溫室環(huán)境下農(nóng)業(yè)機(jī)器人的導(dǎo)航方法綜述_盧宇飛.pdf

2025年15期 智慧農(nóng)業(yè)導(dǎo)刊 Journal of Smart Agriculture 智慧三農(nóng) 溫室環(huán)境下農(nóng)業(yè)機(jī)器人的導(dǎo)航方法綜述 盧宇飛 許哲寧 夏葛棋 易 恒 陳 巍 南京工程學(xué)院 南京 210000 在農(nóng)業(yè)生產(chǎn)中 由于勞動(dòng)力短缺 人力成本提高 以及農(nóng)業(yè)生產(chǎn)效率需求的增長(zhǎng) 農(nóng)業(yè)機(jī)器人的應(yīng)用得 到了廣泛關(guān)注 當(dāng)前的機(jī)器人技術(shù)還不足以支撐在露 天農(nóng)田等不穩(wěn)定因素過(guò)多的場(chǎng)景下進(jìn)行生產(chǎn)工作 溫 室大棚等結(jié)構(gòu)化的設(shè)施農(nóng)業(yè)場(chǎng)所就成為了良好的機(jī) 器人試驗(yàn)田 在農(nóng)業(yè)機(jī)器人所涵蓋的復(fù)雜技術(shù)需求 中 自主導(dǎo)航技術(shù)已逐步演變?yōu)樵擃I(lǐng)域至關(guān)重要的核 心組成部分 本文從中選取了3種較常用的導(dǎo)航方式 進(jìn)行分析研究 1 溫室環(huán)境概述 溫室大棚作為結(jié)構(gòu)化設(shè)施農(nóng)業(yè)的重要組成部分 其環(huán)境特點(diǎn)與傳統(tǒng)露天農(nóng)田存在較大差異 同時(shí)也完 全不同于普通的室內(nèi)環(huán)境 常見(jiàn)的溫室大棚實(shí)景圖如 圖1所示 溫室中的作物通常會(huì)預(yù)先規(guī)劃好生長(zhǎng)范 圍 以成壟或成塊的區(qū)域進(jìn)行栽種 這就給農(nóng)業(yè)機(jī)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(zhì)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(rùn)條件下會(huì)變得泥濘 增加 機(jī)器人的行進(jìn)難度 同時(shí) 泥土路面往往存在輕微起 伏或坑洼 這種不平整的路面會(huì)導(dǎo)致機(jī)器人在行進(jìn)過(guò) 程中產(chǎn)生抖動(dòng) 進(jìn)而對(duì)其導(dǎo)航系統(tǒng)造成干擾 導(dǎo)致局 部定位不準(zhǔn)確 誤差積累進(jìn)而路徑規(guī)劃出錯(cuò)等問(wèn)題 另外溫室大棚內(nèi)空間有限 壟間道路狹窄 且大棚內(nèi) 可能存在各種小型農(nóng)具和障礙物 增加了機(jī)器人自主 移動(dòng)的復(fù)雜性 對(duì)農(nóng)業(yè)機(jī)器人的導(dǎo)航和避障能力提出 了較高的要求 圖 1 溫室大棚實(shí)景圖 基金項(xiàng)目 江蘇省大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃 202411276017Z 通信作者 陳巍 1970 男 碩士 教授 研究方向?yàn)橹悄軝C(jī)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(nóng)null機(jī)器人自主導(dǎo)航nullnull的null新nullnull null前研究聚焦于三大null向 一是傳統(tǒng)標(biāo)識(shí)物 導(dǎo)航null 在大棚環(huán)境中的null用null二是基于SLAMnull步定null與null 構(gòu)建nullnullnull三是以機(jī)器視覺(jué)nullnullnull基礎(chǔ)的環(huán)境感知系統(tǒng) 指null目 前我國(guó)在該領(lǐng)域已形成顯著null勢(shì) 尤其在全局路徑規(guī)劃算法等研究null 取得突破 但復(fù)雜作物環(huán)境中局部建null精度等問(wèn)題仍存在 null 瓶頸 null測(cè)未來(lái)null 趨勢(shì)將圍繞多傳感器融合 強(qiáng)化學(xué)習(xí)驅(qū)動(dòng)的null 決策等nullnull 開(kāi) 關(guān)鍵詞 溫室null導(dǎo)航null標(biāo)識(shí)物nullSLAMnull機(jī)器視覺(jué) 中圖分類號(hào) TP242 文獻(xiàn)標(biāo)志碼 A 文章編號(hào) 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(nóng) 智慧農(nóng)業(yè)導(dǎo)刊 Journal of Smart Agriculture 2 標(biāo)識(shí)物導(dǎo)航 作為一種依賴于預(yù)設(shè)標(biāo)志物實(shí)現(xiàn)機(jī)器人定位和 自主導(dǎo)航的技術(shù)手段 基于標(biāo)識(shí)物的機(jī)器人導(dǎo)航方法 已在工業(yè)場(chǎng)景中的自動(dòng)導(dǎo)引車 AGV 領(lǐng)域得到了廣 泛應(yīng)用 近年來(lái)隨著研究的深入 該技術(shù)在溫室環(huán)境 下農(nóng)業(yè)機(jī)器人領(lǐng)域的應(yīng)用探索逐漸興起 2 1 電磁導(dǎo)航 通過(guò)在路面鋪設(shè)磁條或電線 結(jié)合簡(jiǎn)單的電磁傳 感器就能實(shí)現(xiàn)機(jī)器人沿固定路徑的行駛 這種導(dǎo)航方 式成本低 技術(shù)簡(jiǎn)單 可滿足最低需求的農(nóng)業(yè)機(jī)器人 自主導(dǎo)航任務(wù) 楊婕等 1 設(shè)計(jì)了一套大棚中的磁導(dǎo)航 模糊控制系統(tǒng) 將對(duì)應(yīng)磁性的磁條沿大棚鋼架鋪設(shè) 利用磁傳感器檢測(cè)其周圍磁場(chǎng) 進(jìn)而反映機(jī)器人行駛 時(shí)的左右偏離狀況 此時(shí)若將偏離情況直接作用于電 機(jī)差速控制機(jī)器人左右糾偏 可能出現(xiàn)糾正量過(guò)大導(dǎo) 致左右搖頭的情況 此時(shí)可采用模糊控制器對(duì)輸入和 輸出變量進(jìn)行模糊化 計(jì)算出合適的輸出PWM波占 空比差值 類似的 姚甜等 2 設(shè)計(jì)的采摘機(jī)器人選用通 有20 kHz 100 mA交變電流的漆包線作為導(dǎo)航的中 心電磁引導(dǎo)線 選用調(diào)頻電感電容傳感器檢測(cè)引導(dǎo)線 附近的磁場(chǎng)分布和變化情況 并結(jié)合卡爾曼濾波進(jìn)行 數(shù)據(jù)處理 實(shí)現(xiàn)機(jī)器人沿引導(dǎo)線自動(dòng)巡跡 電磁導(dǎo)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(dǎo)航系統(tǒng)魯棒性 不足 一方面 若需調(diào)整預(yù)設(shè)路徑 則必須重新部署導(dǎo) 引線 增加了系統(tǒng)維護(hù)的復(fù)雜性 另一方面 在未整合 其他傳感器數(shù)據(jù)的情況下 機(jī)器人缺乏有效的障礙物 規(guī)避能力 難以應(yīng)對(duì)溫室環(huán)境中可能存在的動(dòng)態(tài)障礙 物 因此 建議在實(shí)際應(yīng)用中謹(jǐn)慎評(píng)估其獨(dú)立應(yīng)用效 能 更推薦將其作為多模態(tài)傳感器融合架構(gòu)中的輔助 模塊 用于提供機(jī)器人底層路徑信息 以彌補(bǔ)單一導(dǎo) 航技術(shù)的性能短板 2 2 AprilTag標(biāo)記系統(tǒng) AprilTag 系統(tǒng)是一種由美國(guó)密歇根大學(xué) APRIL 機(jī)器人實(shí)驗(yàn)室提出的視覺(jué)基準(zhǔn)標(biāo)記解決方案 該系統(tǒng) 在實(shí)際應(yīng)用中具有顯著的低算力消耗優(yōu)勢(shì) 僅需依賴 輕量化視覺(jué)模塊 如OpenMV或K210攝像頭 即可滿 足運(yùn)算需求 然而 其實(shí)際使用效果受到光照條件的 制約 在溫室大棚夜間無(wú)光情況下無(wú)法工作 同時(shí) 由 于標(biāo)記分布的離散性特征 難以實(shí)現(xiàn)全局實(shí)時(shí)定位 因此通常需要與多源導(dǎo)航技術(shù)進(jìn)行數(shù)據(jù)融合 溫室內(nèi)部栽培架行間存在狹長(zhǎng)對(duì)稱及特征單一的 特點(diǎn) 環(huán)境相似度較高 這導(dǎo)致傳統(tǒng)SLAM算法會(huì)積累 局部誤差 甚至產(chǎn)生定位丟失的情況 針對(duì)該問(wèn)題張文 翔等 3 提出了一種位姿修正機(jī)制 通過(guò)多線LiDAR 視覺(jué) 識(shí)別AprilTag以及激光里程計(jì)的多源數(shù)據(jù)融合相應(yīng)算 法 實(shí)現(xiàn)地圖構(gòu)建與定位校正并周期性優(yōu)化機(jī)器人在設(shè) 施農(nóng)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(guān)鍵節(jié)點(diǎn)張貼AprilTag標(biāo)簽 當(dāng)機(jī)器人行 進(jìn)過(guò)程中檢測(cè)到標(biāo)簽時(shí) 計(jì)算機(jī)器人的校正位姿與中心 點(diǎn)坐標(biāo) 并將數(shù)據(jù)輸入至AMCL 自適應(yīng)蒙特卡洛定位 算法 AMCL算法將接收到的機(jī)器人校正位姿與坐標(biāo)作 為新的初始位置 重新進(jìn)行定位并進(jìn)行后續(xù)導(dǎo)航 3 SLAM導(dǎo)航 SLAM 同步定位與地圖構(gòu)建 技術(shù)作為機(jī)器人自 主導(dǎo)航領(lǐng)域的核心技術(shù) 通過(guò)融合來(lái)自多個(gè)傳感器的 觀測(cè)數(shù)據(jù) 實(shí)現(xiàn)了機(jī)器人在未知環(huán)境中的實(shí)時(shí)環(huán)境建 模與位姿估計(jì) 在溫室農(nóng)業(yè)機(jī)器人應(yīng)用場(chǎng)景中 該技術(shù) 能夠幫助機(jī)器人在缺乏GNSS信號(hào)的封閉環(huán)境中構(gòu)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(nóng)業(yè)機(jī)器人自主導(dǎo)航功能提供了關(guān)鍵技術(shù)支撐 3 1 地圖構(gòu)建 使用激光雷達(dá)數(shù)據(jù)進(jìn)行建圖時(shí) 溫室環(huán)境中不平 整的路面可能導(dǎo)致機(jī)器人移動(dòng)平臺(tái)出現(xiàn)側(cè)滑 增大了 傳統(tǒng)SLAM算法的實(shí)時(shí)定位誤差 同時(shí)溫室行間環(huán)境 的高特征相似性與單線激光雷達(dá)的點(diǎn)云數(shù)據(jù)局限性 共同致使 Gmapping Cartographer 等常規(guī)二維 SLAM 算法構(gòu)建地圖時(shí)產(chǎn)生顯著失真 針對(duì)這一問(wèn)題 孫國(guó)祥 等 4 在利用三維激光雷達(dá)和慣性測(cè)量單元獲取溫室環(huán) 境信息的基礎(chǔ)上 提出采用LIO SAM 基于緊耦合的雷 達(dá)慣導(dǎo)定位建圖 算法來(lái)構(gòu)建導(dǎo)航地圖 對(duì)照結(jié)果顯 示 所構(gòu)建地圖的最大絕對(duì)誤差 最大相對(duì)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(yīng)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(chǔ)上 引入了IMU 慣性 測(cè)量單元 和輪速計(jì)進(jìn)行數(shù)據(jù)的修正 當(dāng)激光SLAM 受到干擾或者微弱時(shí) IMU可以通過(guò)測(cè)量物體的加速 度和角速度的變化來(lái)推算物體的絕對(duì)位置信息 輪速 計(jì)則通過(guò)光電編碼器來(lái)檢測(cè)驅(qū)動(dòng)輪在一定時(shí)間內(nèi)的 移動(dòng)距離 從而推算出機(jī)器人相對(duì)位姿的變化 通過(guò) 這2種傳感器的反饋信息 算法能夠有效地去除激光 雷達(dá)采集的點(diǎn)云數(shù)據(jù)中的運(yùn)動(dòng)畸變 進(jìn)而提升了點(diǎn)云 數(shù)據(jù)的質(zhì)量和可靠性 提升算法定位性能 除了采用激光雷達(dá)的SLAM系統(tǒng) 以深度相機(jī)作 為核心感知器件的視覺(jué)SLAM系統(tǒng)也展現(xiàn)出了很高的 地圖構(gòu)建精度 李旭等 6 將基于深度相機(jī)的ORB SLAM2 38 2025年15期 智慧農(nóng)業(yè)導(dǎo)刊 Journal of Smart Agriculture 智慧三農(nóng) 算法應(yīng)用于溫室移動(dòng)機(jī)器人上 該算法通過(guò)閉環(huán)線程 檢測(cè)來(lái)減少機(jī)器人運(yùn)動(dòng)過(guò)程中累計(jì)的定位誤差 實(shí)際 測(cè)試結(jié)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(nèi) 平均絕對(duì)誤差分別在0 6 m和 0 3 m范圍內(nèi) 算法生成的軌跡與實(shí)際軌跡基本契合 該算法的優(yōu)勢(shì)在于通過(guò)回環(huán)檢測(cè)有效地糾正了長(zhǎng)時(shí) 間大場(chǎng)景累積的偏差 針對(duì)動(dòng)態(tài)環(huán)境中的視覺(jué)SLAM建圖問(wèn)題 當(dāng)前大 多數(shù)視覺(jué)SLAM 工作時(shí)都假設(shè)相機(jī)所拍攝的環(huán)境是 完全靜態(tài)的 即所觀測(cè)到的所有路標(biāo)點(diǎn)都保持不變 然而針對(duì)農(nóng)業(yè)機(jī)器人在溫室環(huán)境中的工作場(chǎng)景 這種 假設(shè)通常不成立 人員移動(dòng)和植株晃動(dòng)往往不可避 免 陰賀生 7 在其研究中提出了Dynam SLAM 雙目視 覺(jué)與慣性信息融合 系統(tǒng) 該系統(tǒng)在2個(gè)連續(xù)圖像幀 之間 引入IMU預(yù)積分來(lái)計(jì)算兩幀的相對(duì)位姿 從而 檢測(cè)動(dòng)態(tài)特征點(diǎn) 再將動(dòng)態(tài)和靜態(tài)路標(biāo)點(diǎn)與IMU測(cè)量 數(shù)據(jù)耦合 進(jìn)一步進(jìn)行位姿估計(jì) 使機(jī)器人在動(dòng)態(tài)環(huán) 境中實(shí)現(xiàn)更準(zhǔn)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(dǎo)機(jī)器人進(jìn)行自主導(dǎo)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(jì)算路徑非最優(yōu) 路徑不平滑等問(wèn)題 可采用視野 平滑處理來(lái)去除冗余的轉(zhuǎn)折節(jié)點(diǎn) 同時(shí)為避免參考點(diǎn) 過(guò)少導(dǎo)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(guān)鍵點(diǎn) 然后采用三次B樣 條算法來(lái)對(duì)路徑進(jìn)行圓滑處理 處理前后對(duì)比如圖2 所示 8 該算法處理后的路徑能夠保證機(jī)器人運(yùn)動(dòng)的 位置變化 速度變化與加速度變化均連續(xù)平滑 減少 機(jī)器人運(yùn)動(dòng)時(shí)間的同時(shí)降低了加速度突變?cè)斐傻年P(guān) 節(jié)沖擊 延長(zhǎng)機(jī)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(duì)比 機(jī)器人進(jìn)行自主導(dǎo)航時(shí) 除了溫室中常見(jiàn)的農(nóng)具 水桶等障礙 作物生長(zhǎng)等因素也可能導(dǎo)致作物枝葉等 部分侵入原先的壟間道路 進(jìn)而導(dǎo)致局部地圖不再精 確 此時(shí)就需要避障算法進(jìn)行靈活判斷 避免碰撞損傷 作物和機(jī)器人自身 Harik等 9 提出可將APF 人工勢(shì)場(chǎng) 法 控制法與傳統(tǒng)的Hector SLAM結(jié)合 以允許移動(dòng) 機(jī)器人執(zhí)行需要在預(yù)定義路徑點(diǎn)之間自主避障導(dǎo)航的 周期性任務(wù) 人工勢(shì)場(chǎng)法最初被引入用于機(jī)械臂的控 制 后來(lái)其在移動(dòng)機(jī)器人導(dǎo)航中的應(yīng)用得到了改進(jìn) 并 自此在移動(dòng)機(jī)器人研究領(lǐng)域得到了廣泛應(yīng)用 其基本 思想是將移動(dòng)機(jī)器人視為帶電粒子 空間中的每一點(diǎn) 都是具有給定強(qiáng)度和方向的場(chǎng)矢量 而環(huán)境中的靜態(tài) 和動(dòng)態(tài)障礙物則被視為將帶電粒子推離它們的排斥 力 移動(dòng)機(jī)器人的路徑由吸引力和排斥力的矢量和所 形成的力來(lái)定義 針對(duì)視覺(jué)SLAM的避障問(wèn)題 當(dāng)溫室 中機(jī)器人的路徑被樹(shù)枝或樹(shù)葉覆蓋時(shí) 視覺(jué)SLAM會(huì) 將其認(rèn)定為無(wú)法穿越的障礙 Matsuzaki等 10 提出了一 種映射方法 該方法通過(guò)集成基于 RGB D 的視覺(jué) SLAM和基于深度神經(jīng)網(wǎng)絡(luò)的語(yǔ)義分割算法 生成了 一個(gè)帶有語(yǔ)義標(biāo)簽的3D地圖 即帶有障礙物類型語(yǔ) 義信息的映射 通過(guò)這個(gè)映射可以更準(zhǔn)確地判斷障礙 物的類型及機(jī)器人是否可以直接穿越 4 機(jī)器視覺(jué)導(dǎo)航 將機(jī)器視覺(jué)技術(shù)應(yīng)用于溫室農(nóng)業(yè)機(jī)器人的自主 導(dǎo)航算法對(duì)溫室農(nóng)業(yè)機(jī)器人自動(dòng)化作業(yè)有著非常重 要的意義 強(qiáng)虎等 11 以溫室番茄 黃瓜農(nóng)業(yè)機(jī)器人為研 究對(duì)象 針對(duì)在灰度化番茄或黃瓜植株彩色圖像的過(guò) 程中出現(xiàn)灰度值差異小和過(guò)分割的問(wèn)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(kāi) 針對(duì)傳統(tǒng)Hough變換計(jì)算量大的 39 2025年15期智慧三農(nóng) 智慧農(nóng)業(yè)導(dǎo)刊 Journal of Smart Agriculture 問(wèn)題提出了預(yù)測(cè)點(diǎn)Hough變換算法 改進(jìn)了其實(shí)時(shí)性 與魯棒性 采用最小二乘法將提取的導(dǎo)航特征點(diǎn)擬合 為田壟導(dǎo)航路徑 以滿足機(jī)器人自主導(dǎo)航的需求 相 應(yīng)的視覺(jué)處理過(guò)程與擬合結(jié)果如圖3所示 實(shí)驗(yàn)結(jié)果 表明 機(jī)器人運(yùn)功時(shí)最大誤差為3 5 cm 不會(huì)與操作 道兩側(cè)的作物相碰撞 圖 3 傳統(tǒng)機(jī)器視覺(jué)算法擬合導(dǎo)航路徑 隨著算力設(shè)備的發(fā)展 基于YOLO You Only Look Once 等目標(biāo)檢測(cè)算法在視覺(jué)導(dǎo)航領(lǐng)域得到了應(yīng)用嘗 試 在該算法框架下經(jīng)過(guò)圖像二值化 目標(biāo)區(qū)域邊緣 分割 特征點(diǎn)提取 最小二乘法擬合等步驟 可以擬合 出精度很高的導(dǎo)航路徑 應(yīng)仇凱等 12 基于YOLOv8實(shí) 例分割方法獲取地栽草莓壟面特征 進(jìn)而擬合出對(duì)應(yīng) 的導(dǎo)航線 其導(dǎo)航線提取過(guò)程如圖4所示 實(shí)驗(yàn)結(jié)果 表明機(jī)器人運(yùn)功時(shí)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(jī)器人壟面自主導(dǎo)航控制 注意到 該誤差顯著小于 傳統(tǒng)機(jī)器視覺(jué)處理擬合的誤差 可見(jiàn)先進(jìn)視覺(jué)算法對(duì) 于機(jī)器視覺(jué)導(dǎo)航性能的提升 圖 4 最小二乘法算法提取導(dǎo)航線過(guò)程 5 結(jié)束語(yǔ) 針對(duì)溫室大棚特殊作業(yè)環(huán)境下的機(jī)器人自主導(dǎo) 航技術(shù) 我國(guó)在該領(lǐng)域的研究進(jìn)展呈現(xiàn)高速發(fā)展態(tài) 勢(shì) 相關(guān)論文與專利數(shù)量顯著高于國(guó)外同行 已逐步 構(gòu)建出具有較強(qiáng)國(guó)際競(jìng)爭(zhēng)力的研發(fā)體系 值得指出 的 是近三年來(lái) 2022 2024年 相關(guān)學(xué)位論文增量為 50 篇 而學(xué)術(shù)期刊論文刊載量為 24 篇 二者存在 2 08 1的數(shù)量級(jí)差 這種學(xué)術(shù)成果產(chǎn)出結(jié)構(gòu)反映出該 領(lǐng)域研究正處于技術(shù)積累期向應(yīng)用突破期過(guò)渡的典 型特征 當(dāng)前 針對(duì)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(wèn)題導(dǎo)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(guò) 融合多種傳感器數(shù)據(jù)作為突破口 矯正定位與建圖誤 差 同時(shí)機(jī)器視覺(jué)在溫室導(dǎo)航領(lǐng)域的應(yīng)用較少 利用 機(jī)器學(xué)習(xí)視覺(jué)算法實(shí)時(shí)判斷障礙物類型并指導(dǎo)避障 可作為新的研究方向 以提高溫室中農(nóng)業(yè)機(jī)器人的生 產(chǎn)效率和安全性 參考文獻(xiàn) 1 楊婕 楊超淞 洪曉瑋 等 有機(jī)蔬菜大棚除草機(jī)器人磁導(dǎo)航 模糊控制系統(tǒng)研制 J 制造業(yè)自動(dòng)化 2022 44 7 65 68 2 姚甜 田錦碩 胡乃瑞 基于電磁導(dǎo)航和圖像處理的自動(dòng)尋跡 采摘機(jī)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(dòng)機(jī)器人自主導(dǎo)航方法 J 農(nóng)業(yè)機(jī)械學(xué)報(bào) 2025 56 1 123 132 4 孫國(guó)祥 黃銀鋒 汪小null 等 基于LIO SAM建圖和激光視覺(jué) 融合定位的溫室自主行走系統(tǒng) J 農(nóng)業(yè)工程學(xué)報(bào) 2024 40 3 227 239 5 劉治 用于溫室巡檢機(jī)器人的多傳感器融合SLAM算法研究 D 太原 太原理工大學(xué) 2023 6 李旭 陽(yáng)奧凱 劉青 等 基于ORB SLAM2的溫室移動(dòng)機(jī)器 人定位研究 J 農(nóng)業(yè)機(jī)械學(xué)報(bào) 2024 55 S1 317 324 345 7 陰賀生 視覺(jué)導(dǎo)航關(guān)鍵技術(shù)及其在柑橘采摘機(jī)器人中的應(yīng)用 研究 D 哈爾濱 哈爾濱工業(yè)大學(xué) 2023 8 何坤 基于ROS的草莓溫室自主移動(dòng)機(jī)器人全局路徑規(guī)劃 研究 D 武漢 武漢輕工大學(xué) 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(qiáng)虎 基于機(jī)器視覺(jué)的溫室番茄 黃瓜農(nóng)業(yè)機(jī)器人導(dǎo)航技術(shù) 研究 D 南寧 廣西大學(xué) 2020 12 應(yīng)仇凱 程泓超 馬锃宏 等 基于YOLO v8 Seg的地栽草 莓采摘機(jī)器人壟面視覺(jué)導(dǎo)航控制方法 J 農(nóng)業(yè)機(jī)械學(xué)報(bào) 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(jié)果 c 椒鹽噪音污染結(jié)果 d 中值濾波結(jié)果 e 圖像二值化及形態(tài)學(xué)處理結(jié)果 f 導(dǎo)航特征點(diǎn)求取結(jié)果 g 擬合導(dǎo)航路徑在二值圖像的顯示 h 擬合導(dǎo)航路徑在原圖顯示 d Canny邊緣檢測(cè) e 壟面中間點(diǎn)獲取 f 導(dǎo)航線擬合 a RGB彩色圖 b 實(shí)例分割結(jié)果 c 當(dāng)前壟面掩膜提取 40