劉 慧，李 寧，沈 躍，徐 慧

融合激光三維探測與IMU姿態(tài)角實(shí)時(shí)矯正的噴霧靶標(biāo)檢測

劉 慧，李 寧，沈 躍，徐 慧

（江蘇大學(xué)電氣信息工程學(xué)院，鎮(zhèn)江 212013）

基于高精度激光傳感器的噴霧靶標(biāo)特征檢測是精準(zhǔn)施藥變量決策的重要依據(jù)。為了改善復(fù)雜地形條件對車載激光靶標(biāo)檢測的影響，進(jìn)行了車載激光噴霧靶標(biāo)檢測與矯正研究。該文基于慣性測量單元（inertial measurement unit，IMU）與UTM-30LX型激光傳感器搭建靶標(biāo)檢測試驗(yàn)車，IMU實(shí)時(shí)獲取車體姿態(tài)角的偏航角、俯仰角及側(cè)傾角信息，車載激光傳感器實(shí)時(shí)獲取目標(biāo)切面輪廓的極坐標(biāo)數(shù)據(jù)。將獲取的目標(biāo)切面輪廓的極坐標(biāo)數(shù)據(jù)與試驗(yàn)車姿態(tài)角信息相匹配，通過矯正算法獲取精確的目標(biāo)外形尺寸信息并重構(gòu)目標(biāo)三維圖像。試驗(yàn)設(shè)計(jì)首先對長方體柜子與仿真樹進(jìn)行車體單一動態(tài)俯仰角的檢測試驗(yàn)，然后以仿真樹為試驗(yàn)?zāi)繕?biāo)，進(jìn)行車體存在復(fù)合動態(tài)俯仰角與側(cè)傾角的檢測試驗(yàn)，最后在未知地形條件下對長方體柜子以及仿真樹進(jìn)行動態(tài)姿態(tài)角檢測與矯正試驗(yàn)。利用MATLAB軟件對數(shù)據(jù)矯正分析，對矯正后的目標(biāo)尺寸信息進(jìn)行誤差分析并重構(gòu)目標(biāo)三維圖像。試驗(yàn)結(jié)果顯示矯正后長方體柜子的高度、寬度最大相對誤差分別為8.89%和8.00%，仿真樹的高度、寬度以及樹冠高度最大相對誤差分別為5.63%、10.00%和5.00%，矯正效果良好，驗(yàn)證了矯正算法的有效性。

農(nóng)業(yè)機(jī)械；噴霧；傳感器；慣性測量單元；姿態(tài)角偏移矯正；三維重構(gòu)

劉 慧，李 寧，沈 躍，徐 慧. 融合激光三維探測與IMU姿態(tài)角實(shí)時(shí)矯正的噴霧靶標(biāo)檢測[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2017，33(15)：88－97. doi：10.11975/j.issn.1002-6819.2017.15.011 http://www.tcsae.org

Liu Hui, Li Ning, Shen Yue, Xu Hui. Spray target detection based on laser scanning sensor and real-time correction of IMU attitude angle[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(15): 88－97. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2017.15.011 http://www.tcsae.org

0 引 言

近年來，源于精準(zhǔn)施藥的變量噴霧技術(shù)[1-5]研究發(fā)展迅速，基于實(shí)時(shí)傳感器的應(yīng)用主要有紅外線對靶技術(shù)[6-7]、超聲波測量技術(shù)[8-10]及激光測量技術(shù)[11-14]等。

在激光實(shí)時(shí)探測方面，Chen等[15]建立了激光傳感器實(shí)時(shí)探測分析噴霧機(jī)單側(cè)目標(biāo)樹冠形狀和密度等特性的風(fēng)送式變量噴霧模型。Liu等[16]對體積更小、速度更快、精度更高、不易受外界環(huán)境影響可雙側(cè)掃描的激光傳感器進(jìn)行了性能評估，試驗(yàn)證明在不同速度和測量距離下，能夠精確測量被測目標(biāo)，實(shí)現(xiàn)目標(biāo)在線特征提取。激光傳感器不僅能測量出靶標(biāo)的有無、外形尺寸等特征信息，還能對目標(biāo)進(jìn)行三維重構(gòu)并實(shí)現(xiàn)目標(biāo)作物密度以及體積的測量[17-18]。車載激光掃描傳感器的應(yīng)用在一定程度上提高了變量噴霧的效果。但是在實(shí)際噴霧過程中，由于未知復(fù)雜地形的影響，往往會造成車輛的顛簸以及行駛不線性等情況，激光傳感器檢測容易出現(xiàn)偏差，從而影響噴霧效果[9,19-21]，因此矯正檢測過程中車體姿態(tài)角偏移所造成的目標(biāo)特征偏差具有一定的現(xiàn)實(shí)意義。

劉慧等[22]利用直線滑臺進(jìn)行了激光傳感器存在固定姿態(tài)角偏移時(shí)的靶標(biāo)檢測與矯正試驗(yàn)，先后對單一和復(fù)合姿態(tài)角偏移下激光傳感器獲取的數(shù)據(jù)進(jìn)行校正，均獲得不錯(cuò)的效果，但是無法實(shí)現(xiàn)在姿態(tài)持續(xù)改變條件下的激光目標(biāo)數(shù)據(jù)校正。

本文研究了融合動態(tài)車體姿態(tài)角偏移數(shù)據(jù)的車載激光靶標(biāo)檢測與矯正，提出了車體側(cè)傾角、俯仰角以及偏航角分別動態(tài)存在時(shí)靶標(biāo)激光檢測數(shù)據(jù)的矯正方法，分別為融合側(cè)傾角的極坐標(biāo)值與三角函數(shù)重新匹配法、分段融合俯仰角平均值的檢測幀與檢測點(diǎn)重新組合法以及融合偏航角平均值的深度值系數(shù)矯正法。并且設(shè)計(jì)試驗(yàn)驗(yàn)證矯正方法的有效性，分析了矯正后靶標(biāo)尺寸誤差以及三維重構(gòu)效果。

1 材料與方法

1.1 試驗(yàn)平臺搭建

搭建了一個(gè)安裝有激光掃描傳感器以及慣性測量單元的速度可控試驗(yàn)車。該試驗(yàn)車的測量原理框圖如圖1a所示。試驗(yàn)車長1.50 m，寬0.95 m，高0.80 m，由人來駕駛，具有速度調(diào)節(jié)檔。試驗(yàn)車上安裝有靶標(biāo)激光檢測單元、車體慣性測量單元以及供電單元，試驗(yàn)車實(shí)物圖如圖1b所示。

靶標(biāo)激光檢測單元主要由HOKUYO UTM-30LX型激光傳感器和工控計(jì)算機(jī)組成，激光傳感器與工控計(jì)算機(jī)通過USB串口通信。所選用的HOKUYO UTM-30LX型激光掃描傳感器具有30 m、270°測量范圍，供電電壓為DC12V，測量角度分辨率0.25°，測量周期25 ms。上位機(jī)軟件通過C++語言編寫，實(shí)現(xiàn)激光傳感器的啟停與檢測數(shù)據(jù)存儲功能。車體慣性測量單元主要包括STM32控制板、MPU6050陀螺儀以及HMC5883L電子羅盤，用于實(shí)時(shí)精確獲取車體姿態(tài)角信息[23-24]。供電單元主要包括車載電池、DC/DC變換器以及電壓變換板組成，主要為靶標(biāo)激光檢測單元和車體慣性測量單元供電。車體慣性測量單元中，MPU6050陀螺儀可以精確解算出俯仰角與側(cè)傾角的大小，但是對于偏航角的解算容易發(fā)生漂移，且隨時(shí)間增加誤差逐漸增大，所以利用電子羅盤測量車體偏航角，HMC5883L電子羅盤在車體不平情況下存在較大誤差，因此需要通過加速度計(jì)測出電子羅盤傾斜角度進(jìn)行校正，結(jié)合兩者的優(yōu)缺點(diǎn)，配合使用，可以實(shí)時(shí)準(zhǔn)確測量出車體的偏航角、俯仰角以及側(cè)傾角[25]，將實(shí)時(shí)測量的試驗(yàn)車車體偏航角、俯仰角以及側(cè)傾角信息通過SD內(nèi)存卡離線保存，檢測周期同樣是25 ms，用于匹配矯正激光傳感器檢測的目標(biāo)切面輪廓的極坐標(biāo)數(shù)，陀螺儀與核心板以及電子羅盤之間通過內(nèi)部總線（inter-integrated circuit，I2C）進(jìn)行通信。

圖1 靶標(biāo)檢測原理圖及平臺Fig.1 Schematic and platform of target detection

1.2 姿態(tài)角偏移矯正方法

1.2.1 HOKUYO激光傳感器與IMU的檢測方式

試驗(yàn)所選用的HOKUYO UTM-30LX型激光傳感器為二維激光掃描傳感器，最遠(yuǎn)檢測距離30 m，角度分辨率0.25°，掃描角度范圍270°，具有90°的盲區(qū)。本文試驗(yàn)采取盲區(qū)朝下安裝方式，如圖1b所示。激光傳感器固定在車體延伸出來的鋁型材固定桿上，試驗(yàn)車輪胎寬大且噴霧檢測過程中處于低速的狀態(tài)，對路面顛簸的反映較為緩和，且鋁型材固定桿長度相對較短，且固定牢靠，故試驗(yàn)車在行進(jìn)過程中，車體與激光傳感器可以認(rèn)為具有相同的姿態(tài)角變化。圖2所示為激光傳感器檢測一幀的示意圖。

圖2 激光傳感器檢測范圍示意圖Fig.2 Diagram of laser sensor detection range

如圖2所示，激光傳感器中心距離地面的高度為l，根據(jù)其盲區(qū)朝下的安裝方式，則激光傳感器能檢測距離激光中心垂直距離大于l的靶標(biāo)。從檢測起點(diǎn)到檢測終點(diǎn)，一幀可以檢測1 081個(gè)極坐標(biāo)數(shù)據(jù)，規(guī)定垂直向上檢測點(diǎn)的檢測角度為0°，將檢測區(qū)域分成左右2個(gè)部分，0°位置的檢測是垂直向上的，為無用數(shù)據(jù)，剩下的1 080個(gè)極坐標(biāo)數(shù)據(jù)按左右2邊分開保存，每一幀都按此方法儲存數(shù)據(jù)，最后對左右2邊檢測數(shù)據(jù)分別進(jìn)行處理。結(jié)合試驗(yàn)車的行進(jìn)，每隔25 ms獲取一幀數(shù)據(jù)，按順序組合起來的若干檢測幀則可對目標(biāo)進(jìn)行三維重構(gòu)并獲取目標(biāo)特征信息。

車體姿態(tài)角偏移一般指車體的偏航角、俯仰角以及側(cè)傾角的角度變化。這3個(gè)角度是地面坐標(biāo)系與車體坐標(biāo)系的角度關(guān)系，在實(shí)際戶外噴霧靶標(biāo)檢測時(shí)，由于路面不平整，很容易造成噴霧機(jī)的前后以及左右顛簸，從而導(dǎo)致車上安裝的激光傳感器出現(xiàn)俯仰角以及側(cè)傾角，噴霧機(jī)行駛過程的不線性則會產(chǎn)生偏航角。本文所用的慣性測量單元（inertial measurement unit，IMU）包含MPU6050陀螺儀以及HMC5883L電子羅盤，俯仰角以及側(cè)傾角通過陀螺儀測量解算得到[24,26]，如圖3所示。

根據(jù)圖3所示，所檢測目標(biāo)植株一幀對應(yīng)點(diǎn)的深度距離值d可以表示為

式中ρ為激光傳感器中心到檢測點(diǎn)距離值，m；θ為檢測線與0°線的夾角。

定義地面坐標(biāo)系XYZ以及電子羅盤坐標(biāo)系xyz，在電子羅盤傾斜時(shí)存在俯仰角β以及側(cè)傾角γ，并規(guī)定了2種角度旋轉(zhuǎn)的正方向。偏航角指的是實(shí)際航向偏離車體初始航向的大小，右偏為正，其值由電子羅盤獲得。電子羅盤使用前需要進(jìn)行磁場校準(zhǔn)，要獲取準(zhǔn)確的車體偏航角還需進(jìn)行傾斜補(bǔ)償[27]。試驗(yàn)車在不平整路面上行駛，電子羅盤的平面xy與水平面存在夾角，使電子羅盤在傾斜情況下的測量存在較大的誤差，影響正常使用。

圖3 電子羅盤傾斜情況示意圖Fig.3 Diagram of electronic compass inclination

對電子羅盤進(jìn)行傾斜校正需結(jié)合實(shí)時(shí)俯仰角與側(cè)傾角，根據(jù)式（2）可以求出經(jīng)過修正的實(shí)時(shí)偏航角的大小[26-27]。為了與激光傳感器測量的目標(biāo)切面輪廓的極坐標(biāo)數(shù)據(jù)信息相匹配，同樣設(shè)置IMU測量周期為25 ms，將測得的俯仰角、側(cè)傾角以及偏航角的數(shù)據(jù)依據(jù)檢測時(shí)刻按列分開保存。

式中XH、YH為電子羅盤修正后的坐標(biāo)軸系數(shù)；α為偏航角；β為電子羅盤俯仰角；γ為電子羅盤側(cè)傾角；Xh、Yh、Zh分別為電子羅盤傾斜狀態(tài)磁北極磁場在電子羅盤坐標(biāo)系xyz的x軸、y軸和z軸的分量。

1.2.2 數(shù)據(jù)匹配矯正算法

激光傳感器姿態(tài)角發(fā)生變化，必然會對目標(biāo)檢測造成影響，下面分情況對激光傳感器姿態(tài)角偏移進(jìn)行矯正。

1）若車體存在側(cè)傾角γrt時(shí)，γrt為IMU實(shí)時(shí)檢測的側(cè)傾角。將靶標(biāo)被檢測面輪廓的極坐標(biāo)數(shù)據(jù)按照式（1）轉(zhuǎn)化為深度值，由于初始的θ值是基于激光傳感器坐標(biāo)系的，當(dāng)車體存在動態(tài)側(cè)傾角時(shí)，激光傳感器會處于側(cè)傾狀態(tài)，故據(jù)式（1）求出的基于激光傳感器坐標(biāo)系的靶標(biāo)深度值數(shù)據(jù)顯然是不準(zhǔn)確的，需要轉(zhuǎn)換到地面坐標(biāo)系。

采用的矯正方法為融合側(cè)傾角的極坐標(biāo)值與三角函數(shù)重新匹配，矯正公式可以表示為

式中γrt為IMU實(shí)時(shí)檢測的側(cè)傾角，(°)。

矯正過程中，每一幀激光測量的極坐標(biāo)數(shù)據(jù)對應(yīng)一個(gè)IMU測量的側(cè)傾角，利用這個(gè)側(cè)傾角逐點(diǎn)對此幀的激光檢測數(shù)據(jù)進(jìn)行矯正。按圖3規(guī)定的側(cè)傾角旋轉(zhuǎn)正方向，側(cè)傾角為正時(shí)，噴霧靶標(biāo)在試驗(yàn)車前進(jìn)方向左側(cè)時(shí)，式（3）中取‘+’，噴霧靶標(biāo)在試驗(yàn)車前進(jìn)方向右側(cè)時(shí)，式（3）中則取‘?’；側(cè)傾角為負(fù)時(shí)，與之相反。對于車體存在動態(tài)側(cè)傾角時(shí)激光檢測數(shù)據(jù)的矯正做到了逐幀逐點(diǎn)進(jìn)行矯正，屬于較精準(zhǔn)的矯正。

2）若車體存在俯仰角βrt時(shí)，βrt為IMU實(shí)時(shí)檢測的俯仰角。由于激光檢測面與地面并非垂直關(guān)系，所以對噴霧靶標(biāo)的檢測也是傾斜的，打亂了原本沒有俯仰角時(shí)激光檢測幀與檢測點(diǎn)的對應(yīng)關(guān)系。由于實(shí)際的噴霧作業(yè)過程中車體是不斷顛簸的，俯仰角的大小是動態(tài)變化的，導(dǎo)致各檢測幀交叉錯(cuò)亂，具有復(fù)雜性，若按實(shí)時(shí)檢測幀進(jìn)行矯正不具有操作性。本文采取的是分段融合俯仰角平均值的檢測幀與檢測點(diǎn)重新組合法，即將靶標(biāo)寬度范圍內(nèi)IMU檢測幀按照動態(tài)俯仰角的有關(guān)特征進(jìn)行分段，求取每段的所有IMU檢測幀車體俯仰角平均值βavg，矯正時(shí)則假定試驗(yàn)車在靶標(biāo)的此段檢測過程中車體存在固定的俯仰角βavg。然后將每一段的俯仰角平均值βavg分別用來對此次試驗(yàn)激光檢測數(shù)據(jù)進(jìn)行整體矯正，在每一次整體矯正后的激光矯正數(shù)據(jù)矩陣中提取此次矯正所用的βavg所對應(yīng)的一段數(shù)據(jù)矩陣，最后將多段提取的數(shù)據(jù)矩陣拼接組合成一個(gè)新的深度值矩陣，再對其進(jìn)行三維重構(gòu)等數(shù)據(jù)處理。對于俯仰角固定情況的靶標(biāo)檢測與矯正，參考文獻(xiàn)[22]已經(jīng)詳細(xì)闡述過，檢測幀分段后，每一段中的檢測點(diǎn)的深度值求解公式為

式中ρInt(j/cosβavg)為矯正前時(shí)第f幀中第Int(j/cosβavg)點(diǎn)的極坐標(biāo)值，m；θj為矯正后第m幀第j點(diǎn)對應(yīng)的角度值；βavg為俯仰角平均值，(°)。

原則上分段越多越準(zhǔn)確，但是也會增加矯正激光檢測數(shù)據(jù)的次數(shù)，增大提取和拼接矯正后數(shù)據(jù)矩陣的難度。由于靶標(biāo)寬度范圍內(nèi)IMU檢測幀一般不多，一般分成2～3段以內(nèi)比較合適。對靶標(biāo)寬度范圍內(nèi)IMU檢測幀分段一般有2個(gè)原則：a）俯仰角有正負(fù)之分時(shí)一般需要分段；b）俯仰角曲線線性擬合存在明顯的斜率差別需要分段。若不滿足分段條件，則無需分段，直接求取靶標(biāo)寬度范圍內(nèi)動態(tài)俯仰角的平均值，然后根據(jù)此平均值對激光檢測數(shù)據(jù)進(jìn)行整體矯正。

采用平均化的思想可以在一定程度上改善檢測的效果，雖然達(dá)不到精準(zhǔn)矯正的目的，但卻是比較實(shí)用的方法，在趨勢上向精準(zhǔn)檢測效果靠攏，并且降低少量幅值較大俯仰角所造成的檢測誤差。

3）若車體存在偏航角αrt時(shí)，αrt為IMU實(shí)時(shí)檢測的試驗(yàn)車偏航角。根據(jù)文獻(xiàn)[22]所述，激光傳感器存在固定的偏航角時(shí)，雖然檢測幀也會延后或超前，但是卻是按順序排列，一次試驗(yàn)的檢測幀是整體超前或者整體延后，所以可以按照此固定的偏航角整體矯正激光檢測數(shù)據(jù)。若存在動態(tài)偏航角時(shí)，即偏航角既有大小的波動又有正負(fù)的變化，會造成檢測幀的提前或者延后，故檢測幀在空間位置上不是按照順序排列的，所以將激光檢測數(shù)據(jù)每一幀的每一個(gè)檢測點(diǎn)的準(zhǔn)確深度值求出也沒有意義，需要將所有激光檢測幀重新按順序排列。然而在車體偏航角動態(tài)變化情況下，就算將深度值準(zhǔn)確矯正后的激光檢測幀按空間位置順序排列，靶標(biāo)檢測幀的漏檢與重復(fù)檢測依舊存在，不可避免。

針對上述分析，求取靶標(biāo)寬度范圍內(nèi)動態(tài)偏航角的平均值αavg，還需要假設(shè)試驗(yàn)車是一直沿著與靶標(biāo)中心切面平行的直線行進(jìn)。采用這種平均化的思想，可以在一定程度上改善檢測效果，降低少量較大幅值的偏航角所造成的誤差，公式為

式中αavg為靶標(biāo)寬度范圍內(nèi)IMU檢測幀偏航角的平均值。

在實(shí)際噴霧作業(yè)過程中，試驗(yàn)車沿著直線行走，且四輪試驗(yàn)車具有行進(jìn)方向的穩(wěn)健性，采用的是機(jī)械式轉(zhuǎn)向系統(tǒng)，車把較重，而且試驗(yàn)車具有寬大的車輪，顛簸的情況下偏航角也會發(fā)生一定的波動，但是偏差幅值較小，即αavg絕對值較小，對檢測效果影響不大。根據(jù)文獻(xiàn)[22]的試驗(yàn)分析，在靶標(biāo)檢測過程中，若試驗(yàn)車存在較小偏航角時(shí)（10°以下），假設(shè)車體存在10°的偏航角，cosαavg的值為0.984 8，可認(rèn)為對深度值影響較小，一般情況下可以不對激光檢測數(shù)據(jù)進(jìn)行矯正。

4）對于車體存在動態(tài)側(cè)傾角的矯正做到了逐幀逐點(diǎn)矯正，而對于車體存在動態(tài)偏航角還有動態(tài)俯仰角的矯正均為近似矯正，復(fù)合矯正公式為

1.3 試驗(yàn)方法

1.3.1 試驗(yàn)設(shè)計(jì)

在研究姿態(tài)角偏移矯正理論方法的基礎(chǔ)上，試驗(yàn)驗(yàn)證該方法的有效性。試驗(yàn)對象為一個(gè)長方體柜子和一顆仿真樹。長方體柜子的高度為0.90 m，寬度0.50 m；仿真樹的高度為1.60 m，寬度1.10 m，樹冠高度為1.00 m。

試驗(yàn)設(shè)定激光傳感器到目標(biāo)物體中心垂直間距為2.5 m。選擇距離2.5 m符合實(shí)際噴霧過程中的靶標(biāo)檢測與噴霧的距離要求。試驗(yàn)車速度可以通過檔位調(diào)節(jié)，速度區(qū)間為1～4 m/s。結(jié)合實(shí)際噴霧作業(yè)過程中對噴霧機(jī)行進(jìn)速度的實(shí)際要求，駕駛者控制試驗(yàn)車的車速為1 m/s。激光傳感器距離地面的高度為1.45 m，試驗(yàn)車在平整路面對目標(biāo)檢測時(shí)，激光傳感器與被檢測目標(biāo)中央位置處于相同高度，使得檢測點(diǎn)分布更均勻。

試驗(yàn)操作主要分為3步。第1步，以長方體柜子與仿真樹為試驗(yàn)對象，在地勢平坦和通過木板搭建的坡度橋2種試驗(yàn)場地進(jìn)行試驗(yàn)，如圖4a與圖4b所示。試驗(yàn)車按照設(shè)定的方向路線直線行駛，檢測距離以及行進(jìn)速度如上文所述。在每個(gè)試驗(yàn)場地設(shè)計(jì)對每個(gè)試驗(yàn)對象分別進(jìn)行5次重復(fù)檢測試驗(yàn)，激光傳感器通過鍵盤2G通信控制啟停，慣性測量單元亦通過一個(gè)開關(guān)啟停。為了后期數(shù)據(jù)的匹配，在試驗(yàn)車行駛前的幾秒時(shí)間內(nèi)由一人負(fù)責(zé)啟動激光掃描，同時(shí)另一人啟動慣性測量單元，激光檢測數(shù)據(jù)與慣性測量單元獲取的數(shù)據(jù)均帶有檢測時(shí)刻信息，控制激光傳感器的工控計(jì)算機(jī)時(shí)間與控制慣性測量單元的單片機(jī)時(shí)鐘已提前校對，匹配時(shí)只需找到對應(yīng)時(shí)刻的數(shù)據(jù)即可。激光傳感器檢測的數(shù)據(jù)存儲在工控計(jì)算機(jī)硬盤中，車體姿態(tài)角數(shù)據(jù)存儲在內(nèi)存卡中；第2步，以仿真樹為試驗(yàn)對象，搭建長木板單邊橋試驗(yàn)場地，如圖4c所示。針對側(cè)傾角來說，在試驗(yàn)車左傾斜與右傾斜2種狀態(tài)下分別對2種對象進(jìn)行檢測，其他檢測條件不變，按照事先規(guī)劃好的試驗(yàn)車行進(jìn)路線，分別重復(fù)5次試驗(yàn)，保存試驗(yàn)數(shù)據(jù)；第3步，以長方體柜子與仿真樹為試驗(yàn)對象，選取地勢未知路面作為試驗(yàn)場地，如圖4d所示，其他檢測條件不變，分別重復(fù)5次試驗(yàn)，保存檢測數(shù)據(jù)。

圖4 不同地形條件試驗(yàn)圖Fig.4 Photographs of experiments based on different terrains

第1步試驗(yàn)主要是針對車體俯仰角動態(tài)變化而設(shè)計(jì)的，由于試驗(yàn)車的減震效果，人為駕駛必然會使得車體具有初始的俯仰角，在這2種場地下，試驗(yàn)車靶標(biāo)檢測過程只存在動態(tài)變化的俯仰角，其中試驗(yàn)車在上下坡地形時(shí)車體俯仰角的變化較為明顯。所以第1步試驗(yàn)的2種場地主要是矯正單一俯仰角動態(tài)變化的情況。在上下坡場地進(jìn)行試驗(yàn)時(shí)，將目標(biāo)放置在試驗(yàn)車檢測時(shí)的上坡或者下坡位置，至于目標(biāo)檢測范圍既存在上坡又存在下坡地形，此種情況需要對激光檢測幀進(jìn)行分割，在第三步試驗(yàn)介紹；第2步試驗(yàn)主要矯正俯仰角與側(cè)傾角均動態(tài)存在且姿態(tài)角偏移量波動較小的情況；第3步試驗(yàn)，主要驗(yàn)證復(fù)雜地形條件下矯正算法的有效性。

1.3.2 數(shù)據(jù)分析方法

試驗(yàn)獲得數(shù)據(jù)的分析處理主要通過MATLAB后期處理，獲取試驗(yàn)?zāi)繕?biāo)姿態(tài)角偏移矯正后的尺寸信息以及矯正前后三維重構(gòu)圖像，并進(jìn)行對比分析。激光傳感器數(shù)據(jù)按照試驗(yàn)順次保存，每啟停一次獲得一個(gè)txt文檔，每次試驗(yàn)數(shù)據(jù)按檢測幀排列；IMU檢測數(shù)據(jù)同樣按照試驗(yàn)次序保存，每次啟停會獲得一個(gè)csv格式的文檔，按列分別保存俯仰角、側(cè)傾角以及偏航角數(shù)據(jù)。數(shù)據(jù)檢測周期均為25 ms，若按試驗(yàn)車1 m/s的速度，那么一幀的25 ms的時(shí)間內(nèi)試驗(yàn)車前進(jìn)了25 mm，而目標(biāo)物體位于激光傳感器一側(cè)，故一幀中檢測目標(biāo)高度范圍的檢測點(diǎn)少于一半，此段時(shí)間內(nèi)試驗(yàn)車行進(jìn)的距離少于12.5 mm，對于目標(biāo)檢測效果的影響微乎其微。

通過MATLAB軟件讀入激光傳感器數(shù)據(jù)txt文檔，再讀入此次試驗(yàn)對應(yīng)的車體姿態(tài)角數(shù)據(jù)csv文檔，然后根據(jù)提出的激光傳感器存在動態(tài)姿態(tài)角偏移的矯正算法進(jìn)行矯正處理，矯正過程會同時(shí)將激光極坐標(biāo)數(shù)據(jù)構(gòu)造為行為檢測點(diǎn)、列為檢測幀的深度值矩陣，并對深度值矩陣的行、列以及檢測幀數(shù)限定，只保留有用的數(shù)據(jù)；考慮到激光傳感器的動態(tài)檢測，需對有效的距離信息矩陣進(jìn)行伸縮變換，使得被檢測目標(biāo)數(shù)據(jù)矩陣符合實(shí)物尺寸比例[28]；數(shù)據(jù)點(diǎn)的離散化，會導(dǎo)致重構(gòu)圖像不連續(xù)，利用interp2()函數(shù)對離散數(shù)據(jù)進(jìn)行插值計(jì)算[29-30]。然后對重構(gòu)的目標(biāo)圖像濾波處理，本文選用高斯低通濾波器對圖像進(jìn)行平滑處理。三維重構(gòu)圖像中不同顏色代表距離靶標(biāo)中心不同的深度值，通過colormap()函數(shù)實(shí)現(xiàn)[27,30]。

通過對比矯正前后被檢測目標(biāo)的三維重構(gòu)圖像只能定性地觀察矯正效果。為了定量看出矯正后的目標(biāo)數(shù)據(jù)是否符合檢測的精度要求，對被檢測目標(biāo)的尺寸參數(shù)進(jìn)行統(tǒng)計(jì)計(jì)算。被檢測目標(biāo)寬度w為

式中v是試驗(yàn)車勻速移動速度，m/s；t0為傳感器檢測一幀所需時(shí)間，s；nf為被檢測目標(biāo)寬度范圍所占幀數(shù)。

如圖3所示，可以求出任意幀中每個(gè)檢測點(diǎn)距離激光中心的垂直高度信息h為

以激光中心為基點(diǎn)，從而可以計(jì)算出此檢測幀中任意2個(gè)檢測點(diǎn)的垂直方向高度，類似地，不同檢測幀任意2個(gè)檢測點(diǎn)的垂直方向高度同樣可以求出，由此可以求出目標(biāo)物體的檢測高度值。

2 結(jié)果與分析

2.1 車體俯仰角單一存在

首先進(jìn)行第1步試驗(yàn)，分別在地勢平坦和通過木板搭建的只存在上下坡的2種試驗(yàn)場地對試驗(yàn)對象進(jìn)行檢測，試驗(yàn)操作與數(shù)據(jù)處理如1.3節(jié)所述。

圖5a為地勢平坦時(shí)試驗(yàn)車IMU姿態(tài)角數(shù)據(jù)，由圖5知，人為駕駛導(dǎo)致車體具有初始俯仰角，俯仰角的大小基本恒定在3.5°，而側(cè)傾角的大小一直趨近于0°，偏航角圍繞0°線具有一定波動，但保持在?0.5°到0.5°之間，幅值同樣較小，故地勢平坦條件下可以認(rèn)為車體只存在單一大小為3.5°的俯仰角。故平坦地勢條件下，由于試驗(yàn)車減震彈簧的存在，俯仰角基本保持在3.5°，只需按照俯仰角大小恒為3.5°進(jìn)行矯正即可。

圖5b為試驗(yàn)車在搭建的木板坡度橋上下坡時(shí)車體姿態(tài)角檢測數(shù)據(jù)，在此過程中偏航角與側(cè)傾角波動較小，可以近似認(rèn)為只存在俯仰角的變化。從俯仰角的定義來說，上坡過程俯仰角為正，下坡過程俯仰角為負(fù)，從圖中可以看出來上坡過程中俯仰角的幅值明顯大于下坡過程，這同樣是由于人為駕駛試驗(yàn)車的減震影響，使得上坡過程車體俯仰角更大，下坡過程俯仰角更小。由于上坡與下坡過程中車體俯仰角動態(tài)變化，且目標(biāo)物體所占的姿態(tài)角檢測幀中俯仰角變化在有限范圍內(nèi)，這里直接求取目標(biāo)物體寬度范圍所占IMU檢測幀俯仰角的平均值，無需分成多段處理。然后利用此平均俯仰角對目標(biāo)物體重構(gòu)圖像進(jìn)行矯正，經(jīng)過計(jì)算，上坡過程中長方體柜子與仿真樹各自寬度范圍所占IMU檢測幀中俯仰角平均值的大小分別為9.21°和8.20°；下坡過程中長方體柜子與仿真樹各自寬度范圍所占檢IMU測幀中俯仰角平均值的大小分別為?2.03°和?2.58°。

圖5 第1步試驗(yàn)兩種場地下試驗(yàn)車車體IMU姿態(tài)角數(shù)據(jù)Fig.5 Test vehicle IMU attitude angle data of experiment 1 under two kinds of test sites

圖6 g與圖6h分別是對平坦地勢試驗(yàn)條件下試驗(yàn)車檢測長方體柜子與仿真樹重構(gòu)的圖6a與圖6b的矯正，可以看出目標(biāo)形態(tài)得到了很好的矯正，矯正了初始俯仰角造成的目標(biāo)檢測偏差，降低了姿態(tài)角偏移對靶標(biāo)激光檢測的影響。圖6i與圖6j分別是對圖6c與圖6d的矯正，圖6k與圖6l分別是對圖6e與圖6f的矯正，從圖中可知靶標(biāo)的形態(tài)均得到了較大的改善，故融合俯仰角平均值的檢測幀與檢測點(diǎn)重新組合法基本可以達(dá)到矯正要求。

將檢測所得的目標(biāo)尺寸值與物體真實(shí)尺寸作對比，進(jìn)行誤差分析，如表1所示。分析表1中數(shù)據(jù)，地勢平坦試驗(yàn)場地下，長方體柜子的高度、寬度相對誤差分別為3.33%與2.00%，仿真樹的高度、寬度以及樹冠高度的相對誤差分別為1.25%、1.82%和3.00%；坡度橋試驗(yàn)場地下（上坡），長方體柜子的高度、寬度最大相對誤差分別為5.55%與8.00%，仿真樹的高度、寬度以及樹冠高度相對誤差分別為4.38%、3.64%和3.00%，數(shù)據(jù)顯示矯正后目標(biāo)參數(shù)與目標(biāo)實(shí)際尺寸誤差較小，說明矯正算法具有一定的有效性，效果較好。

圖6 車體俯仰角單一存在時(shí)目標(biāo)矯正前后重構(gòu)對比圖Fig.6 Reconstruction images before and after correction of targets on condition of test vehicle with single pitch angles

表1 車體俯仰角單一存在目標(biāo)矯正后相關(guān)參數(shù)誤差分析Table 1 Error analysis of targets parameters after correction on condition of test vehicle with single pitch angles

2.2 車體側(cè)傾角與俯仰角復(fù)合存在

第2步試驗(yàn)設(shè)計(jì)搭建一個(gè)長木板的單邊橋作為試驗(yàn)場地，試驗(yàn)車只有一邊的輪子走在木板上，這樣可以制造車體左傾斜與右傾斜的狀態(tài)，結(jié)合人為駕駛車體減震的影響，則可以在一定的時(shí)間范圍內(nèi)保證俯仰角與側(cè)傾角均動態(tài)存在的情形。值得注意的是，試驗(yàn)中試驗(yàn)車處于地面的車輪始終沿著規(guī)劃好的直線行駛，以保證試驗(yàn)車的直線行駛。如圖7所示，在試驗(yàn)車左傾斜與右傾斜行駛過長木板的過程中，俯仰角與側(cè)傾角都存在一段時(shí)間保持著基本不變的狀態(tài)。為了使試驗(yàn)效果更加明顯，本試驗(yàn)選擇在這段時(shí)間對靶標(biāo)檢測。矯正過程遵循先側(cè)傾角后俯仰角的原則，左傾斜與右傾斜目標(biāo)IMU檢測幀中側(cè)傾角大小分別穩(wěn)定在9°與?9°左右，矯正側(cè)傾角造成的影響采用融合側(cè)傾角的激光極坐標(biāo)值與三角函數(shù)重新匹配矯正法。由于目標(biāo)寬度范圍內(nèi)IMU檢測幀中俯仰角大小基本恒定，無需分段矯正，經(jīng)過計(jì)算，試驗(yàn)車左傾斜與右傾斜檢測時(shí)仿真樹寬度范圍IMU檢測幀俯仰角的平均值分別為2.72°和3.35°，然后根據(jù)此平均值對激光檢測數(shù)據(jù)進(jìn)行整體矯正。車體俯仰角大小恒定的矯正方法為激光檢測幀與檢測點(diǎn)重新組合矯正法，在參考文獻(xiàn)[22]中已進(jìn)行過詳細(xì)說明。圖7a靶標(biāo)檢測寬度范圍內(nèi)偏航角的平均值為?0.38°，圖7b靶標(biāo)檢測寬度范圍內(nèi)偏航角的平均值為0.31°，故系數(shù)值cosαavg的大小約等于1，故無需矯正。

圖8a和圖8b為長木板單邊橋車體左傾斜與右傾斜矯正前后的圖像。側(cè)傾角存在時(shí)主要對目標(biāo)檢測的深度值產(chǎn)生影響，俯仰角則會影響到目標(biāo)檢測的形態(tài)特征，從圖中可以看出來，顏色的變化比較明顯，仿真樹的深度值得到了很好的矯正，目標(biāo)形態(tài)也從略微右偏得到了矯正，目標(biāo)深度數(shù)據(jù)值以及形態(tài)都得到了很好的矯正。對矯正后仿真樹各項(xiàng)尺寸參數(shù)進(jìn)行誤差分析，結(jié)果如表2所示，仿真樹的高度、寬度以及樹冠高度最大相對誤差分別為5.00%、2.73%以及4.00%，基本達(dá)到矯正的目的。

圖7 長木板單邊橋場地下試驗(yàn)車車體分別左右傾斜IMU姿態(tài)角數(shù)據(jù)Fig.7 IMU attitude angle data with test vehicle left leaning and right leaning under long wooden unilateral bridge test site

圖8 車體俯仰角與側(cè)傾角復(fù)合存在目標(biāo)修正后三維重構(gòu)圖像Fig.8 Reconstruction images before and after correction ofartificial tree on condition of test vehicle with both pitch angles and roll angles

表2 車體俯仰角與側(cè)傾角復(fù)合存在時(shí)目標(biāo)修正后參數(shù)誤差分析Table 2 Error analysis of artificial tree parameters after correction on condition of test vehicle with both pitch angles and roll angles

2.3 未知復(fù)雜地勢姿態(tài)角偏移

未知地形條件下，試驗(yàn)車俯仰角、側(cè)傾角以及偏航角均處于動態(tài)變化狀態(tài)。圖9為靶標(biāo)寬度范圍內(nèi)車體姿態(tài)角變化，根據(jù)計(jì)算，仿真樹寬度范圍內(nèi)車體偏航角幅值較小，平均值為?1.09°，且長方體柜子寬度范圍內(nèi)車體偏航角的平均值為?1.53°。根據(jù)1.2節(jié)提出的融合偏航角平均值的深度值系數(shù)矯正法，余弦值系數(shù)cos(?1.53°)值為0.999 6，cos(?1.09°)值為0.999 8，可見深度值基本不會受此系數(shù)的影響，當(dāng)然為了使得靶標(biāo)檢測的深度值更加精確，在矯正車體存在動態(tài)側(cè)傾角以及動態(tài)俯仰角之后再乘以相應(yīng)的余弦系數(shù)。

對于車體存在動態(tài)俯仰角與動態(tài)側(cè)傾角的情況，仍然遵循先矯正側(cè)傾角再矯正俯仰角的原則。首先匹配IMU檢測幀的側(cè)傾角與激光檢測數(shù)據(jù)，逐幀逐點(diǎn)進(jìn)行矯正，方法為融合側(cè)傾角的極坐標(biāo)值與三角函數(shù)重新匹配法。圖10a和圖10b分別為未知復(fù)雜地勢下目標(biāo)矯正前后重構(gòu)圖像，深度值得到了精確矯正。

對于俯仰角造成的檢測偏差要根據(jù)IMU數(shù)據(jù)特點(diǎn)進(jìn)行矯正，矯正方法為分段融合俯仰角平均值的激光檢測幀與檢測點(diǎn)重新組合矯正法。根據(jù)IMU檢測幀俯仰角分段矯正的原則將圖9a的仿真樹寬度范圍內(nèi)IMU檢測幀中俯仰角分成3段，分別為1～18、19～25以及26～46幀，3段內(nèi)俯仰角的平均值分別為10.17°、4.93°和?1.25°。分別按照此3個(gè)俯仰角平均值對激光傳感器檢測數(shù)據(jù)整體矯正，然后在每一次的整體矯正后的激光傳感器數(shù)據(jù)矩陣中提取此次矯正所用的俯仰角平均值所對應(yīng)的一段數(shù)據(jù)矩陣，最后將3段提取的數(shù)據(jù)矩陣拼接組合成一個(gè)新的深度值矩陣，再對其進(jìn)行三維重構(gòu)。由圖10a可知，仿真樹經(jīng)過矯正、提取和拼接后的目標(biāo)重構(gòu)圖像，目標(biāo)形態(tài)特征得到了較大的改善。同理根據(jù)IMU檢測幀俯仰角分段矯正的原則將圖9b的長方體柜子寬度范圍內(nèi)IMU檢測幀中俯仰角分成2段，分別為1～7以及8～22幀，2段內(nèi)俯仰角的平均值分別為?0.74°和3.38°。矯正方法與仿真樹相同，由圖10b可知，經(jīng)過矯正、提取和拼接后的目標(biāo)重構(gòu)圖像，長方體柜子形態(tài)同樣得到了矯正。

表3為未知復(fù)雜地勢下目標(biāo)矯正后相關(guān)參數(shù)誤差分析，經(jīng)過矯正后，長方體柜子的高度、寬度相對誤差分別為8.89%與6.00%，仿真樹的高度、寬度以及樹冠高度的相對誤差分別為5.63%、10.00%和5.00%，基本滿足變量噴霧對檢測精度的要求。

表3 未知復(fù)雜地勢下目標(biāo)矯正后相關(guān)參數(shù)誤差分析Table 3 Error analysis of target parameters after correction on condition of unknown complex terrain

3 結(jié) 論

為了克服車體姿態(tài)角動態(tài)偏移對激光噴霧靶標(biāo)檢測的影響，提出了一種基于IMU姿態(tài)角實(shí)時(shí)矯正的激光噴霧靶標(biāo)檢測方法。分別針對動態(tài)側(cè)傾角、俯仰角以及偏航角存在的單一或復(fù)合情況，通過矯正算法獲取精確的目標(biāo)外形尺寸信息并重構(gòu)目標(biāo)三維圖像。試驗(yàn)證明，靶標(biāo)矯正后重構(gòu)目標(biāo)的三維圖像形態(tài)特征得到了很好的改善。矯正后長方體柜子的高度、寬度最大相對誤差分別為8.89%和8.00%。仿真樹的高度、寬度以及樹冠高度最大相對誤差分別為5.63%、10.00%和5.00%。靶標(biāo)激光檢測與矯正試驗(yàn)驗(yàn)證了所提出的姿態(tài)角實(shí)時(shí)矯正算法的有效性，為提高復(fù)雜路況下變量噴霧檢測精度提供了可供借鑒的方法。

[1] 張波，翟長遠(yuǎn)，李瀚哲，等. 精準(zhǔn)施藥技術(shù)與裝備發(fā)展現(xiàn)狀分析[J]. 農(nóng)機(jī)化研究，2016，38(4)：1－5.

Zhang Bo, Zhai Chagyuan, Li Hanzhe, et al. Development status analysis of precision pesticide application techniques and equipments[J]. Journal of Agricultural Mechanization Research, 2016, 38(4): 1－5. (in Chinese with English abstract)

[2] 邱白晶，閆潤，馬靖，等. 變量噴霧技術(shù)研究進(jìn)展分析[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2015，46(3)：59－72.

Qiu Baijing, Yan Run, Ma Jing, et al. Research progress analysis of variable rate sprayer technology[J]. Transactions of the Chinese Society for Agricultural Machinery, 2015, 46(3): 59－72. (in Chinese with English abstract)

[3] 傅澤田，祁力鈞，王俊紅. 精準(zhǔn)施藥技術(shù)研究進(jìn)展與對策[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2007，38(1)：189－192.

Fu Zetian, Qi Lijun, Wang Junhong. Developmental tendency and strategies of precision pesticide application techniques[J]. Transactions of the Chinese Society for Agricultural Machinery, 2007, 38(1): 189－192. (in Chinese with English abstract)

[4] 李瀚哲，翟長遠(yuǎn)，張波，等. 果園噴霧靶標(biāo)探測技術(shù)現(xiàn)狀分析[J]. 農(nóng)機(jī)化研究，2016,38(2)：1－5.

Li Hanzhe, Zhai Chagyuan, Zhang Bo, et al. Status analysis of orchard spray target detection technology[J]. Journal of Agricultural Mechanization Research, 2016, 38(2): 1－5. (in Chinese with English abstract)

[5] Slaughter D C, Giles D K, Tauzer C. Precision offset spray system for roadway shoulder weed control[J]. Journal of Transportation Engineering, 1999, 125(4): 364－371.

[6] 翟長遠(yuǎn)，趙春江，王秀，等. 幼樹靶標(biāo)探測器設(shè)計(jì)與試驗(yàn)[J].農(nóng)業(yè)工程學(xué)報(bào)，2012，28(2)：18－22.

Zhai Changyuan, Zhao Chunjiang, Wang Xiu, et al. Design and experiment of young tree target detector[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(2): 18－22. (in Chinese with English abstract)

[7] Solanelles F, Escolà A, Planas S, et al. An electronic control system for pesticide application proportional to the canopy width of tree crops[J]. Bio systems Engineering, 2006, 95(4): 473－481.

[8] 祁力鈞，梁霞，冀榮華，等. 基于超聲波傳感技術(shù)的溫室草莓冠層三維重構(gòu)與測量[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2013，44(9)：193－197.

Qi Lijun, Liang Xia, Ji Ronghua, et al. 3-D reconstruction and measurement of greenhouse strawberry canopy based on ultrasonic sensors[J]. Transactions of the Chinese Society for Agricultural Machinery, 2013, 44(9): 193－197. (in Chinese with English abstract)

[9] 王萬章，洪添勝，陸永超，等. 基于超聲波傳感器和DGPS的果樹冠徑檢測[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2006，22(8)：158－161.

Wang Wanzhang, Hong Tiansheng, Lu Yongchao, et al. Performance of tree canopy diameter measurement based on ultrasonic sensor and DGPS[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2006, 22(8): 158－161. (in Chinese with English abstract)

[10] Jeon H Y, Zhu H, Derksen R, et al. Evaluation of ultrasonic sensor for variable-rate spray applications[J]. Computers and Electronics in Agriculture, 2011, 75: 213－221.

[11] 俞龍，黃健，趙祚喜，等. 丘陵山地果樹冠層體積激光測量方法與試驗(yàn)[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2013，44(8)：224－228.

Yu Long, Huang Jian, Zhao Zuoxi, et al. Laser measurement and experiment of hilly fruit tree canopy volume[J]. Transactions of the Chinese Society for Agricultural Machinery, 2013, 44(8): 224－228. (in Chinese with English abstract)

[12] Llorens J, Gil E, Llop J, et al. Ultrasonic and LIDAR sensors for electronic canopy characterization in vineyards: Advances to improve pesticide application methods[J]. Sensors, 2011, 11: 2177－2194.

[13] Palleja T, Tresanchez M, Teixido M, et al. Sensitivity of tree volume measurement to trajectory errors from a terrestrial LIDAR scanner[J]. Agricultural and Forest Meteorology, 2010, 150: 1420－1427.

[14] Palacin J, Palleja T, Tresanchez M, et al. Real-time tree foliage estimation using a ground laser scanner[J]. IEEE Transactions on Instrumentation and Measurement, 2007, 56(4): 1377－1383.

[15] Chen Yu, Zhu Heping, Ozkan H E. Development of a variable-rate sprayer with laser scanning sensor to synchronize spray outputs to tree structures[J]. Transactions of the American Society of Agricultural and Biological Engineers, 2012, 55(3): 773－781.

[16] Liu Hui, Zhu Heping. Evaluation of a laser scanning sensor in detection of complex-shaped targets for variable-rate sprayer development[J]. Transactions of the ASABE, 2016, 59(5): 1181－1192.

[17] 韋雪花，王永國，鄭君，等. 基于三維激光掃描點(diǎn)云的樹冠體積計(jì)算方法[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2013，44(7)：235－240.

Wei Xuehua, Wang Yongguo, Zheng Jun, et al. Tree crown volume calculation based on 3-D laser scanning point clouds data[J]. Transactions of the Chinese Society for Agricultural Machinery, 2013, 44(7): 235－240. (in Chinese with English abstract)

[18] 樊仲謀，馮仲科，鄭君，等. 基于立方體格網(wǎng)法的樹冠體積計(jì)算與預(yù)估模型建立[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2015，46(3)：320－327.

Fan Zhongmou, Feng Zhongke, Zheng Jun, et al. An establishment of tree crown volume calculation and prediction model using cubic lattice method[J]. Transactions of the Chinese Society for Agricultural Machinery, 2015, 46(3): 320－327. (in Chinese with English abstract)

[19] Zaman Q U, Schumann A W, Hostler H K. Quantifying sources of error in ultrasonic measurements of citrus orchards[J]. Transaction of the ASAE, 2007, 23(4): 449－453.

[20] 俞龍，洪添勝，趙祚喜，等. 基于超聲波的果樹冠層三維重構(gòu)與體積測量[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2010，26(11)：204－208.

Yu Long, Hong Tiansheng, Zhao Zuoxi, et al. 3D-reconstruction and volume measurement of fruit tree canopy based on ultrasonic sensors[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2010, 26(11): 204－208. (In Chinese with English abstract)

[21] 王建軍，徐立軍，李小路，等. 姿態(tài)角擾動對機(jī)載激光雷達(dá)點(diǎn)云數(shù)據(jù)的影響[J]. 儀器儀表學(xué)報(bào)，2011，32(8)：1810－1817.

Wang Jianjun, Xu Lijun, Li Xiaolu, et al. Impact of attitude deviations on laser point cloud of airborne LiDAR[J]. Chinese Journal of Scientific Instrument, 2011, 32(8): 1810－1817. (in Chinese with English abstract)

[22] 劉慧，李寧，沈躍，等. 模擬復(fù)雜地形的噴霧靶標(biāo)激光檢測與三維重構(gòu)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2016，32(18)：84－91.

Liu Hui, Li Ning, Shen Yue, et al. Spray target laser scanning detection and three-dimensional reconstruction under simulated complex terrain[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(18): 84－91. (in Chinese with English abstract)

[23] 王晨輝，吳悅，楊凱. 基于STM32的多通道數(shù)據(jù)采集系統(tǒng)設(shè)計(jì)[J]. 電子技術(shù)應(yīng)用，2016，42(1)：51－53，57.

Wang Chenhui, Wu Yue, Yang Kai. Design of multi-channel data acquisition system based on STM32[J]. Application of Electronic Technique, 2016, 42(1): 51－53, 57. (in Chinese with English abstract)

[24] 李哲，田建艷，鄭晟，等．基于MPU6050和HMC5883L的豬的姿態(tài)檢測[J]. 江蘇農(nóng)業(yè)科學(xué)，2016，44(2)：434－437.

[25] 杜海龍，張榮輝，劉平，等. 捷聯(lián)慣導(dǎo)系統(tǒng)解算模塊的實(shí)現(xiàn)[J]. 光學(xué)精密工程，2008，16(10)：1956－1962.

Du Hailong, Zhang Ronghui, Liu Ping, et al. Realization of attitude algorithm module in strap down inertial guidance system[J]. Optics and Precision Engineering, 2008, 16(10): 1956－1962. (in Chinese with English abstract)

[26] 胡寧博，李劍，趙櫸云. 基于HMC5883的電子羅盤設(shè)計(jì)[J].傳感器世界，2011，17(6)：35－38.

[27] 范寒柏，陳邵權(quán)，王濤，等. 電子羅盤傾角補(bǔ)償和干擾補(bǔ)償?shù)睦碚摲治黾霸囼?yàn)驗(yàn)證[J]. 傳感技術(shù)學(xué)報(bào)，2012，25(9)：1280－1283.Fan Hanbai, Chen Shaoquan, Wang Tao, et al. Theoretical analysis and experimental verification of the electronic compass tilt compensation and disturbance compensation[J]. Chinese Journal of Sensors and Actuators, 2012, 25(9): 1280－1283. (in Chinese with English abstract)

[28] 曾文鋒，李樹山，王江安. 基于仿射變換模型的圖像配準(zhǔn)中的平移、旋轉(zhuǎn)和縮放[J]. 紅外與激光工程，2001，30(1)：17－20.

Zeng Wenfeng, Li Shushan, Wang Jiang’an. Translation, rotation and scaling changes in image registration based affine transformation model[J]. Infrared and Laser Engineering, 2001, 30(1): 17－20. (in Chinese with English abstract)

[29] 劉沛，陳軍. 基于激光掃描的果樹樹形重構(gòu)系統(tǒng)研究[J].農(nóng)機(jī)化研究，2011，33(5)：199－202.

Liu Pei, Chen Jun. Fruit tree-based reconstruction of laser scanning system[J]. Journal of Agricultural Mechanization Research, 2011, 33(5): 199－202. (in Chinese with English abstract)

[30] 沈躍，夏偉，劉慧，等. 激光傳感器在噴霧靶標(biāo)檢測中的研究應(yīng)用[J]. 農(nóng)業(yè)現(xiàn)代化研究，2017，38(2)：335－342.

Shen Yue, Xia Wei, Liu Hui, et al. Application of laser scanning sensor for spray targets detection[J]. Research of Agricultural Modernization, 2017, 38(2): 335－342. (in Chinese with English abstract)

Spray target detection based on laser scanning sensor and real-time correction of IMU attitude angle

Liu Hui, Li Ning, Shen Yue, Xu Hui
(School of Electrical and Information Engineering, Jiangsu University, Zhenjiang 212013, China)

Precise target characteristics detection could provide important parameters for smart variable-rate sprayers. In order to diminish the influence of complex terrain conditions, 3 kinds of dynamic attitude angle deviation correction methods were proposed to mitigate the errors of Lidar-based spray target detection caused by roll angle, pitch angle and yaw angle respectively. An experimental vehicle integrated with a laser scanning sensor detection unit and an inertial measurement unit (IMU) was used to detect spray targets under complex road conditions. The laser sensor detection unit was capable of detecting spray targets with the laser scanner. The inertial measurement unit was able to detect the real-time attitude angle deviations of the vehicle. The dynamic roll correction adopted real-time measured roll angles to correct detection targets and 3-D (three-dimensional) reconstruction images using re-matching trigonometric function and laser scanning polar coordinate value. For the dynamic pitch correction, re-combination of laser scanning target frames and detection points under the guidance of pitch angle values averaged segmentally was used to diminish dynamic pitch angle deviations. The coefficient value of laser scanning depth data combined with yaw angle average values was applied for the dynamic yaw correction. According to the measured vehicle dynamic attitude angle deviations, these 3 kinds of dynamic attitude angle deviation correction methods were put forward to obtain accurate characteristics of the targets and 3-D reconstruction images. The verification experiments for the proposed correction methods to overcome complex field road conditions were divided into 3 test steps. Firstly, an artificial tree and a cuboid chosen as targets were detected with specified detection distances and laser travel speeds to verify pitch correction algorithm when single dynamic pitch angle changed under downhill or uphill terrain. Secondly, the artificial tree was selected as the laser scanning target to test the correction algorithms when dynamic pitch angles combined with roll angles existed under long wooden unilateral bridge terrain. Finally, the artificial tree and the cuboid cabinet were selected as the laser scanning target to verify the correction methods under uneven complex terrain. The data correction process and 3-D image reconstruction were conducted using MATLAB software. The experiment results of 3 steps showed that the maximum relative errors of the height and width of cuboid cabinet were 8.89% and 8.00% respectively after the correction. The relative errors of the height, width and canopy height of the artificial tree were 5.63%, 10.00% and 5.00%, respectively. The 3-D reconstruction images also had significant improvements after the correction. The test results verify the effectiveness of the proposed data correction methods for laser attitude angle deviations correction under complex road conditions.

agricultural machinery; spraying; sensors; inertial measurement unit; attitude angle correction; 3-D reconstruction

10.11975/j.issn.1002-6819.2017.15.011

S491

A

1002-6819(2017)-15-0088-10

2017-02-27

2017-06-11

國家自然科學(xué)基金項(xiàng)目（51505195）；江蘇高校優(yōu)勢學(xué)科（PAPD）

劉 慧，女，江蘇南京人，副教授，博士生導(dǎo)師，主要從事農(nóng)業(yè)電氣化與自動化、智能控制與信號處理等研究。鎮(zhèn)江 江蘇大學(xué)電氣信息工程學(xué)院，212013。Email：amity@ujs.edu.cn