智能化農(nóng)業(yè)車輛導(dǎo)航系統(tǒng)關(guān)鍵技術(shù)研究.pdf

1、與人工駕駛相比，自主導(dǎo)航農(nóng)業(yè)車輛可以顯著提高作業(yè)效率、保證作業(yè)質(zhì)量、降低作業(yè)成本。因此，北美、歐洲和亞洲的部分發(fā)達(dá)國(guó)家都在積極開(kāi)展自主導(dǎo)航農(nóng)業(yè)車輛相關(guān)技術(shù)研究。本文的研究工作是中央高校基本科研業(yè)務(wù)專項(xiàng)基金項(xiàng)目“智能化農(nóng)業(yè)車輛關(guān)鍵技術(shù)研究”(KYZ201006)的子課題。
　　為了實(shí)現(xiàn)智能化農(nóng)業(yè)車輛的自主導(dǎo)航，以東方紅SG250型拖拉機(jī)為試驗(yàn)平臺(tái)，采用多普勒測(cè)速、網(wǎng)絡(luò)通信與總線通信、機(jī)器視覺(jué)、數(shù)字圖像處理、多傳感器數(shù)據(jù)融合、自動(dòng)控制

2、等技術(shù)對(duì)車輛進(jìn)行功能性改造，對(duì)導(dǎo)航系統(tǒng)中若干關(guān)鍵技術(shù)進(jìn)行重點(diǎn)研究。主要研究?jī)?nèi)容和結(jié)論包括:
　　1、給出了導(dǎo)航系統(tǒng)總體設(shè)計(jì)方案，并按照該方案對(duì)系統(tǒng)進(jìn)行了模塊化設(shè)計(jì)與系統(tǒng)集成。在總體設(shè)計(jì)中，提出了基于分層結(jié)構(gòu)的數(shù)據(jù)采集系統(tǒng)設(shè)計(jì)理念，同時(shí)也為設(shè)備控制系統(tǒng)提供了詳細(xì)的設(shè)計(jì)流程。在模塊化設(shè)計(jì)中，分別為轉(zhuǎn)角信號(hào)采集模塊、多普勒測(cè)速模塊、航姿檢測(cè)模塊、全球定位模塊、視覺(jué)感知模塊、轉(zhuǎn)向油路模塊、手/自動(dòng)轉(zhuǎn)向切換模塊、電控轉(zhuǎn)向模塊和數(shù)據(jù)通信模塊進(jìn)

3、行了設(shè)備選型及安裝、接口電路與驅(qū)動(dòng)程序設(shè)計(jì)等。模塊化設(shè)計(jì)完成后，對(duì)所有模塊進(jìn)行系統(tǒng)集成和聯(lián)合調(diào)試。
　　2、對(duì)車輛的測(cè)速系統(tǒng)進(jìn)行了研究，提出了分辨率自適應(yīng)測(cè)速方案。為測(cè)速系統(tǒng)系統(tǒng)設(shè)計(jì)了硬件電路和數(shù)據(jù)采集程序。為了保證測(cè)量精度和降低分辨率發(fā)生器對(duì)系統(tǒng)資源消耗，為測(cè)速系統(tǒng)設(shè)計(jì)了分辨率自適應(yīng)機(jī)制。通過(guò)速度分級(jí)和可變滑窗二重預(yù)測(cè)，為自適應(yīng)方案進(jìn)行優(yōu)化。最后進(jìn)行了勻速試驗(yàn)和變速試驗(yàn)，以檢驗(yàn)系統(tǒng)性能。試驗(yàn)表明:啟動(dòng)分辨率自適應(yīng)機(jī)制后，車輛速度

4、為0.2m/s時(shí)，測(cè)量誤差百分比降到1.45％，分辨率發(fā)生器工作頻率降低76.7％;車輛速度為0.8m/s時(shí)，測(cè)量誤差百分比低到0.61％，分辨率發(fā)生器工作頻率降低90.0％。變速運(yùn)動(dòng)過(guò)程中，能夠獲得9.6Hz的穩(wěn)定輸出頻率，同時(shí)分辨率發(fā)生器工作頻率降低50.3％～91.4％。
　　3、對(duì)車輛的運(yùn)動(dòng)檢測(cè)方法進(jìn)行了研究，提出了一種基于機(jī)器視覺(jué)的實(shí)時(shí)運(yùn)動(dòng)檢測(cè)方案。通過(guò)圖像拆分和多線程特征點(diǎn)檢測(cè)提高傳統(tǒng)SIFT特征檢測(cè)算法的效率，通過(guò)歸

5、一化綜合距離法剔除誤匹配的特征點(diǎn)，最后通過(guò)相鄰時(shí)刻同一特征點(diǎn)坐標(biāo)的變化反推車輛的運(yùn)動(dòng)。試驗(yàn)表明:多線程SIFT特征點(diǎn)檢測(cè)能夠使檢測(cè)時(shí)間平均縮短40.7％。歸一化綜合距離法能夠有效剔除傳統(tǒng)SIFT算法的誤匹配點(diǎn)。當(dāng)車速為0.8m/s，圖像采集頻率為5Hz時(shí)，車輛在x方向和z方向單次測(cè)量誤差小于0.0045m，當(dāng)持續(xù)運(yùn)動(dòng)時(shí)間達(dá)到10s時(shí)，兩個(gè)方向累計(jì)測(cè)量誤差均小于0.15m。
　　4、對(duì)農(nóng)業(yè)車輛的同時(shí)定位與地圖創(chuàng)建理論進(jìn)行了研究，提出

6、了Gray-EKFSLAM算法。將灰色預(yù)測(cè)理論和擴(kuò)展卡爾曼濾波融合，提出了基于灰色擴(kuò)展卡爾曼濾波的同時(shí)定位與地圖創(chuàng)建算法。算法在傳統(tǒng)的擴(kuò)展卡爾曼濾波基礎(chǔ)上，通過(guò)改進(jìn)的滑窗灰色預(yù)測(cè)理論建立傳感器的GM(1，1)觀測(cè)預(yù)測(cè)模型，進(jìn)而完成新息的計(jì)算。為了提高觀測(cè)精度和抗干擾能力，系統(tǒng)使用了三目攝像機(jī)作為觀測(cè)傳感器，并提出了一種簡(jiǎn)易的權(quán)值標(biāo)定算法。試驗(yàn)表明:精度權(quán)值標(biāo)定后的三目攝像機(jī)具有較高的測(cè)量精度，16組測(cè)量數(shù)據(jù)中有12組的測(cè)量誤差小于1％，

7、并能減小由于干擾造成的誤差。當(dāng)路標(biāo)個(gè)數(shù)為30時(shí)，車輛對(duì)路標(biāo)x和y方向的觀測(cè)誤差均值分別為0.074和0.073m，自身定位誤差為0.140m，誤差均方差為0.048。當(dāng)路標(biāo)個(gè)數(shù)增加到60時(shí)，車輛對(duì)路標(biāo)x和y方向的觀測(cè)誤差均值分別為0.061和0.068m，自身定位誤差為0.109m，誤差均方差為0.038。
　　5、設(shè)計(jì)了車輛轉(zhuǎn)向控制系統(tǒng)，并對(duì)車輛的轉(zhuǎn)向性能進(jìn)行了試驗(yàn)與分析。通過(guò)車輛的零狀態(tài)階躍響應(yīng)，建立了車輛的轉(zhuǎn)向模型。通過(guò)仿真

8、和試驗(yàn)，得出了PD轉(zhuǎn)向控制器的最佳工作參數(shù)。試驗(yàn)表明:使用PD轉(zhuǎn)向控制器后，速度為0.5m/s時(shí)，階躍響應(yīng)穩(wěn)態(tài)誤差為0.32°，誤差2.3％，系統(tǒng)超調(diào)量為1.86°，超調(diào)13.7％;斜坡響應(yīng)信號(hào)平均延遲時(shí)間為0.82s，穩(wěn)態(tài)誤差為0.25°;正弦響應(yīng)信號(hào)平均延遲時(shí)間為0.78s，穩(wěn)態(tài)誤差為0.17°。使用速度自適應(yīng)PD轉(zhuǎn)向控制器后，速度為0.3m/s時(shí)，系統(tǒng)平均延遲為0.81s，穩(wěn)態(tài)誤差為0.25°;速度為0.7m/s時(shí)，系統(tǒng)平均延遲0

9、.84s，穩(wěn)態(tài)誤差為0.41°。
　　6、設(shè)計(jì)了車輛導(dǎo)航控制系統(tǒng)，并對(duì)導(dǎo)航控制系統(tǒng)的整體性能進(jìn)行了試驗(yàn)與分析。提出了一種DMC-PD串級(jí)導(dǎo)航控制器設(shè)計(jì)方法，并通過(guò)試驗(yàn)法對(duì)控制器進(jìn)行參數(shù)整定。分別為直線跟蹤、視覺(jué)避障和終點(diǎn)轉(zhuǎn)向三種常見(jiàn)的導(dǎo)航任務(wù)建立了基于航線漂移理論的導(dǎo)航控制策略，最后進(jìn)行了導(dǎo)航試驗(yàn)。試驗(yàn)結(jié)果表明:直線跟蹤試驗(yàn)過(guò)程中，初始距離為1.2±0.1m時(shí)，車輛穩(wěn)定后，橫向偏差最大值為-0.134m，均值為-0.037m，均方