使用組合導航定位方法改善農(nóng)機定位信息

據(jù)《農(nóng)業(yè)工程學報》2011年3月報道，在農(nóng)業(yè)機械導航系統(tǒng)中，采用基于GPS和機器視覺的多傳感器組合導航定位獲取信息，再使用UKF（無痕跡變化卡爾曼濾波Unscented Kalman Filter）濾波后，導航定位精度和穩(wěn)定性得到改善，定位曲線得到平滑，克服了使用單一傳感器進行定位的弊端。

此研究報告刊登于《農(nóng)業(yè)工程學報》2011年第3期，題為“基于GPS和機器視覺的組合導航定位方法”，第一作者為中國農(nóng)業(yè)大學“現(xiàn)代精細農(nóng)業(yè)系統(tǒng)集成研究”教育部重點實驗室的碩士研究生陳艷。通信作者為張漫副教授，該研究為國家自然科學基金項目和國家“863”計劃項目。

定位精度直接影響農(nóng)業(yè)機械進行路徑自動跟蹤的質(zhì)量。全球衛(wèi)星定位系統(tǒng)（GPS）和機器視覺是自動導航系統(tǒng)中使用較多的兩類傳感器，農(nóng)田中作物收割與未收割的邊界有時并非直線，單獨使用GPS進行導航，在確定導航基準線方面存在一定的誤差；使用機器視覺進行此類作業(yè)，可以實時提取出當前作物行的特征信息，提高了定位的精度，但是單獨使用機器視覺時，在圖像處理過程中有時會出現(xiàn)漏檢的情況；為了彌補單一傳感器的不足，常采用多傳感器組合進行導航定位。對多傳感器信息進行融合時，常采用Kalman濾波算法，該方法可對研究對象過去、現(xiàn)在和將來的狀態(tài)做出線性最優(yōu)估計，比較適合動態(tài)環(huán)境中傳感器信息的實時融合；但是Kalman濾波器是一種線性濾波器，對農(nóng)業(yè)機械導航的非線性系統(tǒng)無法得到滿意的效果；而UKF方法是根據(jù)Unscented變化(無跡變換)和卡爾曼濾波相結(jié)合得到的一種算法，該方法是對非線性函數(shù)的概率密度分布進行近似，用一系列確定樣本來逼近狀態(tài)的后驗概率密度，UKF沒有線性化忽略高階項，因此非線性分布統(tǒng)計量的計算精度較高。

為了更好的改善農(nóng)業(yè)機械的導航定位效果，研究者將GPS和攝像機兩種傳感器結(jié)合起來，并采用UKF濾波算法對采集到的信息進行融合。

該研究構(gòu)建了一個基于GPS和機器視覺的多傳感器組合導航定位系統(tǒng)。在此系統(tǒng)中，采用GPS獲取導航車的絕對位置信息、航向角度和行駛速度；機器視覺通過圖像處理獲取導航基準線，并得到代表作物行特征的點；UKF濾波器用來對上述傳感器獲取的信息進行濾波，并以電瓶車為平臺，對濾波前后的定位效果進行對比。試驗結(jié)果表明，使用UKF濾波后的定位精度得到了改善，減少了定位數(shù)據(jù)的標準偏差，免了視覺信息丟失時導航無法進行的情況，提高了系統(tǒng)的穩(wěn)定性。

目前國內(nèi)對于GPS與機器視覺的組合導航研究相對較少，國外的一些研究大多是通過邏輯判斷進行傳感器的互補導航，或者使用Kalman濾波算法進行濾波，定位精度有待提高。此項研究填補了該領域的空白。研究成果顯示該方法能夠滿足農(nóng)業(yè)機械導航的要求，使農(nóng)業(yè)機械導航系統(tǒng)的定位精度和魯棒性得到了改善。