自动导航技术在农业工程中的应用研究进展

分析了GPS技术、机器视觉和多传感器融合技术在自动导航中的应用研究进展。GPS 技术具有较高精度，机器视觉能够采集丰富的环境信息，而多传感器融合技术能够结合GPS技术和机器视觉等导航模式的优点，用不同的传感器可组合出高精度、高可靠性的导航策略。但GPS精度和可靠性容易受到环境因素的影响，机器视觉导航应用中的图像处理受自然光线等条件的干扰很大，图像处理算法的速度不够快，多传感器融合技术在传感器精度、信息获取和处理速度以及抗干扰能力方面存在一些问题。因此解决这些存在的问题，有利于自动导航技术在农业工程中的广泛应用。     

基于改进粒子滤波的农用车辆导航定位方法

针对农业机械导航系统中常用的Kalman滤波对多传感器数据进行融合的算法不适用于非线性农用车辆导航系统的问题,该文采用粒子滤波方法进行数据融合,以获得准确的导航定位信息;该算法增加抗野值步骤,有效削弱GPS跳变引起的误差;通过对重要密度函数进行改进,引入无迹卡尔曼滤波方法（UKF）,并采用不同重采样方法,有效抑制了粒子退化;增加MCMC步骤,减少了样本枯竭现象。仿真结果表明,改进后粒子滤波方法,可有效提高精度,减小导航误差,可满足农用车辆与作业机械的导航要求。     

农用车辆自动导航定位方法

农用车辆自动导航技术可有效提高作业精度、实现农田规模化生产。该文以电瓶车为试验平台,使用 RTK DGPS、RTD GPS 和电子罗盘分别采集电瓶车的位置信息和航向角度信息,对农用车辆的导航定位方法进行了研究。试验时,以 RTK DGPS 采集的数据作为标准轨迹。在对试验数据进行空间配准后,采用 Kalman 滤波技术对 RTD GPS 和电子罗盘的数据进行了融合;通过计算综合权重值,对单 GPS 系统和融合系统的性能进行测试与评估,其值分别为 0.006、0.002。由此可知,采用 Kalman 滤波的电子罗盘和 RTD GPS 的组合导航系统,定位精度相对较高,稳定性较好,整体性能优于单 GPS 系统。     

基于全方位视觉传感器的农业机械定位系统

利用全方位视觉传感器能提供传感器周围360°范围内信息的图像,通过全方位图像可准确获取物体方向角,基于该特点研发一种可以实现农业机械自动导航的定位系统。该系统硬件主要由全方位视觉传感器、人工标识、PC、PC软件和作业车构成。该计算算法首先通过全方位视觉系统的校正,得出相机的成像投影中心;通过图像处理提取人工标识的位置,估算出标识相对于相机的方向角,然后根据圆周角定理和几何关系计算出相机的位置来完成农业机械的定位。在面积为5×3 m2的水泥地面和白炽灯光的实验室中进行试验,平均选取10个位置进行试验,试验结果显示估算点和选取点间距离的平均误差小于3 cm。研究证明该定位系统是可行的。     

基于扫描滤波的农机具视觉导航基准线快速检测方法

针对基于机器视觉的自动导航系统现有导航线提取算法易受外界环境干扰和处理速度较慢等问题,该文提出一种基于图像扫描滤波的导航线提取方法。首先获取不同农作物的彩色图像,使用2G-R-B算法对彩色图片进行灰度化处理,得到作物行和土壤背景对比性良好的图片。使用Otsu方法对图像进行分割,得到二值化的图像后,再采用腐蚀-中值滤波-膨胀的滤波方法对图像进行去噪处理。然后使用该文提出的扫描滤波导航线提取算法,将图像分成左右两部分,使用等面积三角形对两部分分别进行扫描后,再对扫描的结果进行滤波,从而提取作物行,得到导航线。试验结果表明,采用该方法处理一幅640×320像素的图像只需要76ms,可满足农机具实时导航的要求;与传统导航线提取算法相比,该算法计算速度快,适应能力强。     

农业机械自动导航技术研究进展

农业机械自动导航是精准农业技术体系中的一项核心关键技术,广泛应用于耕作、播种、施肥、喷药、收获等农业生产过程。农机位置测量方法、农机模型与导航路径跟踪控制方法是农业机械自动导航技术的研究重点,受到国内外科研人员的广泛关注。农机位置测量主要有相对测量和绝对测量二类方法,前者以基于机器视觉的测量方法为代表,主要利用图像处理技术识别作物行,进而确定导航基准线,实现农机与作物的相对位置与航向信息的测量;后者则以基于全球导航卫星系统的测量方法为代表,利用卫星定位技术实现农机位置的高精度测量,在农业生产中应用最为广泛;而面对复杂的田间环境变化,在位置测量中应用多传感器数据融合技术通常可以得到更好的测量结果。导航路径跟踪控制通常以农机运动学模型或动力学模型为核心,多采用最优控制、最优估计、自适应控制、人工神经网络、模糊控制、鲁棒控制等现代控制理论与方法;而无模型控制方法则可以避免建模不准确或者模型参数剧烈变化对农机路径跟踪控制性能所产生的负面影响。该文从上述2个方面综述分析了农业机械自动导航技术的研究现状及存在的问题,并对未来农机导航技术的发展做出了展望,指出采用卫星导航技术,开展农机地头自动转向控制、障碍物探测及主动避障、多机协同导航等高级导航技术研究,以及引入先进的物联网技术,是现代农机自动导航技术发展的主要趋势。     

基于GPS的自学习导航游弋式水质监测系统设计

针对水质监测系统单点定位测量范围有限,多点定位测量成本高的问题,设计了一种自动导航游弋式水质监测系统。首先,采用CC2530芯片作为游弋船的运动主控制器和小船的遥控控制器,其中船上的CC2530模块作为Zigbee网络的汇聚节点,遥控器中的CC2530模块作为终端节点,通过遥控器实现测量船的现场手动路线示范遥控;其次,将小船运动控制芯片,数字传感器和GPS定位模块通过485总线连接到GPRS模块,再通过GPRS网络将信息上传到服务器,服务器对水质参数信息进行解码还原存入数据库,对各测量点GPS地理信息进行存储,自学习出合理的自动导航测量路径;最后,自动方式下,根据自动导航测量路径,测量船自动运行,服务器与Android客户端进行数据交互,实现对水质信息的多点移动监测。该系统不仅增加了测量范围,也降低了测量成本,可以广泛用于水产养殖、江河管理和城市供水的水源取水口的水质安全监控。     

基于GPS的农田多源信息采集系统的研究与开发

及时准确地获取农田小区影响作物生长的环境因素多源时空差异性信息，是实施精准农业的关键步骤。研究开发基于DGPS及便携式GPS的农田信息采集软件，集成较为成熟的田间信息采集传感器硬件，能够采集田间地物分布、作物生育期苗情状态、杂草分布、病虫害发生情况、土壤肥力等多种基于精确空间位置的实时动态信息，包括数字照片和数字视频等多媒体属性信息。使空间定位、属性记录和导航实施过程相结合，初步实现了农田信息获取的自动化。     

车辆智能障碍物检测方法及其农业应用研究进展

农业机械自动导航技术的应用可提升作业的精度和安全性,而障碍物检测是其中的重要环节。该文按照传感技术的不同进行分类,从单一传感器检测技术到多传感器融合技术,对车辆智能障碍物检测方法及其农业应用的研究进展进行了综述。其中单一传感器检测技术包括超声波检测技术、激光雷达检测技术和机器视觉检测技术,超声波检测技术受障碍物表面情况影响、激光雷达检测技术成本太高、机器视觉检测技术算法复杂耗时长,均无法满足复杂农田环境需求;多传感器融合技术则可以融合单一检测技术的优点,该文概述了视觉检测技术与激光雷达检测技术融合、视觉技术与超声波技术融合以及融合了深度和彩色图像信息的Kinect传感器检测技术的应用情况。最后,总结现有技术存在的问题,并对未来的研究内容进行了展望,包括新型装置和新算法引入及原有传统方法的改进两个方面。     

基于多学科技术融合的智能农机控制平台研究综述

农业机械的自动化和智能化包含内容广泛,有农机定位与导航,动态路径规划,机器视觉和远程监控等,牵涉到大量的工程技术学科,包括导航、图像、模型与策略、执行器以及数据链等。农机定位与导航一般采用基于农机运动学模型结合GPS(global positioning system)/IMU(inertial measurement unit)组合导航信息,在导航路径规划算法指引下实现农机轨迹跟踪的方法。建立的农机运动学模型精度,GPS数据的连续性以及惯导器件误差系数漂移等因素都会影响该方法的有效性。路径跟踪通常采用各种现代控制理论与方法,而面对复杂的田间作业环境变化,农机的自主避障以及动态路径规划能力也会影响轨迹跟踪精度。机器视觉的稳定性和目标特征信息分离度影响着农机环境感知能力,目前目标识别主要采用hough变换,hough变换的全局检测特性决定了该算法运算量较大,需要探究改进特征提取算法。远程监控农机作业是智能农机发展的一个方向,构建无线导航,控制和视频数据传输网络有助于提高农机的智能化水平,可以采用分布式哈希表(distributed hash table)来研究网络覆盖和互联技术。该文融合多个学科,从高精度定位与导航技术、复杂环境及工况下农机运动精确自主控制技术、稳定清晰的机器视觉感知技术和基于4G网络和新一代物联网的高覆盖数据传输技术几个方面,论述了智能农机在光机电液多个学科领域内的研究现状,并指出采用北斗地基增强网络和网络RTK(real-time kinematic)技术、惯导定位误差精确建模与补偿、环境感知与自主避障、立体结构自组网技术以及多机协作是现代农业机械的发展方向。以期为现代化智能农业机械的设计提供参考。     

基于自适应有限冲激响应-卡尔曼滤波算法的GPS/INS导航

导航定位系统一般采用卡尔曼滤波算法提高定位精度。传统卡尔曼滤波算法的性能很大程度上依赖观测噪声的先验统计信息,不精确的统计特性将会降低定位精度。针对此问题,该文提出一种基于FIR(finite impulse response)预测模型的卡尔曼滤波算法。将FIR预测模型与卡尔曼滤波结合,FIR预测模型的系数可以通过求解一个凸二次规划问题得到。该凸二次规划以目标的多项式运动规律为约束条件,以最小白噪声增益为目标函数,具有闭式解。仿真试验和实测结果均表明,在相同的参数设置条件下,基于FIR预测模型的卡尔曼滤波算法比传统的卡尔曼滤波算法具有更高的估计精度,仿真结果表明定位精度提高29.54%,实测结果表明X方向定位精度提高21.71%,Y方向定位精度提高22.62%。该算法可应用于GPS接收信号的降噪处理,提高目标状态的定位精度。     

基于时间序列分析的卡尔曼滤波组合导航算法

GPS广泛用于农业机械导航研究中,其定位误差信号一般存在明显的自相关性,不能满足组合导航中常用的卡尔曼滤波算法观测噪声为高斯白噪声的要求。为此,建立了GPS定位误差AR模型,结合卡尔曼估计结果来预测和修正GPS定位误差,再将修正后的GPS定位信息应用于组合导航中的卡尔曼滤波过程。试验结果表明,无论GPS接收机是在静止还是在运动条件下,处理后的定位误差信号自相关性都明显降低,近似为白噪声;目标路径直线时的最大跟踪误差约为0.15 m,为曲线时,最大跟踪误差约为0.3 m。该方法为低精度GPS应用于农业机械导航提供了可行途径。     

基于LIO-SAM建图和激光视觉融合定位的温室自主行走系统

为解决传统导航方案在温室内无法应对光照变化大、作物行间距窄、接收GPS信号差等问题,该研究提出了基于即时定位与地图构建技术的激光视觉融合式自主导航算法。该系统利用三维激光雷达VLP-16（Velodyne LiDAR,VLP-16）和惯性测量单元获取温室环境信息,采用基于紧耦合的雷达惯导定位建图（tightly-coupled lidar inertial odometry via smoothing and mapping,LIO-SAM）算法构建导航地图,基于轮式里程计和视觉里程计采用扩展卡尔曼滤波器算法实现局部定位,融合激光点云配准算法和自适应蒙特卡洛定位算法实现全局定位。同时,在自主行走系统应用A*算法规划全局路径和动态窗口算法规划局部路径,从而实现自主导航。试验结果表明,LIO-SAM算法构建的温室导航地图最大相对误差、最大绝对误差和均方根误差分别为9.9%、0.081和0.063 m,在温室内改进后的定位算法横向偏差小于0.020 m,纵向偏差小于0.090 m;当自主行走系统以0.15、0.30和0.50 m/s的速度运行时,横向偏差、纵向偏差和航向偏角的平均值分别小于0.120 m、0.10 m和8.5°,标准差分别小于0.070 m、0.140 m和6.6°。该导航方案满足自主行走系统在温室内高精度建图、定位和导航的需求,可为自主移动平台提供理论与技术支撑。     

智能农机GNSS/INS组合导航系统设计

为提高自动导航农机的定位精度和可靠性,该研究设计了基于全球导航卫星系统(GlobalNavigationSatellite System, GNSS)和惯性导航系统(Inertial Navigation System, INS)的智能农机组合导航系统,该系统根据来自INS的三轴姿态角速度、加速度信息以及高精度定位板卡的三轴位置、速度信息,采用松耦合模式,通过卡尔曼滤波对INS误差实时校正,解算出农机的精准位置、速度和姿态信息。为实现该组合导航系统,设计和制作了智能农机控制板,集成GNSS高精度解析板卡和惯性测量模块,并在控制板上实现组合导航算法。搭建了东风DF1004-2智能农机试验平台,并在试验田中分别进行静止和直线行驶状态下的试验和单独GNSS导航与组合导航效果的对比。试验结果表明,在农机静止状态,两者性能接近,定位误差均在1 cm以内,姿态角误差均在0.1°以内;在农机以2 m/s的速度按照预设直线行驶时,单独GNSS导航位置误差在6 cm以内,姿态角误差在1°以内,GNSS/INS组合导航位置误差在3 cm以内,姿态角误差在0.5°以内,GNSS/INS组合导航精度明显的提升,可为高精度农机自动导航控制提供技术支持。     

丘陵山区田间道路自主行驶转运车及其视觉导航系统研制

自然条件的限制使得丘陵山区农产品和物资的田间转运难以实现高安全性的机械化作业。为此,该文研制了一种在丘陵山区田间道路上自主行驶的转运车及其视觉导航系统。该系统采用RTK-GNSS(real-timekinematic-global navigationsatellitesystem,实时动态-全球卫星导航系统)进行路网信息采集、实时定位和路径规划,利用机器视觉进行田间道路识别并提取路径跟踪线;田间道路非路口区域由机器视觉系统进行导航,路口区域采用RTK-GNSS实时定位进行导航。全局路径规划中对A*算法估价函数进行改进,将路口节点处的道路曲率及道路起伏信息引入代价函数。图像处理中强化道路上的阴影处理和信息融合,实现道路与背景的准确分割;然后将道路区域分块求取形心点,拟合后生成道路的虚拟中线作为局部路径的导航线。路径规划仿真表明,改进的A*算法能融合丘陵山地道路起伏变化的特征,规划的路径更合理。转运车自主行驶测试表明,在直线路径、多曲率复杂路径以及地形起伏路径3种工况下,自主行驶轨迹与实际道路中线的平均偏差分别为0.031、0.069和0.092 m,最大偏差分别为0.133、0.195和0.212 m;转运车沿道路中线自主行驶的平均相对误差分别为5.16%、11.5%和15.3%,满足田间道路转运车自主行驶的安全要求。     

小型履带式油菜播种机导航免疫PID控制器设计

针对适应于长江中下游地区稻茬田土壤黏湿、小田块的轻简化播种机智能化问题,设计了一种基于免疫PID的小型履带式油菜播种机导航控制器。以小型履带式油菜播种机为基础,利用电磁铁对其转向系统进行电控改装,采用高精度北斗定位模块和电子罗盘进行组合导航,获取履带式播种机的位置和航向信息作为导航控制器的输入,设计了小型履带式油菜播种机自动导航控制系统。建立了履带式油菜播种机运动学模型和转向角传递函数,利用Matlab仿真和实地导航试验对常规PID控制和免疫PID控制进行了对比试验。仿真表明:在相同参数条件下,与常规PID相比,免疫PID控制具有响应快、超调量小、平均跟踪误差小等特点;路面试验表明:当播种机速度为0.50m/s时,免疫PID控制器直线跟踪的平均绝对偏差为4.2 cm,最大跟踪偏差为11.9 cm。田间试验表明:当播种机速度为0.50 m/s时,免疫PID控制器直线跟踪平均绝对偏差为5.8 cm,最大偏差不超过15.2 cm,能够较好地满足播种机导航作业要求,该研究可为履带式播种机的自主导航提供了技术参考。     

农业机械全方位视觉定位系统的定位算法

农业机械全方位视觉定位系统根据标识方位角角度估算传感器相对于标识坐标系的绝对位置,包括系统校正、除噪、标识特征提取、方位角度估算和定位算法,其中定位算法是实现农业机械全方位视觉定位系统的关键部分。该文主要研究了4个标识和3个标识的定位算法,并通过室外30m×30m平地上的定点试验和传感器倾斜试验验证定位精度及传感器倾斜对定位精度的影响。试验结果表明,试验点坐标的估算值与实测值之间距离的均方根误差与平均绝对误差分别为14.75和14.06cm,最大绝对误差为25.72cm;倾斜角度越大,对定位精度的影响越大。研究表明本文定位算法是可行的,且算法简单、运行速度快;实用中当传感器倾斜角度大于5°或者凹凸不平明显的作业环境中,有必要考虑传感器倾斜造成的定位误差的补偿。     

双激光雷达温室运输机器人导航系统研制

为解决机器人在温室环境下的自主导航问题,该研究研制了基于双激光雷达的温室运输机器人导航系统,实现温室环境下的地图构建、路径规划和定位导航。融合激光雷达与编码器信息,使用cartographer算法及时定位与地图构建。根据地图与检测点信息,采用Dijkstra算法规划全局路径,使用动态窗口算法规划局部路径,完成自主导航。试验表明,车载系统分别以0.2、0.5和0.8 m/s速度运行时,实际导航路径与目标路径的横向平均偏差小于13 cm,标准差小于5 cm;导航目标点处横向偏差、纵向偏差的平均值不超过9 cm,均方根误差不超过11.2 cm,标准差小于5 cm,航向偏差的平均值小于10°,均方根误差小于12°,标准差小于6°,满足机器人温室运输作业的导航精度需求。