CN109634276B - 农用车辆无人驾驶控制方法、系统及该农用车辆 - Google Patents
农用车辆无人驾驶控制方法、系统及该农用车辆 Download PDFInfo
- Publication number
- CN109634276B CN109634276B CN201811525905.5A CN201811525905A CN109634276B CN 109634276 B CN109634276 B CN 109634276B CN 201811525905 A CN201811525905 A CN 201811525905A CN 109634276 B CN109634276 B CN 109634276B
- Authority
- CN
- China
- Prior art keywords
- sub
- block
- vehicle
- data
- obstacle
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000013439 planning Methods 0.000 claims abstract description 59
- 230000000903 blocking effect Effects 0.000 claims description 43
- 238000012545 processing Methods 0.000 claims description 22
- 230000004888 barrier function Effects 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 9
- 238000013500 data storage Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 abstract description 16
- 230000009286 beneficial effect Effects 0.000 abstract description 5
- 238000013461 design Methods 0.000 abstract description 5
- 230000000875 corresponding effect Effects 0.000 description 37
- 230000008569 process Effects 0.000 description 25
- 238000005192 partition Methods 0.000 description 24
- 230000001276 controlling effect Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 6
- 238000011217 control strategy Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000001788 irregular Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 235000014443 Pyrus communis Nutrition 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 2
- 230000003321 amplification Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 230000007261 regionalization Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0217—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Guiding Agricultural Machines (AREA)
Abstract
本发明涉及农业机械自动化领域,公开了一种农用车辆无人驾驶控制方法、系统及农用车辆。所述农用车辆无人驾驶控制方法包括:获取通过定位系统采集的闭合农田地块边界数据和非连续作业数据,其中所述非连续作业数据包括障碍物定位数据和非作业区域定位数据中的一者或两者;获取车辆转向角数据;以及根据所述闭合农田地块边界数据、所述非连续作业数据和所述车辆转向角数据规划无人驾驶自动作业路径。本发明实施例采用定位技术与拖拉机自身获取转向角技术相结合的方式完成自动路径规划设计,并提供了关于障碍物及非作业区域的避障策略,是一种高效稳定且节省成本的有益方案。
Description
技术领域
本发明涉及农业机械自动化领域,具体地,涉及一种农用车辆无人驾驶控制方法、系统及农用车辆。
背景技术
随着我国2025战略的实施与推进,农业机械自动化及智能化水平不断提高,用户对农业机械的自动化程度提出了更高的要求。在农用车辆(以下以拖拉机为例)田间作业过程中,作业人员常根据经验和一些常识性规则进行田间作业路径设计,存在重耕、漏耕、多走路程等问题,影响作业生产效率。因此,针对农用车辆无人驾驶系统的自动作业路径规划及农具控制策略设计具有重大意义。
目前,以全球定位系统(Global Position System,GPS)为代表的全球导航卫星系统(GNSS)技术应用逐渐满足农业生产对于静态定位或者动态定位的精度要求,它能够在作业前采集作业区域的地理信息,对作业路径进行合理规划;在作业过程中,控制拖拉机转向、加减速、制动等动作;而在完成田间作业后,对作业过程和作业效果进行评估以积累田间作业的经验。因此,现有技术提出了一种基于GPS技术的农田地块全区域覆盖最优作业路径生成方法,其通过GPS定位模块实时提供拖拉机当前作业位置,针对给定形状的作业地块,按照自动驾驶拖拉机的机械类型和作业要求,支持选择半圆形、梨形和鱼尾形等多种的转弯模式,支持设置转弯最少、转弯作业消耗最小、作业路径最短、有效作业路径比最大等多种的路径优化目标,并根据设置的不同转弯模式和路径优化目标计算和生成农田地块全区域覆盖的最优作业路径,再使导航模块根据最优作业路径实现拖拉机机组的自动驾驶。但是,这种方法至少存在以下几个方面的缺陷:
1、GPS技术应用于农业生产中的自动作业,虽能实现较高精度的静态定位或者动态定位,但单一的GPS系统难以实现多作业行的全自动化作业,受拖拉机转向过程中车身角度的多变性的局限,无法实现真正的无人驾驶。
2、传统的半圆形、梨形和鱼尾形等多种的转向模式虽然能实现全区域覆盖作业,但多用于传统相邻作业行间顺序转向策略。相比于灵活多变的不等数隔行转向策略,这些转向模式的作业耗时相对较大,且每次转向所需经过的路径相对较长。同时,多种转向模式不利于作业过程中的自动控制,给实现地头转弯自动控制带来困难。
3、通常采用的相邻作业行间顺序首尾调头转向策略,对于规则的作业区域较为适用。而对于不规则的作业区域,存在较多的转向点及不同的转向角度,传统的首尾调头转向策略通常无法在某些极大或极小转向边界实现相邻作业行间顺序首尾调头。
4、该作业路径规划策略尚未考虑作业区域中存在的障碍物或非连续的不可作业区域等阻隔物,对于复杂的作业环境无法实现自动路径规划,对于实现无人驾驶带来极大挑战。
因此,需要新的农用车辆无人驾驶技术方案。
发明内容
本发明实施例的目的是提供一种农用车辆无人驾驶控制方法、系统及农用车辆,用于至少部分地解决上述技术问题。
为了实现上述目的,本发明实施例提供一种农用车辆无人驾驶控制方法,包括:获取通过定位系统采集的闭合农田地块边界数据和非连续作业数据,其中所述非连续作业数据包括障碍物定位数据和非作业区域定位数据中的一者或两者;获取车辆转向角数据;以及根据所述闭合农田地块边界数据、所述非连续作业数据和所述车辆转向角数据规划无人驾驶自动作业路径。
优选地,所述闭合农田地块边界数据包括闭合农田地块边界的转向点位置坐标;所述障碍物定位数据包括障碍物对角位置坐标;以及所述非作业区域定位数据包括非作业区域轮廓位置坐标。
优选地,所述根据所述闭合农田地块边界数据、所述非连续作业数据和所述车辆转向角数据规划无人驾驶自动作业路径包括:1)根据所述转向点位置坐标确定子分块和子分块跨度;2)执行以下一者或两者:判断所述障碍物对角位置坐标所属的子分块,确定所述障碍物对角位置坐标中横坐标最小的一者所属子分块的左区间作为横向极小坐标,确定该障碍物的横向阻隔跨度为能满足所述障碍物对角位置坐标的实际跨度要求的最小偶数倍跨度;和判断预选的非作业区域轮廓位置坐标所属的子分块,确定子分块序数最小的点对应的子分块的左区间作为横向极小坐标,确定该非作业区域的横向阻隔跨度为能满足子分块序数最小及最大的点的实际跨度要求的最小偶数倍跨度;以及3)根据所述子分块和所述子分块跨度、所述障碍物和/或所述非作业区域对应的横向极小坐标和横向阻隔跨度、以及所述车辆转向角数据,规划无人驾驶自动作业路径。
优选地,所述规划无人驾驶自动作业路径包括:在子分块作业行中不存在障碍物和/或非作业区域时,根据子分块跨度的奇偶性,控制所述农用车辆按不同的地头首尾两端转向角进行转向,其中转向行驶距离为与不同子分块跨度奇偶性相对应的间隔长度;以及在子分块作业行中存在障碍物和/或非作业区域时,将障碍物或非作业区域边界等同于子分块地头边界,将转向角固定为90°,将子分块序数最小及最大的分区对应最小偶数倍区间跨度作为横向阻隔跨度,再根据所述横向阻隔跨度的奇偶性,控制所述农用车辆按不同的地头首尾两端转向角进行转向,其中转向行驶距离为与不同横向阻隔跨度奇偶性相对应的间隔长度。
优选地,所述农用车辆无人驾驶控制方法还包括:在规划无人驾驶自动作业路径之后,根据预设的农用车辆到达地头、障碍物或非作业区域前的安全距离,控制各子分块的农具提升及下降纵向位置其中,所述控制各子分块的农具提升及下降纵向位置包括以下一者或两者:对于无障碍物或非作业区域的子分块作业行,农具提升纵向位置为地头边界点纵坐标与所述安全距离之差,农具下降纵向位置为农用车辆在完成转向进入下一子分块且车身与该子分块作业行平行时的位置;和/或对于有障碍物或非作业区域的子分块作业行,农具提升纵向位置为障碍物纵坐标或非作业区域纵坐标与所述安全距离之差,农具下降纵向位置为农用车辆在完成转向进入下一子分块且车身与该子分块作业行平行时的位置。
优选地,所述农用车辆无人驾驶控制方法还包括以下任意一者或多者:比较所述转向传感器采集的所述车辆转向角数据和所规划的无人驾驶自动作业路径的转向点角度极大值,在两者一致时,判定转向完成;比较实时车辆位置与所规划的无人驾驶自动作业路径的偏差值,若该偏差值超过预设的偏差阈值,则对农用车辆进行偏差补偿;实时存储所述闭合农田地块边界数据、所述障碍物定位数据、所述非作业区域定位数据和所述车辆转向角数据;以及显示所述闭合农田地块边界数据、所述障碍物定位数据、所述非作业区域定位数据、所述车辆转向角数据以及所规划的无人驾驶自动作业路径。
本发明实施例还提供一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令用于使得机器上述的农用车辆无人驾驶控制方法。
本发明实施例还提供一种农用车辆无人驾驶控制系统,包括:导航功能模块,其包括定位系统,用于采集闭合农田地块边界数据和非连续作业数据,其中所述非连续作业数据包括障碍物定位数据和非作业区域定位数据中的一者或两者;转向角获取模块,用于获取车辆转向角数据;以及路径规划模块,与所述导航功能模块及所述转向角获取模块通信,用于根据所述闭合农田地块边界数据、所述非连续作业数据和所述车辆转向角数据规划无人驾驶自动作业路径。
优选地,所述闭合农田地块边界数据包括闭合农田地块边界的转向点位置坐标;所述障碍物定位数据包括障碍物对角位置坐标;以及所述非作业区域定位数据包括非作业区域轮廓位置坐标。
优选地,所述路径规划模块包括:子分块确定子模块,用于根据所述转向点位置坐标确定子分块和子分块跨度;分块处理子模块,用于执行以下一者或两者:判断所述障碍物对角位置坐标所属的子分块,确定所述障碍物对角位置坐标中横坐标最小的一者所属子分块的左区间作为横向极小坐标,确定该障碍物的横向阻隔跨度为能满足所述障碍物对角位置坐标的实际跨度要求的最小偶数倍跨度;判断预选的非作业区域轮廓位置坐标所属的子分块,确定子分块序数最小的点对应的子分块的左区间作为横向极小坐标,确定该非作业区域的横向阻隔跨度为能满足子分块序数最小及最大的点的实际跨度要求的最小偶数倍跨度;路径规划处理子模块,与所述子分块确定子模块和所述分块处理子模块通信,用于根据所述子分块和所述子分块跨度、所述障碍物和/或所述非作业区域对应的横向极小坐标和横向阻隔跨度,以及所述车辆转向角数据,规划无人驾驶自动作业路径。
优选地,所述路径规划处理子模块用于规划无人驾驶自动作业路径包括:在子分块作业行中不存在障碍物和/或非作业区域时,根据子分块跨度的奇偶性,控制所述农用车辆按不同的地头首尾两端转向角进行转向,其中转向行驶距离为与不同子分块跨度奇偶性相对应的间隔长度;以及在子分块作业行中存在障碍物和/或非作业区域时,将障碍物或非作业区域边界等同于子分块地头边界,将转向角固定为90°,将子分块序数最小及最大的分区对应最小偶数倍区间跨度作为横向阻隔跨度,再根据所述横向阻隔跨度的奇偶性,控制所述农用车辆按不同的地头首尾两端转向角进行转向,其中转向行驶距离为与不同横向阻隔跨度奇偶性相对应的间隔长度。
优选地,所述农用车辆无人驾驶控制系统还包括:整车控制模块,用于在规划无人驾驶自动作业路径之后,根据预设的农用车辆到达地头、障碍物或非作业区域前的安全距离,控制各子分块的农具提升及下降纵向位置;其中,整车控制模块用于控制各子分块的农具提升及下降纵向位置包括:对于无障碍物或非作业区域的子分块作业行,农具提升纵向位置为地头边界点纵坐标与所述安全距离之差,农具下降纵向位置为农用车辆在完成转向进入下一子分块且车身与该子分块作业行平行时的位置;和/或对于有障碍物或非作业区域的子分块作业行,农具提升纵向位置为障碍物纵坐标或非作业区域纵坐标与所述安全距离之差,农具下降纵向位置为农用车辆在完成转向进入下一子分块且车身与该子分块作业行平行时的位置。
优选地,所述农用车辆无人驾驶控制系统还包括以下任意一者或多者:角度反馈模块,用于比较所述转向传感器采集的所述车辆转向角数据和所规划的无人驾驶自动作业路径的转向点角度极大值,在两者一致时,判定转向完成;轨迹纠偏模块,用于比较实时车辆位置与所规划的无人驾驶自动作业路径的偏差值,若该偏差值超过预设的偏差阈值,则对农用车辆进行偏差补偿;数据存储模块,用于实时存储闭合农田地块边界数据、所述障碍物定位数据、所述非作业区域定位数据和所述车辆转向角数据;以及状态显示模块,用于显示所述闭合农田地块边界数据、所述障碍物定位数据、所述非作业区域定位数据、所述车辆转向角数据以及所规划的无人驾驶自动作业路径。
本发明实施例还提供一种农用车辆,所述农用车辆包括上述的农用车辆无人驾驶控制系统。
通过上述技术方案,本发明实施例具有以下技术效果:本发明实施例采用定位技术与转向角获取技术相结合的方式完成自动路径规划设计,既发挥了GPS等定位系统的高精度高可靠性,又灵活引入了车辆获取转向角的技术优势,并且本发明实施例提供了关于障碍物及非作业区域的避障策略,有效解决了无人驾驶过程中的自动路径规划难点,是一种高效稳定且节省成本的有益方案。
本发明的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明,但并不构成对本发明的限制。在附图中:
图1是本发明实施例的农用车辆无人驾驶控制方法的流程示意图;
图2是优选的实施例中获取转向点位置坐标方法的流程示意图;
图3是本发明优选实施例中规划无人驾驶自动作业路径的方法流程示意图;
图4是本发明另一实施例的一种农用车辆无人驾驶控制系统的结构示意图;
图5是本发明优选实施例中的路径规划模块的结构示意图;
图6是本发明实施例的示例中的闭合农田地块边界多边形化的示意图;
图7是本发明实施例的示例的障碍物或非作业区域坐标标定的示意图;
图8是本发明实施例的示例的闭合农田等距总分块策略示意图;
图9是本发明实施例的示例中的子分块及障碍物转向策略示意图;以及
图10是本发明实施例的示例的农具提升及下降纵向位置坐标示意图。
附图标记说明
1、导航功能模块;2、转向角获取模块;3、路径规划模块;4、整车控制模块;5、输出执行模块;6、角度反馈模块;7、轨迹纠偏模块;8、数据存储模块;9、状态显示模块;
301、子分块确定子模块;302、障碍物分块处理子模块;303、非作业区域分块处理子模块;304、路径规划处理子模块。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明,并不用于限制本发明。
图1是本发明实施例的农用车辆无人驾驶控制方法的流程示意图,其中所述农用车辆包括但不限于拖拉机,且为了便于描述,下文以拖拉机为例。另外,在此的无人驾驶与拖拉机等农业机械领域“自动耕作”类同,是一种具体的自动化作业模式,在该自动化作业模式中,需要完成闭合农田地块边界转向点坐标标定、闭合农田地块等距总分块及子分块策略制定、闭合农田直行及转向路径规划、农具提升控制策略等。其中,对于一指定的闭合农田地块作业区域,其外围边界具有闭合性和多样性,且通常情况下,该作业区域的边界由不规则的多段曲线组成。
如图1所示,本发明实施例的农用车辆无人驾驶控制方法可以包括以下步骤:
步骤S100,获取通过定位系统采集的闭合农田地块边界数据和非连续作业数据。
其中所述非连续作业数据包括障碍物定位数据和非作业区域定位数据中的一者或两者。
步骤S200,获取车辆转向角数据。
步骤S300,根据所述闭合农田地块边界数据、所述非连续作业数据和所述车辆转向角数据规划无人驾驶自动作业路径。
在步骤S100中,定位系统安装在农用车辆上,可采用卫星导航系统,优选为GPS,下文将主要以GPS为例。
进一步地,对于步骤S100,所述闭合农田地块边界数据可以包括闭合农田地块边界的转向点位置坐标。图2是优选的实施例中获取转向点位置坐标方法的流程示意图。如图2所示,可以包括以下步骤:
步骤S110,采集闭合农田地块边界曲线轮廓位置坐标。
通常情况下,待作业闭合农田地块边界为不规则多段曲线。机手首次操控拖拉机顺时针绕行待作业地块曲线边界一周,绕行过程中打开GPS。拖拉机绕行过程中,拖拉机左车轮紧贴待作业地块边界,且绕行车速保持较低匀速。同时,每行驶适当距离,GPS定位系统采集当前车辆位置坐标Zn(xZn,yZn),并发送至车辆定位数据闪存卡中进行存储。其中,行驶的适当距离的判选原则在于:地块边界曲线曲率越大,该距离应尽可能小,即增大实时车辆位置坐标的采样频率,反之亦然。
步骤S120,区域边界直线多边形化及转向点位置坐标选定。
为了实现拖拉机无人驾驶,需要对待作业闭合农田地块边界曲线离散点多边形化,在尽可能贴近原始边界的原则下将多段曲线折线化,形成闭合多边形。具体地,建立直角坐标系,将上述车辆定位数据闪存卡中存储的边界曲线离散点绘制于直角坐标系中,拟合各离散点形成闭合多段线段,并确保其中至少有一组平行直线,取其中一条线段,将其任一端点作为初始位置点,定义为A0(xA0,yA0)。闭合多边形的顶点即为转向点,将顺时针方向第m个转向点位置坐标定义为Am(xAm,yAm)。
进一步地,对于步骤S100,所述障碍物定位数据可以包括障碍物对角位置坐标,所述非作业区域定位数据可以包括非作业区域轮廓位置坐标。本发明实施例将待作业闭合农田地块范围内存在的随机性分布的砂石、树木等小面积遮挡物定义为障碍物,将田埂、水沟、草地等大面积隔断物定义为非作业区域,拖拉机作业过程中需要避开或绕过这些障碍物及非作业区域。为了实现拖拉机无人驾驶,同样需要采集这些障碍物及非作业区域的定位数据,特别是障碍物对角位置坐标和非作业区域轮廓位置坐标。对于障碍物,机手仅需操控拖拉机采集2个该障碍物的对角位置坐标,记为Bi(xBi,yBi);而对于非作业区域,机手需操控拖拉机绕行该非作业区域一周,并均匀等距记录适当数量的轮廓坐标信息,记为Cj(xCj,yCj)。车辆定位数据闪存卡将记录闭合农田地块范围内所有障碍物的对角位置坐标Bi(xBi,yBi),以及所有非作业区域的轮廓坐标Cj(xCj,yCj)。
在步骤S200中,可通过对GPS采集的数据进行坐标计算来获得车辆转向角数据,也可通过在车辆上配置转向传感器以采集车辆转向角数据,下文将主要以转向传感器采集方式为例。
进一步地,对于步骤S200,转向传感器采集的车辆转向角数据是累计形式的,且转向传感器与GPS相结合,有利于应对拖拉机转向过程中车身角度的多变性以及作业路径规划的复杂性带来的极大挑战。
在步骤S300中,障碍物定位数据和非作业区域定位数据可只存在一者或两者都存在,本领域技术人员可根据闭合农田地块的实际情况进行选择,本发明实施例并不对此进行限制。
进一步地,对于步骤S300,图3是本发明优选实施例中规划无人驾驶自动作业路径的方法流程示意图。如图3所示,步骤S300可通过以下步骤实现:
步骤S310,根据所述转向点位置坐标确定子分块和子分块跨度。
进一步地,该步骤S310可以包括步骤S311-步骤S313(图3中未示出)。
步骤S311,根据转向点位置坐标计算边界各转向点的角度极大值。
其中,转向点处两条相邻直线形成的夹角(通常为锐角)为该转向点对应的角度极大值,其是拖拉机无人驾驶时,在该直线地块边界转向时允许的最大转向角。
具体地,从车辆定位数据闪存卡中读取各个转向点位置坐标Am(xAm,yAm),可计算出待作业闭合地块相邻直线间的夹角角度,由此确定转向点的角度极大值。另外,还可根据各转向点位置坐标计算出多边形地块边界任一线段的长度。
步骤S312,计算地块横向跨度xmax,根据农具幅宽计算等宽总分块数。
具体地,从车辆定位数据闪存卡中读取各个转向点Am的横坐标xAm,根据上述离散点拟合时至少有一组平行线段的原则,则选定的一对平行线段之间的距离即为地块横向跨度xmax。定义农具幅宽d,为保证无人驾驶过程中避免重耕、漏耕、多走路程等问题,闭合农田等宽总分块数应为N=xmax/d-1。
步骤S313,区间化计算直行作业分块,归类各转向点所属区间。
具体地,以第一个转向点A1横坐标xA1为横向坐标起始值,农具幅宽d为增幅建立作业子分块横向分区集合Xj[xA1+jd,xA1+(j+1)d]。依次判别各转向点横坐标xi所属区间,由此可知各转向点对应的子分块序数j。将子分块序数从小到大排列,计算相邻子分块序数j间隔差值,即为子分块跨度。若存在子分块跨度为0,则对应两转向点视为首尾等同点,由此可确定子分块序数p及子分块跨度数q,各子分块记为Bpq,将总分块数N、子分块Bpq等参数后续用于进行路径规划。需强调说明的是,子分块是基于总分块数确定之后,根据农具幅宽而分析出所有转向点横坐标的所属区间,进而划分的各个作业小分块,同一子分块内的首尾两端分别保持同一转向角度,各子分块序数根据转向点所属区间而划分,各子分块跨度的总和等于总分块数。
步骤S320,根据所述障碍物对角位置坐标确定该障碍物的横向极小坐标和横向阻隔跨度。
具体地,判断所述障碍物对角位置坐标B1和B2所属的子分块,确定B1和B2中横坐标最小的一者所属子分块的左区间作为横向极小坐标,确定该障碍物的横向阻隔跨度为能满足B1和B2的实际跨度要求的最小偶数倍跨度。更为具体地,读取采集的2个障碍物的对角位置坐标B1(xB1,yB1)、B2(xB2,yB2),判定B1、B2所属的作业子分块横向区间,假定xB1<xB2,则取B1所属分区的左区间作为横向极小坐标,取B1、B2对应最小偶数倍区间跨度作为该障碍物的横向阻隔跨度。
步骤S330,根据非作业区域轮廓位置坐标确定该非作业区域的横向极小坐标和横向阻隔跨度。
具体地,判断预选的非作业区域轮廓位置坐标所属的子分块,确定子分块序数最小的点对应的子分块的左区间作为横向极小坐标,确定该非作业区域的横向阻隔跨度为能满足子分块序数最小及最大的点的实际跨度要求的最小偶数倍跨度。更为具体地,对于非作业区域,读取采集的均匀等距记录的轮廓坐标信息Cj(xCj,yCj),类似于障碍物的处理,依次判定Cj所属作业子分块横向分区,取子分块序数最小对应的分区的左区间作为横向极小坐标,取子分块序数最小及最大的分区对应最小偶数倍区间跨度作为该非作业区域的横向阻隔跨度。由此可知,本发明实施例对障碍物和非作业区域进行了偶数边缘区间化处理,即在对闭合农田地块中存在的障碍物和非作业区域进行区域划分的过程中,通常根据其对角位置坐标或轮廓位置坐标的横坐标做所属区间判断,左区间为与比最小横坐标小且相邻的值,右区间为与比最大横坐标大且确保所跨越的子分块数为偶数的值。
可理解的是,根据闭合农田地块的实际情况,步骤S320和步骤S330可只执行其中一者或两者。
步骤S340,根据所述子分块和所述子分块跨度、所述障碍物和/或所述非作业区域对应的横向极小坐标和横向阻隔跨度,以及所述车辆转向角数据,规划无人驾驶自动作业路径。
具体地,在子分块作业行中不存在障碍物和/或非作业区域时,根据子分块跨度q的奇偶性,控制所述农用车辆按不同的地头首尾两端转向角进行转向,其中转向行驶距离为与不同子分块跨度奇偶性相对应的间隔长度;以及在子分块作业行中存在障碍物和/或非作业区域时,将障碍物或非作业区域边界等同于子分块地头边界,将转向角固定为90°,将子分块序数最小及最大的分区对应最小偶数倍区间跨度作为横向阻隔跨度,再根据所述横向阻隔跨度的奇偶性,控制所述农用车辆按不同的地头首尾两端转向角进行转向,其中转向行驶距离为与不同横向阻隔跨度奇偶性相对应的间隔长度。
其中,根据子分块跨度q的奇偶性,控制所述农用车辆按不同的地头首尾两端转向角进行转向又具体包括:当子分块跨度q为奇数时,该子分块地头边界调头转向时,农用车辆按该段转向角行驶间隔长度为(q+1)/2的地块,且该子分块地头对侧边界调头转向时,农用车辆按该段转向角行驶间隔长度为(q-1)/2的地块;当子分块跨度q为偶数时,该子分块地头边界调头转向时,农用车辆按该段转向角行驶间隔长度为q/2的地块,且该子分块地头对侧边界调头转向时,农用车辆按该段转向角行驶间隔长度为q/2-1的地块;进入下一子分块时,首尾两端转向方向与前一子方块相反,且在同一子分块内,首尾两端转向方向相同。可理解的是,在子分块作业行中存在障碍物和/或非作业区域时,采用与这里的子分块转向策略一致的转向策略,故不再赘述。
特殊地,当障碍物或非作业区域一侧所有作业子分块完成自动作业时,需绕行闭合农田地块边界并处于非作业状态,以防拖拉机在行驶至障碍物或非作业区域异侧作业子分块起始处破坏地头或重复作业。其中,拖拉机在自动作业过程中,进入下一子分块时由整车控制器发送异向转向指令。
继续参考图1,在更为优选的实施例中,所述农用车辆无人驾驶控制方法还包括:
步骤S400,在规划无人驾驶自动作业路径之后,根据预设的农用车辆到达地头、障碍物或非作业区域前的安全距离,控制各子分块的农具提升及下降纵向位置。
其中,安全距离是拖拉机在无人驾驶过程中,出于安全驾驶的考虑,在拖拉机到达地头或障碍物及非作业区域边界前需预留的一段距离,以确保拖拉机减速并切换农具状态,从而避免转向过程中破坏地头、无法避让障碍物、车身侧翻等问题。
具体地,根据拖拉机固有减速安全距离,确定上述各子分块农具提升及下降纵向位置。农具悬挂机构及转向液压阀组,分别用于在作业模式/转向模式下的农具状态切换及转向模式时的车辆自动转向控制。在子分块直行作业和子分块间转向再入轨两大过程的切换过程中,拖拉机通常需要完成农具提升或下降操作,确保安全作业。整车控制器在距离地头、障碍物或非作业区域一定安全距离位置时发送农具提升控制信号,在转向完成位置发送农具下降控制信号。对于无障碍物或非作业区域的子分块作业行,农具提升纵向位置即为地头边界点纵坐标与安全距离之差,农具下降纵向位置为农用车辆在完成转向进入下一子分块且车身与该子分块作业行平行时的位置;和/或对于有障碍物或非作业区域的子分块作业行,农具提升纵向位置为障碍物或非作业区域纵坐标与安全距离之差,农具下降纵向位置也为拖拉机在完成转向入轨下一子分块且车身与该子分块作业行平行时的位置。
本发明实施例的农用车辆无人驾驶控制方法还包括一些误差处理方案。例如,上述提及转向传感器所采集的车辆转向角数据是累计方式,从而可能会出现累计误差,易造成转向过程中车辆实际位置与自动路径规划中的横向或偏差,障碍物或非作业区域的存在亦会造成同种误差。对此,本发明实施例的所述农用车辆无人驾驶控制方法还可以包括:比较所述转向传感器采集的所述车辆转向角数据和所规划的无人驾驶自动作业路径的转向点角度极大值,在两者一致时,判定转向完成。即,实时地反馈采集的车辆转向角数据,并与计算的规划路径中的数据对比,以判断转向是否完成。进一步地,本发明实施例的所述农用车辆无人驾驶控制方法还可以包括:比较实时车辆位置与所规划的无人驾驶自动作业路径的偏差值,若该偏差值超过预设的偏差阈值,则对农用车辆进行偏差补偿。即,通过偏差阈值对车辆进行轨迹纠偏,直到闭合农田地块自动作业全部完成。
在更为优选的实施例中,所述农用车辆无人驾驶控制方法还包括:实时存储所述闭合农田地块边界数据、所述障碍物定位数据、所述非作业区域定位数据和所述车辆转向角数据。例如,通过上述的车辆定位数据闪存卡进行存储,以便在上述涉及的各步骤中进行调用。
在更为优选的实施例中,所述农用车辆无人驾驶控制方法还包括:显示所述闭合农田地块边界数据、所述障碍物定位数据、所述非作业区域定位数据、所述车辆转向角数据以及所规划的无人驾驶自动作业路径。例如,可通过农用车辆的行业显示屏进行显示。
综上,本发明实施例的农用车辆无人驾驶控制方法相对于现有技术,至少具有以下优点:
1)与现有技术的单一GPS定位导航技术不同,本发明实施例采用定位导航技术与拖拉机自身确定车辆转向角的技术(例如拖拉机自身传感技术)相结合的方式完成自动路径规划设计,从而不再局限于GPS导航系统在自动作业时实现转向的复杂性,既发挥了GPS导航系统的高精度高可靠性,又灵活引入了车辆自身传感技术优势,还提供了关于障碍物及非作业区域的避障策略,有效解决无人驾驶过程中的自动路径规划难点,是一种高效稳定且节省成本的有益方案。
2)本发明实施例引入实时纠偏反馈策略,有效减少因车辆转向传感器带来的累计误差。
3)本发明实施例采用子分块横向跨度自适应的转向策略实现最优转向距离及智能转向角度,与现有技术的半圆形、梨形和鱼尾形等多种的转向模式技术不同。具体地,本发明实施例中的转向角度并非固定的,在自动作业的过程中,拖拉机首次转向时转向角适应于闭合农田地块边界多边形所在直线或转向点的转向角度,二次入轨转回时转向角度为该转向点转向角度的补角,从而不同于现有技术的三种转向模式,且本发明实施例的策略转向时完全平行于农田地块边界,更加节省转向消耗时间,转向路径更短。另外,子分块转向间隔长度取决于各子分块数,奇偶模式下、首尾两端的转向间隔长度均不相同。在自动作业的过程中,智能化获取的转向间隔长度能节省更多的地头面积,且不存在错耕,重耕,漏耕的风险,作业质量和效率得到极大提高,同时为今后的机群作业提供一种新的可能模式。
4)本发明实施例提出了障碍物及非作业区域位置坐标偶数边缘区间化处理的控制策略,与现有技术的机器视觉避障策略不同,其主要区别在于本发明不需要加载额外的传感设备或控制系统,仅需依靠自身的GPS定位系统采集各障碍物的对角位置坐标或非作业区域的轮廓位置坐标,通过判定位置坐标集合所属作业子分块横向分区,取子分块序数最小对应的分区的左区间作为横向极小坐标,取子分块序数最小及最大的分区对应最小偶数倍区间跨度作为该非作业区域的横向阻隔跨度。相比于现有的经济成本高昂的机器视觉系统,本发明实施例的避障控制策略不受周边作业环境如光强、天气、农田地块表面颜色等影响,亦不需额外的机器视觉系统开发成本,是一种便捷高效且经济可靠的控制方案。
图4是本发明另一实施例的一种农用车辆无人驾驶控制系统的结构示意图,该农用车辆无人驾驶控制系统与上述实施例的农用车辆无人驾驶控制方法是基于相同的发明思路的。
如图4所示,本发明实施例的农用车辆无人驾驶控制系统包括:导航功能模块1,其包括定位系统,用于采集闭合农田地块边界数据和非连续作业数据,其中所述非连续作业数据包括障碍物定位数据和非作业区域定位数据中的一者或两者;转向角获取模块2,用于采集车辆转向角数据;以及路径规划模块3,与所述导航功能模块1及所述转向角获取模块2通信,用于根据所述闭合农田地块边界数据、所述非连续作业数据和所述车辆转向角数据规划无人驾驶自动作业路径。
其中,所述闭合农田地块边界数据包括闭合农田地块边界的转向点位置坐标;所述障碍物定位数据包括障碍物对角位置坐标;以及所述非作业区域定位数据包括非作业区域轮廓位置坐标。
在优选的实施例中,定位系统是GPS系统,且导航功能模块1还可以包括轨迹记录仪,用于记录所规划的无人驾驶自动作业路径;转向角获取模块2可包括设置在车辆上的转角传感器,也可根据需要包括其他传感器,例如车速传感器。
图5是本发明优选实施例中的路径规划模块3的结构示意图。如图5所示,所述路径规划模块3可以包括:
子分块确定子模块301,用于根据所述转向点位置坐标确定子分块和子分块跨度;
分块处理子模块302,用于执行以下一者或两者:判断所述障碍物对角位置坐标(上述的B1和B2)所属的子分块,确定所述障碍物对角位置坐标中横坐标最小的一者所属子分块的左区间作为横向极小坐标,确定该障碍物的横向阻隔跨度为能满足所述障碍物对角位置坐标的实际跨度要求的最小偶数倍跨度;判断预选的非作业区域轮廓位置坐标所属的子分块,确定子分块序数最小的点对应的子分块的左区间作为横向极小坐标,确定该非作业区域的横向阻隔跨度为能满足子分块序数最小及最大的点的实际跨度要求的最小偶数倍跨度;
路径规划处理子模块303,与所述子分块确定子模块301、所述分块处理子模块302通信,用于根据所述子分块和所述子分块跨度、所述障碍物和/或所述非作业区域对应的横向极小坐标和横向阻隔跨度,以及所述车辆转向角数据,规划无人驾驶自动作业路径。
优选地,所述路径规划处理子模块303用于规划无人驾驶自动作业路径包括:在子分块作业行中不存在障碍物和/或非作业区域时,根据子分块跨度的奇偶性,控制所述农用车辆按不同的地头首尾两端转向角进行转向,其中转向行驶距离为与不同子分块跨度奇偶性相对应的间隔长度;以及在子分块作业行中存在障碍物和/或非作业区域时,将障碍物或非作业区域边界等同于子分块地头边界,将转向角固定为90°,将子分块序数最小及最大的分区对应最小偶数倍区间跨度作为横向阻隔跨度,再根据所述横向阻隔跨度的奇偶性,控制所述农用车辆按不同的地头首尾两端转向角进行转向,其中转向行驶距离为与不同横向阻隔跨度奇偶性相对应的间隔长度。
可理解的是,根据路径规划模块3的各个子模块的功能,路径规划模块3可采用自动路径规划处理器进行配置。
再次参考图4,在优选的实施例中,所述农用车辆无人驾驶控制系统还可以包括:整车控制模块4,用于在规划无人驾驶自动作业路径之后,根据预设的农用车辆到达地头、障碍物或非作业区域前的安全距离,控制各子分块的农具提升及下降纵向位置。其中,对于无障碍物或非作业区域的子分块作业行,农具提升纵向位置为地头边界点纵坐标与所述安全距离之差,农具下降纵向位置为农用车辆在完成转向进入下一子分块且车身与该子分块作业行平行时的位置;和/或对于有障碍物或非作业区域的子分块作业行,农具提升纵向位置为障碍物纵坐标或非作业区域纵坐标与所述安全距离之差,农具下降纵向位置为农用车辆在完成转向进入下一子分块且车身与该子分块作业行平行时的位置。
可理解的是,该整车控制模块4可以采用车辆的整车控制器进行配置。对应于该整车控制模块4,所述农用车辆无人驾驶控制系统还可以包括输出执行模块5,该输出执行模块5例如包括车辆的农具悬挂机构和转向液压阀组,其用于接收整车控制模块的控制指令来使车辆执行相应动作。
再次参考图4,在优选的实施例中,所述的农用车辆无人驾驶控制系统还可以包括:角度反馈模块6,用于比较所述转向传感器采集的所述车辆转向角数据和所规划的无人驾驶自动作业路径的转向点角度极大值,在两者一致时,判定转向完成;和/或轨迹纠偏模块7,用于比较实时车辆位置与所规划的无人驾驶自动作业路径的偏差值,若该偏差值超过预设的偏差阈值,则对农用车辆进行偏差补偿。在此,角度反馈模块6和轨迹纠偏模块7形成实时纠偏反馈策略,能有效减少因车辆转向传感器带来的累计误差。
在更为优选的实施例中,所述农用车辆无人驾驶控制系统还可以包括:数据存储模块8,用于实时存储所述闭合农田地块边界数据、所述障碍物定位数据、所述非作业区域定位数据和所述车辆转向角数据;和/或状态显示模块9,用于显示所述闭合农田地块边界数据、所述障碍物定位数据、所述非作业区域定位数据、所述车辆转向角数据以及所规划的无人驾驶自动作业路径。其中,数据存储模块8例如包括上述的车辆定位数据闪存卡,状态显示模块9例如包括上述的行车显示屏。
需说明的是,图4及图5中各模块之间的连接关系是示意性,本发明实施例中不局限于附图所示的连接关系。
本发明另一实施例的农用车辆无人驾驶控制系统的其他实施细节及效果可参考上述关于农用车辆无人驾驶控制方法的实施例,在此则不再进行赘述。
下面通过示例来具体介绍本发明实施例的农用车辆无人驾驶控制方法及系统的应用,且示例中同时具有障碍物和非作业区域,但可以理解的是,该示例方法也适用于只具有障碍物和非作业区域中的一者的情形。该示例针对闭合农田地块,具体包括以下几个部分的步骤。
步骤1:闭合农田地块边界多边形化,转向点及障碍物定位数据采集,区域边界直线多边形化及转向点位置坐标选定。
图6是本发明实施例的示例中的闭合农田地块边界多边形化的示意图。参考图6,机手首次操控拖拉机顺时针绕行待作业地块曲线边界一周,绕行过程中打开GPS定位系统。拖拉机左车轮紧贴待作业地块曲线边界,每行驶适当距离,GPS定位系统采集当前车辆位置坐标Zn(xZn,yZn),并发送至车辆定位数据闪存卡。如图6所示,车辆初始位置坐标记录点为Z1,顺时针低速行驶适当距离后,在Z2点记录第2个位置坐标,以此类推。建立直角坐标系,将上述车辆定位数据闪存卡中存储的边界曲线离散点Zn(xZn,yZn)绘制于直角坐标系中,拟合各离散点形成闭合多段线段。如图6所示,离散点Z1~Z23可拟合出首尾相接的9条线段,且这些线段与地块曲线边界基本吻合,拟合程度高。具体地,离散点Z1~Z4拟合并向右偏移一定距离(农具幅宽的一半)后,得到线段A0A1,同理,可得到所有线段AmAm+1(m=0,……,8)。在这些线段中,分析可知A0A1与A5A6近似平行,由此将A0(xA0,yA0)作为初始位置点,Am(xAm,yAm)为各个线段的转向点位置坐标。
单点采集2个小面积障碍物的对角位置坐标,均匀等距采集适量的大面积非作业区域的轮廓坐标信息。图7是本发明实施例的示例的障碍物或非作业区域坐标标定的示意图。参考图7,对于小面积障碍物,机手仅需操控拖拉机采集2个该障碍物的对角位置坐标,记为Bi(xBi,yBi);而对于大面积非作业区域(隔断物),机手需操控拖拉机绕行该非作业区域一周,并均匀等距记录适当数量的轮廓坐标信息,记为Cj(xCj,yCj)。车辆定位数据闪存卡将记录闭合农田地块范围内所有障碍物的对角位置坐标Bi(xBi,yBi),以及所有非作业区域的轮廓坐标Cj(xCj,yCj)。
步骤2:闭合农田等距分块及转向点区间化处理,障碍物或非作业区域坐标偶数边缘化区间处理。
根据转向点位置坐标计算边界各转向点的角度极大值。从车辆定位数据闪存卡中读取各个转向点的位置坐标Am(xAm,yAm),计算待作业闭合地块转向角度:
特别地,该夹角角度的绝对值即为拖拉机在该对应转向点的最大转向角度,即转向点的角度极大值。而其符号则对应拖拉机在地块边界直线AmAm+1上的转向方向,符号为正时,拖拉机在该地块边界向右转向,反之亦然。同时,可根据各转向点位置坐标计算出多边形地块边界任一线段的长度:
计算地块横向跨度xmax,依据农具幅宽计算等宽总分块数N。参考图7,选定一组近似平行线段A0A1及A5A6,这一组平行线段之间的距离即为地块横向跨度xmax。定义农具幅宽d,为保证无人驾驶过程中避免重耕、漏耕、多走路程等问题,计算闭合农田等宽总分块数:N=[(xA6-xA1)/d]-1=20。
图8是本发明实施例的示例的闭合农田等距总分块策略示意图。参考图8,以第一个转向点A1横坐标xA1为横向坐标起始值,农具幅宽d为增幅建立作业子分块横向分区集合Xj[xA1+jd,xA1+(j+1)d](j=0,1,...,20)。依次判别各转向点横坐标xAi所属区间,由此可知各转向点对应的子分块序数j,具体为:{A1→0;A2→6;A3→12;A4→15;A5→20;A6→20;A7→15;A8→8}。将子分块序数从小到大排列:{A1→0;A2→6;A8→8;A3→12;A4→15;A7→15;A5→20;A6→20},计算相邻子分块序数j间隔差值:{A2-A1=6;A8-A2=2;A3-A8=4;A4-A3=3;A7-A4=0;A5-A7=5;A6-A5=0}。显然,存在A4、A7及A5、A6分块序数间隔差值为0,则转向点A4与A7、A5与A6视为首尾等同点。由此,可确定各子分块Bpq,具体为:{A1→A2:B16;A2→A8:B22;A8→A3:B34;A3→A4:B43;A5→A7:B55}。
再次参考图8,对于小面积障碍物,读取采集的2个该障碍物的对角位置坐标B1(xB1,yB1)、B2(xB2,yB2),不难判定B1、B2均属作业子分块横向分区15。取B1所属分区的左区间(xA1+14d)作为横向极小坐标,取B1、B2对应2倍区间跨度作为该障碍物的横向阻隔跨度,因此该障碍物的所属横向区间为(xA1+14d,xA1+16d)。而对于大面积隔断物,读取采集的均匀等距记录的轮廓坐标信息Cj(xCj,yCj),依次判定Cj所属作业子分块横向分区为{C1→3;C2→4;C3→5;C4→7;C5→8;C6→7;C7→6;C8→4},取子分块序数最小对应的分区3的左区间(xA1+3d)作为横向极小坐标,取子分块序数最小及最大的分区对应6倍区间跨度作为该非作业区域的横向阻隔跨度,因此该非作业区域的所属横向区间为(xA1+2d,xA1+8d)。
步骤3,无人驾驶自动作业路径规划,农具提升及下降纵向位置坐标确定。
图9是本发明实施例的示例中的子分块及障碍物转向策略示意图。参考图9,在先不考虑障碍物或非作业区域的前提下,子分块跨度数为奇数时,该子分块地头边界调头转向时,拖拉机按该段转向角度行驶间隔长度为(q+1)/2的地块;同理,该子分块地头对侧边界调头转向时,拖拉机按该段转向角度行驶间隔长度为(q-1)/2的地块。子分块跨度数为偶数时,地头边界调头转向角度行驶间隔长度为q/2的地块,地头对侧边界调头转向角度行驶间隔长度为q/2-1的地块。子分块B16子分块跨度数为6,其转向顺序及方向为{B11↑,B14↓,B12↑,B15↓,B13↑,B16↓}。同理,B22:{B22↑,B21↓};B34:{B31↑,B33↓,B32↑,B34↓};B43:{B42↑,B41↓,B43↑};B55:{B53↓,B51↑,B54↓,B52↑,B55↓}。
而当障碍物或非作业区域存在时,为了实现全自动路径规划,需对障碍物或非作业区域对应的作业子分块进行二次规划实现自动避障。根据上述各障碍物及非作业区域位置坐标偶数边缘区间化处理结果,该障碍物或非作业区域边界等同于地头边界,转向策略与上述一致,具体实施过程可参考图9及对应描述。
图10是本发明实施例的示例的农具提升及下降纵向位置坐标示意图。参考图10,根据拖拉机固有减速安全距离D,确定各子分块Bpq作业行农具下降纵向位置Pxq(x=a,b,c,d,e;q=1,2,…,5,6)及农具提升纵向位置Lxq(x=a,b,c,d,e;q=1,2,…,5,6)。以子分块B11及B14子分块为例,初始情况下,拖拉机进入a1作业行,当末端农具与该作业行地头重合时,拖拉机处于该子分块农具下降纵向位置Pa1,在该位置发送农具下降控制信号,农具下降至合适位置,拖拉机开始直行作业。当拖拉机直行作业至距离a1作业行末端时,拖拉机处于该子分块农具提升纵向位置La1,此时拖拉机开始减速,在减速完成时发送农具提升控制信号,农具提升至一定高度。拖拉机开始转向,转向角度为a1,沿转向角方向入轨子分块B14。当拖拉机车身与该子分块作业行平行时,拖拉机处于子分块B14直行作业加速点位置Pa2,在该位置发送农具下降控制信号,农具下降至合适位置,拖拉机开始加速并沿B14直行作业。依次类推,拖拉机按照上述自动作业路径规划确定各子分块Bpq作业行的入轨顺序及各子分块作业行的农具下降纵向位置及农具提升纵向位置。当障碍物或非作业区域存在时,根据上述无人驾驶自动路径规划,可依次确定该障碍物或非作业区域的农具下降纵向位置及农具提升纵向位置,具体实施过程可参考图10及对应描述。
通过示例可知,本发明实施例的农用车辆无人驾驶控制方法及系统是一种既能极大发挥GPS导航技术高精度高可靠性又能获取精准转向参量的无人驾驶技术方案,其有效解决了无人驾驶过程中的自动路径规划难点,高效稳定且节省成本。
本发明另一实施例还提供一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令用于使得机器执行上述的农用车辆无人驾驶控制方法。所述机器可读存储介质包括但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体(Flash Memory)或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备等各种可以存储程序代码的介质。
本发明另一实施例还提供一种农用车辆,该农用车辆包括上述的农用车辆无人驾驶控制系统。该农用车辆例如为拖拉机,其具体实施例细节参考上文,在此不再赘述。
以上结合附图详细描述了本发明的优选实施方式,但是,本发明并不限于上述实施方式中的具体细节,在本发明的技术构思范围内,可以对本发明的技术方案进行多种简单变型,这些简单变型均属于本发明的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本发明对各种可能的组合方式不再另行说明。
此外,本发明的各种不同的实施方式之间也可以进行任意组合,只要其不违背本发明的思想,其同样应当视为本发明所公开的内容。
Claims (10)
1.一种农用车辆无人驾驶控制方法,其特征在于,所述农用车辆无人驾驶控制方法包括:
获取通过定位系统采集的闭合农田地块边界数据和非连续作业数据,其中所述非连续作业数据包括障碍物定位数据和非作业区域定位数据中的一者或两者;
获取车辆转向角数据;以及
根据所述闭合农田地块边界数据、所述非连续作业数据和所述车辆转向角数据规划无人驾驶自动作业路径;
其中,所述闭合农田地块边界数据包括闭合农田地块边界的转向点位置坐标,所述障碍物定位数据包括障碍物对角位置坐标,所述非作业区域定位数据包括非作业区域轮廓位置坐标;并且
其中,所述根据所述闭合农田地块边界数据、所述非连续作业数据和所述车辆转向角数据规划无人驾驶自动作业路径包括:
根据所述转向点位置坐标确定子分块和子分块跨度;
执行以下一者或两者:判断所述障碍物对角位置坐标所属的子分块,确定所述障碍物对角位置坐标中横坐标最小的一者所属子分块的左区间作为横向极小坐标,确定该障碍物的横向阻隔跨度为能满足所述障碍物对角位置坐标的实际跨度要求的最小偶数倍跨度;以及判断预选的非作业区域轮廓位置坐标所属的子分块,确定子分块序数最小的点对应的子分块的左区间作为横向极小坐标,确定该非作业区域的横向阻隔跨度为能满足子分块序数最小及最大的点的实际跨度要求的最小偶数倍跨度;
根据所述子分块和所述子分块跨度、所述障碍物和/或所述非作业区域对应的横向极小坐标和横向阻隔跨度、以及所述车辆转向角数据,规划无人驾驶自动作业路径。
2.根据权利要求1所述的农用车辆无人驾驶控制方法,其特征在于,所述规划无人驾驶自动作业路径包括:
在子分块作业行中不存在障碍物和/或非作业区域时,根据子分块跨度的奇偶性,控制所述农用车辆按不同的地头首尾两端转向角进行转向,其中转向行驶距离为与不同子分块跨度奇偶性相对应的间隔长度;以及
在子分块作业行中存在障碍物和/或非作业区域时:将障碍物或非作业区域边界等同于子分块地头边界,并将转向角固定为90°,以绕过所述障碍物和/或非作业区域;以及将子分块序数最小及最大的分区对应最小偶数倍区间跨度作为横向阻隔跨度,再根据所述横向阻隔跨度的奇偶性,控制所述农用车辆按不同的地头首尾两端转向角进行转向,其中转向行驶距离为与不同横向阻隔跨度奇偶性相对应的间隔长度。
3.根据权利要求1所述的农用车辆无人驾驶控制方法,其特征在于,所述农用车辆无人驾驶控制方法还包括:
在规划无人驾驶自动作业路径之后,根据预设的农用车辆到达地头、障碍物或非作业区域前的安全距离,控制各子分块的农具提升及下降纵向位置其中,所述控制各子分块的农具提升及下降纵向位置包括以下一者或两者:
对于无障碍物或非作业区域的子分块作业行,农具提升纵向位置为地头边界点纵坐标与所述安全距离之差,农具下降纵向位置为农用车辆在完成转向进入下一子分块且车身与该子分块作业行平行时的位置;和/或
对于有障碍物或非作业区域的子分块作业行,农具提升纵向位置为障碍物纵坐标或非作业区域纵坐标与所述安全距离之差,农具下降纵向位置为农用车辆在完成转向进入下一子分块且车身与该子分块作业行平行时的位置。
4.根据权利要求1至3中任意一项所述的农用车辆无人驾驶控制方法,其特征在于,所述农用车辆无人驾驶控制方法还包括以下任意一者或多者:
比较通过转向传感器采集的所述车辆转向角数据和所规划的无人驾驶自动作业路径的转向点角度极大值,在两者一致时,判定转向完成;
比较实时车辆位置与所规划的无人驾驶自动作业路径的偏差值,若该偏差值超过预设的偏差阈值,则对农用车辆进行偏差补偿;
实时存储所述闭合农田地块边界数据、所述障碍物定位数据、所述非作业区域定位数据和所述车辆转向角数据;以及
显示所述闭合农田地块边界数据、所述障碍物定位数据、所述非作业区域定位数据、所述车辆转向角数据以及所规划的无人驾驶自动作业路径。
5.一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令用于使得机器执行权利要求1至4中任意一项所述的农用车辆无人驾驶控制方法。
6.一种农用车辆无人驾驶控制系统,其特征在于,所述农用车辆无人驾驶控制系统包括:
导航功能模块,其包括定位系统,用于采集闭合农田地块边界数据和非连续作业数据,其中所述非连续作业数据包括障碍物定位数据和非作业区域定位数据中的一者或两者;
转向角获取模块,用于获取车辆转向角数据;以及
路径规划模块,与所述导航功能模块及所述转向角获取模块通信,用于根据所述闭合农田地块边界数据、所述非连续作业数据和所述车辆转向角数据规划无人驾驶自动作业路径;
其中,所述闭合农田地块边界数据包括闭合农田地块边界的转向点位置坐标,所述障碍物定位数据包括障碍物对角位置坐标,所述非作业区域定位数据包括非作业区域轮廓位置坐标;并且
其中,所述路径规划模块包括:
子分块确定子模块,用于根据所述转向点位置坐标确定子分块和子分块跨度;
分块处理子模块,用于执行以下一者或两者:判断所述障碍物对角位置坐标所属的子分块,确定所述障碍物对角位置坐标中横坐标最小的一者所属子分块的左区间作为横向极小坐标,确定该障碍物的横向阻隔跨度为能满足所述障碍物对角位置坐标的实际跨度要求的最小偶数倍跨度;判断预选的非作业区域轮廓位置坐标所属的子分块,确定子分块序数最小的点对应的子分块的左区间作为横向极小坐标,确定该非作业区域的横向阻隔跨度为能满足子分块序数最小及最大的点的实际跨度要求的最小偶数倍跨度;
路径规划处理子模块,与所述子分块确定子模块和所述分块处理子模块通信,用于根据所述子分块和所述子分块跨度、所述障碍物和/或所述非作业区域对应的横向极小坐标和横向阻隔跨度,以及所述车辆转向角数据,规划无人驾驶自动作业路径。
7.根据权利要求6所述的农用车辆无人驾驶控制系统,其特征在于,所述路径规划处理子模块用于规划无人驾驶自动作业路径包括:
在子分块作业行中不存在障碍物和/或非作业区域时,根据子分块跨度的奇偶性,控制所述农用车辆按不同的地头首尾两端转向角进行转向,其中转向行驶距离为与不同子分块跨度奇偶性相对应的间隔长度;以及
在子分块作业行中存在障碍物和/或非作业区域时:将障碍物或非作业区域边界等同于子分块地头边界,并将转向角固定为90°,以绕过所述障碍物和/或非作业区域;以及将子分块序数最小及最大的分区对应最小偶数倍区间跨度作为横向阻隔跨度,再根据所述横向阻隔跨度的奇偶性,控制所述农用车辆按不同的地头首尾两端转向角进行转向,其中转向行驶距离为与不同横向阻隔跨度奇偶性相对应的间隔长度。
8.根据权利要求6所述的农用车辆无人驾驶控制系统,其特征在于,所述农用车辆无人驾驶控制系统还包括:
整车控制模块,用于在规划无人驾驶自动作业路径之后,根据预设的农用车辆到达地头、障碍物或非作业区域前的安全距离,控制各子分块的农具提升及下降纵向位置;
其中,整车控制模块用于控制各子分块的农具提升及下降纵向位置包括:
对于无障碍物或非作业区域的子分块作业行,农具提升纵向位置为地头边界点纵坐标与所述安全距离之差,农具下降纵向位置为农用车辆在完成转向进入下一子分块且车身与该子分块作业行平行时的位置;和/或
对于有障碍物或非作业区域的子分块作业行,农具提升纵向位置为障碍物纵坐标或非作业区域纵坐标与所述安全距离之差,农具下降纵向位置为农用车辆在完成转向进入下一子分块且车身与该子分块作业行平行时的位置。
9.根据权利要求6至8中任意一项所述的农用车辆无人驾驶控制系统,其特征在于,所述的农用车辆无人驾驶控制系统还包括以下任意一者或多者:
角度反馈模块,用于比较通过转向传感器采集的所述车辆转向角数据和所规划的无人驾驶自动作业路径的转向点角度极大值,在两者一致时,判定转向完成;
轨迹纠偏模块,用于比较实时车辆位置与所规划的无人驾驶自动作业路径的偏差值,若该偏差值超过预设的偏差阈值,则对农用车辆进行偏差补偿;
数据存储模块,用于实时存储所述闭合农田地块边界数据、所述障碍物定位数据、所述非作业区域定位数据和所述车辆转向角数据;以及
状态显示模块,用于显示所述闭合农田地块边界数据、所述障碍物定位数据、所述非作业区域定位数据、所述车辆转向角数据以及所规划的无人驾驶自动作业路径。
10.一种农用车辆,其特征在于,所述农用车辆包括权利要求6至9中任意一项所述的农用车辆无人驾驶控制系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811525905.5A CN109634276B (zh) | 2018-12-13 | 2018-12-13 | 农用车辆无人驾驶控制方法、系统及该农用车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811525905.5A CN109634276B (zh) | 2018-12-13 | 2018-12-13 | 农用车辆无人驾驶控制方法、系统及该农用车辆 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109634276A CN109634276A (zh) | 2019-04-16 |
CN109634276B true CN109634276B (zh) | 2021-05-25 |
Family
ID=66073611
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811525905.5A Active CN109634276B (zh) | 2018-12-13 | 2018-12-13 | 农用车辆无人驾驶控制方法、系统及该农用车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109634276B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200122711A1 (en) * | 2018-10-19 | 2020-04-23 | GEOSAT Aerospace & Technology | Unmanned ground vehicle and method for operating unmanned ground vehicle |
CN110100508A (zh) * | 2019-04-23 | 2019-08-09 | 丰疆智能科技股份有限公司 | 耕地设备及其犁具保护系统和保护方法 |
CN110333740B (zh) * | 2019-06-10 | 2020-10-27 | 中联重科股份有限公司 | 工程机械自动就位方法、装置、系统以及工程机械 |
CN110320915A (zh) * | 2019-07-15 | 2019-10-11 | 上海速标智能科技有限公司 | 具有自动建图和路径规划功能的作业平台及其控制方法 |
CN112578788B (zh) * | 2019-09-30 | 2023-05-02 | 北京百度网讯科技有限公司 | 车辆避障二次规划方法、装置、设备和可读存储介质 |
CN113448324B (zh) * | 2020-03-09 | 2023-08-04 | 北京合众思壮科技股份有限公司 | 路径规划方法、装置、电子设备和存储介质 |
CN111189444A (zh) * | 2020-03-26 | 2020-05-22 | 洛阳智能农业装备研究院有限公司 | 一种自动驾驶农机田间作业路径规划系统及规划方法 |
CN111595326B (zh) * | 2020-05-13 | 2021-09-10 | 上海联适导航技术股份有限公司 | 一种辅助驾驶方法、装置及设备 |
CN111845935B (zh) * | 2020-07-31 | 2021-06-15 | 安徽泗州拖拉机制造有限公司 | 一种无人驾驶拖拉机自动导航转向系统 |
CN112050801B (zh) * | 2020-09-08 | 2022-07-19 | 山东理工大学 | 一种农业机械自动导航路径规划方法及系统 |
CN113804212B (zh) * | 2021-08-23 | 2022-07-26 | 上海联适导航技术股份有限公司 | 一种耙地作业的路径规划方法及装置 |
CN114137987A (zh) * | 2021-12-01 | 2022-03-04 | 山东新坐标智能装备有限公司 | 机器人路径规划方法、系统、机器人及存储介质 |
CN114355945A (zh) * | 2022-01-07 | 2022-04-15 | 潍柴雷沃重工股份有限公司 | 基于导航的拖拉机地头管理方法、装置、系统及拖拉机 |
CN115617029A (zh) * | 2022-04-24 | 2023-01-17 | 丰疆智能软件科技(南京)有限公司 | 农机自动作业的路径规划方法、系统、设备及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102890706A (zh) * | 2012-08-27 | 2013-01-23 | 首都师范大学 | 数据处理方法及装置 |
CN203909300U (zh) * | 2014-05-23 | 2014-10-29 | 湖南博联航空技术有限公司 | 一种便携式农田边界及障碍物点gps数据采集装置 |
CN104503464A (zh) * | 2014-12-30 | 2015-04-08 | 中南大学 | 基于计算机的凸多边形农田无人机喷洒作业航迹规划方法 |
CN104972462A (zh) * | 2014-04-14 | 2015-10-14 | 科沃斯机器人科技(苏州)有限公司 | 自移动机器人避障行走方法 |
CN106403954A (zh) * | 2016-09-28 | 2017-02-15 | 深圳高科新农技术有限公司 | 无人机自动航迹生成方法 |
CN107065919A (zh) * | 2016-12-14 | 2017-08-18 | 东北农业大学 | 农用植保无人机来回往复喷施过程中的转弯路径飞行控制方法、装置及无人机 |
CN107807644A (zh) * | 2017-10-30 | 2018-03-16 | 洛阳中科龙网创新科技有限公司 | 一种农用机械最低油耗运动路径规划方法 |
CN107817794A (zh) * | 2017-10-13 | 2018-03-20 | 上海司南卫星导航技术股份有限公司 | 自动导航方法、控制装置及导航系统 |
CN107976998A (zh) * | 2017-11-13 | 2018-05-01 | 河海大学常州校区 | 一种割草机器人地图创建与路径规划系统及方法 |
CN107992078A (zh) * | 2017-12-15 | 2018-05-04 | 西安天问智能科技有限公司 | 一种植保无人机自主路径规划方法 |
-
2018
- 2018-12-13 CN CN201811525905.5A patent/CN109634276B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102890706A (zh) * | 2012-08-27 | 2013-01-23 | 首都师范大学 | 数据处理方法及装置 |
CN104972462A (zh) * | 2014-04-14 | 2015-10-14 | 科沃斯机器人科技(苏州)有限公司 | 自移动机器人避障行走方法 |
CN203909300U (zh) * | 2014-05-23 | 2014-10-29 | 湖南博联航空技术有限公司 | 一种便携式农田边界及障碍物点gps数据采集装置 |
CN104503464A (zh) * | 2014-12-30 | 2015-04-08 | 中南大学 | 基于计算机的凸多边形农田无人机喷洒作业航迹规划方法 |
CN106403954A (zh) * | 2016-09-28 | 2017-02-15 | 深圳高科新农技术有限公司 | 无人机自动航迹生成方法 |
CN107065919A (zh) * | 2016-12-14 | 2017-08-18 | 东北农业大学 | 农用植保无人机来回往复喷施过程中的转弯路径飞行控制方法、装置及无人机 |
CN107817794A (zh) * | 2017-10-13 | 2018-03-20 | 上海司南卫星导航技术股份有限公司 | 自动导航方法、控制装置及导航系统 |
CN107807644A (zh) * | 2017-10-30 | 2018-03-16 | 洛阳中科龙网创新科技有限公司 | 一种农用机械最低油耗运动路径规划方法 |
CN107976998A (zh) * | 2017-11-13 | 2018-05-01 | 河海大学常州校区 | 一种割草机器人地图创建与路径规划系统及方法 |
CN107992078A (zh) * | 2017-12-15 | 2018-05-04 | 西安天问智能科技有限公司 | 一种植保无人机自主路径规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109634276A (zh) | 2019-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109634276B (zh) | 农用车辆无人驾驶控制方法、系统及该农用车辆 | |
US11044842B2 (en) | Path planning for area coverage | |
US11085776B2 (en) | Land mapping and guidance system | |
CN106462164B (zh) | 作业车协调系统 | |
US8498788B2 (en) | Method and system for determining a planned path of a vehicle | |
Bakker et al. | Autonomous navigation using a robot platform in a sugar beet field | |
US10729055B2 (en) | System and method for determining swath connections | |
CN106643719A (zh) | 一种智能割草车的路径规划算法 | |
US10197407B2 (en) | Method and robot system for autonomous control of a vehicle | |
CN104714551A (zh) | 一种适用于车式移动机器人的室内区域覆盖方法 | |
CN112965481A (zh) | 基于点云地图的果园作业机器人无人驾驶方法 | |
CN112197775A (zh) | 一种农机多机协同作业路径规划方法 | |
CN108669046B (zh) | 融合视觉导航与北斗定位的植保无人车及控制方法 | |
CN110780669B (zh) | 林间机器人导航与信息采集方法 | |
CN113804212A (zh) | 一种耙地作业的路径规划方法及装置 | |
Takai et al. | Autonomous navigation system of crawler-type robot tractor | |
JP2017200490A (ja) | 作業車協調システム | |
Ye et al. | Orchard manoeuvring strategy for a robotic bin-handling machine | |
CN112731479A (zh) | 基于gnss的预设区域的遍历方法、装置及系统 | |
CN109782771B (zh) | 一种果园移动机器人及地头转向方法 | |
Zhan et al. | Application of image process and distance computation to WMR obstacle avoidance and parking control | |
CN113552882A (zh) | 一种用于大区域的无人割草车的行驶路线控制方法 | |
Bi et al. | CURE: A Hierarchical Framework for Multi-Robot Autonomous Exploration Inspired by Centroids of Unknown Regions | |
Yao et al. | Autonomous navigation and adaptive path planning in dynamic greenhouse environments utilizing improved LeGO‐LOAM and OpenPlanner algorithms | |
Supper et al. | Localization accuracy of a robot platform using indoor positioning methods in a realistic outdoor setting |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20210805 Address after: 241080 No.16, Anxi Road, Sanshan District, Wuhu City, Anhui Province Patentee after: Zhonglian Agricultural Machinery Co., Ltd Address before: 410013 No. 361 South silver basin, Changsha, Hunan, Yuelu District Patentee before: Zoomlion Heavy Industry Science and Technology Co.,Ltd. |
|
TR01 | Transfer of patent right |