基于SLAM與聲源定位的農業大棚服務系統

方言海，李彥沛，李亞芹，談桂秀，黃 玉，黃一博，馬悅軒

(1.佳木斯大學 機械工程學院，黑龍江 佳木斯 154007；2.佳木斯大學 現代教育技術中心，黑龍江 佳木斯 154007)

0 引言

隨著我國當前農業機械化的發展與居民消費水平的提高，大家對新鮮農產品的需求層次也越來越高，綠色、安全、優質的農產品成為了農業發展的優先詞。農作物的生長需適宜的土壤條件與氣候條件，一些特殊的農產品只能在特定的季節才能生產。在地域與氣候條件上，我國是一個受資源約束較大的國家，南方氣候溫暖但土壤條件較差，北方土壤條件適宜但氣候水平較差。在此基礎上溫室大棚的發展優勢逐漸顯著，但傳統溫室大棚在管理上存在勞動強度大、監管效率低、經濟效益差等問題，難以適應經濟社會發展和滿足人們對農作物的需求。因此一種運用先進技術的自動巡檢服務機器人應運而生。

1 系統模塊

1.1 視覺SLAM技術

視覺SLAM，即VSLAM。如圖1所示，是現在正在新興發展的SLAM技術，利用單目、魚眼相機，多幀圖像自我判定位置和地形變化，實時進行地圖構建來完成對于地形的分析。

圖1 視覺SLAM(VSLAM)成像效果圖

1.2 場景感知

主要利用近紅外激光器，將激光器產生的具有一定結構特征的光線通過鏡片組放大透視并投射到被拍攝物體上，再由專門的紅外攝像頭進行采集，效果如圖2所示。被攝物體會因這種一定結構特征的光線的投射，根據被攝物體自身紋理不同，會呈現出深淺不一的圖像相位信息，然后這些特征由操作單元轉換成深度信息，獲得三維結構。即通過光學手段獲取被拍攝物體的三維結構，再將獲取到的信息進行更深入的應用。

圖2 場景感知效果圖

1.3 聲源定位

基于陣列的聲源定位是利用聲音傳輸信號的關鍵技術，其目的是通過聲音信號來確定聲源的三維坐標信息。而VSLAM技術搭配麥克風可以提取語義信息，更加人性化。現在國際上高精度地圖構建都包含著大量的語義信息，對于語義信息的提取和識別成為了室內地圖構建技術發展的重點要素。豐富的語義信息更有利于對于聲源信息的分析，完善實時地圖構建。

聲源定位由超聲波模塊、聲音接收處理單元、光電傳感器3個模塊組成，聲音接收處理單元結構分布模型如圖3所示。超聲波模塊由發射和接收兩部分組成，用于探測障礙物的距離[1]。語音接收處理單元主要用于語音預處理。語音信號預處理一般包括高級濾波、加權、加窗等，光電傳感器主要用于避免光的干擾和感知物體的接近。

圖3 聲音接收處理單元結構模型

1.4 定位模塊

針對農業大棚的作業特點設計了一套自動巡線重復作業系統，以實現重復的農業檢測功能。針對大棚有遮擋，定位易漂移的問題使用了一套抗干擾穩定性強的定位方案及RTK定位，RTK的組合定位算法示意圖如圖4所示。RTK即載波相位差分技術，將基準站采集的載波相位發給農業大棚服務機器人接收機進行求差，從而解算坐標[2]。載波相位差分技術得到的定位精度為厘米級，相對傳動GPS定位方案精度有了極大地提升。該系統搭載RTK定位系統后，可以精確記錄作業軌跡，實時校準并能精確完成續航作業。

圖4 基于RTK的組合定位算法示意圖

2 實時地圖構建

在研究的農業大棚的二維未知地圖的環境下，SLAM技術中使用的主要設備是攝像機，其中核心為視覺同步定位和實時制圖。

根據面臨的環境不同，地圖的表示方法通常由位置和地圖創建的環境模型構成，可分為占據柵格地圖模型、幾何地圖模型以及拓撲地圖模型三種類型[3]。

2.1 占據柵格地圖

柵格地圖是對周圍環境的離散表示，它的思想是將移動機器人的環境劃分成大小相等的網格[4]，每個網格的狀態用來描述網格被障礙物占用或不被障礙物占用的概率。占據柵格地圖具有創建簡單、易于維護和理解、便于多傳感器信息融合等優點，此方案可以幫助農業大棚自動機器人方便地完成定位和路徑規劃，在移動機器人研究中得到廣泛的應用。

2.2 幾何地圖

農業大棚無人機器人依靠自身所搭載的外部傳感器獲取大棚內的環境信息，從傳感器數據中提取更抽象的幾何特征來表示環境，這種地圖稱為幾何地圖或特征地圖。作為特征標識實現移動機器人的定位與地圖構建。幾何地圖能為機器人定位和路徑規劃提供所需要的度量信息，且這種地圖更加緊湊。

2.3 拓撲地圖

拓撲地圖用圖的形式表示機器人工作環境。其中表示地圖中節點的集合節點對應環境中的典型特征或區域表示節點之間連接邊的集合與連接邊對應節點之間的相互關系。拓撲地圖可以保證地圖空間的連貫性，需要的存儲空間小利于高效率的路徑規劃，適合在大范圍環境中應用。但是由于拓撲地圖缺少精確的環境信息，不能用于機器人精確定位并且在動態環境和環形區域環境中的構建和維護拓撲均比較困難。

2.4 圖像融合算法

圖像融合是將農業大棚服務機器人所攜帶的深度相機所拍攝到的路面深度信息及彩色相機拍攝到的周邊作物信息進行圖像融合，利用圖像內特征識別判斷周圍環境信息即農作物情況及環境信息，判斷巡線情況與農作物長勢監測；深度相機拍攝的路面信息根據起伏信息進行色塊標記，對低洼地區及起伏遮擋進行評估，評價通過性。同時對圖像進行像素級的融合，融合后的圖像包含了所需的環境信息及周邊作物信息[5]。

3 變量噴灑

變量噴灑技術是根據數據融合系統生成的當前作業場景的三維數據并計算出的最佳施藥用量進行變量噴灑的實用技術。該系統主要利用神經網絡模型對無刷隔離膜水泵這一滯后控制系統進行實時PID流量控制的深度學習，變量噴灑控制系統硬件原理圖如圖5所示。系統會根據傳感器系統采集到的靶向數據進行分析，計算出合理的用藥量同時根據標靶所處的位置，根據模型計算出合理的液滴飄移范圍，從而實現精準施藥。依據變量算法求得與當前作物長勢擬合的風量和施藥量，調節電機和電磁閥的脈寬調制信號以實時調節液泵轉速和噴頭流量實時調節。

圖5 變量噴灑控制系統硬件原理圖

4 結論

本文設計了一種針對農業大棚巡檢與植保維護的服務系統，在傳統SLAM與聲源定位的基礎上引入數據融合方案，通過實時地圖場景構建系統將相機、近紅外激光器、音源采集裝置、超聲波及其他外圍傳感器所采集到的農業大棚中的特征數據進行數據融合，并根據當前數據特征利用地圖構建法進行實時構建。此方案解決了自動巡檢機器人需要導航或大量標定節點的方案，實現了農業大棚巡檢與植保維護的無人化，大大提升效率并節約人力。

(05)