林間作業機器人的定位系統綜述與展望*

張 尚 ，何銳波 ，王一博 ，沈晶豪 ，張 聰

（廣西科技大學，廣西 柳州 545000）

0 引言

現如今隨著林業自動化的不斷推進，林間作業機器人研究突飛猛進。林間作業機器人能夠代替人力完成林區的樹木采伐[1]、環境檢測[2]、樹木修剪[3]、軍事偵察[4]、地圖繪制[5]、貨物搬運[6]等工作。林間作業機器人按照空間載體的形式可以分為以下幾類：林間地面機器人、空中機器人、過樹機器人等。

目前，林間作業機器人的發展已經步入了智能化階段，特別是對于自主移動的林間作業機器人來說，它的導航系統成為研究工作重點。為了實現導航功能，林間作業機器人需要經歷以下階段：環境感知[7]、定位[8]、路徑規劃[9]、運動控制[10]。有些林間作業機器人還需要有建圖功能，為了提高建圖的準確度，機器人所處的位置會直接影響到建圖的準確度。目前流行的技術是同時定位和地圖構建技術（SLAM），SLAM 可以實時對機器人進行定位和建圖，可以大大提升定位和建圖的精度[11]。環境感知階段為林間作業機器人的定位做準備，在路徑規劃和運動控制階段，由于林間作業環境復雜，在移動過程中可能需要重新進行路徑規劃，以防林間環境中的不可控因素阻礙機器人的運動，這就凸顯出實時定位的重要性。由此可見，定位是機器人在林間環境下實現導航的先決條件。目前的文獻綜述集中在室內和農業環境下的定位系統以及基于各種傳感器的定位系統[12-14]。近年來，對于林間定位的研究工作較多，但是缺少林間環境下機器人定位系統的全面綜述。鑒于此，課題組從林間作業機器人的定位系統入手，詳細闡述林間作業機器人定位系統的研究現狀以及未來發展趨勢。

1 林間作業機器人定位系統概述

林間作業機器人是一種可以在林間環境下滿足人類需求的特種工作機器人[15]，林間作業機器人的定位系統原理是林間作業機器人攜帶各種傳感器，完成對周圍環境的感知，從而使機器人知道自己身在何處[16]。

林間作業機器人在林間環境下進行定位非常復雜，其復雜性表現在以下幾個方面。

1）環境復雜主要來源：地表、樹木、天氣三方面。

2）作業形式復雜主要指的是林間存在的各種作業形式，主要包括：樹木種植[17]、林間防火滅火[18]、環境監控[19]、果實采摘[20]、生長情況記錄[21]、地質檢測[22]、地圖測繪[23]等。

3）作業要求復雜主要是指人類根據具體工況設定的不同要求，主要包括：作業速度、定位精度、穩定性、魯棒性的要求。

以上三個方面的復雜性是設計者在設計林間作業機器人的定位系統時要充分考慮的，這給設計者帶來了巨大的挑戰。按照定位方式的不同，可以將林間作業機器人的定位系統分為以下幾種：絕對定位、相對定位以及二者的組合。按照這樣的方式進行分類時，可以讓人們更清晰直觀地了解機器人處于林間環境下是如何提取特征點信息的。

2 林間作業機器人定位技術應用與分析

2.1 林間作業機器人絕對定位技術

全球衛星定位屬于對地球上物體的絕對定位，基于衛星的定位原理是通過往太空發射若干衛星繞地球公轉，使得地球上任意位置的用戶端都可以通過衛星信號接收器同時接收到4 顆衛星的信號，從而對用戶端的位置進行精確測量[24]。技術比較成熟的衛星定位系統：美國GPS 全球定位系統、歐洲伽利略衛星導航系統、俄羅斯GLONASS 衛星導航系統、中國北斗衛星導航系統[25]。值得一提的是，2020 年7 月，北斗導航系統已經完成了全球覆蓋[26]。

全球衛星定位技術在稀疏森林中的定位精度為5 m～7 m[27]。當機器人處于林間這種特殊的環境中時，全球衛星定位技術精度會降低，遇到植被密度大的林間環境時，定位系統甚至會失效。所以當機器人處于林間環境中時，一般不單獨使用全球衛星定位系統，可以和其他定位傳感器進行配合使用。

2.2 林間作業機器人相對定位技術

林間作業機器人相對定位技術的原理主要是機器人自身攜帶的傳感器識別環境中的特征點，從而對自身進行相對定位。可以根據環境中特征點的類型將相對定位技術分為基于自然特征的相對定位、基于人工特征的相對定位。

2.2.1 基于自然特征的相對定位

提到自然特征時人們首先想到的就是樹干，有研究通過檢測樹干的位置來對機器人本體進行相對定位。文獻[28]和文獻[29]使用基于深度學習的方法對樹干進行檢測，但是這些案例中的樹木種類繁多，因此很難設計出通用性解決問題的神經網絡。鑒于此，有一些文獻嘗試在不陷入黑盒的條件下檢測樹干。文獻[30]強調了彩色濾光片的使用，提高了視覺定位樹干的普適性。文獻[31]基于雙目立體視覺系統，實現了履帶式機器人在林間的實時定位。文獻[32]利用雙目視覺完成了杭州白菊花的采摘，這是基于HSV 顏色空間分割實現的，定位精度可達厘米級。文獻[33]提出了一種基于語義分割和激光測距的樹木直徑估計方法，將3D 激光雷達掃描用于訓練語義分割網絡，可以自動生成樹木的直徑估計值，平均誤差為1.70 cm。文獻[34]開發了一款配備三維激光雷達和IMU 的無人機平臺，基于無序點云數據，提出了一種基于采樣的K維樹最近搜索航跡生成方法，用于林間定位。文獻[35]以無人機作為實驗平臺，使用狹義搜索方法對林間的樹木進行識別，在樹干的目標位置上貼上紅布，使用視覺傳感器對其進行識別和定位，樹木直徑測量的最大誤差為8 cm。文獻[36]利用現有的森林地圖信息，提出了一種地圖匹配方法，將其與激光雷達觀測到的點云數據相匹配，減少了位置誤差。文獻[37]基于視覺使用端到端的學習方法訓練模型，部署后能夠引導機器人在復雜的林間環境中避開障礙物，走向可通行道路。森林地形復雜，包括許多不同的障礙物，如灌木、地上的樹枝、倒下的樹干、直立的樹木等。機器人面對復雜地形時，提取特征參考物，并給出了機器人的運動指令。文獻[38]應用便攜式背包激光雷達測量和定位森林中的樹木，胸徑測量的平均誤差為4.19 cm。

2.2.2 基于人工特征的相對定位

文獻[39]利用冬季樹干的“刷白”特征，提出了一種視覺定位基準線識別算法。提取小路兩旁的樹干刷白位置的內側角點作為特征點，使用最小二乘法提取中間點生成行進路線。實驗結果表明，50 m 的行駛距離最大誤差不超過15 cm。還有一種人工特征是人工林在種植時呈現行間距一致性，文獻[40]提出了一種基于RGB-D 數據的樹干檢測器，樹木的規則分布情況也被整合到了定位系統，提高定位系統的穩定性。文獻[41]利用果園是直排平行種植的原理，通過深度學習對樹干檢測進行訓練，然后利用樹干包圍盒計算果樹的參考點坐標，使用最小二乘法對兩側果樹的基準線進行擬合。文獻[42]利用人工橡膠林間距呈現一致性的特征，使用二維激光雷達掃描出橡膠林內側的點云數據后，應用高斯-牛頓法擬合出樹木的中心點，再通過最小二乘法估計出一條行走路徑，實現履帶機器人的定位，平均停車誤差為12.08 cm，橡膠樹的半徑估計誤差小于0.66 cm。

RFID 技術需要在環境中布置若干RFID 標簽，屬于基于人工特征的相對定位，它們可以和機器人本體上安裝的若干閱讀器天線相呼應，從而實現機器人的定位功能[43]。用于林間單棵樹定位的RFID標簽，考慮到林間環境風吹日曬，為了延長它們的使用壽命，使用塑料將它們的線圈部分進行密封操作。使用單個閱讀器天線對RFID 標簽進行定位時，檢測的范圍會受到強烈的方向性影響，只有當閱讀器天線面對標簽時，檢測的距離才是最遠的[44]。在林間環境下只使用一個RFID 閱讀器天線對于RFID 標簽的定位精度不高，要想保證識別的穩定性以及定位精度，可以借鑒室內的一些研究工作。文獻[45]和文獻[46]使用兩個或兩個以上的RFID 天線，從不同的方向對RFID 標簽進行感知，在室內環境下可以保證厘米級的定位精度，這可以為林間環境下的機器人定位提供參考。

2.3 絕對定位和相對定位組合的相對定位

在陡峭斜坡葡萄園環境下使用激光雷達、視覺、RFID、GPS 進行融合定位，文獻[47]提出了一種基于卡爾曼濾波[48]的混合定位方法，使用GPS 進行葡萄園行高的估計，在葡萄園的每行開始和結束處都放置一個RFID 標簽，再通過監測機器人本體上的閱讀器，讀取標簽的位置信息，得到葡萄園的行信息，從而生成拓撲地圖[49]。監控機器人上還搭載了視覺傳感器和二維激光雷達的EKF SLAM 系統，用于生成基于自然特征的地圖。在拓撲圖上，每個節點都象征著一排葡萄園，這降低了二維EKF SLAM 的復雜度，提高了計算效率，定位的誤差為5.23 cm。

3 林間作業機器人定位系統面臨的挑戰

目前從整體的發展水平看，林間作業機器人的定位系統已經取得了較好的發展，但是還有很長的一段路要走，林間作業機器人的定位系統面臨的挑戰主要有以下幾個方面。

1）環境的挑戰主要包括：地表的復雜性、樹木的分布、天氣的多變性。當林間的地表凹凸不平時，二維激光雷達用于林間地面機器人的定位穩定性就大大降低了[50]，這時就要使用立體視覺或者三維激光雷達來進行林間環境下的定位。只是三維激光雷達的成本較高，遇到下雨天會出現數據漂移的現象[51]。立體視覺在雨天的表現性能較好，但是容易受到光照的影響[52]。當樹林的密度較大而且分布不均時，林間作業機器人的定位會困難許多。

2）全球衛星定位系統在茂密的林間環境下定位精度會降低，有時甚至會失去信號。使用RFID 對林間的單棵樹進行相對定位時，由于其他樹木的干擾，使得RFID 的方向性更加明顯，當標簽面對RFID 天線的時候有較好的識別距離，而其他角度的識別距離會下降，定位精度也會下降[44]。

3）機器人在自然森林中的相對定位研究工作集中在視覺、激光雷達和IMU 的緊密融合上，目前融合的難點在于多傳感器融合時，面臨著數據復雜性、沖突性的挑戰，主要表現在傳感器之間分辨率的差異以及校準差異[53]。視覺相機和激光雷達的融合前提是兩者要實現校準，目前兩者之間的更為精確的校準還沒有實現。

4 研究與展望

在國內外學者的研究下，林間作業機器人的定位系統有了長足的發展，面對各種復雜的林間地形、作業形式要求，進行了相應的研究和設計。盡管在研究工作中仍然面臨著不可控的外部環境因素，但是整體上朝著好的方向前進，本文從以下幾個方面對林間作業機器人定位系統的未來發展進行展望。

1）在人工橡膠林環境下，為了實現橡膠攻皮機器人的功能需求，比如停車攻皮，對定位精度的要求為厘米級，而現在人工橡膠林中利用二維激光雷達提取樹木內測點云數據后的定位精度可以達到厘米級，符合橡膠攻皮機器人的功能需求。使用視覺技術在具有“刷白”特征的人工林進行機器人定位時，誤差不超過15 cm，滿足按照導航基準線行駛的要求[39]。

2）基于RFID 的定位工作研究較少，多用來對樹木進行信息管理。基于RFID 的定位在林間環境下也是具備研究基礎的，因為存在防水、防曬的標簽，可以給人們提供便利，定位精度為分米級，可以進行粗定位。未來可以借鑒在室內的研究工作，使用多個RFID 天線，從不同的方向對RFID 標簽進行識別，定位精度可以達到厘米級[45]。

3）未來，機器人在自然森林中的相對定位研究工作將集中在多傳感器的融合上，融合之后傳感器之間會優勢互補，提升定位精度。在遇到惡劣的環境和多樣性的需求時，人們要客觀理性地分析選擇自己所需要的技術，并且注意控制成本，滿足自身需求的同時追求較高的性價比，這也能進一步促進產品優化升級。沒有一種技術是萬能的，但人類的智慧是無限的。