论文投稿_医学论文投稿_核心期刊,职称论文投稿发表_论文部落

　　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[58]。
　　国内有关地磁导航的研究还主要集中在仿真和预研阶段[59]。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。
　　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[60]。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[61]。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[62]。
　　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。tstrandBjUrn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[63]。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[64]。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[65]。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[66]。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[67]。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RANSAC-SIFT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%[68]。