基于傳感器融合的農業機器人定位導航

肖正邦

（長安大學工程機械學院，陜西 西安 710064）

0 引言

隨著科學技術的發展，機器人的發展越來越受到各個國家的重視，尤其是農業機器人[1-2]的發展和應用，因為發展農業是發展民生之本，在各行各業逐漸走向現代化的同時，農業領域的現代化和科技化越來越受到廣泛的重視。農業機器人技術正在經歷爆炸式發展，自主導航是農業機器人的關鍵技術。與無人駕駛汽車相比，農業機器人的工作環境復雜多樣，導航方式和核心技術差異明顯。實現汽車無人駕駛技術的關鍵是實施自主導航技術應用，自主導航也是農業機器人的核心和關鍵。農業機器人的自主導航主要從農場的大型田間種植模式、小規模和設施化的固定農業生產模式，以及大田作物的田間管理和收獲作業進行研究。對于大型集中開放農場中的大規模田間種植模式，衛星信號穩定可靠，衛星定位技術已經成熟，農業機器人主要采用衛星慣性導向組合導航方法，許多研究人員通過衛星定位和慣性制導等附加傳感器獲得厘米級定位精度，完成軌跡投影，實現線性導航自動駕駛。但衛星導航不具備檢測田間作物綜合信息的能力，面對小規模、分散、區域化的農田環境，衛星定位導航的靈活性和便利性受到限制，無法使用。

動態目標中行人檢測是自動駕駛感知系統中的一項關鍵技術。雖然目前基于視覺的行人檢測已經獲得了非常好的檢測性能，但攝像頭對光影很敏感。此外，它無法提供精確的位置信息。為了解決上述問題，筆者應用了LiDAR子系統來提取對象結構特征并訓練SVM分類器，最終檢測方法是將多個幀中的多個傳感器信息與策略融合[3]在一起。LiDAR和攝像頭傳感器數據[4-6]可以提供深度和顏色信息，并通過elevation mapping算法實現建圖，以實現農業機器人識別和無碰撞導航。

1 相關技術與理論方法

1.1 農業機器人平臺

工業上常用自動化機械臂、可以自動駕駛的輪式平臺等。因為歷史原因，這些機電系統也被稱為“工業機器人”“輪式機器人”等，因此“機器人”這個概念被泛化為一系列能夠自動化執行某些任務的機電系統的統稱。甚至把有些自動化的純軟件系統也稱為機器人，比如聊天機器人、爬蟲機器人等。

雖然機器人包羅萬象，但是具有人類形態、像人一樣運動和思考的“人形機器人”，依然是機器人學的終極目標，另外還具有四足動物或昆蟲的形態、像這些生物一樣運動的“多足機器人”。使用輪式的探測器進行探測，但是由于輪子的限制，探測器只能在平原地區行動，很難接觸到山地區域，足式機器人會顯得更有優勢。這里使用實驗室的六足仿蜘蛛機器人，采用仿蜘蛛的具有冗余自由度特征腿部結構，采用全向運動算法實現運動的多樣性；機器人和視覺的結合讓多足機器人對環境的適應性更強，能夠實時進行環境數據信息采集和實地視頻監控，具有越障能力，可用于人無法或不便到達的區域開展相關作業。

1.2 農業機器人應用場景特點

農業機器人[7-8]根據不同的操作環境可分為三類：第一類是田間生產機器人，主要用于田間耕作、種植、田間管理、收獲等方面的操作；第二類是果園生產機器人，主要用于果園除草、施肥、采摘等方面的操作；第三類是溫室生產機器人，主要用于溫室移栽、嫁接等方面的操作。

1.3 基于視覺相對定位的定位導航

視覺定位自主導航是在農業機器人上安裝視覺傳感器[9-10]，采集行駛方向前方的圖像信息，通過預處理、特征提取分割、圖像識別等方式，將視覺感知到的二維圖像轉換為三維空間信息，檢測秸稈線/作物行，實現導航基線提取，確定農業機器人與農業機器人的相對位置關系所需操作路徑，實時計算農業機器人在局部環境中的相對位置，并在規則地塊或衛星信號模糊的環境中完成相對定位導航。它還能實時計算農業機器人在局部環境中的航向偏差和橫向偏差，并在不規則的陸地或衛星信號阻擋環境中完成相對定位導航。

1.4 基于激光雷達相對定位的定位導航

激光雷達定位自主導航是對周圍環境中點云信息的檢測，通過點云對準、點云去噪等預處理，再通過分割、聚類等算法進行障礙物識別，利用分類、跟蹤算法實現對目標點的檢測，最后通過目標點與農業機器人本身之間的距離，結合測量角度，獲得目標點的極點位置，實時計算農業機器人與擬合操作路徑之間的航向偏差和橫向偏差，完成農用機器人在行形特征種植環境下的相對定位導航。

1.5 基于激光雷達與相機融合的定位導航

多傳感器融合的方法有LiDAR-RADAR（激光雷達-毫米波雷達）傳感器融合，還有相機-相機融合檢測、二維激光雷達-相機融合檢測和三維激光雷達-相機融合檢測等等。相機是檢測目標或識別目標的非常好的工具，激光雷達更擅長準確估計目標的位置。

2 實驗

搭建軟硬件平臺。硬件：NVIDIA Jetson TX2開發板、Velodyne-16線激光雷達、RealSense_D435i深度相機；軟件：Ubuntu18.04系統、MATLAB、ROS機器人操作系統。

實驗通過MATLAB或Autoware對Velodyne16激光雷達與英特爾RealSense_D435i進行聯合標定，如圖1所示。

圖1 相機雷達聯合標定

算法內容：獲取相機雷達數據，通過ROS進行時間同步，將雷達點云實時地投影到圖像，并對點云著色；處理融合后的數據，包括點云分割、聚類，最終實現實時定位，多目標實時檢測，使用elevation mapping算法進行三維建圖，如圖2所示；在TX2開發板上配置環境，安裝在六足機器人上，實現機器人實時定位檢測，最終定位效果明顯。

圖2 elevation mapping三維建圖

3 結論

本文設計出一種基于深度相機與三維激光雷達融合的農業機器人目標檢測及定位建圖的方法，使農業機器人通過傳感器獲取全局坐標信息或相對于環境的位置信息，可以完成自主導航，避障操作。使用多個傳感器來提供冗余信息，以減少發生錯誤測量的可能性，解決了農業機器人在復雜環境區域中行走及定位檢測的問題。