什么是自动导航控制系统

自动导航控制技术是一种对车辆沿规划路径自主行驶的反馈控制。当应用于设施农业时，操作者可以从繁重、单一和重复的生产过程中解放出来。

自动导航控制技术是一种对车辆沿规划路径自主行驶的反馈控制。当应用于设施农业时，操作者可以从繁重、单一和重复的生产过程中解放出来。

自动导航控制系统的主要技术分为三个部分，一是硬件部分，即如何利用各种导航定位传感器精确测量农业机械的姿态；第二部分是路径部分，即如何规划合适的作业路径，这是农机导航瞄准的路径，规划的好坏直接影响导航效果。第三部分是算法，即如何根据偏差计算农用车辆前轮角度，从而修正偏差。

背景介绍

自动导航控制技术是一种车辆沿规划路径自主行驶的反馈控制，应用于设施农业时，可以将操作者从繁重、单一、重复的生产过程中解放出来。此外，机械化操作代替人工操作，有效提高了操作的准确性，减少了生产过程中的遗漏和浪费现象。基于自动导航技术的设施农业与自动化作业相结合，对于提高农业作业效率、作物产量和农业经营者的工作环境无疑具有重要的现实意义。

美国、德国、日本等国家对此技术进行了研究，并取得了一定的成果。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。

自动导航定位传感器

自动导航中精确定位的方法有很多，其中机器视觉、GPS导航和惯性导航应用广泛。

计算机视觉

目前机器视觉广泛应用于各个领域，如宝世得公司生产的自动避障割草车，通过图像处理可以识别前方的各种障碍物，使其可以转向前方避开这些障碍物。机器视觉的核心是图像传感器和图像处理算法。图像传感器主要采集视野中的图像数据，而图像处理算法对图像数据进行处理和分类，以判断视野中各种物体的形状、大小和距离。

机器视觉主要用于农业生产中捕捉大田作物。比如农田里，有庄稼、杂草、泥水、岩石等。，所以如何快速区分农作物和其他物体并锁定它们的位置是机器视觉要解决的问题。例如，它在自动向目标喷洒农药方面取得了良好的效果。它可以快速捕捉作物的位置并反馈到控制台。控制台控制农药喷雾器按此位置喷洒在农作物上，大大避免了农药的浪费，减少了对环境的污染。机器视觉的主要优点是开发成本低，缺点是容易受到光线、土地平整等客观环境的影响。

全球定位系统导航

GPS是全球定位系统，是全方位、全天候、全天候、高精度的卫星导航系统。目前已有几个乐队开放民用。但由于应用过程中卫星星历和卫星时钟的误差，大气对流层和电离层对信号的影响，接收机本身的噪声误差，以及温室、树冠等客观环境对信号的遮挡，民用定位精度只有几十米，远远不能满足农机定位的要求。

随着GPS定位研究的发展，近年来出现了差分定位技术(如DGPS和DGNSS)，其定位精度可以达到厘米级。差分GPS系统包括一个或多个作为参考站安装在已知坐标点的GPS接收机，并通过参考站测量GPS卫星信号来计算差分校正量，然后将差分校正量广播给位于差分服务范围内的用户接收机(也称为移动站)，以提高用户接收机的定位精度。实时动态差分(RTK)广泛应用于农业机械的GPS自动导航，因为它是一种为动态用户实时提供精确定位的技术。

惯性导航

惯性导航是一种不依赖外部信息或向外部辐射能量的自主导航系统。一般包括惯性传感器，如距离传感器、角度传感器等。，计算机和运行在计算机上的导航算法，惯性传感器是它的核心部分。目前大部分导弹、潜艇、飞机、舰船都装备了这个系统。其基本工作原理基于牛顿第二定律。通过在惯性参考系中测量载体的加速度，将其与时间积分，并将其转换到导航坐标系中，可以获得导航坐标系中的速度、偏航角和位置等信息。这种导航具有隐蔽性好、不受外界干扰的优点。但由于是通过积分计算获得导航数据，存在累积误差，长期使用必然导致精度下降。因此，惯性导航不能单独使用，需要配合其他导航技术才能保证较高的精度。

导航控制算法

控制算法是自动导航的核心内容。但首先需要获取各个传感器测得的数据，如插秧机的位置坐标、航向角、横摇角、速度和俯仰角等。这些信息与预定路径信息一起被发送到控制系统，以便确定插秧机在下一时刻需要完成的转向动作。最后，向方向盘发出指令旋转一定角度，使插秧机回到预定路径。

目前常用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、神经网络和纯跟踪模型。线性模型算法相对简单。首先根据经验判断前轮角度与侧向偏差和航向偏差的关系，然后与参数建立比例关系，最后通过仿真或实验确定比例参数。显然，这种算法精度不高，稳态误差无法消除。PID控制算法由于该数学模型易于建立、传递函数易于推导、稳态误差可以快速减小而在工业中得到广泛应用。但是这三个控制参数很难确定，于是出现了模糊PID控制算法、最优PID控制算法等组合算法，归根结底都是为了获得更好的控制参数。最优控制方法可以直接求解并获得较好的控制参数，但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差，更重要的是难以建立水稻插秧机在水田中行驶的精确数学模型。模糊算法是一种经验控制方法，不需要建立被控对象的精确数学模型，只需要获得被控对象的运动特性和人工处理经验。所以它的鲁棒性比较强，不易受外界变化的干扰，但跟踪误差一般较大。神经网络对运动特性复杂的被控对象有很好的控制效果，但首先需要一批高质量的训练样本。纯跟踪模型通过建立几何模型推导控制方程，从而得到输入参数和输出参数之间的函数关系，一般可以获得较高的控制精度，但前视距离不易调整。

通用农业自动导航控制系统

根据导航系统中使用的定位传感器的不同，农业导航系统可以分为以下几类: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。不同的传感器在不同的环境下是不同的，所以定位方法也是不同的。

全球定位系统导航

GPS (Global Positioning System)是由24颗卫星组成的巨大网络定位系统，可以实时导航定位世界任何地方，具有全天候、全球性的特点。全球定位系统一般可分为两类:一类是DGPS(差分全球定位系统定位技术)和RTK-GPS(实时动态全球定位系统定位技术)。

在设施农业等室内环境中，GPS信号被严重阻断，存在可靠性低的问题。另外，单独GPS定位精度较低，一般需要结合其他导航方式提高精度。

视觉导航

视觉导航系统是一种利用周围环境信息，通过安装在车身上的摄像头进行导航的方法。通过摄像头获取的图像信息，经过分析处理，可以获得农业机械相对于行间作物的位置和姿态信息，并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很多工程师的青睐。

德国农业技术与建筑工程监理协会(KTBL)成功研制出一种旋耕机械，可以完成播种和除草作业。旋耕机机器人使用传感器来检测与田埂的接触，这样它就可以沿着田埂自动驾驶。Ayala M、Soria C和Carelli R提出了一种用于野外的移动机器人视觉控制系统。对视觉图片进行分析处理后，得到透视线，并利用透视线确定导航轨迹。图像被分割，霍夫变换被用于通过使用统计原理来拟合导航路径。结果表明，该系统具有良好的稳定性。

激光导航

激光导航广泛应用于农业机械自动驾驶的研究。其优点是测量精度高，距离远。Chateau等人在车身上安装了激光传感器，根据不同的传感距离获取工作区域的信息，从而实现自动导航的功能。西北A&F大学的陈军等人利用激光扫描仪获取周围果树的信息，开发了一种适用于果园的自动导航控制器。通过实车验证，该激光传感器系统可靠性高，实用性好，能够快速获得准确的位置，但没有考虑车辆实际复杂的路况和动态因素。哈姆。b等人研究了一种自主移动机器人，利用激活的扫描仪检测周围环境，从而获得转向角度和车轮距离，实现农业机械的自动导航。但机器人在高速运行时，容易出现遮挡，无法提供详细信息，容易导致系统混乱。

惯性导航

惯性导航利用惯性元件测量车辆加速度，通过计算获得速度和位置信息，从而达到导航定位的目的。惯性导航不易受外界能量干扰，是利用自身运动信息的导航系统。吉林大学开发了一种惯性导航控制系统，利用陀螺仪获取车辆的角速度值，利用速度计获取车辆的速度信息，建立车辆的运动学模型，根据测量值计算车辆的当前位置。惯性传感器抗干扰性能强，隐蔽性好，但惯性导航的系统误差会随着时间的增加而增加。因此，惯性导航要想达到更好的精度，就要和其他导航方法结合使用。

测距导航

测距导航是利用相应的传感器组获取传感器之间的距离信息，并通过几何关系将距离信息转化为定位坐标的导航方法。室外测距导航主要包括GPS导航模式；室内测距导航主要由ZigBee测距导航模式等组成。国内有学者研究过室内ZigBee导航。杭州电子科技大学的张建武等人利用TI公司的ZigBee芯片CC2430在室内测试测距精度，测试结果表明表面精度可控制在2m以内。中南大学的张橙、宋、等人对传感器原始数据进行卡尔曼滤波处理，使测试精度控制在0.5m以内，达到了较高的精度。目前，室内导航领域已经有很多工程师采用了ZigBee导航方法。

电磁导航

预先将能与电磁传感器相互作用的装置埋在地下形成轨迹，使车辆自动沿此轨迹行驶的导航方式就成为了电磁导航技术。日本的Tosika开发了一种基于电磁感应导航技术的喷雾机器人，用于果园。感应电缆预先埋在地面以下0.3m处，然后设计模糊控制器控制喷涂机器人的自动运行。2015年，柳工开发了电磁导航技术，开发了第一辆自动导航车。整体体积中等，但工作强度大，牵引重量和精度分别为500KG和10mm。目前，自动导航车已经领先国内领域。

多传感器融合

由于农业生产环境复杂多变，仅靠一种传感器技术无法满足导航定位系统的精度和稳定性。这时可以引入多传感器融合技术，将部分传感器以一定方式组合成一个系统，进行数据融合，获得更高精度的导航定位信息。日本北海道农业研发中心研究了多传感器融合技术，设计了一套基于位置识别的卡尔曼滤波器，用于农业车辆自动导航系统，使其能够完成设定的任务。其中，系统的导航数据由GPS提供，然后利用角速度计数据对GPS数据进行校正，最终实现田间作业中农用车辆的自动驾驶功能。Yoshisada结合GPS和光学陀螺仪，利用光学陀螺仪对车辆导航信息进行修正。以0.7 m/s工作的均方根误差为5.5 cm。