基于多维感知的玉米大田巡检平台设计与试验.pdf

2023年9 月第54卷第9 期农报业机械学doi:10.6041/j.issn.1000-1298.2023.09.005基于多维感知的玉米大田巡检平台设计与试验班超董乃希黄修炼马悦琦姜龙腾迟瑞娟（中国农业大学工学院，北京10 0 0 8 3）摘要：为了提高对大田种植玉米生长动态、干旱胁迫和病虫害等方面的智能巡检监测能力，设计了一种基于多维感知的移动巡检平台。首先，对底盘总成的转向系统、驱动系统和控制系统进行设计，并基于ArduinoUNO控制器实现了巡检平台的转向及行驶功能。其次，搭建了包括GNSS/INS（G l o b a l n a v i g a t i o n s a t e l l i t e s y s t e m/i n e r t i a l n a v i g a t i o nsystem）组合导航系统、激光雷达（Lightdetection andranging，Li D A R）和工业相机的多维感知系统，对感知系统时间同步方案、数据通信结构和信息采集软件进行设计，实现了巡检平台对环境的感知和数据可视化。最后，在玉米大田对巡检平台进行了底盘行驶性能试验和感知系统环境感知试验。试验结果表明：巡检平台左转平均最小转弯半径为2 92 2 mm，右转平均最小转弯半径为2 7 36 mm，最大爬坡度大于2 6.7%，位置PID控制下直线行驶平均速度为0.523m/s，与期望速度0.5m/s的误差为4.6%，行驶15m平均偏移量为0.6 36 m，平均偏移率为4.2 4cm/m，满足田间行驶性能要求；感知系统能够在ROS系统下稳定采集平台位姿信息、高精度三维点云信息和彩色二维图像信息，实现了巡检平台对玉米大田环境的多维感知。关键词：巡检平台；多维感知；玉米大田；点云地图中图分类号：S224.4；T P2 42.6文献标识码：A文章编号：10 0 0-12 9 8（2 0 2 3）0 9-0 0 44-0 9OSID:Design and Experiment of Maize Field Inspection PlatformBased on Multi-dimensional PerceptionBAN ChaoDONG NaixiHUANG XiulianMA YueqiJIANG LongtengCHI Ruijuan(College of Engineering,China Agricultural University,Beijing 100083,China)Abstract:A mobile inspection platform based on multi-dimensional perception was developed to enableintelligent inspection and monitoring of maize growth dynamics,drought stress and diseases in widefields.Firstly,the chassis assemblys steering system,drive system,and control system were developed,and the steering and driving functions of the inspection platform were implemented,using the ArduinoUNO controller.Secondly,a multi-dimensional sensing system that consisted of a global navigationsatellite system/inertial navigation system(GNSS/INS)integrated navigation system,light detection andranging(LiDAR)and camera was constructed.The time synchronization scheme,data communicationstructure and information acquisition software of the sensing system were then designed to enable thepatrol platform to perceive its environment and visualize.Finally,the chassis driving performance testand the perception system environment perception test were performed on the inspection platform in themaize field.According to the test results,the inspection platforms average minimum turning radius forleft turns was 2 922 mm,its average minimum turning radius for right turns was 2 736 mm,and itsmaximum climbing gradient was greater than 26.7%,the average straight-line speed under position PIDcontrol was 0.523 m/s,with an error of 4.6%compared with the expected speed of 0.5 m/s,theaverage deviation for 15 m driving was 0.636 m,and the average deviation rate was 4.24 cm/m,all ofwhich met the field driving performance requirements.Under the ROS system,the sensing system wascapable of reliably gathering platform position information,high-precision 3D point cloud information,and color 2D image information,enabling the inspection platform to perceive the surroundings in manydimensions.The research result can be used to guide the intelligent creation of a maize field inspectionplatform.Key words:inspection platform;multi-dimensional perception;maize field;point cloud map收稿日期：2 0 2 3-0 2-17 修回日期：2 0 2 3-0 5-10基金项目：国家自然科学基金项目（52 17 2 396）作者简介：班超（1996 一），男，博士生，主要从事农业机器人导航技术研究，E-mail：b a n c h a o c a u.e d u.c n通信作者：迟瑞娟（196 9一），女，副教授，主要从事车辆机电控制及智能化研究，E-mail：c h i r u i ju a n c a u.e d u.c n45班超等：基于多维感知的玉米大田巡台设计与试验第9 期0引言随着农业生产方式的革新和农机作业能力的升级，全天候智能巡检移动平台成为无人智慧农业的重要支撑。玉米是保障国家粮食安全的重要大田作物1-2 ,研制适用于玉米大田的智能巡检平台有利于解析作物叶面积3-4 等指数，为作物生长动态5干旱胁迫6 和病虫害7 等状态做出评估，同时有助于提取作物行距和株距，为植保和收获等环节提供导航辅助8 。灵活的移动底盘和多维度的环境感知系统是完成巡检任务的核心技术，直接影响到巡检平台的智能巡检监测能力9-10 KAYACAN等 开发了一种在玉米行间冠下的巡检平台，集成全球导航卫星系统（Globalnavigation satellite system，G NSS）、激光雷达（Lightdetection and ranging,LiDAR）和视觉等系统，使平台自动行驶于玉米行间并采集玉米生长信息。MUELLER-SIM等【12 设计了一种包含航姿参考系统（A t t i t u d e a n d h e a d i n g r e f e r e n c e s y s t e m，A H R S）、GNSS、LiD A R 和单目相机等传感器的高梁巡检平台，能够对大范围作物进行自动表型实现三维重建。ROURE等13】研制了一种集成GNSS、A H R S、LiDAR、双目相机和多光谱相机等传感器的葡萄园巡检平台，实现自主导航对作物健康状态进行监测。目前，国内轨道型巡检平台在煤矿14、工业园【15 和变电站【16 等工业领域的应用较为成熟，在预设导轨和射频识别标签的基础上即可较好地完成任务。大田17-18 1 和果园19 等农业领域地表不平整且具有土壤保护性的要求，预设导轨等传统方案受到限制2 0 ，而GNSS/INS组合导航方案不能获取平台与作物的相对位置信息，容易在巡检过程中损伤作物。因此,融人点云和图像信息能够为巡检平台自动驾驶提供导航辅助，同时为大田玉米智慧农业决策系统提供丰富的作物及环境参数。鉴于此，本研究针对玉米大田环境，围绕作物生长动态、干旱胁迫和病虫害等方面的巡检需求，设计一种搭载GNSS/INS组合导航系统、激光雷达和工业相机的移动式玉米大田巡检平台，并在田间进行行驶性能试验和环境感知试验。1总体方案设计玉米大田巡检平台由底盘总成和感知系统两部分组成。为适应农田环境的不平整地面，底盘采用基于阿克曼原理的前轮转向、后轮驱动形式。具体地，底盘总成分为转向系统、驱动系统和控制系统3部分。根据感知要求进行传感器选型、时间同步配置，对信息采集的数据通信及处理软件进行设计。底盘承载感知系统行驶于玉米大田，实现平台对玉米田的智能巡检监测。本平台总体设计框架如图1所示。玉米大田巡检平台总体设计方案底盘总成感知系统转向系统驱动系统控制系统传感器选型时间同步信息采集图1巡检平台总体设计方案Fig.1Overall design schematic of inspection platform2底盘总成设计我国等行距种植玉米的行距一般为50 60cm，华北地区实施宽窄行种植技术的玉米宽行行距为8 0 9 0 cm，为避免巡检平台在工作过程中对玉米作物造成损伤，底盘宽度应小于玉米宽行行距。本次设计的巡检平台面向宽窄行种植技术的玉米，因此底盘宽度选为6 0 cm。巡检平台通常以较低速度行驶于不平整的松软路面，应保持良好的转向和直线行驶性能。经过对玉米田环境分析，确定底盘总成按照表1所示的主要参数进行结构设计，总体结构如图2 所示。表1厂底盘总成设计参数Tab.1Chassis assembly design parameters参数数值长宽高/(mmmmmm)8006001100轮距/mm500轴距/mm550整备质量/kg26.7最小离地间隙/mm1502.1转向系统设计2.1.1转向方案与选型底盘总成转向系统采用阿克曼转向原理，其结构如图3所示，主要由橡胶前轮、前轴、主销、梯形臂、转向电机、丝杆滑台、转向横拉杆、转向直拉杆和转向节臂等组成。转向电机驱动丝杆滑台，带动转向直拉杆、转向横拉杆、梯形臂，从而使橡胶前轮绕主销轴旋转。转向电机选用57 HBP80AL4型步进电机,丝杆滑台能够在2 0 0 mm的有效行程内保证0.03mm的移动精度，保证了转向控制的精度。转向前桥在完成转向任务时，需要承载平台重量和车农2023年机报学业46械62图2底盘总成结构图Fig.2Structural diagram of chassis assembly1.转向前桥2.接收机安装架3.工业相机安装架4.激光雷达安装架5.上位机放置架6.车载电源7.驱动后轮32156789图3转向系统结构图Fig.3Steering system structure diagram1.橡胶前轮2.前轴3.主销4.梯形臂5.转向电机6.丝杆滑台7.转向横拉杆8.转向直拉杆9.转向节臂轮与地面作用产生的阻力矩2 1。前桥中的前轴、主销和梯形臂等结构采用碳素钢制造，转向横拉杆和转向直拉杆采用无缝钢管加工，各部件均具有良好的结构强度，能够应对不平整农田地面造成的颠簸与振动。2.1.2转向电机性能校核前轮原地绕主销旋转时受到的阻力矩最大，故选取该工况对转向电机进行校核。前轮转向阻力矩计算式为2 2 M,=片(1)3VP式中M,一-转向阻力矩,Nm车轮与土壤的静摩擦因数，取0.7G巡检平台前桥负荷，NP-轮胎气压,kPa一按照巡检平台最大总质量8 0 kg进行计算，假设质量前后均匀分布，橡胶轮胎气压充至2 40 kPa，将数据代人公式（1）可得平台原地转向阻力矩M,为7.78 N m。丝杆传动的推力计算式为2TmTF,=(2)SL式中F，丝杆滑台输出推力，N转向电机传动效率，取0.95T-转向电机输出扭矩，NmL-丝杆螺距,m已知转向电机额定扭矩为2 Nm，丝杆螺距0.005m，代入公式（2)得输出推力约为2 38 7.6 N。转向节臂长度约为0.14m，经受力分析可知，对主销处产生的驱动力矩为334.3Nm，远远大于阻力矩，满足使用要求。2.2驱动系统设计2.2.1驱动方案与选型巡检平台驱动系统采用两后轮驱动，考虑到巡检平台通常以低速行驶于不平整农田地面，驱动轮选择无刷有齿外转子轮毂电机，内含传动比为1:4.4的行星齿轮减速结构，可以实现低转速大扭矩输出，具有不发热和运转噪声小等优点，具体参数如表2 所示。表2轮毂电机参数Tab.2Hub motorparameters参数数值额定电压/V24额定功率/W250额定扭矩/(Nm）4.5额定转速/(rmin-1)130质量/kg5.0外径/mm330胎面宽度/mm110轮毂电机的转子布置在轮毂内部，省略了外部的安装空间，仅有长度为45mm的轮轴，分别通过钢板与铝型材车身连接，如图4所示。两个轮毂电机分布式驱动，为巡检平台提供动力。转弯时，两侧后轮因转弯半径不同，需要有不同的转速，因此对两后轮进行电子差速控制，以提高巡检平台稳定性和灵活性，同时减轻轮胎磨损。234图4驱动系统结构图Fig.4Drive system structure diagram1.橡胶后轮及轮毂电机2.铝型材车身3.钢板4.轮轴2.2.2轮毂电机性能校核巡检平台通常处于匀速行驶状态，而且迎风面积很小，可以忽略加速阻力和空气阻力对平台的影响，故本文仅对滚动阻力和坡度阻力进行分析。巡检平台受到的总阻力计算公式为2 3F=F,+F;(3)其中F,=Wfcosi(4)47班超等：基于多维感知的玉米大田巡检平台设计与试验第9 期F,=Wsini(5)式中F巡检平台受到的总阻力，NF巡检平台受到的滚动阻力，NF;巡检平台受到的坡度阻力，NW-巡检平台总重，N一滚动阻力系数路面坡度角，（）巡检平台受到的滚动阻力是由轮胎和土壤变形产生的，在松软玉米田行驶时较大，参考轮式玉米收获机在工作时的滚动阻力系数，取f=0.124。另外，适合作物种植的耕地坡度角一般不超过10，将参数代入公式（3）（5）可得巡检平台受到的总阻力为 2 17.7 0 N。所需单个轮毂电机的输出功率为F,P。=2(6)式中P轮毂电机输出功率，WF车轮驱动力，NV巡检平台行驶速度，m/s轮毂电机传动效率，取0.8 5设计巡检平台田间工作时移动速度为0.5m/s，代入公式（6)可得所需电机输出功率为P。=6 4W 250W，说明选择的轮毂电机满足使用需求。2.3控制系统设计2.3.1控制系统硬件设计控制系统硬件主要包括控制器、转向电机驱动器、轮毂电机驱动器和遥控手柄模组。控制器是底盘总成的核心，影响巡检平台在行驶过程中的稳定性。选用搭载ATmega328P芯片的ArduinoUNO控制器，其工作电压5V,时钟频率为16 MHz，包含32KBFlash和14个数字I/0引脚,其中有6 个引脚可以输出脉宽调制（Pulse width modulation，PWM)信号。控制系统硬件及信号框架如图5所示方向信号步进电机步进电机I/O驱动器丝杆滑台速度信号PWM方向信号1/0制动信号轮毂电机轮毂电机Arduino1/O驱动器UNO速度信号PWM控制器霍尔信号/0时钟同步信号I/0手柄信号遥控手柄触发信号接收模块1/01/0数据信号图5控制系统硬件及信号框架Fig.5Control system hardware and signal framework为精确控制转向电机，采用恒力矩细分型驱动器，其接收ArduinoUNO控制器输出的方向信号（D IV）和PWM配置的速度信号（PUL），进行功率放大后使转向电机工作。为闭环控制轮毂电机转速，通过两个可以输出霍尔信号的驱动器分别对两个轮毂电机进行控制，根据控制信号使后轮正转、反转或制动。为应对巡检平台特殊或意外行驶工况，采用2.4GHz无线传输遥控手柄模组对巡检平台底盘进行临时接管控制。模组包括手柄信号接收模块和遥控手柄两部分，二者有效传输距离可达到15m。手柄信号接收模块与ArduinoUNO控制器相连，采用SPI协议传输遥控手柄按键指令。2.3.2控制系统软件设计使用Arduino语言对ArduinoUNO控制器进行软件设计与开发。基于 ros_lib 库将Arduino UNO控制器部署为ROS节点，根据ROS通讯机制和串口通讯协议，接收上位机路径规划后的运动控制指令，再向转向电机和轮毂电机输出DIV、PU L信号。对于转向电机，“左转”对应DIV信号为低电平，“右转”为高电平,PUL模拟数值为2 56；对于轮毂电机，“前进”对应DIV信号为高电平，“后退”对应DIV信号为低电平，PUL模拟数值根据标定关系确定。丝杆滑台定位精度和控制器的时钟精度较高，在标定前轮0 位置的基础上，使用电子量角器测量前轮在设定旋转时间后的偏转角度，拟合出二者关系如图6 所示，规定前轮0 位置向左旋转的角度和时间为负，向右为正。根据拟合直线的表达式对转向电机进行控制，旋转角度控制精度优于1.7。25测量值20预测值(o)/转15105-3-2-11234-5时间/s-10-15-20-25L图6前轮偏转角度与旋转时间关系曲线Fig.6Curve of relationship between front wheeldeflection angle and rotation time通过调节PWM占空比改变轮毂电机平均电压使电机低速转动，在不平整农田地面具有较大扭矩。由于农田地面环境复杂，两个驱动轮与地面的附着力差异很大，为了提高底盘直线行驶性能，控制器通过霍尔信号之间的时间间隔计算转速，并分别对两个驱动轮使用位置PID算法闭环控制转速。仅通过电机厂家提供的参数无法建立电机在工作过程中的2023年农机报学48械业准确模型，本研究采集轮毂电机实际工作转速，使用Matlab的 System Identification 工具箱和PID Tuner工具箱整定PID参数，得到如图7 所示的两个驱动后轮动态特性曲线，左轮超调量为10.1%，右轮超调量7.6%，且动态响应时间接近。0.670.50.4(-8.J/转0.3期望转速一左轮转速0.2一右轮转速0.10J012345工作时间/s图7驱动轮转速动态响应曲线Fig.7Dynamic response curve of driving wheel speed如果在行驶过程中出现意外工况，可以由遥控手柄接管控制，其软件流程图如图8 所示，首先对控制器GPIO引脚和SPI协议进行初始化，等待并解析无线遥控手柄的按键信号，再根据指令向电机驱动器输出控制信号。当控制器解析到手柄按下“前”或“后”的按键信号时，调整轮毂电机驱动器方向信号线的电平状态，并输出指定速度对应的PUL信号。当控制器解析到手柄按下“左”或“右”的按键信号时，调整转向电机驱动器方向信号的电平状态，同时输出PUL信号使转向电机以最大转速工作。若控制器解析到手柄“停止”按键后，输出信号使转向电机和轮毂电机停止工作。2.4侧向稳定性评价为了降低巡检平台的质心，车载电源、控制器和电机驱动器等都安装在底盘底部；采集系统（激光雷达、相机)质量较轻，安装立柱为密度较小的铝合金材质,对巡检平台质心高度影响较小。侧翻临界角是评价整机侧向稳定性的重要指标,巡检平台行驶速度低、急转弯工况少，忽略速度和侧向加速度的影响，选取侧翻临界状态进行受力分析，分别对两侧车轮接地点取矩，得到侧翻临界角$的计算公式为2 5p=arctan(B/(2H)(7)式中B巡检平台轮距，mH-巡检平台质心高度，m根据三维模型得到巡检平台质心高度约为0.40m，轮距为0.50 m，根据式（7)计算得到侧翻临界角为32.0 1，接近GB16151.12008农业机械运行安全技术条件第1部分：拖拉机对拖拉机全挂车运输机组侧翻临界角大于35的规定，一般情开始系统初始化按照预设路径行驶N检测到手柄？YYN有按键信号？NY电子差速直行指令？转向指令？转向控制YN直线行驶N驱动控制停止指令？LY轮毂电机制动、步进电机停止结束图8控制系统软件流程图Fig.8Control system software flow chart况下，巡检平台在工作过程中不会发生侧翻现象，在复杂崎岖的环境工作时，可在底盘增加配重块以降低整机质心。3多维感知系统设计3.1传感器选型高精度位姿信息是巡检平台工作于玉米大田环境的基础，为应对农田不平整路面，选用华测CGI610型内置高精度微机电系统（Micro-electro-mechanical system，M EM S）的GNSS/INS 组合导航系统，支持多模多频卫星定位技术，能够实时、高频地检测姿态，包括航向角、俯仰角和横滚角。监测玉米株高、行距和株距等信息需要高精度测距传感器，采用速腾聚创32 线车规级混合固态激光雷达RS-LiDAR32 发射的激光获取周围物体距离信息，点云测距精度优于3cm。通常利用机器视觉技术识别作物干旱胁迫和病虫害，本文使用支持外部硬件触发的BasleracA192040 g c 工业相机配合ComputarV0826-MPZ镜头采集二维彩色图像。各传感器工作性能稳定，能够应对大田环境中沙尘、花粉和飞虫等自然因素的干扰，主要参数如表3所示。3.2时间同步方案各传感器时间同步是非常重要的，如果每个传感器按照自身内部时钟源进行工作，采集到的异构数据之间存在较大时间偏差，不利于多维数据融合感知。虽然在启动时对各传感器同时进行初始化能49第9 期班超等：基于多维感知的玉米大田台设计与试验表3传感器主要参数Tab.3Main parameters of sensors传感器主要参数/类型跟踪卫星：GPS、BD S、G LO NA SS、G a l i l e o、QZSSGNSS/INS组合导航RTK定位精度：垂直3cm、水平2 cm系统陀螺类型：MEMS(CCI610型)陀螺仪零偏稳定性：2.5（）/h加速度计零偏稳定性：3.6 g数据更新率：10 0 Hz最大距离：2 0 0 m激光雷达测距精度：3cm(RS-LiDAR-32 型)扫描频率：10 Hz视角：垂直40、水平36 0 感应芯片：CMOS型IMX249工业相机芯片尺寸：11.33mm7.1mm(acA1920-40gc型)快门类型：Global最大分辨率：192 0 像素12 0 0 像素芯片尺寸：12.7 mm9.6mm镜头焦距：8 mm(V0826-MPZ型)视场角：8 8.8 7 6.96 1.5最小工作距离：10 0 mm够在一定程度上对齐时间戳，但是由于各自时钟源存在钟漂，会导致时间戳随着运行时间的增长而发生相互偏离2 6 组合导航系统按照地面监控系统维护的高精度原子钟时间进行工作，具有很高的时间精度，而且可以通过GPRMC格式报文和秒脉冲信号（Pulsepersecond，PPS）为其他设备进行授时。设置CGI610的PPS脉宽为2 0 msGPRMC串口波特率为96 0 0 b/s，且在PPS上升沿50 0 ms内完成，符合RS-LiDAR-32激光雷达外部授时要求，其原理如图9所示。同时，将PPS信号接人一个单独用来触发相机拍摄图像的ArduinoUNO相机触发器。相机触发器在接收到PPS信号后向相机I/0口输出10 Hz方波信号，实现相机外部硬触发拍照。20200msPPS500msGPRMCTimes图9时间同步原理示意图Fig.9Schematic of time synchronization principle3.3感知系统信息采集3.3.1数据通信结构上位机、组合导航系统、激光雷达、工业相机及触发器构成感知系统，数据内容和通信结构如图10所示。上位机采用便携式计算机（Intel Corei57300处理器、8 GBDDR4内存、2 56 GB固态硬盘），Ubuntu20.04系统安装ROSNoetic，用于采集、处理和存储传感器数据。受限于ArduinoUNO控制器的内存空间和计算能力，将组合导航系统经网络差分后的位置信息和姿态信息由USB协议传输至上位机，以参与巡检平台路径跟踪的解算。激光雷达接驳盒接人组合导航系统GRPMC报文和PPS信号，再将激光雷达采集的点云由RJ45接口传人上位机，传输过程采用UDP协议。工业相机在10 Hz频率下拍摄图像时，需要支持巨型顿的千兆以太网进行传输，而选用的上位机仅有一个RJ45接口，所以使用RTL8156外置网卡将一个USB3.0接口转为千兆以太网接口RJ45,以接收数据。上位机：便携式计算机（处理器：IntelCorei5-7300；内存：8 CB；固态硬盘：2 56 CB）USBRJ45以太网USB转RJ45不不位置信息三维点云彩色图像姿态信息RS-LiDAR-32型BasleracA1920-40gc型激光雷达工业相机个1Hz方波GPRMC报文脉冲信号组合导航系统CCI610相机触发器1 HzPPSArduinoUNO图10数据通信示意图Fig.10Data communication diagram3.3.2信息采集软件使用C+编程语言编写各传感器的ROS功能包,并分别对应一个任务执行节点，由节点控制中心进行维护，以便于对数据进行统一处理。根据CGI610输出的报文格式进行字段分割,解析数据中的位置和姿态信息,并分别写入符合ROS格式的话题中。对于RS-LiDAR-32,根据驱动内核 rs_driver将原始点云数据转换为包含三维坐标、反射强度、扫描线序号和时间戳的XYZIRT格式，并调用点云库PCL的接口将点云转换为ROS消息类型。对于Basler acA1920-40gc,以pylon二次开发组件为基础,基于OpenCV库将获取的图像转为ROS格式并发布。各传感器节点对应的话题名称及消息类型如表4所示。表4各各传感器话题信息Tab.4Topic information of each sensor设备节点名称话题名称消息类型/nav_sat_fixsensor_msgs/NavSatFixgnss_chcnav/imu_rawsensor_msgs/Imu(CGI610)/gps_fixgps_common/GPSFixrslidar_node/rslidar_pointssensor_msgs/PointCloud2(RS-LiDAR-32)camera_node/camera_rawsensor_msgs/Image(acA1920-40gc)农2023年报机学械业504田间试验将上位机、组合导航系统接收机、4G天线、定位天线、定向天线、激光雷达和工业相机等设备安装于巡检平台底盘总成，巡检平台整备状态如图11所示。43-2-1一67图11巡检平台整备状态Fig.11Inspection platform readiness1.4G天线2.定位天线3.上位机4.激光雷达5.工业相机及镜头6.定向天线7.接收机4.1底盘行驶性能试验4.1.1转向性能试验于2 0 2 2 年10 月在中国农业大学上庄实验站（40 0 8 11 N，116 10 45 E）粗平整后的地面进行最小转弯半径试验。分别将巡检平台前轮向左、向右转到极限位置后，以速度0.4 0.7 m/s自转一圈，在地面形成轮胎运动轨迹，如图12 所示。测量外侧轨迹中心圆的直径，可以得到单次运动的最小转弯半径。图12最小转弯半径试验现场Fig.12Minimum turning radius test site由于松软土壤会受到车轮影响发生变形，而且地表不平坦会导致测量误差，本次试验重复5次并记录试验结果如表5所示。求得向左平均最小转弯半径为2 9 2 2 mm，右转平均最小转弯半径为2736mm，在农田环境中具有较好的转向灵活性。4.1.2最大爬坡度试验最大爬坡度是巡检平台田间通过性和动力性的重要考核指标，根据玉米田常见坡度，在农田机耕道边缘堆积10 和15斜坡进行试验，试验现场如图13所示。表5最小转弯半径试验结果Tab.5Minimum turning radius test resultsmm试验序号左转弯半径右转弯半径一29102.70022.9902.68532.9052.650429552.780528502.865平均值29222.736159图13最大爬坡度试验现场Fig.13Maximum climbing degree test site试验过程中，巡检平台能够从坡底的农田行驶至机耕道，而且不发生倾翻现象，表明巡检平台最大爬坡度大于2 6.7%（爬坡角15），满足设计参数和农田行驶要求。4.1.3行驶速度控制精度试验设定巡检平台目标行驶速度为0.5m/s，分别在开环控制和PID速度闭环控制模式下行驶，上位机通过串口记录组合导航系统输出的速度信息。分别截取巡检平台在两种控制模式下前30 s移动速度，变化过程如图14所示，开环控制模式下平均移动速度为0.58 7 m/s，误差为17.4%；PID速度闭环控制模式下平均速度为0.52 3m/s，误差为4.6%，表明PID闭环控制有效提升了底盘速度控制精度。0.9目标移动速度0.8PID控制移动速度一开环控制移动速度0.70.6(i-s.w)/单MM0.50.40.30.20.1051015202530时间/s图14两种控制模式下移动速度变化曲线Fig.14Movement speed change curves in two control modes4.1.4直线行驶试验选取图15所示农田进行直线行驶试验，以拉直的线缆作为参考直线，取15m长度并沿直线撒白面51班超等：基于多维感知的玉米大田巡检平台设计与试验第9 期粉作为标识，在两端地面插入红色标志旗，同时垂直于参考直线放置铝型材，作为巡检平台直线行驶的起止位置标志。巡检平台前方固定一个装有白面粉的塑料瓶，使其在行驶过程中撒落面粉形成运动轨迹。设定两个红旗的位置分别为点A、B,量取距离点A、B各6 0 cm的两点A和B作为巡检平台直线行驶的起止点，直线AB为导航线。BBAA图15直线行驶试验场地Fig.15Scene of driven along straight line使巡检平台在PID控制模式下沿导航线行驶后，测量运动轨迹终点到参考直线的横向偏移量，重复5次试验得0.6 0 3、0.7 2 6、0.6 52、0.58 5、0.6 13m。结果显示，巡检平台直线行驶15m时，平均偏移量为0.6 36 m，单位距离平均偏移率为4.2 4cm/m，偏移率较小。4.2感知系统环境感知试验4.2.1传感器数据采集试验于2 0 2 2 年10 月在中国农业大学上庄实验站（40 0 7 57 N，116 10 40 E）进行感知系统传感器数据采集试验。启动感知系统各传感器ROS功能包后，可以在图16 所示的界面实时显示环境感知数据，包括组合导航系统串口输出的融合位姿信图16RVIZ可视化界面Fig.16RVIZvisualization interface息（a）、M EM S原始数据（b）、卫星定位数据（c）、RVIZ工具调取的相机图像（d)和激光雷达点云（e）信息。4.2.2三维点云建图试验试验环境中玉米作物的果实已经收获，植株和叶片干枯，但是依然保持原行距和株距立于玉米田中。根据A-LOAM算法对玉米田间道路环境进行建图，利用数据集中前10 s点云数据（10 0 帧）的建图结果如图17 所示。可以清晰地看出巡检平台周围的玉米植株生长高度（a)及作物行（b）,也可以根据长条状无点云区域（c）分辨出机耕道旁的灌溉渠。图17三维点云地图Fig.173D point cloud map5结论（1）设计了一种用于玉米大田的移动巡检平台。该平台以ArduinoUNO控制器协调转向系统和驱动系统完成田间运动，搭载了包括上位机、GNSS/INS组合导航系统、激光雷达和工业相机的多维感知系统。（2)田间行驶性能试验表明：左转平均最小转弯半径为2 92 2 mm，右转平均最小转弯半径为2736mm，转弯路径无偏移现象，转向可靠；最大爬坡度大于2 6.7%，动力性和通过性满足一般行驶条件;PID控制下平均行驶速度为0.52 3m/s，与期望速度0.5m/s的误差为4.6%；直线行驶15m的平均偏移量为0.6 36 m，单位行驶距离平均偏移率为4.24cm/m,偏移率较小。（3)环境感知试验表明：感知系统数据通信和数据采集软件有效，能够将各传感器数据可视化显示和保存。根据10 0 帧激光点云数据建立的玉米田三维点云地图可以较好地反映出玉米植株生长高度、行距、株距和沟渠等环境特征。参考文献1梁秀英，周风燃，陈欢，等。基于运动恢复结构的玉米植株三维重建与性状提取J农业机械学报,2 0 2 0,51(6）：2 0 9-2 19.LIANG Xiuying,ZHOU Fengran,CHEN Huan,et al.Three-dimensional maize plants reconstruction and traits extraction basedon structure from motion J.Transactions of the Chinese Society for Agricultural Machinery,2020,51(6):209-219.(inChinese)下转第7 3页）农522023年报机学械业2李鹏，劳彩莲，杨瀚，等基于移动机器人平台的玉米植株三维信息采集系统J农业机械学报,2 0 19,50（增刊)：15-2 1.LI Peng,LAO Cailian,YANG Han,et al.Maize plant 3D information acquisition system based on mobile robot platformJJ.Transactions of the Chinese Society for Agricultural Machinery,2019,50(Supp.):15-21.(in Chinese)3QIU Ruicheng,WEI Shuang,ZHANG Man,et al.Sensors for measuring plant phenotyping:a review JJ.International Journalof Agricultural and Biolog