分类： 农、林、牧、渔 >> 农、林、牧、渔业科学其他学科 提交时间： 2024-07-17 合作期刊: 《智慧农业（中英文）》
摘要： ［目的/意义］精准可靠的定位技术是智能农业机器人开展自主导航作业的重要前提，而常用的全球卫星 导航系统（Global Navigation Satellite System, GNSS） 定位方法在农业环境中容易受到树木遮挡、电磁干扰等因素影 响，因而，提出一种基于三维激光雷达（Light Detection and Ranging, LiDAR） 与惯性测量单元（Inertial Measure⁃ ment Unit, IMU）信息融合的农业机器人定位方法。［方法］首先，利用基于角度的聚类方法对激光雷达点云数据 进行信息处理，并与三维正态分布变换（3D Normal Distribution Transform, 3D-NDT） 定位算法相结合，在先验点 云地图信息基础上实现基于激光雷达的实时定位；其次，为了克服单传感器定位方法的局限性，利用扩展卡尔曼 滤波（Extended Kalman Filter, EKF） 算法对激光雷达定位信息与IMU里程计信息进行融合，进一步提升农业机器 人的定位精度。最后，分别在机器人操作系统（Robot Operating System, ROS） 的Gazebo仿真环境中，以及真实作 业场景中进行实验，验证提出的定位算法的有效性。［结果和讨论］融合定位方法在仿真环境中的纵向和横向平均 定位误差分别为1.7和1.8 cm，而在实验中的纵向和横向平均定位误差分别为3.3和3.3 cm，均小于传统3D-NDT定 位算法的定位误差。［结论］提出的融合定位方法能够满足农业机器人在弱GNSS环境下自主作业的定位要求，为 农业机器人提供了一种新的定位方法。
分类： 农、林、牧、渔 >> 农、林、牧、渔业科学其他学科 提交时间： 2024-07-17 合作期刊: 《智慧农业（中英文）》
摘要： ［目的/意义］传统路径跟踪模型预测控制（Model Predictive Control, MPC）大多采用固定时域，较少考 虑道路弯曲和曲率变化的影响，使得机器人在曲线路径作业过程中的跟踪效果和适应性都较差。因此，设计了一 种自适应时域MPC控制器并使其满足自主割草等复杂作业要求。［方法］首先，根据割草机器人的速度确定前方 参考路径的预瞄区域，并计算预瞄区域内的参考路径曲度因子和曲度变化因子，分别用于描述曲率和曲率变化大 小。然后，将二者作为模糊控制器的输入信息，用于自适应调节MPC的预测时域，同时，根据预测时域及曲度变 化因子调整控制时域，以增强控制器对路径弯曲变化的适应性并降低计算资源。此外，设计一种MPC事件触发执 行机制，进一步提升MPC的实时性。［结果和讨论］与固定时域的MPC进行对比试验，自适应时域MPC控制器的 最大横向误差绝对值和最大航向误差绝对值分别控制在11 cm和0.13 rad以内，其平均求解时间比最大时域MPC减 少10.9 ms。［结论］自适应时域MPC不仅能够保证割草机器人对曲线路径的跟踪精度，同时降低了MPC求解计算 量并提高了控制实时性，解决了固定时域MPC的控制精度与计算量之间的矛盾。
点击量
通过
点击量
下载量
评论
