付根平 楊塵宇 張世昂 黃偉鋒 陳天賜 朱立學(xué)

(1.仲愷農(nóng)業(yè)工程學(xué)院自動化學(xué)院，廣州 510225；2.仲愷農(nóng)業(yè)工程學(xué)院機電工程學(xué)院，廣州 510225)

0 引言

香蕉是嶺南特色水果和主要經(jīng)濟作物之一。適收期的香蕉串質(zhì)量普遍在25 kg左右，目前香蕉采收仍以傳統(tǒng)人工方式為主，由多人協(xié)作完成，其勞動強度大、人工成本高、采摘效率低[1-2]，嚴重制約了香蕉的種植規(guī)模和經(jīng)濟效益。因此，迫切需要研制香蕉采摘機器人，以便提高采摘效率、降低采摘成本、解決農(nóng)業(yè)勞動力短缺問題，實現(xiàn)香蕉采收的機械化和智能化[3]。

采摘機器人在香蕉園進行自主作業(yè)，必須具備定位和導(dǎo)航能力[4-5]。目前，常用的機器人定位和導(dǎo)航方法包括基于GPS[6-7]、機器視覺[8-9]、激光雷達[10-11]、慣性測量單元[12]和電機編碼器[13]等。由于香蕉樹種植密度較大、行距有限，且香蕉樹葉繁茂不規(guī)整，使機器人容易被遮擋，導(dǎo)致攜帶的GPS模塊難以穩(wěn)定接收信號，甚至完全接收不到衛(wèi)星定位信號[14-15]，因此，機器人僅依靠GPS不能在香蕉園實現(xiàn)可靠、連續(xù)的定位和導(dǎo)航?；跈C器視覺[16]和激光雷達[17]的測距和導(dǎo)航方式容易受香蕉枝葉遮擋、香蕉園環(huán)境光照強度變化及機器人顛簸抖動等因素的影響，使攝像頭采集的環(huán)境圖像模糊不清，香蕉樹干被遮擋導(dǎo)致難以準(zhǔn)確識別機器人到香蕉樹的距離；而激光雷達掃描的環(huán)境點云位置數(shù)據(jù)不準(zhǔn)確，難以準(zhǔn)確識別香蕉樹干等目標(biāo)的準(zhǔn)確位置，使機器人難以進行準(zhǔn)確定位和導(dǎo)航[18-19]?；趹T性測量單元的導(dǎo)航方式主要通過對測得的機器人實時加速度等運動狀態(tài)數(shù)據(jù)進行積分求得機器人的相對位置，但累積位置誤差會隨著積分過程而不斷增大[20]。根據(jù)編碼器返回的驅(qū)動電機實時轉(zhuǎn)速求解機器人相對運動位置的方法在機器人出現(xiàn)打滑和空轉(zhuǎn)時定位誤差會很大[21]。

上述機器人定位和導(dǎo)航方法在香蕉園復(fù)雜環(huán)境中效果不佳、甚至失效。顯然，準(zhǔn)確測出機器人與香蕉樹的距離是實現(xiàn)定位和導(dǎo)航的關(guān)鍵。激光和超聲波傳感器使用方便、響應(yīng)快、精度高、成本低，被廣泛應(yīng)用于汽車雷達和自動駕駛等領(lǐng)域[22]。激光測距響應(yīng)速度快、精度高，但會受環(huán)境光線影響[23-24]；而超聲波測距不受光線影響，但測距時間與待測距離有關(guān)，并且要求待測物體具有一定的反射面，否則會因反射波太弱導(dǎo)致測距失敗[25]。綜合考慮兩者測距的特點，提出采用激光和超聲波組合對香蕉樹進行測距。為此，提出一種基于擬合濾波的激光和超聲波香蕉樹測距方法。首先由激光和超聲波傳感器組合測量機器人到香蕉樹的距離，并通過相互校驗融合成一組距離數(shù)據(jù)，再利用二次多項式以最小二乘法對該組距離數(shù)據(jù)進行擬合，基于擬合的二次多項式函數(shù)和設(shè)定閾值對該組距離數(shù)據(jù)濾波，求出濾波后該距離數(shù)組中最小3個距離數(shù)據(jù)的平均值，得到機器人到香蕉樹的最短距離。

1 基于擬合濾波的激光和超聲波測距

由于香蕉采摘機器人體積較大，而香蕉園機耕道寬度有限，且崎嶇、泥濘，使得機器人運動中容易出現(xiàn)顛簸、側(cè)滑，故需實時檢測機器人位姿并據(jù)此調(diào)整其運動狀態(tài)，防止撞上香蕉樹。因此，通過安裝在機器人兩側(cè)的激光和超聲波傳感器，測出機器人到兩側(cè)香蕉樹的最短距離dl、dr，如圖1所示。再結(jié)合幾何關(guān)系，采用相應(yīng)算法求解出機器人與機耕道中線的位置偏差，以及機器人中線與機耕道中線的夾角，實現(xiàn)機器人在機耕道的局部定位，并據(jù)此調(diào)節(jié)機器人的運動方向和速度，使其回到機耕道中間。

顯然，準(zhǔn)確測出到香蕉樹的最短距離是機器人實現(xiàn)定位和導(dǎo)航的前提。然而，由于香蕉樹旁有雜草、小灌木或香蕉葉等干擾物，以及香蕉園道路崎嶇、泥濘導(dǎo)致機器人顛簸，使得某些時刻的測距數(shù)據(jù)不準(zhǔn)確，因此，不能簡單以距離數(shù)據(jù)中最小值或某個時刻的測距值作為機器人到香蕉樹的最短距離。本文先通過激光和超聲波傳感器組合對香蕉樹測距，再對二者的測距數(shù)據(jù)進行相互校驗、擬合和濾波處理，進而求出機器人到香蕉樹的最短距離。

1.1 激光和超聲波測距值相互校驗合成距離數(shù)組

由于激光傳感器在強光環(huán)境中測距范圍縮小、精度下降，甚至無法有效測距，故僅用激光傳感器測距可靠性不高，精度難以保證。而超聲波測距不受光照影響、測距精度高，但響應(yīng)時間與所測距離有關(guān)，對反射面小的物體容易因接收不到反射波而導(dǎo)致測距失敗。因此，采用激光和超聲波傳感器組合對香蕉樹進行測距。

假設(shè)在一棵香蕉樹的測距周期內(nèi)機器人勻速前進，則激光或超聲波傳感器在不同時刻位于一條直線上，且發(fā)射的激光束或超聲波與機器人運動方向垂直，如圖2所示。將測距周期內(nèi)n個時刻測到的與香蕉樹的距離記為d1、d2、…、dn，其中：d1為傳感器進入可測區(qū)域內(nèi)第1次測得機器人與香蕉樹距離；dn為傳感器在可測區(qū)域內(nèi)最后測得機器人與香蕉樹距離。此外，若測距傳感器不在香蕉樹的可測區(qū)域內(nèi)(如d0、dn+1)，將探測不到香蕉樹而輸出一個特定的時間脈沖或數(shù)值，此時傳感器為測空狀態(tài)。根據(jù)激光和超聲波傳感器是否同時測空來判斷香蕉樹測距周期的開始和結(jié)束。

正常情況下，激光和超聲波傳感器在同一時刻對香蕉樹的測距值非常接近。然而，由于激光和超聲波傳感器測距信號的發(fā)射角不同，機器人顛簸，以及香蕉園光照、干擾物遮擋等因素都會影響測距精度，使得某些時刻二者所測距離可能存在較大偏差，甚至出現(xiàn)測空。因此，為了提高測距精度和可靠性，將二者的測距值進行相互校驗。如圖3所示，每個采樣時刻測距完成后，若2種傳感器沒有同時測空，則將二者的測距值進行相互校驗。如果2個距離數(shù)據(jù)的偏差小于校驗閾值η，則認為2種傳感器的測距值均有效，取二者的平均值作為本次的測距值；反之，若2個距離數(shù)據(jù)的偏差大于η，則取二者中小的距離數(shù)據(jù)作為本次的測距值。這樣做有2個好處：當(dāng)2個傳感器中有1個測空時可以濾除測空值，而保留有效的測距值。當(dāng)2個傳感器的測距數(shù)據(jù)存在較大偏差時取小者對機器人的安全裕度更大。

1.2 基于二次多項式的香蕉樹距離數(shù)據(jù)擬合

在測距周期內(nèi)，香蕉樹相對于激光和超聲波傳感器所在直線的位置不變，因此，香蕉樹輪廓線到測距傳感器所在直線的最短距離即為機器人到香蕉樹的最短距離，如圖2中d3。由于香蕉樹干近似柱形，且測距傳感器在不同時刻位于一條直線上，故理想情況下該組距離數(shù)據(jù){d1,d2,…,dn}滿足圓函數(shù)特征。然而，由于激光束和超聲波測距信號都具有一定的發(fā)射角，呈喇叭狀，使得激光和超聲波的邊界信號被香蕉樹提前反射回來，導(dǎo)致實測距離比真實距離小，從而不再滿足圓函數(shù)特征。為了找到適合實測距離數(shù)據(jù)的曲線，對多棵香蕉樹實測的距離數(shù)據(jù)進行回歸分析，發(fā)現(xiàn)香蕉樹的實測距離數(shù)據(jù)比較符合二次多項式曲線特征，如圖2中虛線，因此，選擇二次多項式對香蕉樹的實測距離數(shù)據(jù)進行擬合。

將激光和超聲波傳感器測得香蕉樹的n個距離數(shù)據(jù)序列化為二維數(shù)組，即{(k,dk)|k=1，2，…，n}，其中dk表示第k個時刻的測距值。擬合該距離數(shù)組的二次多項式函數(shù)為

f(k)=ak2+bk+c

(1)

式中a、b、c——待定的擬合二次多項式系數(shù)

根據(jù)距離數(shù)組的特點，最小二乘法比較適合求解該二次多項式的系數(shù)，因此，基于最小二乘法可得系數(shù)a、b、c的計算表達式為

(2)

(3)

(4)

由式(2)～(4)即可求得系數(shù)a、b、c，從而確定擬合香蕉樹距離數(shù)組的二次多項式(1)。

1.3 基于擬合多項式濾波的最短距離求取

二次多項式擬合曲線的頂點到測距傳感器所在直線的距離即為機器人與香蕉樹的最短距離，因此，可取滿足擬合曲線的距離數(shù)據(jù)(圖4)中最小值作為機器人到香蕉樹的最短距離。然而，由前文分析可知，理想情況下測得香蕉樹的距離數(shù)據(jù)滿足二次多項式特征，但對雜草、小灌木、香蕉葉等不規(guī)則干擾物，以及香蕉園道路崎嶇泥濘導(dǎo)致的測距數(shù)據(jù)發(fā)散、無規(guī)律，不滿足二次多項式特征。因此，為了能準(zhǔn)確求取機器人到待測香蕉樹的最短距離，必須將偏差較大的測距點(圖4)濾除。

對于設(shè)定的濾波閾值δ，若k時刻的測距值dk滿足

|f(k)-dk|=|ak2+bk+c-dk|<δ

(5)

則視該測距值dk有效；否則，視為偏差較大的測距值而舍棄。由式(5)對所測距離數(shù)據(jù)進行濾波，得到一組滿足擬合二次多項式的距離數(shù)據(jù)。為了提高可靠性，取濾波后距離數(shù)組中最小3個的平均值作為機器人到香蕉樹的最短距離。

綜上所述，基于擬合濾波的激光和超聲波香蕉樹測距流程如圖5所示，激光和超聲波傳感器各時刻測得機器人到香蕉樹的距離數(shù)據(jù)經(jīng)相互校驗后，采用二次多項式以最小二乘法進行擬合，然后基于該擬合二次多項式和設(shè)定閾值對其濾波，去除偏差較大的距離，再求取其中最小3個距離的平均值，作為機器人到香蕉樹的最短距離。

1.4 測距效果性能指標(biāo)

為了衡量本文測距方法在不同環(huán)境下對香蕉樹的測距精度和穩(wěn)定性，定義以下參數(shù)指標(biāo)：

對于香蕉樹的一個測距周期，測距誤差e為

e=|dt-da|

(6)

式中dt——機器人到香蕉樹的目標(biāo)最短距離，cm

da——機器人到香蕉樹的實測最短距離，cm

測距誤差率σ為

(7)

對于目標(biāo)最短距離dt，若第i次的測距誤差為e(i)，則重復(fù)測量p次中最大測距誤差emax為

emax=max{e(i)|i=1,2,…,p}

(8)

最大測距誤差率σmax為

(9)

在某種測距環(huán)境下設(shè)定q個目標(biāo)最短距離，第j個目標(biāo)最短距離的最大測距誤差為emax(j)，則最大誤差均值em為

(10)

其中，測距誤差e、測距誤差率σ越小，表明機器人對香蕉樹的測距精度越高；而最大測距誤差emax、最大測距誤差率σmax、最大誤差均值em越小，表明測距方法越穩(wěn)定，適用性越好。

2 硬件設(shè)計

2.1 激光和超聲波傳感器選型

如圖6所示，在履帶式香蕉采摘機器人的兩側(cè)對稱、等間距、并列安裝3組激光和超聲波傳感器。由于激光和超聲波傳感器的安裝間距比香蕉樹直徑大，所以一棵香蕉樹的測距周期內(nèi)只有1組激光和超聲波傳感器起作用。

香蕉園的行距為1.5～3 m，為了確保機器人處在行間任何位置都能有效測距，要求激光和超聲波傳感器的測距范圍超過3 m。因此，選擇測距范圍為0.04～4 m的VL53L1X型激光傳感器，它采用STToF技術(shù)、物理紅外濾光片和光學(xué)元件，故受測距目標(biāo)的顏色和反射率影響小，可在各種環(huán)境光照下實現(xiàn)有效測距，而且測距精度高、響應(yīng)速度快、體積小、使用方便、探測靈敏性高。而超聲波傳感器選擇US-015型，其測距范圍為0.02～4 m，測距精度達0.5 mm，穩(wěn)定性強。顯然，組合使用VL53L1X型激光傳感器和US-015型超聲波傳感器，滿足機器人在香蕉園行間對兩側(cè)香蕉樹的測距要求。

2.2 激光和超聲波傳感器的控制電路

機器人底層采用分布式控制系統(tǒng)，由STM32控制3組傳感器的測距周期和距離數(shù)據(jù)處理，激光和超聲波傳感器與控制器STM32的電路連接方式如圖7所示。所選VL53L1X型激光傳感器在測距結(jié)束后以IIC協(xié)議輸出距離數(shù)據(jù)，因此，多個激光傳感器通過IIC總線與控制器STM32的IIC模塊SDA、SCL引腳連接，以不同的地址碼實現(xiàn)多機通信，讀取各傳感器的測距數(shù)據(jù)。而US-015型超聲波傳感器測距完成后輸出一個與距離成正比的時間脈沖，STM32先準(zhǔn)確捕獲該脈沖時間，再換算成對應(yīng)的距離，所以通過STM32中定時器模塊的脈沖捕獲通道來檢測超聲波傳感器輸出的測距時間脈沖。因此，超聲波傳感器的時間脈沖輸出引腳與STM32相應(yīng)定時器的捕獲通道引腳連接。此外，超聲波傳感器測距啟動端Trig可與控制器STM32的任一IO口連接。

進入一棵香蕉樹的測距區(qū)域后，在每個采樣時刻由控制器STM32分別發(fā)射激光和超聲波信號對香蕉樹進行測距，然后根據(jù)接收到的返回數(shù)據(jù)換算出2種傳感器的測距值，再通過相互校驗得出該時刻的有效距離。重復(fù)上述步驟，即可測得不同時刻機器人到香蕉樹的距離。

3 實驗與結(jié)果分析

為了驗證本文所述香蕉樹測距方法的有效性和魯棒性，選擇不同直徑和高度的香蕉樹模型，參照實際香蕉樹的種植株距、行距在實驗室搭建圖8所示的模擬香蕉園環(huán)境。由于測距實驗不需要用到香蕉采摘機構(gòu)，并且出于安全考慮，選用不帶香蕉采摘機構(gòu)的履帶機器人(長1.0 m、寬0.76 m)，其兩側(cè)等間距(0.25 m)支撐桿上并列安裝激光和超聲波測距傳感器，如圖9所示。

激光和超聲波傳感器原始距離數(shù)據(jù)相互校驗閾值η=3，基于擬合函數(shù)的濾波閾值δ=1.8。在Matlab中編寫機器人對香蕉樹測距數(shù)據(jù)的擬合、濾波和可視化等處理程序，并由式(6)～(10)計算出衡量測距效果的相關(guān)參數(shù)指標(biāo)。

3.1 激光和超聲波傳感器測距性能對比

為了比較激光傳感器和超聲波傳感器對香蕉樹的測距性能，控制機器人在模擬香蕉園中勻速前進，由激光和超聲波傳感器同時對一棵香蕉樹進行測距，得到圖10所示的距離數(shù)據(jù)。

由圖10可知，在二者均有效測距時，大部分時刻激光和超聲波傳感器的測距數(shù)據(jù)相同，只有3個時刻的測距數(shù)據(jù)不同，且偏差只有1 cm，主要考慮到STM32控制器數(shù)據(jù)處理方便，將測距值進行了四舍五入處理，而實測距離偏差在1 cm以內(nèi)，這表明正常情況下激光和超聲波的測距精度非常接近。另外，開始2個時刻和最后3個時刻的測距點僅超聲波測距有效，這是因為超聲波的發(fā)射角比激光大，在香蕉樹可測區(qū)域的邊界只有超聲波傳感器能接收到反射波完成測距，而激光傳感器由于發(fā)射角小導(dǎo)致探測不到香蕉樹。實驗結(jié)果表明，激光和超聲波傳感器測距數(shù)據(jù)相互校驗濾波的方法可行，能獲得一組有效的距離數(shù)據(jù)，為后續(xù)二次多項式擬合和閾值濾波做準(zhǔn)備。

3.2 測距方法有效性驗證

設(shè)定機器人與香蕉樹的目標(biāo)距離分別為30、50、80、100 cm，機器人在模擬香蕉園機耕道上勻速前進。在每個目標(biāo)距離對香蕉樹重復(fù)測量5次。

每個目標(biāo)距離取一組測距數(shù)據(jù)，經(jīng)過對激光和超聲波傳感器的原始距離數(shù)據(jù)進行校驗、最小二乘擬合和閾值濾波后，得到圖11所示4種不同目標(biāo)距離的測距點和二次多項式擬合曲線。顯然，二次多項式曲線較好地擬合了大部分距離數(shù)據(jù)，且滿足式(5)閾值濾波條件，而誤差較大的測距點很少。此外，對每個目標(biāo)距離進行5次重復(fù)測量的距離數(shù)據(jù)，經(jīng)校驗、擬合、濾波、排序及求平均值后得出機器人到香蕉樹的最短距離如表1所示，各實測最短距離都很接近目標(biāo)最短距離，且最大測距誤差emax為0.7 cm，最大測距誤差率σmax均不超過1.0%。實驗結(jié)果表明，該測距方法能夠有效測量機器人到香蕉樹的距離，且測距精度較高、穩(wěn)定性好。

3.3 測距方法魯棒性驗證

3.3.1小灌木干擾下的香蕉樹測距模擬

在模擬香蕉園中放置一棵小灌木，并讓機器人對其進行測距，如圖12所示。由于小灌木細長彎曲、枝葉疏密不均且形狀不規(guī)整，測得分散、無規(guī)律的距離數(shù)據(jù)如圖13所示。顯然，測得小灌木的距離數(shù)據(jù)不符合二次多項式特征，據(jù)此，可基于香蕉樹距離數(shù)據(jù)的擬合二次多項式函數(shù)和設(shè)定閾值將探測到香蕉樹旁的雜草、小灌木等干擾距離數(shù)據(jù)濾除。

為了驗證本文方法對有小灌木等干擾物的香蕉樹也能有效、準(zhǔn)確測距，在香蕉樹旁放置一棵小灌木，如圖14所示，讓機器人距離該香蕉樹50 cm勻速直線駛過，重復(fù)進行4次測距，通過對激光和超聲波所測的距離數(shù)據(jù)進行校驗、擬合、濾波等處理，得到的二次多項式擬合曲線如圖15所示。

圖15中，分散、無規(guī)律，且與擬合二次多項式曲線偏差較大，不滿足濾波條件的測距點，主要原因是由小灌木枝葉干擾香蕉樹形成的。顯然，基于擬合函數(shù)和設(shè)定閾值可將其有效濾除，從而減少對求取最短距離的影響。通過對4次重復(fù)測量的距離數(shù)據(jù)擬合、濾波后求得機器人與待測香蕉樹的最短距離如表2所示。由表2可知，測距誤差e都不超過1.0 cm，最大測距誤差率σmax為2.0%，表明本文測距方法能較好地消除小灌木對香蕉樹測距的影響，且測距精度較高。

表2 小灌木干擾下實測最短距離及誤差率

3.3.2崎嶇不平的香蕉園機耕道測距模擬

機器人在由小木塊模擬的崎嶇不平香蕉園機耕道中前行(圖16)，通過激光和超聲波傳感器測量機器人到兩側(cè)香蕉樹的距離。重復(fù)測量4次，所測的距離數(shù)據(jù)經(jīng)擬合、濾波后如圖17所示，與擬合二次多項式曲線偏差較大的測距點，主要由機器人駛過小木堆時顛簸較大引起，顯然，偏差較大的測距點均已被濾除。

此外，通過對4次重復(fù)測距的數(shù)據(jù)擬合、濾波后求得機器人與待測香蕉樹的最短距離如表3所示。由表3可知，測距誤差e2次為零，另2次為0.3 cm，最大測距誤差率σmax為0.6%。實驗結(jié)果表明，在崎嶇不平的機耕道上也能較準(zhǔn)確地測出香蕉樹的距離。

表3 崎嶇機耕道上實測最短距離及誤差率

3.4 與圖像測距方法對比

為了進一步說明本文測距方法的優(yōu)點，與基于深度相機的圖像測距方法進行對比。先利用Intel的realsense D435i型深度相機采集機器人兩側(cè)環(huán)境的RGB圖像與深度信息圖像，然后在RGB圖像中對香蕉樹進行識別并獲取其位置，再將香蕉樹在RGB圖像中的位置映射到深度信息圖像，從而得出機器人與香蕉樹的距離。由于圖像測距法需要先對RGB圖像中待測香蕉樹進行識別與位置判斷，但在不同距離與光照條件下，香蕉樹在RGB圖像中呈現(xiàn)出不同的尺寸、表型、顏色等特征，增加了對香蕉樹識別和測距的計算成本。

將機器人與香蕉樹的4個目標(biāo)距離分別設(shè)定為30、50、80、100 cm，在模擬香蕉園環(huán)境中利用realsense D435i型深度相機對每個目標(biāo)距離重復(fù)測量5次，從圖像中識別出的香蕉樹干及其深度信息如圖18所示，香蕉樹的實測最短距離和相關(guān)參數(shù)指標(biāo)如表4所示。與本文測距方法的實驗結(jié)果(表1)中相關(guān)參數(shù)指標(biāo)進行對比，如表5所示，兩者的最大測距誤差emax相同，但圖像測距方法的最大誤差均值em和最大測距誤差率σmax更大，這表明本文測距方法的精度更高、穩(wěn)定性更好。

表4 基于圖像的實測最短距離及其最大誤差率

表5 本文測距方法和圖像測距方法相關(guān)性能對比

雖然基于深度相機的圖像測距法也可以較為準(zhǔn)確地測量香蕉樹的距離，但與本文基于激光和超聲波的測距方法相比，還存在以下不足之處：計算成本高，在獲取距離信息前，需要對待測香蕉樹進行識別并判斷其位置，難以在一些邊緣計算設(shè)備上進行部署。若有其他光源干擾，容易出現(xiàn)噪聲，導(dǎo)致深度信息測量不準(zhǔn)確。當(dāng)待測香蕉樹與深度相機的距離較短時，無法計算出深度信息，例如上述設(shè)備在實驗中測得，在20 cm內(nèi)無法輸出深度信息。

3.5 室外自然場景測距適用性驗證

在校園內(nèi)室外自然場景中選取外形輪廓與香蕉樹相似的植株進行實驗，以此驗證本文測距方法在實際環(huán)境中的適用性。如圖19所示，自然光照條件下控制機器人在柔軟的草地上勻速駛過待測植株，由激光與超聲波傳感器同時對待測植株測距，再通過本文所述方法得出機器人到待測植株的最短距離。出于一般性考慮，實驗中選取4個目標(biāo)距離進行測試，分別為50、60、80、100 cm。

每個目標(biāo)距離取一組測距數(shù)據(jù)，經(jīng)過對激光和超聲波傳感器的原始距離數(shù)據(jù)進行校驗、最小二乘擬合和閾值濾波后得到圖20所示4種不同目標(biāo)距離的測距數(shù)據(jù)點和二次多項式擬合曲線，顯然，二次多項式曲線能夠較好地擬合距離數(shù)據(jù)，且滿足式(5)閾值濾波條件，而誤差較大的測距點很少，僅在50 cm和100 cm中存在，說明該測距方法在室外自然環(huán)境下性能穩(wěn)定，受光照等因素影響小。

對每個目標(biāo)距離進行5次重復(fù)測量的距離數(shù)據(jù)，經(jīng)校驗、擬合、濾波、求平均值后得出機器人到待測植株的實測最短距離da如表6所示，其中測距誤差e都較小，最大測距誤差emax為1.0 cm，最大誤差均值em為0.68 cm，最大測距誤差率σmax為1.4%。對比表1所示室內(nèi)模擬香蕉園測距結(jié)果，室外有3個目標(biāo)距離的最大測距誤差率σmax超過1.0%，最大測距誤差emax稍微偏大，可能是草地松軟和不平整導(dǎo)致機器人測距過程中有一定的顛簸，從而影響測距精度。實驗結(jié)果表明，本文測距方法在室外自然場景下也具有較高的精度和良好的穩(wěn)定性。

表6 室外場景下的不同實測最短距離及最大誤差率

4 結(jié)論

(1)由激光和超聲波傳感器組合測量機器人到香蕉樹的距離，通過2種傳感器原始測距數(shù)據(jù)的相互校驗可以濾除單個傳感器由于光線和發(fā)射角等因素導(dǎo)致誤差較大的測距值。

(2)采用最小二乘法選擇二次多項式能較好地擬合所測香蕉樹的距離數(shù)據(jù)，而基于擬合的二次多項式和設(shè)定閾值可以有效濾除小灌木等干擾物和道路顛簸產(chǎn)生的干擾距離數(shù)據(jù)，從而獲得機器人與香蕉樹的最短距離。

(3)實驗表明，本文測距方法在理想環(huán)境下對香蕉樹的最大測距誤差率為1.0%，而在有小灌木等干擾物或者道路顛簸的模擬香蕉園環(huán)境以及室外自然場景下的最大測距誤差率為2.0%，相應(yīng)的最大測距誤差為1.0 cm，且測距穩(wěn)定性良好。本文方法能為機器人在實際香蕉園環(huán)境中實現(xiàn)局部定位和導(dǎo)航提供準(zhǔn)確、可靠的距離數(shù)據(jù)。