论文部分内容阅读
基于全球导航卫星系统（Global Navigation Satellite System，GNSS）的定位导航技术在半结构化、半开放式农业应用场景的部分区域，可能由于存在作物遮挡而导致GNSS接收信号出现短暂丢失的情况，进而影响机器人定位导航精度，甚至对作物和工作人员造成伤害。针对这一问题，本文开展了农业遮挡环境下的GNSS与惯性导航系统 （Inertial Navigation System，INS）的组合定位方法研究。搭建了用于多传感器定位导航实验的农业机器人系统，该系统由履带式移动平台、GNSS、INS等硬件和ROS（Robot Operation System）操作系统、远程操控界面等软件构成。提出了引入自适应系数的GNSS/INS组合定位卡尔曼滤波算法，当GNSS无法进行差分定位或定位数据产生跃变时，通过自适应卡尔曼滤波能够切换到INS定位，从而实现机器人自身位置、姿态的最优估计。在典型农业遮挡场景（果园）进行了实地组合定位实验，并通过GNSS单通道定位、INS单通道定位、常规卡尔曼滤波融合定位、引入自适应系数的卡尔曼滤波定位等4种定位方法的对比，验证了本文提出算法的有效性。现场实验表明：定位过程中，当100m×20m的实验区域内出现30m×6m的高遮挡区域时，与GNSS定位信息测量方法、INS航迹推算定位方法以及常规卡尔曼滤波组合定位方法相比，自适应系数卡尔曼滤波组合定位方法定位精度分别提升62.1%、48.5%、47.7%。