29、基于视觉的多辆农业车辆前车轨迹跟踪系统研究

基于视觉的多辆农业车辆前车轨迹跟踪系统研究

1. 引言

在农业作业中，多辆自动驾驶车辆的协同作业能够显著提升劳动密集型任务的执行效率，例如运输、犁地、播种、施肥、喷洒和收割等。目前，已有不少研究关注多辆机器人车辆的同步控制问题。

比如，人类驾驶员可以作为领导者，对多台苔藓收割机器人拖拉机进行指挥和监控。为了在复杂路况下实现导航，自动驾驶的跟随拖拉机能够根据领导者的指令，改变与人类驾驶的前车的编队形式，从而避开障碍物。此外，还开发了 FOLLOW 和 GOTO 算法，以灵活控制多辆车，使其既能编队行驶，也能独立运行。

在农业作业场景中，由一辆自动驾驶或人类驾驶的前车带领一辆或多辆跟随车的作业方式较为常见。在户外农田环境下，跟随车沿着与前车相同或平行的轨迹行驶十分重要。例如，在狭窄且有障碍物的道路上行驶时，为了安全起见，跟随车可以与前车排成一列；而在农田作业时，跟随车与前车平行编队，沿着平行轨迹行驶，能够避免作业区域的重叠或遗漏。

为实现精确跟踪，一些研究考虑了前车的运动信息，如转向和速度等。然而，通过无线设备向前车传输运动信息存在无线信号分布不均或故障的风险。为解决这一问题，有研究基于本地传感器估计前车的位置和速度，并设计了基于神经网络的扩展卡尔曼滤波器来估计前车速度和处理建模误差。还有研究结合 GPS 定位，建立了时间延迟的前车跟踪模型，取得了出色的跟踪效果。

不过，绝对传感器（如 GPS）在跟踪任务中并不适用，因为它们可能会丢失卫星信号，且容易受到多径干扰。相比之下，相机和激光测距仪等本地传感器是更好的选择，已成功应用于室内和室外的跟踪任务。其中，相机视觉成本较低，能提供比激光测距仪扫描更多的信息，因此被广泛用于导航、地图绘制和跟踪。 <