搜索
农业机械中自动导航技术的应用摘要:组合导航定位系统能够实现高精度自动导航，本文介绍了基于GPS、机器视觉和多传感器融合技术位系统在农业机械中的应用。采用GPS获取导航车的绝对位置信息、航向角度和行驶速度；机器视觉通过图像处理获取导航基准线，并得到代表作物行特征的点；多传感器融合技术能够结合GPS技术和机器视觉等导航模式的优点，用不同的传感器组合出高精度、高可靠性的导航策略。但GPS精度和可靠性易受到环境因素影响，机器视觉导航应用中的图像处理受光线等条件的干扰大，图像处理算法的速度不够快，多传感器融合技术在传感器精度、信息获取和处理速度以及抗干扰能力方面存在一些问题。因此解决这些存在的问题，有利于自动导航技术在农业工程中的广泛应用。关键词：自动导航；GPS；机器视觉；多传感器融合技术0引言组合导航是未来导航技术应用的主要模式，每种单一的传感器进行导航都有各自的独特性和局限性，把几种不同的传感器信息组合在一起，就能利用多种信息源互相补充，构成一种冗余度和准确度更高的多功能自动导航系统。自动导航技术是计算机技术、电子通信、控制技术等多种学科的综合，在现代农业生产中的应用越来越广，逐渐成为农业工程技术的重要组成部分。国内在这方面的研究则相对落后，还处于初期研究阶段。目前在农业工程中应用最广泛的自动导航技术是GPS、机器视觉以及多传感器融合技术。本文综述了这三种技术的应用研究情况，分析与讨论了各种技术在不同应用对象中存在的问题。而且，在科技日益发展的今天，随着我国北斗导航系统的不断完善，我们相信在不远的将来，北斗导航系统定可在农业发展领域发挥重大作用。并且随着大数据，物联网的发展，必定在精准农业领域有长足的发展。1GPS在自动导航中的应用GPS系统是一种可全天候工作的定位系统，能够提供车辆的三维空间位置信息，目前大多数的车辆，采用GPS导航，其相关技术和应用正在深入研究中。GPS系统的不足是在有些情况下，如林荫、路边高层建筑以及气候的影响等因素会造成GPS信号丢失，从而影响其使用。虽然采用DGPS、卡尔曼滤波等技术可以改善GPS导航的性能，但导航精度和可靠性的问题依然存在。所以，在以GPS为主的车载导航方案中，必须要辅助以其它定位方法，以保证在GPS接收终端在发现丢星现象时仍然能得到一定精度的定位信息，使得车载导航能够正常进行。目前，应用最多的定位方式是DR航迹推算及MM。其定位原理是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。随着GPS精度的不断提高以及应用成本的下降，GPS技术以其独特的优点在农业工程中得到了广泛的应用，GPS技术作为“3S”技术的核心之一，将在作为未来的农业发展方向的精准农业中发挥很大的作用。目前GPS在精确灌溉、施肥和农业智能机器人以及农机卫星定位和自动导航驾驶系统已成为现代化大农业的一个重要组成部分在播种、施肥、喷药、收获、整地及起垄等诸多农机作业项目上发挥着重要作用，有着广阔的发展前景。DGPS在成本降低的同时不可避免地带来了精度上的问题，特别是导航系统的行驶速度较慢，这就严重影响了作业的效率，因此解决DGPS导航应用中不能高速作业的问题非常关键。而且，基于PDA的微机能用于监测传感器和执行导航操作，但是该系统只是测试了起始点到目标点的路径，缺少整体导航的测验，为此整个系统的收敛和导航能力还有待进一步的改进和验证。2机器视觉在自动导航中的应用机器视觉与GPS导航两种导航方式各有优点，相互之间相辅相成，通过二者之间的信息溶合可以完成各种复杂环境下的导航任务。GPS采用绝对坐标导航方式，工作可靠，可以进行大范围的工作路径规划。而采用相对坐标的机器视觉导航则更加灵活，实时性和导航精度更好。随着以信息化技术为核心的精细农业的兴起，机器视觉导航又具有更多的优点，机器视觉系统在采集导航信息的同时还能采集有关农作物、病虫害以及农田状况的图像，从而为精细农业变量投放提供信息。机器视觉导航在交通运输、自动化仓库、柔性生产线的运料小车等方面都已经得到了较好的应用。相对于室内的工业机器人而言，农业机械的机器视觉导航的工作环境和工作对象更加复杂。2.1系统的组成农业机械的机器视觉导航重点需要解决三个问题，其一是视觉信息处理，机器视觉系统的CCD摄像机采集外部环境场景中的图像，从中提取导航特征。由于是室外作业，要求图像处理算法具有实时性和很强的鲁棒性，能够适应复杂多变的自然光线条件。其二是根据视觉信息处理得到的位置和姿态误差进行导航规划，并由此产生操向角。由于图像处理数据量很大，需要较长的计算时间，因此图像处理的结果有较大的滞后。另外还有车辆行驶的速度，车辆相对导航基准的初始姿态都对操向角有很大的影响。其三是伺服控制系统，需要快速准确的完成操向控制指令，通过执行机构完成转向，其间要克服车辆导向轮与地面之间相互作用的影响。本文组成了如图1所示的农业机械机器视觉导航系统，2.2机器视觉信息处理用于农业车辆的视觉导航方法中，最简单的是采用人工标记线的方法，车辆跟踪标记线控制方向，在标记线的引导下到达指定目标，完成作业。这种方法相对于其它人工标记方法而言有设置路径标识简单方便，成本低的优点，但对作业环境有特别要求，一般用于地面条件良好的温室内。另外一种方法就是对作业环境中的自然导航特征进行辨识，如田间作物的空间排列特征，已收割作物形成的边缘，田垄犁沟等。经过对这些导航目标图像的处理形成导航基线来进行农业车辆导航，这种导航方法可适应在复杂自然环境下的农田作业的要求，但是需要图像处理算法具有很好的鲁棒性，能够在复杂的自然景物中可靠地提取导航特征。随着计算机技术、数码技术、图像传感器和图像算法的不断改进，机器视觉在农业工程中的应用变得更加广泛。与GPS导航相比，机器视觉导航灵活性更大，实时性和精度也提高了许多，特别是机器视觉图像收集的信息比较丰富、范围宽、目标信息完整，能够为精准农业和其它农业应用提供许多有用资源。机器视觉导航的研究很大程度上是对图像算法的探索。图像经过数字化处理并且存入计算机，测试结果显示偏向角误差平均在2°左右，而位置误差小于0.1m，研究中的图像处理算法并不能完全满足实时的要求，仍然需要进行改进。图像算法不能完全满足实时性的一个主要原因是由于环境噪声信号的影响和作物缺失造成图像信息丢失。因此设计和改进图像处理算法克服这些问题至关重要。目前，前沿的机器视觉导航系统并不单一使用一个摄像机进行图像的采集。三维图像信息能够提供更加直观丰富的环境信息，拓展了视觉导航的研究。双眼立体视觉的方法对于获取三维立体信息很有帮助，采用单色摄像机和近红外滤波器能够获得较高对比度的图像，Astrand等探讨了一种能够融合多行作物图像信息并做出判断的新型机器视觉导航系统，对杂草信号具有很强的抗干扰能力，在野外的测试试验显示了足够的精度和处理速度，系统克服了因作物和杂草相似性高而造成的识别难度，对于解决作物特征与杂草等外部环境不太明显的作业对象有一定的参考意义，但是其局限是作物行必须呈直线或者不能有太大的弯曲。3多传感器融合技术在自动导航中的应用多传感器的信息融合(InformationFusion)也称数据融合(DataFusion)，多传感器信息融合出现于20世纪80年代，经过多年的发展，出现了多种信息融合模型，是一种将视觉、激光雷达、速度传感器、惯性测量单元（IMU）等传感器信息进行融合的方法，使用模糊卡尔曼滤波算法实现传感器的信息的融合，从而产生新的有意义的信息，而这种新信息是任何单一传感器所无法获得的。多传感器信息融合的基本原理也就像人脑综合处理信息一样，充分利用多个传感器资源，通过对传感器及其观测信息的合理支配和使用，把多传感器在空间或时间上可冗余或互补信息，依据某种准则来进行组合，以获得被测对象的一致性解释或描述。多传感器信息融合与单传感器信号处理相比，单传感器信号处理是对人脑信息处理的一种低水平模仿不能像多传感器信息融合那样有效的利用更多的信息资源，而多传感器信息融合可以更大程度地获得被测目标和环境的信息量。多传感器信息融合与经典信号处理方法之间也存在本质的区别，关键在于数据融合所处理的多传感器信息具有更复杂的形式，而且可以在不同的信息层次上出现。信息融合比较确切的定义可概括为:充分利用不同时间与空间的多传感器信息资源，采用计算机技术对按时序获得的多传感器观测信息在一定准则下加以自动分析、综合、支配和使用，获得对被测对象的一致性解释与描述，以完成所需的决策和估计任务，使系统获得比它的各组成部分更优越的性能。由于农业生产环境复杂、传感器本身存在的一些不足,单一传感器由于获取的信息有限，通常会存在不确定性以及偶然的错误或缺失，影响整个导航系统的稳定性和精度，这就需要将一些传感器结合起来使用。目前常用的信息融合方法：有统计推理法、Bayes推理、Dempster-Shafer证据理论、模糊集合理论、估值理论、聚类分析法、参数模板法、物理模型法、熵法、品质因素法等。近年来，用于多传感器信息融合的计算智能技术主要有：模糊逻辑、神经网络、粗集理论、小波变换和支持向量机等。多传感器信息融合技术不是一门单一的技术，而是一门跨学科的综合理论和方法。应积极借鉴国内外的研究成果，大力开展其在农业工程领域方面的研究。其目前可逐步应用于以下几个方面：智能检测系统、生产过程监视、精确农业技术、农业资源和农业环境的观测等。相信不久的将来，信息融合技术的基础理论、更加准确的算法都将得以完善和实现。多传感器信息融合技术将会为农业生产的信息化和知识化提供技术上的支持，在更多的行业领域得到实际应用。4结语GPS、机器视觉和传感器融合技术在自动导航中有各自的特色与优势，GPS技术具有较高精度，机器视觉能够采集丰富的环境信息，而多传感器融合技术能够结合GPS技术和机器视觉等导航模式的优点，用不同的传感器可组合出高精度、高可靠性的导航策略。但在应用中也存在一些问题。1)GPS导航容易受到环境因素的影响，使得精度和可靠性降低，同时由于GPS应用的费用较高，限制了它在农业工程中的使用。2)机器视觉导航应用中，存在图像处理易受自然光线等外界条件的干扰、作物缺失易造成图像信息的丢失、图像实时性和稳定性差以及图像处理算法的速度比较慢等问题。3)多传感器融合技术虽然能够获取较多的信息，但是有效地进行信息综合还需进一步的研究。同时传感器的精度、信息获得和处理的速度以及传感器的抗干扰能力都会对自动导航产生很大的影响。因此提高GPS的抗环境因素影响的能力以及降低应用成本，开发快速的图像处理算法，设计和选择具有抗干扰能力强的传感器以及有效地信息综合，合理组合各种自动导航技术，有利于解决目前自动导航中存在的问题。目前国内自动导航的研究主要集中在机器视觉导航，多数研究处于实验室阶段。基于GPS和IMU(惯性测量装置)的导航方式的研究很少；结合GIS地理信息系统进行导航路径规划的研究也刚起步，需要深入研究;导航转向控制的研究很少涉及导航车辆纵向行驶速度的研究，通常车辆的速度较低。因此解决上述问题，特别是突破导航的定位，路径规划和导航控制的难点，有利于自动导航技术在国内农业工程中的应用。[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，2006，22(9):232-236.[2]杨为民，李天石，贾鸿社.农业机械机器视觉导航研究[J].农业工程学报，2004，20(1):601-165.[3]李小昱，王为，雷廷武，沈逸.多传感器信息融合技术及在农业工程中的应用前景[J].农业工程学报，2003，19(3):10-13.[4]王诗俊，李宁，周东升等.GPS的发展与在农业上的应用[J].内蒙古水利，2008，22(2):20-23.[5]谷纪魁，李永奎，赵萍等.农机自动导航车辆采集图像的倾斜校正[J].农机化研究，2012，10(4):208-211.[6]吴延霞，赵博，毛恩荣.农业车辆自动导航系统综述[J].农机化研究，2009，23(3):424-454.Res