引用格式
刘洋, 冀杰, 潘登, 赵立军, 李明生. 基于激光雷达与IMU融合的农业机器人定位方法[J]. 智慧农业(中英文), 2024, 6(3): 94-106.
DOI：10.12133/j.smartag.SA202401009
LIU Yang, JI Jie, PAN Deng, ZHAO Lijun, LI Mingsheng. Localization Method for Agricultural Robots Based on Fusion of LiDAR and IMU[J]. Smart Agriculture, 2024, 6(3): 94-106.
DOI：10.12133/j.smartag.SA202401009
基于激光雷达与IMU融合的农业机器人定位方法
刘洋1， 冀杰1， 潘登2*， 赵立军3， 李明生1
（1.西南大学 工程技术学院，重庆 400715，中国；2.中国汽车工程研究院股份有限公司，重庆 401122，中国；3.重庆文理学院智能制造工程学院，重庆 402160，中国）
摘要：
［目的/意义］精准可靠的定位技术是智能农业机器人开展自主导航作业的重要前提，而常用的全球卫星导航系统（Global Navigation Satellite System, GNSS）定位方法在农业环境中容易受到树木遮挡、电磁干扰等因素影响，因而，提出一种基于三维激光雷达（Light Detection and Ranging, LiDAR）与惯性测量单元（Inertial Measurement Unit, IMU）信息融合的农业机器人定位方法。
［方法］首先，利用基于角度的聚类方法对激光雷达点云数据进行信息处理，并与三维正态分布变换（3D Normal Distribution Transform, 3D-NDT）定位算法相结合，在先验点云地图信息基础上实现基于激光雷达的实时定位；其次，为了克服单传感器定位方法的局限性，利用扩展卡尔曼滤波（Extended Kalman Filter, EKF）算法对激光雷达定位信息与IMU里程计信息进行融合，进一步提升农业机器人的定位精度。最后，分别在机器人操作系统（Robot Operating System, ROS）的Gazebo仿真环境中，以及真实作业场景中进行实验，验证提出的定位算法的有效性。
［结果和讨论］融合定位方法在仿真环境中的纵向和横向平均定位误差分别为1.7和1.8 cm，而在实验中的纵向和横向平均定位误差分别为3.3和3.3 cm，均小于传统3D-NDT定位算法的定位误差。
［结论］提出的融合定位方法能够满足农业机器人在弱GNSS环境下自主作业的定位要求，为农业机器人提供了一种新的定位方法。
关键词： 农业机器人；激光雷达定位；点云匹配；扩展卡尔曼滤波；传感器融合
文章图片
图1 农业环境的仿真模型
Fig. 1 Simulation model of the agricultural environment
图2 智能割草机器人测试平台
Fig. 2 Test platform of intelligent mowing robot
图3 激光雷达点云的深度图
Fig. 3 Depth map of LiDAR point cloud
图4 激光雷达地面线束示意图
Fig. 4 Ground scanning beams of LiDAR
图5 激光雷达的地面点云分割结果
Fig. 5 Segmentation result of LiDAR ground point cloud
图6 角度聚类原理图
Fig. 6 Schematic diagram of angular clustering
图7 激光雷达点云的聚类结果
Fig. 7 Clustering result of LiDAR point cloud
图8 改进3D-NDT算法流程图
Fig. 8 Flowchart of the improved 3D-NDT algorithm
图9 EKF融合定位流程图
Fig. 9 Flowchart of the EKF location algorithm
图10 仿真环境下农业机器人的定位轨迹
Fig. 10 Localization trajectory of agricultural robot in simulation
图11 仿真环境下农业机器人的定位结果
Fig. 11 Localization result of agricultural robot in simulation environment
图12 仿真环境下农业机器人的定位误差
Fig. 12 Localization error of the agricultural robot in simulation environment
图13 农业机器人定位实验环境
Fig. 13 The environment of agricultural robot localization experiment
图14 农业机器人定位实验环境的先验点云地图
Fig. 14 Prior point cloud map for environment of agricultural robot localization experiment
图15 实验环境下农业机器人的定位轨迹
Fig. 15 Localization trajectory of agricultural robot in experimental environment
图16 实验环境下农业机器人的定位结果
Fig. 16 Localization result of the agricultural robot in experimental environment
图17 实验环境下农业机器人的定位误差
Fig. 17 Localization error of agricultural robot in experimental environment
作者简介
冀杰 副教授
来源：《智慧农业（中英文）》2024年第3期
转载请联系编辑部授权
本期支持单位
推荐阅读
王天一副教授团队：基于景观格局的丘陵山区耕地生态风险评价——以重庆市潼南区为例（《智慧农业（中英文）》2024年第3期）
智慧农业微信交流服务群
发布征集
欢迎在我公众号发布科研团队介绍、创新科研成果及相关活动等信息。
