13、农业机器人定位与汽车部件抓取器的创新研究

农业机器人定位与汽车部件抓取器的创新研究

农业机器人定位研究

在农业场景中，机器人的定位是一个关键且具有挑战性的问题。视觉同步定位与地图构建（SLAM）技术在其中发挥着重要作用。视觉SLAM产生的约束是由算法的视觉里程计部分生成的完整6自由度（6 - DOF）变换，这些变换关联着连续的机器人位姿。其误差函数定义为：
[e_{s_{i,i + 1}} = [(T_{S_{i}})^{-1} \cdot T_{S_{i + 1}}]^{-1} \cdot (T_{i})^{-1} \cdot T_{i + 1}]
其中，(T_{S_{i}}) 和 (T_{S_{i + 1}}) 是SLAM估计的轨迹上两个连续的6 - DOF位姿。

视觉里程计约束的6×6信息矩阵 (\Omega_{s}) 通过对协方差矩阵 (C_{s}) 求逆得到，(C_{s}) 用于建模ORB - SLAM3里程计中车辆位姿的不确定性。通常，我们根据实验结果设置 (C_{s}) 对角线上的值，以获得与真实值观测误差相匹配的协方差矩阵。估计的协方差会根据车辆自前一节点行驶的距离进行缩放，然后用于计算 (\Omega_{s}) 。这种简单的方法可用于任何SLAM或视觉/激光雷达里程计组件。

为了验证所提出的定位方法，进行了一项初步实验。实验使用一辆电动工作车（Melex）在700米长的轨迹上行驶三次，以模拟农业车辆在大面积农田进行农业技术处理时的重复运动。由于电动工作车不能在公共道路上使用，实验在波兹南工业大学校园内进行，选择了以草坪、树木和灌木丛为主的环境，以模拟植被丰富且地标物体相对较少的农业场景。

实验中，使用安装在车辆顶部的带有ZED - F9P模块的Ublox C099