方言海，李彥沛，李亞芹，談桂秀，黃 玉，黃一博，馬悅軒

(1.佳木斯大學(xué) 機(jī)械工程學(xué)院，黑龍江 佳木斯 154007；2.佳木斯大學(xué) 現(xiàn)代教育技術(shù)中心，黑龍江 佳木斯 154007)

0 引言

隨著我國當(dāng)前農(nóng)業(yè)機(jī)械化的發(fā)展與居民消費(fèi)水平的提高，大家對新鮮農(nóng)產(chǎn)品的需求層次也越來越高，綠色、安全、優(yōu)質(zhì)的農(nóng)產(chǎn)品成為了農(nóng)業(yè)發(fā)展的優(yōu)先詞。農(nóng)作物的生長需適宜的土壤條件與氣候條件，一些特殊的農(nóng)產(chǎn)品只能在特定的季節(jié)才能生產(chǎn)。在地域與氣候條件上，我國是一個受資源約束較大的國家，南方氣候溫暖但土壤條件較差，北方土壤條件適宜但氣候水平較差。在此基礎(chǔ)上溫室大棚的發(fā)展優(yōu)勢逐漸顯著，但傳統(tǒng)溫室大棚在管理上存在勞動強(qiáng)度大、監(jiān)管效率低、經(jīng)濟(jì)效益差等問題，難以適應(yīng)經(jīng)濟(jì)社會發(fā)展和滿足人們對農(nóng)作物的需求。因此一種運(yùn)用先進(jìn)技術(shù)的自動巡檢服務(wù)機(jī)器人應(yīng)運(yùn)而生。

1 系統(tǒng)模塊

1.1 視覺SLAM技術(shù)

視覺SLAM，即VSLAM。如圖1所示，是現(xiàn)在正在新興發(fā)展的SLAM技術(shù)，利用單目、魚眼相機(jī)，多幀圖像自我判定位置和地形變化，實(shí)時進(jìn)行地圖構(gòu)建來完成對于地形的分析。

圖1 視覺SLAM(VSLAM)成像效果圖

1.2 場景感知

主要利用近紅外激光器，將激光器產(chǎn)生的具有一定結(jié)構(gòu)特征的光線通過鏡片組放大透視并投射到被拍攝物體上，再由專門的紅外攝像頭進(jìn)行采集，效果如圖2所示。被攝物體會因這種一定結(jié)構(gòu)特征的光線的投射，根據(jù)被攝物體自身紋理不同，會呈現(xiàn)出深淺不一的圖像相位信息，然后這些特征由操作單元轉(zhuǎn)換成深度信息，獲得三維結(jié)構(gòu)。即通過光學(xué)手段獲取被拍攝物體的三維結(jié)構(gòu)，再將獲取到的信息進(jìn)行更深入的應(yīng)用。

圖2 場景感知效果圖

1.3 聲源定位

基于陣列的聲源定位是利用聲音傳輸信號的關(guān)鍵技術(shù)，其目的是通過聲音信號來確定聲源的三維坐標(biāo)信息。而VSLAM技術(shù)搭配麥克風(fēng)可以提取語義信息，更加人性化?，F(xiàn)在國際上高精度地圖構(gòu)建都包含著大量的語義信息，對于語義信息的提取和識別成為了室內(nèi)地圖構(gòu)建技術(shù)發(fā)展的重點(diǎn)要素。豐富的語義信息更有利于對于聲源信息的分析，完善實(shí)時地圖構(gòu)建。

聲源定位由超聲波模塊、聲音接收處理單元、光電傳感器3個模塊組成，聲音接收處理單元結(jié)構(gòu)分布模型如圖3所示。超聲波模塊由發(fā)射和接收兩部分組成，用于探測障礙物的距離[1]。語音接收處理單元主要用于語音預(yù)處理。語音信號預(yù)處理一般包括高級濾波、加權(quán)、加窗等，光電傳感器主要用于避免光的干擾和感知物體的接近。

圖3 聲音接收處理單元結(jié)構(gòu)模型

1.4 定位模塊

針對農(nóng)業(yè)大棚的作業(yè)特點(diǎn)設(shè)計了一套自動巡線重復(fù)作業(yè)系統(tǒng)，以實(shí)現(xiàn)重復(fù)的農(nóng)業(yè)檢測功能。針對大棚有遮擋，定位易漂移的問題使用了一套抗干擾穩(wěn)定性強(qiáng)的定位方案及RTK定位，RTK的組合定位算法示意圖如圖4所示。RTK即載波相位差分技術(shù)，將基準(zhǔn)站采集的載波相位發(fā)給農(nóng)業(yè)大棚服務(wù)機(jī)器人接收機(jī)進(jìn)行求差，從而解算坐標(biāo)[2]。載波相位差分技術(shù)得到的定位精度為厘米級，相對傳動GPS定位方案精度有了極大地提升。該系統(tǒng)搭載RTK定位系統(tǒng)后，可以精確記錄作業(yè)軌跡，實(shí)時校準(zhǔn)并能精確完成續(xù)航作業(yè)。

圖4 基于RTK的組合定位算法示意圖

2 實(shí)時地圖構(gòu)建

在研究的農(nóng)業(yè)大棚的二維未知地圖的環(huán)境下，SLAM技術(shù)中使用的主要設(shè)備是攝像機(jī)，其中核心為視覺同步定位和實(shí)時制圖。

根據(jù)面臨的環(huán)境不同，地圖的表示方法通常由位置和地圖創(chuàng)建的環(huán)境模型構(gòu)成，可分為占據(jù)柵格地圖模型、幾何地圖模型以及拓?fù)涞貓D模型三種類型[3]。

2.1 占據(jù)柵格地圖

柵格地圖是對周圍環(huán)境的離散表示，它的思想是將移動機(jī)器人的環(huán)境劃分成大小相等的網(wǎng)格[4]，每個網(wǎng)格的狀態(tài)用來描述網(wǎng)格被障礙物占用或不被障礙物占用的概率。占據(jù)柵格地圖具有創(chuàng)建簡單、易于維護(hù)和理解、便于多傳感器信息融合等優(yōu)點(diǎn)，此方案可以幫助農(nóng)業(yè)大棚自動機(jī)器人方便地完成定位和路徑規(guī)劃，在移動機(jī)器人研究中得到廣泛的應(yīng)用。

2.2 幾何地圖

農(nóng)業(yè)大棚無人機(jī)器人依靠自身所搭載的外部傳感器獲取大棚內(nèi)的環(huán)境信息，從傳感器數(shù)據(jù)中提取更抽象的幾何特征來表示環(huán)境，這種地圖稱為幾何地圖或特征地圖。作為特征標(biāo)識實(shí)現(xiàn)移動機(jī)器人的定位與地圖構(gòu)建。幾何地圖能為機(jī)器人定位和路徑規(guī)劃提供所需要的度量信息，且這種地圖更加緊湊。

2.3 拓?fù)涞貓D

拓?fù)涞貓D用圖的形式表示機(jī)器人工作環(huán)境。其中表示地圖中節(jié)點(diǎn)的集合節(jié)點(diǎn)對應(yīng)環(huán)境中的典型特征或區(qū)域表示節(jié)點(diǎn)之間連接邊的集合與連接邊對應(yīng)節(jié)點(diǎn)之間的相互關(guān)系。拓?fù)涞貓D可以保證地圖空間的連貫性，需要的存儲空間小利于高效率的路徑規(guī)劃，適合在大范圍環(huán)境中應(yīng)用。但是由于拓?fù)涞貓D缺少精確的環(huán)境信息，不能用于機(jī)器人精確定位并且在動態(tài)環(huán)境和環(huán)形區(qū)域環(huán)境中的構(gòu)建和維護(hù)拓?fù)渚容^困難。

2.4 圖像融合算法

圖像融合是將農(nóng)業(yè)大棚服務(wù)機(jī)器人所攜帶的深度相機(jī)所拍攝到的路面深度信息及彩色相機(jī)拍攝到的周邊作物信息進(jìn)行圖像融合，利用圖像內(nèi)特征識別判斷周圍環(huán)境信息即農(nóng)作物情況及環(huán)境信息，判斷巡線情況與農(nóng)作物長勢監(jiān)測；深度相機(jī)拍攝的路面信息根據(jù)起伏信息進(jìn)行色塊標(biāo)記，對低洼地區(qū)及起伏遮擋進(jìn)行評估，評價通過性。同時對圖像進(jìn)行像素級的融合，融合后的圖像包含了所需的環(huán)境信息及周邊作物信息[5]。

3 變量噴灑

變量噴灑技術(shù)是根據(jù)數(shù)據(jù)融合系統(tǒng)生成的當(dāng)前作業(yè)場景的三維數(shù)據(jù)并計算出的最佳施藥用量進(jìn)行變量噴灑的實(shí)用技術(shù)。該系統(tǒng)主要利用神經(jīng)網(wǎng)絡(luò)模型對無刷隔離膜水泵這一滯后控制系統(tǒng)進(jìn)行實(shí)時PID流量控制的深度學(xué)習(xí)，變量噴灑控制系統(tǒng)硬件原理圖如圖5所示。系統(tǒng)會根據(jù)傳感器系統(tǒng)采集到的靶向數(shù)據(jù)進(jìn)行分析，計算出合理的用藥量同時根據(jù)標(biāo)靶所處的位置，根據(jù)模型計算出合理的液滴飄移范圍，從而實(shí)現(xiàn)精準(zhǔn)施藥。依據(jù)變量算法求得與當(dāng)前作物長勢擬合的風(fēng)量和施藥量，調(diào)節(jié)電機(jī)和電磁閥的脈寬調(diào)制信號以實(shí)時調(diào)節(jié)液泵轉(zhuǎn)速和噴頭流量實(shí)時調(diào)節(jié)。

圖5 變量噴灑控制系統(tǒng)硬件原理圖

4 結(jié)論

本文設(shè)計了一種針對農(nóng)業(yè)大棚巡檢與植保維護(hù)的服務(wù)系統(tǒng)，在傳統(tǒng)SLAM與聲源定位的基礎(chǔ)上引入數(shù)據(jù)融合方案，通過實(shí)時地圖場景構(gòu)建系統(tǒng)將相機(jī)、近紅外激光器、音源采集裝置、超聲波及其他外圍傳感器所采集到的農(nóng)業(yè)大棚中的特征數(shù)據(jù)進(jìn)行數(shù)據(jù)融合，并根據(jù)當(dāng)前數(shù)據(jù)特征利用地圖構(gòu)建法進(jìn)行實(shí)時構(gòu)建。此方案解決了自動巡檢機(jī)器人需要導(dǎo)航或大量標(biāo)定節(jié)點(diǎn)的方案，實(shí)現(xiàn)了農(nóng)業(yè)大棚巡檢與植保維護(hù)的無人化，大大提升效率并節(jié)約人力。

(05)