农业机械自动导航技术研究进展

第 31 卷 第 10 期 农 业 工 程 学 报 Vol.31 No.10 2015 年 5月 Transactions of the Chinese Society of Agricultural Engineering May 2015 1 农业机械自动导航技术研究进展胡静涛1,2，高 雷1,2，白晓平1,2，李逃昌1,2，刘晓光1,2（ 1. 中国科学院沈阳自动化研究所，沈阳 110016； 2. 中国科学院网络化控制系统重点实验室，沈阳 110016） 摘 要： 农业机械自动导航是精准农业技术体系中的一项核心关键技术，广泛应用于耕作、播种、施肥、喷药、收获等农业生产过程。农机位置测量方法、农机模型与导航路径跟踪控制方法是农业机械自动导航技术的研究重点，受到国内外科研人员的广泛关注。农机位置测量主要有相对测量和绝对测量二类方法，前者以基于机器视觉的测量方法为代表，主要利用图像处理技术识别作物行，进而确定导航基准线，实现农机与作物的相对位置与航向信息的测量；后者则以基于全球导航卫星系统的测量方法为代表，利用卫星定位技术实现农机位置的高精度测量，在农业生产中应用最为广泛；而面对复杂的田间环境变化，在位置测量中应用多传感器数据融合技术通常可以得到更好的测量结果。导航路径跟踪控制通常以农机运动学模型或动力学模型为核心，多采用最优控制、最优估计、自适应控制、人工神经网络、模糊控制、鲁棒控制等现代控制理论与方法；而无模型控制方法则可以避免建模不准确或者模型参数剧烈变化对农机路径跟踪控制性能所产生的负面影响。该文从上述 2 个方面综述分析了农业机械自动导航技术的研究现状及存在的问题，并对未来农机导航技术的发展做出了展望，指出采用卫星导航技术，开展农机地头自动转向控制、障碍物探测及主动避障、多机协同导航等高级导航技术研究，以及引入先进的物联网技术，是现代农机自动导航技术发展的主要趋势。 关键词： 农业机械；导航；模型；农机物联网 doi： 10.11975/j.issn.1002-6819.2015.10.001 中图分类号： TP273 文献标志码： A 文章编号： 1002-6819(2015)-10-001-10 胡静涛，高 雷，白晓平，等. 农业机械自动导航技术研究进展J. 农业工程学报，2015，31(10)：110. doi： 10.11975/j.issn.1002-6819.2015.10.001 http:/www.tcsae.org Hu Jingtao, Gao Lei, Bai Xiaoping, et al. Review of research on automatic guidance of agricultural vehiclesJ. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(10): 1 10. (in Chinese with English abstract) doi： 10.11975/j.issn.1002-6819.2015.10.001 http:/www.tcsae.org 0 引 言农业机械自动导航是一个古老的话题。 早在 1924 年，Willrodt1就发明了一种拖拉机驾驶附件并取得美国专利，这是一种安装在拖拉机前轴上的机械装置，它能引导拖拉机沿着与已经开好的犁沟平行的路线行走。 1941年， Andrew2发明了一种拖拉机自动控制方法，在田地中央放置一个大轮盘，利用缠绕在轮盘上的金属线引导拖拉机沿着螺旋线运动。 现代意义的农业机械自动导航是在精准农业技术驱动下发展起来的。精准农业技术产生于 20 世纪 80 年代中期，它是指综合应用地球空间信息技术、计算机辅助决策技术、农业工程技术等现代高新科技，以获得农田“高产、高效、高质、高级和低害”为目标的现代化农业生产模式和技术体系3。进入 21 世纪以来，在生物技术、信息技术的带动下，精准农业技术得到迅速发展，现代农业进入了以提高农业资源利用率、保护农业生态环境为核心的“精准农业”时代。 作为精准农业的一项核心关键技术，农业机械自动导航广泛应用于耕作、播种、施肥、喷药、收获等农业收稿日期： 2015-04-03 修订日期： 2015-05-10 基金项目：国家高技术研究发展计划（ 863 计划）项目（ 2013AA040403） 作者简介：胡静涛，男，研究员，博士生导师，研究领域为现代农业精准作业测控技术。沈阳 中国科学院沈阳自动化研究所， 110016。 Email： hujingtaosia.cn 生产过程。导航系统的作用是使农业机械按照优化的作业路径工作，减少重复作业区和遗漏作业区的面积，提高农业机械的田间作业质量和效率、降低驾驶员劳动强度。 本文介绍了现代农机自动导航系统的典型结构及其主要功能，综述了农机导航系统的两大核心技术农机位置测量方法和导航路径跟踪控制方法的研究进展，并对未来农机导航技术的发展做出了展望。 1 现代农机自动导航系统的典型结构 农机的自动导航控制主要是对农机进行横向位置控制，即控制农机跟踪事先规划好的作业路径，使其与路径之间的横向位置偏差保持在一定的精度范围之内，从而满足农业生产的需要。现代农机自动导航系统一般由检测单元、控制单元、执行单元及监控单元四部分组成（如图 1 所示）。 图 1 现代农机自动导航系统的典型结构 Fig.1 Typical structure of a modern agriculture vehicle autonomous guidance system 综合研究 农业工程学报（ http:/www.tcsae.org） 2015 年 2 检测单元负责农机当前位置与姿态的检测，其中位姿传感器通常包括位置传感器、姿态传感器、速度传感器等，用于测量农机当前的位置、姿态角（包括航向角、俯仰角和横滚角）信息及位置和姿态角的变化速度，即农机运动速度和转动角速度等；车轮转角传感器用于测量农机转向轮当前转向角度信息，用作转向控制回路的反馈传感器。 控制单元是导航系统的核心，负责导航路径规划及路径跟踪控制。其中导航控制器根据农机的当前位姿信息和目标路径信息，按照某种导航控制策略，计算出转向角度的期望值，即转向角指令；转向控制器根据农机的当前转向角和来自导航控制器的转向角指令，按照某种转向控制策略，计算出对转向执行机构的控制量，如频率、电压等，从而控制转向执行机构的运转，将农机转向轮转动到转向角指令要求的角度。 执行单元是农机转向的执行机构，其作用是将转向控制器的控制信号转换为对农机转向轮的转向力矩，使转向轮发生转动。转向执行机构一般有机械式和液压式两种。机械式一般采用电机驱动农机原转向轴转动，实现农机转向操作，安装简便、适应性广。而液压式适用于液压转向方式的农机，由自动转向液压回路直接控制转向油缸的动作，实现农机转向操作。液压式转向执行机构转向控制精度高、执行速度快，具有操作简便可靠、可靠性高等优点。 监控单元是导航系统的人机交互界面，一般由一台田间计算机承担。田间计算机的主要功能包括系统参数设定、导航任务管理、导航状态监视等功能。 2 农机位置测量方法 农机自动导航要解决的首要问题是农机位姿测量，包括对农机位置、航向、速度、车轮转角等反映农机当前运动状态的量的测量，其中最重要的是农机当前位置测量。位置测量可以采用 2 种方式，一是相对位置测量，即测量农机与导航基线的相对位置，典型的相对位置测量方法是基于机器视觉的位置测量方法。另一种是绝对位置测量，即测量农机在地理空间中的绝对位置，代表性的是基于全球导航卫星系统（ global navigation satellite system， GNSS）的位置测量方法。 2.1 基于机器视觉的位置测量方法 机器视觉（ machine vision）主要用计算机来模拟人的视觉功能，从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。机器视觉技术最大的特点是速度快、信息量大、功能多。基于机器视觉的农机自动导航技术将摄像机作为位置测量传感器，利用图像处理技术识别作物行，进而确定导航基准线，实现农机与作物的相对位置与航向信息的测量。目前，用于作物行识别和导航定位基准线检测的方法主要包括 Hough 变换法、垂直投影法和最小二乘法等。 Hough 变换方法是应用最为广泛的一种直线段检测方法， 基于 Hough 变换的导航基准线提取方法鲁棒性好、受作物行缺苗和噪声影响小，已成为研究最为广泛的一种导航特征提取方法。 Searcy 等4最早将 Hough 变换引入到农机导航特征提取中来，提出了一种基于 Hough 变换的作物行参数提取方法。 Bakker 等5首先通过摄像机标定，把图像坐标系的作物行映射到世界坐标系得到平行的作物行，然后把多行叠加到一行，最后运用 Hough变换提取甜菜行。刁智华等6采用将 Hough 变换参数 空间范围缩小到 45 135 ,在考虑导航信息量和准确性的前提下，提取最重要的中间两行作物行作为导航基线，在保证精度的同时，减少了计算量。但是 Hough 变换算法本身存在累加器峰值较难确定和重复线段多、时间复杂度和空间复杂度高等缺点。针对这些问题，许多学者提出了改进的 Hough 变换方法，包括基于过已知点的Hough 变换方法7、随机 Hough 变换方法8-9和基于垄平行特征的改进 Hough 变换方法。 Sogaard 等10较早阐述垂直投影法，该方法先利用超绿特征对彩色图像进行灰度化，然后用垂直投影的方法分割目标区域和非目标区域，确定作物行数和作物行中心线候选点。孙元义等11利用该方法对棉田图像进行处理获得棉田喷洒农业机器人的导航基准线候选点，采用Hough 变换的方法提取出导航参数。马红霞等12用该方法找出导航定位点，并根据定位点位置设置感兴趣区域，然后采用 Hough 变换在该区域内对导航定位点拟合出导航基准线，试验结果表明该方法具有较高的拟合精度，能够满足农机田间作业导航要求。 最小二乘法也是一种常用的直线检测方法，最小二乘法具有检测速度快、精度高等优点。司永胜等13提出了一种基于最小二乘法的早期作物行中心线检测方法，该方法根据特征点进行两次最小二乘法拟合，得到作物行中心线，对于有作物缺失的作物行，采用统计条形区域内特征点数量的方法判别检测结果的可信度，准确地检测出了作物行中心线。 王新忠等14提出了基于机器视觉的垄间加热管敏感区域提取方法，根据最小二乘法原理对导航离散点簇拟合得到 2 条加热管边缘线，在此基础上给出中心导航基准线检测算法，并针对光照不均匀和遮挡对导航路径检测进行了试验。 除以上几种作物行识别和导航基准线提取方法外，国内外学者还提出了其他的作物行识别方法。如基于垄线消失点的算法15、基于先验知识与消隐点算法16、基于随机候选点提取直线的方法17、基于支持向量机的作物行识别方法18、基于扫描滤波的农机局视觉导航基准线快速检测方法19、基于纹理特征的作物行识别方法20、基于边缘检测与扫描滤波的农机导航基准线提取方法21等。 2.2 基于 GNSS 的位置测量方法 目前能够提供商业服务的 GNSS 包括美国的NAVSTAR GPS（ global positioning system）、俄罗斯的GLONASS（ global navigation satellite system）和中国的北斗系统，其中应用时间最长、应用范围最广泛的是美国的 GPS。 由于普通 GPS 接收机的定位精度只有 10 m 左右，无法满足农机导航控制的需求，目前农机导航系统第 10 期 胡静涛等：农业机械自动导航技术研究进展 3 中普遍使用具有厘米级定位精度的 RTK-GPS（ real time kinematic）22。 OConnor 等23将高精度 RTK-GPS 应用于农机导航中，最早进行了具有实用价值的研究与探索。其利用一套四天线 RTK-GPS系统为一台 John Deere 7800拖拉机提供位姿信息，在田间行驶速度 3.25 km/h 时，航向误差不大于 0.1，直线跟踪标准差不大于 2.5 cm。日本国家农业研究中心农业机械及系统研究小组24使用天宝 2 cm 精度的 MS750 GPS 与 Japan Aviation Electronics 生产的 IMU JCS-7401A，对改造后的久保田 SPU650 型水稻收割机进行自动导航控制，实现了插秧精度平均横向偏差小于3 cm，最大横向偏差不大于 4 cm。 Perez-Ruiz 等25通过试验研究对比了专用基站、 OmniSTAR 虚拟基站等多种差分修正信号对卫星定位误差的修正能力，根据试验结果对不同作业需求给出 GPS 修正信号推荐建议。 Baio 26在 CASE 公司的 7700 甘蔗收割机上安装了 Trimble 公司的自动导航系统，采用 Trimble 公司的 AgGPS RTK 450做基站，开展了对行精度、甘蔗损失及田间作业效率试验研究，结果表明自动导航系统在白天和夜间都能提高对行精度，但甘蔗损失并没有明显降低，田间作业效率也与人工驾驶相同。 Ortiz 等27将基于 RTK-GPS 的自动导航系统应用于花生收获，并对采用不同种植方式时应自动导航系统的经济效益进行了试验研究，结果表明采用基于 RTK-GPS 的自动导航系统能够减小产量损失、提高纯收益。 Samuel 等28综合考虑天气条件、地形与障碍、完全性等多种因素，设计了一种基于 GPS 的农业机器人平台，并集成多种传感器实现了环境信息检测。 罗锡文等29对基于 RTK-GPS 的农机自动导航控制系统进行了比较深入的研究，在东方红 X-804 拖拉机上开发了基于 RTK-GPS 的自动导航控制系统，在拖拉机行进速度为 0.8 m/s 时，直线跟踪的最大误差小于 0.15 m，平均跟踪误差小于 0.03 m。高雷等30采用模块化设计思想，基于嵌入式技术和 CAN 总线技术，设计开发了一种基于 RTK-GPS 的农机自动导航控制系统。周建军等31、刘兆祥等32采用 Trimble RTK-GPS 4700 作为位置传感器，使用简化的二轮车模型，用模糊控制方法实现了农机的直线和曲线路径追踪。 伟利国等33在 XDNZ630 型水稻插秧机上安装了天宝 RTK-GPS 接收机 AgGPS332 进行定位， 采用模糊控制策略实现了直线路径追踪， 在 0.6 m/s的行驶速度下，最大追踪误差小于 10 cm。 2.3 基于多传感器数据融合的位置测量方法 农业机械自动导航系统的应用环境，是一个复杂多变、非结构化的野外农田环境，每种位姿检测方法都具有一定的局限性。如机器视觉的方法可能受作物生长状况、恶劣天气条件的影响，而 GNSS 容易受到周围环境的干扰而影响定位精度。因为没有一种单独的位置传感器能够满足所有不同应用条件下农业机械导航的需求，基于多传感器数据融合的位置测量方法受到人们的普遍关注。一方面，它可以在一种传感器测量失效时，自动切换到另一种可用的传感器测量方式；另一方面，也能够融合多种传感器的数据，从而得到更好的测量结果。常见的多传感器组合导航系统包括 GPS/INS、 GPS/DR 和INS/CNS 组合导航系统等。 基于多传感器的数据融合就是利用系统的物理模型以及噪声的统计特性，利用一定的估计准则来获得系统的最优状态估计34。常用的估计方法包括 Kalman 滤波、粒子滤波、 H 滤波以及智能算法等。 Kalman 滤波是最常用的估计理论，它的主要思想是基于导航系统的物理模型和系统的状态噪声和量测噪声模型，利用 Kalman 滤波器对系统的状态向量进行估计。Liu 等35提出了一种双滤波平滑 Kalman 滤波算法，该方法有效地解决了 GPS 信号中断时，惯性导航累积误差较大的问题，导航结果表明，在 GPS 中断的情况下，平均定位精度提高了 95%以上。 Fakharian 等36提出了一种自适应 Kalman 滤波算法，车载试验表明，与常规 Kalman滤波相比，该方法具有较好的效果。黎永健等37采用MEMS 惯性传感器加速度计和陀螺仪联合测量农机姿态角，采用 Kalman 滤波计算姿态角，实现对 GPS 定位数据的姿态校正，提高了导航定位准确性。周建军等38将模糊逻辑和 Kalman 滤波相结合开展了 GPS 和航位推算（ dead reckoning， DR）组合导航定位方法研究，通过对 GPS、陀螺仪及速度传感器数据的融合，提高了导航系统定位精度， x 方向和 y 方向平均误差分别为 0.13 和 0.20 m。 Khoomboon39采用粒子滤波进行信息融合，利用位置已知的参考点坐标修正 GPS 的定位误差，有效提高了导航定位精度。 籍颖等40在粒子滤波的重要密度函数中引入无迹 Kalman 滤波，并采用多项式重采样算法和 Markov链蒙特卡罗方法，有效抑制了粒子退化和样本贫化，仿真结果表明该方法可有效提高导航定位精度。 刘晓光等41-42结合 Kalman 滤波和 H 滤波的优点，提出了一种采用自适应鲁棒波滤的农机组合导航方法，根据滤波估计误差方差阵实时调整 Kalman 滤波和 H 滤波的权重，提高了组合导航系统的精度和鲁棒性。 3 农机模型与导航路径跟踪控制方法 3.1 基于农机运动学模型的导航路径跟踪控制方法 在农机导航中，最典型、应用最广泛的是称作二轮车模型的农机运动学模型。在这种模型中，把农机抽象为一个二轮车，用 4 组参量来描述农机当前位姿（参见图 2），一是在大地直角坐标系中农机后轮中心的坐标C(x,y)， m；二是农机当前的航向角 ， ()；三是转向轮当前的转角 ， ()；最后是农机当前的速度矢量 v， m/s。另外还有一个常量，即农机前后轮的轴距 L， m。农机运动模型即是根据运动学原理，描述上述这些参量的相互关系的模型，如式（ 1）所示。 cossintanxvyvvL=（ 1） 式中： x、 y 是农机后轮中心在大地直角坐标系统中的坐农业工程学报（ http:/www.tcsae.org） 2015 年 4 标， m； 是农机当前的航向角， ()； 是转向轮当前的转角， ()； v 是农机当前的速度矢量， m/s； L 是农机前后轮的轴距， m。 注： C(x,y)是农机后轮中心在大地直角坐标系统中的坐标， m； 是农机当前的航向角， ()； 是转向轮当前的转角， ()； v 是农机当前的速度矢量， ms-1；L 是农机前后轮的轴距， m。 Note: C(x,y) is coordinates of central point of the rear wheels of agricultural vehicle. is current heading of the agricultural vehicle, (). is turning angle of the turning wheels, (). v is vehicle speed, ms-1. L is distance between shafts, m. 图 2 农机二轮车运动学模型 Fig.2 Two wheels kinematics model of an agriculture vehicle 基于农机运动学模型的导航路径跟踪，就是根据农机当前位置、航向参数，确定农机转弯方向、转动角度，以让农机沿着既定的路线行驶。 OConnor 等43-44较早在二轮车模型的基础上，建立了以农机航向误差及其变化率、转向轮偏角及其变化率和位置误差为状态变量的农机运动学模型，并且对该运动学模型进行线性化逼近，然后基于线性化后的模型设计了最优导航控制器，并将其应用到约翰迪尔的 7800 型拖拉机上进行了拖拉机的导航控制试验，取得了很好的路径跟踪控制效果。 Bell45-46进一步扩展了 OConnor 的工作，设计了适合圆弧、螺旋线和任意曲线路径的拖拉机路径跟踪控制的相关算法。李逃昌等47以二轮车模型为基础，建立了以横向偏差和航向偏差为状态变量的农机相对运动学模型，引入线性二次型最优控制器，提高了导航控制精度及其稳定性。孟庆宽等48建立了二自由度运动学模型和视觉预瞄模型，提出了一种基于粒子群优化的自适应模糊控制算法，车载试验表明，在不同速度条件下该算法导航精度相对于常规模糊控制算法都有较大的提高。白晓平等49在基于非线性运动学模型的主控制器之上，增加了一个自校正控制器对控制量进行修正，既保留了基于运动学模型的控制方法的优势，又减小了不精确模型对导航控制的影响，提高了导航控制精度。 3.2 基于农机动力学模型的导航路径跟踪控制方法 由于农机本身的复杂性、土壤等农田环境以及农机具负载的不确定性的存在，导致农机导航控制系统为一个复杂的不确定性系统。基于运动学模型的方法对农机导航控制系统参数的变化和外部干扰不具有鲁棒性，也没有考虑到机具负载变化等情况导致的农机动力学特性的变化，路径跟踪控制方法难以取得预期的效果。为此，人们寻求基于农机动力学模型的导航控制方法。 根据牛顿第二定律，并且假设 、 很小，可以得到农机的横向力和力矩平衡方程如式（ 2）所示。 ()frzffrrmv v F FILFLF +=+=（ 2） 式中： Ff、 Fr分别为作用在农机前后轮上的横向力， N；Lf、 Lr分别为农机前轮和后轮到农机质量中心的距离， m；m 为农机的质量， kg； Iz为农机的转动惯量， kgm2； 为农机的横摆角速度， m/s； 为农机的车体侧偏角， （ ）。 Bevly 等50-51在大量辨识试验的基础上提出了一种航向率动力学模型，并基于该模型设计了 LQR 路径跟踪控制方法，解决了农机在高速行驶时的导航控制问题。Eaton 等52-53将 Backstepping 控制方法应用到农机路径跟踪控制中，并且在控制方法的设计过程中考虑了转向系动力学特性的影响，取得了较好的试验效果。 Bao 等54建立了拖拉机的两轮车动力学模型，采用 Kalman 滤波有效滤除了噪声和重复性测量的影响，实现了对拖拉机运行状态的估计。 3.3 模型无关的导航路径跟踪控制方法 为了避免建模不准确或者模型参数剧烈变化对农机路径跟踪控制性能所产生的负面影响，有些学者便采用与模型无关的控制方法进行农机路径跟踪控制器的设计。 在过程工业上被广泛应用的 PID 方法是基于误差来生成消除误差的控制策略，由于其设计过程中不依赖于数学模型，对线性或者非线性控制对象都适用，所以在农机导航控制领域 PID 方法也得到了大量的应用55-57。 纯追踪方法是一种几何方法（参见图 3），它不涉及复杂的控制理论知识，具有控制参数少、算法设计模拟人的驾驶行为具有预见性等特点，在农机导航控制领域也得到了应用。 注： G(VXg，VYg)为目标点在农机本体坐标系中的坐标， m； 为农机瞬时转弯曲率， m-1； R 为农机的瞬时转弯半径， m； d 为农机相对于路径的横向位置误差， m； Ld为前视距离， m； e为农机当前航向和目标点处期望航向之间的误差， ()； 为农机沿着转向弧线到达目标点时的航向变化角度， ()；VX，VY 为农机瞬时速度的横向、纵向分量， ms-1。 Note: G(VXg, VYg) is the coordinates of the target point in the agricultural vehicle coordinate system, m; is the instant turning curvature of the agricultural vehicle, m-1; R is the instant turning radius of the agricultural vehicle， m； d is the lateral error of the agricultural vehicle to the path， km； Ldis the forward-looking distance, m; is the heading error of the agricultural vehicle to the target heading, (); eis the changing angle of the agricultural vehicle from the current point to the target point, (); VX, VY is the transverse and longitudinal component of the agricultural vehicle speed, ms-1. 图 3 纯追踪方法的几何表达 Fig.3 Geometric expression of pure pursuit method 黄沛琛等58-59根据地头转向的特点，利用 BP 神经网络确定前视距离，然后根据纯追踪算法确定农机期望的转向角。李逃昌等60-61采用带有自调整函数的解析式模糊控制器对前视距离的大小进行在线自适应调整，提出第 10 期 胡静涛等：农业机械自动导航技术研究进展 5 了一种基于模糊自适应纯追踪模型的农机路径跟踪方法，对不同的农机行驶速度和不同的农机与路径间的初始误差具有很好的适应性和很好的控制效果；同时采用自适应纯追踪模型确定农机期望横摆角速度，提出了一种农机横向位置控制与横摆角速度控制二级级联式控制策略，使农机在机具负载变化或受到外部干扰时，仍然能保证横摆角速度具有期望的响应性能。 由于模糊控制具有仿人的智能性，不少学者基于模糊控制研究了农机的路径跟踪控制方法。 Xue 等62基于模糊控制方法和可变视场机器视觉设计小型移动机器人在玉米田间的路径跟踪控制器，并通过实际田间试验验证了方法的有效性。刘兆祥等63设计了一种自适应模糊控制算法，这种算法基于遗传算法和 RTK-GPS 技术，并且将构造的导航系统在田间进行了试验。张漫等64设计了一种模糊自适应农机路径跟踪控制方法，该方法能够有效地减弱控制过程的超调。陈宁等65通过对纯追踪模型跟踪误差因素的分析，提出了一种改进的纯追踪算法，将转向控制分解为 3 个控制周期分步校正车体的航向角和转向角，在前视距离 L 3vT（ v 为农机速度， T 为控制周期）时可取得较好的跟踪效果。陈康等66进一步改进了该控制算法，设计了一种两步纯追踪航向校正算法，在 2 个控制周期内完成了航向校正。 4 农机自动导航技术发展展望 农机自动导航技术经过多年的发展已日臻成熟，特别是基于视觉和基于 GNSS/GIS 的导航技术已成为现代农机自动导航系统的主流技术，在农业生产实践中得到了广泛应用，但农机自动导航技术仍有许多问题需要深入研究。 4.1 采用卫星导航技术 全球导航卫星系统 GNSS 的升级与扩展为农机自动导航技术发展提供了技术手段。 目前美国 GPS 主要使用 L1、 L2 2 个频段发送伪距码，民用码在 L1频段传送，精度更高的加密码则同时在 L1、L2频段传送。近来年，美国对 GPS 进行了现代化升级，一方面在 L2频段上增加了民用码 L2C，另一方面又增加了一个民用频段 L5。工作在 L1、 L2C、 L5频段、具有更高定位精度和更高可靠性的三频接收机将取代当前广泛应用的双频接收机。 中国自行研制的全球卫星定位与通信系统北斗卫星导航系统（ beidou navigation satellite system， BDS），是继美国的 GPS 和俄罗斯的 GLONASS 之后第 3 个成熟的卫星导航系统，可在全球范围内全天候、全天时为各类用户提供高精度、高可靠定位、导航、授时服务。北斗系统还具有独特的短报文通信能力，可支持通信信息量较小、实时性要求高的用户与用户间双向报文通信。2012 年 12 月 27 日，北斗系统空间信号接口控制文件正式版正式公布，北斗导航业务正式对亚太地区提供无源定位、导航、授时服务。北斗卫星导航技术必将在中国精准农业技术应用中发挥重要作用。 4.2 高级导航技术 1）农机地头自动转向控制技术 目前在农业生产中获得实际应用的主要是一种称为A-B 直线导航的技术。在导航开始之前，首先指定 A、 B 2 点的 GPS 坐标位置，设定直线 A-B 为导航基准线。在整个作业过程中，自动导航系统完成一系列与 A-B 线平行的路径跟踪，但在地头调头时仍由驾驶员操纵农机。 农机地头自动转向控制技术研究早已引起了科研人员的关注，但相关研究进展比较缓慢。 Cariou 等67-68研究了农机地头自动转向的路径规划及运动控制问题，提出了环形、鱼尾形转向策略，采用带有侧滑角的运动学模型和模型预测控制方法，实现了农机在地头的自动转向对行。黄沛琛等58-59使用直线组合进行地头转向路径规划，提出了一种基于改进纯追踪模型的农机地头转向控制方法，仿真结果表明该方法路径规划简单、占用空间小、跟踪精度较高。 农机地头转向要考虑许多因素，如地头空间大小、农机作业宽度、农机转向半径等。农机地头转向自动控制要综合考虑这些影响因素，结合整体作业路径规划，确定有效的转向方式，动态规划出地头转向路径，并控制农机完成地头转向。相比于农机直线导航技术，农机地头自动转向控制技术研究才刚刚起步，实现有效实用的地头自动转向控制仍是农机自动导航控制系统要解决的一个重要问题。 2）障碍物探测及主动避障技术 农田多为开阔的空间，作业范围内很少有障碍物，因此目前的农机自动导航系统都没有考虑障碍物探测及避障问题，遇到紧急情况需要驾驶员处理。农田中可能出现的障碍物主要有电线杆（塔）、大树、人、其他农机等，电线杆（塔）、大树等静态障碍物可以在路径规划时避开，但这增加了路径规划的复杂度。而人、其他农机等动态出现在农田中，只能在农机作业过程中实时探测并采取必要的避障措施。障碍物探测及主动避障技术也是农机导航系统要解决的一个重要问题。 障碍探测可采用机器视觉识别技术、激光测距技术等。最简单的避障措施是暂时停机，如作业路径前方出现人或其他农机时，就可以控制农机停下来，待人或农机移开后继续作业。较为高级的避障措施，是根据识别出的障碍物情况，实时规划避障路径，控制农机绕开障碍物。 障碍物探测及主动避障技术在智能交通、机器人领域有许多研究成果可以借鉴，但由于农机自动导航系统运行环境的特殊性，还需要结合农机自动导航的实际需求开展有针对性的研究。 3）多机协同导航技术 农业生产集约化、规模化、产业化是现代农业的发展趋势，随着农业机械化水平的迅速提高，为提高田间作业效率、降低能源消耗，多台同种或异种农机在田间联合作业的农机集群作业模式，逐渐成为大规模农机应用的发展趋势。 农业工程学报（ http:/www.tcsae.org） 2015 年 6 多机联合作业有 2 种形式，一种是多台同类型农机在田间共同作业，其中一台主机作为领航机，其他为从机跟随主机共同完成播种、喷药、施肥、收割等田间作业。另一种是主从协同作业，从机根据主机的要求配合主机作业，如收割机 -运粮车间的主从协同作业，在收割机提出卸粮请求时，运粮车自动跟随收割机行进并配合收割机完成卸粮作业。 多机联合作业对农机导航系统提出了新的技术挑战，多机协同导航技术是下一代农业机械导航系统要解决的一项关键技术69。多机协同导航首先要对主机、从机的作业路径进行全局规划，作业过程中主机与从机之间要建立通信联系，协同完成导航控制。 4.3 农机物联网技术 物联网是以电子标签和电子编码为基础， 建立在互联网基础上的实物互联网络。近年来，随着智能农业、精准农业的发展，物联网技术在现代农业中的应用逐步拓宽，在农业环境监测、温室控制、节水灌溉、气象监测、产品安全与溯源、设备智能诊断管理等方面取得了良好的应用效果。 在农机自动导航应用方面，农机物联网技术主要应解决 3 个层面的物联：一是单机自动导航系统各功能部件之间的车载物联，二是多台农机之间的机群物联，三是农机与监控中心的远程物联。目前车载物联主要采用基于 ISO 11783 协议标准的农机总线通信技术，机群物联和远程物联尚没有统一标准。 5 结 论 现代农机自动导航系统一般由检测单元、控制单元、执行单元及监控单元四部分组成，检测单元负责农机当前位置与姿态的检测，控制单元负责导航路径规划及路径跟踪控制，执行单元执行控制单元的控制指令，监控单元则作为人机交互界面承担导航任务监控功能。 在农机自动导航系统中，农机位置测量方法和导航路径跟踪控制方法是二项核心技术。现代农机自动导航系统中，位置测量主要有基于机器视觉的相对测量方法、基于全球导航卫星系统 （ global navigation satellite system，GNSS）的绝对测量方法，多传感器数据融合技术也常用于位置测量中，以得到更好的测量结果。导航路径跟踪控制方法则主要包括基于农机运动学或动力学模型的控制方法、以及模型无关的控制方法。 农机自动导航技术经过多年的发展已日臻成熟，在农业生产实践中得到了广泛应用。但是农机自动导航技术仍有许多问题需要深入研究，地头自动转向控制技术、障碍物检测与主动避障技术、多机协同导航技术、农机物联网技术将是下一代农业机械自动导航系统的研究重点。 参 考 文 献 1 Willrodt F L. Steering attachment for tractorsP. U. S. Patent :1506706, 1924. 2 Andrew F W. Automatic tractor controlP. U. S. Patent: 2259193, 1941. 3 赵春江 . 精准农业研究与实践 M. 北京：科学出版社，2009. 4 Searcy S W, Reid J F. Detecting crop rows using the Hough TransformC/ ASAE Annual Meeting. St. Joseph, MI,1986. 5 Bakker T, Wouters H, Van A K, et al. A vision based row detection system for sugar beetJ. Computers and Electronics in Agriculture, 2008, 60(1): 87 95. 6 刁智华，王会丹，宋寅卯 . 基于机器视觉的农田机械导航线提取算法研究 J. 农机化研究， 2015,37(2):35