基于多源信息融合的果园移动机器人自主导航系统研究进展

摘要 水果产业是我国农业农村重要的经济支柱之一，当前果园生产管理水平、特别是机械化、信息化水平相对落后。基于多源信息融合的果园移动机器人可实现复杂环境下稳定、高精度的自主导航，为果园移动平台提供了智能、高效的自主导航手段，有力支撑了智慧果园的建设。分析基于多源信息融合的果园移动机器人自主导航系统研究现状，指出研究的关键问题，提出了结合果园实际复杂、多样工况的环境，围绕定位与建图、路径规划与决策控制策略等关键技术，通过多源传感器信息融合策略，实现复杂环境下的自主导航的研究方案。

关键词 果园；移动机器人；多源信息融合；自主导航；SLAM

中图分类号 S23  文献标识码 A  文章编号 0517-6611（2024）17-0017-05

doi：10.3969/j.issn.0517-6611.2024.17.004

Research Progress of Autonomous Navigation System for Orchard Mobile Robot Based on Multi-source Information Fusion

LI Xiao-ming1，FENG Qing-chun2

（1.Beijing  Vocational College of Agriculture，Beijing 102208;2.Intelligent Equipment Technology Research Center of  Beijing Academy of Agriculture and Forestry，Beijing 100097）

Abstract Fruit industry is one of the important economic pillars of China’s agriculture and rural areas.The current orchard production management level，especially the mechanization and information level，is relatively backward.Orchard mobile robot based on multi-source information fusion can realize stable and high-precision autonomous navigation in complex environment，provide intelligent and efficient autonomous navigation means for orchard mobile platform，and strongly support the construction of smart orchard.By analyzing the research progress of orchard mobile robot autonomous navigation system based on multi-source information fusion，this paper proposes to combine the actual complex and diverse working conditions of orchard，focus on key technologies such as positioning and mapping，path planning and decision control strategy，and based on the existing mobile platform，study the multi-source sensor information fusion strategy to achieve autonomous navigation in complex environment.The performance of the autonomous navigation system is verified by field tests.

Key words Orchard;Mobile robot;Multi-source information fusion;Autonomous navigation；SLAM

基金项目 北京市教育委员会资助项目（KM202112448001）；北京农业职业学院教学改革项目（202236）；新疆兵团科技合作计划项目（2022BC007）。

作者简介 李小明（1987— ），男，福建邵武人，副教授，博士，从事农业机械化及其自动化研究。

收稿日期 2023-09-27

水果产业是我国农业农村重要的经济支柱之一，当前果园生产管理水平、特别是机械化、信息化水平相对落后。果园环境不像传统的水稻、玉米等露天、可操作性较好的环境，且在果树的生长周期中，需要灌溉、施肥、修枝、除草以及采摘等多种作业。果园的半结构化环境也限制了拖拉机等大型农机装备在其中进行作业，因此更加限制了果园机械化的发展。在劳动力稀缺和人口老龄化的今天，农业机器人成为智能农机装备和精准农业不可或缺的一部分。在果园的自动化管理流程中，自主导航技术赋予了机器人独立在果园中导航和作业的能力，是确保果园高效、精准管理的重要支撑。机器人需要通过自身传感器信息和算法处理实现在果园环境中的精准定位，以及确定周围环境信息，实现在果树行之间自主导航的功能。果园移动机器人自主导航技术对提高我国农机装备智能化的发展具有重要意义。

当前，多源信息融合技术在不断地发展，诸多学者将GNSS/INS与激光SLAM相融合，研究基于多源信息融合的果园移动机器人自主导航系统，并获得重要进展。基于多源信息融合的果园移动机器人可实现复杂环境下稳定、高精度的自主导航，为果园移动平台提供智能、高效的自主导航手段，有力支撑智慧果园的建设。该研究分析基于多源信息融合的果园移动机器人自主导航系统研究现状，指出研究的关键问题，提出研究方案，以期为无人化智慧果园建设提供借鉴。

1 基于多源信息融合的果园移动机器人自主导航系统国内外研究进展

随着全球范围内对智能机器人技术研究的持续升温，国内外众多学者纷纷将研究焦点转向农业机器人领域，致力于推动该领域的创新与发展。在果园环境中，机器人的定位和对环境的特征提取是需要解决的难题。果园机器人自主导航技术最重要的两个方面是感知定位和决策控制。要实现机器人的自主导航，首先，机器人要对自身周围环境进行感知，并对自身所处位置有明确的定位；其次，机器人要根据自身定位和环境感知进行路径规划，设计出最优线路并控制机器人按照规划的线路行驶。经过研究人员坚持不懈的研究，该领域已经取得了很多成果。

1.1 国外研究进展 针对果园移动机器人自主导航的研究，国外的研究历史可以追溯至20世纪50至60年代，这一时期已经开启了相关领域的探索，目前积累了多种自主导航的方案。按照传感器的不同，自主导航可分为卫星导航、惯性导航、激光导航、视觉导航以及多传感器融合等。

果园机器人通常工作于开放式的室外环境，面对这样的环境，GNSS技术展现出了其独特的优势。由于GNSS在室外无遮挡的条件下能够实时、准确地提供绝对定位信息，且具备高精度和全天候工作的特点，它自然成为了露天农业作业环境中不可或缺的导航手段。Han等［1］成功研发了一种基于RTK-GNSS技术的自动驾驶系统，该系统被广泛应用于商业化的农业高速喷雾机中。这套系统的独特之处在于，它无需预先构建复杂的果园地图，而是依赖用户手动驾驶车辆时收集的位置信息来设定GNSS上的作业路径，从而大大降低了计算成本。在路径追踪方面，系统利用航路点以及GNSS实时提供的定位、航向和速度信息，精准计算出机器人平台的控制参数。经过严格的测试，该系统在果树行距相对较大的作业环境中，展现出了极高的定位精度，达到了0.01 m的水平。这一成果不仅证明了RTK-GNSS技术在农业自动化领域的广泛应用潜力，也为未来果园机器人的智能化、精准化作业奠定了坚实的基础。Vadakke Veettil等［2］提出闪烁抑制技术，通过信号跟踪误差方差分配卫星和历元特定权重来改进用于位置计算的最小二乘随机模型。当在强闪烁条件下应用该技术时，3D定位误差可提高62%～75%。该方法提高了全球导航卫星系统定位的可靠性，可用于支持高精度要求的应用。尽管GNSS导航在开阔地带展现出了显著的优势和巨大的应用潜力，但在典型的果园环境中，由于果树树冠和树枝的密集遮挡，GNSS系统往往难以稳定接收卫星信号，这导致其适用性受到显著限制，无法准确完成导航任务。因此，单纯依赖卫星导航系统来执行果园作业是存在明显不足的。

惯性导航（inertial navigation system，INS）是一种自主式航位推算导航系统，通过加速度计、陀螺仪、转角传感器对机器人位姿信息进行计算。惯性导航系统不依赖于外部信息，全天候使用，不受外部环境影响，也不存在GNSS系统信号丢失的现象，短时间内的精度和稳定性十分可靠。但是系统存在累计误差，随着使用时间的增长，定位精度会逐渐降低。

即时定位与建图（simultaneous  localization  and  mapping，SLAMS）的出现也为机器人提供了高精度的定位与导航信息。应用SLAM可以在未知环境中建立地图并确认自身所处位置。SLAM实质上是一种基于概率的最优估计问题。解决SLAM问题的方法可以考虑3种模式：扩展的卡尔曼滤波（extended kalman filter，EKF）方法、粒子滤波（particle filter，PF）方法和基于图优化的方法［3］。EKF-SLAM是最为古老也是最经典的范例，其利用世界参数表示机器人的姿态，要求机器人的姿态和坐标的概率分布函数都是高斯的，而且计算成本较高。粒子滤波利用Rao-Blackwell 理论用一组粒子演示了后验概率，不受EKF-SLAM做出的高斯假设的限制，假设每个坐标都独立于其他坐标，使得计算效率显著提高。Li等［4］提出了一种基于多任务特征提取网络和自监督特征点的深度学习实时视觉SLAM系统。通过设计一种简化的卷积神经网络来检测特征点和描述符，以取代传统的特征提取器，提高了视觉SLAM系统的准确性和稳定性。Sun等［5］提出了一种基于几何图元的激光SLAM点云质量改善方法，通过使用随机采样一致性算法提取扫描场景的几何图元来评估点云数据质量，并且将高精度点云定义为参考基准。此外，该方法还采用从参考基准中提取的原始参数构造约束条件，并对漂移点云数据进行坐标校正。试验证明，在没有全球导航卫星系统信号和特征点不足的区域，该方法能有效提高激光点云的质量。Koide等［6］提出了一个三维激光雷达的交互式图形SLAM框架。该框架允许用户交互式地校正由自动空间激光雷达系统生成的3D环境地图。通过优化由自动SLAM创建的姿态约束和由用户通过图形用户界面创建的地图校正约束组成的姿态图，获得大型且全局一致的3D环境地图。同时还提出半自动闭环和基于平面的地图校正技术来创建地图校正约束，并且设计了一种姿态约束更新方法，以改进自动SLAM给出的姿态约束。然而在室外非结构化环境下，SLAM精度较低，仅仅依靠SLAM不能支持果园高精度导航。

激光导航技术基于三角测距原理，能够精确地测量移动机器人周围物体与激光扫描仪之间的距离。近年来，激光测距仪凭借其卓越的测量精度、远距离测量能力以及丰富的距离信息，被广泛应用于移动机器人的自主导航系统中。Zhang等［7］提出了一种基于2D激光技术的果园车辆自动导航系统。在该系统中，其通过设定不同的阈值对激光点云中的离散点进行过滤，以提高数据的准确性。接着，其运用了欧式聚类算法和三点共线的几何原理，从经过滤波的点云中精准地提取出树干的中心点。最终，通过最小二乘法对这些中心点进行拟合，从而生成出准确的导航路径。这一设计不仅充分利用了激光导航技术的优势，还通过创新的算法和数据处理方法，实现了在复杂果园环境下的高精度自主导航。Jones等［8］基于多线激光雷达设计了猕猴桃园自主导航重型平台。对于激光导航技术而言，激光雷达在工作时容易受到天气和大气干扰，影响导航精度。