基于激光雷达的果园行间路径提取与导航

发布时间：2024-11-18 22:44

　　 针对车辆果园行间自主导航出现的车辆偏航、非相邻树行干扰、植株缺失、树行弯曲等问题,提出一种基于激光雷达的行间路径提取方法,构建多样化虚拟果园环境仿真行间路径导航过程,评估路径提取算法性能。行间路径提取时,采用二维激光雷达(Light detection and ranging,Li DAR)获取果园树干测量数据,通过中值滤波削弱测量噪声,设计椭圆感兴趣区域(Region of interest,ROI)提取相邻树行,提出两步树行分割法获取相邻树行数据,通过最小二乘法拟合树行直线,将树行中心线作为导航路径。行间导航仿真时,建立虚拟果园环境和Li DAR测量模型,基于仿真测量数据生成导航路径,经过一阶数字低通滤波后实时控制车辆运动。仿真实验中,设置果树种植偏差为±20 cm,树干直径偏差为±3 cm,Li DAR测量误差为±3 cm。实验结果表明,本文方法在车辆偏航、缺树、曲线树行等情况下均能准确提取导航路径,在偏航角不大于15°、横向偏差不大于1 m、缺树率不大于25%时均能将车辆轨迹与道路中心线的横向偏差控制在±14 cm内。

【文章页数】：7 页

【部分图文】：

图2 中值滤波结果

由于LiDAR测量值与真实值之间存在测量误差，需要进行数据滤波。考虑到树干边界测量点会出现跳变，故采用中值滤波，将测量点距离值设置为以该测量点为中心的邻域内所有测量点的距离中值。图2给出了一段树干测量数据的滤波结果，在削弱测量误差的同时较好地保留了树干边界点信息。1.3感兴趣....

图3 圆形ROI和椭圆ROI示意图

为去除非相邻树行干扰，设置ROI提取两侧相邻树行。本文采用椭圆ROI，以极轴为长轴方向，与圆形ROI相比，椭圆ROI能够扩大探测面积，在同等宽度下采集到更多的树行信息，提高树行直线的拟合精度，如图3所示。椭圆极坐标方程如下

图5 虚拟果园环境

式(5)、(6)可组合使用，以模拟更加复杂的果园环境。2.2LiDAR测量模型

图6 局部路径规划方案

利用前文介绍的路径提取方法，采用局部路径规划实现车辆导航，如图6所示。假设t时刻车辆位置为(xv(t),yv(t))，方向为γv(t)，首先利用LiDAR测量模型获取当前测量数据{(θi(t),ri(t))}iN=1，然后采用路径提取方法估计导航路径参数Δx(t)和α(t)，最....

本文编号：4012222