摘 要：丘陵耕地地塊細(xì)碎、不平整、形狀不規(guī)則，造成大型農(nóng)業(yè)機(jī)械難以發(fā)揮作用，推進(jìn)丘陵山區(qū)農(nóng)機(jī)化極其艱難。設(shè)計(jì)一種基于樹(shù)莓派（Raspberry Pi）微型電腦和STM32嵌入式單片機(jī)的小型農(nóng)業(yè)機(jī)械自動(dòng)導(dǎo)航控制系統(tǒng)。系統(tǒng)通過(guò)雙頻定位模塊獲取實(shí)時(shí)定位信息，利用雙目攝像頭、紅外攝像頭識(shí)別障礙物與耕地邊界，采用慣性導(dǎo)航裝置獲取機(jī)械運(yùn)動(dòng)信息，樹(shù)莓派綜合分析各項(xiàng)數(shù)據(jù)以提供高精度導(dǎo)航，實(shí)現(xiàn)自動(dòng)制動(dòng)和轉(zhuǎn)向。系統(tǒng)有效解決了地塊不平整與地塊形狀不規(guī)則帶來(lái)的自動(dòng)導(dǎo)航精度不足的問(wèn)題，推動(dòng)小型農(nóng)業(yè)機(jī)械的自動(dòng)化，解放勞動(dòng)力，更好地服務(wù)農(nóng)業(yè)機(jī)械化率年增長(zhǎng)超2百分點(diǎn)的目標(biāo)。

關(guān)鍵詞：農(nóng)業(yè)機(jī)械;樹(shù)莓派;STM32;導(dǎo)航

中圖分類(lèi)號(hào)：TP399 文獻(xiàn)標(biāo)志碼：A

0 引言（Introduction）

丘陵山區(qū)占我國(guó)國(guó)土面積的2/3，我國(guó)丘陵山區(qū)耕地面積占總耕地面積的1/3，是糧食經(jīng)濟(jì)作物的重要生產(chǎn)基地。丘陵山區(qū)耕地的地理狀況復(fù)雜，地理特征具有多樣性的特點(diǎn)，地塊細(xì)碎零亂、高低不平、坡多臺(tái)多埂多、形狀不規(guī)則，導(dǎo)致農(nóng)機(jī)下地難、作業(yè)難、轉(zhuǎn)運(yùn)難。丘陵山區(qū)農(nóng)業(yè)機(jī)械化是我國(guó)農(nóng)業(yè)機(jī)械化發(fā)展的最大短板所在。同時(shí)，大量青壯年勞動(dòng)力外流、農(nóng)耕人口老齡化、勞動(dòng)力價(jià)格上漲和種糧收益下降，導(dǎo)致許多優(yōu)質(zhì)丘陵耕地出現(xiàn)撂荒現(xiàn)象。

近年來(lái)，西南諸省大力推廣土地平整改造，推動(dòng)農(nóng)田地塊小并大、短并長(zhǎng)、陡變平、曲變順和互聯(lián)互通，提高農(nóng)機(jī)適應(yīng)性。同時(shí)，發(fā)展應(yīng)對(duì)丘陵耕地特色的智能化農(nóng)具，開(kāi)發(fā)體型輕便、可精確導(dǎo)航及制動(dòng)轉(zhuǎn)向性強(qiáng)的小微型農(nóng)業(yè)耕具，助力提升丘陵山區(qū)的農(nóng)業(yè)機(jī)械化水平。推動(dòng)小型農(nóng)業(yè)機(jī)械自動(dòng)化發(fā)展可以有效地解決丘陵耕地撂荒問(wèn)題。本文設(shè)計(jì)的小型農(nóng)業(yè)機(jī)械自動(dòng)導(dǎo)航控制系統(tǒng)，旨在結(jié)合現(xiàn)有的小型化農(nóng)業(yè)機(jī)械，為其提供高精度自動(dòng)導(dǎo)航，實(shí)現(xiàn)對(duì)市場(chǎng)現(xiàn)有小型化農(nóng)業(yè)機(jī)械的自動(dòng)化升級(jí)和改造。

1 系統(tǒng)總體設(shè)計(jì)（Overall system design）

小型農(nóng)業(yè)機(jī)械自動(dòng)導(dǎo)航控制系統(tǒng)分為硬件設(shè)計(jì)、軟件設(shè)計(jì)、控制平臺(tái)3大部分。系統(tǒng)硬件結(jié)構(gòu)如圖1所示。

系統(tǒng)硬件部分分為流動(dòng)基準(zhǔn)站、車(chē)載自動(dòng)導(dǎo)航控制系統(tǒng)。流動(dòng)基準(zhǔn)站由全球?qū)Ш叫l(wèi)星系統(tǒng)接收機(jī)、定位天線(xiàn)、信號(hào)發(fā)送天線(xiàn)等組成[1]。車(chē)載自動(dòng)導(dǎo)航控制系統(tǒng)的硬件部分由樹(shù)莓派主控板、STM32驅(qū)動(dòng)板、雙目攝像頭、紅外攝像頭、雙頻定位模塊、慣性導(dǎo)航裝置、轉(zhuǎn)向驅(qū)動(dòng)裝置、液壓驅(qū)動(dòng)裝置、OLED顯示屏等設(shè)備組成[2]。系統(tǒng)軟件主要解決地塊細(xì)碎、曲線(xiàn)邊界、地塊不平整和高度落差等導(dǎo)致的導(dǎo)航不精確問(wèn)題。系統(tǒng)采用紅外熱成像圖像增強(qiáng)技術(shù)，結(jié)合自適應(yīng)視覺(jué)導(dǎo)航算法，能有效解決晝夜環(huán)境下障礙物與地塊邊界識(shí)別難的問(wèn)題。同時(shí)，采用GNSS（GlobalNavigation Satellite System）+IMU（Inertial Measurement Unit）的定位方案，利用慣性導(dǎo)航解算算法實(shí)時(shí)推算運(yùn)動(dòng)姿態(tài)信息?？刂破脚_(tái)則采用便捷的微信小程序進(jìn)行開(kāi)發(fā)。

2 硬件設(shè)計(jì)（Hardware design）

2.1 流動(dòng)基準(zhǔn)站

流動(dòng)基準(zhǔn)站由定位天線(xiàn)、全球?qū)Ш叫l(wèi)星系統(tǒng)接收機(jī)、信號(hào)發(fā)送天線(xiàn)等組成。定位天線(xiàn)用于接收定位衛(wèi)星發(fā)送的定位信號(hào);全球?qū)Ш叫l(wèi)星系統(tǒng)接收機(jī)用于記錄衛(wèi)星位置和信號(hào)到達(dá)時(shí)間等信息，處理并解算農(nóng)具位置信息;信號(hào)發(fā)送天線(xiàn)用于發(fā)送接收機(jī)的記錄信息。雙頻定位模塊將采集到的衛(wèi)星定位信息與流動(dòng)基準(zhǔn)站發(fā)送的記錄信息相比較，經(jīng)定位算法處理，計(jì)算位置誤差，并修正其位置，從而實(shí)現(xiàn)高精度的定位[3]。

2.2 車(chē)載自動(dòng)導(dǎo)航控制系統(tǒng)

車(chē)載自動(dòng)導(dǎo)航控制系統(tǒng)按組成設(shè)備功能可分為感知層、數(shù)據(jù)處理層和設(shè)備驅(qū)動(dòng)層。

感知層主要由雙目攝像頭、紅外攝像頭、雙頻定位模塊、慣性導(dǎo)航裝置組成。雙目攝像頭可以拓寬視野感知范圍，靜止時(shí)可獲取前方物體的距離信息，適合應(yīng)用在地塊細(xì)碎的耕地，可以捕捉耕地邊界線(xiàn)、測(cè)量邊界線(xiàn)距離。紅外攝像頭作為雙目攝像頭感知補(bǔ)充設(shè)備，用于解決夜間、霧天等光線(xiàn)昏暗、能見(jiàn)度低等問(wèn)題。雙頻定位模塊具備高集成度、低功耗、抗干擾和高靈敏度等特點(diǎn)，用于接收定位衛(wèi)星發(fā)送的信息與流動(dòng)基準(zhǔn)站的記錄信息，支持所有民用全球?qū)Ш叫l(wèi)星系統(tǒng)（GNSS），自身集成解算芯片，能夠?qū)崿F(xiàn)片上實(shí)時(shí)動(dòng)態(tài)（Real-Time Kinematic，RTK）定位，為自動(dòng)導(dǎo)航控制系統(tǒng)提供厘米級(jí)高精度的實(shí)時(shí)定位。慣性導(dǎo)航裝置是由三軸陀螺儀、三軸加速度計(jì)、三軸磁力計(jì)和氣壓計(jì)等組成，可以實(shí)現(xiàn)三維運(yùn)動(dòng)姿態(tài)測(cè)量，通過(guò)高性能傳感器和自身集成的姿態(tài)解算器，結(jié)合動(dòng)態(tài)卡爾曼濾波融合算法，可獲得高精度、高動(dòng)態(tài)的三軸姿態(tài)角度。慣性導(dǎo)航裝置與雙頻定位模塊的信息相融合，實(shí)時(shí)推算速度、位置、轉(zhuǎn)動(dòng)角度等運(yùn)動(dòng)參數(shù)，為設(shè)備驅(qū)動(dòng)層調(diào)整機(jī)械運(yùn)動(dòng)速度、偏轉(zhuǎn)角度等運(yùn)動(dòng)姿態(tài)。

樹(shù)莓派主控板負(fù)責(zé)完成數(shù)據(jù)處理層任務(wù)。樹(shù)莓派主控板具備體積小、高運(yùn)算速度、豐富外設(shè)接口等優(yōu)點(diǎn)，自身集成2.4 GHz和5 GHz雙頻段的無(wú)線(xiàn)網(wǎng)卡和藍(lán)牙5.0，同時(shí)該主板支持Python、C等編程語(yǔ)言進(jìn)行開(kāi)發(fā)[4]。樹(shù)莓派具備完整的電腦功能，樹(shù)莓派安裝Ubuntu18.04操作系統(tǒng)后，可通過(guò)OLED（Organic Light-Emitting Diode）顯示屏顯示交互界面，可操作鍵盤(pán)、鼠標(biāo)等設(shè)備進(jìn)行網(wǎng)絡(luò)連接與命令行輸入等操作。

設(shè)備驅(qū)動(dòng)層由STM32驅(qū)動(dòng)板、轉(zhuǎn)向驅(qū)動(dòng)裝置、液壓驅(qū)動(dòng)裝置構(gòu)成。STM32驅(qū)動(dòng)板擁有豐富的外設(shè)接口，連接轉(zhuǎn)向驅(qū)動(dòng)裝置和液壓驅(qū)動(dòng)裝置，可以測(cè)量設(shè)備電壓并驅(qū)動(dòng)電機(jī)轉(zhuǎn)動(dòng)。豐富的通信接口可以使其與樹(shù)莓派、慣性導(dǎo)航裝置相互通信。通過(guò)移植RT-Thread操作系統(tǒng)使STM32驅(qū)動(dòng)板具備了實(shí)時(shí)處理多任務(wù)、控制多外設(shè)的能力。轉(zhuǎn)向驅(qū)動(dòng)裝置連接機(jī)械的轉(zhuǎn)向輪，STM32驅(qū)動(dòng)板結(jié)合轉(zhuǎn)向驅(qū)動(dòng)裝置與慣性導(dǎo)航裝置的反饋信息，實(shí)時(shí)調(diào)控轉(zhuǎn)向驅(qū)動(dòng)裝置的偏轉(zhuǎn)角度。液壓驅(qū)動(dòng)裝置連接機(jī)械供油裝置，依據(jù)慣性導(dǎo)航裝置測(cè)算的速度，STM32驅(qū)動(dòng)板可調(diào)節(jié)液壓驅(qū)動(dòng)裝置的伸展長(zhǎng)度，實(shí)現(xiàn)對(duì)供油裝置的控制。

3 軟件設(shè)計(jì)（Software design）

3.1 紅外熱成像處理

紅外熱成像技術(shù)是一種波長(zhǎng)轉(zhuǎn)換技術(shù)，通過(guò)對(duì)外界場(chǎng)景中各物體輻射能量的探測(cè)，通過(guò)利用外界場(chǎng)景中各物體輻射強(qiáng)度大小的不同獲得圖像的背景和紋理細(xì)節(jié)。這使得設(shè)備不再受限于光照強(qiáng)度及光譜范圍的約束，突破了人眼的視覺(jué)特性。雖然紅外熱成像設(shè)備能夠較好地處理紅外圖像的非均勻性、盲元等問(wèn)題，但仍存在圖像對(duì)比度低、分辨率差的問(wèn)題。

紅外熱成像圖像增強(qiáng)技術(shù)是通過(guò)對(duì)輸入圖像進(jìn)行分層操作實(shí)現(xiàn)的。輸入圖像經(jīng)雙邊濾波器濾波后獲得圖像的背景層，輸入圖像減去背景層信息后，獲得圖像的信息細(xì)節(jié)，作為細(xì)節(jié)層圖像。對(duì)細(xì)節(jié)層圖像進(jìn)行細(xì)節(jié)增強(qiáng)處理，對(duì)背景層圖像進(jìn)行直方圖均衡化處理，提高圖像對(duì)比度，將處理后的細(xì)節(jié)層和背景層圖像融合為一幀圖像，從而達(dá)到紅外圖像增強(qiáng)細(xì)節(jié)、提高對(duì)比度的目的[5]。紅外熱成像圖像增強(qiáng)技術(shù)原理如圖2所示。

3.1.1 輸入圖像分層操作

經(jīng)典低通濾波器只能濾除圖像中的高頻分量，不能分離出高頻分量中的有效信息，會(huì)導(dǎo)致高頻分量的細(xì)節(jié)信息丟失，導(dǎo)致紅外圖像的紋理細(xì)節(jié)和邊緣特征出現(xiàn)模糊。為保留紅外圖像中的邊緣特征和紋理細(xì)節(jié)，本文采用雙邊濾波器對(duì)紅外圖像進(jìn)行分層處理[5-7]。雙邊濾波是一種非線(xiàn)性的濾波方法，是結(jié)合了圖像的空間鄰近度和像素值相似度的一種綜合濾波方式，同時(shí)考慮空間域信息和灰度相似性，以達(dá)到保留邊緣特征和抑制噪聲的效果。

雙邊濾波器MATLAB核心代碼：

function b=BF_Filter（img，r，sigma_d，sigma_r）

%% 輸入?yún)?shù)：img（待濾波圖像），r（模板半徑）

%% sigma_d （空域矩陣標(biāo)準(zhǔn)差），sigma_r（值域矩陣標(biāo)準(zhǔn)差）

% 判斷是否為灰度圖像

if（size（img，3）gt;1）

img=rgb2gray（img）;

end

[x，y]=meshgrid（-r：r）;

% 空域權(quán)重矩陣

size=（2r+1）*（2r+1）;

w_spacial=exp（-（x.^2+y.^2）/（2*sigma_d.^2））;

[m，n]=size（img）;

img=double（img）;

% 擴(kuò)展圖像

size=（m+2r）*（n+2r）;

f_temp =padarray（img，[r r]，'symmetric'）;

% 滑動(dòng)窗口并濾波

b=zeros（m，n）;

for i=r+1：m+r

for j=r+1：n+r

Temp=f_temp（i-r：i+r，j-r：j+r）;

w_value=exp（-（tempimg（i-r，j-r））.^2/（2*sigma_r^2））;

w=w_spacial .* w_value;

s=temp.*w;

b（i-r，j-r）=sum（s（：））/sum（w（：））;

end

end

end

3.1.2 細(xì)節(jié)層圖像處理

細(xì)節(jié)層圖像含有場(chǎng)景物體的紋理細(xì)節(jié)和隨機(jī)噪聲信息。普通線(xiàn)性增強(qiáng)處理在增強(qiáng)圖像細(xì)節(jié)信息的同時(shí)，也會(huì)放大隨機(jī)噪聲，影響圖像成像效果。研究表明，人眼視覺(jué)系統(tǒng)對(duì)復(fù)雜的紋理區(qū)域中的噪聲敏感度相對(duì)較弱，對(duì)平坦區(qū)域的噪聲敏感度較高[8]，由此可以通過(guò)建立噪聲模板的可見(jiàn)性函數(shù)，反映圖像不同部位噪聲的可見(jiàn)程度[5]。結(jié)合自適應(yīng)增益算法調(diào)整圖像中不同區(qū)域的增益系數(shù)[9]，可實(shí)現(xiàn)細(xì)節(jié)層圖像抑制噪聲增強(qiáng)細(xì)節(jié)的目的。

自適應(yīng)增益算法MATLAB核心代碼：

function agcsig=agc（inputSig，gainFac）

inputPower=sum（abs（inputSig）.^2）;

% 計(jì)算輸入信號(hào)的平均功率

averagePower=inputPower/length（inputSig）;

% 根據(jù)增益因子計(jì)算目標(biāo)功率

targetPower=averagePower * gainFac;

% 計(jì)算需要應(yīng)用的增益

inputGain=sqrt（targetPower/inputPower）;

% 應(yīng)用增益到輸入信號(hào)

agcsignal=inputSig.*inputGain;

end

3.1.3 背景層圖像處理

由于背景層中含有豐富的場(chǎng)景信息，濾波不充分會(huì)使部分細(xì)節(jié)信息殘留。對(duì)背景層圖像的處理主要是對(duì)背景信息采用合理的算法來(lái)提高對(duì)比度。直方圖均衡算法是以圖像各灰度級(jí)概率的累積分布函數(shù)作為變換函數(shù)，將原圖像映射為一幅灰度級(jí)分布較均勻的圖像，以增大圖像灰度級(jí)的動(dòng)態(tài)范圍，從而增強(qiáng)圖像的對(duì)比度。直方圖均衡算法可使圖像中像素個(gè)數(shù)多的灰度值進(jìn)行展寬，對(duì)像素個(gè)數(shù)少的灰度值進(jìn)行歸并，處理后的圖像對(duì)比度增大、清晰度提高，起到增強(qiáng)圖像的效果[10-12]。

直方圖均衡算法MATLAB核心代碼：

% Ⅰ為需處理圖像的灰度圖

[R， C]=size（Ⅰ）;

% 統(tǒng)計(jì)每個(gè)像素值出現(xiàn)的次數(shù)

cnt=zeros（1，256）;

for i=1：R

for k=1：C

cnt（1，Ⅰ（i，k）+1）=cnt（1，Ⅰ（i，k）+1）+1;

end

end

f=zeros（1，256）;

f=double（f）;

cnt=double（cnt）;

% 統(tǒng)計(jì)每個(gè)像素值出現(xiàn)的概率，得到概率直方圖

for g=1：256

f（1，g）=cnt（1，g）/（R*C）;

end

% 求累計(jì)概率，得到累計(jì)直方圖

for i=2：256

f（1，i）=f（1，i-1）+f（1，i）;

end

% 用f數(shù)組實(shí)現(xiàn)像素值[0， 255]的映射

for i=1：255

f（1，i）=f（1，i）*255;

end

3.2 慣性導(dǎo)航解算

3.2.1 定位和姿態(tài)解算原理

本系統(tǒng)采用GNSS+IMU的定位方案，利用慣性導(dǎo)航裝置測(cè)量設(shè)備運(yùn)行的加速度、角速率等物體運(yùn)動(dòng)變化信息，結(jié)合給定的初始條件，與雙頻定位模塊提供的位置信息相融合，通過(guò)慣性導(dǎo)航解算算法實(shí)時(shí)推算速度、位置、姿態(tài)等參數(shù)。慣性導(dǎo)航解算是指利用慣性測(cè)量單元（IMU）的三軸陀螺儀、三軸加速度計(jì)、三軸磁力計(jì)和氣壓計(jì)，通過(guò)積分運(yùn)算得到目標(biāo)物體的位置、速度和姿態(tài)信息的過(guò)程。系統(tǒng)設(shè)計(jì)中，結(jié)合雙頻定位模塊和IMU進(jìn)行精確的運(yùn)動(dòng)姿態(tài)解算，以適應(yīng)丘陵耕地地理環(huán)境。首先對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，將雙頻定位模塊和IMU數(shù)據(jù)進(jìn)行時(shí)間對(duì)齊和同步，確保兩者采樣率和時(shí)間戳一致。其次進(jìn)行定位解算和姿態(tài)解算，利用雙頻定位模塊數(shù)據(jù)進(jìn)行定位解算，可以采用MATLAB內(nèi)置的函數(shù)如pos2lla將定位坐標(biāo)轉(zhuǎn)換為經(jīng)緯度;使用IMU數(shù)據(jù)實(shí)現(xiàn)姿態(tài)解算，解算方法為四元數(shù)法，采用euler2quat函數(shù)將歐拉角轉(zhuǎn)換為四元數(shù)表示姿態(tài)。最后融合雙頻定位和IMU數(shù)據(jù)，將定位解算的位置信息與姿態(tài)解算的姿態(tài)信息進(jìn)行融合，得到最終的姿態(tài)解算結(jié)果?？梢允褂盟脑獢?shù)法將定位位置信息轉(zhuǎn)換到IMU坐標(biāo)系下，再根據(jù)姿態(tài)解算的結(jié)果進(jìn)行補(bǔ)償。此外，姿態(tài)解算還可能受到傳感器噪聲、漂移等因素的影響，需要進(jìn)行濾波和校正，設(shè)計(jì)中采用卡爾曼濾波算法融合兩種傳感器的數(shù)據(jù)進(jìn)行濾波與誤差補(bǔ)償，以提高定位的準(zhǔn)確性和穩(wěn)定性?？柭鼮V波是一種利用系統(tǒng)動(dòng)態(tài)方程和觀(guān)測(cè)方程估計(jì)系統(tǒng)狀態(tài)的優(yōu)化方法，通過(guò)不斷地更新?tīng)顟B(tài)估計(jì)值，可以有效地抑制傳感器數(shù)據(jù)的噪聲和誤差，從而提高定位的精度和穩(wěn)定性[13-14]。定位和姿態(tài)解算流程如圖3所示。

3.2.2 姿態(tài)解算

由于丘陵山區(qū)的地形復(fù)雜，機(jī)械耕具必須實(shí)現(xiàn)小型化，并且具備精確導(dǎo)航、制動(dòng)反應(yīng)快速和轉(zhuǎn)向靈敏的特點(diǎn)，因此系統(tǒng)設(shè)計(jì)對(duì)耕具的姿態(tài)解算提出了較高的要求。系統(tǒng)利用慣性導(dǎo)航裝置內(nèi)置的加速度計(jì)與陀螺儀測(cè)量運(yùn)動(dòng)物體的加速度、三軸姿態(tài)角度等數(shù)據(jù)。本文的設(shè)計(jì)采用的加速度計(jì)是利用具有壓電效應(yīng)的晶體在受力時(shí)會(huì)發(fā)生晶體形變而產(chǎn)生電壓的特性，計(jì)算獲得產(chǎn)生電壓和所施加的力之間的關(guān)系，將加速度轉(zhuǎn)化成電壓輸出。陀螺儀運(yùn)動(dòng)時(shí)，受到的科里奧利力會(huì)把角速率轉(zhuǎn)換成一個(gè)感測(cè)結(jié)構(gòu)的位移，感測(cè)結(jié)構(gòu)的位移會(huì)產(chǎn)生電容變化，通過(guò)感測(cè)結(jié)構(gòu)電容變化測(cè)量產(chǎn)生的位移，因?yàn)槲灰拼笮∨c所施加的角速率大小成正比，所以可以獲得角速度和角加速度量。加速度計(jì)、陀螺儀測(cè)量的數(shù)據(jù)通過(guò)姿態(tài)解算得出物體實(shí)時(shí)位置、速度、姿態(tài)信息。姿態(tài)解算流程如圖4所示。

慣性導(dǎo)航解算算法MATLAB核心代碼：

% 初始化卡爾曼濾波器參數(shù)

A=eye（3）;% 狀態(tài)轉(zhuǎn)移矩陣

C=eye（3）;% 測(cè)量矩陣

Q=eye（3）;% 系統(tǒng)噪聲協(xié)方差

R=eye（3）;% 測(cè)量噪聲協(xié)方差

P=eye（3）;% 初始估計(jì)誤差協(xié)方差

% 初始化狀態(tài)估計(jì)和協(xié)方差矩陣

x_est=zeros（3，1）;% 狀態(tài)估計(jì)

P_est=P;% 估計(jì)誤差協(xié)方差

% imu_data為IMU采集數(shù)據(jù);gps_data為GPS采集數(shù)據(jù)

for i=1：length（imu_data）

% 預(yù)測(cè)步驟

x_pred=A * x_est;

P_pred=A * P_est * A'+ Q;

% 更新步驟

y=gps_data（i，：）'-C * x_pred;

S=C*P_pred *C'+R;

K=P_pred *C'/S;

x_est=x_pred +K*y;

P_est=（eye（3）- K*C）*P_pred;

% 輸出當(dāng)前位置估計(jì)值

disp（[‘當(dāng)前位置估計(jì)：’，num2str（x_est'）]）;

end

4 控制平臺(tái)（Control platform）

系統(tǒng)控制平臺(tái)采用微信小程序進(jìn)行開(kāi)發(fā)。微信小程序的特點(diǎn)是方便易用，占用空間較小。豐富的API接口方便接入并調(diào)用第三方數(shù)據(jù)平臺(tái)，節(jié)約了開(kāi)發(fā)周期和成本。微信的廣大用戶(hù)群體也方便了小程序的推廣和應(yīng)用。系統(tǒng)通過(guò)API接口接入第三方數(shù)據(jù)平臺(tái)，為系統(tǒng)運(yùn)作提供電子地圖、規(guī)劃自動(dòng)導(dǎo)航線(xiàn)路等各類(lèi)信息。微信小程序控制平臺(tái)通過(guò)與車(chē)載控制系統(tǒng)的樹(shù)莓派主控板的藍(lán)牙模塊相連，實(shí)現(xiàn)兩者的通信交流。小程序操作界面如圖5所示。

微信小程序設(shè)置了3個(gè)功能頁(yè)面：功能、記錄、我的。功能頁(yè)面設(shè)置有衛(wèi)星地圖、導(dǎo)航路線(xiàn)、藍(lán)牙連接、啟動(dòng)4個(gè)功能按鍵，衛(wèi)星地圖能夠獲取終端設(shè)備的定位信息，調(diào)取定位位置的衛(wèi)星地圖顯示于頁(yè)面左側(cè)，地圖下設(shè)有縮放滑動(dòng)桿，用于放大和縮小地圖。導(dǎo)航路線(xiàn)用于在衛(wèi)星地圖上劃定耕作地塊，并生成地塊的耕作路線(xiàn)。藍(lán)牙連接使用終端主控板設(shè)備的藍(lán)牙，連接車(chē)載控制系統(tǒng)樹(shù)莓派主控板的藍(lán)牙模塊，用于傳輸耕作路線(xiàn)的坐標(biāo)信息與設(shè)備控制命令。啟動(dòng)按鍵用于啟動(dòng)設(shè)備按照耕作路線(xiàn)自動(dòng)導(dǎo)航。記錄頁(yè)面可以查詢(xún)?cè)O(shè)備使用信息。我的頁(yè)面用于用戶(hù)輸入設(shè)備號(hào)、賬號(hào)、密碼等登錄信息，賬戶(hù)與設(shè)備是一對(duì)多的映射關(guān)系，方便一個(gè)賬戶(hù)同時(shí)管理多臺(tái)設(shè)備。

5 市場(chǎng)調(diào)研（Market survey）

調(diào)查數(shù)據(jù)顯示，我國(guó)丘陵山區(qū)的耕地面積占總耕地面積的1/3，是我國(guó)糧油糖和特色農(nóng)產(chǎn)品的重要生產(chǎn)基地，涉及農(nóng)業(yè)人口近3億。因此，提升丘陵山區(qū)的機(jī)械化率迫在眉睫。2010—2017年，我國(guó)農(nóng)業(yè)機(jī)械化率從52%增長(zhǎng)到66%，平均每年增長(zhǎng)2百分點(diǎn)。2017—2022年，平均每年增長(zhǎng)1.6百分點(diǎn)，平均每年增長(zhǎng)率在不斷下降。

對(duì)國(guó)內(nèi)外購(gòu)物平臺(tái)和搜索網(wǎng)站的調(diào)查顯示，隨著科技的發(fā)展，全球農(nóng)業(yè)生產(chǎn)已從主要依靠人力、畜力轉(zhuǎn)向主要依靠機(jī)械動(dòng)力，進(jìn)入機(jī)械化為主導(dǎo)的新階段。小型智能農(nóng)業(yè)機(jī)械操作簡(jiǎn)單、方便，并且作業(yè)效率高，因此深受廣大農(nóng)民的喜愛(ài)。在農(nóng)業(yè)機(jī)械化全面發(fā)展的背景下，全球小型智能農(nóng)業(yè)機(jī)械產(chǎn)品需求持續(xù)增長(zhǎng)，市場(chǎng)規(guī)模隨之攀升。我國(guó)高原、丘陵及山地地區(qū)受地形限制，機(jī)械化水平低，而小型智能農(nóng)業(yè)機(jī)械產(chǎn)品主要解決了高原、丘陵、山地地區(qū)農(nóng)業(yè)機(jī)械化水平低的問(wèn)題。因此，我國(guó)對(duì)小型智能農(nóng)業(yè)機(jī)械產(chǎn)品的需求也日益增長(zhǎng)。

6 結(jié)論（Conclusion）

本文設(shè)計(jì)了一款小型農(nóng)業(yè)機(jī)械自動(dòng)導(dǎo)航控制系統(tǒng)，系統(tǒng)由硬件設(shè)計(jì)、軟件設(shè)計(jì)、控制平臺(tái)3個(gè)部分組成。系統(tǒng)硬件部分包括流動(dòng)基準(zhǔn)站和車(chē)載自動(dòng)導(dǎo)航控制系統(tǒng);軟件設(shè)計(jì)著重介紹了紅外熱成像圖像處理技術(shù)和慣性導(dǎo)航解算應(yīng)用于丘陵耕地的精確導(dǎo)航;控制平臺(tái)采用微信小程序，實(shí)現(xiàn)了電子地圖、路徑導(dǎo)航和藍(lán)牙連接等功能。對(duì)該系統(tǒng)的應(yīng)用需求進(jìn)行市場(chǎng)調(diào)研后發(fā)現(xiàn)，隨著我國(guó)農(nóng)業(yè)機(jī)械化的發(fā)展，對(duì)小型智能農(nóng)業(yè)機(jī)械產(chǎn)品的需求會(huì)持續(xù)增長(zhǎng)。本文以較低的成本設(shè)計(jì)了一款小型農(nóng)業(yè)機(jī)械自動(dòng)導(dǎo)航控制系統(tǒng)，與現(xiàn)有的小型農(nóng)業(yè)機(jī)械產(chǎn)品融合，滿(mǎn)足了丘陵耕地的需求。

參考文獻(xiàn)（References）

[1] 劉慧，劉賓. 智慧農(nóng)機(jī)的自動(dòng)導(dǎo)航輔助駕駛系統(tǒng)設(shè)計(jì)[J].單片機(jī)與嵌入式系統(tǒng)應(yīng)用，2023，23（1）：76-79.

[2] 袁勛，湯兵兵. 基于A(yíng)RM的農(nóng)機(jī)無(wú)人駕駛系統(tǒng)硬件設(shè)計(jì)[J].南方農(nóng)機(jī)，2018，49（19）：76.

[3] 朱清山，高廣智，牛文祥. 農(nóng)機(jī)自動(dòng)導(dǎo)航駕駛系統(tǒng)及其應(yīng)用[J].現(xiàn)代化農(nóng)業(yè)，2016（5）：65-67.

[4] 王鵬，羅全珍. 基于無(wú)人車(chē)自動(dòng)構(gòu)圖導(dǎo)航系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J]. 物聯(lián)網(wǎng)技術(shù)，2020，10（5）：77-79.

[5] 蘇慶旦. 紅外熱成像系統(tǒng)實(shí)現(xiàn)及其圖像增強(qiáng)技術(shù)研究[D].西安：西安電子科技大學(xué)，2015.

[6] 陸善婷，楊敏紅. 雙邊濾波器在X射線(xiàn)圖像平滑濾波中的應(yīng)用[J]. 機(jī)電一體化，2013，19（1）：77-80.

[7] 劉尚旺，郜劉陽(yáng)，王博. 聯(lián)合雙邊濾波器和小波閾值收縮去噪算法研究[J]. 國(guó)土資源遙感，2018，30（2）：114-124.

[8] SUN L M，WANG J T，LI S S. A new infrared image enhancementalgorithm [C]∥IEEE. Proceedings of the IEEE：IEEE. 2017 29th Chinese Control And Decision Conference，Piscataway：IEEE，2017：422-425.

[9] 全永奇，李太君，鄧家先，等. 模糊集與非線(xiàn)性增益相結(jié)合的自適應(yīng)圖像增強(qiáng)算法[J]. 計(jì)算機(jī)應(yīng)用研究，2016，33（1）：311-315.

[10] 完顏丹丹. 紅外圖像對(duì)比度增強(qiáng)算法研究[D]. 洛陽(yáng)：河南科技大學(xué)，2012.

[11] 鄧超迪，李川，李英娜. 基于直方圖均衡化和雙邊濾波的變壓器紅外圖像增強(qiáng)[J]. 電力科學(xué)與工程，2020，36（11）：38-44.

[12] 呂侃徽，張大興. 基于自適應(yīng)直方圖均衡化耦合拉普拉斯變換的紅外圖像增強(qiáng)算法[J]. 光學(xué)技術(shù)，2021，47（6）：747-753.

[13] 徐辛超，姜姍姍. 魯棒無(wú)跡卡爾曼濾波組合導(dǎo)航定位方法[J].測(cè)繪科學(xué)，2023，48（1）：16-22.

[14] 唐伏乾. 車(chē)載組合導(dǎo)航系統(tǒng)卡爾曼濾波模型誤差研究[D].長(zhǎng)春：吉林大學(xué)，2022.

作者簡(jiǎn)介：

吳浩基（2000-），男，本科生。研究領(lǐng)域：通信技術(shù)，嵌入式系統(tǒng)開(kāi)發(fā)。

朱又敏（1966-），男，碩士，工程師。研究領(lǐng)域：無(wú)線(xiàn)通信，通信系統(tǒng)設(shè)計(jì)。本文通信作者。

馮智銳（2002-），男，本科生。研究領(lǐng)域：通信技術(shù)，軟件設(shè)計(jì)。

基金項(xiàng)目：國(guó)家級(jí)大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃項(xiàng)目資助（202310566029）