郭曉耿， 莫冬炎， 朱立學(xué)， 張世昂， 楊塵宇

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

0 引言

機(jī)器人已被公認(rèn)為農(nóng)業(yè)領(lǐng)域最具潛力的新興技術(shù)之一[1]。農(nóng)業(yè)機(jī)械自動化被認(rèn)為是提高農(nóng)業(yè)生產(chǎn)效率和質(zhì)量的最有效途徑，其中，應(yīng)用于農(nóng)業(yè)生產(chǎn)的機(jī)器人在提高勞動生產(chǎn)率、改善生產(chǎn)作業(yè)環(huán)境、緩解勞動力不足現(xiàn)狀，實(shí)現(xiàn)農(nóng)業(yè)的智能化、精準(zhǔn)化生產(chǎn)模式等方面具有極大的應(yīng)用前景[2]。

隨著工業(yè)化進(jìn)程的加快，養(yǎng)殖業(yè)也開始朝規(guī)?；?biāo)準(zhǔn)化、集約化、智能化不斷邁進(jìn)，機(jī)器人在實(shí)現(xiàn)農(nóng)業(yè)的可持續(xù)發(fā)展與室內(nèi)智能化養(yǎng)殖方面發(fā)揮著越來越顯著的作用[3]。機(jī)器人是一種集成傳感器、通訊交互、圖像識別等技術(shù)于一體的智能裝備，其中農(nóng)業(yè)作業(yè)環(huán)境中機(jī)器人的定位和導(dǎo)航一直是人們關(guān)注的焦點(diǎn)，自主導(dǎo)航技術(shù)是機(jī)器人實(shí)現(xiàn)各種自主作業(yè)功能最基礎(chǔ)也是最重要的技術(shù)[4-5]。

機(jī)器人在室內(nèi)養(yǎng)殖場實(shí)現(xiàn)自主作業(yè)，可靠的導(dǎo)航系統(tǒng)是實(shí)現(xiàn)機(jī)器人自動化作業(yè)的基本保證。為實(shí)現(xiàn)自主導(dǎo)航，機(jī)器人需要搭載各種傳感器，通過傳感器感知、獲取復(fù)雜的環(huán)境信息以便后續(xù)分析處理。根據(jù)環(huán)境感知技術(shù)的種類，導(dǎo)航技術(shù)有激光雷達(dá)導(dǎo)航、視覺導(dǎo)航、機(jī)械導(dǎo)航、電磁導(dǎo)航、超聲波導(dǎo)航、衛(wèi)星導(dǎo)航等分類，通過上述環(huán)境感知技術(shù)獲取信息，處理后傳輸?shù)綑C(jī)器人的行走控制器，實(shí)現(xiàn)自主導(dǎo)航與避障[6-7]。

在綜述室內(nèi)外機(jī)器人導(dǎo)航技術(shù)的基礎(chǔ)上，本文主要分析常用視覺導(dǎo)航技術(shù)、激光導(dǎo)航技術(shù)、衛(wèi)星導(dǎo)航技術(shù)、路標(biāo)導(dǎo)航技術(shù)和多種傳感器信息融合的導(dǎo)航技術(shù)在機(jī)器人導(dǎo)航作業(yè)時的導(dǎo)航精度、實(shí)時性、適應(yīng)性，分析各種導(dǎo)航技術(shù)在農(nóng)業(yè)領(lǐng)域應(yīng)用的優(yōu)缺點(diǎn)，結(jié)合在梅州市金綠現(xiàn)代農(nóng)業(yè)發(fā)展有限公司室內(nèi)養(yǎng)殖場和學(xué)校的實(shí)驗室進(jìn)行機(jī)器人導(dǎo)航技術(shù)試驗結(jié)果，指出常用導(dǎo)航技術(shù)在室內(nèi)養(yǎng)殖場應(yīng)用過程中存在的問題，并展望室內(nèi)養(yǎng)殖場機(jī)器人導(dǎo)航技術(shù)的發(fā)展前景。

1 視覺導(dǎo)航技術(shù)

視覺導(dǎo)航技術(shù)最初在美國和英國開始研究，隨后得到迅速應(yīng)用；我國的視覺導(dǎo)航技術(shù)研究始于20 世紀(jì)90年代，已引起農(nóng)業(yè)研究者的廣泛參與。隨著計算機(jī)算力的大幅度提升，視覺導(dǎo)航技術(shù)得到了快速發(fā)展，為機(jī)器人提供了可靠的導(dǎo)航支持[8]。

視覺導(dǎo)航具有語義信息豐富、探測范圍廣、成本低等優(yōu)點(diǎn)，主要使用計算設(shè)備來模擬人的視覺功能，從獲取圖像中提取相應(yīng)特征，檢測出導(dǎo)航路徑線，為機(jī)器人在室內(nèi)與室外作業(yè)環(huán)境中的行走提供導(dǎo)航路徑[9]。

機(jī)器人視覺導(dǎo)航分為作業(yè)環(huán)境分析、圖像采集與處理、提取導(dǎo)航路徑、獲取導(dǎo)航基準(zhǔn)線等環(huán)節(jié)，其中，導(dǎo)航路徑與導(dǎo)航線的提取最關(guān)鍵，決定了機(jī)器人的導(dǎo)航精度和速度[10]。提取出導(dǎo)航路徑之后，導(dǎo)航基準(zhǔn)線的問題才可以得到快速解決。提取導(dǎo)航路徑方法主要分為傳統(tǒng)圖像處理方法與神經(jīng)網(wǎng)絡(luò)路徑特征處理方法。

1.1 基于傳統(tǒng)圖像處理的導(dǎo)航路徑

視覺導(dǎo)航通過相機(jī)感知作業(yè)環(huán)境，提取圖像的特征信息，結(jié)合橫向偏差或者航向偏差等做出導(dǎo)航?jīng)Q策?；趥鹘y(tǒng)圖像處理的導(dǎo)航路徑提取方法首先對采集的圖像進(jìn)行圖像濾波、灰度化處理、閾值分割，感興趣區(qū)域的提取，最終通過查找相應(yīng)的邊緣點(diǎn)計算出導(dǎo)航線，如圖1 所示。

圖1 基于傳統(tǒng)圖像處理的導(dǎo)航路徑提取流程Fig. 1 General process of navigation path extraction based on traditional image processing

楊洋等[11]研究了玉米行可行走動態(tài)感興趣區(qū)域?qū)Ш骄€實(shí)時提取的方法，在動態(tài)目標(biāo)區(qū)域內(nèi)采用最小二乘法獲取玉米行間導(dǎo)航線，提取準(zhǔn)確率為96%。

李軍鋒等[12]采用一種混合閾值和偏移行中線的路徑識別方法劃分作物行，識別準(zhǔn)確率達(dá)98%。

宮金良等[13]提出一種基于邊緣檢測和區(qū)域定位的玉米根莖導(dǎo)航線提取方法，利用兩側(cè)邊緣判斷出準(zhǔn)確的根莖特征點(diǎn)，采用最小二乘法擬合得到玉米大田作業(yè)導(dǎo)航線，該方法特征點(diǎn)的擬合準(zhǔn)確率為92%。

關(guān)卓懷等[14]對獲取的圖像分割處理，然后水平掃描，采用多段三次B 樣條曲線擬合法提取水稻待收獲區(qū)域邊界線，試驗表明，中粳798 與臨稻20 采收時的作物線識別平均距離誤差分別為3.97、4.50 cm。

聶森等[15]提出一種基于HSV 色彩模型和最大類間方差法增強(qiáng)果園果樹樹行特征，最終以獲得相鄰兩樹行的中線作為導(dǎo)航路徑的方法，能有效克服行間生草、光照陰影等。

李亮等[16]采用面積去噪、水平投影方法等特征點(diǎn)提取方法，根據(jù)特征點(diǎn)間的關(guān)系形成左右兩列點(diǎn)簇，通過最小二乘法查找左右兩條交界線和各行中心點(diǎn)生成臨時行走的導(dǎo)航路徑。

RADCLIFFE J 等[17]以果園的樹冠和天空為基底，將樹冠背景中的天空分割出來，并將分割對象的質(zhì)心特征作為一個過程變量，進(jìn)而引導(dǎo)機(jī)器人通過樹冠行，該算法對樹形、種植方式和傳感器視野要求較高。

MA Y 等[18]在枸杞自動采收中提出了一種改進(jìn)的彩色通道權(quán)值方法，將彩色圖像轉(zhuǎn)換為灰度圖像，利用最小正外切矩形尋找輪廓，通過最小二乘法對輪廓點(diǎn)進(jìn)行導(dǎo)航線擬合，計算出可變斜率ROI 來動態(tài)跟蹤導(dǎo)航線，結(jié)果表明，當(dāng)速度為1 km/h 時，最大橫向偏差小于6.2 cm，平均橫向偏差為2.9 cm。

CHEN J 等[19]提出的中值點(diǎn)Hough 變換算法能夠準(zhǔn)確提取導(dǎo)航路徑，最大航行路徑偏差小于0.5°，與傳統(tǒng)的Hough 變換相比，導(dǎo)航路徑擬合的平均時間為7.13 ms，在時間和精度方面都取得較好的效果。

基于傳統(tǒng)圖像處理的導(dǎo)航路徑提取結(jié)果對比如表1所示。

表1 基于傳統(tǒng)圖像處理的導(dǎo)航路徑提取結(jié)果對比Tab. 1 Comparison of navigation path extraction results based on traditional image processing

參考上述文獻(xiàn)傳統(tǒng)圖像處理方法，在梅州市金綠現(xiàn)代農(nóng)業(yè)發(fā)展有限公司室內(nèi)鴿子養(yǎng)殖場進(jìn)行了導(dǎo)航路徑提取與導(dǎo)航線擬合。利用搭載機(jī)器人的深度相機(jī)獲取圖像數(shù)據(jù)，采用高斯模糊圖像預(yù)處理方法進(jìn)行自適應(yīng)閾值分割，采取掃描法剔除邊緣的偽特征點(diǎn)，確定可行走路徑的邊緣點(diǎn)，利用最小二乘法擬合左右邊緣——導(dǎo)航路徑邊界，由左右邊緣點(diǎn)得到導(dǎo)航路徑的導(dǎo)航中心點(diǎn)。試驗結(jié)果表明，采用傳統(tǒng)圖像處理提取導(dǎo)航線的方法可為機(jī)器人在室內(nèi)養(yǎng)殖場作業(yè)提供一定的導(dǎo)航參考。試驗中導(dǎo)航路徑提取的效果如圖2 所示。

圖2 傳統(tǒng)圖像處理的導(dǎo)航路徑提取Fig. 2 Navigation path extraction of traditional image processing

在傳統(tǒng)圖像處理的導(dǎo)航路徑過程中，大多數(shù)學(xué)者結(jié)合顏色特征分割圖像中的作物或壟溝，再通過最小二乘法、三次B 樣條采樣、Hough 變換等提取出機(jī)器人可行走的導(dǎo)航線，傳統(tǒng)圖像處理方法提取導(dǎo)航線實(shí)時性好，可實(shí)現(xiàn)機(jī)器人在室內(nèi)養(yǎng)殖場自主導(dǎo)航。

1.2 基于神經(jīng)網(wǎng)絡(luò)的導(dǎo)航路徑

近年來，神經(jīng)網(wǎng)絡(luò)在農(nóng)業(yè)領(lǐng)域的應(yīng)用日益廣泛，神經(jīng)網(wǎng)絡(luò)方法具有檢測精度高、適應(yīng)性強(qiáng)的特點(diǎn)。

韓振浩等[20]提出了一種基于U-Net 網(wǎng)絡(luò)的果園視覺導(dǎo)航路徑識別方法（圖3），在果園道路圖像分割的基礎(chǔ)上進(jìn)行基于掃描法的邊緣信息提取和基于B 樣條曲線擬合的導(dǎo)航路徑識別，試驗表明在果園道路寬度約為3.1 m 時，平均距離誤差為4.4 cm。

圖3 基于U-Net 網(wǎng)絡(luò)果園導(dǎo)航路徑預(yù)測結(jié)果與邊緣提取Fig. 3 Prediction results and edge extraction of orchard navigation path based on U-Net network

王毅等[21]采用基于YOLOV3 卷積神經(jīng)網(wǎng)絡(luò)識別果園道路兩旁果樹的樹干，然后利用獲得的樹干位置方框信息提取出樹干方框?qū)屈c(diǎn)的坐標(biāo)，進(jìn)而求得樹干與地面的交點(diǎn)，最后用公式表示出導(dǎo)航線，試驗結(jié)果表明，平均偏差距離為3.3 cm。

楊洋等[22]研究了玉米根莖精確識別與定位方法，通過圖片預(yù)處理訓(xùn)練網(wǎng)絡(luò)模型，得到目標(biāo)檢測器并識別出根莖位置后，可以得到邊界框內(nèi)的定點(diǎn)，即路徑基準(zhǔn)點(diǎn)，采用三次樣條插值的方法來獲得兩側(cè)的玉米根莖導(dǎo)航基準(zhǔn)線，最后進(jìn)行最小二乘法擬合出導(dǎo)航路徑。

馬馳等[23]提出基于深度學(xué)習(xí)的目標(biāo)檢測框底邊中點(diǎn)替代果樹根點(diǎn)的導(dǎo)航特征目標(biāo)檢測方法，利用Faster R-CNN 目標(biāo)檢測模型能有效識別獼猴桃樹干，并可獲取定位基準(zhǔn)點(diǎn)坐標(biāo)，通過三次樣條插值法提取兩側(cè)樹干線，再利用最小二乘法擬合最終的行間導(dǎo)航中線，試驗結(jié)果表明，生成的導(dǎo)航線實(shí)際平均橫向偏差為5.2 cm。

LIN Y K 等[24]采用一種ENet 語義分割網(wǎng)絡(luò)模型識別茶園輪廓，可為自動采茶提供實(shí)時導(dǎo)航方案。

朱逸航等[25]提出了一種基于U-Net 的棉花壟間道路識別的方法，在復(fù)雜作業(yè)環(huán)境中，其識別道路精度高，能為機(jī)器人在其他作業(yè)環(huán)境的導(dǎo)航提供參考。

吳偉斌等[26]利用MS-PSPNet 網(wǎng)絡(luò)模型識別果、茶園道路，該方法具有較好的識別率和適應(yīng)性。

饒秀勤等[27]提出了基于Fast-Unet 模型的棉花、玉米、甘蔗導(dǎo)航路徑識別方法，利用Canny 邊緣檢測，從網(wǎng)絡(luò)模型識別的導(dǎo)航路徑中提取出導(dǎo)航路徑中心線，試驗表明，該方法適應(yīng)導(dǎo)航的實(shí)時性要求。

表2 匯總了幾種神經(jīng)網(wǎng)絡(luò)導(dǎo)航路徑提取方法的性能?；谏窠?jīng)網(wǎng)絡(luò)的導(dǎo)航技術(shù)處理圖像具有高效性和準(zhǔn)確性，可在復(fù)雜作業(yè)環(huán)境中實(shí)現(xiàn)自主導(dǎo)航，并且導(dǎo)航精度高、實(shí)時性好。這種方法需要較大的數(shù)據(jù)量，最大缺點(diǎn)在于環(huán)境改變后需要重新學(xué)習(xí)，這在環(huán)境信息不完整或環(huán)境經(jīng)常改變情況下難以應(yīng)用，其適應(yīng)性較差。

表2 神經(jīng)網(wǎng)絡(luò)處理的導(dǎo)航路徑提取方法Tab. 2 Navigation path extraction method based on neural network processing

基于圖像處理和神經(jīng)網(wǎng)絡(luò)的視覺導(dǎo)航技術(shù)在作業(yè)環(huán)境復(fù)雜多變、非結(jié)構(gòu)化室外的應(yīng)用較為常見，尤其在果園中廣泛應(yīng)用，但在室內(nèi)養(yǎng)殖場的應(yīng)用較少，大多數(shù)采用固定軌道的飼養(yǎng)方式和主要應(yīng)用在大型牲畜的飼養(yǎng)中，其應(yīng)用較少的主要原因有自動化養(yǎng)殖的研究基礎(chǔ)薄弱，規(guī)?；?、集約化的養(yǎng)殖場正處于起步階段，整機(jī)可靠性和智能化水平不高，導(dǎo)致室內(nèi)養(yǎng)殖場的前期硬件投入大與效益不高，成本回收期長，并且室內(nèi)養(yǎng)殖場容易受到養(yǎng)殖牲畜的糞便、毛發(fā)等廢棄物影響，行走路徑難以區(qū)分、導(dǎo)航線不易提取[28]。

2 其他導(dǎo)航技術(shù)

2.1 激光導(dǎo)航技術(shù)

激光掃描具有探測距離遠(yuǎn)、實(shí)時性高、受光照等外界環(huán)境因素影響小等優(yōu)點(diǎn)，能以較高頻率提供大量準(zhǔn)確的距離信息。近年來，在果園環(huán)境中，利用該導(dǎo)航技術(shù)成功實(shí)現(xiàn)了周圍環(huán)境感知和移動機(jī)器人的精準(zhǔn)定位。

劉沛等[29]使用激光掃描儀實(shí)時采集果樹位置信息，用最小二乘法擬合導(dǎo)航路徑，試驗中拖拉機(jī)以0.27 m/s的速度直線行走30 m，其最大橫向偏差0.15 m。

倪江楠[30]利用激光測距儀實(shí)現(xiàn)水稻田塊的路徑、障礙物等信息提取，檢測出邊緣特征，生成導(dǎo)航路徑。

陳軍等[31]使用激光掃描儀提取果園的障礙物信息特征數(shù)據(jù)，利用二次曲線擬合法擬合數(shù)據(jù)，機(jī)器人以0.54 m/s 的速度在正弦函數(shù)曲線路徑行走，行走平均橫向偏差與最大橫向偏差分別為0.12 和0.40 m。

薛金林等[32]提出了采用激光雷達(dá)獲取樹行信息的路徑導(dǎo)航方法，機(jī)器人初始速度為0.2 m/s，在路面較好的冬青樹行與在路面較差的梨樹行進(jìn)行導(dǎo)航行走時，最大橫向偏差分別為17.5 和28.0 cm。

ZHANG Shuo 等[33]在二維激光和果園干擾點(diǎn)的先驗知識的基礎(chǔ)上，利用最小二乘法和幾何線性擬合出精度更高的目標(biāo)導(dǎo)航路徑。

侯加林等[34]研究一種雙激光雷達(dá)的機(jī)器人導(dǎo)航方法，在溫室環(huán)境中以不同速度運(yùn)行時，實(shí)際導(dǎo)航路徑與目標(biāo)路徑的橫向平均偏差小于13 cm。

以梅州市金綠現(xiàn)代農(nóng)業(yè)發(fā)展有限公司室內(nèi)鴿子養(yǎng)殖場和仲愷農(nóng)業(yè)工程學(xué)院英東樓208 實(shí)驗室作為試驗場地，機(jī)器人搭載2D 激光雷達(dá)，分別在養(yǎng)殖場和實(shí)驗室內(nèi)掃描建圖，采用遙控的方式重復(fù)掃描籠間道路和實(shí)驗室的環(huán)境信息。試驗結(jié)果表明，利用激光雷達(dá)掃描稀疏的鴿籠道路周圍信息，其特征點(diǎn)不明顯，籠間的道路特征匹配不成功，無法實(shí)現(xiàn)建立室內(nèi)養(yǎng)殖場地圖，結(jié)果如圖4a 所示；而實(shí)驗室環(huán)境以緊密結(jié)構(gòu)的實(shí)驗臺分開的兩排過道和四周為墻壁，其掃描特征點(diǎn)明顯，可建立該實(shí)驗室的地圖，結(jié)果如圖4b 所示。因此，激光掃描匹配技術(shù)雖然能夠提供高精度、實(shí)時的位置、航向定位結(jié)果，但是遇到環(huán)境特征稀疏的情況，其定位精度便大幅度下降，容易受到外界環(huán)境的干擾。

圖4 鴿子室內(nèi)養(yǎng)殖場和實(shí)驗室激光雷達(dá)掃描結(jié)果Fig. 4 Lidar scanning results of pigeon indoor breeding farm and laboratory

2.2 衛(wèi)星導(dǎo)航技術(shù)

衛(wèi)星導(dǎo)航是機(jī)器人利用全球定位系統(tǒng)（global positioning system，GPS），通過其自身安裝的衛(wèi)星信號接收裝置接收4 顆衛(wèi)星發(fā)出的信號，進(jìn)行偽距離測量，最終獲得相應(yīng)的坐標(biāo)信息，將得到的坐標(biāo)傳輸給相應(yīng)的行走控制器實(shí)現(xiàn)機(jī)器人的基本行走功能。

羅錫文等[35]在國內(nèi)較早研究了RTK-GPS（real time kinematic global positioning system）導(dǎo)航控制系統(tǒng)，以東方紅X-804 型拖拉機(jī)為基礎(chǔ)，開發(fā)出基于RTK-DGPS（real time kinematics differential global positioning system）的自動導(dǎo)航控制系統(tǒng)，在行進(jìn)速度為0.8 m/s 時，直線跟蹤的最大誤差＜0.15 m，平均跟蹤誤差＜0.03 m。

熊斌等[36]提出一種基于北斗衛(wèi)星導(dǎo)航系統(tǒng)的果園施藥機(jī)自動導(dǎo)航控制系統(tǒng)，在行進(jìn)速度為2 km/h 時，直線跟蹤最大誤差≤0.13 m，平均跟蹤誤差≤0.03 m。

郭成洋等[37]設(shè)計了一種基于載波相位實(shí)時動態(tài)差分北斗衛(wèi)星定位系統(tǒng)（real time kinematic-BeiDou navigation satellite system，RTK-BDS）的自動導(dǎo)航控制系統(tǒng)，當(dāng)車輛前進(jìn)速度為0.5 m/s 時，最大橫向誤差≤0.086 m，平均誤差≤0.036 m。

張智剛等[38]以RTK-DGPS 為主要導(dǎo)航方式和數(shù)據(jù)濾波算法，進(jìn)行插秧機(jī)直線導(dǎo)航田間作業(yè)試驗，當(dāng)行進(jìn)速度0.6 m/s 時，直線跟蹤最大誤差和平均誤差分別小于0.17 和0.02 m。

衛(wèi)星導(dǎo)航具有全方位、多層次、寬領(lǐng)域的應(yīng)用，在大田上的農(nóng)機(jī)依靠衛(wèi)星導(dǎo)航可以達(dá)到比較高的導(dǎo)航精度，然而，在室內(nèi)養(yǎng)殖大棚、茂密的果林等環(huán)境中衛(wèi)星導(dǎo)航存在固有缺點(diǎn)，GPS 信號在遇到建筑物或其他障礙物阻擋時，信號強(qiáng)度被削弱，導(dǎo)致定位不準(zhǔn)確或系統(tǒng)功能癱瘓。如圖5 所示，在室內(nèi)養(yǎng)殖場中沒有GPS 信號，無法提供準(zhǔn)確的坐標(biāo)。

圖5 養(yǎng)殖場GPS 信號測試Fig. 5 Farm GPS signal test

2.3 路標(biāo)導(dǎo)航技術(shù)

鄭睿等[39]通過MR 二維碼實(shí)現(xiàn)機(jī)器人的目標(biāo)識別與定位，識別時間為45～55 ms?；袅恋萚40]設(shè)計了一種快速識別路標(biāo)方法，其平均識別時間為9.8 ms。周偉[41]利用QR 碼（quick response code）在室內(nèi)環(huán)境中實(shí)現(xiàn)機(jī)器人的姿態(tài)校正與定位導(dǎo)航功能。李奎[42]利用二維碼地標(biāo)構(gòu)建柵格化地圖，實(shí)現(xiàn)了機(jī)器人直線行走與轉(zhuǎn)彎的功能。二維碼具有制作簡單、存儲信息豐富等特點(diǎn)，該技術(shù)適于構(gòu)建柵格化地圖，以便定位機(jī)器人，校正機(jī)器人的姿態(tài)，也可應(yīng)用于地頭區(qū)域，借助其他傳感器技術(shù)，實(shí)現(xiàn)平穩(wěn)的地頭轉(zhuǎn)彎。

3 多種導(dǎo)航方式信息融合的導(dǎo)航技術(shù)

在機(jī)器人導(dǎo)航研究中，多傳感器融合技術(shù)是指利用多個傳感器共同工作，對多種傳感器數(shù)據(jù)進(jìn)行處理和優(yōu)化，得到更加精準(zhǔn)穩(wěn)定的導(dǎo)航能力。

嚴(yán)小意等[43]提出了一種激光雷達(dá)和慣性測量單元相融合的導(dǎo)航定位系統(tǒng)，通過激光雷達(dá)提取環(huán)境特征和構(gòu)建地圖，利用慣性測量單元補(bǔ)償誤差。

安亮等[44]采用基于慣性測量單元和GPS 構(gòu)成的組合導(dǎo)航系統(tǒng)，不僅結(jié)合了GPS 的定位精度高和誤差無積累的特點(diǎn)，還結(jié)合了慣性導(dǎo)航的自主性和實(shí)時性的優(yōu)點(diǎn)，增強(qiáng)了可靠性，精度也得到提高。

鐘銀等[45]設(shè)計了基于全球?qū)Ш叫l(wèi)星系統(tǒng)和慣性導(dǎo)航系統(tǒng)的智能農(nóng)機(jī)組合導(dǎo)航系統(tǒng)，融合全球?qū)Ш叫l(wèi)星系統(tǒng)數(shù)據(jù)，并進(jìn)行卡爾曼濾波，該組合導(dǎo)航系統(tǒng)優(yōu)于單獨(dú)GNSS 系統(tǒng)產(chǎn)生的定位定向結(jié)果。

王勇等[46]提出了一種超寬帶與陀螺儀組合的導(dǎo)航定位技術(shù)，在溫室環(huán)境中進(jìn)行機(jī)器人的行走試驗表明，直線行走距離偏差＜6 cm。

多種傳感器獲取外界環(huán)境信息，并進(jìn)行數(shù)據(jù)信息相互融合，可消除信息間的冗余度，克服單一信息的不完整性，使得農(nóng)業(yè)機(jī)器人導(dǎo)航能夠更加的準(zhǔn)確與科學(xué)。未來在農(nóng)業(yè)機(jī)器人導(dǎo)航中，多種導(dǎo)航方式信息融合將發(fā)揮重要的作用。

4 結(jié)束語

闡述了視覺導(dǎo)航技術(shù)、激光導(dǎo)航技術(shù)、衛(wèi)星導(dǎo)航技術(shù)、路標(biāo)導(dǎo)航技術(shù)、組合導(dǎo)航技術(shù)在各自場景的應(yīng)用情況，并以梅州市金綠現(xiàn)代農(nóng)業(yè)發(fā)展有限公司的室內(nèi)養(yǎng)殖場為試驗平臺，初步探索視覺導(dǎo)航、激光雷達(dá)導(dǎo)航、衛(wèi)星導(dǎo)航在室內(nèi)養(yǎng)殖場的應(yīng)用。

基于傳統(tǒng)圖像處理的導(dǎo)航路徑提取方法的實(shí)時性好，精度較好，可以適應(yīng)機(jī)器人在規(guī)整化室內(nèi)養(yǎng)殖場導(dǎo)航的需求?；谏窠?jīng)網(wǎng)絡(luò)的導(dǎo)航路徑提取方法在各種復(fù)雜情況下運(yùn)用時，需要多次采集數(shù)據(jù)、制作數(shù)據(jù)集等工作，工作量大，但在環(huán)境條件變化不明顯的室內(nèi)養(yǎng)殖場適應(yīng)性較好。單一的激光導(dǎo)航技術(shù)的導(dǎo)航精度普遍較低，在室內(nèi)養(yǎng)殖場的籠間稀疏、掃描特征不明顯的情況下，不能形成導(dǎo)航路徑。衛(wèi)星導(dǎo)航技術(shù)適用于信號較好的開闊環(huán)境，在室內(nèi)養(yǎng)殖場中難以得到有效的應(yīng)用。路標(biāo)導(dǎo)航可以儲存大量的信息，在室內(nèi)養(yǎng)殖場可利用其建立全局地圖，輔助室內(nèi)養(yǎng)殖場機(jī)器人實(shí)現(xiàn)定位與轉(zhuǎn)彎的功能。

在室內(nèi)養(yǎng)殖場，機(jī)器人將得到廣泛應(yīng)用，基于多種傳感器信息融合的導(dǎo)航技術(shù)將為機(jī)器人實(shí)現(xiàn)精準(zhǔn)、快速的作業(yè)提供導(dǎo)航保障。