农业机械导航技术发展分析

　　摘要:导航技术是农业机械在作业环境中进行自主控制的关键技术，目前是农业机械研究领域的热点。通过分析现有的国内外文献，从目前农业机械导航主要方式以及关键技术入手，阐述了国内外该领域的研究进展。详细介绍了广泛研究的GPS导航和视觉导航，同时简要地介绍了电磁导航、机械导航、激光导航、超声波导航、地磁导航等其他导航形式。对农业机械导航中的环境感知、导航控制、地图构建等关键技术进行了分析，指出了农业机械导航技术的未来发展趋势。

　　关键词:农业机械，导航，综述

　　引言

　　科学技术的进步正推动着现代农业生产向着自动化、信息化、规模化、精确化方向快速发展。为了使农业机械能够在作业环境中完成自动除草、收获、施肥、修剪、耕耘等工作任务，要求其必须具备自主导航这一基础功能，即农业机械通过自身携带的各项传感器感知周围的环境，在对感知到的信息进行处理后，实时获取自身的位置和姿态信息，然后实时进行路径规划和导航控制，完成各项作业任务。

　　本文从农业机械导航技术入手，通过分析国内外文献，详细阐述目前农业机械导航中应用较多的GPS导航和视觉导航这两种主要方式，并简单综述电磁导航、机械导航、激光导航、超声波导航等其他导航形式。然后分析农业机械导航中环境感知、导航控制，以及地图构建等关键技术。最后对农业机械导航技术发展加以分析。

　　1、自主导航方式

　　1.1卫星导航系统

　　美国、俄罗斯、中国、欧洲都建有各自独立的卫星导航系统。其中美国的全球定位系统GPS(Globalpositioningsystem)目前在农业机械导航领域应用最为广泛，展示了其技术的优越性和巨大潜力。它是美国国防部主要为满足军事部门对海上、陆地和空中运载体进行高精度导航和定位要求而建立的，基本原理是空中卫星不间断发射自身的星历参数，用户接收机收到这些信号参数后，解算出接收机的三维位置、运动方向、运动速度，以及接收机所在地区的当地时间。

　　由于GPS的巨大成功，美国的农业机械卫星导航技术研究开展最早。斯坦福大学的MichaelO’Connor等成功地为约翰迪尔7800拖拉机开发了一套GPS导航系统，在拖拉机驾驶室的上方安装了4个单通道的GPS传感器，接收器以10Hz的频率进行姿态测量，航向响应小于1°，直线跟踪标准偏差小于2.5cm。伊利诺斯大学的Benson等混合使用GDS(Geomagneticdirectionsensor)和一个中等精度的GPS系统(20cm)，引导拖拉机沿着直线行驶，其平均误差小于1cm。Zhang等则运用ＲTK-GPS接收器和光纤陀螺仪，探索了拖拉机自动导航中的动态路径搜索算法，来满足农业作业的需求。

　　除美国外，其他国家也在积极开展农业机械的GPS导航技术的研究。日本的YoshisadaNagasaka等为久保田SPU-650型插秧机开发了自动导航系统。在该系统中，使用ＲTK-GPS来提供插秧机的精确定位信息，并用光纤陀螺仪检测插秧机前进方向。为了避免由地面不平引起的GPS天线坐标的变化而引起测量误差，随时估算天线顶点的坐标，卡耐基梅隆大学(1994—1998)NewHollandSpeedrowerGPS、视觉在40hm2面积上进行了自动收获作业斯坦福大学(1996)JohnDeere7800TractorGPS航向精度为1°，直线跟踪精度偏差为2.5cm伊利诺斯大学(1996—2000)Case8920MFD，2WDTractorsGPS、视觉、GDS基于作物行的视觉导航速度达到16km/h伊利诺斯大学(2004)MagnumMX240tractorＲTK-GPS、FOG12.6km/h行驶时横向精度标准差3cm，最大误差小于10cm

　　水田实验表明，当插秧机以0.7m/s的速度行驶时，与期望直线路径的均方根偏差为5.5cm，最大偏差小于12cm。此精度已经可以满足水稻栽植的农艺要求，但与水稻栽植后喷洒农药或除草作业所需的精度还有差距。荷兰的TijmenBakker等在甜菜地开展了农业机器人平台的自主导航研究，同样使用了ＲTK-GPS进行导航，田地实验精度达到了厘米级。

　　国内学者对农业机械GPS导航的研究起步相对较晚，但近年来发展非常迅速。张智刚等在久保田插秧机上开发了基于DGPS和电子罗盘的导航控制系统，当速度为0.75m/s，直线路径跟踪时，平均误差0.04m，最大误差0.13m;速度为0.33m/s，圆曲线路径跟踪时，平均误差0.04m，最大误差0.087m。罗锡文等在东方红X-804拖拉机上构建了基于ＲTK-DGPS的自动导航控制系统，在拖拉机行进速度为0.8m/s时，直线跟踪的最大误差小于0.15m，平均跟踪误差小于0.03m。伟利国等以XDNZ630型水稻插秧机为实验平台，采用ＲTKGPS定位技术，进行了农业机械自动导航实验，采用PID控制方法，构建转向闭环控制系统，实现插秧机的自动对行导航及地头转向。车辆行进速度不大于0.6m/s时，对行跟踪误差小于10cm。

　　为进一步消除GPS的定位误差，提高导航精度，周俊等建立了GPS静态和动态定位误差的AＲ模型，处理后的定位误差信号的相关性明显下降，接近于白噪声。

　　农业机械的卫星导航系统技术总体而言已经基本成熟，以美国为典型代表的世界各国正在开展各种形式的推广应用阶段。我国也不例外，配有卫星导航系统的拖拉机已经进入了一些大型农场的田间地头，可以改善作业质量、延长作业时间。这类导航系统的主要优点是结构比较简单，技术比较成熟，随着卫星导航系统产品的普及，其成本也不断下降。

　　存在的主要问题是卫星信号有时受环境的影响较大。

　　1.2视觉导航

　　与GPS导航相比，机器视觉导航灵活性更大，特别是机器视觉图像收集的环境信息丰富、范围宽、目标信息完整。农田环境中，作物通常是整齐地按直线、彼此间平行的方式种植，因此机器视觉导航的主要任务是从图像中识别出作物行，检测出跟踪路径线，为确定车辆的相对位置提供依据。

　　英国在此领域开展研究较早，Marchant等自20世纪80年代起就开展了基于视觉导航的农业机械作物行跟踪研究。使用了里程计和视觉等传感器，通过卡尔曼滤波来融合这两个传感器的信号，并在花椰菜田地场景中进行了实验，车辆横向位置控制的均方根误差大约为20mm。欧洲的其他一些国家也在积极开展此项研究，并且部分成果已经有商品化产品面世。荷兰的Bakkera等运用机器视觉检测甜菜作物行，每帧图片处理时间在0.5～1.3s之间。瑞典的Astrand等利用Hough变换融合来自两行或者多行的信息，有效地应对了存在的杂草干扰，同时该视觉系统也可以独自检测出作物行尽头等信息。

　　美国几乎与英国同时开展了农业机械的视觉导航研究。伊利诺伊大学的Han等通过K均值聚类算法分割作物行，辅助以作物行空间等先验信息，并利用大豆田和玉米田的两个图像数据集对程序的精确性进行了评估。为了克服柑橘树冠阻碍GPS传感器接收卫星信号，佛罗里达大学的Subramanian等进行了基于机器视觉和激光雷达的柑橘园作业车辆自动导航系统的研究。当车辆沿着弯曲路径以3.1m/s行驶时，使用视觉导航平均误差为2.8cm，使用激光雷达导航时平均误差为2.5cm。为了克服缺失部分大豆植株的影响，伊利诺伊大学的Kise等为农业车辆的自动导航系统开发出一套基于立体视觉作物行检测的算法。亚洲的日本和韩国与欧美等国家一样，对此领域都积极加以研究。日本北海道大学的研究人员在车辆的前面安装了立体相机，来获取环境的深度和灰度信息。

　　农业车辆视觉导航研究始于20世纪90年代中后期，南京农业大学等研究单位都陆续参与其中。沈明霞等提出了利用虚点检测确定农业车辆与路径的相对位置和航向，周俊等构建了视觉导航实验平台，使用小波变换方法进行导航路径的多分辨率检测，运用Hough变换直接获取视觉导航的位姿参数，并基于扩展Kalman滤波进行了视觉导航传感器数据融合和导航控制。针对农田耕作机器人，赵颖等在耕作过程中采集农田场景图像，根据已耕作区域、未耕作区域和非农田区域的不同颜色特征，判断出田端和犁沟线的位置。为研究棉田农药喷洒机器人导航路径识别方法，孙元义等在Lab色彩空间处理棉田图像，在图像坐标系中根据垄的走势特征，通过Hough变换得到导航路径。安秋等针对农业机器人视觉导航中存在的阴影干扰问题，采用基于光照无关图的方法去除导航图像中的阴影，最终获得导航参数。冯娟等针对果园导航环境的复杂性，提取主干与地面的交点作为特征点;以此为基础生成果园导航基准线。导航基准线的生成准确率高于90.7%。孟庆宽等针对现有作物行检测算法速度慢、易受外界干扰等问题，设计了一种基于线性相关系数约束的作物行中心线检测方法。李景彬等研究了棉花铺膜播种机田间作业时导航路线和田端的图像检测算法。田光兆等提出基于立体视觉的车辆实时运动检测方案。该方案通过多线程特征点检测提高传统SIFT特征检测算法的效率，通过归一化综合距离法剔除误匹配的特征点，最后通过相邻时刻同一特征点坐标的变化反推车辆的运动。实验表明:当车速为0.8m/s，图像采集频率为5Hz时，车辆在x方向和z方向单次测量误差小于0.0045m，当持续运动时间达到10s时，2个方向累积测量误差均小于机器视觉导航农用轮式移动机器人原型0.15m。

　　视觉传感器可以检测农业机械相对目标作物行的位置和航向，同时还可以获取田间杂草、障碍等其它信息，因而具有明显的应用潜力，被广泛关注。但是，与卫星导航相比，视觉导航由于农田环境中光照、作物生长状态等因素的不可控性，技术成熟度尚且不够，市场上还没有出现能够满足农业生产实际需求的可靠产品。消除或降低图像获取和处理中光照影响的技术将是机器视觉导航领域最核心的研究方向。

　　1.3其他导航形式

　　卫星导航和视觉导航由于能够为农业车辆提供绝对定位以及相对定位信息，成为农业机械导航领域中的两种最受重视的技术方式。但是除此之外，为了充分发挥特定农业环境中典型引导特征的天然优势，如玉米收获中的玉米秸秆等，农业车辆导航方式还包括电磁导航、机械导航、激光导航、超声波导航、地磁导航等其他形式。这些导航方式一般只针对具体应用，受特定农业环境的局限。

　　1.3.1电磁导航

　　电磁导航也称埋线导航，因为这种导航方式具有实用简单、寿命长、抗干扰能力强等特点，20世纪70年代迅速发展，并被广泛地应用于实际生产当中。日本的Tosaki等研制出了一种在果园环境使用的无人驾驶鼓风喷雾机器人，该机器人利用埋在工作路径上的导向线进行导航。导向线被埋在0.3m深的地下，信号为交流信号(1.5kHz，185mA)。用模糊控制方法引导机器人沿着电缆线行驶。当机器人以0.76m/s速度行驶时，偏移误差为0.1m，在转弯处增大到0.3m。

　　在国内，宋健等针对喷雾机器人的工作要求，研制了电磁诱导式导航系统。机器人行走轨迹的诱导信号由埋设在田间的通有高频电流的导线产生，利用一对电磁感应传感器的信号电压差值判断机器人位置。采用PID算法规划行驶路径，由PWM系统驱动直流电动机完成机器人的行走。实验结果表明，10m范围内直线导航精度±1cm;转弯半径0.5m时导航精度±2.5cm。杨世胜等针对温室内农药喷洒作业自动化的需求，设计了一种电磁诱导式农用喷雾机器人路径导航系统。机器人路径导航系统由机器人控制器、诱导信号发生器、诱导线、磁标志、传感器和遥控器组成。

　　1.3.2机械导航

　　在农业机械导航的早期研究中，许多研究者将目光投向了机械导航。机械导航具有成本低、实用性强、原理简单、可靠性高、易于维护等诸多特点。国外有许多农机生产单位将机械导航系统投入到了实际应用之中，解决如玉米收获过程中的对行等问题。从1978年开始，Claas自动导航仪就使用了机械接触传感器，可以引导车辆沿着由作物行形成的固体引导线行驶。但是，当不存在有效的接触引导目标时，传感器将会失效。

　　国内在农业机械领域针对机械导航的研究较少。朱磊磊等针对果园田间作业，设计了基于曲柄滑块机构原理导航的履带机器人。该机器人以0.15m/s的速度直线行走时，最大跟踪误差小于0.02m;转弯半径为2m时，最大跟踪误差小于0.05m。何卿等为提高接触式拖拉机导航系统性能和导航精度，针对玉米秸秆行间作业，设计了双层控制器的接触式导航控制系统，行驶速度不超过1m/s时，拖拉机导航精度在50mm以内。张明颖等为实现果园机械自动化，开发了一种拖拉机机械式导航系统，最大横向偏差小于0.1m。

　　1.3.3激光导航

　　激光雷达具有测距精度高、分辨率好、抗干扰能力强、体积小、质量轻等诸多优点，在农业机械导航中的应用也较为普遍。法国的Chateau等进行了基于激光传感器的农业车辆自动导航研究。在研究中，植被的体积和高度被计算出，并被用来控制车辆的速度。日本的Noguchi等利用二维激光扫描仪开发出了一种可以在果园环境应用的自动导航系统，使用一辆52kW的拖拉机作为实验平台，导航中横向误差为0.11m，航向角误差为1.5°。

　　荷兰的Hiremath等为了使农业机器人能够在玉米地中进行自主导航，基于粒子滤波器构建了激光测距仪模型，机器人的航向角和横向偏差的均方根误差分别为2.4°和0.04m。

　　在国内，刘沛等为实现果园作业的自动化，以拖拉机为研究对象，采用激光导航方式实现了果园机械的自动导航。当拖拉机以0.27m/s速度直线行走30m，最大横向偏差为0.15m。陈军等在研究中，利用激光扫描获取果树位置信息，提出了一种果园环境下曲线导航路径的拟合算法。当农业机器人以0.54m/s的速度沿正弦曲线行走，最大横向偏差为0.40m，平均偏差为0.12m。除成本较高外，激光导航须有固定的用于反射激光的目标，目标可以人为设置，也可以利用自然景物，如建筑物、树木等。但机器与反射物之间不能存在遮挡。

　　1.3.4超声波导航

　　超声波传感器测量具有非接触性、方向性好、定向传播、频率高、波长短、绕射现象小等特点，特别是遇到杂质或者分界面会产生明显的反射现象，以及在遇到动态物体时会产生多普勒效应，因而目前被广泛地用作机器人定位和障碍物的检测中，在农业机械导航中也不例外。日本的Toda等利用超声波传感器绘制作物行的地图，应用模糊逻辑方法控制转向。结果表明，位置和方向标准误差在建图测试中分别为12.7mm和2.4°;在驾驶测试中为16.3mm和2.2°;在综合实验中为33.6mm和3.2°。英国的Hague等为自主导航农业车辆开发的地基感知系统中，也使用了声呐传感器来进行局部特征检测，并通过使用扩展卡尔曼滤波器对传感器的信号进行融合。

　　国内，郑天鹏等开发了一种基于红外触发的农业机器人超声波定位系统，结合了温度补偿模块和线性修正因子来提高测量精度，当发射端发射角小于40°、纵向距离小于4000mm时，检测误差在10mm以内。高云等也进行了类似定位研究，以期辅助农业机器人的视觉系统提高识别功能。超声波测距或定位的精度不太高，仅适用于短距离的测量。

　　1.3.5地磁导航

　　由于廉价，地磁传感器最近也被应用到了农业机械导航研究之中。日本的Noguchi等研发了一种利用地磁导向传感器和图像传感器进行导航的农业移动机器人。该机器人利用图像传感器进行定位，通过地磁导向传感器获得航向角。然而地磁导向传感器在使用中易受周围磁场、机器人倾角等干扰，为了有效利用地磁导向传感器，利用神经网络重新定义地磁导向传感器输出。田地实验表明，机器人相对于目标位置的最终位置平均误差为0.4m。机器人相对于预规划路径的位置绝对最大误差和均方根误差分别为0.51m和0.23m。

　　国内有关地磁导航的研究还主要集中在仿真和预研阶段。相关研究多集中在航空、船舰等领域，尚未看到农业机械相关的研究报道。