溫室環(huán)境下農業(yè)機器人的導航方法綜述_盧宇飛.pdf

2025年15期 智慧農業(yè)導刊 Journal of Smart Agriculture 智慧三農 溫室環(huán)境下農業(yè)機器人的導航方法綜述 盧宇飛 許哲寧 夏葛棋 易 恒 陳 巍 南京工程學院 南京 210000 在農業(yè)生產中 由于勞動力短缺 人力成本提高 以及農業(yè)生產效率需求的增長 農業(yè)機器人的應用得 到了廣泛關注 當前的機器人技術還不足以支撐在露 天農田等不穩(wěn)定因素過多的場景下進行生產工作 溫 室大棚等結構化的設施農業(yè)場所就成為了良好的機 器人試驗田 在農業(yè)機器人所涵蓋的復雜技術需求 中 自主導航技術已逐步演變?yōu)樵擃I域至關重要的核 心組成部分 本文從中選取了3種較常用的導航方式 進行分析研究 1 溫室環(huán)境概述 溫室大棚作為結構化設施農業(yè)的重要組成部分 其環(huán)境特點與傳統(tǒng)露天農田存在較大差異 同時也完 全不同于普通的室內環(huán)境 常見的溫室大棚實景圖如 圖1所示 溫室中的作物通常會預先規(guī)劃好生長范 圍 以成壟或成塊的區(qū)域進行栽種 這就給農業(yè)機器 人留出了可供行駛的道路 值得注意的是 這些道路 路面材質往往為泥土 其在干燥條件下具有一定的硬 度 但在澆灌作業(yè)后等濕潤條件下會變得泥濘 增加 機器人的行進難度 同時 泥土路面往往存在輕微起 伏或坑洼 這種不平整的路面會導致機器人在行進過 程中產生抖動 進而對其導航系統(tǒng)造成干擾 導致局 部定位不準確 誤差積累進而路徑規(guī)劃出錯等問題 另外溫室大棚內空間有限 壟間道路狹窄 且大棚內 可能存在各種小型農具和障礙物 增加了機器人自主 移動的復雜性 對農業(yè)機器人的導航和避障能力提出 了較高的要求 圖 1 溫室大棚實景圖 基金項目 江蘇省大學生創(chuàng)新創(chuàng)業(yè)訓練計劃 202411276017Z 通信作者 陳巍 1970 男 碩士 教授 研究方向為智能機器人及圖像處理 摘 要 該null系統(tǒng)研究溫室大棚環(huán)境null農null機器人自主導航nullnull的null新nullnull null前研究聚焦于三大null向 一是傳統(tǒng)標識物 導航null 在大棚環(huán)境中的null用null二是基于SLAMnull步定null與null 構建nullnullnull三是以機器視覺nullnullnull基礎的環(huán)境感知系統(tǒng) 指null目 前我國在該領域已形成顯著null勢 尤其在全局路徑規(guī)劃算法等研究null 取得突破 但復雜作物環(huán)境中局部建null精度等問題仍存在 null 瓶頸 null測未來null 趨勢將圍繞多傳感器融合 強化學習驅動的null 決策等nullnull 開 關鍵詞 溫室null導航null標識物nullSLAMnull機器視覺 中圖分類號 TP242 文獻標志碼 A 文章編號 2096 9902 2025 15 0037 04 Abstract This paper systematically studies the latest progress in autonomous navigation technology for agricultural robots in greenhouse environments The current research focuses on three major directions first the application of traditional marker navigation technology in greenhouse environments second synchronous positioning and map construction based on SLAM Simultaneous Localization and Mapping technology and third an environment perception system based on machine vision technology It is pointed out that China has formed significant advantages in this field especially breakthroughs in research on global path planning algorithms but there are still technical bottlenecks in issues such as local mapping accuracy in complex crop environments The prediction of future development trends will focus on multi sensor fusion and enhanced learning driven real time decision making Keywords greenhouse navigation markers SLAM machine vision nullnullnull nullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnullnull9 37 2025年15期智慧三農 智慧農業(yè)導刊 Journal of Smart Agriculture 2 標識物導航 作為一種依賴于預設標志物實現(xiàn)機器人定位和 自主導航的技術手段 基于標識物的機器人導航方法 已在工業(yè)場景中的自動導引車 AGV 領域得到了廣 泛應用 近年來隨著研究的深入 該技術在溫室環(huán)境 下農業(yè)機器人領域的應用探索逐漸興起 2 1 電磁導航 通過在路面鋪設磁條或電線 結合簡單的電磁傳 感器就能實現(xiàn)機器人沿固定路徑的行駛 這種導航方 式成本低 技術簡單 可滿足最低需求的農業(yè)機器人 自主導航任務 楊婕等 1 設計了一套大棚中的磁導航 模糊控制系統(tǒng) 將對應磁性的磁條沿大棚鋼架鋪設 利用磁傳感器檢測其周圍磁場 進而反映機器人行駛 時的左右偏離狀況 此時若將偏離情況直接作用于電 機差速控制機器人左右糾偏 可能出現(xiàn)糾正量過大導 致左右搖頭的情況 此時可采用模糊控制器對輸入和 輸出變量進行模糊化 計算出合適的輸出PWM波占 空比差值 類似的 姚甜等 2 設計的采摘機器人選用通 有20 kHz 100 mA交變電流的漆包線作為導航的中 心電磁引導線 選用調頻電感電容傳感器檢測引導線 附近的磁場分布和變化情況 并結合卡爾曼濾波進行 數(shù)據處理 實現(xiàn)機器人沿引導線自動巡跡 電磁導航在溫室大棚環(huán)境中存在顯著局限性 具 體表現(xiàn)為路徑規(guī)劃靈活性受限以及導航系統(tǒng)魯棒性 不足 一方面 若需調整預設路徑 則必須重新部署導 引線 增加了系統(tǒng)維護的復雜性 另一方面 在未整合 其他傳感器數(shù)據的情況下 機器人缺乏有效的障礙物 規(guī)避能力 難以應對溫室環(huán)境中可能存在的動態(tài)障礙 物 因此 建議在實際應用中謹慎評估其獨立應用效 能 更推薦將其作為多模態(tài)傳感器融合架構中的輔助 模塊 用于提供機器人底層路徑信息 以彌補單一導 航技術的性能短板 2 2 AprilTag標記系統(tǒng) AprilTag 系統(tǒng)是一種由美國密歇根大學 APRIL 機器人實驗室提出的視覺基準標記解決方案 該系統(tǒng) 在實際應用中具有顯著的低算力消耗優(yōu)勢 僅需依賴 輕量化視覺模塊 如OpenMV或K210攝像頭 即可滿 足運算需求 然而 其實際使用效果受到光照條件的 制約 在溫室大棚夜間無光情況下無法工作 同時 由 于標記分布的離散性特征 難以實現(xiàn)全局實時定位 因此通常需要與多源導航技術進行數(shù)據融合 溫室內部栽培架行間存在狹長對稱及特征單一的 特點 環(huán)境相似度較高 這導致傳統(tǒng)SLAM算法會積累 局部誤差 甚至產生定位丟失的情況 針對該問題張文 翔等 3 提出了一種位姿修正機制 通過多線LiDAR 視覺 識別AprilTag以及激光里程計的多源數(shù)據融合相應算 法 實現(xiàn)地圖構建與定位校正并周期性優(yōu)化機器人在設 施農業(yè)環(huán)境中的定位精度 該方案在栽培壟道行間兩頭 及中間地面等關鍵節(jié)點張貼AprilTag標簽 當機器人行 進過程中檢測到標簽時 計算機器人的校正位姿與中心 點坐標 并將數(shù)據輸入至AMCL 自適應蒙特卡洛定位 算法 AMCL算法將接收到的機器人校正位姿與坐標作 為新的初始位置 重新進行定位并進行后續(xù)導航 3 SLAM導航 SLAM 同步定位與地圖構建 技術作為機器人自 主導航領域的核心技術 通過融合來自多個傳感器的 觀測數(shù)據 實現(xiàn)了機器人在未知環(huán)境中的實時環(huán)境建 模與位姿估計 在溫室農業(yè)機器人應用場景中 該技術 能夠幫助機器人在缺乏GNSS信號的封閉環(huán)境中構建 高精度環(huán)境地圖 并同步完成自身位姿的精確解算 為 農業(yè)機器人自主導航功能提供了關鍵技術支撐 3 1 地圖構建 使用激光雷達數(shù)據進行建圖時 溫室環(huán)境中不平 整的路面可能導致機器人移動平臺出現(xiàn)側滑 增大了 傳統(tǒng)SLAM算法的實時定位誤差 同時溫室行間環(huán)境 的高特征相似性與單線激光雷達的點云數(shù)據局限性 共同致使 Gmapping Cartographer 等常規(guī)二維 SLAM 算法構建地圖時產生顯著失真 針對這一問題 孫國祥 等 4 在利用三維激光雷達和慣性測量單元獲取溫室環(huán) 境信息的基礎上 提出采用LIO SAM 基于緊耦合的雷 達慣導定位建圖 算法來構建導航地圖 對照結果顯 示 所構建地圖的最大絕對誤差 最大相對誤差以及均 方根誤差分別降低至0 081 m 9 9 和0 063 m 相較于 主流的 Gmapping 算法 其相應誤差值為 13 227 m 34 6 和7 170 m 該方法的誤差顯著降低 類似的 劉 治 5 提出了一種基于多傳感器融合的LOAM算法 該 算法在LOAM算法框架的基礎上 引入了IMU 慣性 測量單元 和輪速計進行數(shù)據的修正 當激光SLAM 受到干擾或者微弱時 IMU可以通過測量物體的加速 度和角速度的變化來推算物體的絕對位置信息 輪速 計則通過光電編碼器來檢測驅動輪在一定時間內的 移動距離 從而推算出機器人相對位姿的變化 通過 這2種傳感器的反饋信息 算法能夠有效地去除激光 雷達采集的點云數(shù)據中的運動畸變 進而提升了點云 數(shù)據的質量和可靠性 提升算法定位性能 除了采用激光雷達的SLAM系統(tǒng) 以深度相機作 為核心感知器件的視覺SLAM系統(tǒng)也展現(xiàn)出了很高的 地圖構建精度 李旭等 6 將基于深度相機的ORB SLAM2 38 2025年15期 智慧農業(yè)導刊 Journal of Smart Agriculture 智慧三農 算法應用于溫室移動機器人上 該算法通過閉環(huán)線程 檢測來減少機器人運動過程中累計的定位誤差 實際 測試結果顯示X軸與Z軸定位的均方根誤差分別在 0 7 m和0 4 m范圍內 平均絕對誤差分別在0 6 m和 0 3 m范圍內 算法生成的軌跡與實際軌跡基本契合 該算法的優(yōu)勢在于通過回環(huán)檢測有效地糾正了長時 間大場景累積的偏差 針對動態(tài)環(huán)境中的視覺SLAM建圖問題 當前大 多數(shù)視覺SLAM 工作時都假設相機所拍攝的環(huán)境是 完全靜態(tài)的 即所觀測到的所有路標點都保持不變 然而針對農業(yè)機器人在溫室環(huán)境中的工作場景 這種 假設通常不成立 人員移動和植株晃動往往不可避 免 陰賀生 7 在其研究中提出了Dynam SLAM 雙目視 覺與慣性信息融合 系統(tǒng) 該系統(tǒng)在2個連續(xù)圖像幀 之間 引入IMU預積分來計算兩幀的相對位姿 從而 檢測動態(tài)特征點 再將動態(tài)和靜態(tài)路標點與IMU測量 數(shù)據耦合 進一步進行位姿估計 使機器人在動態(tài)環(huán) 境中實現(xiàn)更準確的定位 3 2 路徑規(guī)劃與避障 完成SLAM建圖后 需要合理的路徑規(guī)劃算法指 導機器人進行自主導航 常用的全局路徑規(guī)劃算法包 括Dijkstra算法 A 算法 SPFA算法等 何坤在其研 究中給出了一種A 算法的優(yōu)化方法 傳統(tǒng)A 算法存 在計算路徑非最優(yōu) 路徑不平滑等問題 可采用視野 平滑處理來去除冗余的轉折節(jié)點 同時為避免參考點 過少導致算法擬合出的路徑穿越障礙 可在平滑處理 后的路徑上重新插入采樣關鍵點 然后采用三次B樣 條算法來對路徑進行圓滑處理 處理前后對比如圖2 所示 8 該算法處理后的路徑能夠保證機器人運動的 位置變化 速度變化與加速度變化均連續(xù)平滑 減少 機器人運動時間的同時降低了加速度突變造成的關 節(jié)沖擊 延長機器人使用壽命 a 優(yōu)化前 b 優(yōu)化后 圖 2 A 算法路徑優(yōu)化前后對比 機器人進行自主導航時 除了溫室中常見的農具 水桶等障礙 作物生長等因素也可能導致作物枝葉等 部分侵入原先的壟間道路 進而導致局部地圖不再精 確 此時就需要避障算法進行靈活判斷 避免碰撞損傷 作物和機器人自身 Harik等 9 提出可將APF 人工勢場 法 控制法與傳統(tǒng)的Hector SLAM結合 以允許移動 機器人執(zhí)行需要在預定義路徑點之間自主避障導航的 周期性任務 人工勢場法最初被引入用于機械臂的控 制 后來其在移動機器人導航中的應用得到了改進 并 自此在移動機器人研究領域得到了廣泛應用 其基本 思想是將移動機器人視為帶電粒子 空間中的每一點 都是具有給定強度和方向的場矢量 而環(huán)境中的靜態(tài) 和動態(tài)障礙物則被視為將帶電粒子推離它們的排斥 力 移動機器人的路徑由吸引力和排斥力的矢量和所 形成的力來定義 針對視覺SLAM的避障問題 當溫室 中機器人的路徑被樹枝或樹葉覆蓋時 視覺SLAM會 將其認定為無法穿越的障礙 Matsuzaki等 10 提出了一 種映射方法 該方法通過集成基于 RGB D 的視覺 SLAM和基于深度神經網絡的語義分割算法 生成了 一個帶有語義標簽的3D地圖 即帶有障礙物類型語 義信息的映射 通過這個映射可以更準確地判斷障礙 物的類型及機器人是否可以直接穿越 4 機器視覺導航 將機器視覺技術應用于溫室農業(yè)機器人的自主 導航算法對溫室農業(yè)機器人自動化作業(yè)有著非常重 要的意義 強虎等 11 以溫室番茄 黃瓜農業(yè)機器人為研 究對象 針對在灰度化番茄或黃瓜植株彩色圖像的過 程中出現(xiàn)灰度值差異小和過分割的問題提出了3種 新的灰度化因子 采用大津法將壟間道路的土壤部分 與溫室植株分割開 針對傳統(tǒng)Hough變換計算量大的 39 2025年15期智慧三農 智慧農業(yè)導刊 Journal of Smart Agriculture 問題提出了預測點Hough變換算法 改進了其實時性 與魯棒性 采用最小二乘法將提取的導航特征點擬合 為田壟導航路徑 以滿足機器人自主導航的需求 相 應的視覺處理過程與擬合結果如圖3所示 實驗結果 表明 機器人運功時最大誤差為3 5 cm 不會與操作 道兩側的作物相碰撞 圖 3 傳統(tǒng)機器視覺算法擬合導航路徑 隨著算力設備的發(fā)展 基于YOLO You Only Look Once 等目標檢測算法在視覺導航領域得到了應用嘗 試 在該算法框架下經過圖像二值化 目標區(qū)域邊緣 分割 特征點提取 最小二乘法擬合等步驟 可以擬合 出精度很高的導航路徑 應仇凱等 12 基于YOLOv8實 例分割方法獲取地栽草莓壟面特征 進而擬合出對應 的導航線 其導航線提取過程如圖4所示 實驗結果 表明機器人運功時橫向偏距最大為32 69 mm 均值為 22 12 mm 均方根誤差為5 37 mm 滿足地栽草莓采摘 機器人壟面自主導航控制 注意到 該誤差顯著小于 傳統(tǒng)機器視覺處理擬合的誤差 可見先進視覺算法對 于機器視覺導航性能的提升 圖 4 最小二乘法算法提取導航線過程 5 結束語 針對溫室大棚特殊作業(yè)環(huán)境下的機器人自主導 航技術 我國在該領域的研究進展呈現(xiàn)高速發(fā)展態(tài) 勢 相關論文與專利數(shù)量顯著高于國外同行 已逐步 構建出具有較強國際競爭力的研發(fā)體系 值得指出 的 是近三年來 2022 2024年 相關學位論文增量為 50 篇 而學術期刊論文刊載量為 24 篇 二者存在 2 08 1的數(shù)量級差 這種學術成果產出結構反映出該 領域研究正處于技術積累期向應用突破期過渡的典 型特征 當前 針對溫室環(huán)境中全局建圖與路徑規(guī)劃的研 究較為完善 但因路面平整度不足等問題導致的局部 建圖精度損失仍未得到較好地解決 現(xiàn)有研究多通過 融合多種傳感器數(shù)據作為突破口 矯正定位與建圖誤 差 同時機器視覺在溫室導航領域的應用較少 利用 機器學習視覺算法實時判斷障礙物類型并指導避障 可作為新的研究方向 以提高溫室中農業(yè)機器人的生 產效率和安全性 參考文獻 1 楊婕 楊超淞 洪曉瑋 等 有機蔬菜大棚除草機器人磁導航 模糊控制系統(tǒng)研制 J 制造業(yè)自動化 2022 44 7 65 68 2 姚甜 田錦碩 胡乃瑞 基于電磁導航和圖像處理的自動尋跡 采摘機器人 J 電子制作 2025 33 1 58 61 3 張文翔 盧鑫羽 張兵園 等 基于激光SLAM和AprilTag 融 合的溫室移動機器人自主導航方法 J 農業(yè)機械學報 2025 56 1 123 132 4 孫國祥 黃銀鋒 汪小null 等 基于LIO SAM建圖和激光視覺 融合定位的溫室自主行走系統(tǒng) J 農業(yè)工程學報 2024 40 3 227 239 5 劉治 用于溫室巡檢機器人的多傳感器融合SLAM算法研究 D 太原 太原理工大學 2023 6 李旭 陽奧凱 劉青 等 基于ORB SLAM2的溫室移動機器 人定位研究 J 農業(yè)機械學報 2024 55 S1 317 324 345 7 陰賀生 視覺導航關鍵技術及其在柑橘采摘機器人中的應用 研究 D 哈爾濱 哈爾濱工業(yè)大學 2023 8 何坤 基于ROS的草莓溫室自主移動機器人全局路徑規(guī)劃 研究 D 武漢 武漢輕工大學 2020 9 HARIK E H C KORSAETH A Combining hector slam and artificial potential field for autonomous navigation in side a greenhouse J Robotics 2018 7 2 22 10 MATSUZAKI S MASUZAWA H MIURA J et al 3D semantic mapping in greenhouses for agricultural mobile robots with robust object recognition using robots trajecto ry C 2018 IEEE international conference on systems man and cybernetics SMC IEEE 2018 357 362 11 強虎 基于機器視覺的溫室番茄 黃瓜農業(yè)機器人導航技術 研究 D 南寧 廣西大學 2020 12 應仇凱 程泓超 馬锃宏 等 基于YOLO v8 Seg的地栽草 莓采摘機器人壟面視覺導航控制方法 J 農業(yè)機械學報 2024 55 S1 9 17 a 感興趣區(qū)域的截取 b 新灰度化因子灰度化結果 c 椒鹽噪音污染結果 d 中值濾波結果 e 圖像二值化及形態(tài)學處理結果 f 導航特征點求取結果 g 擬合導航路徑在二值圖像的顯示 h 擬合導航路徑在原圖顯示 d Canny邊緣檢測 e 壟面中間點獲取 f 導航線擬合 a RGB彩色圖 b 實例分割結果 c 當前壟面掩膜提取 40