多源传感器信息融合的农用小车路径跟踪导航系统

为解决四轮独立驱动农用小车在设施农业和畜牧业的物料运输和信息采集中的导航及控制问题,构建了农用小车导航控制系统,优化配置多个传感器,提出了基于CCD图像传感器、加速度计、电子罗盘及超声波等多传感器信息融合的导航控制方法。通过CCD获取标识路径信息,通过加速度计、电子罗盘获取小车姿态信息,通过超声波传感器判断障碍物,并给出路径特征提取、识别、多源信息融合自主导航控制和超声避障等算法,实现了小车的路径跟踪的导航控制,实验结果表明构建的导航控制系统及导航控制方法正确、有效。     

果园移动机器人自主导航研究进展

果园移动机器人自主导航是实现果园智能机器人化作业的前提,是保障机器人在无人操控的情况下完成多功能作业的基础功能。介绍和分析果园移动机器人自主导航技术研究现状,重点讨论果园移动机器人不同导航技术、导航数据处理算法和导航控制策略。首先,针对单传感器果园导航存在的局限性,得出具有更高精度和鲁棒性的多传感器信息融合方案是未来果园导航主流趋势的结论;其次,介绍当前主流的果园导航数据处理算法,明确其对环境感知和路径规划的支撑作用;最后讨论果园移动机器人常用路径跟踪导航控制策略。通过对果园移动机器人自主导航研究现状进行较为全面的分析和介绍,有助于推动果园移动机器人研究的理论创新和快速发展。     

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。     

基于多传感器融合的拖拉机自动导航技术

GPS是农业自动导航车辆获取导航信息的一种主要方式,其任务是获取拖拉机的绝对位置信息,而多传感器融合可以在GPS提供的绝对位置信号丢失时为拖拉机提供位置、姿态和航向信息,进行准确的定位。为此,介绍了GPS以及多传感器融合在拖拉机自动导航中的应用现状,指出GPS及多传感器在自动导航方面的优势和存在的问题,分析了GPS和多传感器融合的导航方式在未来精细农业领域的巨大作用。     

基于Kalman滤波农用车辆导航定位方法

因RTD-GPS定位精度不能满足农田导航作业的需要,研究了一种提高农用车辆自动导航定位精度的方法.建立天线补偿模型,对GPS天线晃动引起的误差进行了补偿;建立基于Kalman滤波模型,融合多传感器信息;使用自主开发的基于VRS的GPS接收机,作为RTD-GPS.将RTD-GPS、电子罗盘以及速度传感器获得信息进行Kalman滤波,其结果和高精度GPS数据进行了比较.实验证明,直线跟踪中,平均偏差由1.6019m减小到0.597m;曲线跟踪中,平均偏差由1.2085m减小到0.4861m.     

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。     

太阳能渠道式喷灌机自主导航研究

以自行研制的太阳能渠道式多喷头喷灌机为试验平台,利用偏角传感器和电子罗盘进行农业机械装备的自动导航研究。增加了喷灌机精准灌溉控制系统、喷洒域可控系统,实现了喷灌机的自动控制。根据偏角传感器、电子罗盘和车轮转速传感器获取的喷灌机姿态信息,构建了喷灌机自主导航模糊控制器。喷灌机通过调节两侧驱动轮转速差的方式实现转向闭环控制,完成了喷灌机沿渠道的自动行走,并进行了导航跟踪试验。试验结果表明,喷灌机在以0.5 m/min和1.0 m/min速度进行自主导航过程中均能消除横向偏差,具有一定的精度和可靠性,可满足喷灌机作业使用要求。     

插秧机多传感器组合导航方法研究

以洋马插秧机为研究平台,提出了一种基于多传感器信息融合的组合导航方法。该方法利用DGPS、陀螺仪和加速度计能够在插秧机上实现低成本、高精度的导航定位。同时,通过插秧机的运动学分析,建立了农机的二维运动学模型;基于所建立的农机运动学模型,采用卡尔曼滤波的方法对插秧机的位置、速度和航向角进行精确的估计。通过对插秧机实际行走的数据进行仿真实验表明,该方法能够为插秧机提供可靠的导航信息。     

基于GPS/SINS组合的农业导航定位系统设计与研究

设计了一种基于全球定位系统GPS和捷联惯性导航系统SINS组合的农业车辆导航定位系统,介绍了该系统的传感器组合及功用,阐述了系统的硬件结构和工作过程。考虑到农用车辆在运动过程中接收到的GPS数据存在较大的定位误差,提出了GPS和SINS联合导航算法,利用SINS提供的姿态信息修正GPS定位数据,提高系统定位的精度。为了准确测量姿态信息,对多传感器集成模块ADIS16355的信息融合处理,确定了基于卡尔曼滤波的融合算法用于测量姿态角。在构建实验平台的基础上进行了试验,结果表明:通过多传感器融合算法可准确测量姿态角,GPS定位误差有效减少,可更真实反映农用车辆的运动状态。     

基于传感器融合的农业机器人定位导航

为适应农业机器人在半结构化、半开放式农业场景的复杂环境区域下,GPS导航可能信号缺失、精度偏低,导致导航定位和建图的精度偏低,不能准确避障,甚至对农作物和人员造成损伤。笔者针对单一传感器在农业机器人目标检测及机器人建图中的局限性,提出了一种利用16线激光雷达和相机融合的目标检测算法,设计了一种多传感器融合的目标检测及基于elevation mapping的三维建图。仿真结果表明：LiDAR和摄像头传感器数据可以提供深度和颜色信息,并通过elevation mapping算法实现建图,实现了农业机器人识别和无碰撞导航;使用多个传感器来提供冗余信息,以减少发生错误测量的可能性,解决了农业机器人在复杂环境区域中行走及定位检测的问题。     

农业机械导航技术研究进展

农业机械自动导航技术是实施精细农业的基础,可有效减轻农机操作人员的劳动强度,提高作业精度与作业效率。经典的农机自动导航关键技术包括定位测姿、路径规划和运动控制,针对这3项关键技术,分别阐述了基于全球导航卫星系统、惯性导航系统、机器视觉导航系统及多传感器信息融合的农机定位测姿方法,总结归纳了农机自动导航系统中的全局路径与局部路径规划算法,以及农机的运动学模型、导航决策控制方法、转向制动控制系统。随着信息技术的发展,农机智能导航技术受到越来越多的关注,保证作业安全与提高作业效率成为农机智能导航不同于传统自动导航的关键技术。以激光雷达和RGB相机为例综述了农机自主避障技术,并从协同导航模式、通信技术、协同控制、远程监控平台等角度阐明了多农机协同作业的关键技术。最后,结合无人农场和智慧农业对农机智能导航技术未来的发展方向进行了展望。     

基于信息融合的多智能体混合体系智能车辆导航

针对智能车辆的结构特点和任务要求,综合体系结构和信息处理两方面设计车辆导航策略.提出了一种基于多智能体且包含了慎思和反应结构的混合体系,根据系统特性设计出多个异构智能体.在现有研究的基础上将图像处理、信息融合方法与该体系相结合.仿真与实验显示,智能车辆在多智能体结构下能充分利用多传感器信息,并获得良好的避障导航效果.     

果园智能化作业装备自主导航技术研究进展

果园生产管理主要包括喷药、施肥、割草、修剪、授粉、疏花和采收分级等作业环节,需要大量的人力投入,随着我国人口老龄化程度加剧,亟需果园生产管理由机械化向智能化转型升级。自主导航技术是果园机械化装备实现智能化的关键技术。本文围绕果园智能化作业装备导航控制需求,结合国内外研究现状,分别阐述了包含导航定位信息和障碍物信息的果园作业场景感知技术,导航地图构建、导航路径提取和路径规划技术,行走底盘运动学模型构建、运动控制技术,多机协同控制、远程交互控制技术等。随着智慧农业发展,智慧果园已成为果园未来发展方向,果园智能化作业装备是智慧果园建设必不可少的关键环节,在此基础上,归纳了我国果园智能化作业装备自主导航技术发展面临的问题为：环境感知能力不足、路径提取不稳定、局部路径规划不灵活、导航系统环境适应性欠缺、多机协同和远程控制不成熟等,提出了多传感器融合的环境感知与路径提取、完整路径规划、强通用性果园导航、大型果园多作业环节的多机协同与远程操作等未来发展方向。     

基于Kalman滤波的田间导航车辆定位校正方法研究

以装载了RTK-DGPS导航系统的KUBOTASPU-68水田插秧机为试验平台,以姿态测量系统提供载体姿态信息,研究农业机械导航的姿态校正方法。在分析车载GPS倾斜误差产生原因基础上,提出了采用多传感器联合测量载体姿态角以提供校正信息。采用MEMS传感器集成模块ADIS16355作为惯性测量单元,卡尔曼滤波实现传感器信息融合以计算姿态角,设计了姿态测量系统。阐述了两种传感器融合测量实时姿态角的算法,基于ARM7Cotex-M3微处理器设计了姿态测量系统硬件。     

基于分层传感器信息融合的智能车辆导

针对智能车辆导航中传感器信息的不确定性,结合BP神经网络和模糊神经网络分别对传感器信息进行了数据层与决策层的两层融合.采用BP神经网络对多超声波传感器信息进行数据层融合,以减少超声波测距传感器信息的不确定性,提高对障碍物距离探测的准确率;采用模糊神经网络融合障碍物距离信息和车体与标志线间偏差信息,实现智能车辆的导航决策控制,使之更适合系统的跟踪避障要求.该方法使智能车辆在跟踪与避障中具有较好的灵活性和鲁棒性.仿真和实车试验验证了方法的有效性.     

基于改进ORB_SLAM2的机器人视觉导航方法

提出了一种基于改进ORB_SLAM2的视觉导航方法。针对ORB_SLAM2构建的稀疏地图信息不充分、缺少占据信息、复用性差而无法直接用于导航的问题,对ORB_SLAM2算法进行了改进,融合环境的3D、2D占据特征以及路标点空间位置、视觉特征等多模态信息构建了包含定位、规划、交互图层的多图层地图以支撑机器人的精准定位和最优路径规划;针对机器人的自主导航任务,基于先验多图层地图建立约束进行机器人的位姿估计,融合运动约束进行机器人位姿优化,实现了基于先验地图的机器人精准定位,同时基于规划图层进行机器人的最优路径规划,提升了机器人的自主导航能力。在TUM数据集及北京鹫峰国家森林公园进行实验,结果表明：所构建的多图层地图提升了机器人定位的精度和效率,性能明显优于RGB-D SLAM;基于先验地图的视觉定位方法能够进行机器人移动过程中精准、实时地定位,助力机器人按照所规划的路径实现准确的自主导航。     

基于物联网的水田无线监控系统设计

设计开发了基于物联网与传感器技术的水田无线监控系统。该系统通过通用的传感器节点实时采集水田环境参数信息,数据融合后发送到远程终端,远程终端基于多源信息生成决策指令,主控节点再结合实时信息,控制通用的控制节点来执行水泵与阀门的通断。试验表明:通过传感器的融合、远程决策的生成与输出及水泵与阀门的自动控制,可实现对水田灌溉时间、次数、定额的全面调控。     

基于TD-LTE的多机协同导航通信系统研究

为实现多个农机在农田环境中自主导航协同作业,设计了基于TD-LTE的多机协同导航通信系统。该系统由导航定位传感器、无线通信模块、车载控制终端和远程通信软件组成,其中：传感器包含GNSS接收机、惯性测量单元（IMU）和角度传感器,用于获取每台农机的地理位置、自身姿态和车辆转向角信息。无线通信模块采用4G DTU作为系统通信设备,与车载终端串口相连,实现RS232串口转TD-LTE网络功能。4G DTU经配置软件配置好串口参数等信息后,连接目的服务器IP地址和端口号,将车载传感器采集的数据按设计好的通信协议经TD-LTE网络传输到远程服务器的通信软件中。车载控制终端采用工控机（IPC）,实现农机自动导航控制与人机交互。远程通信软件应用Socket网络编程开发了数据接收显示与数据发送的功能模块。系统对每台农机的状态信息实时上传的同时也可以接收远程服务器端对多台农机的协同控制命令,对于软件界面中显示的在线农机,可以根据优先级有选择的进行通信。以4台雷沃欧豹拖拉机为试验平台,每台农机状态信息的发送频率为5Hz,进行了系统稳定性试验测试,丢包率均为0.1%,且均无延迟,系统具有较高的可靠性与实时性。     

一种水田激光平地机平地铲水平控制系统设计研究

为了使水田激光平地机作业中平地铲保持水平,设计了基于多传感器融合技术的水平控制系统。该系统基于MEMS惯性传感器ADIS16355信息融合测量平地铲倾角,通过脉宽控制液压电磁阀的方法实现水平控制。为此,介绍了控制系统的构成,阐述了三轴加速度计与陀螺仪融合测量实时倾角原理,设计了基于卡尔曼滤波的多传感器融合算法;并基于ARM7 Cotex-M3微处理器设计了水平控制系统硬件,提出了适用于平地铲水平控制的位置控制算法。采用高精度姿态航向参考系统AHRS500GA对融合算法进行验证并进行田间试验,结果表明:该系统能在平地机作业过程中准确测量平地铲实时倾角,有较好的控制效果。     

基于单片机和GPS定位的自主导航采摘机器人设计

为了提高采摘机器人的智能化控制水平和自主导航能力,改善机器人的应用限制和使用性能,提出了一种基于单片机和GPS的采摘机器人自主导航方法,克服了采摘机器人导航方式的缺点,显著提高了导航定位的效率和精度。该方法利用GPS实时接收卫星发射的时间、经纬度和高度等信息,通过RS232发送给单片机;单片机对GPS发送数据进行处理,得到控制所需的时间和位置等信息,通过与机器人所处的位置进行比较,调整机器人的姿态,实现路径的智能化追踪和规划。在实验日光温室内对采摘机器人的自主导航性能进行了测试,结果表明:利用单片机和GPS定位可以较为精确地对采摘目标路径进行跟踪,可以使机器人沿着既定路径移动,控制的精度较高,误差较小。