植保無人機飛控系統與航線規劃研究進展分析

曹光喬 李亦白 南 風 劉 東 陳 聰 張進龍

(農業農村部南京農業機械化研究所, 南京 210014)

0 引言

植保無人機是用于農林植物保護、防治病蟲草害的無人駕駛飛機(Unmanned aerial vehicle，UAV)[1]。植保無人機具有作業靈活、效率高、成本低、突擊能力強等優點[2-3]，可適應大田、水田、丘陵山地等多種環境。與地面植保機具相比，植保無人機在作業效果與作業效率上更具優勢[2]。目前，綠色植保、生態安全理念日益深入人心，我國植保無人機行業也發展迅速。近年來，我國植保無人機不僅用于水田及丘陵等復雜地形，還用于小麥、花生和棉花等多種作物，飛防作業方式得到越來越多農戶的認可，已逐漸取代傳統植保作業方式[4]。使用25、15 kg有效載荷無人機進行噴施作業時，其年度收益分別是機械噴霧機的33倍和25倍，是人工噴霧(不包括人工成本)的133倍和93倍[5-7]。植保無人機防治效果分別比人工和機械提高15%和35%，對突發性病蟲害的防治起到了較好的效果[8-9]。與有人駕駛飛機相比，無人機對起飛和降落無特殊要求，飛行高度低、可懸停、農藥飄移少、霧滴穿透性好，對環境的污染小[10-11]。2014年我國擁有植保無人機695架[11]，作業2.84×105hm2·次，2018年植保無人機保有量3.15萬架，作業2×107hm2·次。增強作業效果與提高作業效率是促進植保無人機行業發展的重要環節[12-13]。無人機作業效果受到導航、飛行控制以及噴灑系統的影響[14]，作業效率受到單機航線規劃、多機協同優化的影響。本文從植保無人機飛行控制系統、單機航線規劃和多機協同調度優化方法3個角度對無人機的飛控系統及航線規劃進行綜述，以期為推動我國植保無人機行業的健康快速發展提供參考。

1 植保無人機發展與現狀

1.1 國外植保無人機發展與現狀

農業航空技術是指利用飛機完成農業作業的一項技術，其飛機可分為有人駕駛飛機和無人駕駛飛機。美國的航空施藥設備以有人駕駛固定翼飛機為主(約占88%)[15]。但近年來，使用無人駕駛飛機進行化肥農藥噴灑、農業管理、產量估算等作業在美國得到了實踐應用[16-17]。美國農業和生物工程師協會(ASABE)制訂了UAV標準，并獲得了美國國家標準協會認可。2015年，美國聯邦航空管理局正式批準無人機可用于農作物監測與植保作業，形成了較為統一的行業標準，但只有獲得特殊授權證書的個人、代理機構才能用于商業飛行[18]。目前，美國是農業航空發達國家之一，2017年已經擁有超過20種9 000多架農業飛機[15]，占世界總擁有量的28%，對農業的直接貢獻率為15%以上，航空植保作業面積為65%[18]。美國無人機廣泛加載GPS、自動導航、施藥自動控制等操作系統，不僅能夠精準、高效地完成作業，對環境污染也較小。除噴灑作業外，美國還利用植保無人機進行遙感測繪，用于農事管理與產量估算，很大程度上解決了因信息缺失或失準造成的糧食生產損失[19-20]，保證了糧食產量。

日本人均耕地面積較少，且地形多山，使用植保無人機成為解決農村勞動力緊缺的重要方法[21]。1958年日本將有人駕駛直升機應用在稻田害蟲和稻瘟病的防治上，受限于污染和安全等問題，1983年提出有人駕駛直升機和無人駕駛直升機共同完成植保作業[22]。1987年日本雅馬哈公司研制出世界上第一臺農業用無人機，成為第一個使用小型植保無人機的國家。目前，日本植保無人機技術得到快速發展，已經達到世界領先水平。2004年水稻生產作業中，無人機的使用規模已經大于有人駕駛直升機[15]。2018年日本植保無人機市場裝機總容量達2 788架(以單旋翼直升機為主)，獲得國家植保無人機操作證書的操作人員共10 545人，無人機覆蓋率達到70%[18]。無人機還廣泛應用在遙感測繪和害蟲驅除等任務中[23]。在植保無人機管理方面，建立了政府監管和行業協同管理的推動模式，加強植保無人機購買補貼、操作人員培訓。大力發展農業航空植保專用藥劑，促進植保無人機技術的進一步發展。日本經產省2020年向國際標準化組織提交認證申請，擬主導國際無人機標準制訂，以利于自產的無人機在國際上得到推廣[23]。

美國、俄羅斯、加拿大等因農場的規模化種植和同種作物大量連片種植模式，更適合有人駕駛飛機進行植保作業。隨著植保無人機技術的發展和應用場景的不斷擴展，植保無人機技術在上述國家也逐漸得到發展。日本、韓國等國家植保無人機針對山地、丘陵等復雜地貌的作業研究發展較早，應用廣泛，發展水平也較高，對我國山地丘陵等地形的植保無人機研究具有借鑒意義[24]。

1.2 我國植保無人機發展與現狀

中國有人駕駛的航空植保業發展較早，1951年我國將大型固定翼飛機用在防治東亞飛蝗、森林防火和播種造林等工作[3]。有人駕駛的大型固定翼飛機只適合大面積的農墾地區[17]，南方丘陵、地形復雜的山區、小地塊無法使用。2008年農業部南京農業機械化研究所、中國農業大學等單位共同承擔的科技部“863”計劃項目《水田超低空低量施藥技術研究與裝備創新》，標志著我國科研機構正式開始研究植保無人機技術。

植保無人機種類眾多，按照升力部件可分為單旋翼無人機、多旋翼無人機；按動力部件可分為電動無人機、油動無人機。目前我國植保無人機市場上主要有油動單旋翼、電動單旋翼和電動多旋翼植保無人機3種類型[25]，其性能指標見表1。現階段，植保作業需求方可通過官方或非官方發布訂單，進行服務預定，服務提供商以飛防作業隊的形式提供植保服務。一個飛防隊可包含多個作業機手和多臺植保無人機，一個機手可以為多臺無人機提供更換電池、補充藥液的專業服務。提高植保無人機智能化水平，進一步改進了植保無人機作業效率和效果，成為植保無人機發展的重要方向。

表1 我國常見植保無人機機型及性能Tab.1 Common plant protection UAVs models and performance comparison in China

1.3 我國植保無人機應用存在的問題

(1)精準控制技術的成本高：植保無人機逐步發展到自主飛行作業階段，超低空飛行氣流擾動與無人飛機藥液晃動，會影響植保無人機飛行精度，增加了農藥的重噴、漏噴率，增加了農藥使用量[26-27]。高精度的飛行控制系統可減少誤差，但高精度飛行控制系統成本較高，研發低成本的植保無人機飛行控制系統可提升植保無人機的作業效果。

(2)單機作業效率低：植保無人機單機作業效率受飛行避障、電池、農藥補給、田間航線規劃等方面的影響較大。電動多旋翼無人機是目前最受歡迎的植保無人機，具有操作靈活、起降迅速、成本低的優點，但飛行時間較短、載荷較低，作業過程需多次人工更換電池和農藥補給[27]；實時避障技術不成熟，機手一般采用手工標注障礙物位置，再進行航線規劃的方法躲避障礙物，制約了植保無人機的單機作業效率。

(3)多機群作業訂單分配依賴人工經驗：植保作業管理在多機群飛行航線規劃的基礎上，結合我國植保作業以飛防隊為主的現狀，進行訂單管理與訂單分配的研究，可有效提升植保作業的整體效率。

本文將從以上方面綜述研究進展與行業應用情況，總結提出植保無人機的研究熱點和未來發展趨勢。

2 無人機飛行姿態控制

無人機飛行姿態控制對監控無人機飛行狀態和作業性能評價有重要意義。其中飛機航向、姿態(俯仰角、橫滾角、偏航角)、空速、高度等重要飛行參數在無人機飛行過程中必須動態監控，確保無人機按照既定軌跡安全飛行。

2.1 飛行數據監測系統

隨著傳感技術的發展，慣性導航逐漸成為主流監測方式。慣性導航是一種完全自主的獨立導航系統，工作時僅依靠自身內部傳感器——陀螺儀、加速度計，而無需與外界發生任何聯系，就能為載體提供姿態、速度、位置等導航信息[28]。其中捷聯慣性導航由于結構簡單、體積小、易于安裝維護和性能提升、成本低等優勢[29]，成為主流慣性導航系統。按照應用場景和精度級別不同，捷聯慣性導航可分為消費級、戰術級、導航級、戰略級4個級別，每個級別對應的陀螺儀和加速度計的精度均有不同，具體見表2[30]。

表2 不同慣性導航應用級別精度Tab.2 Accuracy of different inertial navigation application levels

2.2 飛行姿態估計

通過陀螺儀、加速度計、磁力計等傳感器獲取的無人機飛行姿態數據，包括高度、氣壓、姿態角(航向角、俯仰角和滾動角)以及3個坐標軸的速度(向東速度、向北速度和垂直速度)等，無人機飛行姿態和操作狀態必須通過飛行數據來推斷，因此準確估計和預測飛行數據尤為重要。基于無人機工作環境的復雜性，MEMS傳感器采集的數據存在干擾因素，如何排除干擾，準確估計和預測高精度的飛行數據成為研究熱點。

干擾源：大多數植保無人機慣性導航系統(Inertial navigation,INS)均采用微機械系統(MEMS)慣性傳感技術，這些技術成本低廉且功耗低。但是，與有源陀螺儀和干涉式光纖傳感器等陀螺儀相比，MEMS陀螺儀精度較差，偏差較大，比例因子較大，噪聲較大且對環境影響敏感。同時MEMS傳感器制造工藝水平無法達到絕對一致性，故在制造工藝和原材料方面不可避免會引入額外的隨機噪聲[39]， MEMS 陀螺儀在啟動階段瞬時電壓不穩定也會造成 MEMS 陀螺儀在上電階段產生隨機波動誤差[40]，且具有強烈的非線性[41]。多旋翼無人機慣性測量單元(Inertial measurement unit, IMU)普遍采用成本較低的器件，精度相對較差，長時間工作容易產生漂移[42]。傳統慣性導航系統通常采用地球正常重力模型。用計算得到的正常重力來代替實際重力進行重力補償，但計算值與實際值之間存在差值，也稱重力擾動，成為影響慣導系統精度的主要誤差源之一[43-48]。無人機飛行過程中，還不可避免受到常值風、突風和大氣紊流等風擾動影響，從而影響MEMS器件采集飛行數據的穩定性和精度[49-50]。

數據融合：基于MEMS的INS不提供直接的姿態估計，為了提高基于MEMS的INS的性能和魯棒性，需要濾波以及數據融合來有效地實現無人機姿態跟蹤和估計。最有效的估算和預測工具是卡爾曼濾波器(Kalman filtering,KF)，包括粒子濾波器(Particle filter,PF)[51]、擴展卡爾曼濾波器(Extended Kalman filter,EKF)和無損卡爾曼濾波器(Unscented Kalman filter,UKF)等[52-53]。KF可不間斷地估計樣本數據的后驗概率分布，然后基于狀態轉移模型和觀測模型，并通過傳感器傳回實時數據，預測出無人機的飛行過程狀態[54]。 YI等[55]針對存在執行器故障的無人四旋翼直升機(Qball-X4)的故障檢測與診斷問題，提出一種基于粒子濾波器(PF)的故障檢測和狀態估計方法，用于通過集成線性二次型最優控制(LQ)技術來控制Qball-X4[56]的飛行高度。JING等[57]提出了一種基于擴展卡爾曼濾波器(EKF)的無人機姿態估計方法，將磁傳感器、角速率傳感器和重力傳感器采集的飛行數據融合成姿態四元數來表示無人機的姿態[57]。

擴展卡爾曼濾波器(EKF)是用于姿態估計的非線性濾波的主要工具[58]。但是，EKF中隱含的線性化在非線性測量模型以及缺乏良好的先驗狀態估計的情況下，會導致姿態估計性能下降、發散和增大估計誤差。 EKF濾波器的局限性也推動了更多具有更高魯棒性和準確性的非線性姿態估計算法的發展，如Sigma點或無損卡爾曼濾波器(UKF)、最佳卡爾曼濾波器(Optimal Kalman filter, OKF)、粒子濾波器(PF)和廣義互補擴展卡爾曼濾波器。與EKF相比，新發展的濾波器顯示出較低的誤差預期，高階泰勒級數展開的隱含性以及對不可微函數的適用性[58]。吳和龍等[59]基于20維狀態量的CPF-EKF算法,額外引入了陀螺儀、加速度計和磁力計偏置誤差作為狀態量,使三軸姿態角的最優估計值更加準確。TEIXEIRA等[60]分別利用EKF和UKF進行固定翼無人機姿態估計，結果表明UKF表現出更好的性能和魯棒性。XIONG等[61]發現在存在高斯過程和測量噪聲的情況下，使用OKF來估計四旋翼無人機的姿態，可以獲得高精度的位置和姿態跟蹤。RODRIGUEZ等[62]基于擴展卡爾曼濾波器(EKF)，提出了一種用于評估無人機飛行過程中鋰電池充電狀態的方法。HE等[63]通過考慮無人機六軸推進系統的數學模型，可以計算出功耗，并估算電池的剩余量，預測電池供電終止時間。KADA等[64]使用UKF和最小能量KF解決了無人機姿態估計問題。

2.3 飛行姿態控制

農業植保無人機貼近地面飛行，地面地勢變化以及超低空飛行氣流擾動改變都會嚴重影響無人機的飛行姿態，噴藥過程中無人機藥液晃動帶動無人機本身晃動，也會影響飛機的飛行姿態與農藥噴灑效果，并且在噴藥過程中，飛行器自身質量會持續改變[65]，均會導致飛機既定飛行路徑偏移，因此必須動態控制植保飛機的飛行姿態[66](圖1)。

圖1 無人飛機坐標系示意圖Fig.1 Schematic of UAV coordinate system

無人飛機空間運動的 6 個自由度為: 3 個質心運動(平移x、y、z)和 3個角運動(俯仰角θ、橫滾角φ、偏航角Ψ)；四旋翼無人飛機的4個輸入為：升力F1、F2、F3、F4[67]。無人機的飛行姿態由其6個自由度共同決定，6個自由度又由4個輸入共同決定，4個輸入由4旋翼轉速決定。以四旋翼無人飛機為例，其姿態控制機制如表3所示。

多旋翼飛行器姿態控制大多采用普通比例積分微分控制算法[68]，但是當載荷變動量接近甚至超過系統本身重量時，在較大外界干擾下，基于普通比例積分微分(Proportion, integration，differentiation，PID)控制算法的系統容易產生振蕩，導致飛行失穩。王大偉等[66]針對四旋翼無人飛機欠驅動、強耦合非線性系統航線跟蹤問題，提出了一種滑模航線跟蹤控制策略，其姿態和位置控制具有良好的效果。陳鵬等[69]結合PID 控制算法與智能模糊控制算法，設計了一種自適應模糊 PID 無人機姿態控制器，提高了無人機抗干擾性能。楊雨婷等[70]為解決民用無人機飛控系統的高可靠性、實時性等要求，將 AADL 語言應用于民用無人機飛控系統建模與分析中，減小了后期系統發生錯誤的概率。呂海龍[71]根據單向輔助面滑模控制方法，設計了系統內外回路的姿態控制器，保證了無人機機動飛行過程的安全性與穩定性。楊恩泉等[72]對無人機機動飛行航線跟蹤系統的內環采用非線性動態逆方法，外環采用逆動力學前饋加模糊反饋的控制結構，提高了飛行航線的跟蹤精度。

表3 四旋翼無人機姿態控制機制Tab.3 Four-rotor UAV attitude control mechanism

2.4 飛行定位導航

自動定位技術是保障植保無人機作業的基礎，自動定位技術能夠減小農藥和無人機本身對作業人員的傷害概率，同時提高作業效率。

2.4.1GNSS導航方法

全球衛星定位導航系統(Global navigaion satellite system, GNSS)具有定位精度高，不受時間和地域限制的優點，但其導航信息更新頻次低，動態性差[73]。GNSS包括GPS、Glonass、Galileo、BDS四大系統，其中以GPS發展最早，技術最成熟。國外發達國家的農用航空飛機都配備精密的GPS 導航設備與系統[74]，無人機使用GPS進行植保作業或農情數據采集導航的研究時間較長，技術相對成熟[75-77]，我國學者在此領域起步較晚，研究重點集中在分析與改進GPS導航精度上[78-80]。北斗衛星系統是我國自主研制的衛星導航系統，具有全部知識產權，可擺脫對國外衛星導航系統的依賴，保證無人機的飛行路徑與精度不受到外部干擾。我國學者針對北斗導航進行了植保無人機的導航作業研究和試驗[81-82]。基于GPS與北斗系統的植保無人機導航精度誤差均在10 m左右，基于GNSS定位的導航系統導航精度低，但在大尺度范圍下導航效果穩定且成本較低[83]。

載波相位差分技術(Real-time kinematic，RTK)是將兩個或多個基準站采集的載波相位發給用戶接收機，接收機進行差分計算得到飛機坐標，是一種新的衛星定位測量方法，具有導航精度高、成本相對較低的優點，能夠直接獲得無人機的絕對位置，是GPS應用的重大改進技術[84-86]。目前該定位技術被大疆、極飛、漢和、全豐等公司的多種無人機產品所采用。

2.4.2組合導航技術

慣性導航具有短時間內導航精度高的優點，但慣性導航精度越高，成本越高，且該方法易受氣流影響，目前該技術主要應用于軍事無人機的導航中。有國內外學者將慣性導航與GNSS系統結合用于植保無人機導航作業的研究[87]。受到植保無人機的成本約束和農業作業環境中復雜風向、氣流因素的影響，使用該方法導航的植保無人機的飛行最大偏航距為3 m，平均偏航距在0.1 m左右[87]。開發低成本且適用于農業作業環境的全球衛星定位+慣性導航系統成為該技術在植保無人機上應用的研究方向。

基于機器視覺的導航方法具有實時性強、成本低的優點[88]，單目視覺處理技術可快速獲得無人機周圍環境的二維信息，進行植保無人機的相對位置判斷。單目相機搭載在植保無人機上，可作為精準施藥的輔助工具[89]。雙目視覺方法可獲得植保無人機周圍環境的二維信息與深度信息，其數據層次更為豐富，但數據處理速度較慢，主要應用于植保無人機的避障探測[90]。視覺方法與全球衛星定位相結合的導航方法可在全球衛星定位獲取絕對位置的基礎上結合視覺方法進行相對位置的調整，在小區域范圍內具有導航精度高、實時性好的優點，其作業效果受到光線影響較大，目前該方法主要應用在無人機的避障導航與精準施藥上。除單雙目相機外，雷達傳感器可獲取無人機周圍的二維信息，雷達穿透霧、煙、灰塵的能力強，抗干擾能力強[91]，與全球衛星定位系統相互配合，可達到良好的導航效果，雷達傳感器的成本較高，目前，以T16型大疆植保無人機為代表的植保無人機采用雷達傳感器與載波相位差分技術進行導航。各導航技術的對比見表4。

表4 各導航技術性能對比Tab.4 Performance comparison of various navigation technologies

3 單機作業航線優化策略

3.1 航線規劃基本方法

隨著無人機導航及控制技術的進一步成熟，植保無人機自主作業成為發展趨勢，植保無人機的作業時長受到無人機的電池容量、載重能力、地塊地形、作物種植農藝等因素的約束。衡量無人機航線優劣的主要指標有非植保作業時間、能量消耗、路程、植保作業的覆蓋率和遺漏率，在多個約束條件下，進行各指標的總體尋優成為植保無人機航線規劃的目標[92]。常采用基于空間搜索的智能算法如遺傳算法、粒子群算法、引力搜索算法、蟻群算法等，均適合于優化航線。

單機多架次航線規劃效率主要受到轉彎次數、避障策略和補給策略的影響，其中轉彎次數受到地形形狀與無人機噴幅影響較大。無人機的航線規劃是一種全覆蓋路徑規劃，其規劃基礎為牛耕往復法或螺旋法[92]。無人機在轉彎時不進行噴藥，因此無人機的調頭次數是影響作業效率和效果的最重要因素，一般情況下，牛耕往復法的調頭次數較少，是使用最廣泛的航線初始化方法。避障策略、補給策略需根據無人機本身及其他設備的系統情況綜合考慮。

3.1.1凸多邊形地塊的航線規劃

凸多邊形地塊優化是路徑規劃中較簡單的規劃場景，其中矩形地塊是無人機航線規劃中最簡單的場景。當地塊形狀為矩形時，無人機可以選擇牛耕往復法和內外螺旋法兩種方法進行航線規劃，兩者都可將地塊面積鋪滿，其方法如圖2所示，為減少無人機的轉彎次數，一般采用牛耕往復法。

圖2 基本地形航線規劃法Fig.2 Basic route planning method

對于不規則形狀的凸多邊形作業區域來說，植保無人機無論沿著何種方向進行作業，都無法保證航線與所有邊界都平行，此時使用牛耕往復法會出現多余覆蓋現象。為解決上述問題，將凸多邊形分割成多個規則的子區域，在子區域內結合地塊的形狀特點分別進行航向角的尋優和飛行航線規劃。除此之外，柵格法也是常用的方法，通過柵格點位置判斷該條航線的終點，在此基礎上使用啟發式算法進行飛行路徑的優化搜索[92]。徐博等[93]提出構建高斯投影環境坐標的方法進行坐標系的轉換，通過改變坐標原點，對植保無人機的航向角和航向路程進行尋優，多余覆蓋率最低可達到2.8%。VOLKAN等[94]使用振動遺傳算法對凸邊形的無人機飛行路徑搜索，加快了算法搜索效率。MORBIDI等[95]首先構建基于點對點的最小燃油消耗表，使用遺傳算法對軌跡連接順序進行尋優，構建出油耗最小的航線規劃模型。

3.1.2凹多邊形地塊的航線規劃

凹多邊形的航線規劃思路為將凹多邊形轉換為多個子凸邊型，確定子凸邊形間的連接權值，在各個子凸邊形內進行航線規劃，最后通過優化方法找到各個子凸邊形航線的連接順序，達到無人機在能量、時間消耗最小的目的[96]。王宇等[97]將柵格和引力搜索算法結合，通過柵格附加移動權值，以非植保作業時間最小為目標，運用引力搜索算法進行飛行路徑尋優。黃小毛等[98]使用多邊形分組法將不規則地塊的地形快速分類，活性邊表法進行航線初始化，引入貪婪算法、凸多邊形最小跨度法和步進旋轉法，綜合進行航線排序優化和航向優化。

3.1.3三維地形地塊的航線規劃

三維地形的航線規劃方法可分為兩類，第1類為沒有提前獲得地塊高度變化信息，通過增加RTK、激光等模塊實時獲取作業地塊的地形高度變化，調整無人機飛行高度的方法達到無人機的實時避障和航線遍歷，此方法一般不能在油量和時間消耗上做到全局最優。陳廣大等[99]研究了我國南方丘陵梯田等復雜地形的無人機路徑規劃方法，以牛耕往復法為航線規劃基礎，使用RTK模塊實時定位飛機位置，使用激光測距測量飛機與田面和田壁的距離，調整飛機高度，實時采集飛機下方的圖像，判斷無人機是否需要噴灑藥物，達到了避障和變量施藥的要求。另一類方法為提前獲得地塊的三維地圖信息，根據三維地圖信息計算植保無人機的飛行航線長度，進行飛行路徑與航線角的規劃，王宇等[100]根據提前獲取的農田規模、形狀、高度起伏等三維地理環境信息，對農田進行柵格化處理，構建尋優模型，對無人機的飛行航線和航向角進行規劃。王宇等[101]提出了一種基于改進的蟻群算法的植保無人機路徑規劃方法，適用于多個具有復雜多邊形邊界與內部障礙物的三維作業區域，改進的蟻群算法所得的轉移路徑總長度均較短，比貪婪算法所得結果短3%～28%。

3.2 避障策略

植保無人機作業區域經常出現高壓輸電線、照明設施等障礙物，無人機的智能避障策略是無人機自主作業的重要因素。農用無人機避障首先需要分析和識別農田障礙物的類別，進而進行障礙物的距離測算，在此基礎上確定該類障礙物的避障策略。蘭玉彬等[102]將農田中的障礙物按照大小和距離進行分類，通過統計分析指出對微小障礙物躲避不及是導致無人機“炸機”的最常見的原因。

3.2.1障礙物識別與探測方法

機器視覺方法是植保無人機作業過程中重要的障礙物識別、探測方法，根據傳感器中相機的個數，可分為單目、雙目相機。基于單目視覺的機器視覺方法具有硬件結構簡單、數據處理方法成熟、運算速度快的優點，可快速識別障礙物的種類從而進行障礙物預警[88]。雙目視覺方法可直接獲得目標場景的深度信息，除識別障礙物種類外，可探測無人機與障礙物的距離[90]。但農田作業環境中的粉塵和光照對數據采集影響較大，影響避障效果[102]。超聲波法可在光線不足或粉塵環境中工作，但測距范圍小，易造成無人機避障不及時的情況[103]。激光傳感器可獲取高精度的目的地區信息，激光傳感器造價高，抗干擾性強，但作業效果易受到粉塵影響，目前不適用于植保無人機作業[104]。雷達傳感器可獲取無人機周圍的二維信息，與激光傳感器類似，高精度雷達避障傳感器造價高，受限于傳感器價格，目前采用該技術且能夠達到實時避障的無人機產品較少[91]。

與導航定位技術類似，使用單一傳感器和方法進行避障的方法都具一定局限性，目前大疆和極飛等公司的植保無人機產品將主動近紅外技術、雷達和圖像采集等模塊集成在無人機上，將多種傳感器和數據處理方法融合進行避障，使得植保無人機在作業地塊地形變化、光照不足等復雜農業作業環境中達到較好的避障效果[105-106]。

3.2.2含障礙物區域的航線規劃方法

含障礙物區域的航向規劃增加了障礙信息的三維地形規劃場景。其航線規劃思路可分2種：①在已知地塊的三維障礙信息的基礎上，通過繞行障礙物或提升飛行高度的方法進行障礙物躲避，將原二維路徑權重改為躲避障礙物的路徑權重，在此基礎上，使用啟發式算法或傳統優化算法對飛機的飛行路徑進行優化[107-108]。②可通過柵格化方法將作業地塊分為有障礙物與無障礙物的柵格，獲取無障礙物柵格間的連接代價，繞行障礙物柵格，通過構建連接模型，確定無人機的飛行航線。徐博等[92]使用梯形單元分解法和莫爾斯單元分解法將含障礙物的地塊劃分為多個子地塊，獲取無障礙物子地塊間的連接權值，使用Fleury算法求解該圖的航線。金澤選等[107]采用“Z”型掃描，快速反復遍歷得到無人機的作業路徑，采用局部規劃算法將含障礙物區域分為點狀障礙和區域障礙物。嚴煒等[108]基于改進的退火算法提出了一種適用于內含障礙物農田植保無人機路徑規劃方法，可實現航向角的優化。楊澤等[109]設計了一種高效可靠的無人機植保作業電子圍欄，能夠實時檢測無人機是否越界，保障植保無人機的飛行安全。

3.3 能量和藥液補給策略

3.3.1補給方法

植保無人機的自動補給平臺是提升植保無人機作業效率的重要環節。目前，植保無人機受到電池技術制約，持續航行時間和載重能力有限，電池和藥液補給都靠人工手動完成。研發植保無人機的自動補給平臺能夠提高植保無人機作業的效率，提升作業效果。祖林祿等[110]研究了農用無人機跟蹤降落算法，該算法能夠將農用無人機對移動補給平臺的跟蹤誤差縮小到6.7 cm以內。

3.3.2基于補給策略的無人機航線規劃方法

在大田作業場景下，若作業區域面積較大，單次植保作業無法滿足作業要求，需要多架次無人機往返作業。在進行植保無人機的作業航線規劃時，需綜合考慮無人機的飛行距離和剩余藥量、多個無人機間的協作情況，在優化目標函數中增加無人機的補給時間、能量消耗和等待時間等因素，達到優化補給站位置和植保無人機作業路徑的目的。一般使用柵格法將作業區域分割開，將問題轉換成旅行商問題，使用啟發式算法進行飛行路徑尋優[111-112]。為符合無人機作業的實際場景和實際經濟和作業價值，李繼宇等[113]將無人機之間的作業間隔條件加入到約束條件中，將補給消耗時間、能量加入到優化目標中，使模型更具有實際應用意義。

4 多機群航線規劃策略與調度

多無人機調度技術是無人機系統完成決策、提供方案的關鍵步驟[114-115]。植保無人機群的調度和航線規劃策略是提高植保無人機群作業效率的重要環節。JU等[116]開發了一個模擬多無人機調度系統，分析該系統的性能，并與單無人機系統進行比較，經過定量評估和分析，證實了多無人機系統性能優于單無人機系統。

無人機群調度技術的研究熱點為：無人機的狀態感知和數據融合、任務分配和航線規劃、編隊控制和通信組網等多個技術，研究多項技術間的協同作用[117]。目前多無人機協同技術主要包括信息感知技術、數據融合技術、任務分配技術、航線規劃技術、編隊控制技術、通信組網技術和虛擬/實物驗證試驗平臺技術等。

4.1 多機群航線規劃約束條件與優化目標

無人機群調度需要在相關約束條件下對優化目標進行尋優。其中車輛調度中關于調度的定義較多。當前作業環境類似交通運輸場景，農業設備調度含義可以借鑒車輛調度的概念，類比得到無人機調度過程：單臺或多臺植保無人機在約束條件下，對待覆蓋區域(作業區域)進行遍歷作業，使得總體性能指標最優。無人機調度主要涵蓋了無人機作業分配調度及航線規劃調度兩方面內容。基本的約束條件如表5，優化目標如表6所示。

4.1.1無人機群靜態航線規劃方法

多架相互協作的無人機可以用于執行多種不同類型的任務，它們具有不同的約束條件和不同的任務目標[118]。以植保為目的的機群協同作業是其中一種，并隨著近幾年無人機在農業上的廣泛使用而受到重視。多無人機協同作業也要為每一架無人機規劃符合約束條件的可行飛行航線，但對每一架無人機自身而言不一定最優，為保證飛行安全，無人機之間需保持一定高度約束。

表5 無人機群常用調度約束條件Tab.5 UAVs scheduling constraints

表6 無人機群常用調度優化目標Tab.6 UAVs scheduling optimization goal

植保無人機群的航線規劃分為兩種：一種是多種無人機的航線規劃；另一種為無人機與其他作業機械的聯合作業航線、路徑規劃。前者場景是：當無人機作業區域分布較為集中時，無人機可以直接飛到指定區域進行作業；后者場景是：當無人機作業區域分布較分散且距離較遠時，使用運輸車輛(基站)對無人機進行轉移和補給(或者是無人機與其它農業設備協作共同完成指定作業)，后者屬于異質協作，是多機型協同的范疇[118]。

多機協同航線規劃：在無人機跨區域調度規劃上，基于多農田的植保無人機的航線規劃是重要研究方向。多區域的作業規劃，不僅包含區域內的作業航線，還包括區域間的航線規劃。區域間的作業次序則是跨區調度規劃的首要考慮目標。袁利平等[119]考慮在一個大面積作業區域內的多無人機協同作業，采用柵格法生成各區域全覆蓋作業航線，以各架植保無人機的作業距離為尋優變量，采用了粒子群算法實現路徑規劃，同時兼顧了無人機補給時間間隔與飛行時安全空間間距，表現出很強的作業區域適應性。針對多植保無人機在大面積作業區域下的任務分配問題，徐正偉等[120]提出了一種基于改進遺傳算法的多植保無人機航線規劃方法。國外研究人員開發出了一種基于多無人機的自主精準農業系統[121]，并描述了系統設計的模型驅動框架，討論了飛行路徑規劃策略。有研究人員將粒子群優化(PSO)和遺傳算法(GA)相結合來解決多無人機系統的任務規劃問題[122]，工作目標是利用多機系統有效地規劃農業任務和合理分配有限的資源。

在多機型協同跨區作業中，區域間的作業次序則是跨區調度的重要內容。針對多機型協同調度，在精準農業監測中，TOKEKAR等[118]研究了空中和地面機器形成共生系統的情況，無人機在無人地面車輛(UGVs)上著陸，UGV在部署點之間運輸無人機，使用無人地面車輛(UGVs)進行耗時土壤測量，最小化遍歷采樣位置和測量時間的總和，同時有限能量的無人機獲得最多的空中測量次數，利用無人機與無人地面車輛的組合在各個農業任務中進行了試驗，協同作業效果明顯(圖3)。

圖3 多機型協同作業航線路徑規劃Fig.3 Route planning for cooperative operation of multiple machineries

4.1.2無人機群動態調度航線規劃方法

植保無人機的航線動態規劃是實現無人機群智能飛行與調度的基礎，是一個動態多目標優化問題[123-124]。無人機智能作業的關鍵是對環境變化做出反應的能力，使其能夠有效、準確地適應作業環境。

目前最流行的在線航線規劃算法是基于遺傳算法(GA)和線性規劃(FL)。TAROKH等[125]提出了一種兩個階段的遺傳算法來解決全局及局部規劃問題。局部規劃使用感官信息作為輸入，一旦檢測到之前未知的或未遇到的障礙，它就會執行在線預先計劃，以繞過新發現的障礙。WANG等[126]提出了一種基于PSO算法的多合作無人機靜態路徑規劃與動態路徑規劃相結合的方法。DONG等[127]提出了一種新型的模糊虛擬力法，該方法具有固定的步長，能夠滿足在線無人機航線規劃的實時性要求。

4.2 無人機群作業訂單管理

無人機群的作業調度是在無人機群路徑規劃的基礎上，根據植保無人機服務提供商的作業模式進行地塊-訂單匹配搜索與訂單管理的相關優化。在約束條件與優化目標上，增加了訂單與地塊的匹配量化模塊、用戶服務等待時間與病蟲害緊急程度等要素，使無人機調度優化模型更有實際應用價值。

針對訂單模式的離線無人機任務分配的研究中，楊澤等[128]提供了無人機與作業田的匹配算法，屬于無人機訂單分配的調度規劃。采用R樹空間搜索算法在地理信息系統中快速檢索符合無人機作業特點的地塊信息。該算法有一定局限性：其對象僅限于地理區域，反饋內容是地理圖形和區域信息，該方法適用于離線搜索。曹光喬等[13]面向植保服務訂單，按照病蟲害等級、作業時間窗長度、作業面積大小的優先策略進行訂單排序，再利用改進的遺傳算法得到多個飛防隊的無人機在不同農田的匹配次序與轉移路線。該方法將飛防隊為單位的車輛無人機運輸和訂單匹配，實現了多無人機多地塊有時間窗約束的路徑規劃。針對多區域的作業規劃，不僅包含區域內的作業航線，還包括區域間的航線規劃。區域間的作業次序則是跨區調度規劃的首要考慮目標。針對多植保無人機在大面積作業區域下的任務分配問題，徐正偉等[120]結合任務分配的條件約束，建立多植保無人機作業時間最小為目標的任務分配模型，并提出了一種改進的遺傳算法，引入啟發式初始化準則和自適應遺傳算子對問題進行求解。

由于無人機作業訂單模式出現時間較短，作業模式與作業內容尚未形成標準，面向植保無人機群作業訂單的研究較少，合理安排訂單作業順序可有效提高作業效率，提升用戶滿意度，因此面向動態訂單制度的植保無人機機群調度和航線規劃方法將成為研究熱點。

5 總結與展望

(1)無人機用于大田植保作業已成為主流技術，本文從無人機飛行控制、單機航線規劃、多機協同作業場景等方面進行相關應用技術綜述，并提出發展趨勢。

(2)在飛行精度控制與安全控制方面，主要存在以下問題：無人機普遍使用的消費級MEMS器件測姿精度較低；對微小障礙物的探測效果不穩定，需手動標定障礙物位置，實時避障效果欠佳。針對以上問題，結合植保無人機的使用受眾特點，應進行以下研究：①研發低成本、高精度MEMS測姿器件，測量精度達到戰術級別。②研究植保作業對姿態信息的要求，并針對植保無人機的飛行特點和干擾環境設計最適合的姿態估計算法。③針對載機自身參數變化快、外部干擾多的問題，在載荷多變或不確定性外界干擾因素疊加情況下，研究無人機姿態動態控制方法。④研發針對微小障礙物的低成本、高穩定性硬件及配套系統，以提高植保無人機自主作業的安全性能。

(3)在單機作業路徑規劃、多機協同作業場景策略方面，主要存在以下問題:航線優化模型理想化，優化目標、模型約束條件與實際生產有一定差距；針對植保作業過程中的訂單分配管理、多機型無人機、多類型農機聯合調度的優化模型研究較少。應進行以下研究:①結合植保無人機的實際生產環境約束與需求，建立植保無人機的訂單管理與單機作業航線優化模型。②將植保無人機作業過程作為系統工程考慮，研發自動補給平臺；考慮建立多機、多型號無人機協同作業、無人機與其他農機協同作業的優化模型，以提高復雜環境下作業的可靠性，提高植保作業效率。