定位精度直接影響農(nóng)業(yè)機(jī)械進(jìn)行路徑自動(dòng)跟蹤的質(zhì)量。中國農(nóng)業(yè)大學(xué)碩士研究生陳艷與張漫副教授，將GPS和攝像機(jī)兩種傳感器結(jié)合起來，大大改善了農(nóng)業(yè)機(jī)械的導(dǎo)航定位效果，填補(bǔ)了該領(lǐng)域的空白。

　　在農(nóng)業(yè)機(jī)械導(dǎo)航系統(tǒng)中，采用基于GPS和機(jī)器視覺的多傳感器組合導(dǎo)航定位獲取信息，再使用UKF(無痕跡變化卡爾曼濾波Unscented Kalman Filter)濾波后，導(dǎo)航定位精度和穩(wěn)定性得到改善，定位曲線得到平滑，克服了使用單一傳感器進(jìn)行定位的弊端。

　　此研究報(bào)告刊登于《農(nóng)業(yè)工程學(xué)報(bào)》2011年第3期，題為“基于GPS和機(jī)器視覺的組合導(dǎo)航定位方法”，第一作者為中國農(nóng)業(yè)大學(xué)“現(xiàn)代精細(xì)農(nóng)業(yè)系統(tǒng)集成研究”教育部重點(diǎn)實(shí)驗(yàn)室的碩士研究生陳艷。通信作者為張漫副教授，該研究為國家自然科學(xué)基金項(xiàng)目和國家“863”計(jì)劃項(xiàng)目。

　　全球衛(wèi)星定位系統(tǒng)(GPS)和機(jī)器視覺是自動(dòng)導(dǎo)航系統(tǒng)中使用較多的兩類傳感器，農(nóng)田中作物收割與未收割的邊界有時(shí)并非直線，單獨(dú)使用GPS進(jìn)行導(dǎo)航，在確定導(dǎo)航基準(zhǔn)線方面存在一定的誤差;使用機(jī)器視覺進(jìn)行此類作業(yè)，可以實(shí)時(shí)提取出當(dāng)前作物行的特征信息，提高了定位的精度，但是單獨(dú)使用機(jī)器視覺時(shí)，在圖像處理過程中有時(shí)會(huì)出現(xiàn)漏檢的情況;為了彌補(bǔ)單一傳感器的不足，常采用多傳感器組合進(jìn)行導(dǎo)航定位。

　　對多傳感器信息進(jìn)行融合時(shí)，常采用Kalman濾波算法，該方法可對研究對象過去、現(xiàn)在和將來的狀態(tài)做出線性最優(yōu)估計(jì)，比較適合動(dòng)態(tài)環(huán)境中傳感器信息的實(shí)時(shí)融合;但是Kalman濾波器是一種線性濾波器，對農(nóng)業(yè)機(jī)械導(dǎo)航的非線性系統(tǒng)無法得到滿意的效果;而UKF方法是根據(jù)Unscented變化(無跡變換)和卡爾曼濾波相結(jié)合得到的一種算法，該方法是對非線性函數(shù)的概率密度分布進(jìn)行近似，用一系列確定樣本來逼近狀態(tài)的后驗(yàn)概率密度，UKF沒有線性化忽略高階項(xiàng)，因此非線性分布統(tǒng)計(jì)量的計(jì)算精度較高。

　　為了更好的改善農(nóng)業(yè)機(jī)械的導(dǎo)航定位效果，研究者將GPS和攝像機(jī)兩種傳感器結(jié)合起來，并采用UKF濾波算法對采集到的信息進(jìn)行融合。

　　該研究構(gòu)建了一個(gè)基于GPS和機(jī)器視覺的多傳感器組合導(dǎo)航定位系統(tǒng)。在此系統(tǒng)中，采用GPS獲取導(dǎo)航車的絕對位置信息、航向角度和行駛速度;機(jī)器視覺通過圖像處理獲取導(dǎo)航基準(zhǔn)線，并得到代表作物行特征的點(diǎn);UKF濾波器用來對上述傳感器獲取的信息進(jìn)行濾波，并以電瓶車為平臺(tái)，對濾波前后的定位效果進(jìn)行對比。試驗(yàn)結(jié)果表明，使用UKF濾波后的定位精度得到了改善，減少了定位數(shù)據(jù)的標(biāo)準(zhǔn)偏差，免了視覺信息丟失時(shí)導(dǎo)航無法進(jìn)行的情況，提高了系統(tǒng)的穩(wěn)定性。

　　目前國內(nèi)對于GPS與機(jī)器視覺的組合導(dǎo)航研究相對較少，國外的一些研究大多是通過邏輯判斷進(jìn)行傳感器的互補(bǔ)導(dǎo)航，或者使用Kalman濾波算法進(jìn)行濾波，定位精度有待提高。此項(xiàng)研究填補(bǔ)了該領(lǐng)域的空白。研究成果顯示該方法能夠滿足農(nóng)業(yè)機(jī)械導(dǎo)航的要求，使農(nóng)業(yè)機(jī)械導(dǎo)航系統(tǒng)的定位精度和魯棒性得到了改善。(博雅)