CN109220089A - 基于北斗卫星定位的小区播种路径对齐方法 - Google Patents

基于北斗卫星定位的小区播种路径对齐方法 Download PDF

Info

Publication number
CN109220089A
CN109220089A CN201811252846.9A CN201811252846A CN109220089A CN 109220089 A CN109220089 A CN 109220089A CN 201811252846 A CN201811252846 A CN 201811252846A CN 109220089 A CN109220089 A CN 109220089A
Authority
CN
China
Prior art keywords
point
sowing
cell
row
dis
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201811252846.9A
Other languages
English (en)
Other versions
CN109220089B (zh
Inventor
王浩
唐勇伟
赵晓杰
郝凤琦
郝慧娟
董振振
程广河
孙瑞瑞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Computer Science Center National Super Computing Center in Jinan
Shandong Computer Science Center
Original Assignee
Shandong Computer Science Center
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shandong Computer Science Center filed Critical Shandong Computer Science Center
Priority to CN201811252846.9A priority Critical patent/CN109220089B/zh
Publication of CN109220089A publication Critical patent/CN109220089A/zh
Application granted granted Critical
Publication of CN109220089B publication Critical patent/CN109220089B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01C—PLANTING; SOWING; FERTILISING
    • A01C7/00—Sowing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Mathematical Analysis (AREA)
  • Operations Research (AREA)
  • Pure & Applied Mathematics (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Soil Sciences (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Environmental Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Development Economics (AREA)
  • Databases & Information Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Algebra (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明的基于北斗卫星定位的小区播种路径对齐方法，包括：a).规划基础路径AB和AC；b).建立直角坐标系A‑XY；c).求基础路径AB、AC斜率的最优值；d).第二、三行小区播种；e).后续小区播种。本发明的基于北斗卫星定位的小区播种路径对齐方法，首先获取路径AB、AC的最优值，以后续每行的斜率均应与AB、AC的斜率一致、每行的起点或终点在AC上为约束条件，使得播种小区的行与行之间严格对齐，各行中的小区和小区间隔也严格对其，解决了现有采用人工划线进行播种所带来的工作量大、效率低的问题。

Description

基于北斗卫星定位的小区播种路径对齐方法
技术领域
本发明涉及一种基于北斗卫星定位的小区播种路径对齐方法，更具体的说，尤其涉及一种可使播种的农田中行与行之间、各行之间的小区和小区间隔都严格对齐的基于北斗卫星定位的小区播种路径对齐方法。
背景技术
育种专家在进行小区育种时，需要精准的对播种区域进行划分。但传统小区播种机在播种过程中，存在各行各小区难以对齐的问题，这一问题的出现会导致育种区域混乱，使得各个小区交错分布或参差不齐，对正确评价培育的种子产量造成影响。
目前，在我国小区育种过程中，最大的难度在于精准地控制同一行各个小区长度相同，各行的小区位置对齐。在小区育种中，要求对小区进行多方面的对齐：在同一行内，小区长度对齐(即长度一致)，小区与小区之间的间隔对齐(即间隔一致)；不同行中的小区、间隔也要一一对齐。为了解决育种过程中的对齐问题，一般采用在地面人工画线，来对小区位置进行限制。对于大规模播种来说，这种工作方式的工作量巨大，并且人工操作误差大。人工驾车也无法完全保证路径笔直，如果只采用行走路径中的某一点和原点，两点构成一条直线，那产生的误差将会不可估计。
发明内容
本发明为了克服上述技术问题的缺点，提供了一种基于北斗卫星定位的小区播种路径对齐方法。
本发明的基于北斗卫星定位的小区播种路径对齐方法，其特征在于，通过以下步骤来实现：
a).规划基础路径，根据待播种农田的地头边和侧边的走向，确定出两条基础路径AB和AC，A点为第一行小区的播种起点，AB为第一行小区的播种路径，AB与农田的一侧边平行，AC为农田地头边的路径；
b).建立直角坐标系，以A点为坐标原点，地球上的纬线为X轴、经线为Y轴，建立直角坐标系A-XY；
c).求基础路径AB、AC斜率的最优值，首先在不播种的情况下，由驾驶人员驾驶播种机由A点沿农田的地头边行进，在行进的过程中周期性地获取播种机的北斗经纬度坐标，并将北斗经纬度坐标转化为直角坐标系A-XY内的坐标，设获取的坐标点数量为n1个，利用n1个坐标点求取基础路径AC斜率的最优值KAC；
然后在启动小区播种的情况下，由驾驶人员驾驶播种机由A点沿农田的侧边进行第一行小区播种作业，在行经的过程中周期性获取播种机的北斗经纬度坐标并将其转化为A-XY内的坐标，设获取的坐标点数量为n2个，利用n2个坐标点求取基础路径AB斜率的最优值KAB；
d).第二、三行小区播种；
第二行播种：在第一行小区播种完毕后，按照S形的播种路线，由驾驶人员将播种机驾驶至第二行小区播种起点的前端，并将行间距调整至合理宽度，设播种机在第二行的停止点为D*，第二行的播种起点为D、播种终止点为E；
根据公式(1)和公式(2)，获取直线AB、直线AC在直角坐标系A-XY中的直线方程：
yAB＝KABx (1)
yAC＝KACx (2)
然后，获取播种机静止点为D*的北斗经纬度坐标，并将其转化为坐标系A-XY中的坐标，设转化后的D*坐标为(XD*,YD*)；为了实现小区播种中各行之间的对齐，需要使第二行播种路径D*E与第一行的播种路径AB平行，即直线D*E的斜率为KAB；
由直线D*E斜率为KAB、点D*的坐标为(XD*,YD*)，可得直线D*E的方程式为：
yED*＝KAB(x-XD*)+YD* (3)
联立直线D*E的直线方程与直线AC的直线方程：
可以得到第二行小区播种终点的坐标E(XE,YE)为：
在求得E点坐标的情况下，即可计算播种机第二行停止点D*与第二行小区播种起点D之间的距离dis(D*D)，当dis(D*D)＝0时即开始第二行小区播种，在播种过程中控制播种机按照斜率KAB的方向行进，并通过计算播种机当前点与D点之间的距离来选择播种或停止播种，以形成播种小区和小区间隔的间隔分布；
第三行播种：在第二行小区播种完毕后，按照S形的播种路线，由驾驶人员将播种机驾驶至第三行小区播种起点的前端，并将行间距调整至合理宽度，设播种机在第三行的停止点为F*，第二行的播种起点为F；按照与第二行播种终点相同的计算方法即可获取第三行小区播种起点F的坐标，在求得F点坐标的情况下，即可计算播种机第三行起始点F*与第三行小区播种起点F之间的距离dis(F*F)，当dis(F*F)＝0时即开始第三行小区播种，在播种过程中控制播种机按照斜率KAB的方向行进，并通过计算播种机当前点与F点之间的距离来选择播种或停止播种，以形成播种小区和小区间隔的间隔分布；
e).后续小区播种，在后续播种过程中，偶数行按照与第二行小区播种相同的方法、奇数行按照与第三行小区播种相同的方法进行播种，直至农田播种完毕。
本发明的基于北斗卫星定位的小区播种路径对齐方法，步骤c)中所述的基础路径AB、AC斜率的最优值计算方法如下：
c-1).获取当前点坐标，在播种机沿AB或AC路径进行小区播种的过程中，根据北斗卫星信号的接收频率，每接收到一帧北斗信号，就会计算当前点P的经纬度坐标，设为(LatP,LonP)；
设A点的经纬度坐标为(LatA,LonA),则P点在X轴上投影点的坐标为(LatP,LonA),则P在X轴上的投影点与A点的纬度差为0，经度差diffLat为：
diffLat＝LatA-LatP (6)
根据地球表面任意两点的经纬度的距离计算公式：
式中，L1为A、P两点在X轴上的投影点之间的距离；R为地球平均半径；
可以求得P点在坐标系A-XY中的横坐标XP，XP＝L1；
同样地，P点在Y轴上投影点的坐标为(LatA,LonP),则P在Y轴上投影点与A的经度差为0，纬度差diffLon为
diffLon＝LonA-LonP (8)
根据地球表面任意两点的经纬度的距离计算公式：
式中，L2为A、P两点在Y轴上的投影点之间的距离；R为地球平均半径；
可以求得P点在坐标系A-XY中的纵坐标YP，YP＝L2；
这样，就将当前点P的经纬度坐标(LatP,LonP)转化为坐标系A-XY中的坐标(XP,YP)；
c-2).当前点斜率计算，在坐标系A-XY中，每获取一次当前点P的坐标(XP,YP)，就计算同时过P点和A点直线的斜率K：
然后将其发送至卡尔曼滤波模型，执行步骤c-3)；
c-3).卡尔曼滤波模型的建立，离散线性系统的卡尔曼滤波模型由状态方程、节点观测方程、状态一步预测值以及更新方程组成，具体如下：
状态方程：
X(k)＝AX(k-1)+BU(k)+W(k) (11)
式中，X(k)为k时刻的系统状态，X(k-1)为k-1时刻的系统状态，U(k)为k时刻对系统的控制量，A、B为系统参数，W(k)为过程噪声；
节点观测方程：
Z(k)＝HX(k)+V(k) (12)
式中，Z(k)为k时刻的测量值，H为测量系统的参数，V(k)为测量噪声；
首先利用系统的过程模型来预测系统下一状态，设在k时刻的系统状态为x(k),则可以根据系统模型，由上一状态预测出现在状态，由于我们认为播种机行走的过程是稳定准确的，因此系数A为1；本系统没有控制量，因此系数B为0：
X(k|k-1)＝X(k-1|k-1) (13)
式中，X(k|k-1)为k-1时刻的状态对k时刻状态的预测，X(k-1|k-1)
为k-1时刻的最优斜率值；
此时系统的状态已经更新，现在需要更新系统的误差估计协方差矩阵：
P(k|k-1)＝P(k-1|k-1)+Q (14)
式中，P(k|k-1)为在k时刻由k-1时刻状态对此状态的预测，P(k-1|k-1)为k-1时刻的最优斜率值对应的误差估计协方差矩阵，Q为系统过程噪声的协方差；
通过得到预测结果P(k|k-1)，根据得到的现在状态的测量值进行修正，得到最优的估计量：
X(k|k)＝X(k|k-1)+Kg(k)*(Z(k)-HX(k|k-1)) (15)
式中，X(k|k)为k时刻的最优斜率值，Kg(k)为卡尔曼增益；
此时，得出的k时刻的最优斜率值,为了让卡尔曼滤波器不断地进行下去，我们需要更新k时刻的最优斜率值对应的k时刻的最优斜率值对应的误差估计协方差矩阵：
P(k|k)＝(I-Kg(k)*H)*P(k|k-1) (17)
式中，P(k|k)为k时刻的最优斜率值对应的误差估计协方差矩阵，I为单位矩阵；
当系统进入k+1时刻时，P(k|k)扮演的角色就是式中P(k-1|k-1)；如此，卡尔曼滤波根据上述的式子，就可以不断迭代下去，得到最终最优斜率值KAB和KAC。
本发明的基于北斗卫星定位的小区播种路径对齐方法，步骤d)中，在第二行小区播种作业时，根据公式(18)计算D*到D的距离dis(D*D)：
dis(D*D)＝[dis(ED*)+dis(JG)]％[dis(XQ)+dis(JG)] (18)
式中：dis(D*D)为D*点到D点的距离，dis(ED*)为D*点到E点的距离，dis(JG)为小区间隔的长度，dis(XQ)为小区的长度，％为取余运算；当dis(D*D)＝0时即开始第二行小区播种，这样可找到第二样与第一行末尾小区严格对其的起始点D；
在第三行小区播种作业时，根据公式(19)计算F*到F的距离dis(F*F)：
dis(F*F)＝[dis(GF*)+dis(JG)]％[dis(XQ)+dis(JG)] (19)
式中：dis(F*F)为F*点到F点的距离，dis(GF*)为F*点到G点的距离，dis(JG)为小区间隔的长度，dis(XQ)为小区的长度，当dis(F*F)＝0时即开始第二行小区播种，这样可找到第三样与第二行末尾小区严格对其的起始点F。
本发明的有益效果是：本发明的基于北斗卫星定位的小区播种路径对齐方法，首先根据待播种农田的地头边和侧边规划出基础路径AC、AB，并以播种起点A和经纬线方向建立坐标系，然后通过播种机沿路径AC和AB行进，获取路径AB、AC的最优值KAB和KAC，以后续每行的斜率均应与路径AB的斜率KAB一致来控制播种机的行进方向，以后续每行播种的起点或终点在路径AC上为约束条件，使得播种小区的行与行之间严格对齐，各行中的小区和小区间隔也严格对其，解决了现有采用人工划线进行播种所带来的工作量大、效率低的问题，解决了现有小区播种过程中小区之间、各行之间不易对其的问题，有益效果显著，适于应有推广。
同时，为了进一步提高小区路径规划的精准度，引入了卡尔曼滤波算法，对基础路径的模型确立所需的方程斜率值进行迭代处理，能有效的对实际计算的斜率值进行修正，将得到的经纬度在相对坐标系中进行计算，得到的基础路径数学模型的斜率值，将计算得到的斜率值进行迭代处理，得到最终的最优值；最小的修正幅度为20.1％，最大的修正幅度达到4871.4％，为北斗卫星定位在小区播种机路径精准规划提供参考。
附图说明
图1为本发明的基于北斗卫星定位的小区播种路径对齐示意图；
图2为本发明中建立的基于经纬度坐标建立的A-XY坐标系；
图3为基于本发明的路径对齐方法中所获取的基础路径斜率估计值与观测值；
图4为本发明中路径偏移面积示意图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
目前，在我国小区育种过程中，最大的难度在于精准地控制同一行各个小区长度相同，各行的小区位置对齐。为了解决育种过程中的对齐问题，一般采用在地面人工画线，来对小区位置进行限制。对于大规模播种来说，这种工作方式的工作量巨大，并且人工操作误差大。为此，本发明将北斗卫星定位应用于小区播种机上，通过北斗卫星，来确定播种机的实时经纬度，通过建立相对于经纬度的相对坐标系，将播种机的位置，置于数学模型中，将人工画线替换为数学模型的计算，从而实现精准的小区路径对齐控制。在建立数学模型的过程中，最为关键的过程是确定过原点的两条边界线的线性方程，建立线性方程就需要知道此方程的斜率。考虑到北斗卫星导航本身会有厘米级的误差，人工驾车也无法完全保证路径笔直，如果只采用行走路径中的某一点和原点，两点构成一条直线，那产生的误差将会不可估计。为了解决这一问题，本发明通过引入卡尔曼滤波算法，将得到的经纬度在相对坐标系中进行计算，得到的基础路径数学模型的斜率值，将计算得到的斜率值进行迭代处理，得到最终的最优值。
如图1所示，给出了本发明的基于北斗卫星定位的小区播种路径对齐示意图，本发明的基于北斗卫星定位的小区播种路径对齐方法，通过以下步骤来实现：
a).规划基础路径，根据待播种农田的地头边和侧边的走向，确定出两条基础路径AB和AC，A点为第一行小区的播种起点，AB为第一行小区的播种路径，AB与农田的一侧边平行，AC为农田地头边的路径；
b).建立直角坐标系，以A点为坐标原点，地球上的纬线为X轴、经线为Y轴，建立直角坐标系A-XY；
如图2所示，给出了本发明中建立的基于经纬度坐标建立的A-XY坐标系，通常情况下，农田的地头边与侧边可能不垂直，地头边和侧边与经线、纬线也不一致，故以经纬线作为参考来建立相对直角坐标系。
c).求基础路径AB、AC斜率的最优值，首先在不播种的情况下，由驾驶人员驾驶播种机由A点沿农田的地头边行进，在行进的过程中周期性地获取播种机的北斗经纬度坐标，并将北斗经纬度坐标转化为直角坐标系A-XY内的坐标，设获取的坐标点数量为n1个，利用n1个坐标点求取基础路径AC斜率的最优值KAC；
然后在启动小区播种的情况下，由驾驶人员驾驶播种机由A点沿农田的侧边进行第一行小区播种作业，在行经的过程中周期性获取播种机的北斗经纬度坐标并将其转化为A-XY内的坐标，设获取的坐标点数量为n2个，利用n2个坐标点求取基础路径AB斜率的最优值KAB；
该步骤中，所述的基础路径AB、AC斜率的最优值计算方法如下：
c-1).获取当前点坐标，在播种机沿AB或AC路径进行小区播种的过程中，根据北斗卫星信号的接收频率，每接收到一帧北斗信号，就会计算当前点P的经纬度坐标，设为(LatP,LonP)；
设A点的经纬度坐标为(LatA,LonA),则P点在X轴上投影点的坐标为(LatP,LonA),则P在X轴上的投影点与A点的纬度差为0，经度差diffLat为：
diffLat＝LatA-LatP (6)
根据地球表面任意两点的经纬度的距离计算公式：
式中，L1为A、P两点在X轴上的投影点之间的距离；R为地球平均半径；
可以求得P点在坐标系A-XY中的横坐标XP，XP＝L1；
同样地，P点在Y轴上投影点的坐标为(LatA,LonP),则P在Y轴上投影点与A的经度差为0，纬度差diffLon为
diffLon＝LonA-LonP (8)
根据地球表面任意两点的经纬度的距离计算公式：
式中，L2为A、P两点在Y轴上的投影点之间的距离；R为地球平均半径；
可以求得P点在坐标系A-XY中的纵坐标YP，YP＝L2；
这样，就将当前点P的经纬度坐标(LatP,LonP)转化为坐标系A-XY中的坐标(XP,YP)；
c-2).当前点斜率计算，在坐标系A-XY中，每获取一次当前点P的坐标(XP,YP)，就计算同时过P点和A点直线的斜率K：
然后将其发送至卡尔曼滤波模型，执行步骤c-3)；
c-3).卡尔曼滤波模型的建立，离散线性系统的卡尔曼滤波模型由状态方程、节点观测方程、状态一步预测值以及更新方程组成，具体如下：
状态方程：
X(k)＝AX(k-1)+BU(k)+W(k) (11)
式中，X(k)为k时刻的系统状态，X(k-1)为k-1时刻的系统状态，U(k)为k时刻对系统的控制量，A、B为系统参数，W(k)为过程噪声；
节点观测方程：
Z(k)＝HX(k)+V(k) (12)
式中，Z(k)为k时刻的测量值，H为测量系统的参数，V(k)为测量噪声；
首先利用系统的过程模型来预测系统下一状态，设在k时刻的系统状态为x(k),则可以根据系统模型，由上一状态预测出现在状态，由于我们认为播种机行走的过程是稳定准确的，因此系数A为1；本系统没有控制量，因此系数B为0：
X(k|k-1)＝X(k-1|k-1) (13)
式中，X(k|k-1)为k-1时刻的状态对k时刻状态的预测，X(k-1|k-1)为k-1时刻的最优斜率值；
此时系统的状态已经更新，现在需要更新系统的误差估计协方差矩阵：
P(k|k-1)＝P(k-1|k-1)+Q (14)
式中，P(k|k-1)为在k时刻由k-1时刻状态对此状态的预测，P(k-1|k-1)为k-1时刻的最优斜率值对应的误差估计协方差矩阵，Q为系统过程噪声的协方差；
通过得到预测结果P(k|k-1)，根据得到的现在状态的测量值进行修正，得到最优的估计量：
X(k|k)＝X(k|k-1)+Kg(k)*(Z(k)-HX(k|k-1)) (15)
式中，X(k|k)为k时刻的最优斜率值，Kg(k)为卡尔曼增益；
此时，得出的k时刻的最优斜率值,为了让卡尔曼滤波器不断地进行下去，我们需要更新k时刻的最优斜率值对应的k时刻的最优斜率值对应的误差估计协方差矩阵：
P(k|k)＝(I-Kg(k)*H)*P(k|k-1) (17)
式中，P(k|k)为k时刻的最优斜率值对应的误差估计协方差矩阵，I为单位矩阵；
当系统进入k+1时刻时，P(k|k)扮演的角色就是式中P(k-1|k-1)；如此，卡尔曼滤波根据上述的式子，就可以不断迭代下去，得到最终最优斜率值KAB和KAC。
d).第二、三行小区播种；
第二行播种：在第一行小区播种完毕后，按照S形的播种路线，由驾驶人员将播种机驾驶至第二行小区播种起点的前端，并将行间距调整至合理宽度，设播种机在第二行的停止点为D*，第二行的播种起点为D、播种终止点为E；
根据公式(1)和公式(2)，获取直线AB、直线AC在直角坐标系A-XY中的直线方程：
yAB＝KABx (1)
yAC＝KACx (2)
然后，获取播种机静止点为D*的北斗经纬度坐标，并将其转化为坐标系A-XY中的坐标，设转化后的D*坐标为(XD*,YD*)；为了实现小区播种中各行之间的对齐，需要使第二行播种路径D*E与第一行的播种路径AB平行，即直线D*E的斜率为KAB；
由直线D*E斜率为KAB、点D*的坐标为(XD*,YD*)，可得直线D*E的方程式为：
yED*＝KAB(x-XD*)+YD* (3)
联立直线D*E的直线方程与直线AC的直线方程：
可以得到第二行小区播种终点的坐标E(XE,YE)为：
在求得E点坐标的情况下，即可计算播种机第二行停止点D*与第二行小区播种起点D之间的距离dis(D*D)，当dis(D*D)＝0时即开始第二行小区播种，在播种过程中控制播种机按照斜率KAB的方向行进，并通过计算播种机当前点与D点之间的距离来选择播种或停止播种，以形成播种小区和小区间隔的间隔分布；
第三行播种：在第二行小区播种完毕后，按照S形的播种路线，由驾驶人员将播种机驾驶至第三行小区播种起点的前端，并将行间距调整至合理宽度，设播种机在第三行的停止点为F*，第二行的播种起点为F；按照与第二行播种终点相同的计算方法即可获取第三行小区播种起点F的坐标，在求得F点坐标的情况下，即可计算播种机第三行起始点F*与第三行小区播种起点F之间的距离dis(F*F)，当dis(F*F)＝0时即开始第三行小区播种，在播种过程中控制播种机按照斜率KAB的方向行进，并通过计算播种机当前点与F点之间的距离来选择播种或停止播种，以形成播种小区和小区间隔的间隔分布；
该步骤中，在第二行小区播种作业时，根据公式(18)计算D*到D的距离dis(D*D)：
dis(D*D)＝[dis(ED*)+dis(JG)]％[dis(XQ)+dis(JG)] (18)
式中：dis(D*D)为D*点到D点的距离，dis(ED*)为D*点到E点的距离，dis(JG)为小区间隔的长度，dis(XQ)为小区的长度，％为取余运算；当dis(D*D)＝0时即开始第二行小区播种，这样可找到第二样与第一行末尾小区严格对其的起始点D；
在第三行小区播种作业时，根据公式(19)计算F*到F的距离dis(F*F)：
dis(F*F)＝[dis(GF*)+dis(JG)]％[dis(XQ)+dis(JG)] (19)
式中：dis(F*F)为F*点到F点的距离，dis(GF*)为F*点到G点的距离，dis(JG)为小区间隔的长度，dis(XQ)为小区的长度，当dis(F*F)＝0时即开始第二行小区播种，这样可找到第三样与第二行末尾小区严格对其的起始点F。
通过图1可以得知D*点到E点，包含了n个小区、n-1个间隔以及D*到D的距离，公式(18)中，之所以采用总长度dis(ED*)加上一个间隔长度，然后对小区和小区间隔的长度之和取余运算，这是因为各行的播种长度不一定相等，相邻的行所能播种的小区数量可能存在差别，通过公式(18)和(19)中的区域运算，可找到严格对齐的播种起点。
e).后续小区播种，在后续播种过程中，偶数行按照与第二行小区播种相同的方法、奇数行按照与第三行小区播种相同的方法进行播种，直至农田播种完毕。
为了验证卡尔曼滤波对于基础路径的规划的修正作用，我们选取了山东省德州市平原县的一处实验田。这里的土质与大多数北方地区的土质相同，都为沙土地。相较于南方粘性土地而言，播种机在行走过程中，出现打滑偏移的问题更为突出，测量值的偏差会更明显。
我们在实验前，我们首先认为规划出一条基础路径，作为实验过程中的参照线，这条参照线在相对坐标系下的斜率值为3。通过让播种机沿着参照线行走，实时记录行走过程中的经纬度，并把经纬度通过计算得到斜率值。统计回收的数据，如图3所示，发现与真实斜率值3相比，直接通过经纬度来计算的斜率值，有80％以上，产生了10％的偏差；相比于直接计算，使用卡尔曼滤波进行迭代处理大约2秒后，卡尔曼滤波的估计值已经接近真实值，偏差量最大在5％以内。
如果采用两点确定一条直线的方式得到基础路径，那么终止点的位置，实际是无法估计位置的，终止点的位置出现偏移的大小，会直接影响播种机播种的面积偏移。假设真实斜率值为k1，实际斜率值为k2，则斜率对应的夹角α1,α2为：
式中，α1为参照线在相对坐标系中与X轴的夹角，α2为A点与终止点连线在相对坐标系中与X轴的夹角。
偏移角α为：
α＝|α1-α2| (21)
如图4所示，给出了本发明中路径偏移面积示意图，考虑到真实路径和偏移路径的长度相同为L，因此构成了等腰三角形，按照等腰三角形的性质，可以得到等腰三角形的高h和底边长z：
偏移面积S为：
通过得到的偏移面积的计算公式(24)，选取了10组实际斜率值和卡尔曼估计值，对其偏移面积进行计算，如表1所示，给出了10组实际斜率值和卡尔曼估计值的偏移面积数值统计表：
表1
通过对10组数据进行对比发现，斜率的实际计算值与真实值的偏差量，会直接反映到偏移面积上。而偏移面积的产生，会对于小区路径的对齐模型建立，造成了较大的误差影响，引入卡尔曼滤波算法，能有效的对实际计算的斜率值进行修正，最小的修正幅度为20.1％，最大的修正幅度达到4871.4％，并且由式(24)可知，随着基础路径长度L的增加，偏移面积的修正值将随之增加，卡尔曼滤波的迭代递推处理，效果更为显著。
为了验证小区路径模型是否对实际小区对齐播种有所帮助，选取了另外一台机械结构相同的播种机，作为参照对象。其控制方式是通过安装在车轮上的编码器进行逻辑控制，这种方式也是目前市面播种机最常用的播种方式。实验方式是两台播种机播种相同的路径，分别放入不同颜色的小麦种子用作小区区分。人为划分出小区位置，作为判断依据。使用这种实验方式，进行每行20个小区，进行10行作业，共200个小区播种，对每个小区小麦种子的偏移距离进行统计，如表2所示，给出了传统播种与小区路径对齐模型偏差小区统计：
表2
可见，由于北斗本身的定位误差为3cm，因此偏差小于3cm以内的误差，可以对其进行忽略。由统计结果可以发现，传统播种机出现实际偏差的小区数量相对较多，达到61.5％，且超过5cm以上的较大偏差小区，达到了38％，这对于实际育种来说，会有比较明显的影响。对比而言，基于北斗的小区路径规划的播种机，出现实际偏差的小区数量明显减少，只有7％，且超过5cm以上的较大偏差小区，只有1％。通过路径规划进行育种，对于小区的路径对齐，有较为显著的效果。
可见，本发明的基于北斗卫星定位的小区播种路径对齐的算法，采用接收到的10Hz北斗卫星定位信息，来计算得到相对坐标系下的坐标位置，通过坐标位置，来实现对于路径的精准规划，经实验验证，相较于传统播种方式，播种精准度提高了54.5％。通过引入卡尔曼滤波算法，大幅度修正了基础路径的精准度，并且随基础路径长度的增加，修正幅度呈阶梯式增加，确保了小区播种的基准线的准确。经过实验验证，本发明的小区播种路径对齐的算法，对于小区播种的路径对齐，有着显著的规划作用，并且适用于各类作物的小区播种。

Claims (3)

1.一种基于北斗卫星定位的小区播种路径对齐方法，其特征在于，通过以下步骤来实现：
a).规划基础路径，根据待播种农田的地头边和侧边的走向，确定出两条基础路径AB和AC，A点为第一行小区的播种起点，AB为第一行小区的播种路径，AB与农田的一侧边平行，AC为农田地头边的路径；
b).建立直角坐标系，以A点为坐标原点，地球上的纬线为X轴、经线为Y轴，建立直角坐标系A-XY；
c).求基础路径AB、AC斜率的最优值，首先在不播种的情况下，由驾驶人员驾驶播种机由A点沿农田的地头边行进，在行进的过程中周期性地获取播种机的北斗经纬度坐标，并将北斗经纬度坐标转化为直角坐标系A-XY内的坐标，设获取的坐标点数量为n1个，利用n1个坐标点求取基础路径AC斜率的最优值KAC；
然后在启动小区播种的情况下，由驾驶人员驾驶播种机由A点沿农田的侧边进行第一行小区播种作业，在行经的过程中周期性获取播种机的北斗经纬度坐标并将其转化为A-XY内的坐标，设获取的坐标点数量为n2个，利用n2个坐标点求取基础路径AB斜率的最优值KAB；
d).第二、三行小区播种；
第二行播种：在第一行小区播种完毕后，按照S形的播种路线，由驾驶人员将播种机驾驶至第二行小区播种起点的前端，并将行间距调整至合理宽度，设播种机在第二行的停止点为D*，第二行的播种起点为D、播种终止点为E；
根据公式(1)和公式(2)，获取直线AB、直线AC在直角坐标系A-XY中的直线方程：
yAB＝KABx (1)
yAC＝KACx (2)
然后，获取播种机静止点为D*的北斗经纬度坐标，并将其转化为坐标系A-XY中的坐标，设转化后的D*坐标为为了实现小区播种中各行之间的对齐，需要使第二行播种路径D*E与第一行的播种路径AB平行，即直线D*E的斜率为KAB；
由直线D*E斜率为KAB、点D*的坐标为可得直线D*E的方程式为：
联立直线D*E的直线方程与直线AC的直线方程：
可以得到第二行小区播种终点的坐标E(XE,YE)为：
在求得E点坐标的情况下，即可计算播种机第二行停止点D*与第二行小区播种起点D之间的距离dis(D*D)，当dis(D*D)＝0时即开始第二行小区播种，在播种过程中控制播种机按照斜率KAB的方向行进，并通过计算播种机当前点与D点之间的距离来选择播种或停止播种，以形成播种小区和小区间隔的间隔分布；
第三行播种：在第二行小区播种完毕后，按照S形的播种路线，由驾驶人员将播种机驾驶至第三行小区播种起点的前端，并将行间距调整至合理宽度，设播种机在第三行的停止点为F*，第二行的播种起点为F；按照与第二行播种终点相同的计算方法即可获取第三行小区播种起点F的坐标，在求得F点坐标的情况下，即可计算播种机第三行起始点F*与第三行小区播种起点F之间的距离dis(F*F)，当dis(F*F)＝0时即开始第三行小区播种，在播种过程中控制播种机按照斜率KAB的方向行进，并通过计算播种机当前点与F点之间的距离来选择播种或停止播种，以形成播种小区和小区间隔的间隔分布；
e).后续小区播种，在后续播种过程中，偶数行按照与第二行小区播种相同的方法、奇数行按照与第三行小区播种相同的方法进行播种，直至农田播种完毕。
2.根据权利要求1所述的基于北斗卫星定位的小区播种路径对齐方法，其特征在于，步骤c)中所述的基础路径AB、AC斜率的最优值计算方法如下：
c-1).获取当前点坐标，在播种机沿AB或AC路径进行小区播种的过程中，根据北斗卫星信号的接收频率，每接收到一帧北斗信号，就会计算当前点P的经纬度坐标，设为(LatP,LonP)；
设A点的经纬度坐标为(LatA,LonA),则P点在X轴上投影点的坐标为(LatP,LonA),则P在X轴上的投影点与A点的纬度差为0，经度差diffLat为：
diffLat＝LatA-LatP (6)
根据地球表面任意两点的经纬度的距离计算公式：
式中，L1为A、P两点在X轴上的投影点之间的距离；R为地球平均半径；
可以求得P点在坐标系A-XY中的横坐标XP，XP＝L1；
同样地，P点在Y轴上投影点的坐标为(LatA,LonP),则P在Y轴上投影点与A的经度差为0，纬度差diffLon为
diffLon＝LonA-LonP (8)
根据地球表面任意两点的经纬度的距离计算公式：
式中，L2为A、P两点在Y轴上的投影点之间的距离；R为地球平均半径；
可以求得P点在坐标系A-XY中的纵坐标YP，YP＝L2；
这样，就将当前点P的经纬度坐标(LatP,LonP)转化为坐标系A-XY中的坐标(XP,YP)；
c-2).当前点斜率计算，在坐标系A-XY中，每获取一次当前点P的坐标(XP,YP)，就计算同时过P点和A点直线的斜率K：
然后将其发送至卡尔曼滤波模型，执行步骤c-3)；
c-3).卡尔曼滤波模型的建立，离散线性系统的卡尔曼滤波模型由状态方程、节点观测方程、状态一步预测值以及更新方程组成，具体如下：
状态方程：
X(k)＝AX(k-1)+BU(k)+W(k) (11)
式中，X(k)为k时刻的系统状态，X(k-1)为k-1时刻的系统状态，U(k)为k时刻对系统的控制量，A、B为系统参数，W(k)为过程噪声；
节点观测方程：
Z(k)＝HX(k)+V(k) (12)
式中，Z(k)为k时刻的测量值，H为测量系统的参数，V(k)为测量噪声；
首先利用系统的过程模型来预测系统下一状态，设在k时刻的系统状态为x(k),则可以根据系统模型，由上一状态预测出现在状态，由于我们认为播种机行走的过程是稳定准确的，因此系数A为1；本系统没有控制量，因此系数B为0：
X(k|k-1)＝X(k-1|k-1) (13)
式中，X(k|k-1)为k-1时刻的状态对k时刻状态的预测，X(k-1|k-1)为k-1时刻的最优斜率值；
此时系统的状态已经更新，现在需要更新系统的误差估计协方差矩阵：
P(k|k-1)＝P(k-1|k-1)+Q (14)
式中，P(k|k-1)为在k时刻由k-1时刻状态对此状态的预测，P(k-1|k-1)为k-1时刻的最优斜率值对应的误差估计协方差矩阵，Q为系统过程噪声的协方差；
通过得到预测结果P(k|k-1)，根据得到的现在状态的测量值进行修正，得到最优的估计量：
X(k|k)＝X(k|k-1)+Kg(k)*(Z(k)-HX(k|k-1)) (15)
式中，X(k|k)为k时刻的最优斜率值，Kg(k)为卡尔曼增益；
此时，得出的k时刻的最优斜率值,为了让卡尔曼滤波器不断地进行下去，我们需要更新k时刻的最优斜率值对应的k时刻的最优斜率值对应的误差估计协方差矩阵：
P(k|k)＝(I-Kg(k)*H)*P(k|k-1) (17)
式中，P(k|k)为k时刻的最优斜率值对应的误差估计协方差矩阵，I为单位矩阵；
当系统进入k+1时刻时，P(k|k)扮演的角色就是式中P(k-1|k-1)；如此，卡尔曼滤波根据上述的式子，就可以不断迭代下去，得到最终最优斜率值KAB和KAC。
3.根据权利要求1或2所述的基于北斗卫星定位的小区播种路径对齐方法，其特征在于，步骤d)中，在第二行小区播种作业时，根据公式(18)计算D*到D的距离dis(D*D)：
dis(D*D)＝[dis(ED*)+dis(JG)]％[dis(XQ)+dis(JG)] (18)
式中：dis(D*D)为D*点到D点的距离，dis(ED*)为D*点到E点的距离，dis(JG)为小区间隔的长度，dis(XQ)为小区的长度，％为取余运算；当dis(D*D)＝0时即开始第二行小区播种，这样可找到第二样与第一行末尾小区严格对其的起始点D；
在第三行小区播种作业时，根据公式(19)计算F*到F的距离dis(F*F)：
dis(F*F)＝[dis(GF*)+dis(JG)]％[dis(XQ)+dis(JG)] (19)
式中：dis(F*F)为F*点到F点的距离，dis(GF*)为F*点到G点的距离，dis(JG)为小区间隔的长度，dis(XQ)为小区的长度，当dis(F*F)＝0时即开始第二行小区播种，这样可找到第三样与第二行末尾小区严格对其的起始点F。
CN201811252846.9A 2018-10-25 2018-10-25 基于北斗卫星定位的小区播种路径对齐方法 Active CN109220089B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811252846.9A CN109220089B (zh) 2018-10-25 2018-10-25 基于北斗卫星定位的小区播种路径对齐方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811252846.9A CN109220089B (zh) 2018-10-25 2018-10-25 基于北斗卫星定位的小区播种路径对齐方法

Publications (2)

Publication Number Publication Date
CN109220089A true CN109220089A (zh) 2019-01-18
CN109220089B CN109220089B (zh) 2021-09-03

Family

ID=65082224

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811252846.9A Active CN109220089B (zh) 2018-10-25 2018-10-25 基于北斗卫星定位的小区播种路径对齐方法

Country Status (1)

Country Link
CN (1) CN109220089B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109828575A (zh) * 2019-02-22 2019-05-31 山东省计算中心（国家超级计算济南中心） 一种有效提高农机作业效率的路径规划方法
CN113349038A (zh) * 2021-06-30 2021-09-07 广州极飞科技股份有限公司 一种灌溉作业控制方法、装置、存储介质及灌溉设备
CN113645611A (zh) * 2021-10-18 2021-11-12 中通服建设有限公司 三元约束5g pci规划方法、装置及存储介质
CN115755914A (zh) * 2022-11-24 2023-03-07 七海行(深圳)科技有限公司 农业机器人运行轨迹的确定方法、装置及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE502007004118D1 (de) * 2006-12-13 2010-07-29 Amazonen Werke Dreyer H Vorrichtung zum optischen Zählen kleiner Körperchen
US20110184551A1 (en) * 2010-01-26 2011-07-28 Cnh Canada, Ltd. Row unit bounce monitoring system
CN103703894A (zh) * 2013-12-17 2014-04-09 安徽农业大学 一种基于gps的播种机漏播判定装置及其判定方法
CN108759828A (zh) * 2018-03-23 2018-11-06 江苏大学 一种无人驾驶插秧机路径规划方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE502007004118D1 (de) * 2006-12-13 2010-07-29 Amazonen Werke Dreyer H Vorrichtung zum optischen Zählen kleiner Körperchen
US20110184551A1 (en) * 2010-01-26 2011-07-28 Cnh Canada, Ltd. Row unit bounce monitoring system
CN103703894A (zh) * 2013-12-17 2014-04-09 安徽农业大学 一种基于gps的播种机漏播判定装置及其判定方法
CN108759828A (zh) * 2018-03-23 2018-11-06 江苏大学 一种无人驾驶插秧机路径规划方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109828575A (zh) * 2019-02-22 2019-05-31 山东省计算中心（国家超级计算济南中心） 一种有效提高农机作业效率的路径规划方法
CN113349038A (zh) * 2021-06-30 2021-09-07 广州极飞科技股份有限公司 一种灌溉作业控制方法、装置、存储介质及灌溉设备
CN113645611A (zh) * 2021-10-18 2021-11-12 中通服建设有限公司 三元约束5g pci规划方法、装置及存储介质
CN115755914A (zh) * 2022-11-24 2023-03-07 七海行(深圳)科技有限公司 农业机器人运行轨迹的确定方法、装置及系统

Also Published As

Publication number Publication date
CN109220089B (zh) 2021-09-03

Similar Documents

Publication Publication Date Title
CN109220089A (zh) 基于北斗卫星定位的小区播种路径对齐方法
CN106359005B (zh) 一种间作农田的自动灌溉装置及自动灌溉方法
US9131642B2 (en) Method and system to control irrigation across large geographic areas using remote sensing, weather and field level data
CN105425319B (zh) 基于地面测量数据校正的降雨卫星暴雨同化方法
CN111339711B (zh) 一种小流域设计洪水推求方法
CN108811651A (zh) 一种测土配方施肥的方法
Zheng et al. Impacts of land use change and climate variations on annual inflow into the Miyun Reservoir, Beijing, China
CN108370699A (zh) 一种测土配方施肥的方法
CN103853898B (zh) 一种农田土地平整任意坡度基准面设计方法
Al-Kufaishi et al. The feasibility of using variable rate water application under a central pivot irrigation system
Bircher et al. Comparison of long-term field-measured and RUSLE-based modelled soil loss in Switzerland
CN104297450B (zh) 实时灌溉监测点位置的确定方法
Zhao et al. Validation and Calibration of HRLDAS Soil Moisture Products in Nebraska
Yao et al. Evaluation of sub-meter and 2 to 5 meter accuracy GPS receivers to develop digital elevation models
Premanand et al. QSWAT model calibration and uncertainty analysis for stream flow simulation in the Patapur micro-watershed using sequential uncertainty fitting method (SUFI-2)
Morgan et al. Effect of shallow subsurface flow pathway networks on corn yield spatial variation under different weather and nutrient management
Li et al. Crop yield and water use efficiency as affected by different soil-based management methods for variable-rate irrigation in a semi-humid climate
CN103294923B (zh) 水稻田非点源污染流出负荷的观测方法及系统
CN105844366A (zh) 一种区域尺度种植业面源氮损失量统计方法
Laghari et al. Perceptive research on wheat evapotranspiration in Pakistan
Lieskovský Computation of anti-erosion effects of vineyards based on field erosion measurements–case study from the Vráble viticultural district (Slovakia)
Miodragović et al. Water distribution uniformity of the traveling rain gun
CN116681332B (zh) 一种基于海拔数据实施水田垦造的工作方法
McCarthy et al. Real-time data requirements for model-based adaptive control of irrigation scheduling in cotton
Liu et al. Spatial and temporal dynamics of soil moisture after rainfall events along a slope in Regosols of southwest China

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant