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

　　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[16]。

　　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[17]。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[18]。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[19]。

　　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[20]。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[21]。为了国内，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[24]，周俊等[25_33]构建了视觉导航实验平台（图2)，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[34]。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[35]。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[36]。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%[37]。盂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[38]。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[39]。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0.15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[41-42]。

　　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±2.5cmM。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。

　　由于电磁导航需要埋设引导线，故改变路径比较困难，比较适用于温室等环境比较固定或长期不需要改变导航路径的场合。

　　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[45]。

　　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[46]。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[47]。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[48]。