农用直线导航仪

| 驾驶员考试 |

【www.guakaob.com--驾驶员考试】

篇一 农用直线导航仪
[我爱发明]拖拉机农机北斗导航系统 导航新势力(发明人罗树江)

  [我爱发明] 20151015 导航新势力

  本期视频主要内容: 人工操作农机不仅费时费力,也会造成大量的土地浪费。罗树江团队发明了北斗农机自动导航驾驶系统,北斗卫星通过车顶天线确定车辆位置,计算出汽车状况,计算机再把矫正数据传给车辆控制系统液压阀,实现车辆的直线行走。用这种系统操作农机,大幅减少了人工操作时间,大大提高了生产效率。 (《我爱发明》 20151015 导航新势力)

  发明人:罗树江(15901403339)

  编导手记:随着科技的进步北斗导航系统早已渗透到方方面面,从航天航空,军事行动到户外运动,驾车出行,不断地影响着人们的工作和生活。

  把北斗导航系统运用到农业上这不得不说是一个大胆创新的想法。罗树江和他的发明团队,就做了这样一件事。

  目前,在我国土地流转业已成为农业的一个重要发展方向,对于大面积的农田作业来说,基本实现农业机械化,但是其中由于机械误差而引起的浪费一直不可避免地存在着。

  对于成千上万亩这样大面积的农田来说,由于全程机械化,如果播种的时候出现偏差,收获时机械就会把成熟的谷物压在土里,造成浪费,给农作物收获带来巨大的损失。

  发明带头人罗树江是学农业机械专业的,他一直有一个梦想,就是把北斗导航用于农业。虽然想法不错,但是国内尚无先例,实施起来非常困难。

  但是他没有灰心,带领他的团队不断设计方案,多次实地考察测试,终于把北斗导航系统安装在1204拖拉机上,并且能够安全运行。

  成绩与汗水从来都是相伴相生,在测试成功后。满天的星光下,罗树江和他的发明团队,欢呼雀跃,庆祝这来之不易的成果。(编导:刘海燕)

  

  

  

篇二 农用直线导航仪
高科技“玩坏”传统农业?

  农田App及智能设备领域风起云涌,各大农化巨头争相跨界开发信息产品,以帮助农户制定精确的作物管理决策。但这是否会让农场主面临被“深度绑架”的风险?孟山都用来控制种业的“危险”手段会否再次上演?陶娟/文

  “大数据、物联网、GPS定位系统、App”,这些耳熟能详却又听起来高大上的名词,能和最最传统的农业扯上什么关系?最传统的行业,正借由最新潮的高科技,绽放出新生的力量。

  相比美国强大的国防实力和称霸全球的美元,美国农业的强大是一种低调的存在。美国农业部有多达11万名员工,是仅次于国防部的第二大政府部门。大规模机械化的普及,让两三个农民就搞定十几万亩土地成为再平常不过的事情。信息化时代的到来,推动着农业从规模化向精细化迈进,而智能化需求也指引着服务者商业模式的变迁。从单纯卖种子卖化肥农药到制定“播种-收割”的全链管理过程,农化巨头和农业机械制造商,正在竞合之中,开始新一轮赛跑。

  App进攻农业

  农作物的两大天敌,一是虫害,二是杂草。用App来对付它们?听起来像是天方夜谭,但2014年4月,孟山都在加拿大推出了一款杂草识别系统,存储了48种杂草的信息,包括其高清图片和形状描述,用户只需动动手指头,就能根据杂草的不同分类消息对其进行辨认,并获得最佳的杂草管理方案。对于现有系统无法辨认的杂草,App将直接把该杂草信息反馈给孟山都的售后服务中心,由农学家提供专业建议。

  在杂草辨识程序之外,孟山都还推出了一款针对玉米虫害的App,根据玉米害虫往年的季节规律来预报到达具体地块的时间和危害程度,并提供相应的解决方案。

  另一农化巨头杜邦先锋则在2013年7月推出了一款手机应用Pioneer Field 360,主打作物生长流程管理的概念。这款程序结合了强大的分析工具和实时数据,种植者只需在使用之初输入方位、开始日期以及相对成熟度,就能预测作物的生长进度,查看降水预报,并据此计算出其发育成熟程度,了解作物的生长关键期。此外,杜邦先锋还开发了Field 360 Notes和适种性应用。

  《世界农化报》总结道,农化行业的竞争已经脱离了卖种子、农药的简单套路,而是通过把尖端的信息技术应用到现代农业领域,为农业生产提供精准化种植、可视化管理、智能化决策。

  搭配了智能设备的机器同样受到农民的欢迎,在《Farmers Weekly》的调查中,拖拉机上加载的GPS转向系统被英国农民投票推上农耕高科技榜单首位,机器人挤奶机和智能手机并列第二。GPS系统的妙处在于,在这之前,要避免种子和肥料的浪费只能依靠驾驶员的感觉和经验,而应用这个系统能轻松实现田间直线驾驶,彻底避免重复播种,既节省开支,又能提高生产效率。

  孟山都的200亿美元野心

  无论是杜邦的作物成熟度预测App,还是孟山都的杂草辨识应用,都无一例外具有GPS定位和信息存储功能,名义上是方便App使用者存储土地上的种植历史,但实际上二者都轻易获取了关于这片土地的一切秘密—曾经种过什么、容易长什么杂草、历史降水情况等,这些都为来年种子、除草剂等各种产品的销售打下了基础。这种“热心过头”的服务已经引起了一些农民的警惕—他们对自己农田上的数据可能遭到滥用或是隐私被侵犯感到不安。

  相比之下,孟山都隐藏在App后的图谋更加意味深长,它正在试图强化这种信息优势,并转化为新的商业模式。过去几十年里,孟山都成功地从化肥农药领域转型为以种子业务为核心,尽管其模式口碑不佳—通过转基因种子和相关除草剂的捆绑式销售、私自留种效率退化的保护机制等,制造出农民对其种子的依赖性。随着农田智能化时代的到来,它的野心进一步膨胀—在开发App聚拢信息流之外,其再次展开惯用的并购手法,以收集全方位的农业数据并加以利用。

  2012年,孟山都以2.5亿美元收购了农业公司“精准种植”(Precision Planting),这家公司能够让农民在不同区域选择以不同深度进行种植,成为孟山都走向“双向种植”的第一步,即接收和分析数据,告诉农民该种植什么、浇多少水,如何灌溉。

  2013年底,孟山都又以9.3亿美元收购了天气保险公司Climate Corporation。后者曾收到过来自谷歌风投、Founders Fund等机构的注资,主营业务是向农民卖天气保险。该公司的厉害之处是收集了30多年的天气数据、60年的农作物产量数据,以此为基础开发出自助投保服务,客户登录其公司网站,确定特定区域及时间段内需要投保的气温或降雨量范围,公司能在收到订单后100毫秒内完成风险评估,并在线开出个性化定制保单。此外,不同于保险业惯常做法,在这里农民无需申报赔付,一旦天气变化幅度进入了赔付标准,公司就会自动赔付。

  这种能从分析风险数据中挖掘盈利机会的模式引起了孟山都的强烈兴趣。孟山都表示,大多数农民的玉米地都有30-50蒲式耳的单产潜力没有被挖掘出来,而数据科学的发展能帮助它们进一步释放这个潜力。2014年1月,孟山都收购了一项土壤分析类的技术,同精准种植业务、玉米虫害等信息平台一起打包,归集到Climate业务旗下,通过这个整合后的服务平台,种植者可以实时了解天气、土壤、虫害的情况,并据此作出生产决策,进行风险管理等,以提高农场的效益。Climate发布了基础和升级两个版本的服务,并通过合作商家进行分销。其业务掌舵者直接向孟山都CEO汇报工作,足见其对新领域的重视。

  这一切行动,都是打着“为农民服务”的口号,但谁都知道其真实目的终归要落点于自身盈利。2013年财报显示,孟山都两大核心业务中,种子业务近年来增长平平且饱受争议,2013年5月,在全球50多个国家同时爆发了一场抗议孟山都转基因种子的大游行,集会人数超过200多万人。另一方面,以草甘膦除草剂为代表产品的农业效率部门,尽管营收和利润走高,却也一直未能洗脱“草甘膦毒性不明”的安全隐患(附表)。在收购Climate的公告中,孟山都乐观地预测,在种子和化肥销售这两大核心业务以外,数据科学有望给公司带来200亿美元的创收机会。如果所言非虚,这无疑意味着农化领域盈利模式的一个巨变,孟山都能否如愿?

  在新的盈利模式被证明之前,孟山都已经开始面临新的考验,已经有农户开始担心,孟山都等大公司收集了太多的数据会对自己不利,使之在定价及产品选择上均处于弱势,甚至数据可能会被华尔街用来预知作物价格[来源:

  巨头合谋,软硬兼攻

  尽管孟山都是行动最迅速的那个,但很明显不止是它瞄上了这个机会。

  仅在美国,200多万个农场中有8%的年收入在25万美元以上,对于这种规模的大田,通过数据化管理来提升作物效率的经济效益愈加明显。而随着信息化和高科技设备在农业的全面嫁接,有可能在将来的某一天实现从播种到施肥、收割完全的无人化。田间App评估土壤情况,选择作物类型及种子,虫害App决定如何施肥及播撒哪种农药,而信息平台综合天气消息后报出最佳杂草管理措施及生长关键节点,也或许所有数据提交之后,一个整合后的平台生成全部指令,并将命令交由无人驾驶的机器来执行。

  “一粒种子改变世界”,种下去之后,操心的不仅仅是卖种子卖服务的。智能化的决策,具体执行还要靠硬件。农业机械制造商同样对此领域虎视眈眈。自建数据库?合作还是竞争?战争的硝烟已开始弥漫,而实力与谋略的选择同为重要。

  美国知名的农用机械商约翰迪尔公司就扩展了其大田链接土壤湿度监测系统,新增了气象站以及日射强度计及叶面湿度等传感器系统。这些传感器将实时提供温度、风速、风向、湿度、太阳辐射、叶面湿度、降雨量以及土壤湿度的相关数据。2013年年底,约翰迪尔更是分别与陶氏益农、巴斯夫、杜邦先锋等农化巨头签署了数据分享协议。他们将分别结合各自专长,把农田数据信息整合成精准农业及农田管理方案,帮助种植者更高效地将数据转化为管理决策。

  而同样将重点放在了种子业务上的杜邦先锋,也正在加速完善自身的全农场决策解决方案平台EncircaSm。2014年5月,杜邦先锋宣布与系统硬件商爱科达成合作,推行无线数据传输系统。届时,大农场的农民将不必携带硬盘存储类介质,就可以在驾驶舱和办公室间轻松进行无线数据传输。■

篇三 农用直线导航仪
06农机作业GPS导航与自动驾驶

篇四 农用直线导航仪
基于Kalman滤波农用车辆导航定位方法

2009年9月

农业机械学报

第40卷增刊

基于Kalman滤波农用车辆导航定位方法*

颖1,2

刘兆祥1刘刚1张漫1周建军3

(1.中国农业大学信息与电气工程学院,北京100083;2.河北农业大学信息科学与技术学院,保定071001;

3.国家农业信息化工程技术研究中心。北京100097)

【摘要】因RTD—GPS定位精度不能满足农田导航作业的需要,研究了一种提高农用车辆自动导航定位精度

的方法。建立天线补偿模型,对GPS天线晃动引起的误差进行了补偿;建立基于Kalman滤波模型。融合多传感器信息;使用自主开发的基于VRS的GPS接收机,作为RTD—GPS。将RTD—GPS、电子罗盘以及速度传感器获得信息进行Kalman滤波,其结果和高精度GPS数据进行了比较。实验证明,直线跟踪中。平均偏差由1.6019m减小

到0.597ITI;曲线跟踪中。平均偏差由1.2085m减小到0.4861m。

关键词:车辆导航定位Kalman滤波信息融合中图分类号:S220.1

文献标识码:A

PositionsResearchofVehicleNavigationSystemBased

JiYin91・2

ofInformation

LiuZhaoxian91

LiuGan91

ZhanManl

on

KalmanFilter

ZhouJianjun3

(1.CollegeofInformationandElectricalEngineering。ChinaAgriculturalUniversity。Beijing100083,China

2.College

andScience&Technology,AgriculturalUniversity

ofHebei。Baoding

3.NationalEngineeringResearchCenterforInformation

TechnologyinAgriculture,Beijing

071001,China100097,China)

Abstract

SincethepositioningaccuracyoflowaccuracyGPS

meettherequirementsofagricultural

cannot

production,anewnavigationmethodisstudiedtoimprovethepositionaccuracy.ThecompensatemodeliSbuilttocompensateforthelibrationcausedbytheantenna.AKalmanfilteriSdeveloped。and

VRS-basedreceiverisused

as

thelOW

accuracy

GPS.TheKalmanfilterisappliedspeedsensor.Thedataset

tothedata

the

collectedfromthelowaccuracyGPS,compassandRTK—GPSisused弱abaselinethatthemean

to

error

to

collectedfrom

evaluatetheperformanceofthefilter.Experimentresultsindicated

wasreducedfrom1.6019mtO0.597mstraightlinetrack。andfrom1.2085mtrack.

0.4861minKeywords

curve

Vehiclenavigation,Position,Kalmanfilter,Informationfusion

引言

农用车辆自动导航技术在减轻驾驶员劳动强度的同时,能够提高作业精度、避免重耕漏耕、减少重复作业、降低成本、增加经济效益,已逐渐成为现代农业技术的重要组成部分。因此,开展农业机械自动导航技术研究具有重要的现实意义…1。目前导航技术使用的主要传感器有GPS、机器视觉、惯性

导航系统、激光、雷达等。由于农田、作物环境的复杂性,利用单一传感器感知导航信息(车辆位姿)很难满足农用车辆自动导航系统要求的精度和可靠性。为此,研究人员采用多传感器信息融合技术以提高导航定位精度。RTK—GPS可以提供高精度的定位信息,定位误差可达2cm,但价格昂贵。因此,降低成本、提高精度,成为研究人员的重要研究内容。国外有研究人员进行低成本导航系统的研

收稿日期:2009—07—10修回日期:2009—07—30

*国家“863”高技术研究发展计划资助项目(2006AAl0A304)

作者简介:籍颖,博士生,河北农业大学讲师,主要从事融合算法、自动导航以及图像处理研究。E.mail:hdjiying@163.嗍

通讯作者:刘刚。教授.主要从事农业电气化与自动化研究,E.mail:pac@cau.edu.cn

14

农业机械学报

2009焦

究,Guo[2]等研究基于低成本的农用导航系统,将

GarminGPS

为RTD—GPS。基于VRS技术的GPS接收机由单片机、ACl2GPS模块、GSM模块等组成。采用VRS差分后定位精度达到I.25m(95%)[31。1.2实验方法

实验中,将高精度RTK—GPS和RTD—GPS天线同时安装在导航车顶部。两天线中心距20

cm。

17N和IUM信息进行Kalman滤波。

定位误差由1.28ITI降到0.48m。国内在这方面的研究相对较少。

本文研究一种提高农用车辆导航定位精度的方法。对GPS天线晃动产生的误差进行补偿,对RTD—GPS数据和电子罗盘、速度传感器数据进行Kalman滤波,实现了直线和曲线的导航实验。

将RTD—GPS和电子罗盘采集的数据进行融合,为导航车提供位置信息。以高精度RTK—GPS数据作为参考,RTD—GPS融合后的数据与之进行比较。

1实验设备和方法

1.1实验设备

实验以改装的电瓶车为导航车,导航系统包括主控计算机、操纵控制器、转向驱动机构、前轮偏角测量装置、电子罗盘、姿态传感器和速度传感器。操纵控制器采用ARM7微控制器LPC2119;转向驱动机构由北京和利时电机技术有限公司的减速器和步进电动机组成;前轮偏角测量装置采用wYT—AT一1型角度传感器;电子罗盘采用北京星网宇达科技开发公司的XWLP3300三维固态电子罗盘;姿态传感器采用MTi一28A33G35以及nWl0Li型速度传感器。由车载蓄电池提供电源。使用两种精度的GPS设备:一种是高精度RTK—GPS,选用美国Trimble公司的AgGPS332+MS750;另一种低精度GPS,选用自主开发的基于VRS的GPS接收机作

E一1(庐0p

2模型的建立

2.1天线位置补偿模型

实际农田应用中,由于田间环境复杂,农用车辆在田间行走时,道路颠簸较大,致使固定在农用机械上的GPS的天线有较大晃动,从而使测得的GPS数据误差增加、定位精度下降。通过大量实验得出。天线杆长42cm、横滚角15。时。有10.5cm的偏差。因此,需要通过补偿来降低天线倾斜对定位精度的影响,以减少定位误差。

一㈨

眇蟛

阢m嵫瓦k乙

哲Ⅵ¨,I](1,

(2)

其中

Or)=E(一≯一0p—Or)=

cosopsin声

cosO,cos#+sinO,sinopsinj5

I—cos0,.simb+sin0,sinot,cos声'cosecos声

—sin0,cosop

sinop

一cosOrsinopsin拳+sinorcos乒]

一cos六sin如∞s声一sinOrsin声l

cosO,cos如

式中z、Y、z——准确的天线位置

X口、K、乙——测得的天线位置

Or——横滚角

声——航向角

郇——俯仰角

a、b、h——天线倾斜角在3个方向的投影距

天线中心的距离

使用姿态传感器获得横滚角、俯仰角和航向角等信息,通过这些信息和GPS测得的天线位置信息可以计算出天线的准确位置,从而对其进行补偿。2.2导航车运动学模型

导航车长278cm、宽114cm、轴距131

cm[4I。

鬃f

图1二轮车运动学模型

Kinematicsmodeloftwo-wheelvehicle

Fig.1

式中疗——导航车航向角,rad口——导航车前轮转向角,rad"——导航车纵向行驶速度,m/s%——导航车沿z方向速度分量,m/s口。——导航车沿Y方向速度分量,m/s

在不考虑轮胎与地面侧向滑动的前提下,将四轮车简化为如图l所示二轮车模型进行运动学分析。

从图1中可以得出

fur。可c。s口≮口,=vsin0

(3)

u。——导航车前轮速度,m/sL——导航车轴距,ITI

l口::u/co。口

增刊籍颖等:基于Kalman滤波农用车辆导航定位方法

15

长=麓"UCOSO帆"

锹2

oo1o

将采集到RTK—GPS的位置信息作为观测向量,Z^=[z

y]T,其中z、y是高精度GPS输出的

位置坐标;测量矩阵H。=[:吕01:]为常数矩

阵。将线性离散Kalman滤波器的递归差分方程构

成预测方程

噩+1=吼噩

(9)Pf=9^P^92+Ql

(10)

以下构成校正方程。滤波方程为

溉=Xf+K女(ZI一矾Xf)

(11)

增益方程为

K^=PiH手(HlPfH手+R^)一1

(12)

滤波误差方差方程为

Pk=(J—KlJ=Ik)Pf

(13)

在Kalman滤波中,Q¨R^和B初始值的选取对融合效果有很大影响[川,并且它们之间有一定的关系:观测方程噪声协方差R^越小,残余的增益

甄越大;先验估计误差协方差n越小,残余的增

益K^越小。经过反复实验。设定Q¨R^和n的初始值。其中

ro.3

0.5OOI

10.5

1O0

Q女2

ooOo0l

05

.1取2

厂2250

o2

0弱O1Ij

12500

000l

01000

0n

oo2500o

100-1

16

农业机械学报

2009矩

图2直线定位效果图

Fig.2

Straight・lineposition

图4曲线定位效果图

Fig.4

Curveposition

图3直线融合前、后偏差图

Fig.3

Deviationofstraightlinepre-fusionandfusion

Fig.5

图5曲线融合前、后偏差图

Deviation

of

curvepre-fusionandfusion

著提高,平均提高62.55%。即使用融合算法后,定位精度在0.6m左右。

衰1直线偏差数据

Tab.1

Deviationof

衰2曲线偏差数据

Tab.2

Deviation

of

curve

data

strai.ghl・line山切

提高,平均提高59.72%。

3.2曲线跟踪

导航车沿操场弯道部分进行曲线跟踪。进行了多组实验,其行驶速度为1m/s。图4为瞳线导航定位效果图,图中*线是高精度GPS采集的数据,即参考标准;+线是低精度GPS采集到的数据;△线是使用Kalman滤波后的数据效果。图5是融合前后偏差图,可以看出,融合后偏差有显著降低。从表2曲线数据分析可以看出,融合后定位精度明显

4结束语

建立了天线位置补偿模型,并对天线晃动引起的误差进行了补偿。为在田间导航提供了理论基础。基于Kalman滤波模型进行了多组直线和曲线导航实验。将电子罗盘测得的航向角和速度传感器测得的速度等多传感器信息进行Kalman滤波,获得精度更高的定位信息。实验表明,Kalman滤波模型能够有效提高低精度GPS导航定位精度。

参考文献

l宋正河,吕安涛,陈文良,等.拖拉机自动驾驶系统的研究[J].拖拉机与农用运输车。2005(3):1~5

SongZhenhe。LnAntao,Chen

Wenliang.etai.On

tractor

autonomousdrivingsystem[J].Tractor&Farm

Transporter,

2005(3):1--5.(in

Chinese)

增刊

籍颖等:基于Kalman滤波农用车辆导航定位方法

【农用直线导航仪】

GuoLinsong,HeTransactionsofthe

17

Yong,Zhang

Qin,eta1.Real-time

tractor

position

estimation

systemusing

Kalman

filter[J].

CSAE。2002。18(5):96~101.

3张漫,何月芳,李民赞,等.基于VRS技术的GPS接收系统设计与实现[J】.江苏大学学报:自然科学版,2007.28(2):

97~99.

ZbangMan。HeYuefang。LiMinzan,eta1.DesignandrealizationofGPSreceiverbased

University:NaturalScience

on

VRS[J].Journal

of

Jiangsu

Edition,2007。28(2):97~99.(inChinese)

4周建军,张漫,汪懋华,等.基于模糊控制的农用车辆路线跟踪[J】.农业机械学报,2009,40(4):151~156.

Zhou

Jianjun,ZhanMan,WangMaohua,eta1.Pathtracking

foragricultural

vehiclebased

on

fuzzy

control[J].

TransactionsoftheChineseSocietyforAgriculturalMachinery。2009,40(4):151—156.(inChinese)

5周俊,姬长英.自主车辆导航系统中的多传感器融合技术[J].农业机械学报,2002,33(5):113—117.

Zhou

Jun.JiChangying.Multi—sensoffusioninnavigationofautonomousvehicle[J].TransactionsoftheChineseSocietyfor

Machinery,2002,33(5):113~117.(inChinese)

Agricultural

6张智刚.插秧机的DGPS自动导航控制系统的研究[D】.广州:华南农业大学,2006.

ZhangZhigang.Automaticguidancesystembased

on

DGPSforrice

transplanter[D].Guangzhou:South

China

Agricultural

Unversity,2006.(inChinese)

HanS,Zhang553~559.

Q,NohH.KalmanfilteringofDGPSpositionfor

paralleltracking

application[J].ASAE,2002,45(3):

8曹倩,王库,杨永辉,等.基于TMS320DM642的农业机器人视觉导航路径检测[J].农业机械学报,2009。40(7):171~

175.Cao

Qian,WangKu,YangYonghui,eta1.Identifyingthenavigation

ChineseSocietyfor

routebased

oll

TMS320DM642foragriculturevisual

robot[J].TransactionsoftheAgriculturalMachinery。2009,40(7):171~175.(inChinese)

I上接第27页)

13王荣本,李琳辉,金立生,等.基于双目视觉的智能车辆障碍物探测技术研究[J].中国图象图形学报,2007,12(12):

2158~2164.

Wang

Rongben,Li

Linhui,JinLisheng,eta1.Study

ofImageand

on

binocularvisionbasedobstacle

detectiontechnologyforintelligent

vehicle[J].Journal

14

Graphics。2007。12(12):2158~2164.(inChinese)techniqueforcameracalibration[J].IEEETransactions

ZhangZhengyou.Aflexiblenew

on

PatternAnalysis

andMachine

Intelligence,2000,22(11):1330~1334.

15

LoweDG.Distinctiveimagefeatures

fromscaleinvariantkeypoints[J].InternationalJournalofComputerVision,2004。

60(2):91~110.

16

MariusMuja,LoweDG.FastapproximatenearestneighborswithautomaticMgorithmconfiguration[C]∥International

Conference

Oil

ComputerVision

TheoryandApplications(VIsAPP’09)。2009.

160.

17丁幼春,王书茂,陈度.基于图像旋转投影的导航路径检测算法[J].农业机械学报,2009,40(8):155

Ding

Youchun,Wang

Shumao,Chen

Du.Navigationline

detectionarithmeticbased

on

imagerotationandprojection[J].

TransactionsoftheChineseSocietyforAgriculturalMachinery,2009,40(8):155~160.(inChinese)

篇五 农用直线导航仪
农业机械导航技术发展分析_姬长英

2014年9月

1298.2014.09.008doi:10.6041/j.issn.1000-

农业机械学报

第45卷第9期

农业机械导航技术发展分析

姬长英

(南京农业大学工学院,南京210031)

*

摘要:导航技术是农业机械在作业环境中进行自主控制的关键技术,目前是农业机械研究领域的热点。通过分析现有的国内外文献,从目前农业机械导航主要方式以及关键技术入手,阐述了国内外该领域的研究进展。详细介绍了广泛研究的GPS导航和视觉导航,同时简要地介绍了电磁导航、机械导航、激光导航、超声波导航、地磁导航等其他导航形式。对农业机械导航中的环境感知、导航控制、地图构建等关键技术进行了分析,指出了农业机械导航技术的未来发展趋势。关键词:农业机械

导航

综述

文献标识码:A

1298(2014)09-0044-11文章编号:1000-中图分类号:S22;V249.3

引言

科学技术的进步正推动着现代农业生产向着自

动化、信息化、规模化、精确化方向快速发展。为了使农业机械能够在作业环境中完成自动除草、收获、施肥、修剪、耕耘等工作任务,要求其必须具备自主导航这一基础功能,即农业机械通过自身携带的各项传感器感知周围的环境,在对感知到的信息进行处理后,实时获取自身的位置和姿态信息,然后实时进行路径规划和导航控制,完成各项作业任务。本文从农业机械导航技术入手,通过分析国内外文献,详细阐述目前农业机械导航中应用较多的GPS导航和视觉导航这两种主要方式,并简单综述电磁导航、机械导航、激光导航、超声波导航等其他导航形式。然后分析农业机械导航中环境感知、导航控制,以及地图构建等关键技术。最后对农业机械导航技术发展加以分析。

立的,基本原理是空中卫星不间断发射自身的星历参数,用户接收机收到这些信号参数后,解算出接收机的三维位置、运动方向、运动速度,以及接收机所

[1]

在地区的当地时间。

由于GPS的巨大成功,美国的农业机械卫星导航技术研究开展最早(表1)。斯坦福大学的MichaelO’Connor等成功地为约翰迪尔7800拖拉机开发了一套GPS导航系统,在拖拉机驾驶室的上方安装了4个单通道的GPS传感器,接收器以10Hz的频率进行姿态测量,航向响应小于1°,直线

[2]

跟踪标准偏差小于2.5cm。伊利诺斯大学的Benson等混合使用GDS(Geomagneticdirection

sensor)和一个中等精度的GPS系统(20cm),引导

[2]

。拖拉机沿着直线行驶,其平均误差小于1cmZhang等则运用RTK-GPS接收器和光纤陀螺仪,探

索了拖拉机自动导航中的动态路径搜索算法,来满

[3]足农业作业的需求。

除美国外,其他国家也在积极开展农业机械

1【农用直线导航仪】

1.1

自主导航方式

卫星导航系统

美国、俄罗斯、中国、欧洲都建有各自独立的卫

的GPS导航技术的研究。日本的Yoshisada

Nagasaka等为久保田SPU-650型插秧机开发了自

GPS来提供动导航系统。在该系统中,使用RTK-插秧机的精确定位信息,并用光纤陀螺仪检测插

秧机前进方向。为了避免由地面不平引起的GPS天线坐标的变化而引起测量误差,随时估算天线顶点的坐标

P0=R(-)R(-θ)R(-ψ)P

(1)

星导航系统。其中美国的全球定位系统GPS(Globalpositioningsystem)目前在农业机械导航领域应用最为广泛,展示了其技术的优越性和巨大潜力。它是美国国防部主要为满足军事部门对海上、陆地和空中运载体进行高精度导航和定位要求而建

05-01修回日期:2014-05-19收稿日期:2014-*国家高技术研究发展计划(863计划)资助项目(2006AA10Z259)、国家自然科学基金资助项目(31071325)和中央高校基本科研业务费自主创新项目(KYZ201006)

E-mail:chyji@njau.edu.cn作者简介:姬长英,教授,博士生导师,主要从事智能化农业装备和土壤-机器系统研究,

表1

Tab.1

研究单位

美国农业机械卫星导航研究成果

NavigationsystemsbasedonGPSforUSagriculture

实验平台

传感器GPS、视觉GPSGPS、GDS视觉、RTK-GPS、FOG

实验结果

在40hm2面积上进行了自动收获作业[4]

航向精度为1°,直线跟踪精度偏差为2.5cm[5-6]基于作物行的视觉导航速度达到16km/h[7-8]

12.6km/h行驶时横向精度标准差3cm,最大误差小于10cm[3]

卡耐基梅隆大学(1994—1998)斯坦福大学(1996)【农用直线导航仪】

伊利诺斯大学(1996—2000)伊利诺斯大学(2004)

NewHollandSpeedrowerJohnDeere7800TractorCase8920MFD,2WDTractors

MagnumMX240tractor

P和P0分别为校正前后GPS天线顶点的坐式中,

R(-)、R(-θ)和R(-ψ)分别为车辆绕X、Y标,

和Z轴的转角。另外,为了解决在开始工作时光纤陀螺仪不能感知车辆的方位而引起光纤陀螺仪的漂移问题,将运用车辆位姿角和车辆速度计算得到的在一定计算距离ln时车辆横向偏差dGyro与运用GPS

给出补偿角数据计算所得结果dGPS进行比较,ψoffset=arctan

本成熟,以美国为典型代表的世界各国正在开展各

种形式的推广应用阶段。我国也不例外,配有卫星导航系统的拖拉机已经进入了一些大型农场的田间地头,可以改善作业质量、延长作业时间。这类导航系统的主要优点是结构比较简单,技术比较成熟,随着卫星导航系统产品的普及,其成本也不断下降。存在的主要问题是卫星信号有时受环境的影响较大。1.2

视觉导航

与GPS导航相比,机器视觉导航灵活性更大,

(

dGyro

ln

)

-arctan

(

dGPSdGyro-dGPS

lnln

)

(2)

水田实验表明,当插秧机以0.7m/s的速度行驶时,

与期望直线路径的均方根偏差为5.5cm,最大偏差小于12cm。此精度已经可以满足水稻栽植的农艺要求,但与水稻栽植后喷洒农药或除草作业所需的精度还有差距

。荷兰的TijmenBakker等在甜菜地开展了农业机器人平台的自主导航研究,同样

[9-10]

特别是机器视觉图像收集的环境信息丰富、范围宽、

目标信息完整。农田环境中,作物通常是整齐地按直线、彼此间平行的方式种植,因此机器视觉导航的主要任务是从图像中识别出作物行,检测出跟踪路径线,为确定车辆的相对位置提供依据。

Marchant等自英国在此领域开展研究较早,【农用直线导航仪】

20世纪80年代起就开展了基于视觉导航的农业机械作物行跟踪研究。使用了里程计和视觉等传感器,通过卡尔曼滤波来融合这两个传感器的信号,并在花椰菜田地场景中进行了实验,车辆横向位置控

[17]

制的均方根误差大约为20mm。欧洲的其他一些国家也在积极开展此项研究,并且部分成果已经有商品化产品面世。荷兰的Bakkera等运用机器视觉检测甜菜作物行,每帧图片处理时间在0.5~1.3s

[18]

之间。瑞典的Astrand等利用Hough变换融合来自两行或者多行的信息,有效地应对了存在的杂草干扰,同时该视觉系统也可以独自检测出作物行尽头等信息

[19]

[16]

GPS进行导航,使用了RTK-田地实验精度达到了厘

[11]

米级。

国内学者对农业机械GPS导航的研究起步相对较晚,但近年来发展非常迅速。张智刚等在久保田插秧机上开发了基于DGPS和电子罗盘的导航控制系统,当速度为0.75m/s,直线路径跟踪时,平均误差0.04m,最大误差0.13m;速度为0.33m/s,圆曲线路径跟踪时,平均误差0.04m,最大误差0.087m[12]。804拖拉机上构罗锡文等在东方红X-DGPS的自动导航控制系统,建了基于RTK-在拖拉机行进速度为0.8m/s时,直线跟踪的最大误差小

[13]

于0.15m,平均跟踪误差小于0.03m。伟利国等以XDNZ630型水稻插秧机为实验平台,采用RTKGPS定位技术,进行了农业机械自动导航实验,采用PID控制方法,构建转向闭环控制系统,实现插秧机的自动对行导航及地头转向。车辆行进速

[14]

度不大于0.6m/s时,对行跟踪误差小于10cm。为进一步消除GPS的定位误差,提高导航精度,周俊等建立了GPS静态和动态定位误差的AR模型,处理后的定位误差信号的相关性明显下降,接近于

[15]

白噪声。

农业机械的卫星导航系统技术总体而言已经基

美国几乎与英国同时开展了农业机械的视觉导航研究。伊利诺伊大学的Han等通过K均值聚类算法分割作物行,辅助以作物行空间等先验信息,并利用大豆田和玉米田的两个图像数据集对程序的精

[20]

确性进行了评估。为了克服柑橘树冠阻碍GPS传感器接收卫星信号,佛罗里达大学的Subramanian等进行了基于机器视觉和激光雷达的柑橘园作业车辆自动导航系统的研究。当车辆沿着弯曲路径以3.1m/s行驶时,使用视觉导航平均误差为2.8cm,

[21]

使用激光雷达导航时平均误差为2.5cm。为了

克服缺失部分大豆植株的影响,伊利诺伊大学的本和韩国与欧美等国家一样,对此领域都积极加以

Kise等为农业车辆的自动导航系统开发出一套基于研究。日本北海道大学的研究人员在车辆的前面安立体视觉作物行检测的算法(图1)

[22]

。亚洲的日装了立体相机,来获取环境的深度和灰度信息

[23]

图1

长满杂草的弯曲作物行立体视觉处理过程

Fig.1

Stereovisionprocessforaweedyfieldwithcurvedcroprows

(a)原始图

(b)视差图

(c)带有导航节点(白点)的高度图

国内,农业车辆视觉导航研究始于20世纪90

年代中后期,南京农业大学等研究单位都陆续参与其中。沈明霞等提出了利用虚点检测确定农业车辆

与路径的相对位置和航向[24],

周俊等[25-33]

构建了视觉导航实验平台(图2),

使用小波变换方法进行导航路径的多分辨率检测,运用Hough变换直接获取视觉导航的位姿参数,并基于扩展Kalman滤波进行了视觉导航传感器数据融合和导航控制。针对农田耕作机器人,赵颖等在耕作过程中采集农田场景图2机器视觉导航农用轮式移动机器人原型图像,根据已耕作区域、未耕作区域和非农田区域的Fig.2

Prototypeofagriculturalwheeledmobile不同颜色特征,判断出田端和犁沟线的位置

[34]

。为

robotnavigatedbasedonmachinevision

研究棉田农药喷洒机器人导航路径识别方法,孙元0.15m[40]。

义等在Lab色彩空间处理棉田图像,在图像坐标系视觉传感器可以检测农业机械相对目标作物行

中根据垄的走势特征,通过Hough变换得到导航路的位置和航向,

同时还可以获取田间杂草、障碍等其径[35]

。安秋等针对农业机器人视觉导航中存在的它信息,因而具有明显的应用潜力,被广泛关注。但

阴影干扰问题,采用基于光照无关图的方法去除导

是,与卫星导航相比,视觉导航由于农田环境中光航图像中的阴影,最终获得导航参数[36]

。冯娟等针照、作物生长状态等因素的不可控性,技术成熟度尚对果园导航环境的复杂性,提取主干与地面的交点且不够,市场上还没有出现能够满足农业生产实际作为特征点;以此为基础生成果园导航基准线。导

需求的可靠产品。消除或降低图像获取和处理中光航基准线的生成准确率高于90.7%

[37]

。孟庆宽等照影响的技术将是机器视觉导航领域最核心的研究针对现有作物行检测算法速度慢、易受外界干扰等

方向。问题,设计了一种基于线性相关系数约束的作物行

1.3

其他导航形式

中心线检测方法[38]

。李景彬等研究了棉花铺膜播卫星导航和视觉导航由于能够为农业车辆提供种机田间作业时导航路线和田端的图像检测算绝对定位以及相对定位信息,成为农业机械导航领法[39]

。田光兆等提出基于立体视觉的车辆实时运域中的两种最受重视的技术方式。但是除此之外,动检测方案。该方案通过多线程特征点检测提高传为了充分发挥特定农业环境中典型引导特征的天然统SIFT特征检测算法的效率,通过归一化综合距离优势,如玉米收获中的玉米秸秆等,农业车辆导航方法剔除误匹配的特征点,最后通过相邻时刻同一特式还包括电磁导航、机械导航、激光导航、超声波导征点坐标的变化反推车辆的运动。实验表明:当车航、地磁导航等其他形式。这些导航方式一般只针速为0.8m/s,图像采集频率为5Hz时,车辆在x方对具体应用,受特定农业环境的局限。向和z方向单次测量误差小于0.0045m,当持续运1.3.1电磁导航

动时间达到10s时,

2

个方向累积测量误差均小于电磁导航也称埋线导航,因为这种导航方式具

20世纪有实用简单、寿命长、抗干扰能力强等特点,

70年代迅速发展,并被广泛地应用于实际生产当中。日本的Tosaki等研制出了一种在果园环境使用的无人驾驶鼓风喷雾机器人,该机器人利用埋在工作路径上的导向线进行导航。导向线被埋在0.3m

185mA)。用深的地下,信号为交流信号(1.5kHz,模糊控制方法引导机器人沿着电缆线行驶。当机器

人以0.76m/s速度行驶时,偏移误差为0.1m,在转

[41-42]

。弯处增大到0.3m

在国内,宋健等针对喷雾机器人的工作要求,研

固体引导线行驶。但是,当不存在有效的接触引导

[45]

目标时,传感器将会失效。国内在农业机械领域针对机械导航的研究较少。朱磊磊等针对果园田间作业,设计了基于曲柄滑块机构原理导航的履带机器人。该机器人以0.15m/s的速度直线行走时,最大跟踪误差小于0.02m;转弯半径为2m时,最大跟踪误差小于0.05m[46]。何卿等为提高接触式拖拉机导航系统性能和导航精度,针对玉米秸秆行间作业,设计了双层控制器的接触式导航控制系统,行驶速度不超过

[47]1m/s时,拖拉机导航精度在50mm以内。张明颖等为实现果园机械自动化,开发了一种拖拉机机[48]

械式导航系统,最大横向偏差小于0.1m(图4)。

制了电磁诱导式导航系统。机器人行走轨迹的诱导

信号由埋设在田间的通有高频电流的导线产生,利用一对电磁感应传感器的信号电压差值判断机器人位置。采用PID算法规划行驶路径,由PWM系统驱动直流电动机完成机器人的行走。实验结果表10m范围内直线导航精度±1cm;转弯半径明,

0.5m时导航精度±2.5cm[43]。杨世胜等针对温室内农药喷洒作业自动化的需求,设计了一种电磁诱导式农用喷雾机器人路径导航系统。机器人路径导航系统由机器人控制器、诱导信号发生器、诱导线、磁标志、传感器和遥控器组成(图3)

[44]

图4Fig.4

机械式导航拖拉机系统结构示意图Systemstructureoftractorwithmechanical

navigation

3.直流伺服电动机

4.电动机驱动器

5.拉

1.PC机2.电源

线位移传感器6.导向机构

1.3.3激光导航

激光雷达具有测距精度高、分辨率好、抗干扰能

力强、体积小、质量轻等诸多优点,在农业机械导航中的应用也较为普遍。法国的Chateau等进行了基于激光传感器的农业车辆自动导航研究。在研究

图3

Fig.3

【农用直线导航仪】

电磁导航系统示意图navigationsystem

1、2、4、8.位置检测传感器阵列

3.磁标志检测传感器

5.诱导

线6.信号发生器7.遥控器9.磁标体10.机器人

中,植被的体积和高度被计算出,并被用来控制车辆

[49]

的速度。日本的Noguchi等利用二维激光扫描仪开发出了一种可以在果园环境应用的自动导航系统,使用一辆52kW的拖拉机作为实验平台,导航中

[50]横向误差为0.11m,航向角误差为1.5°(图5)。荷兰的Hiremath等为了使农业机器人能够在玉米

Schematicsketchoftheelectromagnetic

由于电磁导航需要埋设引导线,故改变路径比较困难,比较适用于温室等环境比较固定或长期不需要改变导航路径的场合。1.3.2

机械导航

在农业机械导航的早期研究中,许多研究者将目光投向了机械导航。机械导航具有成本低、实用性强、原理简单、可靠性高、易于维护等诸多特点。国外有许多农机生产单位将机械导航系统投入到了实际应用之中,解决如玉米收获过程中的对行等问Claas自动导航仪就使用了机题。从1978年开始,

械接触传感器,可以引导车辆沿着由作物行形成的

地中进行自主导航,基于粒子滤波器构建了激光测

距仪模型,机器人的航向角和横向偏差的均方根误

[51]差分别为2.4°和0.04m。

在国内,刘沛等为实现果园作业的自动化,以拖

拉机为研究对象,采用激光导航方式实现了果园机械的自动导航。当拖拉机以0.27m/s速度直线行走30m,最大横向偏差为0.15m。陈军等在研究中,利用激光扫描获取果树位置信息,提出了一种果园环境下曲线导航路径的拟合算法。当农业机器人以0.54m/s的速度沿正弦曲线行走,最大横向偏

[53]差为0.40m,平均偏差为0.12m。除成本较高

[52]

10mm以内[56]。高云等也进行了类似定位研究,以

[57]期辅助农业机器人的视觉系统提高识别功能。

超声波测距或定位的精度不太高,仅适用于短

距离的测量。1.3.5地磁导航

由于廉价,地磁传感器最近也被应用到了农业机械导航研究之中。日本的Noguchi等研发了一种

图5Fig.5

自主导航拖拉机上安装的激光扫描仪Attachmentpositionofthelaserscannerin

frontoftherobottractor

利用地磁导向传感器和图像传感器进行导航的农业移动机器人。该机器人利用图像传感器进行定位,通过地磁导向传感器获得航向角。然而地磁导向传感器在使用中易受周围磁场、机器人倾角等干扰,为了有效利用地磁导向传感器,利用神经网络重新定义地磁导向传感器输出。田地实验表明,机器人相对于目标位置的最终位置平均误差为0.4m。机器人相对于预规划路径的位置绝对最大误差和均方根

[58]

误差分别为0.51m和0.23m。

国内有关地磁导航的研究还主要集中在仿真和

[59]

预研阶段。相关研究多集中在航空、船舰等领域,尚未看到农业机械相关的研究报道。

外,激光导航须有固定的用于反射激光的目标,目标

可以人为设置,也可以利用自然景物,如建筑物、树木等。但机器与反射物之间不能存在遮挡。1.3.4超声波导航

超声波传感器测量具有非接触性、方向性好、定向传播、频率高、波长短、绕射现象小等特点,特别是遇到杂质或者分界面会产生明显的反射现象,以及在遇到动态物体时会产生多普勒效应,因而目前被广泛地用作机器人定位和障碍物的检测中,在农业机械导航中也不例外。日本的Toda等利用超声波传感器绘制作物行的地图,应用模糊逻辑方法控制转向。结果表明,位置和方向标准误差在建图测试中分别为12.7mm和2.4°;在驾驶测试中为16.3mm和2.2°;在综合实验中为33.6mm和3.2°(图6)

。英国的Hague等为自主导航农业车辆开

发的地基感知系统中,也使用了声呐传感器来进行

[54]

2

2.1

农业机械导航关键技术

环境感知技术

导航中的环境感知技术,即移动载体能够根据

自身所携带的传感器对所处周围环境进行环境信息

的获取,并提取环境中有效的特征信息加以处理和

[60]理解,最终建立所在环境的模型。该技术是机器人实现环境建模、定位、路径规划等自主导航控制的

局部特征检测,并通过使用扩展卡尔曼滤波器对传

[55]

感器的信号进行融合。

前提,环境感知能力的强弱直接影响到机器人的控制决策能力。

随着信息获取技术的发展,各种传感器以及新型传感器信息处理方法在移动机器人中得到了充分的使用,有力地提高了智能移动机器人对环境信息的获取能力,针对环境信息的提取、分类,近年来很多学者不断加大在该领域的研究工作。杨俊友等提出一种基于颜色直方图和SIFT混合特征的机器人环境感知方法,将颜色直方图的“色”与SIFT算法

[61]“形”的有机结合。Correa等在安装了视觉传感器的移动机器人平台上使用了主动感知策略,使用

环境拓扑地图和基于粒子滤波的贝叶斯非参数估计

[62]

来估测机器人位置。

图6Fig.6

Toda的农业移动机器人平台Toda’sagriculturalmobilerobot

在农业机械导航领域也是一样,环境感知的方

式和信息处理方法在不断进步。strandBjrn等设计一种机械除草机器人,感知系统包括一个识别农作物行的灰度级视觉系统,以及一个能够从杂草中识别农作物的彩色视觉系统

[63]

国内,郑天鹏等开发了一种基于红外触发的农

业机器人超声波定位系统,结合了温度补偿模块和线性修正因子来提高测量精度,当发射端发射角小于40°、纵向距离小于4000mm时,检测误差在

。Freitas等使用扩

展卡尔曼滤波来融合转向编码器和激光距离两种传

篇六 农用直线导航仪
农用GPS测试精度分析及提高精度方法的研究_何勇

168

第20卷第2期

2004年3月农业工程学报

TransactionsoftheCSAEVol.20 No.2Mar. 2004

农用GPS测试精度分析及提高精度方法的研究

何 勇,葛晓锋

1

1,2

,俞海红,方 慧

11

(1.浙江大学生物系统工程与食品科学学院,杭州310029; 2.浙江省交通厅信息中心,杭州310009)

摘 要:通过对GPS测试误差的分析,提出了GPS定点测量坐标是由位置漂移数据与正态分布数据相互叠加而成的。为了分离位置漂移与正态分布相互叠加的数据,用正态剔除法和中心点计算规则,提出了在一定阀值λ下计算定点误差半径的方法。针对单点定位误差比较大的特点,提出了用两点相对定位的测量方法来减小定位误差。试验结果表明:当阀值λ=0.7时,单点定位误差在10m以上,而用两点相对定位来测量时,其误差为1.2m左右,大大提高了其测量精度。应用表明,在精度要求不是很高的情况下,可采用单点定位测量,在精度要求较高的情况下,可采用两点相对定位来测量。这两种方法均可用在GPS的土地测量、定位和规划。关键词:GPS;定位误差;精度

中图分类号:S127    文献标识码:A    文章编号:1002-6819(2004)02-0168-04

0 引 言

GPS定位数据是实践精细农业的基础,因此研究

农用GPS由于成本问题,一GPS的定位误差非常重要。

般精度不高,但通过测量数据的处理和校正,可大大提高农用GPS的测试精度,满足农业测量的要求。定位误差种类很多,主要包括单点定位误差、两点定位误差和

区域定位误差[1-4]。研究这些定位误差的目的是通过试验和数学方法找出各种误差的大小、误差的分布规律,并利用这种规律去寻找减小或消除误差的方法。我们主要研究了单点定位误差与相对定位误差的产生原因、分布规律以及消除这些误差的方法[5]。

图1 GPS单点定位信息图

Fig.1 GraphofGPSsinglepointorientationinformation

发现一些测量点渐渐地偏离平衡位置移动,这种现象称作漂移。因此,要研究定点信息的统计规律就必须把这些漂移点剔去,但如何剔除漂移点就成为非常值得研究的问题。

设GPS定位点坐标为P(Xi,Yi)(i=1,2,3,…,n)(其中Xi为经度坐标,Yi为纬度坐标),O(X,Y)为正态分布中心点坐标。下面采用正态剔除法把漂移点删除。

1)纬度坐标的剔除

根据正态分布原则,具有正态分布的统计量应让大部分样本点处于置信区间内,只有一小部分点处于置信区间外,即在[-W,W]的样本区间内样本点个数的概率为67.8%(如图2)。在这里剔除漂移点采用过度剔除法,即把凡不在置信区间内的纬度点全部剔除。(这样虽然会丢失一部分有用信息,但只要采集的点足够多,不失一般性。)即把Xi>X+W或Xi<X-W的点作标记为1。

图3是定点纬度直方图,从图中可以明显看出,在图的右侧直方图基本符合正态分布,是需要保留的点,在图的左侧的一些点不符合正态分布,也就是所说的漂移点,是需要剔除的点。

2)经度坐标的剔除

根据正态分布规律可知,处于正态分布的统计量应让大部分点处于置信区间内,只有一小部分点处于置信区间外,即在[-W,W]的区间内样本点个数的概率为,Yi>Y

[6]

1 误差产生原因及消除办法

1.1 单点定位误差分布规律

对于GPS定点信息的测量,理论上多次测量的测量点应在同一点上重合,但实际上测量结果并非如此,

通过多次定点试验发现,它是位置漂移与正态分布数据的叠加,因此要研究单点定位误差必须要把位置漂移与正态分布信息分离开来(如图1)。图1中的横坐标为纬度值,纵坐标为经度值,按DDMM.MMM格式表达,其中D为度,M为分(下同)。1.1.1 位置漂移与正态分布的分离

正态分布是大自然最普遍最常见的分布规律,许多自然现象都遵循着这一规律。在定点测量的多次试验发现,大部分GPS数据测量点也遵循着这一统计规律。GPS测试数据中系统误差是相对恒定的,等于将符合正态分布的数据均加上一个恒定的值,最后的分布还是不变的,即还是正态分布。但是随着测量时间的增加,会

收稿日期:2003-08-11 修订日期:2003-12-15

基金项目:国家自然科学基金资助项目(30270773);教育部高校青年教师奖资助项目(02411);浙江省自然科学基金资助项目(301270);浙江省自然科学基金人才基金资助项目(RC02067)作者简介:何 勇(1963-),男,博士,教授,博导,副院长,杭州市 浙江大学生物系统工程与食品科学学院,310029。Email:yhe@zju.edu.cn

 第2期

何 勇等:农用GPS测试精度分析及提高精度方法的研究

169

+W或Yi<Y-W的点标记为1(如图4)

。本上符合正态分布,同时可以剔除不符合正态分布的点。

3)经纬度坐标的剔除

根据正态分布规律可知,在图1中,对经纬度坐标

中有一个指标或两个指标不在置信区间内(即至少有一个标记为1)的点应剔除,留下的点的坐标就符合正态分布的统计规律了。

1.1.2 正态分布中心点坐标的确定

在位置漂移与正态分布的分离过程中,运用了正态分布中心点坐标,由于设备有限,往往不能获得测定点的真值坐标,因此只有通过数学方法求出测定点的平均点的坐标(X,Y),用平均点的坐标O(X,Y)来替代正态分布中心点坐标(当然存在一定的误差)。

根据分离出来的GPS定位信息(Xi,Yi)(i=1,2,3,…,n),求平均点坐标有两种算法:

1)算术平均值法

即用测量值的经度算术平均值作为中心点经度值,测量值的纬度算术平均为中心点纬度值,即

  X算=(∑Xi)/n

  Y算=(∑Yi)/n (i=1,2,…,n)因此测定点的平均点坐标为O(X算,Y算)。

图2 定点纬度坐标分布图Fig.2 Distributiongraphoffixed-point

latitudecoordina

te

图3 定点纬度重合程度分布图Fig.3 Distributionoffixed-pointlatitude

coordinatecoincidenceex

tent

2)几何平均值法

即用测量值的经度几何平均值为中心点经度值,测量值的纬度几何平均值为中心点纬度值,即

X几=Y几=

n

n

∏X (i=

Y (i=

ii

1,2,…,n)1,2,…,n)

因此测定点的平均点坐标即为O(X几,Y几)。

以一组已知真值的GPS数据处理过程为例。在这组数据中,已知被测点的真值位置坐标为:东经120.1913297°北纬30.270426°。而考虑到在实际应用时,总

图4 定点经度坐标分布图Fig.4 Distributiongraphoffixed-point

longitudecoordina

te

是在无真值点处进行测试。因此,在处理数据时,用它的均值作为正态分布中心,用前面提到的正态剔除法来剔除漂移点,得到的结果如图6及表1所示。在这次实验中所用的GPS为Map330,所用的时间共约为40min。

图6 正态剔除法应用实例图

图5 定点经度正态分布拟合P-P图Fig.5 AnormaldistributionfittingP-Pgraph

offixed-pointlongitudecoordinate

Fig.6 Exampleofnormalschool

eliminationmeasure

在图5中,用SPSS对GPS经度数据进行了分析

处理。图5给出的是定点经度正态分布拟合P-P图(图5),当所有点均在斜率为45度的直线上时,表明这

,

170

表1 正态剔除法应用实例相关数值

农业工程学报2004年 

要求的领域还是不行的,还必须提高其精度,因此我们提出了另一种定位测量方法—相对定位测量法,这种方法能大大地提高其测量精度。

表2 两种算法的不同λ值误差半径值Table2 Errorradiusunderdifferentvalues

ofλbytwoalgorithms

λ值

R值

【农用直线导航仪】

算术平均值/m

1.883.224.506.277.419.4611.2411.8412.8038.11

几何平均值/m

2.863.875.236.528.2811.3414.2217.0819.4538.11

/cm

4942

Table1Aprocessresultofnormalschooleliminationmeasure

处 理 前均值中心

经度纬度

120.191322930.2704202

离真值的距离

/cm6663

处 理 后均值中心120.191324530.2704222

离真值的距离

在图6与表1中的均值为算术平均值,表1中的距离值是将经纬度按高斯-克吕格的任意带投影后得到的,其投影中心为东经120°。从图6及表1中可以看出,用正态剔除法处理GPS坐标数据后,均值离真值更接近了,提了测试精度。

1.1.3 阀值λ含义

所谓阀值,就是人们对一事物能接受的程度,一般用λ表示。在本文中,阀值是指以中心点为圆心,以某一值为半径作圆所能包含的测量点的比例,对于不同的用户和不同的精度要求,这个比例值是不一样的,一般来说λ值越大,误差半径值就越大,反之越小。在数学上一般采用能包括70%~80%的点的比例去替代全体点(在基本不影响统计规律的前提下去简化计算或分析),即λ为0.7~0.8。1.1.4 误差半径的计算

计算误差半径是研究单点定位精度的重要研究对象。这里采用模拟搜索法,即先给定一个阀值λ(指以平均点为圆心,包含给定点的比例),根据阀值求出误差半径R。下面给出表2不同阀值的误差半径(测试所用GPS为MagellanMAP315)。这样就可以求得不同阀值的误差半径。从表2可以看出,用MagellanMAP315测得的定点误差还是很大的,当λ=0.7时,其误差在10m左右,这个误差对精度要求不是很高的研究领域还是适用的,比如大面积的土地施肥等。但对有一定精度

0.10.20.30.40.50.60.70.80.91.0

1.2 相对定位误差及试验结果

用两个同一型号的手持MagellanMAP315接收机,在同一时间测量适当距离两点的经纬度坐标,见图

7。因为是同一时间,因此可以减小甚至消除卫星部分误差(星历误差、钟差与稳定性误差、卫星摄动以及相位不确定性)、信号传播误差(电离层折射、对流层折射以及多路径效应)等。事实上,这种测量方法可以这样理解:一个GPS接收机是基站,另一个GPS接收机是接收站,因此,称为两点相对定位[7-9]。

1)试验方案设计

选用两个同型号的GPS315、两个笔记本电脑、一根皮尺,在操场上取距离为90m的两点,用实时差分的方法测两点之间距离。随机抽取7组试验数据,见表3。

表3 两点相对定位误差分析

 ErroranalysisoftwopointsrelativeorientationTable3

英国格林尼治天文台时间065442.28065448.28065450.37065454.28065458.25065500.28065504.28

点A

纬度值/度·分30.16199730.16199730.16199730.16199730.16199730.16199730.161997

经度值/度·分120.114654120.114655120.114655120.114655120.114655120.114655120.114655

点B

纬度值/度·分30.16248530.16248330.16248330.16248330.16248330.16248430.162483

经度值/度·分120.114576120.114567120.114565120.114565120.114566120.114564120.114561

两点距离

/m91.14690.90991.01791.01791.01991.27191.378

距离误差

/m1.1460.9091.01171.0171.0191.2711.378

1.108平均误差

/m

  2)试验结果分析

从表3可以看出,两点相对定位的误差精度在1.2m之内,平均距离误差为1.108m,相对误差为1.23%。可以看出,用相对定位方法测两点间距离能大

大降低定位误差,提高定位精度,基本上可以满足农田定位施肥、测产和行载的需要。作业机具在行驶中若要测得其坐标位置,也可以利用田间导航目标进行两点相对定位,用两台GPS接收机分别放在导航目标和作业

机具上,同时接收定位信息,然后分析两部分测量数据,可得到作业机具相对于导航目标的位置,从而可提高测距精度。由于区域是由两点之间的线构成的,因此两点相对定位测量不仅可用于测量两点间的距离,也可以用于测量区域周长、面积等。

2 结 论

1)针对廉价便携式的GPS,在大量测试数据分析

 第2期

何 勇等:农用GPS测试精度分析及提高精度方法的研究

(3):36-40.

171

的基础上,分析了定位数据误差的原因,提出了GPS定点坐标数据是由位置漂移数据和与正态分布数据相互叠加而成的结论。为了分离位置漂移与正态分布相互叠加的数据,提出了利用正态剔除法和中心点计算规则,提出了在一定阀值λ下定点误差半径计算方法,大大提高了便携式GPS的使用精度,从而满足农业测试的要求,为廉价便携式GPS在精细农业中的应用提供了方法和途径。

2)针对便携式GPS单点定位精度不高的缺点,提出了两点相对定位的测量方法来减小定位误差,应用表明,该方法能大大提高其精度误差,具有较强的实用价值。

[参 考 文 献]

[1] 杜 鹏.GPS定位误差分析与建模[J].北京理工大学学

报,1998,18(4):456-460.

[2] 何秀凤,段志勇.GPS定位误差建模研究[J].导航,1996,

[3] 李微晓.GPS测量误差来源及消除措施[J].连云港化工高

等专科学校学报,2001,14(1):42-44.

[4] ZhangYongjun,WangZemin.Analysesandsolutionsof

errorsonGPS/GLONASSpositioning[J].Geo-spatialIn-formationScience(地球空间信息科学),2002,5(2):6-12.

[5] 王晓湘,柯有安.DGPS各种误差因素分析[J].系统工程

与电子技术,2000,22(6):15-17,39.

[6] 黄 海,罗友丰,陈志英,等.SPSSforwindows统计分析

[M].北京:人民邮电出版社,2001.

[7] 夏熙梅.差分GPS定位技术及应用[J].现代情报,2002,22

(3):99-100.

[8] 王宁宁.GPS定位精度的探讨[J].信息工程学院学报,

1996,15(3):29-33.

[9] 王永生.实时位置差分GPS的设计与实现[J].西北工业大

学学报,1994,12(3):354-359.

AnalysesofmeasurementprecisionofGPSforagricultural

purposesandmethodforimprovingprecision

HeYong,GeXiaofeng

1

1,2

,YuHaihong,FangHui

11

(1.CollegeofBiosystemsEngineeringandFoodScience,ZhejiangUniversity,Hangzhou310029,China;2.TheCommunicationCenterofZhejiangProvinceTrafficDepartment,Hangzhou310009,China)

Abstract:ByanalyzingalotoflocationmeasurementdataofGPS,theconclusionthatGPSfixedpointcoordinateisconstituteoflocationexcursionandnormalschoolisdrawn.Inordertoseparatelocationexcursiondatafromnormalschooldata,normalschooleliminationmeasureandthecenterpointcalculationruleareused,andamea-sureofcalculatingthefixedpointerrorradiusinacertaintycliquevalueispresented.Aimedatthecharacteristicofbiggersinglepointlocationerror,anewmeasuringmethodusingtwopointsrelativelocationmeasurementtoreducelocationmeasurementerrorwasputforward.Thetestresultindicatedthatwhencliquevalueis0.7,thesinglelocationerrorisover10meters,howeverwhentwopointsrelativelocationmeasuringmethodisused,itslocationerrorisabout1.2meter,improvingitsmeasuringprecisiongreatly.Thetworelativelocationmeasure-mentmethodcanalsobeusedtomeasureground,orientationandlayout.Keywords:GPS;positioningerror;precision

篇七 农用直线导航仪
GPS直线导入格式

直线名(@开头)代码数字"1"起始桩距离(米)桩间隔(米)起始点点名起始点代码

注意:1.文件扩展名:lns;2.去年标题栏;3.每项英文","分开。

起始点北坐标(米)起始点东坐标(米)起始点高程(米)结束点点名结束点代码

结束点北坐标(米)结束点东坐标(米)结束点高程(米)

本文来源:http://www.guakaob.com/zigeleikaoshi/834813.html