农业机械导航技术发展分析(2)

　　2、农业机械导航关键技术

　　2.1环境感知技术

　　导航中的环境感知技术，即移动载体能够根据自身所携带的传感器对所处周围环境进行环境信息的获取，并提取环境中有效的特征信息加以处理和理解，最终建立所在环境的模型。该技术是机器人实现环境建模、定位、路径规划等自主导航控制的前提，环境感知能力的强弱直接影响到机器人的控制决策能力。

　　随着信息获取技术的发展，各种传感器以及新型传感器信息处理方法在移动机器人中得到了充分的使用，有力地提高了智能移动机器人对环境信息的获取能力，针对环境信息的提取、分类，近年来很多学者不断加大在该领域的研究工作。杨俊友等提出一种基于颜色直方图和SIFT混合特征的机器人环境感知方法，将颜色直方图的“色”与SIFT算法的“形”有机结合。Correa等在安装了视觉传感器的移动机器人平台上使用了主动感知策略，使用环境拓扑地图和基于粒子滤波的贝叶斯非参数估计来估测机器人位置。

　　在农业机械导航领域也是一样，环境感知的方式和信息处理方法在不断进步。?strandBj?rn等设计一种机械除草机器人，感知系统包括一个识别农作物行的灰度级视觉系统，以及一个能够从杂草中识别农作物的彩色视觉系统。Freitas等使用扩展卡尔曼滤波来融合转向编码器和激光距离两种传感器数据，更新通过点和线特征的检测来实现轮式机器人在果园中的定位。He等根据果园图像的特点，使用水平投影方法动态地识别主要的树干区域，借助于最小二乘法来提取树干行线。为使车辆有效地避开障碍物，韩永华等针对基于颜色或高度信息的农田障碍物检测方法仅能实现部分障碍物检测的缺点，提出了基于频率信息的障碍物检测方法。周俊等通过连续采集两帧图像，提取其特征点并加以匹配;然后利用对应特征点在图像间的运动特征来检测运动障碍目标。李盛辉等提出了一种基于全景视觉的运动障碍目标检测方法。与传统的单目和双目视觉相比，全景视觉具有360°无盲区检测的优点。首先系统使用多线程技术采集多目视觉图像，并用改进ＲANSAC-SIFT算法进行特征点提取与匹配，进而拼接全景视觉图像;其次采用改进的CLG光流法处理全景图像，检测运动障碍目标。试验表明:基于多线程技术和改进ＲANSACSIFT的全景拼接算法，与传统SIFT算法相比，平均提高特征点匹配准确度25.6%，加快运算速度25.0%;采用改进CLG光流法进行运动障碍检测，平均检测时间为1.55s，检测成功率为95.0%。

　　2.2导航控制技术

　　农业机械导航控制技术主要包括横向控制和纵向控制。其中，纵向控制为速度控制，农业机械作业时一般速度不高，而且速度的变化范围小，所以在导航控制研究中往往把研究的重点放在横向控制上。

　　横向控制是指车辆的转向控制，而转向控制的重点在于导航控制器的设计。导航控制器可以将农业车辆的位置信息与规划路径相比较得到的偏差信号发送给转向控制机构，通过转向操作机构控制农业机械按照理想路径运行。目前，设计这类导航控制器的方法主要包括:智能控制方法、PID的控制方法、最优控制方法、预瞄控制方法、预测控制方法等。

　　在智能控制当中，使用较多的为神经网络控制和模糊控制。通过模拟人的智能行为，神经网络控制和模糊控制在不需要精确数学模型的情况下就能解决不确定性、非线性问题。陈军等将神经网络控制技术应用于农用车辆的自动行驶控制中，使控制器具有良好的自学习功能，提高了控制器的环境适应能力和现场处理能力。在牧草地上的实车实验结果表明:农用车辆沿直线路径自动行驶时，95%的偏差绝对值小于5cm。Noguchi等使用神经网络和遗传算法为农业移动机器人进行路径规划，其中神经网络描述的模拟器被用来生成路径，遗传算法被作为优化方法，使用转向角度的时间序列作为控制的输入被优化。Toda等利用模糊逻辑控制机器人的转向，转向控制系统所能提供的直线跟踪结果中的位置标准转向误差为16.3mm，方向误差为2.2°。李逃昌等提出了一种基于模糊自适应纯追踪模型的农业机械路径跟踪方法。该方法基于纯追踪模型进行农业机械路径跟踪控制，采用模糊自适应控制在线自适应地确定纯追踪模型中的前视距离，提高了路径跟踪的精度。农业机械的路径跟踪实验结果表明，路径跟踪的最大误差不超过10cm，平均误差小于5cm。

　　PID控制以其算法简单、可靠性高、鲁棒性好、调整方便而在工程界中广泛应用。Yin等利用PID控制器来决定农业车辆的合适速度。罗锡文等在东方红X-804拖拉机的DGPS自动导航控制系统的开发中，也使用了基于PID算法的导航控制器。

　　最优控制理论是现代控制理论的重要组成部分，它所研究的对象是控制系统，核心是针对一个控制系统，寻求控制策略，使系统在某种意义上是最优的。陈军等利用车辆运动学模型，根据最优控制理论设计了拖拉机自动行走控制器。Vougioukas等为自主农业车辆设计了两阶段最优运动规划算法。Dong等进行了差速驱动农业机器人作物行引导系统的时间最优控制，田地实验表明该方法能达到±3cm的精度。

　　预瞄控制具有很好的鲁棒性与智能性，其工作原理与驾驶员的驾驶行为相似。农业车辆对前方的路径进行预瞄，得到自身相对于预瞄点的偏差数据来设计控制器，以实现自动导航。周建军等在农用车辆直线导航跟踪控制中采用了该控制算法，取前视距离为车辆当前车速下4s内所走的距离，实验中横向位置偏差小于0.2m。

　　预测控制先预测系统未来的输出状态，再确定当前时刻的控制动作，因此，控制动作具有明显的预见性，适合移动机器人的运动控制。任永新等针对温室环境下机器人自主导航问题，提出了基于模糊预测控制的实时路径规划和跟踪方法。周俊等分析了轮式拖拉机跟踪引导路径的行为特点，基于卡尔曼滤波理论融合各传感器的测量信号实现预测跟踪控制，以抵消状态反馈滞后严重造成的不良影响。

　　2.3地图构建技术

　　地图技术主要指的是地图构建，即获得农业机器人所在的实际作业环境的空间模型。通过视觉传感器、激光雷达、声纳等农业机器人外部传感器获取实际作业环境的信息，经过对获取的信息进行处理，构建出环境地图。精确的农业地图可以被用来进行第9期姬长英等:农业机械导航技术发展农业机器人的导航、路径规划和作业环境的管理监督等。

　　地图的表示方式大致可以分为栅格地图、几何地图和拓扑地图。栅格地图适合用于局部导航，例如机器人的自主避障。但是栅格方法很少用来定位，因为其在感知特征时需要很大的计算代价。在几何地图表示方法中，环境由三维坐标系下的几何信息来表示，机器人的位置通过匹配感知到的特征来估计。拓扑地图表示方法的关键在于拓扑点和拓扑边的定义。Ｒovira-Mas利用农用车辆在葡萄园环境下，通过融合来自三维立体视觉的信息与GPS的信号数据，创建出全局参照导航栅格地图(图7)。并指出，对于在野外环境工作的智能农业车辆来说，最有效地构建环境模型的方式是将二维常规栅格与全局参照信息相结合。

　　在很多情况下，机器人不能获得自己的准确位置信息，事先获取环境地图也很困难，甚至是不可能的。最初，机器人的地图构建与定位问题是被分开来研究的，但是后来这两项内容被认为是互相依赖的，这就是移动机器人的同时定位与地图创建(Simultaneouslocalizationandmapping，SLAM)问题。

　　Cheein等针对农业环境(橄榄园)提出了一种EIFSLAM算法，基于种植园中橄榄树树干的检测实现环境地图的创建，该地图将被存储，用于后期的精准农业生产进程。田光兆等进行了基于Gray-EKF算法的智能农业车辆同时定位与地图创建研究，将灰色预测理论和扩展卡尔曼滤波融合，算法具有更高的精度。

　　3、发展分析

　　导航技术作为自动化农业装备的关键技术之一，成为该领域的研究热点。其中部分成果，如卫星导航中的GPS导航、玉米收获自动对行中的机械导航等技术已经被商业化应用，有效地提高了农业机械的作业效率和作业质量，同时降低了驾驶人员的劳动强度。

　　但是，农业环境存在着多样性和复杂性，这就要求农业机械在不同的情况下需采取不同的导航策略，来完成相应的作业任务。例如在开阔的农田环境中，卫星信号可靠有效，且技术已经成熟，机器人可以应用GPS导航完成自主行驶。而面对密植果园这类树冠交错，导航卫星信号极易受到干扰的情况，相对而言研究运用视觉导航、激光导航等技术将更加有效。

　　其次，农业机械导航中应用到的各种传感器均存在自身的优缺点，并由于农业环境存在多种噪声，不同传感器均会不同程度地受到噪声的干扰，例如视觉传感器的优点是采集的信息丰富，但是对于光照的变化敏感，易受环境噪声的影响。因此在未来的农业机械导航技术中，应该针对具体应用设计适当的传感器组合形式，选择可靠有效的传感器融合策略，以此来提高农业机器人导航的鲁棒性、稳定性、精确性和抗干扰性。

　　最后，现有的农业机械自主导航技术较多关注各独立装备，未来应侧重研究需要多装备协同作业的导航问题。

　　参考文献：

　　1.李建平，林妙玲．自动导航技术在农业工程中的应用研究进展［J］．农业工程学报，

　　2.张智刚，罗锡文，周志艳，等．久保田插秧机的GPS导航控制系统设计［J］．农业机械学报，

　　3.罗锡文，张智刚，赵祚喜，等．东方红X-804拖拉机的DGPS自动导航控制系统［J］．农业工程学报，

　　4.伟利国，张权，颜华，等．XDNZ630型水稻插秧机GPS自动导航系统［J］．农业机械学报，

　　5.周俊，张鹏，宋百华．农业机械导航中的GPS定位误差分析与建模［J］．农业机械学报，

　　6.张方明，应义斌．机器视觉在农业车辆导航系统中的研究进展［J］．农业机械学报，

　　7.沈明霞，姬长英，张瑞合．基于农田景物边缘的农业机器人自定位方法［J］．农业机械学报，

　　8.周俊，姬长英．基于视觉导航的轮式移动机器人横向最优控制［J］．机器人，

　　9.周俊，姬长英．视觉导航轮式移动机器人横向预测模糊控制［J］．农业机械学报，

　　10.周俊，姬长英．智能车辆横向控制研究［J］．机器人，

　　11.周俊，姬长英．基于知识的视觉导航农业机器人行走路径识别［J］．农业工程学报，

　　12.周俊，姬长英．农业机器人视觉导航中多分辨率路径识别［J］．农业机械学报，

　　13.周俊，刘成良，姬长英．农业机器人视觉导航的预测跟踪控制方法研究［J］．农业工程学报，