面向果園車輛自主導航算法的仿真測試平臺設計

摘要：為測試和評價果園車輛自主導航算法的性能，采用數(shù)學分析軟件MATLAB搭建面向果園車輛自主導航算法的仿真測試平臺。仿真測試平臺通過構建果園種植模型、激光雷達（Light detection and ranging，LiDAR）測量模型、車輛運動學模型、車輛動力學模型和電機控制模型實現(xiàn)虛擬果園測量和車輛運動過程模擬，通過可視化測量數(shù)據(jù)、導航過程和導航偏差顯示導航結果并評價導航算法性能。對單一模型和平臺整體的性能測試結果表明，仿真測試平臺可靠，針對基于2D LiDAR的導航路徑生成和跟蹤算法，仿真測試平臺能夠有效測試和評價不同果園種植參數(shù)及車輛初始狀態(tài)下的算法性能，滿足果園車輛自主導航算法的測試需求。

關鍵詞：仿真測試平臺；自主導航；果園車輛；激光雷達

中圖分類號：S24； TP23

文獻標識碼：A

文章編號：2095-5553 （2024） 04-0132-09

收稿日期：2022年8月1日"" 修回日期：2022年10月15日

基金項目：國家重點研發(fā)計劃子課題（2022YFD2202105）

第一作者：王詩瑤，女，1999年生，江蘇淮安人，碩士研究生；研究方向為農(nóng)林信息化。E-mail： 1450605800@qq.com

通訊作者：李秋潔，女，1983年生，江蘇常州人，博士，副教授；研究方向為農(nóng)林信息化。E-mail： liqiujie_1@163.com

Design of simulation test platform for autonomous navigation algorithm of orchard vehicles

Wang Shiyao， Li Qiujie， Zhu Hongyi

（College of Mechanical and Electronic Engineering， Nanjing Forestry University， Nanjing， 210037， China）

Abstract：

In order to test and evaluate the performance of autonomous navigation algorithms of orchard vehicles， this paper constructed a simulation test platform for autonomous navigation algorithms of orchard vehicles by using mathematical analysis software MATLAB. The simulation test platform built orchard planting model， light detection and ranging （LiDAR） measurement model， vehicle kinematics model， vehicle dynamics model， and motor control model to realize virtual orchard measurement and vehicle motion process simulation. The navigation results were displayed and the performance of navigation algorithm was evaluated through visualization of measurement data， navigation process and navigation deviations. The performance test results of single models and the overall platform have shown that the simulation test platform is reliable. For the navigation path generation and tracking algorithms based on a single 2D LiDAR， the simulation test platform can effectively test and evaluate the algorithm performance under various orchard planting parameters and vehicle initial states， and meet the testing requirements of autonomous navigation algorithms of orchard vehicles.

Keywords：

simulation test platform; autonomous navigation; orchard vehicle; LiDAR

0 引言

果園車輛自主導航技術是實現(xiàn)果園精細化管理的核心技術之一［1， 2］，廣泛應用于植保［3］、除草、采摘［4］等果園生產(chǎn)過程，可有效提高果園作業(yè)的精度效率，減輕操作人員的勞動強度。

果園車輛自主導航技術的研究需要傳感器、果園車輛等硬件設備，并且需要進行大量的野外試驗，以測試和評價導航算法在不同種植環(huán)境及車輛初始狀態(tài)下的導航性能［5］。為了縮短研發(fā)周期、降低研發(fā)成本，研究者們采用仿真技術模擬果園作業(yè)環(huán)境、傳感器測量和車輛運動，驗證果園車輛自主導航算法的性能［6］。李秋潔等［7］建立了果園種植模型、激光雷達（Light detection and ranging，LiDAR）測量模型和車輛運動學模型，測試了行間導航路徑征生成算法的性能。王輝［8］、李革［9］等基于二輪車運動學模型，使用Matlab/Simulink仿真并驗證了導航路徑跟蹤算法的性能。Han等［10］設計了一個3D拖拉機駕駛模擬器，以評價基于不同地頭轉(zhuǎn)彎方法生成的跟隨路徑的耕作覆蓋率和田間效率效果。劉志杰等［11］對基于上下位機的果園車輛自主導航算法進行仿真，上位機建立虛擬路徑邊界和LiDAR測量模型，生成虛擬LiDAR圖，將其輸入深度神經(jīng)網(wǎng)絡得到左轉(zhuǎn)、直行、右轉(zhuǎn)、停車等駕駛指令；下位機建立車輛運動學模型，根據(jù)駕駛指令仿真車輛運動過程。

已有果園車輛自主導航算法仿真測試研究側重于測試導航路徑跟蹤算法，缺少對導航路徑生成和跟蹤算法的整體性能測試及不同環(huán)境下的算法性能評價。

LiDAR具有測距精度高、分辨率高、抗干擾能力強等優(yōu)點，廣泛應用于果園車輛自主導航環(huán)境感知［12， 13］。2D LiDAR通過旋轉(zhuǎn)光學部件將激光脈沖發(fā)射向各個方向，實現(xiàn)區(qū)域掃描和輪廓測量。安裝時令2D LiDAR掃描面與地面平行，從而獲取車輛周圍果樹樹干的輪廓信息。

本文研究面向果園車輛自主導航算法的仿真測試平臺的設計方法，用于測試和評價基于2D LiDAR的果園車輛自主導航路徑生成和跟蹤算法在不同果園種植參數(shù)和車輛初始狀態(tài)下的整體性能。仿真測試平臺提供虛擬2D LiDAR果園測量數(shù)據(jù)作為待測試算法的輸入，并模擬待測試算法輸出引起的車輛位姿變化。

1 仿真測試平臺整體設計

1.1 仿真測試平臺系統(tǒng)結構

圍繞基于2D LiDAR的果園自主導航路徑生成與跟蹤算法，采用MATLAB搭建仿真測試平臺，為待測試算法提供實時測量的果園數(shù)據(jù)，并模擬由算法給出的期望車速引導的車輛運動控制過程。

系統(tǒng)結構如圖１所示。（1）模型庫：存儲仿真路徑生成與跟蹤算法需要的模型，采用M函數(shù)建立果園種植模型和LiDAR測量模型，模型文件名后綴為.m，采用Simulink可視化仿真工具建立電機控制模型和車輛運動模型，模型文件名后綴為.slx。（2）參數(shù)庫：存儲模型參數(shù)，包括果園種植參數(shù)、果樹樹干參數(shù)、LiDAR測量參數(shù)、車輛參數(shù)、初始車輛位姿、初始車速、電機參數(shù)與電機控制器參數(shù)， 參數(shù)文件名后綴為.txt。（3）導航單元：實現(xiàn)果園車輛自主導航系統(tǒng)的三個單元，環(huán)境測量單元由給定參數(shù)的果園種植模型和LiDAR測量模型實現(xiàn)，路徑生成與跟蹤單元為M函數(shù)實現(xiàn)的待測試算法，車輛運動控制單元由給定參數(shù)的車輛運動學模型、車輛動力學模型和電機控制模型實現(xiàn)。（4）可視化：采用MATLAB圖形工具箱可視化仿真結果，包括測量數(shù)據(jù)可視化、導航過程可視化和導航偏差可視化。

1.2 仿真測試平臺工作流程

果園車輛自主導航系統(tǒng)是一個離散計算機控制系統(tǒng)，以時間間隔TN周期性地生成導航路徑，引導車輛沿導航路徑行駛［14］。仿真測試平臺首先根據(jù)果園種植模型及相關參數(shù)生成果園地圖，然后，通過3個步驟實時仿真果園車輛自主導航過程，如圖2所示。

假設當前時刻為t，依次進行以下步驟。

1） 環(huán)境測量。根據(jù)t時刻世界坐標系xOWy下的車輛位姿（xV（t），yV（t），αV（t）），采用LiDAR測量模型對果樹地圖進行測量，得到在車輛坐標系xOVy下用極坐標表示的測量數(shù)據(jù){（ri（t），θi）}Ni=1，繪制測量數(shù)據(jù)。

2） 路徑生成與跟蹤。根據(jù)果園測量數(shù)據(jù)，首先采用待測試的路徑生成算法計算導航路徑，輸出導航參數(shù)（d（t），φ（t）），然后采用待測試的路徑跟蹤算法引導車輛按照導航路徑行駛，輸出左右輪期望車速（v*L（t），v*R（t））。

3） 車輛運動控制。根據(jù)左右輪期望車速，首先采用電機控制模型得到左右電機力矩（τL（t），τR（t）），然后根據(jù)車輛動力學模型得到左右輪實際車速（vL（t），vR（t）），最后根據(jù)車輛運動學模型得到車輛位姿（xV（t），yV（t），αV（t））。設置車輛運動控制時間為TN，最終得到t+1時刻的車輛位姿（xV（t+1），yV（t+1），αV（t+1））。在果園地圖上繪制t時刻導航路徑以及t～t+1時刻的車輛運動軌跡，在導航偏差圖上繪制t時刻導航偏差。

2 仿真模型

仿真模型用來構建果園車輛自主導航系統(tǒng)中的環(huán)境感知單元和車輛運動控制單元，為測試路徑生成與跟蹤算法提供支撐。

已知初始車速（vL（0），vR（0））、當前電機力矩（τL（t），τR（t）），可根據(jù)車輛動力學模型求取當前車速（vL（t），vR（t））。

2.5 電機控制模型

建立電機控制模型模擬車速控制過程。采用比例—積分—微分（PID）控制器實現(xiàn)左、右電機速度控制，比例環(huán)節(jié)用于提高響應速度、積分環(huán)節(jié)用于減小靜差、微分環(huán)節(jié)用于抑制震蕩。給定控制參數(shù)KP、KI和KD，實際車速與期望車速的誤差為e，電機控制電壓

u=KPe+KI∫edt+KDe·

（13）

采用線性飽和環(huán)節(jié)對控制電壓限幅，將控制電壓幅值限制在［-umax，umax］內(nèi)。

假設左右電機參數(shù)相同，以左、右電機控制電壓uL、uR為輸入變量，以左、右電機轉(zhuǎn)速nL、nR為狀態(tài)變量，以左、右電機力矩τL、τR為輸出變量，建立電機模型［19］

n·R=-kekcJaRanR+kc2πJaRauR

n·L=-kekcJaRanL+kc2πJaRauL

τR=-kekcRanR+kcRauR

τL=-kekcRanL+kcRauL

（14）

式中：

ke——電機反電動勢系數(shù)；

kc——電機轉(zhuǎn)矩系數(shù)；

Ja——電機轉(zhuǎn)動慣量；

Ra——電機電樞電阻。

已知初始電機轉(zhuǎn)速（nL（0），nR（0））和當前期望車速（v*L（t），v*R（t）），可根據(jù)電機控制模型求取當前電機力矩（τL（t），τR（t））。

以路徑生成與跟蹤算法得到的當前期望車速（v*L（t），v*R（t））為輸入，以當前車輛位姿（xV（t），yV（t），αV（t））為輸出，建立包含車輛運動學模型、車輛動力學模型和電機控制模型的車輛運動控制Simulink模型，如圖5所示。

3 仿真可視化

3.1 測量數(shù)據(jù)可視化

根據(jù)測量點極坐標{（ri，θi）}Ni=1，在車輛坐標系xOVy下實時繪制果園測量數(shù)據(jù)。將測量點極坐標轉(zhuǎn)化為直角坐標{（xi，yi）}Ni=1，設置矩形感興趣區(qū)域（Region of interest，ROI），只顯示ROI內(nèi)的點。圖6給出了果園測量數(shù)據(jù)的可視化視圖，ROI內(nèi)有6根樹干的輪廓點。

3.2 導航過程可視化

導航過程可視化在世界坐標系xOWy繪制果園地圖，并實時繪制導航路徑和車輛運動軌跡。

路徑生成算法輸出車輛坐標系xOVy的導航參數(shù)，包括偏航角φ和橫向偏差d，偏航角是車輛方向與導航路徑的夾角，以車輛右偏為正，左偏為負，橫向偏差是車輛與導航路徑的垂直距離，以車輛在路徑右邊為正，左邊為負［9］。圖7給出車輛坐標系xOVy的導航路徑，導航路徑方程為

x+tanφ·y+cosφ·d=0

（15）

給定車輛質(zhì)心OV在世界坐標系xOWy下的位姿（xV，yV，αV），在世界坐標系下導航路徑方程為

［sinαV（x-xV）-cosαV（y-yV）］+tanφ·

［cosαV（x-xV）+sinαV（y-yV）］+cosφ·d=0

（16）

3.3 導航偏差可視化

在導航過程中，記錄導航參數(shù)（d，φ）的50s實時曲線，導航結束后，記錄橫向偏差絕對值|d|的平均值、標準差、最大值和最小值，并繪制導航參數(shù)（d，φ）隨時間變化的完整曲線，如圖8所示。

4 試驗與結果分析

首先單獨測試車輛運動學模型、車輛動力學模型和電機控制模型的性能，然后采用路徑生成與跟蹤算法對平臺的整體性能進行測試。

4.1 單一模型性能測試

1） 車輛運動學模型測試。

設置車輛輪距D=0.5 m，質(zhì)心距離d=0.2 m［14］，初始車輛位姿（xV（0），yV（0），αV（0））=（0，0，0），設置車輛運動學模型運行時間為5 s，圖9給出了世界坐標系下不同車速時的車輛運動軌跡。vL=vR時，車輛作直線運動；vLgt;vR時，車輛以固定轉(zhuǎn)彎半徑右轉(zhuǎn)；vLlt;vR時，車輛以固定轉(zhuǎn)彎半徑左轉(zhuǎn)，車速越快，行駛路徑越長。

2） 車輛動力學模型測試。

設置車輛質(zhì)量m=5 kg，轉(zhuǎn)動慣量J=2.5 kg·m2，如圖10所示。

車輪半徑r=0.04 m［12］。初始車速（vL（0），vR（0））=（0，0），設置車輛動力學模型運行時間為0.5 s，圖10給出了不同力矩下的速度響應曲線，力矩越大，加速越快。τL=τR時，vL=vR，兩條速度直線重合；τLgt;τR時，左驅(qū)動輪加速更快；τLlt;τR時，右驅(qū)動輪加速更快。

3） 電機控制模型測試。

設置電機限幅電壓umax=1.7 V，電機反電動勢系數(shù)ke=132.4，轉(zhuǎn)矩系數(shù)kc=1.2×10-4，電機轉(zhuǎn)動慣量Ja=1.6×10-4 kg·m2，電樞電阻Ra=50 Ω［21］。采用PID參數(shù)整定方法確定控制器參數(shù)，最終KP=8，KI=0.9，KD=0.2。設置電機控制模型運行時間為0.5 s，圖11給出初始電機轉(zhuǎn)速（nL（0），nR（0））=（0，0）、初始車速（vL（0），vR（0））=（0，0）、期望速度v*L=v*R=0.3 m/s時的速度響應曲線，響應達到并保持在終值±2%誤差范圍內(nèi)的調(diào)節(jié)時間是0.35 s。

4.2 平臺整體性能測試

選取曲線樹行振幅A、行缺樹數(shù)N3、車輛初始橫向偏差和初始偏航角4個模型參數(shù)作為試驗因子進行單因素試驗，對某一個試驗因子進行試驗時，其他試驗因子設為0，如表1所示。果園行數(shù)N1=5，株數(shù)N2=10，其余模型參數(shù)設置與4.1節(jié)一致。

采用由橢圓ROI、兩步分割法和樹干測量點擬合構成的路徑生成算法實現(xiàn)果園行間導航。

當ROI內(nèi)測量點數(shù)小于一定閾值時，認為沒有獲得足夠多的樹干觀測數(shù)據(jù)，直接輸出前一時刻的導航參數(shù)。當ROI內(nèi)車輛前方測量點數(shù)小于一定閾值時，認為車輛處于地頭，此時不調(diào)用路徑生成與跟蹤算法，直接令車輛以固定差速行駛若干周期TN［31］。

令導航時間間隔TN=0.5 s，使用仿真測試平臺可視化模塊中的導航過程可視化與導航偏差可視化給出測試結果，常用路徑跟蹤算法有純追蹤算法［27， 28］、簡單函數(shù)法［29］和模糊算法［30］等。隨著曲線樹行振幅增加，車輛有較大的初始橫向偏差和偏航角，同時，采用直線擬合曲線樹行的擬合優(yōu)度降低，使得導航準確性降低、滯后性變大；隨著行缺樹數(shù)增加，樹行擬合的準確性降低；當車輛存在初始橫向偏差和偏航角時，車輛軌跡能較快地收斂到導航路徑，從而消除初始偏差的影響。

試驗結果表明，仿真測試平臺可靠，當曲線樹行振幅、行缺樹數(shù)以及初始偏差增大時，自主導航算法性能下降，符合實際情況。

5 結論

1） 本文設計了一個面向果園車輛自主導航算法的仿真測試平臺，以測試和評價基于2D LiDAR的果園導航路徑生成和跟蹤算法的整體性能。

2） 該仿真平臺由模型庫、參數(shù)庫、導航單元和可視化4個模塊構成，其中，模型庫用來模擬導航算法需要的果園測量數(shù)據(jù)輸入以及導航算法輸出引起的車輛位姿變化，可視化模塊以圖形圖像的方式顯示導航結果、評價導航算法性能。

3） 對仿真測試平臺進行單一模型性能測試，結果表明，仿真模型與實際LiDAR果園測量、電機控制和車輛運行的規(guī)律一致，能有效模擬LiDAR果園測量數(shù)據(jù)和車輛位姿變化。

4） 對仿真測試平臺進行整體性能測試，結果表明，仿真測試平臺能夠有效測試和評價路徑生成、提取算法在不同果園種植參數(shù)及車輛初始狀態(tài)下的性能，滿足果園車輛自主導航算法的測試需求。

參 考 文 獻

［1］ 郭成洋， 范雨杭， 張碩， 等. 果園車輛自動導航技術研究進展［J］. 東北農(nóng)業(yè)大學學報， 2019， 50（8）： 87-96.

Guo Chengyang， Fan Yuhang， Zhang Shuo， et a1." Progress on vehicle automatic navigation in orchard ［J］. Journal of Northeast Agricultural University， 2019， 50（8）： 87-96.

［2］ Baillie C P， Lobsey C R， Antille D L， et al. A review of the state of the art in agricultural automation. Part III： Agricultural machinery navigation systems ［C］. 2018 ASABE Annual International Meeting. American Society of Agricultural and Biological Engineers， 2018： 1.

［3］ 艾長勝， 林洪川， 武德林， 等. 葡萄園植保機器人路徑規(guī)劃算法［J］. 農(nóng)業(yè)工程學報， 2018， 34（13）： 77-85.

Ai Changsheng， Lin Hongchuan， Wu Delin， et al. Path planning algorithm for plant protection robots in vineyard ［J］. Transactions of the Chinese Society of Agricultural Engineering， 2018， 34（13）： 77-85.

［4］ 胡廣銳， 孔微雨， 齊闖， 等. 果園環(huán)境下移動采摘機器人導航路徑優(yōu)化［J］. 農(nóng)業(yè)工程學報， 2021， 37（9）： 175-184.

Hu Guangrui， Kong Weiyu， Qi Chuang， et al. Optimization of the navigation path for a mobile harvesting robot in orchard environment ［J］. Transactions of the Chinese Society of Agricultural Engineering， 2021， 37（9）： 175-184.

［5］ 張漫， 季宇寒， 李世超， 等. 農(nóng)業(yè)機械導航技術研究進展［J］. 農(nóng)業(yè)機械學報， 2020， 51（4）： 1-18.

Zhang Man， Ji Yuhan， Li Shichao， et al. Research progress of agricultural machinery navigation technology ［J］. Transactions of the Chinese Society for Agricultural Machinery， 2020， 51（4）： 1-18.

［6］ Shamshiri R， Hameed A， Pitonakova L， et al. Simulation software and virtual environments for acceleration of agricultural robotics： Features highlights and performance comparison ［J］. Int J Agric amp; Biol Eng， 2018， 11（4）： 15-31.

［7］ 李秋潔， 丁旭東， 鄧賢. 基于激光雷達的果園行間路徑提取與導航［J］. 農(nóng)業(yè)機械學報， 2020， 51（S2）： 344-350.

Li Qiujie， Ding Xudong， Deng Xian. Intra-row path extraction and navigation simulation for orchards based on LiDAR ［J］. Transactions of the Chinese Society for Agricultural Machinery， 2020， 51（S2）： 344-350.

［8］ 王輝， 王桂民， 羅錫文， 等. 基于預瞄追蹤模型的農(nóng)機導航路徑跟蹤控制方法［J］. 農(nóng)業(yè)工程學報， 2019， 35（4）： 11-19.

Wang Hui， Wang Guimin， Luo Xiwen， et al. Path tracking control method of agricultural machine navigation based on aiming pursuit model ［J］. Transactions of the Chinese Society of Agricultural Engineering， 2019， 35（4）： 11-19.

［9］ 李革， 王宇， 郭劉粉， 等. 插秧機導航路徑跟蹤改進純追蹤算法［J］. 農(nóng)業(yè)機械學報， 2018， 49（5）： 21-26.

Li Ge， Wang Yu， Guo Liufen， et al. Improved pure pursuit algorithm for rice transplanter path tracking ［J］. Transactions of the Chinese Society for Agricultural Machinery， 2018， 49（5）： 21-26.

［10］ Han X， Kim H J， Jeon C W， et al. Simulation study to develop implement control and headland turning algorithms for autonomous tillage operations ［J］. Journal of Biosystems Engineering， 2019， 44（4）： 245-257.

［11］ 劉志杰， 王小樂， 任志剛， 等. 基于虛擬雷達模型的履帶拖拉機導航路徑跟蹤控制算法［J］. 農(nóng)業(yè)機械學報， 2021， 52（6）： 376-385.

Liu Zhijie， Wang Xiaole， Ren Zhigang， et al. Crawler tractor navigation path tracking control algorithm based on virtual radar model ［J］. Transactions of the Chinese Society for Agricultural Machinery， 2021， 52（6）： 376-385.

［12］ 劉偉洪， 何雄奎， 劉亞佳， 等. 果園行間3D LiDAR導航方法［J］. 農(nóng)業(yè)工程學報， 2021， 37（9）： 165-174.

Liu Weihong， He Xiongkui， Liu Yajia， et al. Navigation method between rows for orchard based on 3D LiDAR ［J］. Transactions of the Chinese Society of Agricultural Engineering， 2021， 37（9）： 165-174.

［13］ 劉星星， 張超， 張浩， 等. 最小二乘法與SVM組合的林果行間自主導航方法［J］. 農(nóng)業(yè)工程學報， 2021， 37（9）： 157-164.

Liu Xingxing， Zhang Chao， Zhang Hao， et al. Inter-row automatic navigation method by combining least square and SVM in forestry ［J］. Transactions of the Chinese Society of Agricultural Engineering， 2021， 37（9）： 157-164.

［14］ 周俊， 何永強. 農(nóng)業(yè)機械導航路徑規(guī)劃研究進展［J］. 農(nóng)業(yè)機械學報， 2021， 52（9）： 1-14.

Zhou Jun， He Yongqiang. Research progress on navigation path planning of agricultural machinery ［J］. Transactions of the Chinese Society for Agricultural Machinery， 2021， 52（9）： 1-14.

［15］ 陳軍， 蔣浩然， 劉沛， 等. 果園移動機器人曲線路徑導航控制［J］. 農(nóng)業(yè)機械學報， 2012， 43（4）： 179-182， 187.

Chen Jun， Jiang Haoran， Liu Pei， et al. Navigation control for orchard mobile robot in curve path ［J］. Transactions of the Chinese Society for Agricultural Machinery， 2012， 43（4）： 179-182， 187.

［16］ 張鑫， 劉鳳娟， 閆茂德. 基于動力學模型的輪式移動機器人自適應滑模軌跡跟蹤控制［J］. 機械科學與技術， 2012， 31（1）： 107-112.

Zhang Xin， Liu Fengjuan， Yan Maode. Dynamic model-based adaptive sliding-mode trajectory tracking control over wheeled mobile robot ［J］. Mechanical Science and Technology for Aerospace Engineering， 2012， 31（1）： 107-112.

［17］ 陳曉鵬， 李成榮， 李功燕， 等. 基于動力學模型的輪式移動機器人電機控制［J］. 機器人， 2008， 30（4）： 326-332.

Chen Xiaopeng， Li Chengrong， Li Gongyan， et al. Dynamic model based motor control for wheeled mobile robots ［J］. Robot， 2008， 30（4）： 326-332.

［18］ 吳克河， 李為， 柳長安， 等. 雙輪驅(qū)動式移動機器人動力學控制［J］. 宇航學報， 2006， 27（2）： 272-275.

Wu Kehe， Li Wei， Liu Changan， et al. Dynamic control of a two-wheel drive mobile robot ［J］. Journal of Astronautics， 2006， 27（2）： 272-275.

［19］ 吳朝霞. 控制電機及其應用［M］. 北京： 北京郵電大學出版社， 2012.

［20］ 李秋潔， 袁鵬成， 鄧賢， 等. 基于移動激光掃描的靶標葉面積計算方法［J］. 農(nóng)業(yè)機械學報， 2020， 51（5）： 192-198.

Li Qiujie， Yuan Pengcheng， Deng Xian， et al. Calculation method of target leaf area based on mobile laser scanning ［J］. Transactions of the Chinese Society for Agricultural Machinery， 2020， 51（5）： 192-198.

［21］ 王致情. 農(nóng)業(yè)車輛自主跟隨控制系統(tǒng)的設計與實現(xiàn)［D］. 南京： 南京農(nóng)業(yè)大學， 2014.

Wang Zhiqing. Design and realization on autonomous following control system of agricultural vehicles ［D］. Nanjing： Nanjing Agricultural University， 2014.

［22］ 劉繼展， 何蒙， 解彬彬， 等. 棚架果園自主導航機器人快速上線方法與試驗［J］. 農(nóng)業(yè)工程學報， 2021， 37（9）： 12-21.

Liu Jizhan， He Meng， Xie Binbin， et al. Fast online method and experiments of autonomous navigation robots for trellis orchard ［J］. Transactions of the Chinese Society of Agricultural Engineering， 2021， 37（9）： 12-21.

［23］ 周俊， 胡晨. 密植果園作業(yè)機器人行間定位方法［J］. 農(nóng)業(yè)機械學報， 2015， 46（11）： 22-28.

Zhou Jun， Hu Chen. Inter-row localization method for agricultural robot working in close planting orchard ［J］. Transactions of the Chinese Society for Agricultural Machinery， 2015， 46（11）： 22-28.

［24］ 胡晨. 果園作業(yè)機器人定位與地圖構建研究［D］. 南京：南京農(nóng)業(yè)大學， 2015.

Hu Chen. Research on localization and map building for robot working orchard ［D］. Nanjing：Nanjing Agricultural University， 2015.

［25］ Zhang Shuo， Guo Chenyang， Gao Zening， et al. Research on 2D laser automatic navigation control for standardized orchard ［J］. Applied Sciences， 2020， 10（8）： 2763.

［26］ 李巖舟， 石奕峰， 涂偉， 等. 基于激光雷達的全生長周期甘蔗地行間自主導航研究［J］. 中國農(nóng)機化學報， 2022， 43（3）： 153-158， 177.

Li Yanzhou， Shi Yifeng， Tu Wei， et al. Research on autonomous navigation between rows of sugarcane in the whole growth cycle based on LIDAR ［J］. Journal of Chinese Agricultural Mechanization， 2022， 43（3）： 153-158， 177.

［27］ 唐小濤， 陶建峰， 李志騰， 等. 自動導航插秧機路徑跟蹤系統(tǒng)穩(wěn)定性模糊控制優(yōu)化方法［J］. 農(nóng)業(yè)機械學報， 2018， 49（1）： 29-34.

Tang Xiaotao， Tao Jianfeng， Li Zhiteng， et al. Fuzzy control optimization method for stability of path tracking system of automatic transplanter ［J］. Transactions of the Chinese Society for Agricultural Machinery， 2018， 49（1）： 29-34.

［28］ 張凱良， 胡勇， 楊麗， 等. 玉米收獲機自動對行系統(tǒng)設計與試驗［J］. 農(nóng)業(yè)機械學報， 2020， 51（2）： 103-114.

Zhang Kailiang， Hu Yong， Yang Li， et al. Design and experiment of auto-follow row system for corn harvester ［J］. Transactions of the Chinese Society for Agricultural Machinery， 2020， 51（2）： 103-114.

［29］ 劉沛， 陳軍， 張明穎. 基于激光導航的果園拖拉機自動控制系統(tǒng)［J］. 農(nóng)業(yè)工程學報， 2011， 27（3）： 196-199.

Liu Pei， Chen Jun， Zhang Mingying. Automatic control system of orchard tractor based on laser navigation ［J］. Transactions of the Chinese Society of Agricultural Engineering， 2011， 27（3）： 196-199.

［30］ 張鐵民， 李輝輝， 陳大為， 等. 多源傳感器信息融合的農(nóng)用小車路徑跟蹤導航系統(tǒng)［J］. 農(nóng)業(yè)機械學報， 2015， 46（3）： 37-42.

Zhang Tiemin， Li Huihui， Chen Dawei， et al. Agricultural vehicle path tracking navigation system based on information fusion of multi-source sensor ［J］. Transactions of the Chinese Society for Agricultural Machinery， 2015， 46（3）： 37-42.

［31］ Celen I H， Onler E， Kilic E. A design of an autonomous agricultural robot to navigate between rows ［C］. 2015 International Conference on Electrical， Automation and Mechanical Engineering. Atlantis Press， 2015： 349-352.