田间路径识别算法和基于立体视觉的车辆自动导航方法研究

1、浙江大学博士学位论文田间路径识别算法和基于立体视觉的车辆自动导航方法研究姓名：张方明申请学位级别：博士专业：农业电气化与自动化指导教师：应义斌;张勤20060425浙江大学博士学位论文摘要摘要田间农业机器人是提高我国农业自动化的有效手段之一，它能满足未来农业的高产、安全、高效率、环保、农艺高精度的要求。田间车辆的自动导航技术是个首先需要解决的基础问题，本文研究的主要内容是基于机器视觉的田间自动导航系统，包括田问路径识月算法、基于立体视觉的田间环境重构方法和自动导航方法、车辆姿态估计算法，具体如下：）按照生物机器人概念构建田问导航平台。采用的传感器包括立体相机、倾角传感器、转角传感器、编码器、直

2、线位移传感器和偏向角传感器。测控（）系统以机为核心，以测控单元（）为节点，通过通讯使之成为一个有机的整体。软件系统按照面向对象的概念设计，主要组建了图像类、类、姿态估计类、识别算法类和串口通讯类等。）基于机器视觉的田间路径识别的新算法。常规的基于图像分割的算法需要一个确切的灰度闽值，本论文提出的基于相关分析的图像分割算法通过构造小窗口，利用相关系数阈值分割图像。对幅稻田彩色图像，幅玉米地图像的分割实验表明正确分割率高于。我们还提出一系列田间道路模型：带斜边的阶跃模型、梯形模型和多梯形模型。在小波分解算法的辅助下，采用最小马氏距离作为判别准则，实现了由粗到精的快速田间道路识别算法。对幅稻田彩色图

3、像、幅图像的处理结果表明，彩色图像的正确率高于，皿图像的正确率高于。实验还表明该算法对图像亮度不敏感，适合田问路径识别。）基于立体视觉的田间环境识别与导航方法。通过比较多种区域匹配方法，表明、马氏距离等立体匹配方法均可以基本准确地反映出田间图像的视差信息，其中马氏距离方法可以获得最佳的视差图。实验表明需要依据植物叶子的形状设定区域匹配窗口的尺寸。论文研究了提高匹配准确率的方法，即在匹配之前基于小波分解算法提取待匹配区域，在匹配之后，采用了极小次极小的比较方法消除误匹配。实验实现了田间地形的重构，基于立体视觉的导航算法以高程数据为主要特征识别作物行、行的末端，提出了基于立体视觉的综合检测作物行、

4、边缘、行末端的算法。）高精度车辆姿态估计的方法。常规的基于机器视觉估计车辆姿态需要精确地校正摄像头参数，本文基于神经网络的姿态估计方法无需精确的摄像头校正。室内测试的结果是：侧向偏差的为，方差为；偏向角的为，方差为。为获得更加精密的姿态估计数据，构造了多传感器信息融合的模型，并基于扩展滤波算法构建了姿态估计系统，实验表明侧向偏差的为，方差为。关键词：农业，生物机器人，导航，机器视觉，立体视觉，路径识巡姿态估计浙江大学博士学位论文摘要酊鲥，孤缸酗，钒曲姒曲而勰吐卧衄也耐，一也石，“丘恤嘶，趾锄，：）“，咖柚西，“，§仃，删唱船璐黜。（），盯，也，船，船，石，咖）叩雒哪矗粥，船鼯血币山衄

5、锄田叩丘】曲。，咖粼曲血撕，廿，协率也丘一孤粕姐（），嘶叩血勰，曲盯幽玎王，血“即诺如让屺打璐仃鲥吐盯“，船，柚也；，山也柏，锄州血石咖蛐缸曲啪订锄翩呻酣廿粕油矗，。咖鲥鲥吼，）舒谢石嘶跚血啪，锄锄盯嘶血山塑兰查兰堡主兰堡堡苎！墨衄，。】：雒；以，骼，恤，撕呷鼬也删如恤石，仃：西衄，缸，嘶呱浙江大学博士学位论文图、表、符号清单插图清单图大学的一些实验设备图大学的试验台图大学的配备支天线的自动拖拉机平台图一研究所的自动导航车辆图日本研究者的田间自动导航机器人图韩国研究者的自动导航机器人图系统的结构图的不同导航实验平台结构图的导航系统的结构图的果园机器人的系统结构图国内自动导航研究的实验平台图本研

6、究项目的实验平台图立体相机接线方法图电路：原理图与实物图图功能模块测量的传感器数值曲线图一测控系统结构图图的同步触发原理图图类之间的关系图图分辨率为×的田间图像图不同场景的稻田图像图彩色稻田图像的增强图阶跃模型及其应用图小波变换获得的灰度趋势曲线图边缘检测结果图灰度趋势曲线图梯形模型与其应用图作物行的实景图片图基于梯形模型的作物行检测算法流程图一作物行检测结果图动态调整模型宽度参数的方法图晚稻田图像图构造的相关数列对的方法图相关系数曲线图标记图像的结果图干土背景稻田图像的处理结果图玉米地图像的分割结果浙江大学博士学位论文图、表、符号清单图采用大尺寸相关窗口的玉米地图像分割结果图立体视

7、觉测距的三角关系图立体相机的校正图一幅软件匹配的视差图图立体视觉的硬件解决方案图立体视觉应用于自动导航的实例图蔬菜地场景与左图像图基于因子的视差计算结果图基于因子的视差计算结果图基于因子的视差计算结果图基于因子的视差计算结果图基于马氏距离因子的视差计算结果图基于因子的视差计算结果（稻田）图基于和因子的视差计算结果（雪菜地）图基于马氏距离因子的视差计算结果（雪菜地的末端）图基于马氏距离因子的视差计算结果（雪菜地的末端）图图像小波分解算法流程图基于小波分解的改善匹配准确的算法流程图基于极小值显著性的匹配结果图基于最小马氏距离显著性的匹配结果图小波分解尺度对匹配计算量的影响图使用方差预处理后的视差图

8、图视差图图相机坐标系与车辆坐标系图进行匹配运算的点位置图图雪菜地的图像图两种农用车辆模型图一种车辆三轮模型图一种基于与惯导的定位系统图基于多传感器融合的系统框架图基于神经网络测量车辆姿态的方法图用于测试网络权值的流程图图训练误差曲线图估计的结果与测量值的比较图姿态估计实验的方法图一滤波算法流程图图滤波器的估计的侧向偏差与人工测量值的侧向偏差图滤波器的估计的侧向偏差与自动测量值的侧向偏差浙江大学博士学位论文图、表、符号清单表格清单表一国内外田间车辆导航研究成果简表表试验台所用的机电部件技术参数表表机器视觉系统参数表表电路板的技术参数表各单元的用途与技术参数表表各传感器技术参数表表转动控制字节的定

9、义表不同波特率下的传输时间与最长的通讯时间表不同稻田类型的边缘检测正确率表一雪菜地的地形数据表表网络映射表表训练参数设置表浙江大学博士学位论文图、表、符号清单符号清单爿。神经网络每输入量映射的权值空间的长度彩色图像的分量值，峰立体相机自身左右相机之间的距离，称为立体相机的基距，缸）滤波放大电路系数，常数灰度曲线模型与灰度曲线之间的协方差信号（）的近似（原始数字信号）信号（的在第个小波分解尺度下的趋势系数卷积运算的结果图像中心坐标系（以光学中心为原点）的原点在图像坐标系（以左上角为原点）中的坐标值，（像素），刍”！”：，。信号（幻的在第个小波分解尺度下的细节系数两个相关分析数列之间的距离变换的数

10、字读数值转向轮处于正中位置的变换的数字读数值马氏距离立体相机测量所得的目标物体的视差值，（像素）视差的最小极限值视差的最大极限值（立体）相机的镜头焦距，（珂）如，。皿，皿。血见。一，立体相机的参数，只，习斯，（像素）小波高通滤波器彩色图像的分量值，小波低通滤波器观测矩阵图像处理部分的图像高度，（像素）图像处理部分的子窗口的高度，（像素）多光谱相机的色度彩色图像变换为灰度图像之后的亮度（或灰度）灰度曲线数据灰度曲线模型的灰度参数：高水平灰度，酗灰度曲线模型的灰度参数：低水平灰度，¨。日。日。，。研。，。，。是小波变换到最大尺度时的灰度曲线模型的灰度参数。正灰度曲线模型数据多光谱相机的亮

11、度模型对状态量的一阶导数浙江大学博士学位论文上（）图、表、符号清单模型对辅助状态量的一阶导数时刻的增益矩阵前后轮之间的纵向距离，（）数据个数多光谱相机的通道的灰度时刻估计时刻的状态估计量的协方差对当前时刻的状态估计的协方差一时刻对时刻的状态估计的协方差彩色图像的分量值，立体相机测量所得的目标物体的深度值，（）朋翼，尸（七十曲尸（七曲尸（七）（曰）。（刃（）以相机坐标系的轴为旋转中心的旋转矩阵以相机坐标系的轴为旋转中心的旋转矩阵以相机坐标系的互轴为旋转中，趣的旋转矩阵辅助状态量的协方差从图像坐标系到立体相机坐标系的变换矩阵小波变换的尺度用因子计算的立体图像相似钡度的最小极值用因子计算的立体图像相

12、似测度的次小极值用因子计算的立体图像相似铡度的最大值用园子计算的立体图像相似测度用因子计算的立体图像相似测度编码器测量所得的左驱动车轮的增量行程，（）多光谱相机的饱和度编码器测量所得的右驱动车轮的增量行程，（）表达两个最小极小值的接近程度的系数，品和占的通称，它们被看作是辅助的状态变量左右轮之间的横向距离，（）（立体）相机的每单位像素的物理尺寸，（）（】）。啊。觋。品（）矿，阡，矾，灰度曲线模型的宽度参数，（像素）形。，呢。，睨。经小波分解后，粗灰度曲线模型的宽度参数矸名女。庐似图像处理部分的图像宽度，（像素）神经网络的权值图像扫描行位置处的灰度曲线模型宽度参数，（像素）灰度曲线模型宽度参数的

13、递增系数，像素）小波尺度函数在车辆坐标系中，相机距车辆中心点的距离删，越（，】：。是一组用于相关分析的数列对侧向偏差状态量，（）浙江大学博士学位论文图、表、符号清单（）（）时刻的状态量时刻的状态量对当前时刻的状态估计（七）（一）时刻对时刻的状态估计（）时刻对时刻的状态估计。，匕，。（立体）相机坐标系，（）图像坐标系（左上角为坐标的原点），（像素）车辆坐标系，（）时刻的观测量神经网络的参考输出神经网络的输出用因子计算的立体图像相似测度用因子计算的立体图像相似测度相机的俯视倾角相机的横向倾角相机的纵向偏向角神经阿络权值的训练误差第个量测时刻所受到的零均值随机噪声时刻作用于系统的零均值随机噪声，称为

14、模型噪声转向轮的转向角度，（。）车辆与道路之间的偏向角（。）偏向角状态量，（）左编码器测量增量行程的标准差右编码器测量增量行程的标准差转角传感器测量值的标准差视觉系统计算的测向偏差值的标准差视觉系统计算的偏向角值的标准差，），瓦，（），赫女，。孓蛾。孝州）占巾（曲盯。盯。姆窖硫。盯塑兰查兰苎主兰竺笙兰相关缩略词缩略词全称“佃舱璐廿日搏钮西嘶彘咖啵目血删锄忸丘坩】，螗血撕疵嘶盯衄撕衄谢咄望：查：笙兰翌兰中文含义维维维非路面设备自动化技术电荷耦台器小脑模型控制器重心差分全球定位系统电子测控单元光纤陀螺仪全球定位系统惯导单元马氏距离近红外位置、姿势位置、速度位置、速度、姿势均方根实时运动学像素灰度差

15、绝对值和像素灰度差平方和标准偏差零均值归一化交叉相关零均值像素灰度差平方和和浙江大学博士学位论文第一章绪论第一章绪论本课题研究的背景和意义我国正处于农业生产机械化的加速进程中。截止于年的统计数据表明【】，主要粮食作物的机械化耕作、播种、收获的比例已经达到，。其中小麦的机械化播种率为，收获率为；水稻的机械化种植率为，收获率为；玉米的机械化播种率为，收获率为。其中有个省的机械化率超高。强劲的社会需求是农业生产机械化的一个重要的推动力：在我国农业产业人口急剧下降、小规模生产成本升高的社会背景下，机械化生产是降低农业生产成本的一条有效途径，这在我国表现为联合收割机跨区作业的生产方式。因此，最近年来，我

16、国农业机械市场非常繁荣。在我国，农业机械化是作为一项产业进行发展的，种植业农户与农机户构成农业生产产业化的主体，目前这个供需市场已经处于稳定的发展阶段。为此，我们在浙江省嵊州市对部分种植农户和农机户进来了调查。据了解，国外品牌的全喂入式收割机是双方比较认可的收割工具，能满足两方面的需求：粮食浪费少，作业速度高达，故障率少，能持续个月。由于我国农田的单块面积小，因此需要不断地停车、倒退、转弯（按田块尺寸计算，平均约需要转弯），加上作业时间长达数月，因此机手长期处于高度紧张状态，由此带来有关安全的新问题。发达国家的农业机械化进程比我国早年，他们较早开始田间农业机械的自动化研究。比如，美国的研究者从

17、上世纪年代初就开始了基于计算机视觉技术的田问拖拉机自动导航的探索研究”。农业车辆的自动导航的研究是以提高生产效率、提高农艺水平、改善劳动环境为目的的。比如自动导航果园喷药车”、自动中耕机【”、自动插秧机。到年代，随着环境保护问题得到重视，田间车辆的自动导航被提升到一个迫切需要解决的基础研究课题。比如为了降低除草剂的使用，开始使用自动控制的机械式除草拖拉机口一。美国的学者认为：广泛地利用自动收获机械在不久的将来是经济上和技术上均为可行的一个方案例。田间车辆的自动导航系统具备广阔的应用前景。数字农业是世纪农业发展的方向，国内外对此投入了大量的人力、财力进行研究。然而数字农业需要庞大的数据库支撑，尽

18、管宏观数据可以由遥感技术获取，而微观数据，包括土壤的养份含量、水份含量、植物的生长信息、病虫害情况等，当前只是由基层人工采集，数据量少而且采集的自动化程度低。只有在快速、高效、实时采集田间信息的基础上，才能确保数字农业的实现，而自动导航系统可以为数字农业提供研究和采集数据的载体平台。国外田间农业机械自动导航研究的现状发达国家对田间农业机械的自动导航的研究非常重视，美、欧、日、韩等国投入巨资开展此项研究，全球著名的大学也投入此项研究中。此项研究属于机器人领域，涉及的技术面广，而且在非路面条件下路径的识别、姿态的估计、车辆的控制比较复杂，目前有这方面的国际学术组织“研。昏（）”，该组织每两年召开一

19、次年会。国际上的浙江大学博士学位论文第一章绪论主要研究团队不仅有农业工程领域内的美国大学、德国大学、法国大学、英国研究所”、瑞典大学、日本北海道（）大学”、东京大学【”、日本国家农业研究所、韩国农业工科研究所和韩国江原大学，而且也有非农业工程领域的西大学和大学。下面就北美、欧洲、亚洲的顺序，做一次田间自动导航研究的回顾。删（大学香槟校区）的研究小组是较早从事田间车辆自动导航研究的小组之一。其研究的内容非常广泛，几乎应用了各种传感器：近红外相机【”、多光谱相机”、立体相机捌、超声波、【】、激光陀螺仪口等，并较早开展了多传感器信息融合的研究，】和车辆自动控制的研究”。他们在大豆口“、玉米、棉花等田

20、问进行了多项实时实验研究，已经实现了田间自动驾驶的目标。提出用曲变换提取作物行的参数”；指出近红外相机成像特别有利于把作物区从背景中分割出来【，并提出用动态阈值的方法分割图像；血。提出用特征量匹配的方法估计车辆的姿态【删；应用多光谱图像的（）、（）、（）三个波段构造作物区的特征幽】；对立体视觉应用于自动导航做了探索性的研究口”，指出可以利用视差图中的特征提取作物行信息；鼬的延续研究实现了作物行的重构田】。图是该研究机构所用的实验拖拉机之一及立体相机。：嘀：（）廿叫（）咖图大学的一些实验设备：（）拖拉机：（）立体相机的学者对多传感器信息融合做了广泛而深入的研究。对多传感器（、光纤陀螺仪）信息融合

21、的研究表明”：多传感器数据融合能使的定位精度提高到。信息融合后，系统的偏向角预测误差从降低到。的实验表明”“，为主、为辅的导航方式能提高姿态估计的精度。的研究采用和口”，获得的平均侧向偏差为。的学者对拖拉机的自动控制也做了广泛而深入的研究。和（）研究了高速状态下的拖拉机的动力学模型口”，并且指出若忽略操纵机构的动力学特性，导航控制器在车辆高速时可能会不稳定。实验采用导航，电液比例阀控制，车速为“。（）阐述了轮式拖拉机的模糊电液控制方法。西大学的学者们是目前世界上机器人研究领域中最为杰出的一个群体，早在年代中期，他们组成了一个自动地面车辆研究小组，主要研究自感知的轮式机器人，他们的研究始于使用黑

22、白相机的车辆道路自动跟踪实验。最初的机器人名叫，行走速度只有，图像处理速度只能达到曲，但已经成功实现道路跟踪功能。和的自动收获机器人（，图）的研究始于机器视觉识别收获作物的边缘【】，他们用彩色相浙江大学博士学位论文第章绪论机的分量比构成收割作物的边缘特征，然后用一个阶梯模型识别边缘，并提出了用阴影补偿的方法剔除车辆本身投影干扰边缘识别的问题】。此后，他们小组的其他成员又补充了导航系统。据称，机器人是最早实现导航的真实环境收获作物的系统，其最高实验车速已经达到。此外，还试验用两轴激光扫描测距传感器获取田间的数据，其检测范围为车辆前方的。大约每秒有个扫描循环，为获得测距图像需要。在皿内，分辨率为厘

23、米级，田间试验表明割未割的边缘很容易被检测出来。其缺点是测量频率低，价格高，可靠性较差。此外，他们又使用拖拉机（马力）构建了另一台农用机器人。软件系统具备先训练学习、后重复功能，即当人驾驶拖拉机时，记录下轨迹；当人离开后，拖拉机能按照记录的路径自动行驶，同时，立体相机检测前方的障碍物。当检测到障碍物时，需要把障碍物的表面距离数据输入到一个神经网络作识别。然后运用无线网络传输的远端，由人来处理是否要避让此障碍物。：锄时嘧画商图锄画大学的锄盯试验台大学的研究者着重对基于导航的自动控制系统开展了研究。使用拖拉机作为实验平台，配备了支天线（图），用相位差分（盯脓）技术精确计算车辆的姿态。实验表明该模型

24、能在深耕作业状态下保持空载时所得到的定位精度。等使用低价位（惯性导航）、雷达和，高精度的主要用于校正的漂移”，使用扩展滤波器作数据融合，试验结果表明矾的导航精度提高到，航位推测的精度达到侧向偏差小于。（）在超过。斜坡上实验”，轨迹的平均误差只有，平均侧向偏差为。在任意丘陵地形下的实验表明，依敕能建立高精度的地形图。在基于视觉的自动控制实验中，运用运动学模型，当实验车速为，实验结果和仿真结果重叠。在斜坡上的实验中，引入比例环节和积分环节，当斜度为时，实验精度小于。一：仃油柚肌躲工曙畸图大学的配备支天线的自动拖拉机平台英国研究所的、和从精确农业的角度一农作物保护，开展了浙江大学博士学位论文第一章绪

25、论自动导航的研究，使用除以外的所有传感器【，着重研究了基于机器视觉为主的自动导航系统，建立了田间车辆的扩展滤波器模型（基于位置、速度的模型）【卵”。早期的研究使用了实验车辆（图（），后来对锄草拖拉机进行了自动控制的改装（图（），田间的实验速度达到州，实验的精度为侧向偏差小于，平均偏差在士之内。采用了曲变换提取作物线】，并用偏向角剔除伪直线参数，其图像处理的频率为，用评价的典型误差为侧向偏差小于，偏向角小于。提出用田间图像的虚交点作为导航目标的方法“。提出用图像个边角点结合查表的方法加快图像的处理速度”。根据采样灰度俐，用软件控制相机的积分时间，从而保证稳定的图像分割，然后通过寻找作物行中少数特

26、征点来确定作物行的位置。提出用带通滤波器匹配小麦行”，实验结果表明误差为。针对甜菜生长初期的特征不够明显，识别过程容易受到杂草的干扰，提出带负值的带通模板【“，实验结果为除草的偏差不超过±。（）（】：锄【：（）七；（）口谢衄图研究所的自动导航车辆：（）试验台；机械式锄草拖拉机田问自动导航也在欧洲其他研究机构获得广泛的研究。研究了使用正弦函数模型匹配灰度图像去寻找作物行中心线位置的方法。昭和用彩色分量之间的数值运算结合变换提取作物线”。日使用色彩分量之间的数值运算提取作物行的特征”】。实验车速为，精度为±。仃用图像分割、曲变换方法识别甜菜行”，田间实验精度为侧向偏差：。对彩色

27、分量之间进行数值运算（×）】，然后用灰度重心确定作物的位置，最后用曲变换提取作物行参数。和等所在的法国唧大学研究小组综合运用了机器视觉和，尤其从多特征的角度识别作物行、己割未割边缘特征。提出用处理收害日作物的边缘识别问题”。还用激光扫描器获取作物的收割边缘【”，用一个预先设定的距离阈值消除尘土的干扰。在车辆的控制方面，运用运动学模型研究自适应控制，当收割机的仿真试验速度设为，且设初始侧向偏差为，阶跃响应的时间小于，误差在之内；对于崎岖不平的地面，收割机的仿真试验速度为，阶跃响应的时间为亚洲的研究重心在日本和韩国。日本的研究机构对自动导航系统进行了深入的研究。日本北海道大学（）在这方面

28、的研究非常活跃研究内容既深入叉广泛。传感器应用方面（图）：安装激光扫描传感器于果园机器人的前部位置【切，使用曲变换获取车辆的相对姿态，果园的实验表明，侧向偏差的误差为。偏向角的误差为；。浙江大学博士学位论文第一章绪论应用（卡，一）和（）一，用于测量目标方位角，并逐次修正的测量值；应用（）修正（）的定位数值删，补偿倾斜造成的定位误差，精度从提高到；应用陀螺和，用高精度的陀螺传感器提高的导航精度：应用和口”，首先基于最小均方差的算法估计每一次测量的漂移，再应用舢滤波算法检测车辆的绝对偏向角，其在田间自动插秧机的导航实验表明其误差只有。类似的多传感器系统还有：基于和的滤波器模型口”，的数据作为车辆姿

29、态的观测量，使用滤波器修正的漂移，估计车辆当前时刻的精确姿态，实验结果为东珏方向精度±，南北方向精度±。单导航传感器的研究。使用作为导航传感器的拖拉机”，精度达到。使用超声波测距传感器和最小二乘法估计车辆的姿态口，并运用模糊控制器，实验结果为：侧向，方向角。一主多从的机器人群应用测距传感器口】，主收割机由人操作，而从机只由计算机自动控制。主机配备了台近红外接收器，从机配各了台超声波（）接收器和近红外发射器。把只超声波传感器竖立在一垂直的杆上（图）“，测量车辆与果树之间的侧向距离，以此测量值导航，获得的精度为。图像处理方面。等（）运用图像的变换【首先是离线训练，然后再在线用查

30、表法分类各个像素，分割作物与背景。这个方法在插秧机的应用中，取得的实验结果为偏移量误差小于，偏向角误差小于。【研究基于机器视觉的插秧机自动导航系统（图）”，使用变换算法提取导航线参数，用实验的方法获得两个控制转向角的参数。利用水稻之间的分布呈格子形状，提出了一种使用模板匹配的方法测量车辆的位置（图）【】。控制方面的研究。研究神经网络在农业机器人的控制应用【”。输入量为转向角、转向角的变化量、，方向的速度和偏移率：输出量是方向的速度和偏移率。研究应用神经网络建立车辆的控制模型，运用最优控制理论控制车辆”。研究斜坡地形条件下的自动导航方法州，结合遗传算法和网络，训练出车辆的模型（输出为速度失量），

31、使用两级控制算法，平均偏差为，标准差为。浙江大学博士学位论文第一章绪论（）（）：矗缸：（）啦【硝畸；嘞订曲“曲；（）；（）垴锄踯图一日本研究者的田间自动导航机器人：（）的机器人；（）的自动插秧机；（）的果园机器人：（）稻田管理机韩国研究人员的成果不亚于日本。果园喷药机器人是符合韩国国情的研究项目，这方面的研究有：汉城大学的等、江原大学的等。采用了黑白相机寻找果园内路径，同时采用了超声波传感器检测障碍，应用模糊控制算法，输入量为机器视觉感知的前进方向和超声波测得的距障碍物距离值，输出控制信号是液压油缸的移动方向和其动作时问，车辆行走速度为。利用韩国常见的果园内的项部钢丝架构成导轨，导轨与喷药车之间采用一根绳子感受车辆偏移导轨的程度（图卜），在实验速度为的条件下，果园内的实验表明车辆能平滑地沿直线、曲线轨道前进，该机器人的另一个特点是采用了高速的网络（图），快速采集左右履带轮的转速、导向绳子的偏转角度、车辆的倾斜角度，并快速控制左右履带的速度差。已经开始用视觉传感器获取路径的研究，首期的研究采