一种拖拉机的自动定位方法

1.本发明涉及拖拉机定位技术领域，具体地，涉及一种拖拉机的自动定位方法。


背景技术：

2.许多类型的农用车辆可能受益于对车辆进行导航以通过预选择区域的自动导航系统。自动导航系统通常具有传感器、加速计和监测车辆状态(例如，当前速度、道路坡度、车辆朝向等)的其它测量设备的阵列。农业车辆内的其它计算机系统也可以将数据提供到自动定位系统。操作者可上传或选择有关预选择区域的信息，以及启动自动定位系统，该自动定位系统使用与车辆状态和预选择区域有关的信息以导航车辆。在操作期间，农用车辆可能接近收割线或急转弯；在这样的情况下，自动定位系统可以任意限制车辆的转向角。对转向角的任意限制可能导致农用车辆的差的转弯，这可能导致车辆无法跟随收割线、过渡到新的收割线、或者适当地弯曲。农用车辆偏离航向地改变方向的例子可能导致农作物的损失、或自动定位系统的过早脱离。
3.公开日为2022.04.29的中国发明专利：一种基于车辆俯仰角地图匹配的无人驾驶汽车定位方法中，使用航位推算模型综合车轮编码器数据、光纤陀螺数据和mems加速度计数据来计算车辆的预测位置；然后利用r树结构的车辆俯仰角地图来提高空间搜索效率；再将实时测量的车辆俯仰角数据与俯仰角地图中存储的数据进行匹配，获得更精确的车辆估计位置；利用扩展卡尔曼滤波模型对车辆预测位置和车辆估计位置进行融合。
4.公开日为2021.09.10的中国发明专利：一种无人驾驶系统的定位导航方法及系统中，包括如下步骤：(1)通过激光雷达、gps接收机、车载ins和uwb接收机获取道路位置数据，分别记为激光雷达数据、gps数据、ins数据和uwb数据；(2)判断gps接收机是否被遮挡、实时天气情况、uwb接收机与定位基站的距离；(3)若gps接收机被遮挡、实时天气恶劣或uwb接收机与定位基站的距离超过设定范围时，分别融合不同定位方式获得的定位结果，作为最终的定位结果。其旨在实现无人驾驶系统在盲区环境下和全天候环境下的高精度稳定定位；但以上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，本发明提出一种拖拉机的自动定位方法，本发明采用的技术方案是：
6.一种拖拉机的自动定位方法，包括以下步骤：
7.s1，获取目标车辆的行驶数据以及定位设备的运行状态；
8.所述行驶数据包括目标车辆的预规划路径、航向信息、速度信息以及历史时刻的定位结果；目标车辆所设的定位设备包括卫星定位模块以及航迹推算模块；
9.所述卫星定位模块以及航迹推算模块的运行状态均为良好时，执行以下步骤：
10.s2，运用所述卫星定位模块获得目标车辆在当前时刻的卫星定位结果；
11.s4，根据所述预规划路径、航向信息、速度信息以及历史时刻的定位结果，运用所
述航迹推算模块获得目标车辆在当前时刻的位置推算结果；
12.s71，对目标车辆在当前时刻的卫星定位结果以及位置推算结果进行结合，获得目标车辆的当前位置信息。
13.相较于现有技术，本发明采用卫星定位与航迹推算融合的定位技术，对处在各种光线强度、天气等外部环境条件下的拖拉机辆的自动定位设计了控制策略，能让拖拉机辆在不同的信号环境以及行驶环境下，获得有效的定位信息，从而能够选择有关预选择区域的信息，使得拖拉机辆的操作机构可以提前预判信息点，适时的分析和研判执行措施或预警程序。
14.作为一种优选方案，所述卫星定位模块以及航迹推算模块的运行状态良好时，在所述步骤s2与s4之间还包括以下步骤：
15.s3，根据所述卫星定位结果对所述航迹推算模块进行校正。
16.作为一种优选方案，所述卫星定位模块的运行状态不良且所述航迹推算模块的运行状态良好时，执行以下步骤：
17.s4，根据所述预规划路径、航向信息、速度信息以及历史时刻的定位结果，运用所述航迹推算模块获得目标车辆在当前时刻的位置推算结果；
18.s72，以目标车辆在当前时刻的位置推算结果作为目标车辆的当前位置信息。
19.进一步的，所述卫星定位模块采用gps和/或clonass和/或北斗导航系统中的一种或组合进行卫星定位。
20.进一步的，所述航迹推算模块采用惯性导航、地图匹配以及动态滤波的方式获得目标车辆在当前时刻的位置推算结果。
21.作为一种优选方案，目标车辆所设的定位设备还包括激光slam模块；
22.所述卫星定位模块以及航迹推算模块的运行状态不良且所述激光slam模块的运行状态良好时，执行以下步骤：
23.s5，运用所述激光slam模块获得目标车辆在当前时刻的slam定位结果；
24.s73，以目标车辆在当前时刻的slam定位结果作为目标车辆的当前位置信息。
25.进一步的，目标车辆所设的定位设备还包括视觉辅助定位模块；
26.所述卫星定位模块、航迹推算模块以及激光slam模块的运行状态不良时，执行以下步骤：
27.s6，运用所述视觉辅助定位模块获取获得目标车辆在当前时刻的短距离定位结果；
28.s74，以目标车辆在当前时刻的短距离定位结果作为目标车辆的当前位置信息。
29.本发明还提供以下内容：
30.一种拖拉机，其设有卫星定位模块以及航迹推算模块，还设有存储介质、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的拖拉机的自动定位方法的步骤对所述拖拉机进行定位。
31.作为一种优选实施例，其还设有激光slam模块以及视觉辅助定位模块。
32.一种存储介质，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拖拉机的自动定位方法的步骤。
附图说明
33.图1为本发明实施例1提供的拖拉机的自动定位方法在所述卫星定位模块以及航迹推算模块的运行状态均为良好时的流程示意图；
34.图2为本发明实施例1提供的拖拉机的自动定位方法在所述卫星定位模块以及航迹推算模块的运行状态均为良好时的另一种流程示意图；
35.图3为本发明实施例1提供的拖拉机的自动定位方法在所述卫星定位模块的运行状态不良且所述航迹推算模块的运行状态良好时的流程示意图；
36.图4为本发明实施例1提供的拖拉机的自动定位方法在所述卫星定位模块以及航迹推算模块的运行状态不良且所述激光slam模块的运行状态良好时的流程示意图；
37.图5为本发明实施例1提供的拖拉机的自动定位方法在所述卫星定位模块、航迹推算模块以及激光slam模块的运行状态不良时的流程示意图。
具体实施方式
38.附图仅用于示例性说明，不能理解为对本专利的限制；
39.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。
40.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。
41.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。
42.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。
43.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。
44.实施例1
45.请参考图1，一种拖拉机的自动定位方法，请参阅图1，包括以下步骤：
46.s1，获取目标车辆的行驶数据以及定位设备的运行状态；
47.所述行驶数据包括目标车辆的预规划路径、航向信息、速度信息以及历史时刻的定位结果；目标车辆所设的定位设备包括卫星定位模块以及航迹推算模块；
48.所述卫星定位模块以及航迹推算模块的运行状态均为良好时，执行以下步骤：
49.s2，运用所述卫星定位模块获得目标车辆在当前时刻的卫星定位结果；
50.s4，根据所述预规划路径、航向信息、速度信息以及历史时刻的定位结果，运用所述航迹推算模块获得目标车辆在当前时刻的位置推算结果；
51.s71，对目标车辆在当前时刻的卫星定位结果以及位置推算结果进行结合，获得目标车辆的当前位置信息。
52.相较于现有技术，本发明采用卫星定位与航迹推算融合的定位技术，对处在各种光线强度、天气等外部环境条件下的拖拉机辆的自动定位设计了控制策略，能让拖拉机辆在不同的信号环境以及行驶环境下，获得有效的定位信息，从而能够选择有关预选择区域的信息，使得拖拉机辆的操作机构可以提前预判信息点，适时的分析和研判执行措施或预警程序。
53.具体的，在初始化阶段，目标车辆应根据所述预规划路径，结合卫星定位模块的结果设置车辆在预规划路径的初始位置和方向，设定车辆的目标位置及方向，在自动导航的控制下前往预规划路径的起点，在车辆沿着预规划路径作业的过程中执行以上步骤，实现自动定位功能。
54.作为一种优选方案，请参阅图2，所述卫星定位模块以及航迹推算模块的运行状态良好时，在所述步骤s2与s4之间还包括以下步骤：
55.s3，根据所述卫星定位结果对所述航迹推算模块进行校正。
56.作为一种优选方案，请参阅图3，所述卫星定位模块的运行状态不良且所述航迹推算模块的运行状态良好时，执行以下步骤：
57.s4，根据所述预规划路径、航向信息、速度信息以及历史时刻的定位结果，运用所述航迹推算模块获得目标车辆在当前时刻的位置推算结果；
58.s72，以目标车辆在当前时刻的位置推算结果作为目标车辆的当前位置信息。
59.进一步的，所述卫星定位模块采用gps和/或clonass和/或北斗导航系统中的一种或组合进行卫星定位。
60.进一步的，所述航迹推算模块采用惯性导航、地图匹配以及动态滤波的方式获得目标车辆在当前时刻的位置推算结果。
61.具体的，卫星定位模块具有全球、全天候、高精度、实时定位等优点，但是其动态性能和抗干扰能力较差；而航迹推算(dr)模块一般采用低成本的陀螺仪和车辆里程表构成，通过对车辆航向角变化量和车辆位置变化量的测量，递推出车辆的位置变化，不受外界环境的干扰影响。但由于航迹推算(dr)模块自身不能提供车辆的初始位置坐标和初始航向角，定位误差随时间的累计会发散，从而导致定位精度下降。
62.本实施例通过将卫星定位模块和航迹推算模块相结合，可有效规避两者弱点，不仅可以提高系统精度，还可以增强系统的抗干扰能力与跟踪能力。
63.一方面，可以利用卫星定位模块提供的绝对位置辅助航迹推算模块的初始化，并可以定期地对航迹推算模块定位以及系统参数的校正。另一方面，在卫星定位模块无法定位时，农用车的车载系统又可以自动地切换到航迹推算模块定位的方式，直至卫星定位模块恢复正常接收后，农用车的车载系统再回到卫星定位模块与航迹推算模块的组合导航。实现导航输出信息可视化，可以有效解决农用车运行环境下使用者定向难的问题。
64.本实施例使用的卫星定位模块是瑞士u-blox公司生产的c94 m8p单频rtk接收机
模块，该模块具有成本低、精度高的特点，在能见度较高的天气情况下基站自定位的精度可高达1m，经过rtk解算得到的移动站相对定位误差小2cm。该模块常用的组合方式包括gps clonass、gps 北斗以及单独使用gps。
65.更进一步的，可以在目标车辆的运行环境下建立并设置一个已知精确坐标的差分基准站。基准站的gps接收机连续接收gps卫星信号，将测得的位置与该固定位置的真实位置的差值作为公共误差校正量，然后通过无线数据传输或电台数据传输将该校正量传送给移动站的接收机。移动站的接收机用该校正量对本地位置进行校正，最后可以得到厘米级的定位精度。
66.航迹推算是利用载体上某一时刻的位置，根据航向与速度信息，推算得到当前时刻的位置，即根据实测的无人驾驶车辆行驶距离和航向计算其位置和行驶轨迹。它一般不受外界环境影响，但由于其本身误差是随时间累计的，故单独工作时不能长时间保持高精度。本实施例的航迹推算是通过以下几种方式共同实现：
67.(1)惯性导航：
68.当目标车辆工作时，目标车辆的控制器会根据卫星定位模块输出的航向偏差和横向偏差来输出期望的偏转角从而自动控制目标车辆行驶到预定义路径上，卫星定位模块输出的航向偏差如果与实际航向角相差较大，则会影响目标车辆的路径跟踪效果。本实施例采用高精度三维电子罗盘，该惯性导航传感器用于农机姿态(俯仰角、航向角以及航偏率等)的获取。
69.(2)地图匹配
70.地图匹配可以通过将估计值与道路最近点进行正交匹配来实现。利用贝叶斯滤波可以实现较好的地图辅助式定位。
71.(3)动态滤波
72.一般情况下，用于定位的非线性滤波包含以下主要步骤：
73.时间更新：当下一个测量到达时，利用运动模型来预测车辆位置；
74.测量更新：利用当前测量和传感器模型来更新当前位置信息。
75.另外，当目标车辆沿着预规划路径行驶时，可能会因为路面不平整、障碍物等因素对整车路线造成偏移，当内置于目标车辆中间底部的角度传感器测得偏转角度通过can总线反馈到目标车辆的控制器，控制器实时调整车辆姿态以继续按规划的路径行走从而更进一步提升定位的效果。
76.作为一种优选方案，目标车辆所设的定位设备还包括激光slam模块；
77.请参阅图4，所述卫星定位模块以及航迹推算模块的运行状态不良且所述激光slam模块的运行状态良好时，执行以下步骤：
78.s5，运用所述激光slam模块获得目标车辆在当前时刻的slam定位结果；
79.s73，以目标车辆在当前时刻的slam定位结果作为目标车辆的当前位置信息。
80.具体的，slam，也被称为地图构建与实时定位，指的是自动导航的载具在位置环境中，从未知位置出发，在运动过程中通过环境信息，进行车体位置与航向的确定，同时创建环境地图并对地图进行实时更新，或在已知环境中，通过环境信息对车体位置和航向进行确定。
81.slam一般包含两个步骤：预测和测量。为了准确表示导航系统，slam需要在状态之
间以及状态和测量之间进行学习。slam最常用的学习方法称为kalman滤波。
82.基于kalman滤波的slam方法利用包含自动驾驶汽车位姿向量和环境特征向量的增广向量表示空间环境，将自动驾驶汽车运动与环境特征的关系描述为两个非线性模型，即自动驾驶汽车运动模型与观测模型。自动驾驶汽车控制信号输入到系统运动模型中，实现自动驾驶汽车的运动。kalman滤波算法根据系统模型实现自动驾驶汽车位姿的预测，同时自动驾驶汽车根据系统观测模型获得对环境特征的观测。
83.预测特征和观测特征之间要进行数据关联匹配的处理，选择最佳匹配特征，用于对自动驾驶汽车位姿的更新，而候选匹配特征被认为是对环境观测获得的新特征，用于对地图的增广。
84.进一步的，目标车辆所设的定位设备还包括视觉辅助定位模块；
85.请参阅图5，所述卫星定位模块、航迹推算模块以及激光slam模块的运行状态不良时，执行以下步骤：
86.s6，运用所述视觉辅助定位模块获取获得目标车辆在当前时刻的短距离定位结果；
87.s74，以目标车辆在当前时刻的短距离定位结果作为目标车辆的当前位置信息。
88.实施例2
89.一种拖拉机，其设有卫星定位模块以及航迹推算模块，还设有存储介质、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中的拖拉机的自动定位方法的步骤对所述拖拉机进行定位。
90.作为一种优选实施例，其还设有激光slam模块以及视觉辅助定位模块。
91.实施例3
92.一种存储介质，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中的拖拉机的自动定位方法的步骤。
93.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。