亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        農(nóng)業(yè)機(jī)械導(dǎo)航技術(shù)研究進(jìn)展

        2020-04-27 09:36:08季宇寒李世超曹如月徐弘禎張振乾
        關(guān)鍵詞:障礙物農(nóng)機(jī)協(xié)同

        張 漫 季宇寒 李世超 曹如月 徐弘禎 張振乾

        (中國農(nóng)業(yè)大學(xué)現(xiàn)代精細(xì)農(nóng)業(yè)系統(tǒng)集成研究教育部重點(diǎn)實(shí)驗(yàn)室, 北京 100083)

        0 引言

        農(nóng)業(yè)機(jī)械自動導(dǎo)航技術(shù)是實(shí)施精細(xì)農(nóng)業(yè)的基礎(chǔ),可以有效減輕農(nóng)機(jī)操作人員的勞動強(qiáng)度,提高作業(yè)精度與作業(yè)效率[1-2]。目前,農(nóng)機(jī)自動導(dǎo)航已廣泛應(yīng)用于耕作、播種、施肥、噴藥、收獲等農(nóng)業(yè)生產(chǎn)過程[3]。

        經(jīng)典的農(nóng)機(jī)自動導(dǎo)航關(guān)鍵技術(shù)包括導(dǎo)航位姿信息獲取、導(dǎo)航路徑規(guī)劃和導(dǎo)航控制等。導(dǎo)航位姿信息的準(zhǔn)確、可靠獲取是路徑規(guī)劃與車體控制的前提條件[4-5];優(yōu)化的導(dǎo)航路徑可有效減少資源浪費(fèi),如減少重復(fù)、遺漏作業(yè),減少地頭轉(zhuǎn)彎路徑等,提高作業(yè)效率[6-7];快速、穩(wěn)定的導(dǎo)航控制能夠應(yīng)對農(nóng)田的復(fù)雜路面環(huán)境,實(shí)現(xiàn)對導(dǎo)航路徑的準(zhǔn)確跟蹤[8-9]。國內(nèi)外學(xué)者針對以上技術(shù)進(jìn)行了廣泛而深入的研究,取得了豐碩的成果。

        隨著農(nóng)機(jī)作業(yè)速度的不斷提高、作業(yè)任務(wù)的逐漸復(fù)雜,經(jīng)典的農(nóng)機(jī)自動導(dǎo)航技術(shù)已難以應(yīng)對新形勢下的安全性挑戰(zhàn)和突破效率瓶頸。因此,智能農(nóng)機(jī)導(dǎo)航技術(shù)逐漸成為研究熱點(diǎn)。智能農(nóng)機(jī)導(dǎo)航在經(jīng)典農(nóng)機(jī)自動導(dǎo)航框架的基礎(chǔ)上,結(jié)合傳感器、物聯(lián)網(wǎng)、云計算、深度學(xué)習(xí)等技術(shù),旨在提高農(nóng)機(jī)在自動導(dǎo)航作業(yè)過程中的安全性與協(xié)同性,其核心技術(shù)包括自主避障與多機(jī)協(xié)同等。自主避障可實(shí)現(xiàn)對復(fù)雜農(nóng)田環(huán)境中的機(jī)器、行人等障礙物的識別與避讓,保證人機(jī)安全作業(yè);多機(jī)協(xié)同可在復(fù)雜作業(yè)需求下,通過對農(nóng)機(jī)狀態(tài)信息監(jiān)測,進(jìn)行任務(wù)調(diào)配、多機(jī)路徑規(guī)劃,提高農(nóng)機(jī)機(jī)群整體作業(yè)效率。

        本文分析國內(nèi)外農(nóng)機(jī)自動導(dǎo)航技術(shù)研究進(jìn)展,在對農(nóng)機(jī)定位測姿、路徑規(guī)劃、運(yùn)動控制等經(jīng)典導(dǎo)航關(guān)鍵技術(shù)進(jìn)行總結(jié)分析的基礎(chǔ)上,闡述自主避障和多機(jī)協(xié)同等智能導(dǎo)航關(guān)鍵技術(shù)的發(fā)展趨勢,并結(jié)合無人農(nóng)場與智慧農(nóng)業(yè),對農(nóng)機(jī)智能導(dǎo)航技術(shù)未來應(yīng)用場景進(jìn)行展望。

        1 自動導(dǎo)航關(guān)鍵技術(shù)

        1.1 定位測姿

        國內(nèi)外學(xué)者針對全球?qū)Ш叫l(wèi)星系統(tǒng)(Global navigation satellite system, GNSS)、慣性導(dǎo)航系統(tǒng)(Inertial navigation system, INS)和機(jī)器視覺(Machine vision, MV)導(dǎo)航系統(tǒng)進(jìn)行了深入的研究,主要進(jìn)展如下。

        1.1.1全球?qū)Ш叫l(wèi)星系統(tǒng)

        目前,全球?qū)Ш叫l(wèi)星系統(tǒng)主要包括美國的GPS系統(tǒng)(Global positioning system)、俄羅斯的GLONASS系統(tǒng)(Global navigation satellite system)、歐盟的Galileo系統(tǒng)和中國的北斗導(dǎo)航衛(wèi)星系統(tǒng)(BeiDou navigation satellite system, BDS)。其中,北斗導(dǎo)航系統(tǒng)自2012年正式向亞太大部分地區(qū)提供區(qū)域服務(wù),2019年北斗導(dǎo)航系統(tǒng)全球組網(wǎng)進(jìn)入沖刺期,2020年可按計劃提供全球范圍的定位、導(dǎo)航、授時等服務(wù)。閆飛等[10]采用多頻三星接收機(jī)和多星座接收模塊,通過BDS和GPS數(shù)據(jù),得到更多的衛(wèi)星可見數(shù)和更穩(wěn)定的信噪比。

        為實(shí)現(xiàn)農(nóng)機(jī)自動駕駛過程中的精細(xì)作業(yè),需要獲取分米級甚至厘米級的定位數(shù)據(jù),常采用差分GNSS技術(shù),即通過將位置已知基準(zhǔn)站測量的偽距修正值或相位信息發(fā)送到移動站來提高精度。OKSANEN等[11]設(shè)計了一臺采用GNSS信號為引導(dǎo)的四輪驅(qū)動農(nóng)業(yè)拖拉機(jī),考慮了當(dāng)前位置、速度、航向和調(diào)控角度對導(dǎo)航的影響。羅錫文等[12]基于東方紅拖拉機(jī),采用自主差分方式,開發(fā)了基于RTK-DGPS的自動導(dǎo)航控制系統(tǒng),設(shè)計了導(dǎo)航控制器、轉(zhuǎn)向控制器和轉(zhuǎn)向裝置等。

        通過GNSS接收機(jī)還可得到農(nóng)機(jī)的航向信息,根據(jù)測量原理,分為雙天線測向法和單天線測向法,表1對兩種GNSS測向方法進(jìn)行了對比。

        表1 GNSS測向方法Tab.1 Heading measurement methods based on GNSS

        O’CONNOR等[13]將RTK-GPS應(yīng)用于農(nóng)機(jī)導(dǎo)航中,并使用了四天線GPS系統(tǒng)為拖拉機(jī)提供位姿信息。劉兆朋等[14]在高地隙噴霧機(jī)頂端橫向安裝GNSS雙天線,可同時實(shí)現(xiàn)對位置信息、航向信息的直接測量。

        GNSS可提供全天時、全天候的絕對位置與航向信息,但極端天氣或遮擋造成的GNSS信號丟失,限制了其在復(fù)雜農(nóng)田環(huán)境中的應(yīng)用。

        1.1.2慣性導(dǎo)航系統(tǒng)

        慣性導(dǎo)航系統(tǒng)是以陀螺儀和加速度計為敏感元件的相對參數(shù)解算系統(tǒng),不依賴于外部信息、也不向外部輻射能量,通過航跡推測獲取位置與姿態(tài)。

        (1)陀螺儀

        陀螺儀基于慣性原理,輸出參考軸向的角速度,通過積分計算出角度。目前,陀螺儀主要包括機(jī)械陀螺儀、光纖陀螺儀和微機(jī)電陀螺儀。表2對比了3種陀螺儀的特性。

        表2 3種陀螺儀特性對比Tab.2 Comparison of characteristics of three kinds of gyroscopes

        由于陀螺儀測量角度的本質(zhì)在于對角速度積分,故具有漂移誤差,且陀螺儀受溫度影響較大,所以需要對溫度變化進(jìn)行補(bǔ)償。

        (2)加速度計

        加速度計基于慣性原理,可輸出參考軸向的加速度,通過積分計算出速度,通過二次積分計算出位移。加速度計具有較好的偏差穩(wěn)定性,以及對沖擊、振動和溫度適應(yīng)性,且成本較低,因而廣泛應(yīng)用于慣性測量系統(tǒng)。

        (3)磁偏計

        磁偏計通過檢測地球磁場,輸出行進(jìn)方向與磁北的偏角,是航姿參考系統(tǒng)(Attitude and heading reference system, AHRS)等設(shè)備的重要航向參考。磁偏計的主要誤差包括:自身誤差、地磁場變化、周圍環(huán)境磁效應(yīng)等,需要進(jìn)行磁場映射校準(zhǔn),以降低環(huán)境干擾。

        (4)捷聯(lián)慣導(dǎo)

        捷聯(lián)慣導(dǎo)(Strapdown inertial navigation system, SINS)是典型的INS設(shè)備,其將陀螺儀、加速度計、磁偏計按笛卡爾空間直角坐標(biāo)系三軸方向組合,構(gòu)成復(fù)合式傳感器。表3為3種捷聯(lián)慣導(dǎo)的特性對比。

        表3 3種捷聯(lián)慣導(dǎo)特性對比Tab.3 Comparison of characteristics of three kinds of SINS

        NOGUCHI等[15]提出了一種由RTK-GPS、光纖陀螺儀和慣性測量裝置組成的導(dǎo)航傳感器,同時獲取農(nóng)機(jī)的位置、航向、姿態(tài)信息,并校正偏差。朱忠祥等[16]設(shè)計了基于加速度計、陀螺儀、電子羅盤的航跡推算系統(tǒng),并結(jié)合GPS定位,通過卡爾曼濾波器估計位姿,獲得了厘米級定位精度。

        INS可提供高精度、高頻率姿態(tài)數(shù)據(jù),通過航跡推測獲得位置,但溫度與積分產(chǎn)生的漂移導(dǎo)致其長時間工作精度無法保證。

        1.1.3機(jī)器視覺導(dǎo)航系統(tǒng)

        機(jī)器視覺具有成本低、信息豐富等特點(diǎn),適用于不規(guī)則地塊或信號遮擋環(huán)境。采用視覺導(dǎo)航時,通常將視覺傳感器安裝在農(nóng)機(jī)駕駛室上方,采集農(nóng)機(jī)前方圖像信息,通過預(yù)處理、作物行檢測,最終提取導(dǎo)航基準(zhǔn)線。

        (1)圖像預(yù)處理

        農(nóng)田環(huán)境下天氣、雜草、陰影、非目標(biāo)區(qū)域等因素會對作物行檢測產(chǎn)生干擾,直接檢測較難獲得理想效果。通過特殊波段視覺傳感器[17-18]或灰度化特征因子[19-20]可增大目標(biāo)區(qū)域和非目標(biāo)區(qū)域的顏色區(qū)分;通過將RGB色彩模型轉(zhuǎn)換為HSV、HSI、YCbCr等色彩模型[21-22]可消除部分陰影干擾;通過合理設(shè)置圖像中待處理的感興趣區(qū)域(Region of interest,ROI)可減少非目標(biāo)作物行的干擾,同時降低計算量[23]。

        (2)作物行檢測

        目前國內(nèi)外對于作物行提取方法已展開了大量研究,主要包括垂直投影[24]、Hough變換[25]、線性回歸[26]、立體視覺[27]等,特點(diǎn)如表4所示。

        目前,視覺導(dǎo)航技術(shù)已經(jīng)應(yīng)用到自動施藥[28]、自動除草[29]、自動收割[30]等方面,但由于農(nóng)田環(huán)境對圖像采集穩(wěn)定性的影響,仍存在圖像模糊、信息缺失等問題,視覺導(dǎo)航技術(shù)魯棒性需要進(jìn)一步提高。

        1.1.4多傳感器信息融合

        單一傳感器都有一定的局限性,為提高導(dǎo)航定位精度和可靠性,常采用多傳感器融合。多傳感器信息融合,指利用各傳感器的優(yōu)勢特征,構(gòu)成數(shù)據(jù)冗余或數(shù)據(jù)互補(bǔ)特性,提高測量結(jié)果的魯棒性和準(zhǔn)確性。

        多傳感器信息融合是一個多層次、多級別的處理過程。根據(jù)數(shù)據(jù)和處理的復(fù)雜程度來對融合級別分類,可分為數(shù)據(jù)級融合、特征級融合和決策級融合,性能分析如表5所示。3個融合級別各有利弊,需要根據(jù)系統(tǒng)所需的融合精度與實(shí)時性需求合理選擇融合級別。

        表5 多傳感器融合級別Tab.5 Multi-sensor fusion level

        在農(nóng)田復(fù)雜的非結(jié)構(gòu)化環(huán)境中,地形、光照、氣候條件多變,使用GNSS、INS、MV單獨(dú)提供的農(nóng)機(jī)位姿信息均有一定局限性,如:GNSS受遮擋產(chǎn)生信號丟失、INS隨時間不可避免的漂移、MV受外界光照和陰影的影響等。因此,單傳感器難以應(yīng)對復(fù)雜的農(nóng)田環(huán)境,多傳感器間的數(shù)據(jù)融合是必要手段。表6對3種定位測向傳感器的特點(diǎn)進(jìn)行了分析比較。

        由表6可知,GNSS/INS具有良好的數(shù)據(jù)互補(bǔ)特性,適用于農(nóng)機(jī)在農(nóng)田環(huán)境中的定位測姿。劉進(jìn)一等[31]采用全球?qū)Ш叫l(wèi)星系統(tǒng)、微機(jī)械慣性測量單元及航位推算相融合的組合導(dǎo)航定位系統(tǒng),通過改進(jìn)的自適應(yīng)系統(tǒng)協(xié)方差矩陣的擴(kuò)展卡爾曼濾波算法融合導(dǎo)航。張京等[32]提出了一種以GNSS信號與航向角變化幅度信息為指導(dǎo)的INS與GNSS航向信息融合策略。

        表6 3種傳感器特點(diǎn)Tab.6 Characteristics of three kinds of sensors

        多傳感器信息融合的幾種主要方法如表7所示。

        表7 多傳感器信息融合算法及其特點(diǎn)Tab.7 Characteristics of multisensor fusion algorithm

        目前,在農(nóng)機(jī)導(dǎo)航系統(tǒng)中應(yīng)用的信息融合方法,應(yīng)用廣泛的是卡爾曼濾波與粒子濾波。

        表8歸納了卡爾曼濾波器及粒子濾波器的特性。

        表8 融合算法特性對比Tab.8 Comparison of fusion algorithms

        注:擴(kuò)展卡爾曼濾波時間成本取決于雅可比矩陣求解難易程度。

        1.2 路徑規(guī)劃

        對于復(fù)雜農(nóng)田作業(yè)環(huán)境下的農(nóng)業(yè)機(jī)械,路徑規(guī)劃是農(nóng)機(jī)根據(jù)已知作業(yè)信息和環(huán)境信息,并結(jié)合自身傳感器對動態(tài)環(huán)境信息的感知,按照某一性能指標(biāo)(如距離、時間等),自行規(guī)劃出一條安全無碰撞的運(yùn)動路線,同時高效地完成作業(yè)任務(wù)。根據(jù)環(huán)境信息的掌握情況,路徑規(guī)劃可分為全局路徑規(guī)劃和局部路徑規(guī)劃[33]。

        1.2.1全局路徑規(guī)劃

        全局路徑規(guī)劃是在環(huán)境信息已知的情況下,基于先驗(yàn)完全信息的路徑規(guī)劃方法。全局路徑規(guī)劃算法注重尋求最優(yōu)解,設(shè)計目標(biāo)是使規(guī)劃路徑盡可能達(dá)到最優(yōu),主要包括可視圖法[34-35]、切線圖法[36]、Voronoi圖法[37]、自由空間法[38]、柵格法[39]等,幾種算法的特點(diǎn)如表9所示。

        1.2.2局部路徑規(guī)劃

        局部路徑規(guī)劃是在環(huán)境信息完全或部分未知的情況下,根據(jù)傳感器信息獲取農(nóng)機(jī)自身與環(huán)境障礙物信息進(jìn)行的實(shí)時路徑規(guī)劃。局部路徑規(guī)劃算法注重路徑安全性與實(shí)時性,以提高農(nóng)機(jī)避障能力。目前已有方法主要包括動態(tài)窗口法[40]、人工勢場法[41-42]、模糊控制算法[43-44]、人工神經(jīng)網(wǎng)絡(luò)[45-46]、A*算法[47-48]、遺傳算法[49]、模擬退火算法[50]、蟻群優(yōu)化算法[51-52]和粒子群算法[53]等,幾種算法的特點(diǎn)如表10所示。

        表9 全局路徑規(guī)劃算法對比Tab.9 Comparison of global path planning algorithms

        表10 局部路徑規(guī)劃算法對比Tab.10 Comparison of local path planning algorithms

        通過對比分析可知,全局路徑規(guī)劃算法和局部路徑規(guī)劃算法在實(shí)時性、魯棒性和安全性等方面各有特點(diǎn),實(shí)際使用時,要根據(jù)具體的作業(yè)環(huán)境和作業(yè)要求采用不同的路徑規(guī)劃方法,從而規(guī)劃出一條安全高效、全局近似最優(yōu)的作業(yè)路徑。

        1.3 運(yùn)動控制

        經(jīng)過規(guī)劃的導(dǎo)航路徑是農(nóng)機(jī)作業(yè)的期望軌跡,為實(shí)現(xiàn)導(dǎo)航路徑的跟蹤控制,需要在農(nóng)機(jī)運(yùn)動模型、導(dǎo)航?jīng)Q策控制以及轉(zhuǎn)向與制動控制等方面開展研究。

        1.3.1運(yùn)動模型

        在復(fù)雜農(nóng)田環(huán)境下,運(yùn)動模型的準(zhǔn)確性將直接影響農(nóng)機(jī)導(dǎo)航作業(yè)的精度。農(nóng)機(jī)導(dǎo)航廣泛應(yīng)用的運(yùn)動學(xué)模型有阿克曼四輪車模型和簡化二輪車模型,其特征如表11所示。

        由表11可知,阿克曼四輪車模型適用于更復(fù)雜的水田作業(yè)場景,在旱地作業(yè)中,簡化二輪車模型具有簡單實(shí)用的優(yōu)勢。陳哲明等[54]針對傳統(tǒng)四輪轉(zhuǎn)向系統(tǒng),根據(jù)阿克曼轉(zhuǎn)向定理,設(shè)計了能夠改善轉(zhuǎn)向運(yùn)動協(xié)調(diào)性和操縱穩(wěn)定性的控制策略。白曉平等[55]提出了一種農(nóng)機(jī)導(dǎo)航自校正模型控制方法,采用簡化二輪車模型設(shè)計了控制律,提高了穩(wěn)定性和快速響應(yīng)性。

        表11 農(nóng)機(jī)運(yùn)動學(xué)模型特征對比Tab.11 Comparison of kinematic model of agricultural machinery

        1.3.2導(dǎo)航?jīng)Q策控制

        導(dǎo)航?jīng)Q策控制是導(dǎo)航系統(tǒng)的核心,期望轉(zhuǎn)向角的決策是否合理,直接影響后續(xù)的轉(zhuǎn)向執(zhí)行動作,進(jìn)而影響整個導(dǎo)航系統(tǒng)的性能,其基本原理如圖1所示。

        由于農(nóng)田作業(yè)環(huán)境復(fù)雜多變,農(nóng)機(jī)自身大延遲、大慣性和高度非線性的特征,使導(dǎo)航?jīng)Q策控制算法需具備一定的自適應(yīng)性和魯棒性。常用的農(nóng)機(jī)導(dǎo)航控制方法包括PID控制、模糊控制、純追蹤控制、滑模變結(jié)構(gòu)控制、最優(yōu)控制和模型預(yù)測等,對比分析如表12所示。丁幼春等[56]基于免疫PID方法設(shè)計了小型履帶式油菜播種機(jī)導(dǎo)航控制器,提升了響應(yīng)速度,并減小了跟隨偏差。張雁等[8]針對自主導(dǎo)航水稻直播機(jī),構(gòu)建了一種模糊自適應(yīng)控制方法,提高了導(dǎo)航精度和動態(tài)性能。王輝等[57]采用預(yù)瞄追蹤模型進(jìn)行農(nóng)機(jī)導(dǎo)航控制,提高了路面適應(yīng)性和上線動態(tài)性能。焦俊等[58]構(gòu)建了等效控制和切換控制組成的自適應(yīng)滑??刂?,提升了導(dǎo)航精度。李逃昌等[59]基于Frenet坐標(biāo)系構(gòu)建了運(yùn)動學(xué)模型,并根據(jù)反饋線性化和線性二次型調(diào)節(jié)器設(shè)計了最優(yōu)控制律。劉正鐸等[60]基于線性模型預(yù)測控制方法,將松弛因子引入目標(biāo)函數(shù),實(shí)現(xiàn)了偏差快速回調(diào)的優(yōu)化控制。

        圖1 導(dǎo)航?jīng)Q策控制原理圖Fig.1 Schematic of navigation decision control

        表12 控制方法特征比較Tab.12 Comparison of control method characteristics

        綜上,傳統(tǒng)的算法大多存在一些問題,如:PID控制由于其控制參數(shù)固定,當(dāng)遇到非線性、時變和結(jié)構(gòu)不確定系統(tǒng),控制效果并不理想;模糊控制規(guī)則需要根據(jù)專家經(jīng)驗(yàn)進(jìn)行判定;滑模變結(jié)構(gòu)控制方法需采用一定手段消弱抖振。針對這些問題,也有研究人員提供了新的思路,嘗試將不同的控制方法結(jié)合,優(yōu)勢互補(bǔ)以得到更好的控制效果。唐小濤等[61]采用模糊算法動態(tài)確定純追蹤模型的前視距離,實(shí)現(xiàn)了精準(zhǔn)平穩(wěn)的跟蹤效果。籍穎等[62]為了消弱滑模控制的顫抖現(xiàn)象,采用模糊控制方法改進(jìn)了滑模變結(jié)構(gòu)控制系統(tǒng),提高了系統(tǒng)控制準(zhǔn)確性和魯棒性。

        1.3.3轉(zhuǎn)向與制動控制

        (1)轉(zhuǎn)向控制

        轉(zhuǎn)向控制系統(tǒng)是導(dǎo)航系統(tǒng)的執(zhí)行部分,其原理如圖1中虛線框所示。目前廣泛應(yīng)用的轉(zhuǎn)向方式包括電動方向盤轉(zhuǎn)向和電控液壓閥轉(zhuǎn)向,性能對比如表13所示。

        表13 轉(zhuǎn)向控制系統(tǒng)性能對比Tab.13 Comparison of steering control system

        在農(nóng)機(jī)平臺,電動方向盤相對電控液壓轉(zhuǎn)向,容易改裝且便于移植,而電控液壓轉(zhuǎn)向的控制精度較高。張漫等[63]通過PLC和步進(jìn)電機(jī)控制方向盤轉(zhuǎn)動,進(jìn)而實(shí)現(xiàn)農(nóng)機(jī)自動導(dǎo)航。李偉等[64]為提高噴霧劑的機(jī)動性能和作業(yè)效率,設(shè)計了全液壓多輪轉(zhuǎn)向系統(tǒng),并提出了基于PID控制方法的四輪轉(zhuǎn)向系統(tǒng)控制方法。

        (2)制動控制

        在導(dǎo)航過程中,制動控制模塊一方面用于緊急情況下的及時停車,另一方面用于農(nóng)機(jī)作業(yè)行駛速度的協(xié)助控制。王致情[65]使用數(shù)字信號處理器的I/O端口輸出高低電平,并配合繼電器電路控制電動推桿的正反轉(zhuǎn),實(shí)現(xiàn)了推桿對制動踏板的往返控制。

        2 智能導(dǎo)航技術(shù)

        近年來,隨著傳感器技術(shù)、深度學(xué)習(xí)算法、物聯(lián)網(wǎng)和云計算等的突破性進(jìn)展,智能農(nóng)機(jī)導(dǎo)航及其相關(guān)技術(shù)成為新的研究熱點(diǎn)。

        自主避障與多機(jī)協(xié)同技術(shù)是智能導(dǎo)航技術(shù)重要的研究方向[66]。前者保證了智能農(nóng)機(jī)在復(fù)雜農(nóng)田環(huán)境中的作業(yè)安全,后者提高了智能導(dǎo)航農(nóng)機(jī)的作業(yè)效率。本文主要分析自主避障與多機(jī)協(xié)同兩項(xiàng)技術(shù)的研究現(xiàn)狀與發(fā)展趨勢。

        2.1 自主避障

        自主避障技術(shù)可使農(nóng)機(jī)在復(fù)雜農(nóng)田環(huán)境中,僅通過自身車載傳感器感知、檢測、識別障礙物,為局部避障路徑的合理規(guī)劃提供可靠依據(jù)。

        農(nóng)田是典型的非結(jié)構(gòu)化環(huán)境,具有地面不平整、障礙物種類多等特點(diǎn),增加了傳感器環(huán)境感知、障礙物檢測與識別、避障行為決策等環(huán)節(jié)的難度。農(nóng)田環(huán)境感知傳感器及性能分析如表14所示。

        表14 農(nóng)田環(huán)境感知傳感器及性能分析Tab.14 Performance analysis of farmland environmental sensors

        通過對比上述傳感器的性能、成本和適用情景等,歸納激光雷達(dá)與RGB相機(jī)在農(nóng)田數(shù)據(jù)采集,以及障礙物檢測、識別、跟蹤的相關(guān)研究成果與發(fā)展趨勢。

        2.1.1激光雷達(dá)

        激光雷達(dá)(Light detection and ranging,LiDAR)探測周圍環(huán)境中目標(biāo)點(diǎn)與自身的距離,結(jié)合測量角度,獲得目標(biāo)點(diǎn)的極坐標(biāo)位置。表15為激光雷達(dá)分類對比。

        表15 激光雷達(dá)分類及對比Tab.15 Classification and comparison of LiDAR

        由表15可知,基于飛行時間原理的三維機(jī)械式激光雷達(dá),能夠適應(yīng)農(nóng)田復(fù)雜多變的光照情況,并提供高精度、高速率、廣視角的三維點(diǎn)云。但其成本較高,國內(nèi)外的智能農(nóng)機(jī)平臺多采用二維激光雷達(dá)[67-68]。目前,研發(fā)高線數(shù)、低成本的固態(tài)三維激光雷達(dá)已成為行業(yè)發(fā)展趨勢。

        激光雷達(dá)采集的點(diǎn)云,需先進(jìn)行點(diǎn)云配準(zhǔn)、點(diǎn)云去噪等預(yù)處理,再通過分割、聚類等算法檢測障礙物,最終應(yīng)用分類、跟蹤算法實(shí)現(xiàn)障礙物識別。

        (1)點(diǎn)云配準(zhǔn)

        激光雷達(dá)采集的原始點(diǎn)云數(shù)據(jù),是以視點(diǎn)為原點(diǎn)的極坐標(biāo)點(diǎn),需進(jìn)行時間配準(zhǔn)和空間配準(zhǔn),得到全局一致點(diǎn)云。時間配準(zhǔn)可保證激光雷達(dá)與GNSS/INS采集時間的同步性,空間配準(zhǔn)利用農(nóng)機(jī)的位姿信息對點(diǎn)云進(jìn)行坐標(biāo)變換,獲得全局一致的點(diǎn)云。點(diǎn)云配準(zhǔn)為農(nóng)田動靜態(tài)障礙物的識別及動態(tài)障礙物的跟蹤提供了可靠數(shù)據(jù)基礎(chǔ)。季宇寒等[69]搭建了基于三維激光雷達(dá)的農(nóng)田環(huán)境信息采集系統(tǒng),通過在農(nóng)機(jī)上安裝GNSS/AHRS獲取位姿信息,對GNSS定位和點(diǎn)云數(shù)據(jù)偏差進(jìn)行姿態(tài)補(bǔ)償。

        (2)點(diǎn)云去噪

        激光雷達(dá)受自身與外界因素的影響,點(diǎn)云存在噪聲,需進(jìn)行濾波去噪。點(diǎn)云噪聲主要表現(xiàn)為:漂移點(diǎn)、孤立點(diǎn)、冗余點(diǎn)、混雜點(diǎn)等。其中,前3種噪聲具有較明顯的密度或距離特征,比較容易去除?;祀s點(diǎn)與正確點(diǎn)云易混淆,通常采用平滑算法進(jìn)行修正。表16對點(diǎn)云平滑濾波算法進(jìn)行了總結(jié)。

        表16 點(diǎn)云平滑濾波算法Tab.16 Filtering algorithms for smoothing point cloud

        由表16可知,有序點(diǎn)云的點(diǎn)與點(diǎn)之間存在拓?fù)潢P(guān)系,濾波算法簡單高效,實(shí)時性好。無序點(diǎn)云的點(diǎn)分布散亂,濾波算法復(fù)雜,實(shí)時性差。智能農(nóng)機(jī)自主避障對實(shí)時性要求較高,有序點(diǎn)云濾波算法有更實(shí)際的研究與應(yīng)用價值。

        (3)點(diǎn)云分割

        經(jīng)過預(yù)處理的點(diǎn)云仍可能包含非障礙點(diǎn)云,如:超出距離范圍的點(diǎn)云、農(nóng)機(jī)自身的點(diǎn)云、地面點(diǎn)云等,需進(jìn)行分割篩除。表17歸納了非障礙點(diǎn)云分割篩除的算法。

        由表17可知,對前兩類非障礙點(diǎn)云,使用合理的經(jīng)驗(yàn)閾值分割即可獲得較好效果。地面點(diǎn)云與障礙物點(diǎn)云緊密連接,干擾后續(xù)點(diǎn)云聚類效果。國內(nèi)外學(xué)者針對不同的場景提出多種方法,如:斯坦福大學(xué)的stanley無人車,先通過投影法獲得前方道路點(diǎn)云高度柵格圖,后利用相鄰柵格的高度差和一階馬爾科夫模型實(shí)現(xiàn)地面點(diǎn)云的快速分割[70]。董敏等[71]提出了基于三維網(wǎng)格圖的點(diǎn)云分離方法,通過找到地面基準(zhǔn)點(diǎn)并將地面屬性蔓延至其他各點(diǎn),實(shí)現(xiàn)地面點(diǎn)的分離。

        表17 點(diǎn)云分割算法Tab.17 Segmentation algorithms for removing outlier of point cloud

        (4)點(diǎn)云聚類

        經(jīng)過地面點(diǎn)云分割的點(diǎn)云,按照特定的聚類規(guī)則分成相互獨(dú)立的簇,即完成農(nóng)田障礙物的檢測。聚類算法根據(jù)聚類規(guī)則的不同,分為基于劃分、層次、密度、模型等,表18總結(jié)了點(diǎn)云聚類算法及其特點(diǎn)。

        表18 點(diǎn)云聚類算法Tab.18 Clustering algorithms of point cloud

        國內(nèi)外學(xué)者主要采用基于劃分和基于密度的聚類方法,前者具有很高的時間空間效率,后者在參數(shù)合適的情況下,具有良好的密度適應(yīng)性并具有一定抗噪能力?;趯哟蔚木垲愔饕獞?yīng)用于離線系統(tǒng)下的點(diǎn)云聚類?;谀P偷狞c(diǎn)云聚類主要應(yīng)用于已知點(diǎn)云分布模型的前提下。BEHLEY等[72]針對三維點(diǎn)云數(shù)據(jù),提出了基于改進(jìn)的索引八叉樹的半徑鄰域檢索法,通過在聚類過程中對不相關(guān)子樹進(jìn)行剪枝,提高半徑鄰域檢索的速度。劉家銀等[73]針對非結(jié)構(gòu)化環(huán)境的負(fù)障礙物檢測問題,根據(jù)貝葉斯法則進(jìn)行多幀特征點(diǎn)對融合,采用DBSCAN對融合后點(diǎn)對進(jìn)行聚類和過濾。

        (5)障礙物分類

        通過聚類獲得障礙物團(tuán)簇,為進(jìn)一步確定障礙物的類別,需要對聚類團(tuán)簇進(jìn)行特征提取與分類。根據(jù)選取特征是否是人為定義,可將特征分為人工特征與學(xué)習(xí)特征。表19歸納了點(diǎn)云團(tuán)簇的人工特征及其特點(diǎn)。

        表19 點(diǎn)云團(tuán)簇的人工特征Tab.19 Artificial characteristics of point cloud clusters

        學(xué)習(xí)特征是通過有監(jiān)督的機(jī)器學(xué)習(xí)算法自動歸納的特征。目前,點(diǎn)云分類應(yīng)用的傳統(tǒng)機(jī)器學(xué)習(xí)分類器包括Adaboost[74]、SVM[75]等。隨著深度學(xué)習(xí)發(fā)展,直接使用三維點(diǎn)云數(shù)據(jù)進(jìn)行訓(xùn)練與驗(yàn)證的深度學(xué)習(xí)算法已成為新的發(fā)展趨勢[76]。

        (6)障礙物跟蹤

        通過對障礙物的形狀、位置、運(yùn)動等狀態(tài)進(jìn)行識別后,利用相同障礙物特征自相關(guān)度高于不同障礙物的特點(diǎn),對相鄰幀間的相同障礙物進(jìn)行關(guān)聯(lián),最終實(shí)現(xiàn)對運(yùn)動障礙物的跟蹤。

        障礙物跟蹤的關(guān)鍵算法為數(shù)據(jù)關(guān)聯(lián)與跟蹤算法。其中,經(jīng)典的數(shù)據(jù)關(guān)聯(lián)算法包括概率統(tǒng)計與確定性方法,根據(jù)障礙物屬性合理構(gòu)造特征向量十分關(guān)鍵。跟蹤算法最常見的依然是卡爾曼濾波[77]、粒子濾波等傳統(tǒng)狀態(tài)估計方法。通過對比多幀數(shù)據(jù)中障礙物的位置與速度變化,確定障礙物的靜動態(tài)屬性,進(jìn)而確定動態(tài)障礙物的航跡起點(diǎn)、運(yùn)動矢量、航跡終點(diǎn)等。

        2.1.2RGB相機(jī)

        以RGB相機(jī)為代表的機(jī)器視覺,以其設(shè)備價格低、便于安裝、數(shù)據(jù)信息量豐富、且處理算法較為成熟的特點(diǎn),在農(nóng)機(jī)自動導(dǎo)航避障方面有著廣泛的研究與應(yīng)用。首先,使用相機(jī)獲取彩色圖像,后對圖像進(jìn)行預(yù)處理、運(yùn)動目標(biāo)檢測、運(yùn)動目標(biāo)追蹤等步驟,最終從圖像中獲得障礙物信息。

        (1)圖像獲取

        在農(nóng)機(jī)自動導(dǎo)航避障方面,圖像的獲取常使用單目相機(jī)[78]、雙目相機(jī)[79]或全景相機(jī)[80-83],其獲取圖像的優(yōu)缺點(diǎn)如表20所示。

        表20 3種相機(jī)設(shè)備的優(yōu)缺點(diǎn)對比Tab.20 Advantages and disadvantages of three camera devices

        目前,在農(nóng)機(jī)自動導(dǎo)航避障方面,憑借價格低廉、測距較為準(zhǔn)確等優(yōu)點(diǎn),雙目相機(jī)得到了較多的應(yīng)用,技術(shù)較為成熟。而全景相機(jī)因其超廣角的視野范圍,有著良好的發(fā)展前景。

        (2)圖像預(yù)處理

        在實(shí)際農(nóng)田作業(yè)環(huán)境下,光照、灰塵、相機(jī)抖動等都對圖像有著較大的影響,進(jìn)而影響障礙物的檢測效果??梢酝ㄟ^使用特殊的顏色空間模型[84]、光線自適應(yīng)法[85]以及圖像復(fù)原[86]等進(jìn)行圖像預(yù)處理,提高成像質(zhì)量。

        (3)障礙目標(biāo)檢測

        農(nóng)機(jī)在農(nóng)田作業(yè)時,可能遇到多種障礙目標(biāo),如運(yùn)動的人、其他農(nóng)機(jī)等。目前,常用于圖像中障礙目標(biāo)檢測的方法有閾值分割法、背景差分法、幀差法、光流法以及機(jī)器學(xué)習(xí)等方法。上述方法在障礙物檢測方面的主要優(yōu)缺點(diǎn)如表21所示。

        閾值分割法:通過圖像中障礙目標(biāo)的顏色與背景圖像的差異,選定合適的閾值,分割出前景障礙目標(biāo)。該方法計算簡單,但對于紋理、顏色復(fù)雜的圖像則效果較差。侯之旭等[87]提出一種基于彩色圖像分割的障礙物檢測方法。

        表21 主要障礙物檢測方法的優(yōu)缺點(diǎn)對比Tab.21 Advantages and disadvantages of main obstacle detection methods

        背景差分法:通過建立背景模型,從圖像中將背景減去,提取出前景目標(biāo)。該方法計算簡單,但對背景建模的要求較高,且動態(tài)背景下難以檢測到運(yùn)動目標(biāo)。LIU等[88]提出一種基于背景差分,與Otsu、形態(tài)學(xué)運(yùn)算相結(jié)合的運(yùn)動目標(biāo)檢測算法。

        幀差法:通過連續(xù)兩幀圖像差分,從而獲得運(yùn)動的前景目標(biāo)。該方法操作簡單,但對于動態(tài)背景,難以檢測到運(yùn)動目標(biāo),需要通過多種補(bǔ)償才能取得較好的效果[89-90]。

        光流法:通過算法追蹤圖像中的像素點(diǎn)或檢測出的特征點(diǎn),實(shí)現(xiàn)運(yùn)動目標(biāo)的檢測[91]。該方法適用性廣、靈活,能夠檢測多種情況下的障礙物,但計算復(fù)雜度較高,且不能完整提取出障礙目標(biāo)。YANG等[92]使用Lucas-Kanade光流法在景深全景圖像中進(jìn)行行人檢測。

        機(jī)器學(xué)習(xí)[93-94]:通過機(jī)器學(xué)習(xí)的方法,對農(nóng)田中可能會出現(xiàn)的障礙物進(jìn)行檢測。機(jī)器學(xué)習(xí)方法具有無需考慮模型、識別分類準(zhǔn)確率高等優(yōu)點(diǎn),但同時也有分類器學(xué)習(xí)網(wǎng)絡(luò)設(shè)計復(fù)雜、訓(xùn)練時間長等缺點(diǎn)。

        (4)障礙目標(biāo)跟蹤

        在檢測并確定障礙目標(biāo)后,可以通過核函數(shù)[95]、Camshift[96]等算法實(shí)現(xiàn)對障礙目標(biāo)的跟蹤。

        綜上,激光雷達(dá)與機(jī)器視覺在農(nóng)機(jī)自動導(dǎo)航避障方面的研究與應(yīng)用,受到國內(nèi)外學(xué)者的廣泛關(guān)注,取得了很好的效果。但仍存在數(shù)據(jù)易受環(huán)境干擾、數(shù)據(jù)量大、實(shí)時性差等問題,針對檢測算法的魯棒性還需要進(jìn)一步提高。

        2.2 多機(jī)協(xié)同作業(yè)

        隨著中國農(nóng)業(yè)集約化、規(guī)?;?、產(chǎn)業(yè)化的發(fā)展,以及導(dǎo)航作業(yè)需求的提高,多機(jī)協(xié)同導(dǎo)航成為農(nóng)機(jī)導(dǎo)航研究的熱點(diǎn)。多機(jī)協(xié)同導(dǎo)航系統(tǒng)由一個主機(jī)、多個從機(jī)和一個遠(yuǎn)程服務(wù)器端構(gòu)成,系統(tǒng)示意圖如圖2所示。主機(jī)在前方引導(dǎo)作業(yè),各從機(jī)通過車間通信和遠(yuǎn)程通信,實(shí)時接收來自主機(jī)或遠(yuǎn)程服務(wù)器任務(wù)指令,配合主機(jī)協(xié)同導(dǎo)航完成總體作業(yè)任務(wù)。

        圖2 多機(jī)協(xié)同導(dǎo)航系統(tǒng)示意圖Fig.2 Schematic of multi machine cooperative navigation system

        目前,國內(nèi)的研究工作主要集中于單一農(nóng)機(jī)自動導(dǎo)航作業(yè),關(guān)于多機(jī)協(xié)同導(dǎo)航技術(shù)的研究相對較少。國外在多機(jī)協(xié)同導(dǎo)航領(lǐng)域研究起步較早,取得了一定研究成果[97-98]。多機(jī)協(xié)同導(dǎo)航的關(guān)鍵技術(shù)涉及協(xié)同導(dǎo)航模式、通信技術(shù)、協(xié)同控制技術(shù)以及遠(yuǎn)程監(jiān)控平臺等。

        2.2.1協(xié)同導(dǎo)航模式

        多機(jī)協(xié)同作業(yè)模式主要分為跟隨型協(xié)同作業(yè)模式和命令型協(xié)同作業(yè)模式[99-100]。

        跟隨型協(xié)同作業(yè),即以多機(jī)中的一臺為主機(jī),其他農(nóng)機(jī)為從機(jī)。從機(jī)以預(yù)定的相對距離和角度跟隨主機(jī)作業(yè)。例如,多臺同種旋耕機(jī)可以進(jìn)行跟隨型協(xié)同作業(yè),以其中一臺作為主機(jī),其余旋耕機(jī)作為從機(jī),以不同相對位置跟隨主機(jī)協(xié)同完成旋耕任務(wù)。

        命令型協(xié)同作業(yè),即遠(yuǎn)程監(jiān)控平臺發(fā)布總體任務(wù),命令各農(nóng)機(jī)去特定區(qū)域執(zhí)行作業(yè)任務(wù)。主機(jī)根據(jù)作業(yè)任務(wù),基于此目標(biāo)作業(yè)區(qū)域信息和當(dāng)前位置、航向進(jìn)行全局路徑規(guī)劃,并考慮自身需求向從機(jī)發(fā)布子任務(wù)。各從機(jī)接收到子任務(wù),通過任務(wù)完成代價對比,由代價相對較低的從機(jī)完成相應(yīng)子任務(wù)。例如,打捆機(jī)利用自身導(dǎo)航系統(tǒng)確定草捆的位置,并通過無線通信網(wǎng)絡(luò)發(fā)送給各草捆運(yùn)送機(jī),各草捆運(yùn)送機(jī)根據(jù)自身及草捆的位置信息進(jìn)行路徑規(guī)劃,路徑最優(yōu)者獲得該任務(wù),并通過自身導(dǎo)航系統(tǒng)完成草捆運(yùn)送,實(shí)現(xiàn)命令型協(xié)同作業(yè)。

        2.2.2通信技術(shù)

        協(xié)同導(dǎo)航的通信任務(wù),涉及底層通信、車間通信和遠(yuǎn)程通信3部分。

        (1)底層通信

        底層通信是導(dǎo)航系統(tǒng)內(nèi)部各傳感器與控制終端的通信。在底層通信技術(shù)方面,由于各控制系統(tǒng)均有獨(dú)立的ECU作為控制單元,隨著電控技術(shù)應(yīng)用領(lǐng)域的不斷拓寬,傳統(tǒng)點(diǎn)對點(diǎn)的通信方式已很難適應(yīng)現(xiàn)代農(nóng)機(jī)智能導(dǎo)航對于多節(jié)點(diǎn)控制系統(tǒng)的需求。

        目前底層通信的主流實(shí)現(xiàn)方案為控制器局域網(wǎng)總線(Controller area network, CAN)。CAN總線可以實(shí)現(xiàn)眾多電子單元之間的數(shù)據(jù)交換和共享,且線路簡單、實(shí)時性好、抗干擾能力強(qiáng)、可靠性高,適用于復(fù)雜農(nóng)田環(huán)境下的農(nóng)機(jī)智能導(dǎo)航數(shù)據(jù)通信。劉陽[101]為拖拉機(jī)自動導(dǎo)航系統(tǒng)開發(fā)了CAN總線網(wǎng)絡(luò),主要包括轉(zhuǎn)向控制、播種和智能控制終端3個節(jié)點(diǎn)。

        (2)車間通信

        要實(shí)現(xiàn)多機(jī)協(xié)同導(dǎo)航,多機(jī)之間的通信技術(shù)方案選取十分關(guān)鍵。短距離無線通信技術(shù)包括Bluetooth、IrDA、ZigBee、超寬帶、數(shù)傳電臺等技術(shù),在傳輸速度、距離、耗電量、功能擴(kuò)充以及單機(jī)應(yīng)用方面各有優(yōu)劣[102-103]。多機(jī)協(xié)同作業(yè),各農(nóng)機(jī)之間需要進(jìn)行狀態(tài)信息交互,LI等[104]設(shè)計了車間通信協(xié)議幀格式,進(jìn)行狀態(tài)信息傳輸。

        (3)遠(yuǎn)程通信

        遠(yuǎn)程通信指作業(yè)農(nóng)機(jī)與遠(yuǎn)程監(jiān)控平臺間的通信,主要用于控制命令的下發(fā)和農(nóng)機(jī)狀態(tài)信息的上傳。目前,廣泛應(yīng)用的遠(yuǎn)距離無線通信技術(shù)為GPRS、4G和5G,目前4G應(yīng)用較為廣泛,未來5G將成為主流技術(shù)。李世超等[105]設(shè)計了遠(yuǎn)程通信協(xié)議,通過4G網(wǎng)絡(luò)和無線通信模塊實(shí)現(xiàn)了各農(nóng)機(jī)信息與服務(wù)器之間雙向通信。

        2.2.3協(xié)同控制

        多機(jī)協(xié)同導(dǎo)航控制方法旨在協(xié)調(diào)控制多機(jī)協(xié)作過程中相互之間的位置關(guān)系,或根據(jù)任務(wù)需求協(xié)調(diào)從機(jī)配合主機(jī)共同完成作業(yè)。白曉平等[106]針對領(lǐng)航-跟隨結(jié)構(gòu),結(jié)合反饋線性化及滑模控制理論設(shè)計了收獲機(jī)群路徑跟蹤控制律和隊(duì)形保持控制律。李翰博[107]針對動態(tài)競爭環(huán)境中的多自主車輛系統(tǒng)的協(xié)作控制與分布式優(yōu)化問題,研究了車輛編隊(duì)中的跟隨和隊(duì)形控制、道路交叉口區(qū)域多車協(xié)作以及自主車輛任務(wù)規(guī)劃等協(xié)同控制方法。

        綜上,要實(shí)現(xiàn)高精度的田間協(xié)同導(dǎo)航作業(yè),需要高性能的通信網(wǎng)絡(luò)和協(xié)同控制方法。未來可以考慮5G在多機(jī)協(xié)同導(dǎo)航技術(shù)中的應(yīng)用,此外還需加強(qiáng)多機(jī)地頭轉(zhuǎn)向時為避免沖突的協(xié)同控制方法研究。

        2.2.4遠(yuǎn)程監(jiān)控平臺

        多機(jī)協(xié)同作業(yè)遠(yuǎn)程監(jiān)控平臺是多機(jī)協(xié)同導(dǎo)航系統(tǒng)的重要組成部分,可以實(shí)現(xiàn)對區(qū)域內(nèi)多機(jī)協(xié)同作業(yè)的實(shí)時遠(yuǎn)程監(jiān)控,并對作業(yè)農(nóng)機(jī)實(shí)現(xiàn)作業(yè)管理和調(diào)度管理[1,66,100]。

        多機(jī)協(xié)同作業(yè)遠(yuǎn)程監(jiān)控平臺主要涉及農(nóng)機(jī)與平臺之間的遠(yuǎn)程通信、多機(jī)協(xié)同作業(yè)信息管理和多機(jī)協(xié)同調(diào)度管理[108]。遠(yuǎn)程監(jiān)控平臺利用無線網(wǎng)絡(luò)與車載終端進(jìn)行遠(yuǎn)程通信[105],實(shí)現(xiàn)對多機(jī)協(xié)同作業(yè)的作業(yè)管理和調(diào)度管理。其中,作業(yè)管理主要涉及多機(jī)協(xié)同導(dǎo)航作業(yè)信息遠(yuǎn)程監(jiān)測、作業(yè)進(jìn)度實(shí)時分析以及作業(yè)質(zhì)量在線評估等;調(diào)度管理主要是為了實(shí)現(xiàn)區(qū)域農(nóng)田內(nèi)的多機(jī)協(xié)同作業(yè)任務(wù)分配和路徑規(guī)劃。

        目前,國內(nèi)外很多大型農(nóng)業(yè)機(jī)械均已安裝遠(yuǎn)程監(jiān)控終端[109-110],但大多針對農(nóng)機(jī)作業(yè)的遠(yuǎn)程監(jiān)測和作業(yè)信息管理,對于區(qū)域內(nèi)多個農(nóng)機(jī)協(xié)同作業(yè)的調(diào)度管理,國內(nèi)外的研究和應(yīng)用相對較少。

        多機(jī)協(xié)同作業(yè)遠(yuǎn)程管理調(diào)度[111]需要在多臺農(nóng)機(jī)和多個作業(yè)地塊間建立一種映射關(guān)系,綜合考慮地塊位置、任務(wù)數(shù)量、作業(yè)能力、路徑代價和時間期限等因素,在滿足實(shí)際作業(yè)約束條件的前提下,以最小化調(diào)度成本和損失為目標(biāo),生成最優(yōu)的調(diào)度方案,使農(nóng)機(jī)有序地為農(nóng)田作業(yè)地塊服務(wù),從而實(shí)現(xiàn)區(qū)域內(nèi)多機(jī)協(xié)同作業(yè)的調(diào)度管理。

        (1)多機(jī)協(xié)同作業(yè)任務(wù)分配

        多機(jī)協(xié)同作業(yè)任務(wù)分配的關(guān)鍵是在具有多個農(nóng)機(jī)、多個任務(wù)的農(nóng)田作業(yè)環(huán)境中,將多個任務(wù)合理地分配給各個農(nóng)機(jī),并且各個農(nóng)機(jī)根據(jù)分配的任務(wù)尋找一條最優(yōu)的作業(yè)序列,從而建立一個路徑短、效率高、資源配置合理的調(diào)度模型。

        目前,解決任務(wù)分配問題的方法[112-113]主要包括線性規(guī)劃法[114]、市場機(jī)制法[115-116]、行為激勵法[117]、情感招募法[118-119]、空閑鏈法[120]以及基于群體智能的方法[121-122]等,幾種算法的優(yōu)缺點(diǎn)如表22所示。

        表22 任務(wù)分配方法性能對比Tab.22 Comparison of task allocation methods

        (2)多機(jī)協(xié)同作業(yè)路徑規(guī)劃

        在多機(jī)協(xié)同作業(yè)過程中,農(nóng)田作業(yè)環(huán)境中障礙物較多,農(nóng)機(jī)之間也存在相互影響,成為彼此的障礙物,因此,多機(jī)協(xié)同作業(yè)路徑規(guī)劃難度較大,單一的路徑規(guī)劃算法無法得到很好的規(guī)劃效果。

        有研究將多種路徑規(guī)劃方法進(jìn)行改進(jìn)和整合[123-124],取長補(bǔ)短,從而實(shí)現(xiàn)最優(yōu)路徑規(guī)劃。要想解決復(fù)雜農(nóng)田作業(yè)環(huán)境下的多機(jī)協(xié)同作業(yè)路徑規(guī)劃,需要在全局路徑規(guī)劃的前提下,進(jìn)行局部路徑的調(diào)整,不發(fā)生沖突時要保證全局規(guī)劃最優(yōu),沖突發(fā)生時進(jìn)行局部規(guī)劃,沖突解決以后繼續(xù)以全局最優(yōu)進(jìn)行再規(guī)劃[125-126]。

        多機(jī)協(xié)同作業(yè)任務(wù)分配和路徑規(guī)劃是多機(jī)協(xié)同導(dǎo)航系統(tǒng)研究的關(guān)鍵問題,高效合理的任務(wù)分配和路徑規(guī)劃可以提高整個系統(tǒng)的執(zhí)行效率,同時降低執(zhí)行代價。當(dāng)前國內(nèi)外的研究工作已經(jīng)取得了一些成果[127],研究方法也在不斷的創(chuàng)新,但是還有一些問題亟待解決。由于農(nóng)田作業(yè)環(huán)境具有復(fù)雜性和動態(tài)性,多機(jī)協(xié)同作業(yè)對任務(wù)分配和路徑規(guī)劃方法提出了更高的要求,主要集中在以下幾方面:任務(wù)分配和路徑規(guī)劃的動態(tài)性和實(shí)時性問題;復(fù)雜任務(wù)的分解問題;農(nóng)機(jī)-任務(wù)的供需匹配問題;實(shí)驗(yàn)室研究成果的推廣應(yīng)用問題等。

        3 無人農(nóng)場與智慧農(nóng)業(yè)

        隨著人工智能、大數(shù)據(jù)、物聯(lián)網(wǎng)等前沿技術(shù)的發(fā)展,農(nóng)業(yè)生產(chǎn)方式從機(jī)械化向自動化、智能化迅速邁進(jìn)。信息與通信技術(shù)也促進(jìn)了精細(xì)農(nóng)業(yè)技術(shù)體系的更新?lián)Q代,新時代的精細(xì)農(nóng)業(yè)技術(shù)體系被稱為精細(xì)農(nóng)業(yè)2.0,也被稱為“智慧農(nóng)業(yè)”(Smart agriculture)。農(nóng)業(yè)機(jī)器人不僅越發(fā)多元化、智能化,還推動了“無人農(nóng)場”等新興概念的出現(xiàn)。

        智慧農(nóng)業(yè)示意圖如圖3所示,遠(yuǎn)程管理系統(tǒng)實(shí)現(xiàn)任務(wù)規(guī)劃和作業(yè)路徑規(guī)劃并發(fā)布,智能農(nóng)機(jī)裝備完成耕地、播種、施肥、噴藥和收獲等作業(yè),全程實(shí)現(xiàn)無人管理。

        圖3 智慧農(nóng)業(yè)示意圖Fig.3 Smart agriculture

        全球首個“無人農(nóng)場”誕生在英國,哈珀亞當(dāng)斯大學(xué)(Harper Adams University)與精準(zhǔn)決策公司(Precision Decisions)合作,推出了“Hands Free Hectare”項(xiàng)目,實(shí)現(xiàn)了全球第一批全程沒有人工介入的大麥種植管理。在1 hm2的實(shí)驗(yàn)田內(nèi),實(shí)現(xiàn)了全過程自動化,整個種植過程不允許任何人進(jìn)入農(nóng)田,采用無人機(jī)進(jìn)行作物長勢檢測,自動導(dǎo)航農(nóng)機(jī)進(jìn)行土壤采樣、噴藥等管理,自動導(dǎo)航聯(lián)合收獲機(jī)進(jìn)行收獲,整個過程只需要參與者在操作間完成。實(shí)驗(yàn)田的產(chǎn)量雖僅為4.5 t/hm2,低于人力密集型種植方式(平均產(chǎn)量為6.8 t/hm2),但為未來農(nóng)業(yè)的發(fā)展指明了方向。

        日本在政府的支持下,開展了智慧農(nóng)業(yè)的研究與示范,在智慧農(nóng)場示范區(qū)推廣應(yīng)用日本研發(fā)的智慧農(nóng)業(yè)先進(jìn)技術(shù)。主要技術(shù)包括:遠(yuǎn)程操控?zé)o人駕駛農(nóng)業(yè)機(jī)械,無人機(jī)感知和人工智能相結(jié)合的精準(zhǔn)施肥施藥技術(shù),適應(yīng)無人智能農(nóng)機(jī)的土地整治,智能手機(jī)在種植和養(yǎng)殖中的應(yīng)用,農(nóng)業(yè)大數(shù)據(jù)的共享與應(yīng)用等。

        我國從農(nóng)業(yè)發(fā)展實(shí)際出發(fā),大力研究、推廣、應(yīng)用智慧農(nóng)業(yè)技術(shù),我國北斗導(dǎo)航衛(wèi)星系統(tǒng)的建設(shè),助推了智慧農(nóng)業(yè),農(nóng)機(jī)智能導(dǎo)航技術(shù)的研發(fā)與應(yīng)用成為我國發(fā)展智慧農(nóng)業(yè)的亮點(diǎn)。在黑龍江農(nóng)墾區(qū)和新疆生產(chǎn)建設(shè)兵團(tuán),由于作業(yè)面積、作物、作業(yè)要求的特點(diǎn),農(nóng)機(jī)自動導(dǎo)航裝備得到了廣泛應(yīng)用,特別是在新疆棉花產(chǎn)區(qū),棉花穴播播種的同時需要測深施肥,播種施肥的同時又需要鋪膜,鋪膜的同時還需要鋪設(shè)滴灌管,這些農(nóng)藝特點(diǎn)使得農(nóng)機(jī)自動導(dǎo)航裝備成為不可缺少的配置。

        4 結(jié)論與展望

        (1)為實(shí)現(xiàn)復(fù)雜農(nóng)田環(huán)境下農(nóng)業(yè)機(jī)械的自動導(dǎo)航,國內(nèi)外學(xué)者進(jìn)行了廣泛而深入的研究,取得了豐碩的成果。GNSS、INS、MV融合的定位測姿、全局與局部結(jié)合的路徑規(guī)劃和精確的運(yùn)動控制是實(shí)現(xiàn)農(nóng)機(jī)自動導(dǎo)航的關(guān)鍵技術(shù)。

        (2)隨著農(nóng)機(jī)自動導(dǎo)航技術(shù)的推廣,智能農(nóng)機(jī)及其導(dǎo)航技術(shù)成為智慧農(nóng)業(yè)的發(fā)展趨勢。自主避障技術(shù)可保證人機(jī)作業(yè)安全,多機(jī)協(xié)同作業(yè)技術(shù)可發(fā)揮機(jī)群作業(yè)優(yōu)勢,提高農(nóng)機(jī)作業(yè)效率,以上研究已逐漸成為新的研究熱點(diǎn)。

        (3)信息與通信技術(shù)促進(jìn)了智慧農(nóng)業(yè)的發(fā)展。我國北斗導(dǎo)航衛(wèi)星系統(tǒng)的建設(shè),進(jìn)一步助推了智慧農(nóng)業(yè),農(nóng)機(jī)智能導(dǎo)航技術(shù)的研發(fā)與應(yīng)用已成為我國發(fā)展智慧農(nóng)業(yè)的亮點(diǎn)。

        猜你喜歡
        障礙物農(nóng)機(jī)協(xié)同
        沃得農(nóng)機(jī)
        春來好時節(jié) 農(nóng)機(jī)備耕忙
        蜀道難:車與路的協(xié)同進(jìn)化
        高低翻越
        SelTrac?CBTC系統(tǒng)中非通信障礙物的設(shè)計和處理
        不一樣的農(nóng)機(jī)展
        “四化”協(xié)同才有出路
        汽車觀察(2019年2期)2019-03-15 06:00:50
        三醫(yī)聯(lián)動 協(xié)同創(chuàng)新
        如何加強(qiáng)農(nóng)機(jī)管理發(fā)揮農(nóng)機(jī)作用
        散文百家(2014年11期)2014-08-21 07:16:42
        協(xié)同進(jìn)化
        免费一区二区三区av| 麻豆精品传媒一二三区| 亚洲 欧美 国产 日韩 精品| 精品久久久久88久久久| 我的美艳丝袜美腿情缘| 久久精品免费一区二区喷潮| 国产无人区码一码二码三mba | 日本少妇浓毛bbwbbwbbw| 国产欧美亚洲精品a| 国产精品久久久一本精品| 久久色悠悠综合网亚洲| 婷婷伊人久久大香线蕉av| 国产美女露脸口爆吞精| 毛片av在线播放亚洲av网站| 国产精品一区二区三区三| 欧美大胆性生话| 欧美人妻精品一区二区三区| 天天射色综合| 一区二区三区精品免费| 午夜精品久久久久久久99热| 欧美日本日韩aⅴ在线视频| 久久成人黄色免费网站| 99久久国产精品免费热| 免费人成视频x8x8入口| 久久综合成人网| 人妻av不卡一区二区三区| 亚洲精品乱码久久久久久| 看全色黄大色大片免费久久| 欧美韩国精品另类综合| 日本一区二区三区综合视频| 久久婷婷五月国产色综合| 国内精品久久久久久久久齐齐| 加勒比东京热久久综合| 黄片视频免费在线播放观看| 亚洲色www成人永久网址| 亚洲男人天堂av在线| 亚洲第一页视频在线观看| 国产永久免费高清在线| 97久久精品人人妻人人| 日韩精品自拍一区二区| 看久久久久久a级毛片|