基于環境感知的果園機器人自主導航技術研究進展*

莫冬炎，楊塵宇，黃沛琛，張世昂，朱立學

（仲愷農業工程學院機電工程學院，廣州510225）

0 引言

果園機器人是一種融合控制技術、導航技術、計算機技術等多種先進技術的農業自動化裝備，將自主導航技術集成在農機上為果園機器人提供廣闊的發展空間，進而為果園作業實現機械化和智能化提供無限可能。近年來，中國研發的自主導航技術在播種、噴灑農藥、除草、采收等農業生產方面得到較好的應用，但相對于國外來說，果園機器人的推廣范圍較小和自主導航技術還不夠成熟[1]。環境感知技術和導航控制決策是導航技術的重要組成部分，環境感知技術有衛星導航、視覺導航、激光雷達導航、地磁導航、慣性導航、超聲波導航等，導航控制決策有PID控制、模糊控制、網絡神經控制、自適應模糊控制、純追蹤模型控制、智能優化算法控制、運動學模型控制等。本文對比了視覺導航技術、激光雷達導航技術、衛星導航技術等環境感知技術和PID控制、網絡神經控制、模糊控制等導航控制決策的優缺點，提出了目前導航技術所面臨的問題，并對未來果園機器人自主導航技術發展進行了展望。

1 果園機器人常用環境感知技術

環境感知技術是利用外部傳感器獲取果園農機作業時周圍環境的信息和車體運動狀態，根據農機作業目標規劃行走路徑，果園機器人常用環境感知技術有視覺導航技術、衛星導航技術、激光雷達導航技術等。

1.1 衛星導航技術

近年來，我國大力推行精準農業，為了提高定位精度，降低農機偏航誤差，研究者們逐漸將衛星導航技術搭載在農機上，目前在農業領域常用的衛星導航有3種：GPS、北斗以及RTK。衛星導航作為一種成熟的環境感知技術，應用范圍廣，定位精度高，但是在果園或農作物樹葉遮擋嚴重的農田，衛星信號容易缺失，導致導航不精確，為此，在田間地頭轉彎處可以采用衛星接收信號，做全局路徑規劃，達到精確轉彎，故衛星導航一般結合其他環境感知技術使用，提高導航精度。在國內，為了提高果園施藥機自主導航精度，熊斌等[2]設計了一種基于北斗衛星導航系統的施藥機自主導航控制系統，在施藥機行進速度為2 km/h時，施藥機直線跟蹤最大誤差不大于0.13 m，平均跟蹤誤差不大于0.03 m。郭成洋等[3]設計了一套基于RTK-BDS的自適應純追蹤導航控制器，利用卡爾曼濾波、模糊控制及純追蹤模型技術將RTK-BDS采集的數據進行處理，提高導航精度，車輛在前進時，最大橫向誤差小于0.086 m，平均誤差小于0.036 m。劉兆朋[4]研究以雷沃高地隙噴杠噴霧機，基于GNSS開發自動導航系統，實現噴霧機自動導航作業，研究表明：在1.3 m/s左右的前進速度條件下，旱田地塊車身橫滾在-1.4°～3.3°范圍，跟蹤誤差最大值為9.8 cm，平均值為1.3 cm，標準差為3.3 cm。羅錫文等[5]在東方紅X-804拖拉機平臺上，開發了基于RTK-DGPS的自動導航控制系統，該系統在地頭轉彎處采用跨行地頭轉向控制方式，實驗表明：在拖拉機行進速度為0.8 m/s時，直線跟蹤的最大誤差小于0.15 m，平均跟蹤誤差小于0.03 m。

在國外，Ji Zhang等[6]基于激光雷達技術提出果園塊圖方法繪制導航地圖，在果園中安裝地標以提供映射信息，由高精度的Applanix GPS輔助慣性導航系統提供定位信息，在韋克斯福德的蘋果園中試驗橫向誤差為0.19 cm，貝德福德的蘋果園中試驗橫向誤差為0.26 cm。為了彌補果園中GNSS信號容易缺失這一特點，Changyu?an Zhai等[7]基于識別噴霧器行進的射頻識別設備（RFID）設計一種噴霧監測和引導系統，在葡萄園試驗中，當兩個天線的角度為125°，農機前進速度小于1.8 m/s時，導航精確度最佳。人工噴灑農藥時，農藥不慎滲入皮膚可能會引起農藥中毒，為此，韓國研究者Joong-hee Han等[8]設計一種基于單頻GNSS-RTK的路徑生成和跟蹤系統，將該系統集成在果園速度噴霧器上進行自主導航噴灑農藥，試驗表明：路徑跟蹤的最大誤差為0.055 m，均方根（簡稱RMS）為0.010 m。

1.2 視覺導航技術

視覺導航利用相機（單雙目、多目或是深度相機）獲取周圍環境的圖像信息，采用計算機視覺技術對圖像進行處理和分析，完成農機位姿確定和路徑識別，最后做出導航決策。視覺導航設備簡單，成本不高，在弱GNSS環境下也可以進行導航，有效彌補了果園樹葉遮擋、信號弱而無法進行導航的情況。但視覺導航在轉彎處無法識別全局路徑，相機識別路徑范圍有限，導致在轉彎處導航精確率會降低。在國內，LI Y等[9]針對丘陵山地道路邊界模糊、環境復雜，提出一種基于低成本雙目視覺系統的丘陵山地道路的3D自主導航線提取方法，實驗結果表明：在直線道路上，道路實際中線與自動行駛軌跡之間的平均偏差為0.031 m，最大偏差為0.133 m；在復雜的多曲線道路上，平均偏差為0.069 m，最大偏差為0.195 m。棉花鋪膜播種時農機易受光照強度、噪聲以及劃線深度等因素影響，張雄楚等[10]設計了一種抗干擾能力強、適應性廣的基于視覺導航算法。孟慶寬等[11]為了降低農機在作業時受自然光照影響，提出了基于粒子群算法的視覺導航算法，該算法相比于常規導航線識別算法具有實時性高、魯棒性好等優點。針對新疆地區駿棗與灰棗棗園樹行上作業進行采收，張雄楚等[12]提出了一種以樹冠中心線為導航路徑的視覺導航路徑檢測算法，該辦法采用了Hough變換擬合導航路徑，導航準確率平均值為92%，平均處理速度為0.046 s/幀。棗園路徑檢測結果如圖1所示。

圖1 不同工況下灰棗棗園視覺導航路徑檢測結果Fig.1 Results of visual navigation path detection of Jujube Jujube orchard under different working conditions

在國外，Josiah Radcliffe等[13]將機器視覺導航技術集成在小型無人地面飛行器上，機器視覺系統由多光譜攝像機組成，實時獲取自主導航信息，試驗表明：在實驗室理想環境下自動導航的RMS誤差為2.35 cm；在實際果園桃園復雜環境下自主導航的RMS誤差為2.13 cm。Lei Zhang等[14]提出可變視野機器視覺方法，使用圖像處理算法檢測引導線，采用模糊邏輯控制引導機器人，在玉米田的試驗中，自主導航平均誤差為0.01 cm，標準偏差為0.071 cm，最大誤差為0.158 cm。Sabeethan Kanagasing?ham等[15]提出一種基于機器視覺的稻田除草機器人自主導航算法，還將GNSS定位技術及指南針集成在機器人上，試驗表明：航向補償的準確度小于2.5°，在低雜草濃度下自主導航平均橫向偏差為0.459 cm；在高雜草濃度下自主導航平均橫向偏差為0.939 cm，該系統導航精度高，且不會損壞農作物。

1.3 激光雷達導航技術

激光雷達系統是激光技術與雷達技術的綜合體，采用激光作為光源，激光器發射光脈沖打到障礙物再反射回來，光速已知，根據傳播時間可測出障礙物距離農機的距離。如圖2所示。激光雷達抗干擾能力強、掃描速度快、定位精準，特別適用玉米等易反射光波的農作物路徑導航。激光雷達是高新技術的環境感知技術，但其推廣存在著一定的局限性：一個是激光雷達成本較高；另一個是激光雷達對低于農機的障礙物或作物難以識別。在國內，針對果園環境復雜，農機行走時易出現偏航問題，李秋潔等[16]提出采用二維激光雷達的行間路徑提取方法，實驗表明車輛在自主導航時橫向偏差在±14 cm之內。激光雷達技術可為植保機器人作物行間導航，劉路等[17]針對玉米行間田壟路徑導航困難，提出采用16線激光雷達作為感知單元，實現玉米行間信息獲取，解析出高遮擋環境下玉米作物行中心導航線，該辦法導航時前視距離最大誤差為3.55 cm。激光雷達導航實驗平臺如圖2所示。

圖2 激光雷達導航實驗平臺Fig.2 Lidar navigation experiment platform

避障是導航的一部分，是實現自主導航的前提基礎，郭曉波等[18]提出了基于激光雷達信息的機器人障礙物檢測方法。為了提高無人駕駛農機的自主導航精度，倪江楠[19]采用激光測距儀獲取道路信息、增量式PID反饋調節作為農機控制方法，提出應用于農機自主行走的激光掃描路徑規劃與導航算法，實現了無人駕駛收割機的自主導航。

在國外，Pawin T等[20]采用激光測距離器（LRF）和滑動鉤桿（SHB）集成一個控制系統，該系統應用于牽引車-拖車自動導航，研究表明：在U型路徑轉彎試驗時，三次試驗RMS分別為0.275 m、0.373 m和0.518 m。荷蘭研究者Pieter M.Blok等[21]基于2D LIDAR掃描儀使用粒子濾波器（PF）和卡爾曼濾波器（KF）在果園中進行自主導航，試驗表明：當機器人前進速度為0.25 m/s時，PF算法的橫向偏差為0.055 m，KF為0.087 m；前進速度為0.5 m/s時，PF的橫向偏差為0.062 m，KF為0.091 m。法國研究者Flavio B.P.Malavazi等[22]提出采用Li?DAR采集導航數據，分析數據，使用基于PEARL的方法繪制點云，根據法國Naio Technologies公司所提供數據，機器人在自主導航過程中，橫向偏差為0.72 cm。

1.4 組合導航技術

單一的環境感知技術逐漸受到各種因素的限制，為了提高精度，降低成本，增強抗干擾能力，目前大多數研究者將多種環境感知技術和多傳感器組合集成在農機上。視覺導航、衛星導航、激光雷達導航是常用的農機環境感知技術，同時也會與其他環境感知技術相結合（如慣性導航技術），以此來提高導航精度。為降低河蟹養殖戶勞動強度和提高導航精度，阮承治等[23]結合DGPS和視覺導航的優點，設計一種用免疫粒子群算法（IP?SO）來優化無跡卡爾曼濾波（UKF）的組合導航定位方法，并應用于水草清理作業船，導航實驗結果表明，所提方法相比DGPS導航和組合導航，緯度誤差分別下降22.69%、9.14%，工作時間分別減少4.77%、4.32%，進一步提高了作業船工作效率。如圖3所示。

圖3 衛星與慣導相結合導航試驗平臺Fig.3 Navigation test platform for the combination of satel?lite and inertial navigation

劉曉光等[24]利用DGPS和慣導元件設計了一種基于多傳感器信息融合插秧機組合導航方法，用卡爾曼濾波方法對數據做平滑處理，該方法能夠為插秧機提供可靠的導航信息。吳東明等[25]提出一種基于GPS和機器視覺聯合導航的農機定位系統，采用GPS技術做全局路徑規劃，并對農機位置、航向角進行實時采集，機器視覺技術將獲取的局部信息圖片進行處理，以獲得導航基準線和作業目標信息，該定位系統還可以進行避障功能和遠程控制，農機進行自主導航時最大誤差不超過0.1 m，克服了單一定位方式的不足，提高了農機自主導航精度。溫室環境下，噴霧機器人在直線導航時存在偏差，在轉彎處又不能及時獲取道路信息，針對此問題，王鵬等[26]設計一種導航線和QR碼組合的視覺導航算法，該算法在機器人行使時導航線和QR碼的最大導航偏差分別為2.0 cm和3.5 cm，該方法能夠為插秧機提供可靠的導航信息。為解決實際農田復雜環境下，衛星信號差、數據傳輸錯誤等因素影響導航精度下降的問題，劉進一等[27]采用全球導航衛星系統（GNSS）、微機械慣性測量單元（MIMU）及航位推算（DR）相融合的組合導航定位系統，提出適合環境的擴展卡爾曼濾波算法，實驗表明，在靜止狀態和直線導軌運動狀態下，采用自適應濾波算法的航向角平均值絕對偏差分別為0.001 4、0.024 5，標準差分別為0.047 4、0.251 1；位置距離平均偏差分別為0.37 cm、0.76 cm，標準差分別為0.10 cm、0.44 cm。

1.5 其他導航技術

傳統的果園環境感知技術有慣性導航，磁軌導航等。慣性導航元件成本低，但有誤差累積，隨著作業時間加長，測量精度會逐漸降低，慣導元器件一般不單獨使用，而是與其他導航技術相結合使用。馬志艷等[28]將攝像頭和慣導元件搭載在微耕機上，提出一種基于視覺與慣性融合的組合導航方法，在實驗過程中，法向偏移的最大誤差不超過10 cm，航偏角的最大誤差不超過1.0°，實現了低成本、高精度定位的導航系統。為了提高輪式自主耕作拖拉機的導航定位精度及系統抗干擾能力，趙書尚等[29]將載波相位差分（RTK-DGPS）與慣性導航系統組合搭載在拖拉機上，還采用了卡爾曼濾波器對定位數據進行平滑處理，矯正運動姿態，使拖拉機能夠自主行走，導航精度更是達到了厘米級。磁軌導航，把磁性物質埋在果園路徑下，農機尋找到磁軌并沿著行走達到自主導航的目的，但此方法的成本過高，使其推廣受到限制。

2 自主導航控制決策

農機在作業過程中，當出現障礙物、轉彎度不夠、車輛偏航等突發狀況時，導航控制決策系統能夠及時做出反饋并調節車輛行駛狀態，提高導航精度具有重要作用。近幾年，模糊控制、神經網絡控制、PID控制逐漸成為導航控制決策系統的主要控制方式。

2.1 PID控制

PID控制是一種線性控制，包括比例、積分、微分3個環節，比例作用是針對系統當前誤差進行控制，積分作用則針對系統誤差的歷史，而微分作用則反映了系統誤差的變化趨勢。傳統的PID控制器的參數選擇主要依賴反復試驗和經驗，不能根據農機的運動狀態適應地改變參數，故不少研究者相繼提出模糊RBF神經網絡PID控制、自適應模糊PID控制等方法。

為了實現復雜環境下農機路徑跟蹤控制，嚴友等[30]提出了基于單神經元自適應PID的路徑跟蹤控制算法，經過反復的訓練和學習，試驗結果表明：直線跟蹤，最大偏差小于3.2 cm，平均偏差小于0.92 cm；曲線跟蹤，最大偏差小于4.3 cm，平均偏差小于1.03 cm。為了提高田間作業時的轉向控制精度，熊中剛等[31]提出一種基于RBF神經網絡增量式PID的控制方法，采用增量式PID增益參數進行自適應調整和辨識，體現了該方法的優越性和良好的適應性、魯棒性和實時性。Takao Sato等[32]針對離散時間一階提出一種PID控制系統設計方法，提出的設計方法已擴展為自適應控制，可以很好地控制農機在未知或時變的復雜路徑自主導航。

2.2 模糊控制

模糊控制主要是針對過于復雜或難以精確描述的系統使用模糊數學理論進行控制，具有仿人推理和決策功能。Bonadies等[33]基于農業環境下對PID控制和模糊控制的導航效果進行試驗對比，試驗結果表明：這兩種控制在農機上的性能是相似的。

為了實現農機自主導航控制，兼顧系統成本和作業效率，魏爽等[34]基于洋馬VP6E試驗平臺采用模糊控制進行導航決策，如圖4所示。由PLC控制器控制方向盤轉動，試驗結果表明：農機行駛速度為0.8 m/s、1.0 m/s、1.2 m/s的情況下，導航平均誤差為2.87 cm、3.34 cm、4.16 cm。唐小濤等[35]提出一種利用模糊控制調整純追蹤模型前視距離的路徑跟蹤方法，目的是為了提高農機的穩定性，試驗表明：車身速度為0.3 m/s時，最大反向誤差為-0.038 cm，車身速度為1 m/s時，最大反向誤差為-0.075 cm，誤差穩定時間只需9.5 s，該方法有效改善了路徑跟蹤控制的穩定性。

圖4 洋馬VP6E試驗平臺Fig.4 Yanmar VP6E test platform

2.3 神經網絡控制

神經網絡控制是指采用神經網絡對難以精確描述的、復雜的、非線性的對象進行建模、優化計算、推理等，其具有極強的學習能力，互連神經元的連接強度可用于存儲獲取的信息。

Eski等[36]對農機的控制結構性能進行試驗，控制結構分別采用PID控制和神經網絡PID控制，無論是以瞬態響應還是穩態響應的方式試驗，這兩種結構的控制性能都取得較好的控制效果。為了減少農機在作業過程的運動誤差，提高工作效率，袁鑄等[37]在軌跡優化算法中引入BP神經網絡與計算力矩法結合的自動控制器，仿真試驗表明位置平均誤差縮小為0.085 m，使得運動軌跡比較圓潤，運行效率明顯提高，且該系統對外部環境的不確定因素具有較強的學習能力。王亮等[38]針對多機協同導航路徑識別精度低、定位困難等問題，提出建立YO?LO-ZED神經網絡識別模型，運用雙目定位原理計算拖拉機相對本機的空間位置坐標，試驗表明：在相機景深方向和寬度方向定位拖拉機的最大絕對誤差分別為0.720 m和0.090 m，最大相對誤差分別為7.48%和8.00%，標準差均小于0.030 m。

3 幾種導航方式性能對比

根據上述分析可見，幾種常見的導航技術各有其優缺點，下面以表格方法作對比分析。

PID控制、模糊控制及神經網絡控制是目前較流行的導航控制決策，表1所示為3種導航控制決策方式的性能對比，3種控制結構都不依賴精確的數學模型，PID控制魯棒性較好，穩態誤差小，但是其3個參數的調整是依賴以往經驗和反復試驗得到的，這讓PID控制在復雜和高性能系統中的應用得到了限制。模糊控制是一種線性控制器，出現系統誤差時能較快調節且能夠保持一定時間的穩定性，但是模糊控制規則是依賴專家的經驗和知識，而且零位附近跟蹤誤差一般較大，難以快速修正。神經網絡控制和人腦相似，具有自主學習能力和存儲功能，且非線性擬合能力強，但是其必須得先經過訓練才能工作，訓練所需樣本數量大，輸出具有不穩定性。

表1 3種導航控制決策方式的性能對比Tab.1 Performance comparison of three navigation control decision-making methods

依據相關文獻，3種常用環境感知技術的對比如表2所示。由表可知，環境感知技術集成在農機上，農機自主導航最大橫向偏差可達到厘米級。同一研究單位西北農林科技大學激光雷達導航技術和衛星導航技術研究表明，衛星導航的精度優勝激光雷達技術。視覺導航成本低，其在地頭轉彎處由于相機識別范圍有限導致轉彎時可能會偏航；激光雷達導航抗干擾能力強，但是成本較高且對低于農機的障礙物或作物難以識別；衛星導航定位精度高，但衛星信號在果園環境中容易缺失。各種環境感知技術相結合，揚長避短，對比華南農業大學、西北農林科技大學、西南大學工程技術學院三所研究單位直線行駛平均偏差，視覺導航和衛星導航組合環境感知技術導航的精度比衛星導航技術精度更佳。

表2 3種常用環境感知技術性能對比Tab.2 Comparison of the performance of three commonly used environmental perception technologies

閱讀相關文獻得到表3相關試驗數據，將PID控制集成在農機上，自主導航的航向偏差小于1 m；在車速為0.3 m/s時，前視距離固定為1.2 m的純追蹤模型系統在前進7.4 m之后跟蹤誤差趨于穩定，使用模糊自適應調整只需前進4.3 m跟蹤誤差趨于穩定。中國農大研究王亮團隊將深度相機與神經網絡控制相結合，經反復網絡訓練后，景深和寬度方向最大絕對誤差分別為0.720 m、0.090 m。

表3 3種常用導航控制決策性能對比Tab.3 Comparison of three commonly used navigation control decision-making performance

4 結束語

中國水果種植面積大，隨著社會老齡化加劇，果園勞動力逐漸下降，急需發展果園機械化、智能化。自主導航技術是果園機械化的基礎，目前果園種植不規整，作物行距、間距大小不一，丘陵山地占據我國大多數的果園種植面積，丘陵山地路形復雜，高低不平，坡度較大。針對以上問題，提出以下幾點展望。

（1）果園規整化治理

我國南方丘陵山地果園大多都是零散種植，土地不規整，種植制度不統一，機器人自主導航技術應用受限。因此，規范果園種植體系，統一種植間距，規劃不同品種區，建設適合農機機械化作業果園種植模式，有利于有效推廣果園機械化作業。

（2）優化農業機器人行走控制算法

農業機器人在直線作業環境下容易自主行走且不易偏航。農作物一般是按行種植，從當前行作業至下一行需在行盡頭進行地頭轉彎，此時需考慮機器人的轉彎半徑及轉彎角度等因素對自主作業的影響。加上農業機器人在轉彎時容易失衡，轉彎角度過大或過小時容易損壞農作物。因此，需結合PID控制及模糊控制等多種控制技術，優化農業機器人自主導航控制算法，精準控制其地頭轉彎處的自主導航坐標。

（3）多機協同導航

隨著果園機械化技術的發展，高精度導航技術越來越顯得重要。在未來的果園中，水果的采摘、運輸、噴農藥等作業將離不開導航技術。綜合考慮多種作業單元的需求，目前單一功能的機器人恐將不能滿足作業需求。例如，在采摘水果的同時需要運輸機把水果運輸到指定地點或者多臺機器人同時采摘運輸水果，即多機協同作業。在這種情況下，多機協同導航技術將發揮基于網絡集中控制的作業優勢，多機器人協同導航技術集成也將成為農業機器人技術發展的一個重要方向。