全文总字数：9445字
摘 要：智能化农业是21世纪农业生产方式的代表性变化，推进农业智能化是解放劳动力、推进经济快速发展的一个重要手段。而水果种植业是现代农业的重要组成部分；在过去水果的采摘和果园喷洒农药等都需要大量的人力，效率低下，自主导航果园车辆是解决上述作业难的有效手段。本文说明了自主导航果园车辆的意义，详细介绍了国内外导航车辆的发展历程、系统组成和现有的成果，以及从自主导航果园车辆自身定位、全局轨迹规划、轨迹跟踪、转弯匹配、图像识别算法分析和果园的模型化等方面分析了国内外发展现状；并指出了我国自主导航果园车辆发展中存在的问题，最后分析了自主导航果园车辆的发展趋势。
关键词：智能农机 自主导航 路径跟踪 经济化
引言
我国是世界上生产水果的主要大国之一，果树在我国种植广泛，水果产业在我国国民经济中具有不可忽视的地位[1]。同时，经济的发展促进了居民消费习惯的转变，城镇居民尤其是大中城市的居民对进口水果的消费需求日益增多[2]。然而国内果园机械智能化的历史相对较短，而且相比较于大型农田环境而言，果园的环境更为复杂且有较强的季节性，这种情况就导致生产管理过程中果园机械的自动化和智能化程度发展较为缓慢，严重阻碍了水果产能和经济发展，所以因此研究果园机械自动化和智能化具有重要的意义和巨大经济效益以及广阔的市场前景。
2果园机器人研究现状
国外果园机器人研究现状
国外学者对于农业机器人的自主导航控制研究起步较早，可以追溯到上世纪 50-60年代，目前已经积累有多种自主导航控制方案。按照定位导航的方式来分，主要有卫星导航、激光雷达导航、视觉导航以及多传感器融合导航等方案[3]。
2.1.1卫星导航
由于农业机器人的应用环境大多在室外，而GNSS(Global Navigation Satellite System，全球导航卫星系统)在室外无遮挡情况下能提供实时绝对定位信息，且抗干扰能力强，因此基于GNSS的自主导航方案被广泛使用于宽阔大田环境下的农业机械，如播种、耕作和除草等。J.Carballido和J.Aguuml;era等使用RTK（Real-Time Kinematic，实时动态）和RTX（Real-Time Extended，实时扩展）GNSS，利用专用参考站进行信号校正，其中RTK-GNSS动态测试定位精度达到1.43厘米，RTX-GNS定位精度达到2.55厘米，将GNSS导航系统置于农业拖拉机上，可以应用在精准农业和农业自动化上[4]。为了补偿GNSS在姿态上的误差，来自北海道大学的研究人员将IMU（Inertial Measurement Unit，惯性测量单元）与RTK-GNSS融合，提供更为精确的定位和定向信息。经过试验，该组合导航系统可以控制农业机器人以高达3m/s的行进速度进行包括种植、栽培和喷洒在内的所有田间作业，在直线和曲线路径上的跟踪误差小于5cm。然而，Ming Li等提出，在密植果园环境下使用GNSS导航会存在卫星信号遮挡、固有时间延迟以及射频干扰等问题，且目前高精度的GNSS导航系统成本较高[5]。由于果园机器人需要长时间在茂密的树冠下进行工作，遮挡问题会使得接收到的卫星信号减少，以及接收信号的信噪比降低，此时GNSS的定位精度会大幅下降，无法满足果园机器人自主导航的需要。
2.1.2激光雷达导航
考虑到果树丛遮盖对GNSS导航信号有屏蔽作用，美国佛罗里达大学开发了一款用于柑橘园作业的果园机器人车辆，通过融合激光雷达传感器导航和机器视觉传感器导航的优点，同时在前轮上加装了旋转编码器，用它来反馈前轮转过的角度，经过试验，该果园机器人车辆能够顺利实现柑橘园中的直线以及曲线导航行走。当果园农业机器人车辆以3.1m/s速度直线行走时，平均偏差为7.6cm[6]。
2.1.3视觉导航
由于图像处理技术的日益成熟和经济成本较低等优点，视觉传感器也是农业机器人自主导航的较好选择。通过视觉传感器检测作物行的边缘和土壤平面进行导航，是最常用的视觉导航方法。Andrew English提出了一种基于视觉的农业机器人导航方法[7]。该导航方法将摄像头和IMU安装在机器人顶部，利用IMU测得的姿态信息对摄像头原始图像进行处理，生成农田地面的俯视图。然后将作物行建模为平行纹理，通过提取俯视图中的平行纹理来估计机器人的航向信息，并用航向信息修正俯视图。将处理后的俯视图进行纵向叠加，归一化处理后输出模板直方图。最后通过迭代计算帧间模板直方图的方差来估计横向偏差。图1为该算法的流程示意图。通过试验，该方法主要适用于作物行有明显纹理信息的情况，而且由于光照对图像识别的影响较大，该方法不具有普遍适用性。
图1 基于平行纹理分析的作物行检测
