,有效提高定位算法全局搜索能力。仿真结果表明,该方法的稳定性和定位精度均优于标准粒子群算法。在测距误差和锚节点数量相同的条件下,与混合蛙跳定位算法进行性能比较,两种算法的最大定位误差分别为1.337 8 m、1.747 3 m,最小定位误差分别为0.258 3 m、0.561 5 m,平均定位误差分别为0.651 2 m、1.044 7 m。     

温室作业机具室内定位方法研究

针对农机具在温室大棚内的定位、作业轨迹跟踪及作业面积核算需求,提出一种基于多源数据融合理论的温室机具室内定位优化算法。首先根据惯性导航测量技术预估被测目标定位初值,再利用无线RSSI测距技术使用加权质心算法获得定位测量结果,利用卡尔曼滤波算法进行定位信息最优化计算,以消除基于单一测量技术存在数据漂移、测试信号受遮挡、电磁干扰造成的误差,获得准确的定位信息,进而实现作业轨迹的实时跟踪以及作业面积的有效核算。在Matlab仿真分析中,首先建立定位算法评价指标以便于定位效果评估,通过仿真计算得出:基于多源数据融合的优化定位算法的定位精度及稳定性均优于单一无线RSSI室内定位算法。温室大棚田间试验的实际测试结果表明,室内定位精度不大于0.125 m,定位误差小于0.4%,能够较好地满足温室内作业机具的定位及作业轨迹实时获取与监测的需求。     

基于多传感器融合的无人机精准自主飞行控制方法

为解决我国植保无人机实际作业过程中普遍存在的由空间位置定位精度不足和飞行参数不稳定造成的雾滴分布不均匀、重喷、漏喷等问题,以多旋翼无人机系统为平台,基于ROS(Robot operating system)和MAVROS构建了由协同计算机与开源飞行控制器组成的二级控制系统,结合基于RTK-GPS的绝对位置测量和基于激光雷达的相对距离探测方法,融合外部传感器与飞行控制器板载传感器数据对无人机状态估计进行修正,提高了无人机飞行参数和飞行轨迹的稳定性。为进一步提高植保无人机自主作业性能,基于ROS设计了飞行任务管理系统,实现了无人机精准自主任务点之间的直线飞行。真实飞行试验结果表明：无人机自主飞行过程中水平方向平均定位误差为0.145m,垂直方向平均定位误差为0.053m。     

基于多跳无线网络和机器视觉的新式采摘机器人设计

针对农田作业环境下传感器定位节点的数量较多、覆盖范围要求广及农作物作业场地很多都没有局域网覆盖的问题,提出一种面向多跳无线网络的采摘机器人节点定位方法,并将其应用在待采摘区域的精确定位上,从而提高了采摘机器人定位和目标识别的整体性能,降低了采摘机器人总体的能源损耗。在新式采摘机器人的设计过程中,采用无线多跳网络通过多个无线路由对接收的定位数据进行转发,其部署简单,可以使定位节点进行周期性的休眠,能源消耗低,从而保证了采摘机器人能源的供应;采用机器视觉辅助目标果实定位识别系统,实现了待采摘果实的准确定位。对采摘机器人多跳无线网络定位系统进行了抗干扰能力测试,结果表明:噪声干扰的环境下,采摘机器人依然具有较好的通信能力,可以对待采摘区域实现较为精确定位。     

温室高架栽培草莓空间姿态识别与采摘点定位方法

采摘目标空间位姿信息缺失和目标定位精度低是影响草莓采摘机器人采摘效果的关键因素之一。为此，本文首先设计了基于颜色信息和卷积神经网络的草莓图像目标定位与分割以及目标点云分割模型；其次，实现了基于图像的草莓可采摘性和遮挡程度识别模型；最后，设计了草莓空间定位和姿态估计模型并实现草莓采摘点定位方法。基于本文方法对完整草莓位姿估计平均误差为4.03%，对遮挡草莓位姿估计平均误差为9.06%，采摘定位综合误差为2.3mm。在实际采摘实验中，采摘成功率为92.6%，平均每个草莓的计算耗时约为92ms，单个草莓采摘动作的执行平均耗时约为5.7s。实验结果表明：本文提出的方法可在温室条件下较准确地估计草莓空间位姿和采摘点，为草莓采摘机器人提供有效的目标定位信息，有效满足实际采摘场景下的需求。     

基于EKF的农机智能体自主导航算法研究

为获得更加准确、全面、实时的农田障碍物信息,提高农业机械智能体自主导航定位的精度,提出一种基于北斗系统和视觉导航的组合定位方法。针对农田环境,选择BDS、视觉CCD为外部传感器,设计一种基于扩展卡尔曼滤波器(EKF)的数据融合算法,该算法融合了BDS和视觉传感器数据,实时定位农机智能体的位置。系统通过对导航角度和行驶进度进行跟踪,完成绝对定位。通过机器视觉图像处理,获取导航基准和作业目标信息,完成相对定位。通过试验验证该算法的有效性,并通过卡尔曼滤波算法(KF)的成果进行对比分析。结果表明：滤波后的路径更平滑,抖动偏差减小,坐标数据比KF滤波结果更稳定、更平滑。此外,距离的平均误差可以从滤波前的0.119 5 m降低到滤波后的0.07 0 m,有效地降低了过程噪声。且位置偏差在±0.1 m以内,精度较高,提升了农机智能体自主导航的定位精度。     

基于ISRCDKF的移动机器人同时定位与建图研究

为解决移动机器人在同时定位和建图(Simultaneous localization and mapping,SLAM)技术中普遍存在状态精度不高、稳定性差、计算复杂等问题,提出一种基于迭代平方根中心差分卡尔曼滤波(Iterated square root central difference Kalman filter,ISRCDKF)的SLAM自主定位算法,以满足SLAM过程中的实时性、准确性等要求。该算法使用中心差分变换处理SLAM的非线性问题,避免了泰勒公式展开中雅可比矩阵复杂运算;同时在滤波更新过程中,通过直接传递协方差矩阵的平方根因子减少算法的复杂度;在迭代观测更新过程中,使用列文伯格-马夸尔特(Levenberg-Marquardt,L-M)优化方法引入调节参数,实时修正协方差矩阵,达到提高算法精度、增强稳定性的目的。仿真结果表明,在相同的数据模型和噪声环境下,本文提出的ISRCDKF-SLAM算法与基于扩展卡尔曼滤波(Extended Kalman filter,EKF)的SLAM算法、无迹卡尔曼滤波(Unscented Kalman filter,UKF)的SLAM算法和容积卡尔曼滤波(Cubature Kalman filter,CKF)的SLAM算法相比,均方根误差分别降低了47.3%、32.7%和25.0%;与相同计算复杂度的UKF-SLAM算法和CKF-SLAM算法相比,新算法的运行时间分别减少了15.1%和10.8%。将新算法嵌入到移动机器人平台进行现场实验验证,进一步证明了该算法的实用性和有效性。     

面向果园多机器人通信的AODV路由协议改进设计与测试

针对多机器人在果园中作业时的通信需求，本研究基于Wi-Fi信号在桃园内接收强度预测模型，提出了一种引入优先节点和路径信号强度阈值的改进无线自组网按需平面距离向量路由协议（AODV-SP）。对AODV-SP报文进行设计，并利用NS2仿真软件对比了无线自组网按需平面距离向量路由协议（AODV）和AODV-SP在发起频率、路由开销、平均端到端时延及分组投递率4个方面的性能。仿真试验结果表明，本研究提出的AODV-SP路由协议在发起频率、路由开销、平均端到端时延及分组投递率4个方面的性能均优于AODV协议，其中节点的移动速度为5 m/s时，AODV-SP的路由发起频率和路由开销较AODV分别降低了3.65%和7.09%，节点的移动速度为8 m/s时，AODV-SP的分组投递率提高了0.59%，平均端到端时延降低了13.09%。为进一步验证AODV-SP协议的性能，在实验室环境中搭建了基于领航-跟随法的小型多机器人无线通信物理平台并将AODV-SP在此平台应用，并进行了静态丢包率和动态测试。测试结果表明，节点相距25 m时静态丢包率为0，距离100 m时丢包率为21.01%；动态行驶时能使机器人维持链状拓扑结构。本研究可为果园多机器人在实际环境中通信系统的搭建提供参考。     

基于宏微结合的田间作业机器人路径规划

农业机器人对推动农业现代化加速变革和实现智慧农业有重要作用。高精度定位技术是保障机器人安全高效完成各类作业的基础,而作业路径准确规划是实现农业场景下导航的核心。针对田间作业机器人复杂环境下因测绘误差与局部障碍进而造成作物损伤率较大这一问题,本文提出一种基于宏微结合的路径规划算法,该算法首先基于作业区域宏观测绘信息生成全局静态作业路径,同时利用雷达传感器对机器人局部作业环境进行实时动态监测进而生成局部动态最优路径,将全局静态路径与局部动态路径进行有机融合以实现作业路径优化修正,保障田间作业的顺利进行,最终应用MPC算法控制机器人对规划后的路径进行追踪。经试验验证,当机器人田间作业两侧安全距离分别为0.2、0.1 m时,本算法可将作业过程中平均作物损伤率由3.405 8%、1.276 3%降低到0.677 2%、0.188 9%,保证了机器人作业的安全可靠,为大田稳产条件下的高效作业奠定基础。同时,本算法提升了精准农业要求下田间作业精度,对实现农业高产高效高质目标有重要意义。     

基于自校准变结构Kalman的农机导航BDS失锁续航方法

针对农机自动导航作业过程中存在的BDS信号失锁导致系统突然失控的问题,提出了一种适用于轮式农机的基于自校准变结构Kalman滤波器的农机导航BDS失锁续航方法。依据4自由度农机运动学模型,设计了BDS/INS信息融合Kalman滤波器;进行INS导航定位误差不确定度分析,并设计了基于自回归模型的航向校准方法、INS传感器角速率测量零偏实时校准方法,结合上述方法设计了自校准变结构滤波器,进行位姿信息处理,结合导航跟踪控制方法实现失锁续航功能。根据分米级精度要求,进行了机器人直线、矩形路径失锁续航试验和农机田间直线续航试验。机器人续航试验结果表明:行驶速度为1 m/s时,与运用未校准滤波器的续航系统相比,该方法实际平均横向偏差减小34%,横向偏差达到20 cm时机器人在路径上的平均行驶距离提高80%。农机田间续航试验结果表明:行驶速度为1 m/s时,在实际偏差小于20 cm的条件下,农机在路径上的行驶平均距离达到16. 65 m。     

基于视觉与惯性的农机组合导航的方法研究

以棚室电动微耕机为试验平台,提出了一种基于视觉与惯性融合的组合导航方法。利用摄像头、陀螺仪和加速度计在微耕机上实现了低成本、高精度的导航定位。通过以导航线为参考系的位姿描述建立农机运动学模型,采用卡尔曼扩展滤波对两种导航模块得到的农机位置、速度和航向角信息进行最优融合估计。微耕机实际行走数据的仿真实验表明:该方法能够为农机自动作业提供实用可靠的导航信息。     

基于改进A*与DWA算法融合的温室机器人路径规划

根据温室环境下移动机器人作业的实时路径规划要求,提出一种基于改进A^*算法与动态窗口法相结合的温室机器人路径规划算法。针对传统A^*算法搜索算法拐点过多的问题,对关键点选取策略进行改进,融合动态窗口法,构建全局最优路径评价函数,采用超声传感器进行局部避障,实现实时最优的路径规划。仿真实验结果证明,与传统A^*、Dijkstra、RRT算法相比,基于改进A^*算法的路径更为平滑和高效。真实环境下实验表明,移动机器人能够实现自主导航,跟踪误差保持在0.22 m以内、定位误差不大于0.28 m,能够满足实际需求。