面向自動導航拖拉機的農田障礙物識別研究

袁文濤，劉 卉，胡書鵬

(1.首都師范大學 信息工程學院，北京 100048；2.北京農業智能裝備技術研究中心，北京 100097)

0 引言

農業自動化、機械化是現代農業發展的必然趨勢，而農業自動化研究的一個重要方向是實現農業機械的自主導航和有效避障[1-2]。對于自動導航拖拉機而言，農田中可能會存在諸如電線桿、樹木、機井等靜態障礙物，這些靜態障礙物可以在路徑規劃時避開，但增加了路徑規劃的復雜度；此外，在農田中也可能會出現人、其它農業機械等動態障礙物，這些動態障礙物只能在農機作業過程中實時探測并采取必要的避障措施[3-5]。因此，要使自動導航拖拉機在行進的過程中避開障礙物，就需要有效識別障礙物并對其方位、距離、寬度及狀態等特征信息進行精確的計算。

目前,廣泛應用在移動機器人避障領域的傳感器主要有:立體視覺、超聲波、紅外和激光雷達。采用立體視覺來進行環境感知和障礙檢測，是一種很有前途的方法，但因為視覺圖像處理過程比較復雜，動態性能較差，因而目前難于適應實時性要求很高的農機自動導航作業；超聲波測距僅僅適用于對環境感知精度要求不高的場合；紅外測距受環境的影響較大，物體的顏色、方向、周圍的光線等均能引起測量誤差。任何一種測距技術都有其優點和局限性，相比而言，激光測距傳感器具有獨特的優勢，它具有測距精度高、分辨率好、抗干擾能力強等諸多優點，能夠同時滿足精度和實時性要求，特別適用于實時控制系統的環境感知研究[6]。Noguchi等利用二維激光測距儀開發出了一種可以在果園環境應用的自動導航系統，使用一輛52kW的拖拉機作為實驗平臺，導航中航向角誤差為1.5°，橫向誤差為0.11m[7]。劉沛等為了實現果園作業的自動化，以拖拉機為研究對象，采用激光導航方式實現了果園機械的自動導航，當拖拉機以0.27m/s 速度直線行走30m時，最大橫向偏差為0.15m[8]。任立敏等設計了包含緊急避障、精確規劃、動態避障的移動機器人控制結構和避障算法，并在實際的環境中分別進行了單障礙物、多障礙物和動態障礙物實驗[6]。在大部分實驗中，機器人都能夠以平穩、流暢的路徑避開障礙物。

本文介紹了一種面向自動導航拖拉機的典型農田障礙物檢測和識別方法。在自動導航拖拉機平臺上裝載LMS200激光測距儀，針對樹木、障礙拖拉機分別進行障礙物檢測，實現對目標障礙物方位、距離、寬度等特征信息的有效識別。

1 自動導航拖拉機避障測試平臺

基于激光測距傳感器構建面向自動導航拖拉機的避障測試平臺。

1.1 自動導航拖拉機系統

本研究所采用的自動導航拖拉機系統采用了GNSS導航方式，將GNSS定位裝置、車載導航控制終端、自動導航控制器安裝在駕駛室內；將GNSS天線固定在車頂，通過電臺接收來自GNSS基準站的差分信號并達到RTK固定解狀態；車載導航控制終端根據位姿數據及預先設定的導航路線，計算并向控制器輸出控制指令，控制器將控制信號傳輸給液壓系統，并控制閥門開關，實現對拖拉機轉向機構的控制。

1.2 激光測距傳感器

激光測距傳感器是通過測量激光脈沖的飛行時間來檢測目標物體的距離。在測量過程中，激光器發射激光束，并且接收從被測物體反射來的激光束，如圖1所示。激光器發射的激光脈沖經過分光器后，分為兩路：一路進入接收器，另一路則由反射鏡面發射到被測障礙物的表面，反射脈沖也經由反射鏡返回接收器[9]，由光速與反射脈沖的時間乘積得到檢測目標物體的距離。

圖1 激光測距儀工作原理圖

激光束從傳感器內部的旋轉光鏡偏轉,通過掃描周圍環境，形成一個扇面掃描區域，由接收到的一系列脈沖序列來確定目標物體的輪廓線。測試平臺安裝了德國SICK公司的LMS200激光測距傳感器，能夠設置掃描激光前方180°區域或120°區域；角度分辨率可設置為0.5°或1°；測量精度分為厘米模式和毫米模式，在毫米模式下能夠測量的最大距離為8m，在厘米模式下能夠測量的最大距離為80m。測量過程中，激光測距傳感器通過RS232串行接口將測量數據實時傳送給自動導航拖拉機車載導航控制終端，進行障礙物檢測處理。

2 農田障礙物檢測方法

在農田環境中識別障礙物特征信息，主要包括檢測障礙物方位、障礙物中心到自動導航拖拉機激光發射器的距離及障礙物形態信息。

2.1 障礙物的定位方法

為實現農田環境下障礙物的檢測與識別，首先必須確定障礙物相對自動導航拖拉機的位置。在農田中，利用激光測距傳感器實時掃描拖拉機行進前方的障礙物，通過對掃描點的分析發現障礙物出現在圖像內凹點位置。凹陷部分越大，則表明障礙物的寬度越大。

以激光傳感器發射器為原點建立一個極坐標系，如圖2所示。激光傳感器輸出所測障礙物的點集合SP表示為[10]

(1)

圖2 直角坐標系轉換

為了進一步得到障礙物的位置數據，將極坐標系轉化為以激光發射器為原心的笛卡爾直角坐標系，則被測障礙物邊緣點的集SV合為

(2)

(3)

其中，V表示傳感器直角坐標系；SVi=(xVi,yVi)T表示在V坐標系中障礙物的位置數據。

激光測距傳感器掃描自動導航拖拉機前方180°范圍內障礙物，采用如下方式定義障礙物的方位：以拖拉機行進方向，即傳感器直角坐標系y軸正方向為基準，沿基準方向順時針旋轉為正方向，逆時針旋轉為負方向。由此可知，障礙物出現的方位范圍在行進方向的±90°之間。

2.2 障礙物邊緣擬合

激光測距傳感器完成1次掃描障礙物后，獲得障礙物邊緣的距離和角度數據集，然后由式(3)轉換得到目標障礙物邊緣在傳感器直角坐標系的離散點集。采用最小二乘算法對目標障礙物的邊緣進行擬合處理，獲得障礙物邊緣曲線。

設擬合曲線方程為

y=a0+a1x+a2x2

(4)

測量點與擬合曲線的偏差為

(5)

則偏差平方Q和為

(6)

通過最小Q值確定擬合曲線，即確定a0、a1和a2。為此，求Q對a0、a1和a2的偏導，得

(7)

由式(7)求解a0、a1和a2，最終求得擬合的障礙物邊緣曲線。在障礙物擬合曲線基礎上，求解障礙物形態特征信息。

2.3 障礙物形態特征信息識別

為了在避障過程中自動導航拖拉機實施最優避障，必須獲得障礙物的寬度特征和障礙物中心點。

根據障礙物邊緣曲線可得最小外接矩形，并由此計算障礙物的寬度值w，即

(8)

其中，d1為激光測距傳感器檢測到障礙物一側邊緣的第1條反射線的距離長度；df為激光測距傳感器檢測到障礙物另一側邊緣的第f條反射線的距離長度。β可由下式計算得到，即

β=θf-θ1

(9)

其中，θ1為第1條反射線與V坐標系水平x軸的逆時針夾角；θf為第f條反射線與V坐標系水平x軸的逆時針夾角。

障礙物的中心點為障礙物輪廓擬合曲線的中心位置，中心距離是指激光測距傳感器中心點到障礙物中心點的距離。

2.4 障礙物識別精度

本研究使用均方根誤差來評估障礙物特征信息的識別精度。采用RTK-GPS接收機分別測量激光測距儀發射器位置和障礙物中心位置，以標定障礙物特征信息的真值，將RTK-GPS接收機輸出的大地坐標轉換為平面坐標，再由平面坐標計算障礙物中心位置相對自動導航拖拉機的距離和方位。

均方根誤差是觀測值與真值偏差的平方和與觀測次數n比值的平方根。均方根誤差對一組測量中的特大或特小誤差反映非常敏感，所以均方根誤差能夠很好地反映出測量精度。

障礙物距離特征識別精度σd為

(10)

其中，dobs表示障礙物距離特征真值數據；dmea表示激光傳感器測量距離數據。

障礙物方位特征識別精度σφ為

(11)

其中，φobs表示障礙物方位特征真值數據；φmea表示激光傳感器測量方位數據。

障礙物寬度特征識別精度σw為

(12)

其中，wobs表示障礙物寬度特征真值數據；wmea表示激光傳感器測量寬度數據。

3 田間試驗

3.1 試驗設計

在小湯山國家精準農業示范基地，進行了農田障礙物檢測試驗。試驗中，在安裝有MG-1102型自動導航系統的約翰迪爾904的拖拉機上，加裝德國SICK公司的LMS200激光測距傳感器，安裝位置離地65cm，如圖3所示。設置LMS200掃描范圍為180°，角度分辨率為0.5°，最大測量距離為80m。

試驗1：選取寬度為0.23m、周長為0.74m的樹木作為目標障礙物。試驗2：選取寬度為4.39m的另一輛拖拉機作為目標障礙物,預設場景為障礙拖拉機垂直于自動導航拖拉機前行的方向出現在前方。針對上述兩種類型障礙物進行了檢測試驗與特征信息提取處理。

3.2 試驗結果與數據分析

1)障礙物定位結果。在既定預設場景下，進行了3組方位、3組距離的多次試驗。表1為樹木障礙物的試驗數據，表2為拖拉機障礙物的試驗數據。表中左側為障礙物特征信息的標定值；右側為激光測距傳感器的測量值。從試驗結果可知：此障礙物識別系統對于障礙物寬度特征的識別精度，會隨著標定距離的增加而降低。

圖3 自動導航拖拉機車載系統

標定值方位/(°)中心距離/m測量值方位/(°)中心距離/m寬度/m-44.692.00-44.131.930.23-42.034.92-41.254.930.23-42.479.94-42.009.950.18-1.272.02-1.751.970.24-2.295.00-2.004.980.18-2.699.93-2.509.960.1835.742.0036.251.980.2536.725.0037.254.980.2337.089.9637.509.970.20

表2 障礙物為拖拉機的試驗結果

續表2

2)障礙物形態特征擬合。圖4為樹木障礙物的邊緣曲線擬合結果。圖4中,樹木方位標定值為-1.27°, 中心位置到激光測距傳感器距離標定值為2.02m，弧線是擬合的樹木障礙物邊緣輪廓，矩形框為樹木障礙物的最小外接矩形。

圖4 樹木障礙物的邊緣曲線擬合結果

圖5是障礙拖拉機在8、15、25m處的邊緣形態特征。由圖5可以看出，激光測距傳感器能夠可靠地檢測障礙物的邊緣輪廓。將標定值為8m處的障礙物拖拉機進行了邊緣曲線擬合處理，可以清晰地辨識出障礙拖拉機的前輪和后輪的凸出部分，矩形框為障礙物的最小外接矩形。

圖5 障礙拖拉機的邊緣曲線擬合結果

3)障礙物識別精度分析。根據式(10)～式(12)，計算激光測距傳感器的測量值與標定值之間的均方根誤差，如表3所示。

表3 障礙物特征的均方根誤差

表3中：以樹木為障礙物時，識別樹木的方位、距離和樹木寬度的均方根誤差分別為0.5°、0.03m、0.03m；以拖拉機為障礙物時，識別障礙拖拉機的方位、距離和寬度的均方根誤差分別為1.88°、0.13m、0.39m。對于障礙拖拉機寬度的識別精度相比樹木寬度的精度有所下降，主要是因為障礙拖拉機相距自動導航拖拉機的距離較遠，識別精度會隨著距離的增加而有所降低。試驗數據處理結果表明：此障礙物識別系統能夠有效識別樹木和障礙拖拉機的方位、距離及寬度等特征信息，能夠為下一步實現障礙物避讓提供有效的數據支持。

4 結論

1)通過加裝LMS200激光測距傳感器，構建了面向自動導航拖拉機的避障測試平臺。

2)基于避障測試平臺獲取障礙物數據，通過對激光數據解析、坐標系轉換及障礙物邊緣擬合，實現了障礙物方位、距離、寬度等特征信息的有效識別。

3) 針對典型農田障礙物——樹木和障礙拖拉機，進行了障礙物檢測試驗。采用RTK-GPS接收機的定位數據標定障礙物，并進行了識別精度檢驗。樹木的方位、距離和寬度的識別精度分別為0.50、0.03m、0.03m，障礙拖拉機的方位、距離和寬度的識別精度分別為1.880、0.13m、0.39m。試驗結果表明：避障測試平臺能夠有效地識別自動導航拖拉機前方的障礙物。