农业机械导航关键技术发展分析

张琳洁，张文爱，韩应征，周建军，王　秀，蔡吉晨

(1.太原理工大学 信息工程学院，太原　030024；2.北京农业智能装备技术研究中心，北京　100097：3.国家农业智能装备工程技术研究中心，北京　100097；4.农业部农业信息技术重点实验室，北京　100097；5.农业智能装备技术北京市重点实验室，北京　100097；6.中国农业大学 信息与电气工程学院，北京　100083)



农业机械导航关键技术发展分析

张琳洁1,2，张文爱1，韩应征1，周建军2,3,4,5，王秀2,3,4,5，蔡吉晨2,6

(1.太原理工大学 信息工程学院，太原030024；2.北京农业智能装备技术研究中心，北京100097：3.国家农业智能装备工程技术研究中心，北京100097；4.农业部农业信息技术重点实验室，北京100097；5.农业智能装备技术北京市重点实验室，北京100097；6.中国农业大学 信息与电气工程学院，北京100083)

摘要：自动导航技术是农业机械在农业环境中进行自主控制和智能控制的关键技术，对农业生产精细化、规模化、智能化研究有着重要意义。为此，首先介绍了农业自动导航的关键技术，并通过分析国内外文献，阐述了国内外在导航感知系统、导航控制算法和车辆转向控制系统方面的研究现状，最后指出农业机械自动导航技术的发展趋势和展望。

关键词：农业车辆；自动导航；智能控制

0引言

农业机械自动导航技术是现代精准农业的一个重要组成部分，在农业作业中有着广阔的应用和发展前景。随着信息技术的发展，农业机械自动导航技术发展迅速。农业机械自动导航技术的实现有利于提高劳动生产效率、降低驾驶难度、提高作业质量、解放劳动力，对农业车辆的智能化、农业生产的精细化有重大促进作用。

1导航关键技术介绍

农业机械自动导航系统的关键技术主要包括3个方面：导航感知系统、控制决策系统及车轮转向控制系统。其中，导航感知系统主要是利用导航传感器对农业机械进行精确定位，目前国内外常用的导航方法有：GPS、机器视觉、惯性导航单元，以及多种传感器融合的组合导航单元和其它导航方法。导航控制决策系统主要是选择合适的控制算法，对车辆的转向进行控制，调节车辆的车轮转角以减少行驶路径与预定义路径的偏差[1]，常用的控制方法有：PID控制、模糊控制和神经网络控制等智能控制方法、最优控制方法，以及多种方法相融合的控制方法[2-3]。车辆转向控制系统常用的控制方法有：电机驱动控制、液压控制阀组系统及在上述控制方法中加装其它控制模块的控制方法。自动导航系统结构如图1所示。

图1　自动导航系统框图

1.1导航环境感知

1.1.1机器视觉

机器视觉(machine vision)是利用计算机和工业摄像机模拟人类视觉功能的科学方法。在导航控制系统中，视觉传感器主要是识别路线和检测障碍物及检测农业机械车辆相对目标作物行的位置和航向，使农机完成路径跟踪的自动驾驶作业或实现农机避障的驾驶作业[3]。机器视觉检测范围大，容易得到丰富的目标信息，系统的成本较低；但由于农田作业环境复杂、多变，导航过程中机器视觉精度较难控制且视觉系统要求农业机械的行驶速度较慢，对作业车辆的驾驶要求也较高。同时，视觉系统在数据处理时较难与车辆的行驶同步进行，系统的实时性较差。

1.1.2GPS定位系统

全球定位系统简称GPS，是一种可全天候工作的定位系统，由围绕地球轨道运行的24颗导航卫星组成。安装在导航车辆上的GPS系统能提供车辆的三维空间位置信息[4-5]。该方法是将1台GPS接收系统(由GPS天线、无线电台、接收机，电源等组成)安置在地面基站进行观测，将GPS移动站(由GPS天线、接收机、电源等组成)放在导航机械上，农机行驶时根据基站已知精密坐标，计算出基站到卫星的距离修正数，获得农机的相对坐标。导航作业中大部分采用RTK-GPS(Real-time kinematic GPS)差分GPS技术，即用附加的差分修正信号改善GPS定位精度。目前，GPS自动导航系统产品较多。其中，美国作为研究GPS自动导航最早的国家，产品较为成熟，以美国Trimble(天宝)的产品市场占有量为最大[6]。

1.1.3惯性导航单元

惯性导航单元(INS)是一种以利用惯性元件来测量车辆加速度的自主航位推算导航系统。通过导航传感器，利用积分和运算得到导航农机的速度和位置，达到对车辆导航定位(主要是车辆航向角)目的的一种导航方法[7-8]。惯性导航系统通常由惯性测量装置、转角传感器等组成。惯性测量装置(又称惯性测量单元)包括加速度计和陀螺仪。其中，加速度计测量车辆的航向信息及陀螺仪行程导航的坐标信息；惯性导航单元可以提供速度、航向和姿态等信息。惯性导航系统短时间内精度较高、稳定性好、不易受干扰、鲁棒性较强，但系统误差随时间累积精度逐渐降低，一般与其他导航单元结合使用，不单独进行导航定位。2013年，西北农林科技大学的魏少东、陈军等[9]设计了基于GPS和惯性导航的果园机械系统，以GPS和陀螺仪作为导航传感器，开发自动导航系统，以福田欧豹拖拉机为实验平台，并对各系统单元进行了测试，表明系统具有较高的可靠性。

1.1.4组合导航单元

单一的导航系统常常不能满足现代农业机械的导航定位的精度要求，而组合导航定位系统精度较高、成本低廉，常将不同传感器信息互相融合，相互弥补，利用算法构成一种冗余度和准确度更高的多功能系统。其中，常用的融合算法主要有Kalman滤波、航迹融合法、模糊推算方法及神经网络法等方法。中国农业大学的陈艳等[10]在以GPS 和机器视觉的组合导航定位方法为导航感知方法下，采用一种较优化的算法UKF滤波法对传感器数据进行了滤波。实验结果表明：滤波后系统的定位曲线较平滑，定位精度和稳定性都有了提高，提高了导航系统的鲁棒性。其它的常用导航定位方式有电磁导航、机械导航、超声波导航及激光导航等。

1.2导航控制决策

1.2.1PID控制

PID(Proportional Integral Derivative)是一种常用的控制算法，主要利用偏差信号的比例、积分和微分算出控制量进行系统调节，是连续系统中技术成熟、应用最为广泛的一种控制器[11]。当无法获得系统有效的参数时，可选用PID控制技术。在模拟调节系统中，PID控制算法的一般表达式为

(1)

其中，u(t)为控制信号，e(t)为系统偏差信号。在导航控制中，u(t)为导航作业车辆的驱动信号，e(t)为导航作业路径和预定义路径的偏差信号，KP、TI、TD分别为比例系数、积分系数和微分系数。实验中不断对这3个系数调整，直到达到满意的控制效果。PID控制算法简单、易于掌握、鲁棒性较强、稳态误差小，但由于没有完全参照的参数调节的系统，在实际应用中主要依赖工程经验，使系统在控制优化时比较困难[12]。

1.2.2模糊控制

1965年，美国教授查德(L.A.Zandeh)首次提出模糊集合这一概念。模糊逻辑控制(Fuzzy Logic Control)简称模糊控制(Fuzzy Control)，作为智能控制的重要分支利，用模糊化逻辑推理和模糊化语言在解决诸如导航控制这些不易建立数学方程的复杂的非线性问题有着独特的优越性[13]。一般的模糊控制系统主要由变量、模糊规则、逻辑判断及反模糊化等部分组成。导航控制中的模糊控制器结构如图2所示。

自动导航控制系统中，车辆行驶时以行驶路径与预定义路径的偏差信号(横向偏差、偏差变化率或航向偏差)作为模糊控制输入，根据模糊规则进行模糊判断，多以前轮期望转角作为输出。其中，模糊推理是模糊控制器的核心，由蕴含模糊逻辑推理的模糊先验知识组成[6]。模糊控制规则一般由专家的经验知识获得，再根据被控对象的行为作业特性由自然语言变量所表达的模糊条件语句组成。在模糊控制系统中，模糊控制规则在快速调节系统误差的同时可保持系统的稳定性及优化系统。

模糊推理系统的设计类似于人类的模糊思考过程，不依靠受控对象的模型，与人的思维模式相似；但其缺乏自学习和自适应能力，相当依靠专家或操作人员的经验和知识；且在零位附近跟踪误差一般比较大，难以快速修正。因此，可在控制过程的不同阶段，对模糊控制器进行自动调整，设计自适应模糊控制导航算法。

图2　导航模糊控制结构图

1.2.3神经网络控制

人工神经网络(Artificial Neural Networks)简称神经网络(Neural Networks)，是一个高度非线性动力学系统。神经网络是由处理单元组成的一种运算模型，对于不需要精确的数学模型的工程问题，在处理时可通过模拟人的智能行为，解决系统的不确定性、非线性问题[14]。在车辆航向控制中，不仅要考虑当前的航向角，还要考虑车辆的前轮转角。因此，选择航向角和前轮转角作为神经网络的输入，在导航控制时通过前轮转角纠偏控制车辆按预定义路线行驶，输出目标前轮转角，通过目标转角和实际转角的比较，得到纠偏所需的前轮转角，达到控制目的。

1.2.4多种控制技术融合

导航控制是一个复杂的控制系统，很多时候单一的控制方法不足以满足导航环境要求，常将多种控制技术融合。西北农林大学的白晓鸽、陈军等[15]在基于导航传感器的基础上，为优化模糊控制中输入量的隶属函数，融合人工神经网络设计了双输入单输出的5层模糊神经网络控制器；设计的控制系统可以利用神经网络的自学习功能获得隶属度函数和模糊控制中的模糊化控制规则，对导航系统的各个参数的权值不断优化调整。实验证明：该系统能很好地进行导航控制，实验误差平均控制在4cm内。

1.2.5其它控制方法

其它常用的导航控制方法有基于动力学模型的控制方法和基于运动学模型的控制方法。其中，动力学模型的控制方法将导航车辆的转向受力情况和负载等问题作为考虑因素进行控制；运动学模型的控制方法是基于简化四轮导航车辆为两轮运动系统进行控制的方法[14]。

1.3车辆转向系统

目前，根据对相关资料和国内外成型产品的研究发现，导航车辆的转向方案大致分为两种类型：一种通过加装电机(步进电机、直流电机、伺服电机)作为动力源直驱，通过控制电机的转向和转速实现自动转向；二是利用拖拉机液压转向系统并联一些液压控制阀，通过控制液压阀组的节流口大小来实现自动转向(如美国天宝公司的液压阀块)。

1.3.1电机系统控制

电机控制系统安装在导航车辆的方向盘上，主要由计算机、伺服电机、电机驱动器、编码器及方向切换装置等组成。具体工作过程是：计算机根据控制决策发送控制指令到电机驱动器，电机驱动器与直流电机相连，按照需要调整的转速转动，实时调整方向盘转动，使导航车辆按照预定义路径行驶。

1.3.2液压阀组控制

液压阀组控制系统是指在农机的液压转向系统上并联导航阀组，导航阀组主要是由三位四通比例流量换向阀、压力补偿器等构成[9]。液压系统在合适的压力基础上建立，通过上位机发送PWM信号或电流信号驱动被测液压阀；被测阀的状态变化引起各个油口压力、流量变化，由换向阀控制转向的方向。

2国内外研究现状

2.1导航感知研究现状

1998年，Illinois大学的Noguchi、JF Reid等[16]以机器视觉、RTK-GPS和GDS传感器为导航感知单元开发了自主导航系统，以扩展Kalman滤波和两维概率密度函数的静态滤波方法对导航传感器进行了融合；并通过不同的组合方式，用这3种传感器相互结合建立了4种控制策略。在以JohnDeere7800拖拉机为实验平台的实验中，以基于RTK-GPS和GDS作为导航感知的组合的控制效果较好，平均偏差为7.4cm。

在Florida大学的Subramanian和Thomas F. Burks[17]领导下，针对GPS信号在柑桔林里经常被遮挡的情况，进行了基于机器视觉、激光雷达和旋转编码器的自动导航系统的研究,该系统的导航车辆可以在果林里进行相对稳定的自动行驶。在导航车辆以3.1m/s的速度沿着弯曲路径行驶时,达到了2.8cm(machine vision)的平均误差精度，和 2.5cm(Radar)的平均误差精度。

在导航作业时，视觉导航过程中杂草对导航线提取会产生较大影响。Halmstad大学Astrand和Baerveldt[18]以机器视觉为导航传感器，提出了作物行识别算法，设计了杂草识别和自动导航两个可独立作业的机器视觉系统，在导航过程中可减小杂草的影响。实验结果表明：该系统在独立完成杂草识别和导航作业的基础上，可以在杂草比较多的条件下进行视觉导航作业且导航作业，且能达到6cm左右的精度。

AkiraMizushima和Noguchi[19]等开发了一种由3个振动陀螺仪、2个倾角计和DGPS组成的较为低廉的导航传感器。在实验中，用GPS采集导航车辆的位置信息，用陀螺仪对车辆行驶时震动的偏移进行估计，以减少偏移量对GPS精度的影响。经过陀螺仪修正后，提高了GPS系统对导航车辆的定位精度，能够提供导航车辆倾斜以及航向角修正等位置信息。在田间、斜坡地和粗糙的路上进行的实验表明：该系统可以得到较好的导航作业精度。

我国农业自动导航技术近年来发展迅速，如中国农业大学的吕安涛和宋正河等[5]搭建了以GPS、陀螺仪和磁罗盘融合的自动驾驶系统。在该系统中，利用Kalman滤波技术对导航传感器进行融合。该系统在电液自动操作平台下，加装了传感器通信装置，在实验中由计算机进行控制。同时，分别对系统中设计的自主驾驶、人工驾驶和人工辅助驾驶、遥控辅助驾驶4种驾驶模式进行了实验，实现了车辆的自动驾驶。

针对我国的农机特点，华南农业大学的罗锡文、张智刚等[20]以RTK-GPS为导航传感器设计了自动导航系统。该系统以东方红X-804拖拉机为硬件平台，在控制系统中用PID算法对导航系统进行控制。田间试验时，对拖拉机以不同的行驶速度行驶时的偏差进行了记录，当速度为0.8m/s时,最大误差不超过15cm,平均跟踪误差不超过3cm。自动导航系统作业时，GPS信号会偶尔丢失，影响导航作业，针对这一问题，张智刚等[21]开发了基于DGPS 和电子罗盘的导航控制系统。同时，以久保田插秧机为试验平台，分别对车辆直线和曲线追踪，结果表明：当以0.33 m/s的速度进行圆曲线路径跟踪时，平均误差为4 cm，最大误差8cm;以0.75 m/s的速度进行直线路径跟踪时，平均误差4 cm，最大误差 13cm。

CAN(Controller Area Network)即控制器局域网，是目前工程领域中应用最广泛的开放式现场总线之一。南京农业大学的周俊等[22]以CAN总线为控制方式，自行设计了四轮驱动、四轮转向的农业机器人移动平台。该平台以单目机器视觉为导航感知单元，在此系统上,开发了基于多线程的导航系统软件，在田间的作物行跟踪实验,验证了整个系统的可行性和可靠性。

基于机器视觉和GPS导航传感器的特点，2011年中国农业大学陈艳、张漫等[10]融合GPS和机器视觉，研发了组合导航定位方法。其以电瓶车为平台，通过机器视觉获取导航基准线、通过GPS获取电瓶车的绝对位置信息、航向角度和行驶速度；采用 UKF(unscented kalman filter，无迹卡尔曼滤波) 滤波器对导航基准线信息和电瓶车的位置信息进行融合滤波。试验表明：使用组合导航后，解决了视觉信息丢失时导航系统无法作业的问题，系统的精度和稳定性提高，能够满足自动导航系统要求。

2.2导航控制算法研究现状

在自动导航系统中，导航控制器将导航偏差信号经过导航控制算法决策后得到期望转角信息，通过转向机构控制导航车辆自动行驶。

Benson、Zhang Q等[23-24]以小型谷物联合收割机为实验平台，研究了基于机器视觉为基础的导航系统。在该自动导航系统中，应用PID控制算法控制前轮自动转向，实验中对PID系数进行了整定：当积分控制系数为0.075、微分控制系数0.15、比例控制系数为1.36时，取得较好的控制结果。

Qiu Hongchu等[21]采用RTK-GPS和FOG作为位姿传感器,对车辆转向系统和动力学系统进行建模,分别在基于动力学和几何非线性动力学基础上，研究开发了两种车辆模型，并进行了仿真。结果表明：几何非线性动力学模型精度高于动力学模型精度。在此基础上，设计了拖拉机的自动转向控制器和导航控制器：当拖拉机行驶速度为3m/s时，平均偏差为10cm;当行驶速度为1.5m/s时,平均偏差为5cm内。

导航控制系统中，单一的导航控制算法常常不能满足复杂的导航系统要求。Nuguchi等[25-26]融合了神经网络和遗传算法，在农业自动导航车辆系统研究中，研究了具有自学习能力的控制系统；经过大量模型训练后，采用5-5-5-3的神经网络结构，根据不同的约束条件进行导航线优化。实验证明：该系统具有很好的控制效果，能稳定地进行导航作业。

西北农林科技大学的陈军等[27]通过对车辆运动状态的线性化,设计了基于车辆运动学模型的导航控制算法，在牧草地上进行实验：当导航拖拉机在地面上直线行走时，车辆实际行走的路径与预定义路径的偏差小于8cm。之后，陈军等[28]优化了导航控制算法，以神经网络控制技术为车辆的导航控制算法, 运用具有自学习能力的BP神经网络的学习算法，并对BP神经网络控制算法进行了仿真。田间实验结果表明: 导航车辆沿直线路径自动行驶时,绝对误差值小于5cm。

2013年，中国农业机械化科学研究院的贾全、张小超等[29]设计了基于纯追踪算法的导航决策控制系统。在该控制系统中将四轮的导航拖拉机简化为二轮车模型进行运动学分析，将该模型在MatLab/Simulink中对控制器进行了系统建模和仿真分析。仿真结果表明:当前视距离为2.06m时，系统控制器能更稳定和准确地进行导航作业。

2015年，中国农业大学的孟庆宽等[30]研究了基于改进粒子群优化模糊控制的农业车辆导航系统，以视觉导航的农业车辆作为研究对象，在构建的自适应模糊控制器中引入加权因子，以横向偏差和航向偏差时间误差绝对值积分(ITAE)之和作为系统目标函数，通过粒子群算法计算得到最优加权因子，进而调整控制规则实现导航车辆的控制。结果表明：相同参数条件下，改进模糊控制算法导航精度显著提高。实验中对车辆进行了直线和曲线追踪，结果表明：当车速为0.8/s时，车辆在直线追踪时的最大横向偏差不超过4.2cm，曲线路径跟踪时的最大横向偏差不超过5.9cm。

2.3车辆转向控制研究现状

Noboru Noguchi等[25]利用小型汽油拖拉机为研究平台，对其转向机构进行了改装，利用步进电机带动摩擦轮驱动方向盘，以前轮转角作为系统的反馈量，形成闭环控制。当方向盘转动时控制车轮调整角度，结果表明控制系统能实现自动转向。

Yoshisada[31]以插秧机为实验平台，采用直流电机驱动，动力传递由同步齿形带完成；由绝对式角度编码盘来测量转向轴转过的角度，作为自动转向控制系统的反馈量；利用电磁离合器连接电机和同步带，可实现自动转向和人工转向的变换。

针对液压系统驱动的农业机械车辆，日本北海道国家农业研究中心的Keil Chinoue、JF Reid博士等[16]试验中以4轮75PS拖拉机(液压驱动)为平台，研究开发了基于拖拉机运动模型的控制方法。考虑到液压转向系统的延迟影响，在该系统中采用Kalman滤波法对拖拉机的侧滑情况进行滤波消除，证明当导航车辆以1.5m/s的车速进行耕地实验，实验偏差在10cm内。

华南农业大学罗锡文等[20]以东方红拖拉机为实验平台，设计了以直流电机为动力源的自动转向机构。该转向控制系统以导航车辆的期望前轮转角作为控制期望量，实验证明该方案能较好地完成自动转向任务。之后，罗锡文等[21]又设计了由三位四通比例换向阀、平衡阀、溢流阀及单向阀等组成的电液自动转向系统较前的转向系统，执行精度高、反应迅速，满足自动转向的要求。

2013年，中国科学院沈阳自动化研究所高雷等[8]利用步进电机和减速齿轮对雷沃谷收获机的转向机构进行了改造，通过步进电机和减速齿轮改造后的自动转向控制器控制拖拉机转向轴转动。实验表明：该系统不仅满足机械式转向机构、也适用于液压式转向机械，广泛搭建在其他农业机械车辆上，可满足自动转向要求。2015年，高雷、胡静涛等[32]结合CAN总线结构的导航控制装置，以角速度为转向动作反馈，设计了拖拉机自动导航控制系统。系统中，以角速度为控制量，设计了外环 PID 控制算法。实验结果表明：当导航车辆直线行走时，误差平均值约为4.1cm，最大绝对误差12.9cm。实验证明：角速度计为反馈量在农机导航控制系统中应用中是可行的。

3结语与展望

1)在未来的精细农业发展中，农业机械的自动化、智能化程度将越来越高。未来在搭建农业导航系统时，针对农业环境的多样性、复杂性，在导航研究中按具体的作业环境选择不同的导航策略，来完成相应的作业任务。基于GPS的高精度，在开阔的田间作业时可以选择GPS进行自动导航；而在树冠交错的园林间，GPS信号受到遮挡、精度不够时，选择视觉导航或其他导航方法会更有效。

2)基于农业自主导航系统中各类传感器的优缺点及农业作业中各种环境因素的影响，在未来的导航系统设计中，可多研究可靠有效的传感器融合方法，以提高系统的稳定性、鲁棒性[33]。

3)国内农业导航系统发展中，现有的农业机械自主导航各类技术多存在独立不协作的问题，未来应侧重针对国内导航机具的特点，开展配套技术的集成研究，以降低相关成本。

参考文献：

[1]吴延霞,赵博,毛恩荣. 农业车辆自动导航系统综述[J].农机化研究，2009,31(3): 242-245.

[2]庄新斌,宣传忠,陈智,等.喷播机自动导航控制系统设计及其性能仿真[J].农机化研究,2015,37(11):87-90.

[3]谢明,马蓉,任玲,等.拖拉机自动转向系统设计及仿真[J].农机化研究,2015,37(11):108-112.

[4]纪朝凤,刘刚,周建军,等.基于CAN总线的农业车辆自动导航控制系统[J].农业机械学报, 2009,40(S1):28-32.

[5]吕安涛,宋正河,毛恩荣.拖拉机自动转向最优控制方法的研究[J].农业工程学报,2006,22(8):116-119.

[6]Dong F H，Petzold O，Heinemann W, et al．Time-optimal guidance control for an agricultural robot with orientation constraints [J]．Computers and Electronics in Agriculture，2013，99: 124-131．

[7]田甜,吕安涛,毛恩荣.拖拉机自动驾驶控制系统软件系统的研究[C]//农业工程科技创新与建设现代农业—2005年中国农业工程学会学术年会论文集第三分册.广州:中国农业工程学会,2005.

[8]李逃昌,胡静涛,高雷,等.基于模糊自适应纯追踪模型的农业机械路径跟踪方法[J]．农业机械学报,2013,44(1):205-210．

[9]魏少东.基于GPS和惯性导航的果园机械导航系统研究[D].杨凌：西北农林科技大学，2013.

[10]陈 艳，张 漫，马文强，等. 基于 GPS 和机器视觉的组合导航定位方法[J]. 农业工程学报，2011，27(3)：126-130.

[11]连世江. 农用车辆自动导航控制系统研究[D].杨凌:西北农林科技大学,2009.

[12]张方明，应义斌．机器视觉在农业车辆导航系统中的研究进展[J]．农业机械学报，2005， 36(5):133-136．

[13]高峻晓，龚建伟，熊光明，等.轮式机器人遗传模糊神经网络转向控制实验研究[J].机床与液压，2004(6):91-93.

[14]田海清,应义斌,张方明.农业车辆导航系统中自动控制技术的研究进展[J].农业机械学报,2005(7):148-152.

[15]白晓鸽. 基于模糊神经网络的拖拉机自动直线行走控制研究[D].杨凌：西北农林科技大学,2010.

[16]Noguchi N, JF Reid, Keil Chinoue, et al. Vehicle automation system based on multi-sensor integration [J].ASAE Annual International Meeting, 1998, 32(15): 73-77.

[17]Vijay Subramanian, Thomas F.Burks. Development of machine vision and laser radar based Autonomous vehicle guidance systems for citrus grove navigation [J]. Computers and Electronics in Agriculture, 2006, 53:130-143.

[18]Astrand B，Baerveldt A J ．An agricultural mobile robot with vision- based perception for mechanical weed control [J]．Autonomous Robots, 2002，12(1):21-35．

[19]Akira Mizushima, Noboru Noguchi. Development of navigation sensor unit for the agricultural vehicle [J]. BEEE/ASME International Conference on Advanced Intelligent,2003,34(2):1067-1072.

[20]罗锡文，张智刚，赵祚喜，等．东方红 X- 804 拖拉机的 DGPS 自动导航控制系统[J]. 农业工程学报，2009，25(11): 139 -145．

[21]罗锡文,张智刚,周志艳.轮式农业机械的多传感器组合定位技术研究[C]// 农业工程科技创新与建设现代农业—2005年中国农业工程学会学术年会论文集第三分册.广州:中国农业工程学会,2005.

[22]周俊,程嘉煜.基于机器视觉的农业机器人运动障碍目标检测[J]．农业机械学报， 2011,42(8):154-158．

[23]Zhang Q, Qiu H. A dynamic path search algorithm for tractor automatic navigation [J].Trans-actions of the ASAE, 2004,47(2): 639-646.

[24]Reid J F，Zhang Q，Noguchi N, et al Agricultural automatic guidance research in North America [J]. Computers and Electronics in Agriculture, 2000, 25(1-2):155-167.

[25]Noguchi N,Terao H．Path planning of an agricultural mobile robot by neural net work and genetic algorithm [J]．Computer and Electronics in Agriculture，1997， 18(2-3):187-204.

[26]Noguchi N，Ishii K,Terao H.Development of an agricultural mobile robot using a geomagnetic direction sensor and image sensors [J]. Journal of Agricultural Engineering research，1997,67(4):1-15.

[27]陈军,鸟巢谅.拖拉机行驶路线的自动变更[J].农业工程学报,2005,21(1)108-111.

[28]陈军,朱忠祥,鸟巢谅,等.基于神经网络的农用车辆自动跟踪控制[J].农业机械学报， 2007，38(5):131-133,121．

[29]贾全. 拖拉机自动导航系统关键技术研究[D].北京:中国农业机械化科学研究院,2013.

[30]孟庆宽，仇瑞承，张漫.基于改进粒子群优化模糊控制的农业车辆导航系统[J].农业机械学报，2015(3):29-36,58.

[31]Toru T. Research in autonomous agriculture vehicles in Japan [J].Computers and Electronics in Agriculture,2000,25:133-153.

[32]高雷,胡静涛,李逃昌,等.以角速度为转向动作反馈的拖拉机自动导航控制系统[J].农机化研究,2015，37(3):25-29.

[33]吴延霞,赵博,毛恩荣. 农业车辆自动导航系统综述[J]. 农机化研究,2009,31(3):242-245,252.

[34]Nagasaka Y, Saito H, Tamaki K， et al．An autonomous rice transplanter guided by global positioning system and inertial measurement unit [J].Journal of Field Robotics，2009, 26(6-7):537-548．

Abstract ID:1003-188X(2016)06-0010-EA

Current Situation of Navigation Technology for Agricultural Machinery

Zhang Linjie1,2, Zhang Wenai1, Han Yingzheng1, Zhou Jianjun2,3,4,5, Wangxiu2,3,4,5, Cai Jichen2,6

(1.College of Information Engineering, Taiyuan University of Technology, Taiyuan 030024,China;2.Beijing Research Center of Intelligent Equipment for Agriculture，Beijing 100097,China; 3. National Research Center of Intelligent Equipment for Agriculture, Beijing 100097,China；4. Key Laboratory of Agri-informatics, Ministry of Agriculture, Beijing 100097,China；5. Beijing Key Laboratory of Intelligent Equipment Technology for Agriculture, Beijing 100097,China； 6.College of Information and Electrical Engineering, China Agricultural University, Beijing 100083,China)

Abstract：Agricultural vehicle automatic navigation technology is a key technology for self-control of agricultural machinery in the agricultural environment , no matter in the domestic or in the international, the study of agricultural production is widely . In this paper ,firstly describes the importance of agriculture automatic navigation key technologies, through the analysis of literature, describes the domestic and international perception of the navigation system, navigation control algorithms and status of the vehicle steering control system .at last, conclude the future development of the agricultural vehicle automatic navigation technology trend.

Key words：agricultural vehicle; automatic navigation; intelligent control

文章编号：1003-188X(2016)06-0010-06

中图分类号：S127

文献标识码：A

作者简介：张琳洁(1990-)，女，河南洛阳人，硕士研究生，(E-mail)903295120@qq.com。通讯作者：王秀(1965-)，男，河北万全人，研究员，博士生导师，(E-mail)wangx@nercita.org.cn。

基金项目：“十二五”农村领域国家科技计划项目(2013BAD08B04-5)

收稿日期：2015-05-20