農用無人車環境感知技術發展現狀及趨勢分析*

王寶梁，沈文龍，張寶玉

(1.江蘇電子信息職業學院，江蘇淮安，223003；2.江蘇食品藥品職業技術學院，江蘇淮安，223003)

0 引言

伴隨著我國人口老齡化程度加劇，城鎮化的高速發展，農村人口的不斷流失，導致傳統農業的發展面臨勞動成本高等諸多問題。為解決目前農業生產所面臨的難題，國內外很多高校和研究機構近年來專注于農用無人車的研發工作，共同促進農業自動化、智能化。

近年來，快速發展的智能控制技術和信息化技術使得農用無人車應用于農業生產實踐中。在農業生產中，農用無人車的應用場景很多，基本上可以逐步取代人工操作，能夠覆蓋農業生產全過程，如播種、施肥、對農作物長勢和病蟲害進行持續高效的監測噴灑農藥以及收割等。隨著農用無人車技術逐步成熟，將從根本上解放勞動力，提升農業生產效率。

本文在總結國內外農用無人車發展現狀的基礎上，重點對農用無人車的環境感知這一關鍵技術進行闡述，同時通過對不同的傳感器技術特點進行分析對比、應用進展情況進行總結，同時分析目前主要應用的傳感器組合方式的優缺點，最后指出農用無人車環境感知技術的研究和應用的發展趨勢。

1 農用無人車

隨著科學技術的不斷進步和農業裝備的日益現代化，使農業機械的無人駕駛成為可能；而要實現農業機械的無人駕駛，重點在其自我感知技術的研究。

無人車對環境的感知能力，對其自主機動能力非常重要。由于環境的復雜多變和地圖數據的不準確，不能只依靠單一的導航方法(如GPS)。農業無人車輛必須能利用車載傳感器的數據來規劃和跟蹤一條路徑，穿過農田，必要時能夠感知并避開障礙，這樣才能不致碾壓稻田或其他作物。

感知技術的目標是將傳感器信息中的特征與現實世界的特征聯系在一起，這要對車輛的實時控制、規劃和再規劃是足夠了解的。但是最大的不確定性在于對無人車輛性能的描述和確定感知(或其他子系統)對無人車輛系統性能的影響。

目前用于大型農業作業的農用無人車大基本上以傳統的拖拉機為本體，在此基礎上進行改裝，比如洛陽一拖在的東方紅LF954-C無人駕駛拖拉機[1]，如圖1所示。東方紅LF954-C無人駕駛拖拉機配備“國Ⅲ”發動機、動力換向變速箱及電控懸掛系統。信息和控制系統包括北斗自動轉向系統、整車控制系統、雷達及視覺測量系統、遠程視頻傳輸系統、監測系統以及遠程遙控系統等，該機能夠實現農田耕、整、植保等功能。

圖1 LF954-C無人駕駛拖拉機Fig.1 LF954-C unmanned tractor

2020年，R150農業無人車實現全球量產[2]，如圖2所示。他采用了1 000 Nm高扭矩雙無刷減速電機；最大爬坡角度可達30°，能實現全地形越野；采用模塊化設計；可以快速換裝輪組，也可以調節車身離地間隙；借助RTK精準導航，R150農業無人車可以達到厘米級行駛精度，能在田間地頭實現自動駕駛；AI行車控制，可做到智能預判路況，在行駛過程中更加平穩安全。R150能夠實現精準植保、農資運輸、自動巡田、高效播撒、防疫消殺等多種功能，大大避免了越來越少的勞動力問題，減少了生產成本，提高農業生產率，實現無人化農業模式，顛覆傳統農業生產方式。

圖2 R150農業無人車Fig.2 R150 agricultural unmanned vehicle

2 環境感知技術

農用無人車的作業環境屬于非結構化環境，路徑規劃是農用無人車進行高可靠度、響應及時、大面積作業的基礎。根據不同的農作物以及對應的農田范圍進行整個農作物區域的路徑規劃，在路徑規劃過程中，環境感知技術是其中關鍵的技術之一。

目前主流的農用無人車常用的環境感知方式有基于激光雷達環境感知技術、基于機器視覺環境感知技術和GNSS技術三種。

2.1 基于激光雷達環境感知技術

激光雷達以精確的時間分辨率、精準的空間分辨率、超遠的探測距離等特點成為先進的傳感器，這是傳統雷達遠遠趕不上的。激光雷達已經在民用、軍用領域開始普遍使用，前景廣闊。因此農用無人車也應用激光雷達進行農田環境的檢測。農用無人車主要通過激光雷達掃描得到環境特征點云數據分布情況，分析獲取外界環境。

由于農業生產環境具有非結構化、實時變化的特殊性，因此常采用激光雷達作為農用無人車探測方式，用來確定農用無人車與作物之間的位置關系。激光雷達環境感知技術路線如圖3所示。所以對原始數據需要進行預處理操作，通常包括濾波、去噪等，這樣能夠獲得較為準確的信息數據，并按照一定的規則將數據分類成點云數據，通過這些數據能有效獲得導航信息。通過對于應用激光雷達進行環境感知技術的研究分析，總結起來目前主要有三種方法，并且這些方法在各領域中獲得了廣泛的應用。

圖3 激光雷達環境感知技術路線Fig.3 Technology route of lidar environment perception

激光雷達技術目前主要用于作物行路徑提取、障礙物檢測和作物狀態檢測等功能。

用于作物行信息獲取。周俊等[3]通過激光雷達獲取果樹樹干中心點，不同的是，這些數據會與之前的數據信息進行匹配，根據這一結果對機器人相對果樹的位置進行調整，從而達到機器人的準確定位。但是僅用二維激光傳感器對樹木進行檢測，卻無法識別非樹干對象。張凱良等[4]設計了一套環境感知系統，主要應用激光雷達傳感器、陀螺轉角儀等實現玉米收獲機的定位與自主行走。圖4所示為橫向偏差-1.325 m、航向偏角0.30°和橫向偏差0.825 m、航向偏角-3.71°的試驗檢測結果。

圖4 激光雷達靜態檢測橫向偏差試驗結果Fig.4 Lateral deviation under static test by laser radar

用于障礙物檢測。最初二維激光經常被應用于障礙物檢測以及路徑規劃，很多研究者在這一方面做了很多工作并取得了很多成果。PENG Y[5],肖宇峰等[6]分別使用二維激光傳感器在農田中獲取障礙物信息，用于障礙檢測并進行路徑規劃。李艷等[7]提出一種將激光雷達和深度相機信息融合的同步定位與建圖(SLAM)方法，首先利用擴展卡爾曼濾波器將移動機器人的深度視覺信息與激光雷達信息相融合，再利用貝葉斯估計的方法將深度相機與激光雷達分別生成的地圖進行二次融合，并在構建地圖時采用基于圖優化的地圖構建算法，充分利用多傳感器對于目標的冗余信息，提取目標的一致性描述信息，提高構建地圖的準確性。在實際環境中，通過機器人平臺進行實驗，驗證了該方法的可靠性，實驗表明通過多傳感器信息融合構建的地圖更接近于實際環境。袁紅斌等[8]基于激光測距雷達和機器視覺車載相機，對智能車道路的障礙物檢測進行研究。通過分析，選用激光雷達及CMOS車載相機，標定了雷達和相機，為改進低照度環境下提取圖像存在的缺陷，制定了Retinex算法來增強低照度圖像。因兩種傳感器頻率不同，結合D-S證據理論，將車載相機和激光雷達數據進行融合，對真實環境中的行人和車輛信息進行準確識別，融合相關數據后可以發現，與單一傳感器相比，該系統檢測的概率更高。

用于作物狀態檢測研究。張漫等[9]使用VLP-16型三維激光雷達采集田間玉米點云數據，對獲取的玉米點云數據進行分析處理，確定精確率和召回率最優組合。蔡吉晨[10]基于二維激光雷達探測技術提出了果樹冠層在線探測方法，并分別進行了規則物體及果樹冠層的網格體積在線探測試驗，測試驗結果顯示有較高的探測精度。

表1 激光雷達傳感器對比Tab.1 Comparison of lidar sensors

為實現農用無人車的自動導航，通常使用激光雷達作為傳感器，初期應用二維激光雷達傳感器較多，主要由于二維雷達傳感器成本低，獲取數據少，對硬件和算法要求低，對較大的作物檢測效果好，但是存在掃描范圍窄，對于作物的結構化程度要求較高；隨著技術發發展，三維激光雷達越來越多被用作農用無人車導航的傳感器，三維激光雷達傳感器雖然成本較高，但是能夠獲取更多詳細的數據信息，對于農田環境的適應性較強。

2.2 基于機器視覺環境感知技術

機器視覺越來越多的應用于農用無人車中。機器視覺技術可以分為一維成像視覺技術、二維成像視覺技術和三維成像視覺技術[11]。根據使用的攝像頭數量可分為單目視覺技術、雙目視覺技術和多目視覺技術[12]。機器視覺技術主要用于農用無人車導航的路徑識別和作業對象識別等方面。

基于機器視覺環境感知技術主要應用在環境各異的多壟行農田作物中心路徑的識別和作業對象的識別。目前，路徑識別主要通過如圖5所示流程實現。

圖5 路徑識別流程Fig.5 Path identification process

2.2.1 路徑識別

Ollis等[13]采用Hough變換擬合作物行直線[14-16]；Benson等[17]編寫算法進行作物行直線的提取以此作為機器的自主行走引導線，并分別進行了室內模擬實驗和田間試驗。Gee等[18]應用Hough變換的統計特性獲取作物行峰值位置信息，獲取導航線。

針對圖像處理算法的研究，深度分析圖像信息，獲取行作物連續情況下的路徑。Han等[19]使用K-means聚類算法分割圖像，能夠有效提高導航精度，但是由于算法復雜，運行速度慢，導致響應不及時，實時性不好。Tillett等[20]基于統計原理，將作物圖像分割成圖像條，通過計算圖像條像素點的平均值確定中心點坐標，將中心點擬合直線，作為引導線，這一算法受環境變化影響較大，尤其是光強變化較大時，會造成很大的誤差。Choi等[21]提出一種針對水稻作物導引線的提取算法，主要利用水稻特有的形態特征來進行識別水稻植株的中心坐標，精度較高，但是同樣存在算法運算時長、響應慢的問題。

針對存在缺苗、雜草等異常情況下的行作物路徑的研究。Suriyakoon S等[22]提出在視角與田地不平或者作物確實情況下實現機器人自主性走的方法。Ji等[23]同樣基于統計原理，采用模板匹配的方法，提取到作物行引導線，這一方法能夠有效去除雜草等的影響。

針對不同種類的作物行檢測方法的研究。Wera等[24]提出一種新的作物行檢測算法，這一算法的主要優點在于能夠獲取作物不同階段的行檢測，該算法能夠對轉角、側向偏移量等進行預測，試驗證明，該算法可以準確、可靠的檢測出不同作物不同階段的行中心線。Radcliffe等[25]研發的機器視覺系統能夠根據樹冠和天空背景提取樹冠特征點，然后將這些特征點進行擬合得到果樹的作物行引導線。

關卓懷等[26]采取多段三次β樣條曲線擬合法方法獲取水稻待收獲區域邊界線，應用采用水平掃描法，提取水稻作物線擬合關鍵點的橫坐標。并在順光、逆光、強光、弱光4種光線環境下，在田間進行試驗，對比了不同光線下的路徑提取結果。強光環境下平均像素誤差最小，為26.2像素，弱光環境下平均距離誤差最小，為23.9 mm，強光環境下平均相對誤差最小，順光環境下穩定性最好，標準差為6.8像素。王僑等[27]在非結構化復雜農田作業環境中，依據獲取圖像的像素灰度級不同，通過建立正負偏差度量、圖像劃分子區域并獲取各子區域的灰度值分布，確定特征點的坐標，最后將這些特征點進行擬合，獲取非結構化田地兩頭的延伸線，實現農機在地頭處的自主導航轉彎。試驗結果表明，判斷地頭出現的準確率不低于96%，地頭邊界線檢測準確率不低于92%。

2.2.2 作業對象識別

作業對象識別主要是通過對獲取圖像處理，識別障礙物、作業對象。

針對障礙物檢測。單目機器視覺由于其算法簡單、與其他軟硬件融合好，因此很多研究機構和高校都進行過相關工作。周俊等[28]利用單目機器視覺系統，解決了機器人自身與障礙物運動時的出現的重疊問題。Hosseinpoor等[29]通過采用雙目立體視覺對障礙物進行了識別。針對作業對象檢測。主要應用于果實、雜草的識別，通過對檢測對象的特征分析，實現對作業對象的識別和定位。

Chiu等[30-33]，Hayashi、Yaguchi、Kondo等[34-37]都應用機器視覺對番茄進行識別和定位。前者通過單個相機位置移動實現，而后者通過雙目視覺系統實現。Yasukawa等[38]同樣是研究對成熟番茄的識別與定位，采用多信息融合技術。馮青春等[39-40]提出一種激光主動測量方法。通過分析攝像機采集圖像的顏色特征，采用R-G顏色模型來增強目標水果與背景的差異。根據列像素灰度統計，從R-G圖像中選擇水果串的候選區域。然后使用Cognex VisionPro圖像處理類庫中的CogpAlignTool對水果進行分類。試驗表明,果粒識別的平均準確率為83.5%。

機器視覺技術在很多領域尤其工業領域得到廣泛應用，主要優點是成本低和工業環境可控，在農業領域，主要由于農田環境的不可控性，主要體現在研發過程中環境容易受天氣等因素影響，因而機器視覺技術在導航、目標識別定位方面仍存在問題：算法的檢測效果因光照不同而異。形態相似的作物、障礙物等難以準確可靠的快速確定，且準確性隨速度增加而降低，從而效率低，無法滿足作業需求。

2.3 GNSS技術

GPS定位技術因其具有精度高、速度快、無需通視、操作簡便、全球布網、全天候作業、三維坐標定位、精確授時測速等特點在車輛導航、大地測量、精細農業、資源調查等技術領域獲得廣泛應用。隨著差分GPS定位技術的不斷發展GPS定位精度不斷提高RTK-GPS的定位精度甚至可達厘米級。各GPS制造商順應這種發展趨勢，推出了多種廉價差分GPS芯片或者模塊使各種GPS技術集成應用更加便利。不同的GPS技術應用領域或系統對GPS定位精度有不同的要求．因此，GPS定位精度成為各類相關應用行業關注的焦點。

近年來，國內外對于農用車輛路徑跟蹤控制技術進行了大量研究，主要采用GPS技術與慣性導航技術相結合的方法。

GNSS導航應用廣泛且技術成熟，在開闊環境如谷物類露天農場中應用效果非常好，但在封閉環境中如果樹枝葉繁茂的果園內，GNSS信號容易被遮擋，從而出現定位不準的問題。

基于載波相位差分技術(RTK，Real Time Kinematic)大大提升位置測量的精度，可以實現厘米級定位精度，并且對自然環境的適應能力非常強。因此通常應用于環境復雜、作物濃度較密的農田，利用RTK-GPS技術實現農用無人車的高精度定位導航策略。

目前，DGPS和RTK技術也應用在越來越多的領域中。吳寶山[41]應用北斗/GPS雙模差分技術實現了播種機的精確定位。Roberson等[42]應用RTK-GPS的自動導航系統實現了花生收獲機器的精確定位，能夠實現對挖出來的花生所在行進行精確定位，從而有效降低花生的損傷率。為解決插秧機的準確定位問題，石紹軍[43]采用組合定位系統解決了這一問題，可實現高達5 mm的精度。該系統的主要組成如圖6所示。

圖6 組合導航系統示意圖Fig.6 Integrated navigation system diagram

北海道大學開發一種RTK-GPS與IMU結合的拖拉機導航系統[44]，如圖7所示，在執行各種農業作業過程中，當拖拉機速度為3 m/s時，直線、曲線路徑的跟蹤誤差均小于5 cm。

圖7 北海道大學RTK設置圖Fig.7 Dedicated RTK set up in Hokkaido University

表2所示為上述三種常用的農業機械環境感知傳感器性能對比，五角星數量從5至1代表傳感器在此方面的性能表現分別是優、良、中、差、很差。

表2 常用農業機械環境感知傳感器性能對比Tab.2 Performance comparison of common agricultural machinery environment sensing sensors

每個單一的環境感知傳感器都有其自身及其環境所帶來的優缺點，例如機器視覺傳感器成本低，對于物體探測方面性能優異，但是受自然環境的影響比較大，激光雷達精度高，自然環境對其影響較小，但是成本較高，難以普及。因此普遍采用傳感器組合、信息融合方式進行環境感知。

3 技術現狀與發展趨勢

農用無人車環境感知所使用的傳感器由最初單一的階段發展到如今多傳感器融合的階段，采用多傳感器信息融合的方式可以全方位獲取信息并作出精準預判，可有效避免潛在的安全威脅，提高系統安全性。目前在農業生產中，需要根據農業具體的生產環境特點采取有效的環境感知方案。

3.1 多傳感器融合技術

3.1.1 定位方式

全球定位系統，激光定位，超聲波定位等是目前常使用的定位技術，這些技術適用于視野空曠的環境。視覺定位技術優點是能利用視覺信息實現對動態目標的跟蹤和預測，重構環境模型，規劃軌跡等功能，可以彌補全球定位系統、激光定位、超聲波定位等技術的缺點，因而視覺定位技術有著廣泛的應用。除了自動駕駛和無人機可以通過視覺定位提高整個系統的可靠性外，視覺定位技術也逐漸應用于智能機器人室內定位、環境感知和行為控制領域。

通過對國內外對于GNSS導航技術的理論研究和應用實踐的情況可以看出，眾多學者放棄單一方式的導航方案，通過根據不同傳感器優勢互補，從而提高農業導航系統的精度，開發出了高精度農業導航系統如GNSS與機器視覺的結合、GNSS與GIS的結合、GNSS與激光雷達的結合、GNSS與超聲傳感器的結合等。趙騰[45]提出了一種作物邊緣線輔助識別方法，這一方法優先使用激光測量，只有當激光識別精度低的情況下，機器視覺識別才發揮作用，共同提高邊緣的識別精度，因此這一方法是以激光測量為主，機器視覺為輔，兩者相互結合。

隨著技術的發展和研究的深入，大量的研究證明將RTK-GPS與其他模塊相結合進行組合導航的精度高、穩定性好，適用于農業機械的無人駕駛；陳梟華[46]設計一套基于GPS/INS/WSN的組合定位系統，并通過仿真和測試驗證了組合定位系統的定位精度。Ospina等[47]將慣性測量單元(IMU)和RTK-GPS相結合評估車身的側滑角；Ball等[48]選用價格較低但精度也相對較低的RTK-GPS，結合機器視覺系統設計了能夠自主行走并有效避開障礙物的農用無人車。

我國農業領域目前使用的基于RTK技術的定位系統存在局限性：一是所使用的模塊中大部分定位信息不是采用GPS+北斗雙模模式；二是完全從國外采購，成本高，定位精度低，損壞后維修困難。最后，目前用于室外試驗的系統大多僅僅靠衛星信息進行導航，這種導航系統導航精度等很難滿足實際需求，而對慣性導航或機器視覺組合系統的研究還處于理論階段或計算機仿真階段。

3.1.2 避障和識別

在避障和對象識別上，越來越多的采用多傳感器融合技術，這一技術是指兩個或兩個以上的單個傳感器的檢測技術相結合，然后將其應用到系統中，這樣可以充分利用不同傳感器的優勢：例如，視覺技術和激光雷達技術的結合，視覺技術檢測距離短，但是激光雷達檢測距離遠，激光雷達難以檢測顏色等信息，視覺技術卻可以有效檢測；而且這兩者的結合相對于使用3D激光雷達技術來說，成本大大縮減。雖然近年來,多傳感器融合技術在農用無人車上的研究已經取得進展,但仍有許多問題需要解決，而且這些研究仍在初始階段或室內模擬試驗階段，距離時間生產應用存在著產品成本、系統穩定等重大問題。目前，機器視覺仍然是障礙物檢測的主要傳感器，研究重點是利用圖像處理技術識別復雜背景下的各種典型障礙物。

3.2 發展趨勢

精細農業是我國農業的發展趨勢，主要目的是依據田間不同區域的差異性實現作物生產最優化。精細農業的核心思想是用全球定位系統、遙感技術獲取農田小區作物信息和影響作物產量的環境因素的空間差異性信息做出針對性的調控措施，提高作物的產量和質量，同時提高田間作業的工作效率。

農用無人車的環境感知技術的發展與應用同樣遵循精細化的發展方向，對于不同區域，所采用的技術方案不同，如北方平原地區和西南、西北等梯田較多的地區；對于不同作物、不同特征的作物，如稀疏性行特征的果園和密集性壟行特征的小麥，同樣應采取不同的技術方案。

針對各項環境感知傳感器的缺點，或許可采用如下方式，以期解決農用無人車的環境感知問題。

1)傳感器的優化完善。通過合理的方式彌補不同的環境感知傳感器的缺點。如可以通過傳感器獲取光線強度，從而調用相應的算法進行應用；隨著技術發展，激光雷達的制造成本可能會有所降低，適用于越來越多的農用無人車；隨著社會經濟和結構的發展，RTK-GPS的使用成本可能越來越容易被接受。

2)多傳感器的高效融合。多傳感器融合用來感知外界環境這一方式成為近些年來研究熱點，通過優化傳感器配置，博采眾長，實現更可靠的功能。不同傳感器的組合容易做到，但是能夠讓信息進行有效融合還有一定難度，距離落地應用還需要進一步深入研究、實踐，多傳感器的有機、高效融合上還需要進一步深入研究。

3)農業生產環境結構化。農用無人車很難適應傳統農業的生產環境，農田等大多處于基本的自然狀態，因此可以嘗試對農業生產環境進行結構化改變，這樣不僅能夠提高生產效率，而且降低農用無人車的生產成本，有利于農用無人車的落地使用。

此外，系統的開放性和可拓展性很可能是發展趨勢，例如在環境感知技術層，可以預留多種接口，后期可進行功能拓展，實現一機多用，有效降低成本，提高農用無人車的使用效率，更有利于農用無人車的廣泛應用和普及。

4 結論

科學技術的日新月異，農用無人車的出現及應用對于農業的發展意義重大，而環境感知技術是農用無人車走向田間作業的關鍵技術。不同類型的傳感器有不同的特點，而農業環境具有復雜多變性，因此應該充分利用不同傳感器的特點，研究多傳感器融合的環境感知系統，從而提高系統的穩定性和可靠性，用于復雜多變的農業環境。在研究環境感知技術的同時，精細農業的核心思想同樣有助于技術與應用的有效融合，研究基于農業物聯網技術的導航作業遠程監控平臺，實現農業機械作業的可視化、遠程管理和任務調度，早日實現農業裝備的智能化和自動化，實現農業機械的大規模應用，提高農業裝備的智能化與作業效率。