CN112947476A - 一种丘陵拖拉机无人驾驶系统 - Google Patents
一种丘陵拖拉机无人驾驶系统 Download PDFInfo
- Publication number
- CN112947476A CN112947476A CN202110302277.XA CN202110302277A CN112947476A CN 112947476 A CN112947476 A CN 112947476A CN 202110302277 A CN202110302277 A CN 202110302277A CN 112947476 A CN112947476 A CN 112947476A
- Authority
- CN
- China
- Prior art keywords
- field
- tractor
- control unit
- hilly
- speed
- 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.)
- Pending
Links
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 37
- 238000005265 energy consumption Methods 0.000 claims abstract description 27
- 238000001514 detection method Methods 0.000 claims abstract description 16
- 230000003993 interaction Effects 0.000 claims abstract description 10
- 230000007246 mechanism Effects 0.000 claims abstract description 10
- 210000000349 chromosome Anatomy 0.000 claims description 21
- 238000000034 method Methods 0.000 claims description 21
- 238000005516 engineering process Methods 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 10
- 230000004927 fusion Effects 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 108090000623 proteins and genes Proteins 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 8
- 230000008901 benefit Effects 0.000 claims description 6
- 230000000295 complement effect Effects 0.000 claims description 4
- 230000002068 genetic effect Effects 0.000 claims description 3
- 210000001503 joint Anatomy 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 2
- 238000005457 optimization Methods 0.000 abstract description 2
- 238000011160 research Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 4
- 238000009313 farming Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 208000028257 Joubert syndrome with oculorenal defect Diseases 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000011221 initial treatment Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000011282 treatment 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, 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
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- 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
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- 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
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- 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
- G05D1/0225—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving docking at a fixed facility, e.g. base station or loading bay
-
- 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
-
- 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及丘陵拖拉机田间作业技术领域，具体是一种丘陵拖拉机无人驾驶系统，其中所述自动驾驶系统包括车载控制器、方向盘电机控制单元、定位系统、人机交互模块和角度检测单元；定位系统，包括北斗组合惯导系统、机具测速地轮机构；连接接口，本发明的路径规划算法针对丘陵拖拉机地头转弯的方式作出预测和调整，能够使得丘陵拖拉机地头平稳转弯，降低中国丘陵地区农田环境特点给机械化作业及智能化作业增加的难度，优先解决作业区各分散田块内部的覆盖路径规划问题，一方面从能耗最优角度对田块内的规划路线进行优化，另一方面采用了搜索遍历算法将各田块进行有序连接，能够有效规划出实验农田的覆盖作业路径，路径总耗能优化效果明显。
Description
技术领域
本发明涉及丘陵拖拉机田间作业技术领域，具体是一种丘陵拖拉机无人驾驶系统。
背景技术
中国的丘陵山地农田面积在总耕地面积中占比较大，由于国内农业受制于农业制度、环境条件等客观因素，因此中国丘陵地区农田逐渐发展出田块面积小、田块密集无规律分布的特点，这些特点给智能化作业甚至机械化作业带来挑战，因此丘陵地区的农机田间自主作业所需要的CPP技术在实现难度上要比平面农田覆盖路径规划技术更加困难。主要难点包括：
(1)三维地形农田需要考虑高程对路径规划技术造成的一系列问题；
(2)中国丘陵地区农田环境特点明显，给机械化作业及智能化作业增加难度，尤其是地头转弯。
中国农业机械化遵循绿色农业与精准农业的发展方向，而在三维地形中作业不可避免的要考虑能耗问题，无论是上坡行驶还是下坡行驶都会带来额外的能耗。如果忽略这方面内容，将会造成机械作业效率的下降以及能耗的增加，从而在油耗上增加农民机械化作业成本。
路径规划在未来智慧农业概念中的无人驾驶领域具有重要意义，在农业田间作业领域，路径规划技术的应用主要由两部分构成，一方面通过覆盖路径规划技术从全局角度对作业路径进行静态规划；另一方面基于传感器技术、自动控制技术等技术实现对小型障碍物等突发事件的动态实时局部路径规划。目前的研究重点集中于后者，而在覆盖路径规划方面研究较少且研究深度不足。由于在农业系统中，环境因素、农艺要求等情况是农机作业必须考虑的必要因素。
为完成某农业田间作业，寻找覆盖全田的最优路径是一个非常困难的数学或算法问题，就目前研究成果来看，并没有确切的评价标准来衡量覆盖路径规划算法的优劣。
中国丘陵地区农田环境独具特色：田块面积小且较为集中，田块彼此通过田间道路连接，很明显其他地区研究者提出的三维地形农田CPP方案难以在中国地区使用，而中国地区在三维地形CPP领域的研究尚处于空白阶段，因此研究开发与我国三维地形农田特点相匹配，与作业要求相适应的覆盖路径规划方案对于我国丘陵地区农机田间自主作业来说是必要的。
发明内容
本发明的目的在于提供一种丘陵拖拉机无人驾驶系统，以解决上述背景技术中提出的问题。
本发明的技术方案是：
一种丘陵拖拉机无人驾驶系统，包括有底盘控制单元，所述无人驾驶系统还包括有与底盘控制单元电性连接的自动驾驶系统和连接接口；
其中所述自动驾驶系统包括车载控制器、均与车载控制器电性连接的方向盘电机控制单元、定位系统、人机交互模块和角度检测单元；
其中所述定位系统，包括北斗组合惯导系统和与北斗组合惯导系统电性连接的机具测速地轮机构；
其中所述连接接口，其协议对接底盘通用速度控制器的接口，包括自动转弯的参数设置并上传给自动驾驶系统供转弯执行器使用；
其中所述人机交互模块与车载控制器电性连接，用于接收用户输入的外部控制指令和目标速度值。
所述车载控制器通过CAN总线电性连接有惯导检测单元、无级变速器电子控制单元和发动机电子控制单元，其中所述车载控制器通过CAN总线分别向无级变速器电子控制单元、方向盘电机控制单元、发动机电子控制单元和机具测速地轮机构发送调节指令；惯导检测单元通过CAN总线电性连接有安装于从动地轮与地轮上的速度传感器。
所述车载控制器包括有路径规划算法和搜索遍历算法，其中所述路径规划算法包括有以下步骤：
步骤S1：基于三维地形从力学角度构建能耗成本函数，并基于该函数搜索田内能耗最低行驶方向角；
步骤S2：构建地头转弯方式决策模型；
步骤S3：基于遗传算法搜索遍历各个田块的最优次序。
地头转弯方式决策模型：
其中，ω：作业行距；ψ:作业方向与农田边界的夹角；r：最小转弯半径；ST：单个转弯路径长度；Wh：地头宽度；
所述地头转弯执行过程包括有以下步骤：
步骤T1：通过无级变速系统和机械变速箱的驱动方式，保证发动机动力的传递效率，利用电液技术自动调整变速器变速比用以拖拉机行走速度控制；
步骤T2：当地头转弯时，自动通过无级变速系统实现降速段、转弯段、倒车段及停机段；
步骤T3：其中转弯段按照事先的规划路径进行跟踪控制转向工作。
所述搜索遍历算法是指：
(3)将基因进行编码，采用XXX编码方法对所需参数进行初始化，所需参数包括种群数、染色体基因数、迭代次数、交叉概率和变异概率；
其中基因编码为田块及其出入口序号，染色体基因数为田块数；
(4)选择适应度函数，并判断每个染色体适应度，由于任意田块的出入节点已确定，因此每个染色体都能够根据前田块的出口与后田块的入口之间的直线距离计算获得总代价，取总代价的倒数为适应度函数；
其中染色体为基于已知出入口的田块的随机排列；
(3)根据适应度采用XXX编码方法对染色体进行选择操作，并对选择得到的染色体经过交叉与变异产生新种群；
(4)对新的种群根据第二步继续演化；
(5)迭代终止原则，达到最大迭代次数或适应度不再变化时，算法终止。
所述北斗组合惯导系统、惯导检测单元和机具测速地轮机构使用融合定位算法：采用MEMS传感器与定位系统进行数据融合，组成优势互补的低成本组合导航系统，机具自带测速地轮，通过接口传输到主机上，毫米波雷达测速测角速度。
本发明通过改进在此提供一种丘陵拖拉机无人驾驶系统，与现有技术相比，具有如下改进及优点：
其一：本发明的路径规划算法针对丘陵拖拉机地头转弯的方式作出预测和调整，能够使得丘陵拖拉机地头平稳转弯，降低中国丘陵地区农田环境特点给机械化作业及智能化作业增加的难度。
其二：本发明的路径规划算法解决中国丘陵地区农作环境下农机的覆盖路径规划问题，基于能耗模型对农机最优行驶角度进行搜索，优先解决作业区各分散田块内部的覆盖路径规划问题。
其三：本发明一方面从能耗最优角度对田块内的规划路线进行优化，另一方面采用了搜索遍历算法将各田块进行有序连接，进而解决了中国丘陵地区独特的农作环境与农耕制度给农机作业带来的综合问题，能够有效规划出实验农田的覆盖作业路径，路径总耗能优化效果明显。
附图说明
下面结合附图和实施例对本发明作进一步解释:
图1是本发明的系统框图；
图2是本发明行驶方向倾角与坡度角之间关系的示意图；
图3是本发明地头转弯决策示意图；
图4是本发明基于农田某行驶角度截面视角下的一段路径的示意图；
图5是本发明丘陵拖拉机上坡过程的受力分析的示意图；
具体实施方式
下面对本发明进行详细说明，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明通过改进在此提供一种丘陵拖拉机无人驾驶系统，如图1-图5所示，包括有底盘控制单元，所述无人驾驶系统还包括有与底盘控制单元电性连接的自动驾驶系统和连接接口；
其中底盘控制单元如申请号为202010598269.X的一种农机通用底盘HST控制装置所述，此处不再详述。
其中所述自动驾驶系统包括车载控制器、均与车载控制器电性连接的方向盘电机控制单元、定位系统、人机交互模块和角度检测单元；
通过角度检测单元，建立三维地形能耗模型首要处理的参数即坡度。由于坡度的存在，三维地形农田在路径规划算法的设计方面要比二维农田困难。农业设备在田间作业行驶方向的倾角与三维地形的坡度并不是一个概念。在实际作业中，行驶方向倾角与坡度角之间的关系根据图2可知存在下述关系：
其中θ：坡度角；α：行驶方向角；δ：农田边界与水平方向夹角；ψ:作业方向与农田边界的夹角；β：作业方向的倾角，如图2所示。
其中所述定位系统，包括北斗组合惯导系统和与北斗组合惯导系统电性连接的机具测速地轮机构；针对丘陵地区导航信号容易丢失问题，北斗/惯导/轮速的融合定位算法，提高定位精度的同时降低系统能耗。
其中所述连接接口，其协议对接底盘通用速度控制器的接口，包括自动转弯的参数设置并上传给自动驾驶系统供转弯执行器使用；
其中所述人机交互模块与车载控制器电性连接，用于接收用户输入的外部控制指令和目标速度值。
所述车载控制器通过CAN总线电性连接有惯导检测单元、无级变速器电子控制单元和发动机电子控制单元，其中所述车载控制器通过CAN总线分别向无级变速器电子控制单元、方向盘电机控制单元、发动机电子控制单元和机具测速地轮机构发送调节指令；惯导检测单元通过CAN总线电性连接有安装于从动地轮与地轮上的速度传感器，能够自主实现调整丘陵拖拉机地头转弯的方式作出预测和调整，能够使得丘陵拖拉机地头平稳转弯，降低中国丘陵地区农田环境特点给机械化作业及智能化作业增加的难度。
无论是上坡行驶还是下坡行驶都会带来额外的能耗。如果忽略这方面内容，将会造成机械作业效率的下降以及能耗的增加，从而在油耗上增加农民机械化作业成本，因此以能耗角度对田内规划路径进行评估是合理的并且具有积极意义。
如图1-图5所示，所述车载控制器包括有路径规划算法和搜索遍历算法，其中所述路径规划算法包括有以下步骤：
步骤S1：基于三维地形从力学角度构建能耗成本函数，并基于该函数搜索田内能耗最低行驶方向角；
步骤S2：构建地头转弯方式决策模型；
步骤S3：基于遗传算法搜索遍历各个田块的最优次序。
地头转弯方式决策模型：
其中，ω：作业行距；ψ:作业方向与农田边界的夹角；r：最小转弯半径；ST：单个转弯路径长度；Wh：地头宽度；如图3所示。
地头转弯方式由地头宽度与农机最小转弯半径两个参数共同决定。对于地头转弯的选择方式，几种地头转弯方式的决策和路径成本计算，包括“平”型、“U”型、“灯泡”型、“鱼尾”型等。基于该研究成果得图3所示地头转弯决策模型。不同转弯方式的路径成本不同。
所述地头转弯执行过程包括有以下步骤：
步骤T1：通过无级变速系统和机械变速箱的驱动方式，保证发动机动力的传递效率，利用电液技术自动调整变速器变速比用以拖拉机行走速度控制；
步骤T2：当地头转弯时，自动通过无级变速系统实现降速段、转弯段、倒车段及停机段；
步骤T3：其中转弯段按照事先的规划路径进行跟踪控制转向工作。
通过地头转弯执行过程，能够最大程度减小地头转弯的能耗。
其中步骤T3中的能耗模型计算如下：
在已有假设中，农田的表面呈线性，即任意角度截面的边线呈线性，田块表面的线性并不意味着在上/下坡运动过程中作业倾角β保持不变，而是作业倾角β随着坡度角θ的变化而变化，通过DEM数据获得的农田三维结构模型已经对农田表面进行了线性化处理，因此在仿具研究中以某角度行驶的一段路径表面如图4所示，在描述一条路径时，以单元路径为研究对象，给每个单元路径分配三个参数，即单元段作业倾角βi、单元段路径长度Δli、单元段驱动力Fi，根据上述三个参数获取各单元路径的耗能情况Wi。
假设某一单元路径i的两节点坐标分别为Ni(xi，yi，zi)和Ni+1(xi+1，yi+1，zi+1)，则单元路径i的单元段坡度角根据公式(4)计算，即：
其中i为大于0的正整数；
因此，单元段作业倾角βi可知：
单元段路径长度Δli的计算采用欧氏距离计算，即公式(6)
作业设备在实际作业区作业时，根据坡度情况可分为上坡作业阶段(β≥0)和下坡作业阶段(β＜0)。当β≥0时，即移动设备保持上坡运动。移动设备在上坡过程中的驱动力计算参考公式(5)，即：
Ftup＝Ff+Fw+Fi+Fj..........(7)
其中，Ft：驱动力；Ff：滚动摩擦力；Fw：空气阻力；Fi：坡度阻力；Fj：加速阻力；
在公式(7)中，由于丘陵农田田间作业的速度低，因此空气阻力可忽略不计，即Fw＝0，此外作业设备以两个不同的速度值分别完成工作过程与转弯过程，因此在工作过程与转弯过程间存在一个加速/减速的过渡阶段，但这一阶段可在短时间内完成，因此将该阶段并入匀速作业阶段中，进而使Fj＝0。所以移动设备在上坡运动过程中的受力可简化为：
Ftup＝Ff+Fi..........(8)
具体受力分析可见图5，其中
Ff＝fMgcosβ..........(9)
式中，f：滚动摩擦系数，取f＝0.1(新轮胎)或f＝0.35(旧轮胎)；M：移动设备总质量。
坡度阻力来自于移动设备的重力在坡面上的分力，因此得到
Fi＝Mgsinβ..........(10)
由公式(5)、(8)、(9)、(10)可得：
同理在下坡过程中，移动设备驱动力表达式为：
因此得单元段驱动力，如公式(12)
每段单元路径的功耗根据wi＝FiΔli计算，因此得单元路径的能耗模型：
图4的示例给出了田块实际作业区域的一段完整的路径段，每两个相邻节点连接可获得一段单元路径，若干单元路径连接得到一条路径，若干路径通过地头转弯路径连接则获得完整的田内覆盖规划路径。在田块的实际作业区域内包含若干条路径，因此基于单元路径的能耗模型可得田块内实际作业区域内部的所有路径的总功耗W：
W=∑Wi..............(15)
所述搜索遍历算法是指：
(1)将基因进行编码，采用XXX编码方法对所需参数进行初始化，所需参数包括种群数、染色体基因数、迭代次数、交叉概率和变异概率；
其中基因编码为田块及其出入口序号，染色体基因数为田块数；
将基因(田块及其出入口序号)进行编码，采用XXX(优势)的XXX编码方法可解决XXX问题，并对所需参数进行初始化，包括种群数XX、染色体基因数(田块数)XX、迭代次数XX、交叉概率XX、变异概率XX。
(2)选择适应度函数，并判断每个染色体适应度，由于任意田块的出入节点已确定，因此每个染色体都能够根据前田块的出口与后田块的入口之间的直线距离计算获得总代价，取总代价的倒数为适应度函数；
其中染色体为基于已知出入口的田块的随机排列；
选择适应度函数，并判断每个染色体适应度。由于任意田块的出入节点已确定，因此每个染色体(基于已知出入口的田块的随机排列)都能够根据前田块的出口与后田块的入口之间的直线距离计算获得总代价，取总代价的倒数为适应度函数，当总代价越小，适应度函数越好；
(3)根据适应度采用XXX编码方法对染色体进行选择操作，并对选择得到的染色体经过交叉与变异产生新种群；
(4)对新的种群根据第二步继续演化；
(5)迭代终止原则，达到最大迭代次数或适应度不再变化时，算法终止。
所述北斗组合惯导系统、惯导检测单元和机具测速地轮机构使用融合定位算法：采用MEMS传感器与定位系统进行数据融合，组成优势互补的低成本组合导航系统，机具自带测速地轮，通过接口传输到主机上，毫米波雷达测速测角速度。
从能耗角度对一个作业区域内完整的路径规划进行设计，对于给定的作业区域，具体算法流程如下：
输入：FF(各田块边界及内部节点DEM数据文件)、Wh(地头宽度)、r(最小转弯半径)、ω(作业行距)、m(农机总质量)、Δ(行驶角度搜索步长)、origin(参考坐标原点)
输出：各田块最优行驶角度、能耗成本及路径成本数据及关系图；遍历各田块最优序列；作业区域完整路径规划图。
第一步：输入数据文件FF，设置工作参数，并完成农田数据的可视化；
第二步：选定参考原点origin，将所采集的边界数据点以及田块内部高程数据点从经纬度坐标转换成直角坐标系坐标。
第三步：根据get_single函数对各个田块寻优，获取能量最优行驶角度。设置行驶方向角，从0°开始按照步长Δ依次搜索到360°，根据成本模型计算每个角度的能量成本Cei与路径成本Cl储存在history变量中，并基于能量成本Cei搜索得到最优行驶角度αo；
第四步：根据地头宽度Wh与最小转弯半径r两个参数调用turn函数选择田块内部地头转弯方式；
第五步：通过main_plot函数完成各田块内部规划路径结果的可视化，并记录每个田块出入口位置数据，数据存储于export和entrance两个变量中；
第六步：计算任意两个田块间的路径成本代价值，并通过搜索遍历算法对路径成本最优的遍历次序进行搜索，最终输出搜索结果，即遍历次序序号。
第七步：对遍历路径进行可视化，完成整体路径规划，算法结束。
针对丘陵地区导航信号容易丢失问题，北斗/惯导/轮速的融合定位算法，提高定位精度的同时降低系统能耗。
(1)惯导：
采用MEMS传感器与GPS接收机进行数据融合，组成优势互补的低成本组合导航系统。融合了惯导、卫导(支持RTK)、车辆信息，具体包括：位置，速度，姿态，航向，参数，时间等。
(2)测速装置：
方法1、机具自带测速地轮，通过接口传输到主机上；
方法2、毫米波雷达测速测角速度。
(3)航迹推算算法的实现：
组合导航主要：惯导+卫导(差分修正)+底盘轮速融合。
六轴惯导，有三轴加表、三轴陀螺，可以推算惯导的运动轨迹。
有RTK的时候，我们会向RTK真值靠拢。
当浮点解的时候，我们将卫导的权重降低，主要靠惯导推算。
当单点或者无卫星信号的时候，我们就直接用惯导推算。
①最佳逼近方法及多项式/粒子群更新导航姿态/姿态、速度、位置等高精度数字积分算法应用在路径规划的轨迹插补算法中。
②CORS网络。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (7)
1.一种丘陵拖拉机无人驾驶系统，包括有底盘控制单元，其特征在于：所述无人驾驶系统还包括有与底盘控制单元电性连接的自动驾驶系统和连接接口；
其中所述自动驾驶系统包括车载控制器、均与车载控制器电性连接的方向盘电机控制单元、定位系统、人机交互模块和角度检测单元；
其中所述定位系统，包括北斗组合惯导系统和与北斗组合惯导系统电性连接的机具测速地轮机构；
其中所述连接接口，其协议对接底盘通用速度控制器的接口，包括自动转弯的参数设置并上传给自动驾驶系统供转弯执行器使用；
其中所述人机交互模块与车载控制器电性连接，用于接收用户输入的外部控制指令和目标速度值。
2.根据权利要求1所述的一种丘陵拖拉机无人驾驶系统，其特征在于，所述车载控制器通过CAN总线电性连接有惯导检测单元、无级变速器电子控制单元和发动机电子控制单元，其中所述车载控制器通过CAN总线分别向无级变速器电子控制单元、方向盘电机控制单元、发动机电子控制单元和机具测速地轮机构发送调节指令；惯导检测单元通过CAN总线电性连接有安装于从动地轮与地轮上的速度传感器。
3.根据权利要求2所述的一种丘陵拖拉机无人驾驶系统，其特征在于，所述车载控制器包括有路径规划算法和搜索遍历算法，其中所述路径规划算法包括有以下步骤：
步骤S1：基于三维地形从力学角度构建能耗成本函数，并基于该函数搜索田内能耗最低行驶方向角；
步骤S2：构建地头转弯方式决策模型；
步骤S3：基于遗传算法搜索遍历各个田块的最优次序。
4.根据权利要求3所述的一种丘陵拖拉机无人驾驶系统，其特征在于，地头转弯方式决策模型：
其中，ω：作业行距；ψ:作业方向与农田边界的夹角；r：最小转弯半径；ST：单个转弯路径长度；Wh：地头宽度。
5.根据权利要求4所述的一种丘陵拖拉机无人驾驶系统，其特征在于，所述地头转弯执行过程包括有以下步骤：
步骤T1：通过无级变速系统和机械变速箱的驱动方式，保证发动机动力的传递效率，利用电液技术自动调整变速器变速比用以拖拉机行走速度控制；
步骤T2：当地头转弯时，自动通过无级变速系统实现降速段、转弯段、倒车段及停机段；
步骤T3：其中转弯段按照事先的规划路径进行跟踪控制转向工作。
6.根据权利要求3所述的一种丘陵拖拉机无人驾驶系统，其特征在于，所述搜索遍历算法是指：
(1)将基因进行编码，采用XXX编码方法对所需参数进行初始化，所需参数包括种群数、染色体基因数、迭代次数、交叉概率和变异概率；
其中基因编码为田块及其出入口序号，染色体基因数为田块数；
(2)选择适应度函数，并判断每个染色体适应度，由于任意田块的出入节点已确定，因此每个染色体都能够根据前田块的出口与后田块的入口之间的直线距离计算获得总代价，取总代价的倒数为适应度函数；
其中染色体为基于已知出入口的田块的随机排列；
(3)根据适应度采用XXX编码方法对染色体进行选择操作，并对选择得到的染色体经过交叉与变异产生新种群；
(4)对新的种群根据第二步继续演化；
(5)迭代终止原则，达到最大迭代次数或适应度不再变化时，算法终止。
7.根据权利要求4所述的一种丘陵拖拉机无人驾驶系统，其特征在于，所述北斗组合惯导系统、惯导检测单元和机具测速地轮机构使用融合定位算法：采用MEMS传感器与定位系统进行数据融合，组成优势互补的低成本组合导航系统，机具自带测速地轮，通过接口传输到主机上，毫米波雷达测速测角速度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110302277.XA CN112947476A (zh) | 2021-03-22 | 2021-03-22 | 一种丘陵拖拉机无人驾驶系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110302277.XA CN112947476A (zh) | 2021-03-22 | 2021-03-22 | 一种丘陵拖拉机无人驾驶系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112947476A true CN112947476A (zh) | 2021-06-11 |
Family
ID=76227552
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110302277.XA Pending CN112947476A (zh) | 2021-03-22 | 2021-03-22 | 一种丘陵拖拉机无人驾驶系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112947476A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115268462A (zh) * | 2022-08-23 | 2022-11-01 | 上海炙云新能源科技有限公司 | 一种智能农机轨迹规划生成方法 |
| CN115565372A (zh) * | 2022-09-22 | 2023-01-03 | 南京理工自动化研究院有限公司 | 基于车联网的丘陵道路经济性巡航车速规划方法及系统 |
| CN116907412A (zh) * | 2023-09-12 | 2023-10-20 | 农业农村部南京农业机械化研究所 | 农机的行距偏差检测方法、装置及系统 |
| WO2024051039A1 (zh) * | 2022-09-09 | 2024-03-14 | 丰疆智能(深圳)有限公司 | 路线规划方法、电子设备及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107291073A (zh) * | 2016-04-01 | 2017-10-24 | 深圳市双目科技有限公司 | 一种基于自主作业的农业机器人系统、方法及其装置 |
| US20180339720A1 (en) * | 2015-10-20 | 2018-11-29 | Sameer Singh | Integrated rail and track condition monitoring system with imaging and internal sensors |
| CN111736504A (zh) * | 2020-06-28 | 2020-10-02 | 农业农村部南京农业机械化研究所 | 一种农机通用底盘hst控制装置 |
-
2021
- 2021-03-22 CN CN202110302277.XA patent/CN112947476A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180339720A1 (en) * | 2015-10-20 | 2018-11-29 | Sameer Singh | Integrated rail and track condition monitoring system with imaging and internal sensors |
| CN107291073A (zh) * | 2016-04-01 | 2017-10-24 | 深圳市双目科技有限公司 | 一种基于自主作业的农业机器人系统、方法及其装置 |
| CN111736504A (zh) * | 2020-06-28 | 2020-10-02 | 农业农村部南京农业机械化研究所 | 一种农机通用底盘hst控制装置 |
Non-Patent Citations (3)
| Title |
|---|
| MENGWEI SHEN,SUZHEN WANG,SHUANG WANG,YAN SU: "Simulation Study on Coverage Path Planning of Autonomous Tasks in Hilly Farmland Based on Energy Consumption Model", 《MATHEMATICAL PROBLEMS IN ENGINEERING》 * |
| 张铁中等: "农业机器人技术研究进展", 《中国科学:信息科学》 * |
| 李庆利等: "基于GPS/DR的车载导航设备的改进及算法", 《中国惯性技术学报》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115268462A (zh) * | 2022-08-23 | 2022-11-01 | 上海炙云新能源科技有限公司 | 一种智能农机轨迹规划生成方法 |
| WO2024051039A1 (zh) * | 2022-09-09 | 2024-03-14 | 丰疆智能(深圳)有限公司 | 路线规划方法、电子设备及存储介质 |
| CN115565372A (zh) * | 2022-09-22 | 2023-01-03 | 南京理工自动化研究院有限公司 | 基于车联网的丘陵道路经济性巡航车速规划方法及系统 |
| CN116907412A (zh) * | 2023-09-12 | 2023-10-20 | 农业农村部南京农业机械化研究所 | 农机的行距偏差检测方法、装置及系统 |
| CN116907412B (zh) * | 2023-09-12 | 2023-11-17 | 农业农村部南京农业机械化研究所 | 农机的行距偏差检测方法、装置及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112947476A (zh) | 一种丘陵拖拉机无人驾驶系统 | |
| CN109084798B (zh) | 网络下发带有道路属性的控制点的路径规划方法 | |
| CN102393744B (zh) | 一种无人驾驶汽车的导航方法 | |
| EP3878258B1 (en) | Method and system for estimating surface roughness of ground for an off-road vehicle to control ground speed | |
| CN112882469B (zh) | 一种融合全局训练的深度强化学习避障导航方法 | |
| CN109755995A (zh) | 基于ros机器人操作系统的机器人自动充电对接方法 | |
| EP3878257B1 (en) | Method and system for estimating surface roughness of ground for an off-road vehicle to control ground speed | |
| CN113867334B (zh) | 一种移动机械无人驾驶的路径规划方法和系统 | |
| WO2019160447A1 (ru) | Способ создания трека пути движения для автономного движения подвижного объекта и способ осуществления автономного движения подвижного объекта по треку пути движения | |
| CN113051765A (zh) | 一种基于虚拟场景变换的智能驾驶车辆车路在环测试方法 | |
| CN111016901A (zh) | 基于深度学习的智能驾驶决策方法及系统 | |
| CN111452786A (zh) | 一种无人车辆避障方法及系统 | |
| Hu et al. | Path planning of UGV based on Bézier curves | |
| Gruning et al. | Energy-aware path planning for skid-steer robots operating on hilly terrain | |
| CN115494849A (zh) | 一种自动驾驶车辆导航控制方法及系统 | |
| CN111310919A (zh) | 基于场景切分和局部路径规划的驾驶控制策略训练方法 | |
| CN114578834A (zh) | 基于目标分层双感知域的强化学习的无人车路径规划方法 | |
| CN112947433A (zh) | 一种果园移动机器人及其自主导航方法 | |
| Huy et al. | A practical and optimal path planning for autonomous parking using fast marching algorithm and support vector machine | |
| CN115454061B (zh) | 一种基于3d技术的机器人路径避障方法及系统 | |
| CN116989808A (zh) | 考虑定位不确定的全轮转向车辆平行泊车路径规划方法 | |
| CN115685992A (zh) | 一种自动驾驶车辆路径规划方法、装置、车辆及介质 | |
| CN114771509A (zh) | 辅助驾驶多环境智慧泊车路径规划控制方法 | |
| Tanaka et al. | A study on path planning for small mobile robot to move in forest area | |
| Bao et al. | Research on trajectory planning and control system of general mobile platform for Mountain Orchard |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210611 |
|
| WD01 | Invention patent application deemed withdrawn after publication |