CN110715665B - 一种田间作物表型监测机器人及其导航方法 - Google Patents
一种田间作物表型监测机器人及其导航方法 Download PDFInfo
- Publication number
- CN110715665B CN110715665B CN201911116442.1A CN201911116442A CN110715665B CN 110715665 B CN110715665 B CN 110715665B CN 201911116442 A CN201911116442 A CN 201911116442A CN 110715665 B CN110715665 B CN 110715665B
- Authority
- CN
- China
- Prior art keywords
- robot
- sensor
- soil
- field
- straw
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 42
- 239000002689 soil Substances 0.000 claims abstract description 68
- 239000010902 straw Substances 0.000 claims abstract description 42
- 230000033001 locomotion Effects 0.000 claims abstract description 38
- 238000012937 correction Methods 0.000 claims abstract description 17
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 12
- 238000013178 mathematical model Methods 0.000 claims abstract description 12
- 238000006243 chemical reaction Methods 0.000 claims abstract description 8
- 230000007613 environmental effect Effects 0.000 claims abstract description 5
- 238000010521 absorption reaction Methods 0.000 claims description 10
- 230000035939 shock Effects 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 9
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 6
- 230000005855 radiation Effects 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 5
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 229910052742 iron Inorganic materials 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 claims description 2
- 229910052782 aluminium Inorganic materials 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 claims description 2
- 238000013461 design Methods 0.000 claims description 2
- 230000004907 flux Effects 0.000 claims description 2
- 238000010998 test method Methods 0.000 claims description 2
- 238000009434 installation Methods 0.000 claims 2
- 238000010586 diagram Methods 0.000 description 12
- 238000013016 damping Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000001066 destructive effect Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005056 compaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 230000004720 fertilization Effects 0.000 description 1
- 244000037666 field crops Species 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 239000011295 pitch Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000009331 sowing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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
- G05D1/0219—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory ensuring the processing of the whole working surface
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Guiding Agricultural Machines (AREA)
Abstract
本发明公开一种田间作物表型监测机器人及其导航方法，所述机器人包括车身平台，电源装置，运动控制装置，环境信息传感器装置及作物生长信息传感器装置；该机器人的导航方法为：预先标记GPS航点位置；对航点大地坐标进行坐标转换并根据航点顺序计算相邻航点间的航线位置及方向；获取机器人的实时位置及姿态信息，计算机器人位姿与航线的横向偏差及角度偏差；通过对田间秸秆覆盖度、土壤水分含量、土壤紧实度因素对车轮速度的影响进行分析，构建秸秆与土壤因素对车轮速度影响的数学模型，根据该模型建立机器人路径跟踪算法，以实现惯性导航偏差校正。本发明能够实现作物生长信息的实时、准确、高通量获取。
Description
技术领域
本发明涉及农业工程技术领域，特别是涉及一种田间作物表型监测机器人及其导航方法。
背景技术
近些年来，大型农业机械在我国农业产生中已经得到了较好的普及，且在整地、播种、灌溉、收获等农事操作中体现出快速、高效等人力不可替代的优势。然而，随着精确农业的发展，在作物生育期间对作物生长信息进行高通量、准确、实时获取已经成为新的农业研究重点。目前，国内外已经有一些单位进行了大型农业机械搭载作物表型监测传感器的研究，并取得了较好的测试结果。然而，由于这些机械的重量与体积较大，在作物生育期进行田间作业时，会对土壤及作物产生较大的破坏性。
相较于大型农业机械设备，小型移动式机器人的重量及体积较小，能够更好的应用于作物生育期间的监测作业。由于采用非人为控制的运动模式，机器人自动导航的准确性会对其作业性能产生直接影响。当前市面上也推出了一些用于作物生长信息监测的农田机器人平台，这些平台大多具备了简单的自动导航功能，能够实现自动转向、航线跟踪等功能。然而，由于缺乏对田间作物秸秆覆盖度、土壤水分含量、土壤压实度等因素的考虑，这些平台在实际作业过程中，往往与预期效果相差较大，因此，本发明提出一种田间作物表型监测机器人导航方法及装置，能够有效提高作物表型监测机器人在秸秆与土壤因素影响下的惯性导航精确性。
发明内容
为了克服现有技术中存在的缺陷，本发明一种田间作物表型监测机器人及其导航方法，该机器人装置能够根据旱地作物的不同种植行距进行轮距调节，减小移动机器人于田间运行过程中对作物的破坏性作用，所采用的导航方法通过对田间秸秆覆盖度、土壤水分含量、土壤紧实度等因素对车轮速度的影响进行分析，构建秸秆与土壤因素对车轮速度影响的数学模型，根据该模型建立机器人路径跟踪算法，以实现惯性导航偏差校正；同时，车身所搭载的作物生长信息传感器能够实现作物生长信息的实时、准确、高通量获取。
本发明采取的技术方案之一是：一种田间作物表型监测机器人，其特征在于，包括车身平台，电源装置，运动控制装置，环境信息传感器装置及作物生长信息传感器装置；
所述车身平台用于承载及安装；
所述电源装置用于为所述运动控制装置及各传感器装置供电；
所述运动控制装置包括运动控制箱及轮式底盘，所述运动控制箱用于控制机器人运动状态；所述轮式底盘用于实现机器人运行；
所述环境信息传感器装置包括高清相机，GPS，十轴陀螺仪及温湿度传感器；其中，所述高清相机用于田间实时高清图像获取，能够实现田间障碍识别及避障路径规划；所述GPS能够实时获取移动机器人的地理位置信息，用于移动机器人的导航路径规划及自主导航；所述十轴陀螺仪能够获取移动机器人的实时航向角，偏移角，角速度信息及加速度信息，用于移动机器人的路径校正；所述温湿度传感器用于获取环境中的实时温湿度信息；
所述作物生长信息传感器包括主动光源式作物生长监测传感器及被动光源式作物生长监测传感器，用于作物生长信息的实时、准确、高通量获取。
进一步的，所述车身平台包含车架及垂直支架，所述车架及垂直支架均采用航空铝设计加工，并留有安装槽用于不同类型的传感器进行安装；其中，车架用于搭载电源装置，运动控制装置及传感器装置，垂直支架用于满足传感器的不同测试高度需求。
进一步的，所述运动控制箱内安装有车载电脑，电机驱动器及变压器，其中，车载电脑用于输入控制命令驱动电机驱动器，电机驱动器根据命令驱动电机，变压器将48V电源电压进行降压，用以供给不同电压需求的传感器装置；所述轮式底盘由减震叉及轮毂电机构成，减震叉用于移动机器人于田间运动时的避震处理，其采用三角托架设计，上部配有立轴，立轴与带有通孔的方形连接件通过轴孔配合连接，并通过螺纹连接紧固两个部件；同侧的前后轮间配有纵轴，方形连接件与纵轴的两端通过两个T型铁片以及两个角码进行限位连接，同时纵轴与车身平台的横梁通过轮距调节扳手以螺纹形式连接。轮距调节时，将车身平台同侧横梁与纵轴之间的轮距调节扳手松开，手动调节一侧的纵轴，改变轮距，调节后紧固横纵梁，对应的按照相同方法调整另外一侧，从而实现轮距调节。
进一步的，所述主动光源式作物生长监测传感器通过自身搭载的光源系统进行发光，用于全天候获取作物冠层反射光谱信息；所述被动光源式作物生长监测传感器，依靠太阳光作为光源，用于在晴朗无风无云天进行测试，其在结构上可分为上行光传感器和下行光传感器，上行光传感器用于获取太阳光在730nm、815nm波长处的辐射信息，下行光传感器用于接收对应波长的作物冠层反射光辐射信息。
本发明采取的技术方案之二是：一种针对方案一中所述田间作物表型监测机器人的导航方法，其包括如下步骤：
(1)预先标记GPS航点位置；
(2)对航点大地坐标进行坐标转换并根据航点顺序计算相邻航点间的航线位置及方向；
(3)通过GPS与IMU装置获取机器人的实时位置及姿态信息，计算机器人位姿与航线的横向偏差及角度偏差；
(4)通过对田间秸秆覆盖度、土壤水分含量、土壤紧实度因素对车轮速度的影响进行分析，构建秸秆与土壤因素对车轮速度影响的数学模型，根据该模型建立机器人路径跟踪算法，以实现惯性导航偏差校正。
进一步的，通过对移动机器人的结构、运动状态及实际田间路面参数进行分析，构建移动机器人的运动模型，并采用Labview软件编写车载电脑程序进行运动控制。
进一步的，所述对航点大地坐标进行坐标转换，包括获取GPS输出的WGS-84大地坐标，以WGS-84参考椭球为基准进行高斯投影，然后通过相似变换进行平面坐标强制转换，将高斯投影后的平面坐标强制统一到国家54坐标系，上述转换过程采用C++语言进行编码，并创建动态链接库，供机器人控制软件实时调用。
进一步的，所述计算相邻航点间的航线，包括计算航线上任一点的具体坐标及航线方向与正北方向的夹角；所述机器人位姿与航线的横向偏差及角度偏差，包括机器人实时位置到航线的垂直距离以及机器人航向角与航线方向的夹角大小。
进一步的，所述田间秸秆覆盖度、土壤水分含量、土壤紧实度因素对车轮速度的影响，包括对田间秸秆覆盖度、土壤水分含量、土壤紧实度因素的实际测试分析，并结合实际获取的车轮速度，构建秸秆与土壤因素对车轮速度影响的数学模型；具体为：
所述秸秆因素，包括秸秆覆盖度，测试方法采用无人机低空获取田块航拍图像，对图像进行HSV颜色空间提取，筛选出秸秆部分并计算像素点数量，通过秸秆部分像素点数量与图像总像素点数量间的比值计算秸秆覆盖度；所述土壤因素，包括土壤水分含量及土壤紧实度，土壤水分含量采用土壤水分含量传感器进行获取，土壤紧实度采用土壤紧实度传感器进行获取，二者均采集多次后求取平均值；在机器人运行过程中，采用光电测速传感器对机器人于农田运行过程中的车轮实际速度进行获取，并与设定速度进行比较，计算速度差值，通过对不同秸秆覆盖、土壤水分含量、土壤紧实度的田块进行结果对比，根据三者对于速度影响的不同情况，赋予不同大小的权重，构建对车轮速度影响的数学模型。
进一步的，所述惯性导航偏差校正，包括横向偏差校正与角度偏差校正，所述横向偏差校正及角度偏差校正方法，通过建立路径跟踪算法来实现；其中，所述路径跟踪算法的建立，依赖于秸秆与土壤因素对车轮速度影响的数学模型，所述路径跟踪算法用于计算偏差大小及规划调整路径。
本发明采用以上技术方案，与现有技术相比的有益效果是：
1、本发明通过对移动机器人的结构、运动状态及实际田间路面参数(摩擦力系数、泊松比、弹性模量)进行分析，构建移动机器人的运动模型，采用Labview软件编写车载电脑程序进行运动控制。
2、本发明的结构可进行轮距调节，适用于不同种植间距的旱地作物，减小移动机器人运动过程中对作物带来的破坏性作用。
3、本发明的车身所搭载的作物生长信息监测传感器，能够实现作物生长信息的实时、准确、高通量获取。
4、本发明通过坐标强制转换将WGS-84坐标转换到国家54坐标系，该转换过程通过C++进行编码，并创建动态链接库(DLL)进行调用，不仅适用于机器人自带的GPS设备，同样适用于其他GPS装置，使得航点标记及航线规划方式更加便捷、多样。
5、本发明通过对田间秸秆覆盖度、土壤水分含量、土壤紧实度等因素对车轮速度的影响进行分析，构建秸秆与土壤因素对车轮速度影响的数学模型，根据该模型建立机器人路径跟踪算法，能够减弱作物秸秆及部分土壤因素对机器人运行的影响。
附图说明
图1为本发明的结构示意图。
图2为本发明的俯视示意图。
图3为本发明的减震叉与车身连接结构示意图。
图4为本发明运动控制结构示意图。
图5为本发明的传感器采集示意图。
图6为本发明的惯性导航方法示意图。
图7为本发明GPS航点标记示意图。
图8为本发明的航线、横向偏差及角度偏差示意图。
图9为本发明的秸秆、土壤因素对车轮速度影响的模型构建示意图。
图10为本发明的路径跟踪算法原理图。
图中：1-高清相机，2-车架，3-被动光源式作物生长监测传感器，4-减震叉，5-轮毂电机，6-竖直支架，7-运动控制箱，8-电源装置，9-轮距调节扳手，10-主动光源式作物生长监测传感器，11-环境信息传感器装置；X为机器人与航线的横向偏差，θ为机器人车头角与正北方向夹角，
为航线与正北方向夹角，
为上述二者角度差值。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
实施例一。
参照图1，2和3，一种田间作物表型监测机器人，具体包括：车身平台，电源装置8，运动控制装置，环境信息传感器装置11及作物生长信息传感器装置。
所述车身平台用于承载及安装，其主要包括车架2和竖直支架6，所述车架2用于搭载电源装置8，运动控制装置及传感器装置，车架2长度为1375CM，顶端距离地面高度为1100CM，所述竖直支架6用于满足不同传感器的测试高度需求，竖直支架长度为60CM。
所述电源装置8用于供电；本实施例采用48V锂电池，用于为所述运动控制装置及传感器装置供电，电源装置8放置于安装盒中，安装盒与车架2通过螺丝进行固定。
所述运动控制装置包括运动控制箱7及轮式底盘，运动控制箱7中放置车载电脑，电机驱动器及变压器，其中，车载电脑用于输入控制命令驱动电机驱动器，电机驱动根据命令驱动电机，变压器将48V电源电压进行降压，用以供给不同电压需求的传感器装置，运动控制箱与车架采用螺栓结构进行固定。所述轮式底盘，包括减震叉4及轮毂电机5，减震叉4用于移动机器人于田间运动时的避震处理，减震叉4采用三角托架设计，上部配有立轴，立轴与带有通孔的方形连接件通过轴孔配合连接，并通过螺纹连接紧固两个部件；同侧的前后轮间配有纵轴，方形连接件与纵轴的两端通过两个T型铁片以及两个角码进行限位连接，同时纵轴与车身平台的横梁通过轮距调节扳手以螺纹形式连接。轮距调节时，将车身平台同侧横梁与纵轴之间的轮距调节扳手松开，手动调节一侧的纵轴，改变轮距，调节后紧固横纵梁，对应的按照相同方法调整另外一侧，从而实现轮距调节。轮距调节的调节范围为130cm-150cm，用于适应不同行距种植的旱地作物，减小其于田间运行时对作物的破坏性作用，轮毂电机5用于实现移动机器人运动；
所述环境信息传感器装置11包括高清相机1，GPS，十轴陀螺仪，温湿度传感器，所述高清相机用于田间实时高清图像获取，能够实现田间障碍识别及避障路径规划；所述GPS能够实时获取移动机器人地理位置信息，用于移动机器人的导航路径规划及自主导航；所述十轴陀螺仪能够获取移动机器人的实时航向角，偏移角，角速度信息及加速度信息，用于移动机器人的路径校正；所述温湿度传感器，能够获取环境中的实时温湿度信息。
所述作物生长信息监测传感器装置，包括主动光源式作物生长监测传感器10及被动光源式作物生长监测传感器3，所述主动光源式作物生长监测传感器10能够通过自身搭载的光源系统进行发光，全天候获取作物冠层反射光谱信息；所述被动光源式作物生长监测传感器3，依靠太阳光作为光源，需在晴朗无风无云天进行测试，在结构可分为上行光传感器和下行光传感器，上行光传感器用于获取太阳光在730nm、815nm波长处的辐射信息，下行光传感器用于接收对应波长的作物冠层反射光辐射信息。
参照图4，一种田间作物表型监测机器人的运动控制结构包括电源，轮毂电机，变压器，车载电脑，电机驱动器，所述电源直接给轮毂电机进行供电，并连接变压器产生不同幅值的电压用于车载电脑及电机驱动器的供电，移动机器人的运动学及动力学模型通过分析车体运动状态，土壤摩擦力系数，泊松比，弹性模量等参数进行构建，所述模型采用Labview程序进行编写，通过车载电脑运行实施；
参照图5，一种田间作物表型监测机器人的传感器采集结构包括电源，变压器，温湿度传感器，GPS，十轴陀螺仪，高清相机，车载电脑，主动光源传感器及被动光源传感器，所述电源连接变压器为车载电脑及各个传感器结构进行供电，所述温湿度传感器，GPS，十轴陀螺仪，高清相机，主动光源传感器及被动光源传感器在上电启动后，并行采集数据，所采集数据于车载电脑处理并实时显示，根据环境信息传感器的采集结果，车载电脑进行导航路径规划，避障路径规划及导航决策，根据作物生长信息传感器的采集结果，车载电脑进行作物生长信息反演，生成营养元素分布图及对应施肥处方图。
实施例二。
参照图6，一种田间作物表型监测机器人的导航方法，所述导航方法首先通过GPS装置对机器人所需要经过的航点进行记录，航点标记完成后将所有航点转换为国家54坐标并输入机器人控制软件，当机器人执行自动导航功能后，机器人控制软件根据航点顺序依次计算相邻航点间的航线位置及方向，同时，机器人通过车身搭载的GPS装置获取实时GPS信息并将其转换到国家54坐标系，软件根据机器人的实时位置及当前航线位置计算机器人与航线间的垂直位置偏差。机器人上还搭载了与车头平行放置的惯性测量单元，该测量单元能够实时输出机器人的航向角，根据此时航线的方向以及机器人的航向角，通过计算能够得出机器人航向与航线方向的角度偏差；
参照图7，一种田间作物表型监测机器人导航方法的GPS航点标记示意图。其中，所述GPS航点规划包括人为操控机器人利用车身自带GPS进行航点标记以及通过其他GPS装置进行航点标记两种方式，航点标记完成后将所有航点转换到国家54坐标系并输入机器人控制软件，当GPS航点规划完毕，执行自动导航功能后，机器人控制软件能够根据航点顺序依次计算相邻航点间的航线位置及方向。
参照图8，一种田间作物表型监测机器人导航方法的航线、横向偏差及角度偏差示意图。其中，所述航线为相邻两个标记航点间的直线向量位置及该向量与正北方向的角度偏差，所述横向偏差为机器人实时位置与航线间的垂直距离，所述角度偏差为机器人通过惯性测量单元获取得到的车头航向角与航线方向的角度偏差。
参照图9，一种田间作物表型监测机器人导航方法的秸秆、土壤因素对车轮速度影响的模型构建示意图。所述秸秆因素，包括秸秆覆盖度，测试方法采用无人机于20米低空获取田块航拍图像，对图像进行HSV颜色空间提取，筛选出秸秆部分并计算像素点数量，通过秸秆部分像素点数量与图像总像素点数量间的比值计算秸秆覆盖度，所述土壤因素，包括土壤水分含量及土壤紧实度，土壤水分含量采用土壤水分含量传感器进行获取，土壤紧实度采用土壤紧实度传感器进行获取，二者均采集多次后求取平均值。在机器人运行过程中，采用光电测速传感器对机器人于农田运行过程中的车轮实际速度进行获取，并与设定速度进行比较，计算速度差值，通过对不同秸秆覆盖、土壤水分含量、土壤紧实度的田块进行结果对比，根据三者对于速度影响的不同情况，赋予不同大小的权重，构建对车轮速度影响的数学模型。
参照图10，一种田间作物表型监测机器人导航方法的路径跟踪算法原理图。其中，所述路径跟踪，包括对于机器人横向偏差的校正以及角度偏差的校正，所述横向偏差，表示机器人实时位置与航线间的垂直距离，所述角度偏差，通过惯性测量单元输出的航向角以及航线方向角计算所得，当横向偏差超过用户设定的偏差阈值的时候，机器人进行偏差校正，通过路径跟踪算法进行左右轮速度的调整并输入，考虑输入速度在秸秆覆盖度、土壤因素影响下的变化，结合霍尔传感器反馈的实时速度，对左右轮速度误差及实际车速、转向半径进行计算，并对调整结果预测并反馈，进行持续校正。
以上显示和描述了本发明的基本原理、主要特征和优点。本领域的普通技术人员应该了解，上述实施例不以任何形式限制本发明的保护范围，凡采用等同替换等方式所获得的技术方案，均落于本发明的保护范围内。
本发明未涉及部分均与现有技术相同或可采用现有技术加以实现。
Claims (9)
1.一种田间作物表型监测机器人的导航方法，其特征在于，该方法包括如下步骤：
(1)预先标记GPS航点位置；
(2)对航点大地坐标进行坐标转换并根据航点顺序计算相邻航点间的航线位置及方向；
(3)通过GPS与IMU装置获取机器人的实时位置及姿态信息，计算机器人位姿与航线的横向偏差及角度偏差；
(4)通过对田间秸秆覆盖度、土壤水分含量、土壤紧实度因素对车轮速度的影响进行分析，构建秸秆与土壤因素对车轮速度影响的数学模型，根据该模型建立机器人路径跟踪算法，以实现惯性导航偏差校正；其中：
所述田间秸秆覆盖度、土壤水分含量、土壤紧实度因素对车轮速度的影响，包括对田间秸秆覆盖度、土壤水分含量、土壤紧实度因素的实际测试分析，并结合实际获取的车轮速度，构建秸秆与土壤因素对车轮速度影响的数学模型；具体为：
所述秸秆因素，包括秸秆覆盖度，测试方法采用无人机低空获取田块航拍图像，对图像进行HSV颜色空间提取，筛选出秸秆部分并计算像素点数量，通过秸秆部分像素点数量与图像总像素点数量间的比值计算秸秆覆盖度；所述土壤因素，包括土壤水分含量及土壤紧实度，土壤水分含量采用土壤水分含量传感器进行获取，土壤紧实度采用土壤紧实度传感器进行获取，二者均采集多次后求取平均值；在机器人运行过程中，采用光电测速传感器对机器人于农田运行过程中的车轮实际速度进行获取，并与设定速度进行比较，计算速度差值，通过对不同秸秆覆盖、土壤水分含量、土壤紧实度的田块进行结果对比，根据三者对于速度影响的不同情况，赋予不同大小的权重，构建对车轮速度影响的数学模型。
2.根据权利要求1所述的一种田间作物表型监测机器人的导航方法，其特征在于，通过对移动机器人的结构、运动状态及实际田间路面参数进行分析，构建移动机器人的运动模型，并采用Labview软件编写车载电脑程序进行运动控制。
3.根据权利要求1所述的一种田间作物表型监测机器人的导航方法，其特征在于，所述对航点大地坐标进行坐标转换，包括获取GPS输出的WGS-84大地坐标，以WGS-84参考椭球为基准进行高斯投影，然后通过相似变换进行平面坐标强制转换，将高斯投影后的平面坐标强制统一到国家54坐标系，上述转换过程采用C++语言进行编码，并创建动态链接库，供机器人控制软件实时调用。
4.根据权利要求1所述的一种田间作物表型监测机器人的导航方法，其特征在于，所述计算相邻航点间的航线，包括计算航线上任一点的具体坐标及航线方向与正北方向的夹角；所述机器人位姿与航线的横向偏差及角度偏差，包括机器人实时位置到航线的垂直距离以及机器人航向角与航线方向的夹角大小。
5.根据权利要求1所述的一种田间作物表型监测机器人的导航方法，其特征在于，所述惯性导航偏差校正，包括横向偏差校正与角度偏差校正，所述横向偏差校正及角度偏差校正方法，通过建立路径跟踪算法来实现；其中，所述路径跟踪算法的建立，依赖于秸秆与土壤因素对车轮速度影响的数学模型，所述路径跟踪算法用于计算偏差大小及规划调整路径。
6.根据权利要求1所述的一种田间作物表型监测机器人的导航方法，其特征在于，所述田间作物表型监测机器人包括车身平台，电源装置，运动控制装置，环境信息传感器装置及作物生长信息传感器装置；
所述车身平台用于承载及安装；
所述电源装置用于为所述运动控制装置及各传感器装置供电；
所述运动控制装置包括运动控制箱及轮式底盘，所述运动控制箱用于控制机器人运动状态；所述轮式底盘用于实现机器人运行；
所述环境信息传感器装置包括高清相机，GPS，十轴陀螺仪及温湿度传感器；其中，所述高清相机用于田间实时高清图像获取，能够实现田间障碍识别及避障路径规划；所述GPS能够实时获取移动机器人的地理位置信息，用于移动机器人的导航路径规划及自主导航；所述十轴陀螺仪能够获取移动机器人的实时航向角，偏移角，角速度信息及加速度信息，用于移动机器人的路径校正；所述温湿度传感器用于获取环境中的实时温湿度信息；
所述作物生长信息传感器包括主动光源式作物生长监测传感器及被动光源式作物生长监测传感器，用于作物生长信息的实时、准确、高通量获取。
7.根据权利要求6所述的一种田间作物表型监测机器人的导航方法，其特征在于，所述车身平台包含车架及垂直支架，所述车架及垂直支架均采用航空铝设计加工，并留有安装槽用于不同类型的传感器进行安装；其中，车架用于搭载电源装置，运动控制装置及传感器装置，垂直支架用于满足传感器的不同测试高度需求。
8.根据权利要求6所述的一种田间作物表型监测机器人的导航方法，其特征在于，所述运动控制箱内安装有车载电脑，电机驱动器及变压器，其中，车载电脑用于输入控制命令驱动电机驱动器，电机驱动器根据命令驱动电机，变压器将48V电源电压进行降压，用以供给不同电压需求的传感器装置；所述轮式底盘由减震叉及轮毂电机构成，减震叉用于移动机器人于田间运动时的避震处理，其采用三角托架设计，上部配有立轴，立轴与带有通孔的方形连接件通过轴孔配合连接，并通过螺纹连接紧固两个部件；同侧的前后轮间配有纵轴，方形连接件与纵轴的两端通过两个T型铁片以及两个角码进行限位连接，同时纵轴与车身平台的横梁通过轮距调节扳手以螺纹形式连接。
9.根据权利要求6所述的一种田间作物表型监测机器人的导航方法，其特征在于，所述主动光源式作物生长监测传感器通过自身搭载的光源系统进行发光，用于全天候获取作物冠层反射光谱信息；所述被动光源式作物生长监测传感器，依靠太阳光作为光源，用于在晴朗无风无云天进行测试，其在结构上可分为上行光传感器和下行光传感器，上行光传感器用于获取太阳光在730nm、815nm波长处的辐射信息，下行光传感器用于接收对应波长的作物冠层反射光辐射信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911116442.1A CN110715665B (zh) | 2019-11-15 | 2019-11-15 | 一种田间作物表型监测机器人及其导航方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911116442.1A CN110715665B (zh) | 2019-11-15 | 2019-11-15 | 一种田间作物表型监测机器人及其导航方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110715665A CN110715665A (zh) | 2020-01-21 |
| CN110715665B true CN110715665B (zh) | 2021-12-14 |
Family
ID=69216027
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911116442.1A Active CN110715665B (zh) | 2019-11-15 | 2019-11-15 | 一种田间作物表型监测机器人及其导航方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110715665B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111829473B (zh) * | 2020-07-29 | 2022-04-26 | 威步智能科技(苏州)有限公司 | 一种行进间的运动底盘测距方法及系统 |
| CN112684483B (zh) * | 2021-01-22 | 2024-02-06 | 浙江理工大学 | 基于卫星和视觉融合的导航偏差感知及其信息获取方法 |
| CN113008225B (zh) * | 2021-03-10 | 2022-09-02 | 中科人工智能创新技术研究院(青岛)有限公司 | 一种基于非局部视觉建模的视觉语言导航方法及系统 |
| CN113381667B (zh) * | 2021-06-25 | 2022-10-04 | 哈尔滨工业大学 | 一种基于ros与图像处理的寻苗行走系统及其方法 |
| CN113534823B (zh) * | 2021-09-16 | 2021-12-14 | 季华实验室 | 种植机器人路径规划方法、装置、电子设备和存储介质 |
| CN113878593B (zh) * | 2021-10-15 | 2023-01-24 | 南京农业大学 | 地隙和轮距可调的农田信息采集机器人及信息采集方法 |
| CN115060261B (zh) * | 2022-03-23 | 2024-05-14 | 华中农业大学 | 一种用于表型检测无人车的自主导航方法及装置 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102768186B (zh) * | 2012-06-27 | 2014-12-03 | 南京农业大学 | 一种田间作物生长信息无损快速检测装置及检测方法 |
| CN103278197B (zh) * | 2013-05-31 | 2016-02-03 | 南京农业大学 | 一种基于车载系统的作物生长监测装置与方法 |
| CN109955810A (zh) * | 2017-12-14 | 2019-07-02 | 西北农林科技大学 | 一种轮式拖拉机陷车分级预警系统 |
| CN109466655B (zh) * | 2018-10-30 | 2020-08-14 | 南京农业大学 | 田间作物表型监测机器人 |
| CN110006424B (zh) * | 2019-04-10 | 2023-10-31 | 山东农业大学 | 一种基于田间的高通量作物表型机器人及其控制系统 |
| CN110260789B (zh) * | 2019-07-12 | 2020-09-29 | 南京农业大学 | 一种田间高通量作物表型监测系统及方法 |
-
2019
- 2019-11-15 CN CN201911116442.1A patent/CN110715665B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN110715665A (zh) | 2020-01-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110715665B (zh) | 一种田间作物表型监测机器人及其导航方法 | |
| Daponte et al. | A review on the use of drones for precision agriculture | |
| Young et al. | Design and field evaluation of a ground robot for high-throughput phenotyping of energy sorghum | |
| Underwood et al. | Efficient in‐field plant phenomics for row‐crops with an autonomous ground vehicle | |
| CN108594850B (zh) | 基于无人机的航线规划及控制无人机作业的方法、装置 | |
| US10165722B2 (en) | Scouting systems | |
| Noguchi et al. | Development of an agricultural mobile robot using a geomagnetic direction sensor and image sensors | |
| US20190294178A1 (en) | Land mapping and guidance system | |
| CN109792951B (zh) | 用于杂交水稻授粉的无人机航线校正系统及其校正方法 | |
| CN107192678A (zh) | 一种基于多传感器成像光谱的自走式低空遥感装置 | |
| US20200356096A1 (en) | Autonomous agricultural working machine and method of operation | |
| Zhang et al. | Mapping orchards for autonomous navigation | |
| EP4104132A1 (en) | Horticulture aided by autonomous systems | |
| Bietresato et al. | A tracked mobile robotic lab for monitoring the plants volume and health | |
| WO2022107588A1 (ja) | 移動体、制御ユニット、データ生成ユニット、移動体の動作を制御する方法、およびデータを生成する方法 | |
| CN106708075A (zh) | 基于固定翼无人机的大范围油菜田spad值遥感系统及采集方法 | |
| EP4104133A1 (en) | Horticulture aided by autonomous systems | |
| Menendez-Aponte et al. | Software and hardware architectures in cooperative aerial and ground robots for agricultural disease detection | |
| WO2022107587A1 (ja) | 移動体、データ生成ユニット、およびデータを生成する方法 | |
| CN107290054A (zh) | 一种基于光谱成像技术的自走式在线检测装置 | |
| Corpe et al. | GPS-guided modular design mobile robot platform for agricultural applications | |
| CN207074165U (zh) | 一种基于多传感器成像光谱的自走式低空遥感装置 | |
| Schwarz et al. | Development of an autonomous driven robotic platform used for ht-phenotyping in viticulture | |
| Qiu et al. | LiDAR Point-Cloud Odometer Based Mobile Robot Routine Tracking in Orchards | |
| Libby et al. | Accurate GPS-free positioning of utility vehicles for specialty agriculture |
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 |