四邊形田塊下油菜聯合收獲機全覆蓋作業路徑規劃算法

羅承銘，熊陳文，黃小毛※，丁幼春，王紹帥

（1. 華中農業大學工學院，武漢 430070；2. 農業農村部長江中下游農業裝備重點實驗室，武漢 430070）

0 引言

隨著城鎮化進程的不斷推進，中國農村勞動力老齡化與短缺問題逐漸凸顯，“機器換人”的需求日益增加。近年來隨著農機自動導航技術和農用車輛底盤數字化驅動技術的快速發展，智能化的農業裝備被廣泛應用于農業生產的各個環節，無人農場生產模式正迅速地被廣泛接受并進行各種試驗示范[1-3]。作業路徑是車輛自動導航作業跟蹤的依據，作業路徑及調度策略一定程度上決定著具體作業條件下的機具、農資消耗總量和利用率。

對比傳統農業車輛在作業過程中通過駕駛員主觀判斷來規劃選擇作業路徑的方式，通過計算機規劃算法自動規劃路徑能夠顯著提高農機作業效率和質量、節約能源消耗[4]。Palmer等[5]利用車載GPS記錄的數據，通過事后分析傳統噴霧機作業軌跡發現，作業重疊（13%～27%）和遺漏（0.03%～1.56%）現象嚴重，而通過提出的路徑規劃算法，作業距離減少16%，作業消耗減少10%。Bochtis等[6]通過不同形狀田塊、不同作業參數的288組實例對比研究發現，經過算法優化獲得的作業調度方案比傳統的逐行調度方案在非有效作業距離上平均降幅達到58.65%，而在地頭轉彎空間上則平均節約了19.23%。

自動駕駛車輛跟蹤的目標路徑經歷了基于機器視覺目標檢測識別在線規劃[7]、A-B點示教、全過程示教和全局離線事前規劃等幾個階段。Conesa-Mu?oz等[8]針對田間精準除草問題，以路徑總長度、油箱容量和除草劑補給等為優化目標，考慮農機不同的行進速度與轉彎半徑，建立多機協同作業路徑規劃方法。Seyyedhasani等[9]為優化多機協同作業，提出了一種能夠動態、實時更新車輛路徑的全覆蓋路徑規劃算法。Hameed[10]通過對二維與三維田塊進行分析，設計了一種多目標優化的路徑規劃算法，可減少10%～15%的作業時間。Plessen[11]針對大田植保作業時噴霧機容量較小的問題，提出了基于多次補給作業的區域覆蓋路徑規劃方法。Utamima等[12]以最短路徑為優化目標，在農機路徑規劃中提出了進化混合鄰域搜索算法，有效縮短了農機的作業總長度。Nilsson等[13]以田塊全覆蓋為主要目標，考慮路徑長度、作業時間和土壤壓實等次要目標，基于人工蜂群算法建立農機路徑規劃方法。國內對于農機路徑規劃研究起步較晚，孟志軍等[14]針對凸多邊形田塊，提出了基于不同的路徑優化目標，通過計算最優作業角度生成作業路徑的方法。劉剛等[15]提出了以農田地勢高程分布特征為先決條件，以無效作業狀態、轉向操作和重復行走距離最少為優化目標的農機全覆蓋路徑規劃方法。

綜上，現有研究大多針對輪式拖拉機或收獲機展開，針對履帶式油菜聯合收獲機的研究較少，更鮮有考慮油菜聯合收獲機的分禾豎割刀對作業路徑的影響。鑒于此，本研究通過分析長江中下游稻油水旱輪作區油菜作物聯合收獲過程的作業特點，以最小漏收面積為前提、最短作業總長度為優化目標，針對四邊形這一最為常見的田塊邊界類型條件下的油菜聯合收獲作業路徑問題，分別為單側豎割刀和雙側豎割刀的油菜聯合收獲機，提出傳統環形路徑（輪廓平行路徑）和混合路徑（先輪廓平行路徑、后方向平行路徑）的全覆蓋作業路徑規劃算法，以期為長江中下游稻油輪作無人農場中油菜無人化聯合收獲提供作業路徑規劃方面的理論與技術支撐。

1 油菜聯合收獲過程的作業特點及路徑要求

中國南方地區農田耕地面積相對較小且分散，尤其在長江中下游稻油水旱輪作區，田塊之間的邊界界限十分明顯，一般都伴隨著田埂、溝渠、坡岸等不可跨越的障礙物。因此油菜聯合收獲機作業時，除了出入口外（有時連出入口也沒有，而需借助專用爬梯），田塊的邊界均為不可跨越，這是長江中下游區域油菜聯合收獲作業過程的第一個特點。第二，油菜作物植株分叉較多，機械收獲時，為減少割臺損失，需要在割臺側邊加裝豎式割刀進行主動分禾[16-17]，有雙側豎割刀和單側（左或右）豎割刀兩種形式。其中雙側豎割刀對收獲次序沒有要求，而單側豎割刀則需要按照一定的次序進行收獲作業。

油菜為旱地作物，因此南方油菜田內部均設有一定數量的排水溝，為保證機器良好的通過性能，油菜聯合收獲機一般采用履帶式而非輪式底盤。履帶式油菜聯合收獲機通常以差速方式進行轉向[18]，利用兩側履帶卷繞速度大小或方向上的不同，使機器完成轉向和轉彎過程。若不考慮土壤地表造成的滑移滑轉現象，履帶式車輛轉向原理按照兩側履帶速度方向是否一致可分成兩種情形（圖1）。當兩側履帶速度方向相同時，若速度大小相等（V1=V2）機器會直線前行，而若一側速度減小且兩側速度比值k保持不變（即k=|V2|/|V1|為定值），則機器會向速度值小的一側轉向，此時機器作回轉運動，回轉中心O落在機器外部且物理中心O′繞回轉中心O作圓周運動，轉彎半徑一般大于機器寬度的一半（圖1a）。當速度方向相反且比值k不變時，機器原地回轉，回轉中心O落在機器履帶中心和物理中心O′之間，即O′繞O作圓周運動，此時轉彎半徑一般小于機器寬度的一半（圖1b）。當V1=-V2時，O′、O重合，轉彎半徑為R=0，為原地逆差式轉向；當V1=0時，圖1中兩種情形歸為一種，為單側制動式轉向。兩種情形下，機器的瞬時回轉中心O的位置始終保持不變，因此回轉中心周圍土壤會遭到嚴重不均勻擠壓和破壞。實際操作中，除轉彎空間受限時采用原地回轉式轉彎外，一般多用變速動態式轉彎，即邊行進、邊轉彎，此時機器瞬時回轉中心的位置和轉彎半徑的大小會隨行進量和速度比值的變化而變化。此外，轉彎半徑還與履帶的滑轉率（%）、滑移率（%）等因素相關，實際轉彎半徑相對于理論轉彎半徑的修正系數在1.737～2.947之間變化[19]。為簡化計算過程，算法設計時假設轉彎半徑恒定不變，但會取多組不同數值進行驗證。

綜上，概括長江中下游稻油輪作區油菜聯合收獲自動化作業過程對所規劃作業路徑的要求為：

1）遵循以不碾壓未收獲作物且與田塊的剛性邊界相適應（機器在田間移動時尤其是地頭轉彎或轉移時不可觸碰邊界）的總原則，一般執行“先外圍、后內部”的田塊遍歷覆蓋總策略，須先采用輪廓平行路徑進行作業以騰出足夠的地頭轉彎空間。

2）收獲的具體次序要與油菜聯合收獲機割臺上豎割刀的形式相適應：左側豎割刀的油菜聯合收獲機，只能相對于田塊中心沿逆時針方式作業；右側豎割刀的油菜聯合收獲機，只能相對于田塊中心沿順時針方式作業。雙側豎割刀的油菜聯合收獲機則沒有限制。

3）以收獲作業路徑全覆蓋為總前提，以油菜聯合收獲機最小能耗和最少作業時間為優化總目標，即在基礎的有效收獲作業路徑和無作業的轉移銜接路徑生成時盡可能使油菜聯合收獲機的漏收面積最小、總的作業路徑最短、轉彎次數最少、倒車次數最少。

2 算法基本原理

2.1 田塊邊界數據定義及算法流程

以多邊形表示田塊邊界，田塊邊界的頂點可通過人工手持GPS實地打點或地理信息系統（Geographic Information System，GIS）中鼠標選取，經過通用橫軸墨卡托（Universal Transverse Mercator，UTM）投影算法[20]進行坐標轉換，將GPS坐標數據轉化為平面坐標數據，按逆時針方向依次存儲在多邊形數組中。

以多邊形田塊邊界信息、田塊出入口位置和油菜聯合收獲機的基本參數為輸入。算法執行時，首先通過等距偏置處理生成輪廓平行路徑，當油菜聯合收獲機為單側豎割刀時，生成由輪廓平行路徑為主要作業路徑的環形路徑；當油菜聯合收獲機具有雙側豎割刀時，則需要再經過多邊形掃描線填充算法處理，生成由輪廓平行路徑和方向平行路徑為主要作業路徑的混合路徑。算法流程如圖2所示。

在混合路徑中，油菜聯合收獲機由入口位置開始作業，先按照輪廓平行路徑及其銜接路徑完成田塊外圍區域收割，形成足夠的地頭轉彎空間，再按照方向平行路徑及其銜接路徑繼續作業，直至完成整個田塊的收割任務，如圖3所示。

2.2 多邊形等距偏置處理

多邊形等距偏置算法[21]是輪廓平行路徑的基礎算法，以油菜聯合收獲機的作業幅寬為偏置距離，將待作業田塊的邊界輪廓線逐步向內偏置，即可獲得一組等距多邊形。對于凸多邊形而言，其等距多邊形可以通過解析法準確求解獲得，且不會隨著偏置次數的增加而出現“退化現象”（多邊形頂點減少或多邊形個數增加）[21]。對任意相鄰的兩邊界輪廓線P1P2、P2P3，利用平行線定理可得出等距線AB、BC所在直線的斜截式方程，如式（1）所示，解方程即可得到頂點P2偏置后對應的B點坐標（圖4）。以此類推，求出其他各頂點偏置后的坐標，即可得到偏置后的等距多邊形。

式中x1、y1分別表示P1的橫坐標、縱坐標，m；x2、y2分別表示P2的橫坐標、縱坐標，m；W為油菜聯合收獲機的作業幅寬，m；12ppl、23ppl為邊界線段P1P2、P2P3的長度，m。

若田塊內部區域的作業路徑以方向平行路徑為主，則需要先通過輪廓平行路徑收獲邊界附近區域來為方向平行路徑的行間調度騰出足夠的地頭轉彎空間。該區域空間的大小取決于實際操作時的轉彎類型和機器的物理參數，保證機器順暢轉彎并避免在轉彎過程中觸碰到田塊邊界上的潛在障礙物。通過大量測試分析，本研究擬定經驗公式來計算實際偏置次數，如式（2）所示。

式中m為偏置次數；表示向上取整；R為油菜聯合收獲機的轉彎半徑，m；B為油菜聯合收獲機的車身寬度，m；LS為安全距離，根據油菜聯合收獲機的導航精度進行取值，m。

2.3 輪廓平行路徑及其銜接路徑

按照多邊形等距偏置算法，將田塊的輪廓邊界依次偏置處理m次，偏移距離除第一次偏置為W/2外，后續偏置時的偏置距離均在前一次基礎上加W，即可得到初始的輪廓平行路徑環組。該路徑環組存在2個問題需要進一步進行平滑過渡處理：1）各環之間彼此孤立；2）每環為一組首尾相連的線段，各相鄰線段間夾角小于180°。為滿足機器行駛要求，需分別進行環間銜接處理和環上拐角處理，獲得環間銜接路徑和環上拐角銜接路徑。

對于輪廓平行路徑的環間銜接，根據田塊入口相對于所在邊位置的不同，又分為兩種情況：1）剛好位于所在邊一側；2）處于所在邊中間。分別采取兩種不同的處理策略，以盡可能獲得最優的路徑，如圖5所示。對于進入點剛好位于所在邊一側且與單側豎割刀方位屬性一致時（左側豎割刀，逆時針收割，對應所在邊右側；右側豎割刀，順時針收割，對應所在邊左側），采用的銜接策略如圖5a所示。算法設計時，取當前環的最后一直線段AB和相鄰下一環形路徑的第一直線段CD，反向延長線段CD，交線段AB于B′點，對∠AB′C進行半徑為R的圓角處理，垂足分別為A′和C′。按照“AB直線前進，BA′直線倒車，A′C′圓弧轉彎，C′D直線前進”的路徑完成銜接。當進入點位于非側邊位置或與豎割刀方位屬性不一致時，采用的銜接策略如圖5b所示。算法設計時，作入口所在輪廓線的垂線分別交線段AB、線段CD于B點、C點。過B點以O1為圓心做半徑為R的圓，同時以O1為圓心做半徑為2R的圓，對C點同樣處理，圓心位置為O2，其中兩個半徑為2R的圓交于O3點，并以O3為圓心做半徑為R的圓，與前述兩個半徑為R的圓分別相切于E、F點，此時按照“AB直線前進，BE圓弧轉彎，EF圓弧倒車，FC圓弧轉彎，CD直線前行”的路徑完成銜接。

對于輪廓平行路徑的環上拐角銜接，同樣存在兩種不同的情況及處理策略。對于最外環而言，因為田塊邊界除入口外多為不可觸碰和跨越的“剛性邊界”，采用“AB直線前行，BA′直線倒車，A′C′圓弧轉彎，C′D直線前行”的銜接路徑如圖6a所示。對于其它非最外環路徑而言，因最外環的收割作業而騰挪出一定的轉彎空間，采用“AB直線前行，BE圓弧倒車，EC′圓弧轉彎，C′D直線前行”的銜接路徑如圖6b所示。

2.4 方向平行路徑及其銜接路徑

當油菜聯合收獲機僅具有一側豎割刀時，通過由輪廓平行路徑組成的環形路徑，即可完成整個田塊區域的收割任務，這是最傳統也是目前采用最多的一種收割策略。當油菜聯合收獲機具有雙側豎割刀時，則有更多的選擇。當按照輪廓平行路徑完成田塊外圍區域收割后，形成足夠的地頭轉彎空間，剩下的待收獲區域，可以采用方向平行路徑進行作業，此時的組合路徑稱為混合路徑。

方向平行路徑是指機器的有效作業路徑線段互相平行，且方向固定地平行于田塊的某一條邊界。該方向稱之為最優作業方向，可按照多邊形最小跨度法[22]求解得到，有效作業路徑線段為一組間距為W的平行線組，可采用基于活性邊表法的掃描線填充算法[23]獲得。有效作業路徑是彼此孤立的平行線段，同樣需要銜接處理，也即是通常意義上的轉彎掉頭。

當轉彎半徑大于0時，為使車輛行進順暢，其轉向過程須遵循一定的轉彎策略進行平滑過渡。黃小毛等[24]在U型、Ω型和T型等3種常見轉彎策略的基礎上，提出了長度更短的M型轉彎策略和T′型轉彎策略。具體選擇哪種轉彎策略，主要取決于2條方向平行路徑間間距（W，m）和最小轉彎半徑（R，m）之間的關系，同時考慮轉彎路徑長度、地頭空間的大小和作業種類，保證最小的轉彎長度和地頭空間且不造成作物碾壓。通過對比，選取U型轉彎策略和T′型轉彎策略作為方向平行銜接路徑，其轉彎過程原理如圖7所示。當使用U型轉彎時，機器采用“AB直線前行，BH1圓弧轉彎，H1H2直線前行，H2C圓弧轉彎，CD直線前行”的路徑如圖7a所示。當使用T′型轉彎時，機器采用“AB直線前行，BH2圓弧轉彎，H2H1圓弧倒車，H1C圓弧轉彎，CD直線前行”的路徑如圖7b所示。

2.5 方向平行路徑調度優化

方向平行路徑中有效作業路徑的調度次序會極大地影響轉彎的路徑總長度和效率。傳統作業中普遍采取逐行往復式的調度策略，該調度策略配合Ω型轉彎策略被廣泛使用、操作手法相對容易被接受，但實踐證明并非最優策略[25]。通過對方向平行路徑進行調度優化，可以有效減少非工作路徑的長度。

本研究將該調度問題看作旅行商問題（Travelling Salesman Problem，TSP）[24]并采用Google公司開發的一種用于組合優化問題的開源軟件套件OR-Tools進行優化。將每條方向平行路徑線段的端點看成一個城市，為確保屬于同一條方向平行路徑的2個城市以相鄰方式依次包含在最終解里面，將對應兩點的“名義距離”設置為0。此外考慮到2條方向平行路徑銜接時一般按照同側方式進行轉移，因此對于2條方向平行路徑AB、CD而言，擬定按照表1方式計算優化時的TSP距離矩陣。

表1 距離矩陣計算方法 Table 1 Calculation method of distance matrix

由于TSP屬于典型的組合優化問題，目前尚無可求取準確解的完美算法，該問題也一直是計算機領域的難點問題[26-27]。本研究通過調用OR-Tools軟件套件內的路由解算器，完成方向平行路徑的調度優化。路徑規劃算法在執行調度優化前，需先采用距離矩陣計算方法求出方向平行路徑各端點之間的距離矩陣。調度優化時，首先使用局部最優路徑策略得到調度次序的初始解，再通過引導式局部搜索策略繼續求解獲得新的調度次序，同時計算每一個調度次序對應的路徑總長度，當搜索時間大于設定時間（最大搜索時間設置為4 s）時，輸出最小路徑總長度所對應的調度次序，即為最優調度次序。

2.6 算法運行環境

本研究的油菜聯合收獲作業路徑規劃算法以Python作為編程語言，在PyCharm平臺上編程實現，并結合PyQt5開發工具編寫路徑規劃軟件。在Inter(R) Core(TM) i5-9400 CPU @ 2.9 GHz、16 GB、Windows10操作系統環境下，運行程序并進行效果測試。

3 實例仿真計算

選取4塊典型的四邊形實際田塊進行算法求解和效率計算分析測試。田塊邊界數據通過Google Earth軟件獲取，并以KML格式作為交換格式。其中田塊1、2為湖北武漢市實際田塊，田塊3、4為湖北宜昌市實際田塊，田塊面積分別為2 033.02、2 571.35、2 784.94和3 329.01 m2。采用星光4LZY-3.5S油菜聯合收獲機的作業參數，外形尺寸為5.12 m×2.52 m×2.72 m、割幅為W=2.20 m、喂入量為3.50 kg/s。因履帶式車輛底盤實際轉彎半徑受行進速度和土壤特性等多個因素影響無法準確量化，故對該機器分別取R=1.50、1.70、2.00、2.20 m 4個數值進行算法仿真試驗。試驗中，將路徑規劃算法規劃出的路徑按照是否執行收割操作分為作業路徑（邊行走、邊收割）和非作業路徑（只行走轉移、不收割），求出相應路徑總長度，算法耗時為主程序在進行算法求解過程中所消耗的CPU時間。

3.1 環形路徑和混合路徑的對比仿真試驗

對傳統環形路徑（即輪廓平行路徑）算法和混合路徑（即先輪廓平行路徑、后方向平行路徑）算法的求解結果進行對比研究。在算法設計時雖以最小漏收面積為首要滿足指標，但由于實際田塊邊界部分夾角太小，導致尖角處機器無法進入，無法保證絕對不漏收，故對比時忽略一些細小漏收面積的影響。方向平行路徑調度時采用傳統的逐行調度策略。設定轉彎半徑為1.50和2.00 m兩個水平，采用環形路徑算法和混合路徑算法對4塊實際田塊進行仿真試驗，試驗數據如表2所示，部分算例的完整路徑結果如圖8所示。其中作業路徑由輪廓平行路徑中的前行路徑部分和方向平行路徑組成，非作業路徑由輪廓平行路徑中的倒車路徑、方向平行路徑間銜接路徑、退出路徑3個部分組成。倒車次數優化率γ1= (N1-N2)/N1×100%，其中N1、N2分別是環形路徑和混合路徑結果中的倒車次數。由表2可知，2種路徑算法對應的路徑總長度都隨田塊面積的增加而增大，同時也隨轉彎半徑的增加而增大。其中環形路徑的算法耗時為0.17～0.25 s，混合路徑的算法耗時為0.38～0.61 s。由圖8可知，環形路徑算法和混合路徑算法獲得的路徑線基本覆蓋整個田塊。

表2 不同田塊下環形路徑和混合路徑的對比測試結果 Table 2 Test results comparison of circular parallel path and mixture path for different fields

3.2 方向平行路徑調度優化仿真試驗

為進一步優化混合路徑總長度，在混合路徑算法內嵌入OR-Tools軟件套件內的路由解算器，對方向平行路徑進行調度優化。非作業路徑的優化率（ε，%）為OR-Tools調度后混合路徑中非作業路徑長度（T2，m）相對于逐行調度后混合路徑中非作業路徑長度（T1，m）的降低幅度，即ε=(T1－T2)/T1×100%，且進一步對比倒車次數減少的幅度，即γ2=(N3-N4)/N3×100%。設定本次試驗中油菜聯合收獲機的轉彎半徑為1.70 m和2.20 m，采用逐行調度策略和OR-Tools調度策略對4塊實際田塊進行仿真試驗，試驗數據如表3所示，部分算例的完整路徑結果如圖9所示。由表3可知，2種調度策略下混合路徑總長度與田塊面積、轉彎半徑呈正相關，其中逐行調度策略的算法耗時為0.38～0.61 s，OR-Tools調度策略的算法耗時為4.42～4.73 s。由圖9可知，混合路徑在采用OR-Tools調度策略后獲得的路徑線基本覆蓋整個田塊。

表3 不同調度策略下混合路徑規劃算法的測試結果 Table 3 Testing results of mixed path planning algorithms under different scheduling strategies

3.3 仿真試驗結果分析

針對四邊形邊界田塊下的油菜收獲路徑規劃問題，提出了環形路徑算法與混合路徑算法，分別對4組不同面積、不同形狀的實際田塊進行了仿真試驗。由圖8和圖9可知，環形路徑算法和混合路徑算法獲得的路徑線基本覆蓋整個田塊，滿足最小漏收面積要求。由表2和表3中的算法耗時可知，2種路徑類型對應的算法在加入調度優化前，算法耗時隨田塊面積的增大而緩慢增加，但均小于1.00 s；加入調度優化后，因TSP問題求解，算法耗時大幅增加，但也均小于5.00 s。這說明設計的算法穩定、可靠、高效。

對比表2中環形路徑總長度和混合路徑總長度可知，當轉彎半徑設定在1.50 m時，混合路徑作業總長度較短，而當轉彎半徑增大至2.00 m時，此時環形路徑作業總長度反而要短一些。為了探究這一規律，對實際田塊2進行仿真試驗，設置轉彎半徑范圍為1.40～2.30 m，間隔0.10 m。2種路徑算法下路徑總長度結果如圖10所示，當轉彎半徑在1.40～1.70 m時，混合路徑總長度較短，當轉彎半徑在1.80～2.30 m時，環形路徑總長度更短。

由表2中作業路徑長度和非作業路徑長度可知，2種路徑下轉彎半徑增大對作業路徑長度影響不大，主要影響非作業路徑長度，其中混合路徑的非作業路徑長度增幅較大，主要原因是混合路徑中方向平行銜接路徑的長度受轉彎半徑變化影響較大。此外，從表2倒車次數可知，相比于環形路徑，采用混合路徑可減少36.36%～40.00%的倒車次數，進而減少了農機作業過程所消耗的時間。

由表3可知，對混合路徑進行調度優化后，非作業路徑長度優化效果在7.20%～20.23%之間。對比表3中不同轉彎半徑下的非作業路徑長度，可以發現其優化幅度與轉彎半徑的大小相關，當轉彎半徑越大時，調度優化的效果越明顯。同時對比圖9中田塊的規整程度可以發現，當田塊的形狀越接近矩形，以及方向平行路徑需要的銜接路徑（轉彎）次數越多時，調度優化效果就越明顯。因調度優化后方向平行銜接路徑更多的采用U型轉彎，相比未采用調度優化的混合路徑，倒車次數減少了33.33%～60.87%，能進一步節省作業時間。

4 結 論

1）針對四邊形田塊邊界類型條件下的油菜聯合收獲作業路徑規劃問題，在分析油菜聯合收獲作業特點的基礎上，為單側豎割刀的油菜聯合收獲機，提出了全覆蓋作業環形路徑規劃算法；為雙側豎割刀的油菜聯合收獲機，提出了全覆蓋作業混合路徑規劃算法。

2）對4組實際田塊進行仿真測試結果表明，本研究所設計的兩種收獲作業路徑算法滿足實際收獲過程中的各種要求。在不考慮調度優化的情況下，環形路徑的算法耗時為0.17～0.25 s，混合路徑的算法耗時為0.38～0.61 s，當轉彎半徑較小時，混合路徑總長度較短，當轉彎半徑較大時，環形路徑總長度較短，在算法輸入參數相同的條件下，混合路徑相比于環形路徑能減少36.36%～40.00%的倒車次數。在對混合路徑算法進行調度優化后，其非作業路徑長度減少了7.20%～20.23%，倒車次數進一步減少了33.33%～60.87%，相較于環形路徑算法更優，此時算法耗時在4.42～4.73 s，滿足油菜聯合收獲機在收獲作業準備過程中快速規劃路徑的需要。

3）本研究為長江中下游區域稻油輪作無人農場中油菜無人化聯合收獲提供了作業路徑規劃方面的理論及技術支撐。其中多邊形偏置、輪廓平行路徑的環上及環間銜接處理、方向平行路徑調度優化時距離矩陣等計算方法同樣適用于其他非四邊形的凸多邊形邊界田塊，但對于凹多邊形邊界田塊，則還需要進一步深入研究。此外，算法中假設車輛轉彎半徑為某一定值，屬于靜態規劃，因此還需要進一步研究動態轉彎特性對路徑規劃結果的影響。