一种履带式农用车的自动导航方法

1.本发明涉及履带式农用车导航技术领域，具体地，涉及一种履带式农用车的自动导航方法。


背景技术：

2.在农业发展的过程当中，我们更加依赖于人工生产的方式，不仅工作效率较低，且农民需要承担较大的工作压力。而在新的时代背景下，各类现代化设备的广泛应用有效弥补了传统农业发展所存在的不足，现代化的技术设备不仅能够在较短的时间内完成工作量庞大的农业生产，同时也能够为农作物的健康生长提供更加有力的保障。智能农机自动导航系统作为一种新型的系统，目前已经被许多地区引入到了现代农业的发展进程当中。首先，智能农机自动导航系统的应用能够有效提升农机的运行效率。智能驾驶与人工驾驶所产生的效果虽然不会存在过大的差异，但驾驶员经过长期的劳作后，难免会产生疲劳感，受到人为操作误差所带来的影响作业的精准度和可靠性也会大幅度降低，作业的效率也会有所降低。
3.公开日为2022.01.04的中国发明专利：一种基于车载惯性的激光雷达与视觉组合导航算法中，利用张正友标定算法进行深度相机的标定，根据标定后的相机对载体车行驶过程的视频进行关键帧提取，利用提取的帧信息与初始对准后的惯导信息进行卡尔曼滤波算法的优化，实现初步的导航定位；同时，激光雷达通过测距信息，在基站的辅助下得到初步定位信息，然后把惯导指示航迹所确定的序列在数字地图匹配搜索范围内进行遍历搜索，与激光雷达匹配序列进行最小距离度量，然后通过卡尔曼滤波算法的优化确定激光雷达组合导航的定位信息，最后，将两者的定位信息传送到滤波器，通过两种算法的互补滤波对车载定位进行优化，然后将优化参数反馈校正惯导，同时实时对点云地图进行更新。
4.公开日为2021.11.09的中国发明专利：一种基于图像匹配/惯导/里程计的车辆自主导航方法中，在需要定位的地面车辆上配置一架装备了对地拍照相机的无人机；启动车载惯导/里程计组合导航系统，车辆在运动条件下由驾驶人员判断无人机是否具备起飞条件；如果具备起飞条件则uav自主起飞并自主跟踪车辆，同时对地拍照并利用拍摄的实时图像和提前制作的基准图匹配，实现地面车辆的定位；得到定位结果后发送给车辆导航计算机进行数据融合；得到车辆定位结果后，无人机自主降落返回车辆。其利用无人机搭载航拍相机，将实时航拍图像与基准图库进行模板匹配，从而确定实时航拍图中车辆的地理坐标，将匹配定位结果修正惯导/里程计的组合导航误差；但这样的方案无法直接用于农场的环境中，仍具有一定的局限性。


技术实现要素：

5.针对现有技术的局限，本发明提出一种履带式农用车的自动导航方法，本发明采用的技术方案是：
6.一种履带式农用车的自动导航方法，包括以下步骤：
7.s1，获取作业区域的遥感数据，从所述遥感数据提取出作业区域的地块边界；
8.s2，根据所述地块边界设置目标农用车的行驶轨迹以及所述行驶轨迹在所述作业区域的边界内侧直线上的转弯位置；
9.s3，获取目标农用车的实时位置以及实时姿态，根据所述实时位置、实时姿态、行驶轨迹以及转弯位置，控制目标农用车进行作业。
10.相较于现有技术，本发明通过在地块边界设定的基础上，对农用车行进轨迹进行标定，并获取实时位置姿态的手段，进行农用车自动导航和行程规划处理，能让农机在农场标定的环境下，得到更加准确的导航效果，此法有利于提升农机的运行效率，显著降低不同农机操作手导致的行驶精度差异和可靠性差异，并有效缓解农机作业人员不断扭头回看作业质量所造成的劳作压力。
11.作为一种优选方案，所述遥感数据为无人机学遥感数据。
12.进一步的，在所述步骤s1中，包括以下对所述无人机学遥感数据的预处理：
13.对所述无人机学遥感数据中的图像进行几何校正；
14.对经过几何校正后的图像进行图像拼接。
15.更进一步的，在所述步骤s1中，通过以下方式对所述无人机学遥感数据中的图像进行几何校正：
16.采用高价阶误差模型的gnss组合定位方法获取成像瞬间的传感器外方位元素，结合少量地面捡乱点实现图像位置的快速精密求解。
17.更进一步的，在所述步骤s1中，依序通过图像去噪、图像配准以及图像融合对所述无人机学遥感数据中的图像进行图像拼接；在图像配准的过程中采用基于灰度的图像配准算法或基于变换域的图像配准算法或基于图像特征的图像配准算法进行。
18.作为一种优选方案，在所述步骤s3中，包括以下基于模糊-pid的农业机械路径跟踪控制过程：
19.利用预瞄控制得到目标农用车实时位置与行驶轨迹的横向偏差以及航向偏差；当所述横向偏差在[-0.3m，0.3m]且航向偏差在[-30
°
，30
°
]时，利用线性公式将所述横向偏差以及航向偏差拟合为一个误差error；将所述误差error输入到pid控制器中，将pid控制器的输出量作为前轮转角。
[0020]
作为一种优选方案，在所述步骤s3中，通过以下方式控制目标农用车进行转向：
[0021]
控制目标农用车行驶到所述行驶轨迹上的一段直线段末端，此时航向为b1，停止目标农用车；使目标农用车的方向盘左转转到最大，控制目标农用车左转，控制目标农用车继续行驶；在目标农用车左转至航向改变a角度，停止目标农用车；使目标农用车的方向盘右转到最大，控制目标农用车继续行驶，直到航向为b2，停止目标农用车，使目标农用车的方向盘回正。
[0022]
本发明还提供以下内容：
[0023]
一种履带式农用车的自动导航系统，包括依序连接的地块边界提取模块、行驶轨迹与转弯位置设置模块以及作业控制模块；其中：
[0024]
所述地块边界提取模块用于获取作业区域的遥感数据，从所述遥感数据提取出作业区域的地块边界；
[0025]
所述行驶轨迹与转弯位置设置模块用于根据所述地块边界设置目标农用车的行
驶轨迹以及所述行驶轨迹在所述作业区域的边界内侧直线上的转弯位置；
[0026]
所述作业控制模块用于获取目标农用车的实时位置以及实时姿态，根据所述实时位置、实时姿态、行驶轨迹以及转弯位置，控制目标农用车进行作业。
[0027]
一种存储介质，其上储存有计算机程序，所述计算机程序被处理器执行时实现前述的履带式农用车的自动导航方法的步骤。
[0028]
一种履带式农用车，其设有存储介质、处理器以及储存在所述存储介质中并可被所述处理器执行的计算机程序，所述计算机程序被处理器执行时实现前述履带式农用车的自动导航方法的步骤对所述履带式农用车进行导航。
附图说明
[0029]
图1为本发明实施例提供的履带式农用车的自动导航方法的流程示意图；
[0030]
图2为本发明实施例提供的履带式农用车的自动导航方法的转弯策略示意图；
[0031]
图3为本发明实施例提供的履带式农用车的自动导航系统的示意图。
具体实施方式
[0032]
附图仅用于示例性说明，不能理解为对本专利的限制；
[0033]
应当明确，所描述的实施例仅仅是本技术实施例一部分实施例，而不是全部的实施例。基于本技术实施例中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本技术实施例保护的范围。
[0034]
在本技术实施例使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本技术实施例。在本技术实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
[0035]
下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是如所附权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。在本技术的描述中，需要理解的是，术语“第一”、“第二”、“第三”等仅用于区别类似的对象，而不必用于描述特定的顺序或先后次序，也不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本技术中的具体含义。
[0036]
此外，在本技术的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。以下结合附图和实施例对本发明做进一步的阐述。
[0037]
为了解决现有技术的局限性，本实施例提供了一种技术方案，下面结合附图和实施例对本发明的技术方案做进一步的说明。
[0038]
实施例1
[0039]
请参考图1，一种履带式农用车的自动导航方法，包括以下步骤：
[0040]
s1，获取作业区域的遥感数据，从所述遥感数据提取出作业区域的地块边界；
[0041]
s2，根据所述地块边界设置目标农用车的行驶轨迹以及所述行驶轨迹在所述作业
区域的边界内侧直线上的转弯位置；
[0042]
s3，获取目标农用车的实时位置以及实时姿态，根据所述实时位置、实时姿态、行驶轨迹以及转弯位置，控制目标农用车进行作业。
[0043]
相较于现有技术，本发明通过在地块边界设定的基础上，对农用车行进轨迹进行标定，并获取实时位置姿态的手段，进行农用车自动导航和行程规划处理，能让农机在农场标定的环境下，得到更加准确的导航效果，此法有利于提升农机的运行效率，显著降低不同农机操作手导致的行驶精度差异和可靠性差异，并有效缓解农机作业人员不断扭头回看作业质量所造成的劳作压力。
[0044]
作为一种优选实施例，所述遥感数据为无人机学遥感数据。
[0045]
本实施例以无人机为平台的低空遥感技术，将遥感传感器技术、遥测遥控技术、通讯技术和定位技术相结合，以无人机作为平台，依据电磁波理论非接触地获取目标的电磁波信息，并进行分析处理和可视化输出；一般将高度在1000m以下的航空遥感称为低空遥感，无人机遥感属于该范畴。无人机低空遥感技术具有操作灵活、成本低、时空分辨率高、环境适应性强的特点，虽然不适合更大尺度数据的采集，但最大1:2000比例尺的数据获取完全满足区域农田的信息采集。在本实施例中，将无人机遥感技术作为农田路径信息及已知障碍物信息采集的主要手段。
[0046]
在本实施例中所使用的超低空遥感平台为远航zd680四旋翼无人机，平台上搭载的拍摄相机为索尼a7rii全幅微单相机，其镁铝合金属机身尺寸为126.9*95.7*60.3mm，重量仅为582g。
[0047]
具体做法为：将gps定位模块安装在四旋翼无人机，通过gps定位系统以及无人机相机实时拍到的画面，无人机围绕所要测量的土地飞行，获得目标地图的坐标，通过gps卫星图坐标计算出具体的面积大小进而通过得到的地图坐标，实现对农用车的行驶轨迹策略设计。
[0048]
进一步的，在所述步骤s1中，包括以下对所述无人机学遥感数据的预处理：
[0049]
对所述无人机学遥感数据中的图像进行几何校正；
[0050]
对经过几何校正后的图像进行图像拼接。
[0051]
更进一步的，在所述步骤s1中，通过以下方式对所述无人机学遥感数据中的图像进行几何校正：
[0052]
采用高价阶误差模型的gnss组合定位方法获取成像瞬间的传感器外方位元素，结合少量地面捡乱点实现图像位置的快速精密求解。
[0053]
更进一步的，在所述步骤s1中，依序通过图像去噪、图像配准以及图像融合对所述无人机学遥感数据中的图像进行图像拼接；在图像配准的过程中采用基于灰度的图像配准算法或基于变换域的图像配准算法或基于图像特征的图像配准算法进行。
[0054]
具体的，常用的无人机影像几何校正方法有2种：共线方程法和多项式法。共线方程法理论严密、精度高，但因对测区地形数据要求较高而难以广泛应用；多项式法适用于地形平坦地区和动态传感器影像的校正，能够较好地处理由于使用非专业摄像镜头而引起的非线性畸变、无人机飞行姿态变化引起的传感露外方位元素的不稳定以及地形复杂等情况引起的几何变形。但在高精度控乱点不足的情况下，常规几何按正方法会产生较大的几何误差，而这也是无人机遥感在实际应用中常常遇到的问题。
[0055]
针对此情况，本实施例使用高价阶ins(inertial navigation system)误差模型的gnss(global navigation satellite system)组合定位方法获取成像瞬间的传感器外方位元素，并结合少量地面捡乱点实现图像位置的快速精密求解。例如，根据无人机提供的方位角、拍摄高度和gnss定位参数等特征设计了一套不需要地面控制点的自动纠正模型，以matlab中现有的实际图形进行试验比较，用具体数据来确定图像纠正的精度和时间复杂度，自动化程度高且模型速度快、精度也高，最为关键的是无需地面控剖点信息。符合无人机遥感图像的实时批处理需求。
[0056]
受飞行稳定性和载荷量限制，无人机遥感系统获取的图像往往具有像幅较小、倾角较大、数量较多、图像重叠度变化幅度大等特点，极大地增加了图像拼接的难度，拼接的基本流程包括去噪、配准、融合。其中，图像配准是拼接的核心步骤，配准精度直接影响了图像拼接的质量和效率。目前采用的图像配准算法主要包括基于灰度的、基于变换域的和基于持征的图像配准等几类方法。基于灰度的图像配准方法以图像灰度来度量待匹配图像与参考图像局部之间的相似性，利用搜索算法寻找相似度最大的匹配区域，代表算法有绝对差算法、序贯相似性检测算法、快速模板匹配算法等。基于图像将征的配准方法主要通过对图像轮线、边缘等特征的提取，依托构造方程、数值计算等操作获取图像变换参数，再开展图像匹配。在该方法的发展过程中，提出了harris脚点监测算法、fast算法、sift(尺度不变特征变换)算法、surf(加速鲁棒)算法、orb算法等。随着图像处理单元gpu(graphic processing unit)通用性和可编程性的增强利用gpu可以实现sift和surf并行加速算法。近年来，深度学习的快速发展使其在图像匹配领域的应用成为现实，时间不变特征检测器、quad-net-work、深度卷积特征点描述符、基于学习的不变持征变换等算法相继被提出。
[0057]
作为一种优选实施例，在所述步骤s3中，包括以下基于模糊-pid的农业机械路径跟踪控制过程：
[0058]
利用预瞄控制得到目标农用车实时位置与行驶轨迹的横向偏差以及航向偏差；当所述横向偏差在[-0.3m，0.3m]且航向偏差在[-30
°
，30
°
]时，利用线性公式将所述横向偏差以及航向偏差拟合为一个误差error；将所述误差error输入到pid控制器中，将pid控制器的输出量作为前轮转角。
[0059]
具体的，上述控制过程结合了传统控制方法精度高和模糊控制抗干扰能力强的优点。针对纯追踪模型前视距离难以确定的问题，将该算法与模糊控制相结合，根据实时的误差动态调整前世距离，即以横向偏差与航向偏差作为输入，利用模糊控制实时输出前视距离，再将该前视距离输入纯追踪模型中计算当前位置所需的前轮偏角，该算法需要将速度作为其中模糊控制的一个输入量来输出前视距离。
[0060]
作为一种优选实施例，请参阅图2，在所述步骤s3中，通过以下方式控制目标农用车进行转向：
[0061]
控制目标农用车行驶到所述行驶轨迹上的一段直线段末端，此时航向为b1，停止目标农用车；使目标农用车的方向盘左转转到最大，控制目标农用车左转，控制目标农用车继续行驶；在目标农用车左转至航向改变a角度，停止目标农用车；使目标农用车的方向盘右转到最大，控制目标农用车继续行驶，直到航向为b2，停止目标农用车，使目标农用车的方向盘回正。
[0062]
具体的，参数b1、b2、a根据实际情况具体确定。
[0063]
实施例2
[0064]
一种履带式农用车的自动导航系统，请参阅图3，包括依序连接的地块边界提取模块1、行驶轨迹与转弯位置设置模块2以及作业控制模块3；其中：
[0065]
所述地块边界提取模块1用于获取作业区域的遥感数据，从所述遥感数据提取出作业区域的地块边界；
[0066]
所述行驶轨迹与转弯位置设置模块2用于根据所述地块边界设置目标农用车的行驶轨迹以及所述行驶轨迹在所述作业区域的边界内侧直线上的转弯位置；
[0067]
所述作业控制模块3用于获取目标农用车的实时位置以及实时姿态，根据所述实时位置、实时姿态、行驶轨迹以及转弯位置，控制目标农用车进行作业。
[0068]
相较于现有技术，本发明通过在地块边界设定的基础上，对农用车行进轨迹进行标定，并获取实时位置姿态的手段，进行农用车自动导航和行程规划处理，能让农机在农场标定的环境下，得到更加准确的导航效果，此法有利于提升农机的运行效率，显著降低不同农机操作手导致的行驶精度差异和可靠性差异，并有效缓解农机作业人员不断扭头回看作业质量所造成的劳作压力。
[0069]
作为一种优选实施例，所述遥感数据为无人机学遥感数据。
[0070]
进一步的，在所述地块边界提取模块1中，包括以下对所述无人机学遥感数据的预处理：
[0071]
对所述无人机学遥感数据中的图像进行几何校正；
[0072]
对经过几何校正后的图像进行图像拼接。
[0073]
更进一步的，在所述地块边界提取模块1中，通过以下方式对所述无人机学遥感数据中的图像进行几何校正：
[0074]
采用高价阶误差模型的gnss组合定位方法获取成像瞬间的传感器外方位元素，结合少量地面捡乱点实现图像位置的快速精密求解。
[0075]
更进一步的，在所述地块边界提取模块1中，依序通过图像去噪、图像配准以及图像融合对所述无人机学遥感数据中的图像进行图像拼接；在图像配准的过程中采用基于灰度的图像配准算法或基于变换域的图像配准算法或基于图像特征的图像配准算法进行。
[0076]
作为一种优选实施例，在所述作业控制模块3中，包括以下基于模糊-pid的农业机械路径跟踪控制过程：
[0077]
利用预瞄控制得到目标农用车实时位置与行驶轨迹的横向偏差以及航向偏差；当所述横向偏差在[-0.3m，0.3m]且航向偏差在[-30
°
，30
°
]时，利用线性公式将所述横向偏差以及航向偏差拟合为一个误差error；将所述误差error输入到pid控制器中，将pid控制器的输出量作为前轮转角。
[0078]
作为一种优选实施例，在所述作业控制模块3中，通过以下方式控制目标农用车进行转向：
[0079]
控制目标农用车行驶到所述行驶轨迹上的一段直线段末端，此时航向为b1，停止目标农用车；使目标农用车的方向盘左转转到最大，控制目标农用车左转，控制目标农用车继续行驶；在目标农用车左转至航向改变a角度，停止目标农用车；使目标农用车的方向盘右转到最大，控制目标农用车继续行驶，直到航向为b2，停止目标农用车，使目标农用车的方向盘回正
[0080]
实施例3
[0081]
一种存储介质，其上储存有计算机程序，所述计算机程序被处理器执行时实现实施例1中的履带式农用车的自动导航方法的步骤。
[0082]
实施例4
[0083]
一种履带式农用车，其设有存储介质、处理器以及储存在所述存储介质中并可被所述处理器执行的计算机程序，所述计算机程序被处理器执行时实现实施例1中的履带式农用车的自动导航方法的步骤对所述履带式农用车进行导航。
[0084]
在一种优选实施例中，农用车实时位置的获取基于rtk技术定位系统，使用卫星定位模块为瑞士u-blox公司生产的c94 m8p模块，该模块是一款低成本高精度的单频rtk接收机，在能见度较高的天气情况下基站子定位的精度可达到1m，经过rtk解算得到的移动站相对定位想对定位误差小于2cm，流动站与基准站的最大传输距离为10km，且每增加1km，水平定位精度下降约0.1cm。该模块配套有u-center用户软件，方便使用者进行参数设置及数据采集和显示。该模块常用的组合方式包括gps clonass、gps 北斗以及单独使用gps；在本发明中，使用gps 北斗组合进行导航定位，能保证模块接收到信号的卫星数量大部分时间在6颗及以上。
[0085]
实时姿态的获取是通过前置于农用车的视觉传感器，对农用车行进过程中前方道路的图像获取，通过数据处理获得作物行线并在控制器上计算已识别的作物行为预定义路径的横向和航向偏差，通过can总线传到控制器识别农用车实时姿态。
[0086]
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。