[科普中国]-自动导航控制系统

背景简介

自动导航控制技术是一种车辆自主沿规划路径行驶的反馈控制，应用于设施农业中可以将作业者从繁重，单一，重复的生产过程中解放出来。此外，由机械化作业代替人工作业，有效的提高了作业的精度，降低了生产过程中遗漏，浪费等现象。将设施农业和以自动导航技术为基础的自动化作业相结合，无疑对提高农业作业效率、农作物产量、改善农业作业者工作环境都有着巨大的现实意义。

美国、德国、日本等国家都针对该技术开展了研究，并且取得了一定的成果，以美国为首的一些发达国家，已经将自动导航系统应用于农业作业中。1

自动导航定位传感器自动导航中的精确定位有多种方法，广泛应用的方法有机器视觉、GPS 导航和惯性导航等。

机器视觉机器视觉目前在各领域有着广泛的应用，比如宝时得公司生产的自动避障割草车，它通过图像处理识别前方的各种障碍，从而可以提前转弯避开这些障碍。机器视觉的核心是图像传感器和图像处理算法。图像传感器主要是获取视野中的图像数据，而图像处理算法则是将图像数据处理分类，从而判断视野中的各种物体形状大小及距离等。

机器视觉在农业生产中主要是用来捕获田间农作物。例如在农田中，有农作物、杂草、泥水、石块等，那么如何快速将农作物与其他物体区分开来并锁定其位置是机器视觉所要解决的问题。例如在自动对靶喷施农药方面就取得了很好的效果，它能够快速捕获农作物的位置并反馈给控制台，控制台根据这一位置控制农药喷头对准农作物进行喷洒，大大避免了农药的浪费，也减少了对环境的污染。机器视觉的主要优点是开发成本较低，缺点是容易受到光线、土地平整度等客观环境的影响。

GPS 导航GPS 即全球定位系统，它是一种具有全方位、全天候、全时段、高精度的卫星导航系统。目前已开放了几个波段为民用提供服务。但是该系统由于卫星星历、卫星时钟存在误差，大气对流层、电离层对信号的影响、接收机自身的噪声误差以及在应用过程中客观环境如温室大棚、树冠等对信号的阻挡等原因，使得民用的定位精度只有数十米量级，这远远未能达到农业机械定位的要求。

随着对 GPS 定位研究的深入，近些年来，出现了差分定位技术（如 DGPS、DGNSS），它的定位精度最高可达厘米级。差分 GPS 系统包含着一个或多个安装在已知坐标点上的GPS 接收机作为基准站，通过基准站对 GPS 卫星信号的测量而计算出差分校正量，然后将差分校正量播发给位于差分服务范围内的用户接收机（又叫流动站），以提高用户接收机的定位精度。对于农业机械 GPS 自动导航使用较多的是实时动态差分（RTK），因为它是一种针对动态用户实时提供精密定位的技术。

惯性导航惯性导航是一种不依赖外部信息、也不向外部辐射能量的自主式导航系统。它一般包括惯性传感器如距离传感器、角度传感器等，计算机和在计算机上运行的导航算法，惯性传感器是其核心部分。目前，在大多数的导弹、潜艇、飞机和轮船上均有配备这一系统。它的基本工作原理是以牛顿第二定律为基础，通过测量载体在惯性参考系的加速度，将它对时间进行积分，且把它变换到导航坐标系中，就能够得到在导航坐标系中的速度、航偏角和位置等信息。这种导航具有隐蔽性好、不受外界干扰等优点。但是由于它是通过积分计算得到导航数据的，所以存在累积误差，长期使用必然会导致精度下降，所以惯性导航一般不能单独使用，它需要与其他导航技术相互配合，才能保证较高的精度。2

导航控制算法控制算法是自动导航的核心内容。但它首先需要获得各个传感器测量的数据，比如获得插秧机的位置坐标、航向角、横滚角、速度以及俯仰角等定位信息。将这些信息和预定义路径信息一起发送给控制系统，从而确定插秧机下一时刻需要完成的转弯动作。最后发送指令给方向盘转动一定的角度，使插秧机回到预定义路径上。

目前，常见的路径跟踪控制算法有线性模型、PID 控制、最优控制、模糊逻辑、神经网络以及纯追踪模型等。线性模型算法相对比较简单，它首先根据经验判断前轮转角与横向偏差和航向偏差之间的关系，然后设定一个带参数的比例关系式，最后通过仿真或试验确定比例参数。很显然，这种算法精度不高而且也无法消除稳态误差。PID 控制算法在工业中被广泛应用，原因是这种数学模型易于建立，传递函数容易推导，而且能够较快地较小稳态误差。但是三个控制参数的确定比较困难，于是出现了模糊 PID 控制算法、最优 PID 控制算法等组合算法，这些算法归根结底都是为了获得较好的控制参数。最优控制方法可直接解算获得较优的控制参数，但是需要确定被控对象的数学模型，该算法对曲线跟踪的适应性较差，更重要的是插秧机在水田中行驶的精确数学模型难以建立。模糊算法是一种经验控制方法，它不需要建立被控对象精确的数学模型，只需获得控制对象的运动特性以及人为处理经验。因此，它的鲁棒性相对较强且不易受到外界变化的干扰，但是其跟踪误差一般比较大。神经网络对解决复杂运动特征的被控对象有很好的控制效果，但首先需要一批质量较高的训练样本。纯追踪模型是通过建立几何模型去推导控制方程，从而获得输入参数与输出参数之间的函数关系，一般能够获得较高的控制精度，但前视距离不易调节。2

常见的农用自动导航控制系统根据导航系统中使用的定位传感器的不同，可以将农用导航系统分为以下几类，分别为 GPS 导航、视觉导航、激光导航、惯性导航、测距导航、电磁导航、多传感器融合等。不同传感器在不同环境中都存在着差异性，因此定位的方法也各不相同。

GPS 导航GPS 系统（Global Positioning System）是由 24 颗卫星构成的庞大网络定位系统，可以实时的在全球任意位置进行导航和定位，并且具有全天候，全球性等特点。GPS 系统一般可以分为两大类：一类是 DGPS(差分 GPS 定位技术)和RTK-GPS(实时动态 GPS 技术定位技术)。

在室内环境中，如设施农业，GPS 信号受到严重的阻挡，存在可靠性不高的问题，此外，单纯利用 GPS 定位，其精度也比较低，一般需要通过和其他导航方式相结合来提高精度。

视觉导航视觉导航系统是通过安装在车身上的摄像头，利用周围环境信息来导航的方法。通过摄像机获取的图像信息，经过分析处理可以得到农用机械相对于行间作物的位置与姿态信息，做出相应的路径规划，实现车辆的自动导航。目前，这种导航方式受到了很多工程师的青睐。

德国的农业技术和建筑工程监理会（KTBL）成功研制出了一种旋耕机器人，它能完成播种与除草作业，旋耕机器人利用传感器检测与地垄的接触，使其能够沿地垄自动行驶。Ayala M、Soria C 和 Carelli R 提出了一种在田间使用的移动机器人视觉控制系统，在对视觉图片分析处理后得到透视线，并利用透视线确定导航的轨迹，运用统计学原理对图片进行分割处理和 Hough 变化来拟合导航路径，结果发现其稳定性较好。

激光导航激光导航被广泛应用于农用机械自动驾驶的研究中，它的优点是测量精度高，距离远。Chateau 等人通过将激光传感器安装在车身上，根据感应距离的不同，得到工作区域的信息，实现自动导航的功能。西北农林科技大学的陈军等人利用激光扫描仪，通过激光扫描获得周围的果树信息，研发了一种适用于果园的自动导航控制器。并通过实车验证，该激光传感器系统具有较高的可靠性、较好的实用性，可以迅速的获取精确位置，但没有考虑车辆的实际复杂路况及动力学因素。Hamme.B 等人研究了一种自主移动机器人，利用激活扫描仪探测周围环境，从而获得转向角和车轮距离，实现农用机械的自动导航。但是该机器人在速度较高时，容易出现遮挡现象，提供不了详细的信息，容易造成系统混乱。

惯性导航惯性导航使用惯性元器件测量车辆的自身加速度，通过运算得到速度和位置信息，达到导航定位的目的，惯性导航不容易受外界能量的干扰，是一种利用自身运动信息导航的系统。吉林大学研发了一种惯性导航控制系统，该系统使用陀螺仪获得车辆的角速度数值，速度计获得车辆的速度信息，建立车辆行驶的运动学模型，并且根据测量值计算出车辆的当前位置。惯性传感器抗干扰性能很强，且具有较好的隐蔽能力，但惯性导航的系统误差会随着时间的增加而不断加大。因此惯性导航若想达到较好的精度，一般要与其他导航方式配合使用。

测距导航测距导航是通过利用相应的传感器组获得传感器与传感器之间的距离信息，将距离信息通过几何关系转换成定位坐标的一种导航方法。室外测距导航主要有GPS 导航方式等；室内测距导航主要由 ZigBee 测距导航方式等。我国已有一些学者对室内 ZigBee 导航进行了研究。杭州电子科技大学的章坚武等人利用 TI公司 CC2430 的 ZigBee 芯片在室内进行了测距精度测试，测试结果表面精度可以控制在 2m 以内。中南大学的张橙，宋学瑞等人对传感器的原始数据进行了卡尔曼滤波处理后，使得测试精度可以控制在 0.5m 以内，实现了较高的精度，目前，在室内导航领域，已有很多工程师采用了 ZigBee 导航的方法。

电磁导航事先将可以与电磁传感器发生作用的装置埋在地表下形成一条轨迹，在完全没有人工参与的情况下，使车辆能够自动的沿着这条轨迹行驶的导航方式成为电磁导航技术。日本的 Tosika 研发了一种应用于果园的基于电磁诱导导航技术的喷雾机器人，将感应电缆预先埋于地表下以下 0.3m 处，然后设计了模糊控制器控制喷雾机器人的自动行驶。柳工在 2015 年研发了电磁导航技术，研发了其第一例动导航车，整体体积中等，但工作力度大，牵引重量以及精度分别为500KG、±10mm，目前该自动导航车已经领先于国内领域。

多传感器融合由于复杂及多变的农业生产环境，只采用一种传感器技术已越来越不能满足导航定位系统的精度及稳定性能。这时可以引入多传感器融合技术，将一些传感器按照一定的方式组合成一个系统，对数据进行融合，获得精度更高的导航定位信息。日本北海道农业研发中心对多传感器融合技术进行研究，并设计了一套以位置识别为基础的卡尔曼滤波器用于农用车辆的自动导航系统，使之完成既定任务。其中，系统的导航数据由 GPS 提供，然后利用角速度计数据完成对 GPS数据的修正，最终实现了农用车辆田间作业的自动行驶功能。Yoshisada 结合了 GPS 和光钎陀螺仪，利用光钎陀螺仪校正车辆的导航信息，0.7 米/秒速度下工作的均方根误差为 5.5 厘米。1