几何路径跟踪组合算法及其农业机械自动导航应用

doi:10.12398/j.issn.2096-7217.2023.03.003

智能化农业装备学报（中英文） ›› 2023, Vol. 4 ›› Issue (3): 24-31.DOI: 10.12398/j.issn.2096-7217.2023.03.003

几何路径跟踪组合算法及其农业机械自动导航应用

崔鑫宇¹(), 崔冰波¹^,²(), 马振¹^,², 韩逸¹, 张建鑫¹, 魏新华¹^,²

^1.江苏大学农业工程学院，江苏镇江，212013
^2.江苏大学现代农业装备与技术教育部重点实验室，江苏镇江，212013

收稿日期:2023-06-03 修回日期:2023-08-03 出版日期:2023-08-15 发布日期:2023-08-15
通讯作者: 崔冰波
作者简介:崔鑫宇，男，2000年生，黑龙江齐齐哈尔人，硕士研究生；研究方向为多机协同控制技术。E-mail： 18896661175@163.com
基金资助:
国家自然科学基金项目(32271999);江苏省重点研发计划项目(BE2021313);省部共建现代农业装备与技术协同创新中心资助项目(XTCX2009)

Integration of geometric-based path tracking controller and its application in agricultural machinery automatic navigation

CUI Xinyu¹(), CUI Bingbo¹^,²(), MA Zhen¹^,², HAN Yi¹, ZHANG Jianxin¹, WEI Xinhua¹^,²

^1.College of Agricultural Engineering，Jiangsu University，Zhenjiang 212013，China
^2.Key Laboratory of Modern Agricultural Equipment and Technology of Ministry of Education，Jiangsu University，Zhenjiang 212013，China

Received:2023-06-03 Revised:2023-08-03 Online:2023-08-15 Published:2023-08-15
Contact: CUI Bingbo

摘要/Abstract

摘要：

农业机械自动导航是实现精准农业的有效途径，高精度路径跟踪控制是智能农机自主作业可靠性的重要保证。为提高不同路径曲率和初始误差条件下路径跟踪算法适应性，基于两种几何路径跟踪方法自适应切换提出一种几何路径跟踪组合算法。分析纯追踪和Stanley模型在U型路径跟踪中的稳态误差和收敛特性，在恒定速度下分别设置其最优几何路径跟踪参数，以跟踪误差和路径曲率为输入量设计路径跟踪方法切换逻辑，并采用往复式梭行路径对几何路径跟踪组合算法进行测试。搭建移动小车平台对所提算法有效性进行验证，跟踪结果表明当初始误差为2.5 m时，Stanley模型较纯追踪算法有更快的收敛速度，当直线和曲线路径作业速度为1.0 m/s和0.7 m/s时，纯追踪与Stanley具有相似直线段跟踪误差，但曲率突变时纯追踪和Stanley模型最大跟踪误差分别为12.0 cm及11.0 cm。路径跟踪组合算法有效减小曲率突变时路径跟踪误差，相同速度配置下梭行路径最大跟踪误差为9.0 cm，较纯追踪和Stanley分别减小25.0%和18.2%。几何路径跟踪组合算法减少前视距离和增益系数在线优化运算量与算法复杂度，可为复杂作业场景下农机自适应路径跟踪算法设计提供工程实现参考。

关键词: 智能农业装备, 农机自动导航, 几何路径跟踪方法, Stanley模型, 纯追踪算法

Abstract:

Agricultural machinery autonomous navigation is an effective approach to achieve precision agriculture， and high-precision path tracking control is a critical assurance for the reliability of intelligent agricultural machinery autonomous operations. To improve the adaptability of path tracking algorithms under different path curvatures and initial error conditions， a geometric path tracking combined algorithm based on adaptive switching of two geometric path tracking methods was proposed. The steady-state errors and convergence characteristics of the pure pursuit （PP） and Stanley model in U-shaped path tracking were analyzed， and their optimal geometric path tracking parameters were respectively set at a constant velocity. A path tracking method switching logic was designed based on tracking errors and path curvature as input， and a boustrophedon path was used to test the geometric path tracking combined algorithm. A mobile cart platform was built to verify the effectiveness of the proposed algorithm. The tracking results showed that when the initial error is 2.5 meters， the Stanley model had a faster convergence rate than the PP algorithm. When operating at speeds of 1.0 m/s for straight paths and 0.7 m/s for curved paths， the PP and Stanley model exhibited similar tracking errors for straight segments， but when the curvature changed abruptly， the maximum tracking errors for the PP and Stanley model were 12.0 cm and 11.0 cm respectively. The path tracking combined algorithm effectively reduced the tracking error during curvature changes， with a maximum tracking error of 9.0 cm under the same speed configuration for the reciprocating shuttle path， representing a reduction of 25.0% and 18.2% compared to the PP and Stanley model respectively. The integration of geometric-based path tracking algorithm reduced the computational load and complexity of online optimization for forward distance and gain coefficient， and thus effectively improved the adaptability of path tracking algorithms for agricultural machinery under complex soil condition.

Key words: intelligent agricultural equipment, automatic navigation of agricultural machinery, geometric-based path tracking, Stanley model, pure pursuit algorithm

中图分类号:

崔鑫宇, 崔冰波, 马振, 韩逸, 张建鑫, 魏新华. 几何路径跟踪组合算法及其农业机械自动导航应用[J]. 智能化农业装备学报（中英文）, 2023, 4(3): 24-31.

CUI Xinyu, CUI Bingbo, MA Zhen, HAN Yi, ZHANG Jianxin, WEI Xinhua. Integration of geometric-based path tracking controller and its application in agricultural machinery automatic navigation[J]. Journal of Intelligent Agricultural Mechanization, 2023, 4(3): 24-31.

图/表 17

图1 自动导航系统验证平台1.转向电机2.激光雷达　3.天线　4.工控机　5.CAN总线6.定位卡板7.触摸屏　8.STM32单片机　9.编码器

Figure 1 Platform for automatic navigation system verification

图2 移动车辆自动导航流程图

Figure 2 Flowchart of automatic navigation for mobile vehicle

图3 车辆二轮车模型示意图

Figure 3 Schematic of vehicle bicycle model

图4 纯追踪模型示意图

Figure 4 Schematic of pure pursuit model

图5 Stanley模型示意图

Figure 5 Schematic of Stanley model

图6 往复式梭行作业路径示意图1.终点2.有效区域　3.作业路径　4.作业幅宽　5.起点

Figure 6 Schematic of boustrophedon path

图7 Stanley模型路径跟踪

Figure 7 Path tracking result of Stanley model

图8 纯追踪模型路径跟踪

Figure 8 Path tracking result of pure pursuit model

表1 几何路径跟踪算法结果

Table 1 Result of geometric-based path tracking algorithms

	PP L_d=0.85 m	PP L_d=1.30 m	Stanley K=0.65	Stanley K=0.75
最大偏差/cm	6.0	10.0	6.0	8.0
平均偏差/cm	-1.9	-4.7	-1.7	-2.8
标准差/cm	1.2	1.7	2.0	2.2

图9 组合跟踪算法流程图

Figure 9 Flowchart of integration path tracking algorithm

图10 不同算法路径跟踪

Figure 10 Path tracking result of different algorithms

表2 不同算法U型路径跟踪结果

Table 2 U-shaped path tracking results of different algorithms

	Stanley	PP	Stanley+PP
最大偏差/cm	8.0	10.0	7.0
平均偏差/cm	-2.8	-4.7	-2.0
标准差/cm	2.2	1.7	2.2
上线距离/m	5.9	9.6	5.7

图11 U型路径组合跟踪横向偏差频次分布图

Figure 11 Error frequency histogram of integration path tracking for U-shaped path

图13 往复式梭行路径跟踪轨迹

Figure 13 Path tracking result of boustrophedon path

图14 往复式梭行路径跟踪横向偏差

Figure 14 Lateral error of boustrophedon path tracking

表3 不同算法往复式梭行路径跟踪结果

Table 3 Result of different algorithms for boustrophedon path tracking

	Stanley	PP	Stanley+PP
最大偏差/cm	11.0	12.0	9.0
平均偏差/cm	-3.8	-5.3	-2.4
标准差/cm	2.3	1.3	2.3
上线距离/m	6.5	10.4	6.1

图15 梭行路径组合跟踪横向偏差频次分布图

Figure 15 Error frequency histogram of integration path tracking for boustrophedon path

参考文献 20

1	白学峰，常江雪，滕兆丽，等. 我国智能农业拖拉机关键技术研究进展［J］. 智能化农业装备学报（中英文）， 2022， 3（2）： 10-21.
	BAI Xuefeng， CHANG Jiangxue， TENG Zhaoli， et al. Research progress on key technologies of intelligent agricultural tractors in China ［J］. Journal of Intelligent Agricultural Mechanization （in Chinese and English）， 2022， 3（2）： 10-21.
2	张隆梅，刘岗微，齐彦栋，等. 农业机械无人驾驶系统关键技术研究进展（英文）［J］. 智能化农业装备学报（中英文）， 2022， 3（1）： 27-36.
	ZHANG Longmei， LIU Gangwei， QI Yandong， et al. Research progress on key technologies of agricultural machinery unmanned driving system ［J］. Journal of Intelligent Agricultural Mechanization （in Chinese and English）， 2022， 3（1）： 27-36
3	谢斌，武仲斌，毛恩荣. 农业拖拉机关键技术发展现状与展望［J］. 农业机械学报， 2018， 49（8）： 1-17.
	XIE Bin， WU Zhongbin， MAO Enrong. Development and prospect of key technologies on agricultural tractor ［J］. Transactions of the Chinese Society for Agricultural Machinery， 2018， 49（8）： 1-17.
4	ZHAO Jingjuan， YANG Yanping， ZHENG Huaiguo， et al. Global agricultural robotics research and development trend forecasts ［J］. Journal of Intelligent Agricultural Mechanization （in Chinese and English）， 2021， 2（1）： 28-35.
5	张漫，季宇寒，李世超，等. 农业机械导航技术研究进展［J］. 农业机械学报， 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	崔冰波，魏新华，吴抒航，等. 基于动态路径搜索的农机自动驾驶软件系统研制［J］. 农机化研究， 2022， 44（10）： 228-232.
	CUI Bingbo， WEI Xinhua， WU Shuhang， et al. Development of agricultural machinery self-driving software system based on dynamic path search ［J］. Journal of Agricultural Mechanization Research， 2022， 44（10）： 228-232.
7	熊璐，杨兴，卓桂荣，等. 无人驾驶车辆的运动控制发展现状综述［J］. 机械工程学报， 2020， 56（10）： 127-143.
	XIONG Lu， YANG Xing， ZHUO Guirong， et al. Review on motion control of autonomous vehicles ［J］. Journal of Mechanical Engineering， 2020， 56（10）： 127-143.
8	李逃昌，胡静涛，高雷，等. 一种与行驶速度无关的农机路径跟踪方法［J］. 农业机械学报， 2014， 45（2）： 59-65.
	LI Taochang， HU Jingtao， GAO Lei， et al. Agricultural machine path tracking method irrelevant to travel speeds ［J］. Transactions of the Chinese Society for Agricultural Machinery， 2014， 45（2）： 59-65.
9	胡静涛，高雷，白晓平，等. 农业机械自动导航技术研究进展［J］. 农业工程学报， 2015， 31（10）： 1-10.
	HU Jingtao， GAO Lei， BAI Xiaoping， et al. Review of research on automatic guidance of agricultural vehicles ［J］. Transactions of the Chinese Society of Agricultural Engineering， 2015， 31（10）： 1-10.
10	TANG X H， PEI Z， YIN S， et al. Practical design and implementation of an autonomous surface vessel prototype： navigation and control ［J］. International Journal of Advanced Robotic Systems， 2020： 1-14.
11	YAO L J， PITLA S K， ZHAO C， et al. An improved fuzzy logic control method for path tracking of an autonomous vehicle ［J］. Transactions of the ASABE， 2020， 63（6）： 1895-1904.
12	张华强，王国栋，吕云飞，等. 基于改进纯追踪模型的农机路径跟踪算法研究［J］. 农业机械学报， 2020， 51（9）：18-25.
	ZHANG Huaqiang， WANG Guodong， LU Yunfei， et al. Agricultural machinery automatic navigation control system based on improved pure tracking model ［J］. Transactions of the Chinese Society for Agricultural Machinery， 2020， 51（9）： 18-25.
13	WANG R， LI Y， FAN J， et al. A novel pure pursuit algorithm for autonomous vehicles based on salp swarm algorithm and velocity controller ［J］. IEEE Access， 2020， 8： 166525-166540.
14	姚立健， Pitla Santosh K，杨自栋，等. 基于超宽带无线定位的农业设施内移动平台路径跟踪研究［J］. 农业工程学报， 2019， 35（2）： 17-24.
	YAO Lijian， Pitla SANTOSH K， YANG Zidong， et al. Path tracking of mobile platform in agricultural facilities based on ultra wideband wireless positioning ［J］. Transactions of the CSAE， 2019， 35（2）： 17-24.
15	COULTER R C. Implementation of the pure pursuit path tracking algorithm ［R］. Carnegie Mellon University， Pittsburgh， Pennsylvania， 1992.
16	肖世德，江海锋，杜金兰，等. 基于两阶段纯追踪模型的农用车辆路径跟踪算法研究［J］. 农业机械学报， 2023， 54（4）： 439-446.
	XIAO Shide， JIANG Haifeng， DU Jinlan， et al Path tracking algorithm of agricultural vehicle based on two stages pure tracking model ［J］. Transactions of the Chinese Society for Agricultural Machinery， 2014， 45（2）： 59-65.
17	WANG L， LIU M. Path tracking control for autonomous harvesting robots based on improved double arc path planning algorithm ［J］. Journal of Intelligent & Robotic Systems， 2020， 100（3-4）： 899-909.
18	THRUN S， MONTEMERLO M， DAHLKAMP H， et al. Stanley： The robot that won the DARPA grand challenge ［J］. Journal of Field Robotics， 2006， 23（9）： 661-692.
19	崔冰波，孙宇，吉峰，等. 基于模糊Stanley模型的农机全田块路径跟踪算法研究［J］. 农业机械学报， 2022， 53（12）： 43-48， 88.
	CUI Bingbo， SUN Yu， JI Feng， et al. Study on whole field path tracking of agricultural machinery based on fuzzy Stanley model ［J］. Transactions of the Chinese Society for Agricultural Machinery， 2022， 53（12）： 43-48.
20	王晟睿. 基于改进鲸鱼优化算法的Stanley算法研究［D］. 长春：吉林大学，2022.
	WANG Shengrui. Research on Stanley algorithm based on improved whale optimization algorithm ［D］. Changchun： Jilin University， 2022.

[1]	白学峰, 常江雪, 滕兆丽, 鲁植雄. 我国智能农业拖拉机关键技术研究进展[J]. 智能化农业装备学报（中英文）, 2022, 3(2): 10-21.
[2]	王焯轩, 王立辉, 许宁徽, 李勇, 石佳晨. 智能收获机器人侧滑及滞后性控制策略研究[J]. 智能化农业装备学报（中英文）, 2022, 3(2): 37-44.

几何路径跟踪组合算法及其农业机械自动导航应用

Integration of geometric-based path tracking controller and its application in agricultural machinery automatic navigation

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 17

参考文献 20

相关文章 2

编辑推荐

Metrics

本文评价