基于物联网的农业植保无人机

王 华

（河南工业贸易职业学院，河南 郑州 451191）

1 简介

随着物联网（IoT）技术的逐渐成熟，一些基本的应用，例如，低功耗的传感器芯片、物联网传感器网络、支持IPv6的传感器和网络、基于云计算的物联网多媒体服务、RFID（射频识别技术）及其应用、物联网技术等，已经成为主要的研究对象。

除了在工业领域的应用，物联网技术对农业生产有很多好处。植物保护已经成为农业种植和田间管理机械化中最薄弱的环节。中国目前的植保产业水平较低，植保机械是中国农业机械化中的一个主要问题，这种情况亟待改变[1]。

笔者研究的主要目的是开发、形成一个区域信标信息系统，用于农业无人机。该系统结合了LoRa和物联网技术，并配备了高精度的GPS/GLONAS/RTK定位能力，从而使农业无人机能够自动收集农田的边界信息，生成飞行路径，并在导航下飞向锁定的目标，检测物体的具体特征，收集有关农业应用的信息。该系统可以使无人机具有以下功能：航空路线规划、中继喷洒、自动避障。结合智能农业管理系统进行大数据分析，管理者可以实时监控和记录农场的图像，然后使用软件自动分析图像和数据，根据这些分析，可以在第一时间调整种植方法[2]。

2 技术支持

LoRa是一种采用物联网的低功率广域网传输技术。LoRa可以分为三类。

1）A类：基线，用于基本的定时传输和计时传输，并强调省电功能；

2）B类：信标，除了基本的传输能力外，还具有触发器功能；

3）C级：提供连续传输能力。

无人机具有以下优势：操作成本低，应用更灵活。由于无人机在军事和民用领域都具有巨大的潜力，它已经成为学术界一个热门的研究课题。

3 建议方法

3.1 系统架构

无人机采用了PixHawk飞行控制器作为主要控制单元，IMU（惯性测量单元）作为信息的提供者。该Raspberry Pi配备了摄像头，用于机载辅助计算机来执行以下主要功能：

1）采用长距离传输。采用LoRa通信系统的远距离传输和跟踪功能，以获得地面参考物体的位置和距离信息，以及高度信息、海拔信息。

2）对计划中的飞行路线进行分析，确定飞行情况，并实时记录飞行路径。

3）自动检测障碍物，以便做出相应的反应，以实现飞行安全。

4）地面控制站（GCS）采用MAVLink协议，与飞行器上的PixHawk飞行控制器进行通信。通过无线电，指令空中飞行器进行巡航、跟踪和悬停。农业植保无人机的区域信标信息系统采用了LoRa和GPS/RTK来传输农田的边界信标并发布耕作要求。植物保护区域信标系统将解决坐标问题，并为农业植保无人机规划路径，然后将任务路径和区域的指令发给飞行器，使其自动执行任务[3]。

3.2 视觉识别系统

视觉识别系统的主要模块是坐标估计算法、基于遗传算法的快速运动L估计、偏航角ψ估计、立体深度估计等模块。

3.2.1 坐标算法

视觉辨别引导系统配备了照相机，用于拍摄、估计图像平面和世界坐标平面之间的对应关系以及坐标，并进行坐标估计。除了图像处理技术，如颜色映射、角检测、图像拼接、相机校准和差异对齐等，快速运动检测算法也是必不可少的。快速运动检测算法是该系统的一个重要技术。由于飞机是在三维空间中进行运动的，坐标必须准确估计。因此，坐标系的参数被定义为世界坐标系Sw，目标坐标系So，机身坐标系Sb，相机坐标系Sc以及图像坐标系统Si。目标物体坐标系So是以两个目标物体的中点为中心的，Xo和Zo分别表示目标物体的前轴和纵轴的方向。机身坐标系的原点是多旋翼无人机的重心，Xb、Zo分别表示目标物体的前轴和垂直轴的方向。Xb、Yb和Zb分别表示多旋翼无人机的机头、右翼和机腹的方向。多旋翼无人机在目标物体上的姿态坐标为：

其中无人机的位置坐标定义为：ψ表示偏航角，Θ表示俯仰角，Φ表示滚动角。为了使无人机准确地跟踪和测量目标，在时间t和t-1上的目标图像在目标坐标系中被标记为：

式中，L是目标图像在时间t和t-1的位移[4]。

3.2.2 基于遗传算法的目标图像位移估计算法

由于这种算法需要在搜索窗口内进行充分的搜索，它就需要巨大的计算工作量、耗时和高计算复杂性。因此，需要快速和准确的搜索技术，以减少处理时间。目前，快速搜索算法，包括三步搜索法（TSS）、四步搜索（FSS）、钻石搜索（DS）和基于六边形的搜索（HEXBS）。现在，通过实验已经证实，基于六边形的搜索方法与钻石搜索相比，具有明显的搜索速度优势。由于飞行器在被跟踪目标物体的正上方盘旋，通过保持飞行控制参数，可以控制飞行器的机动性，使其停留在时间t和t-1的图像中点上。换句话说，目标坐标系的原点就是时间t和t-1的图像的中点。当目标的位移量接近0时，它将表明被跟踪的目标物体的位置没有变化，从而达到定点跟踪的目的。然而，目标对象位于世界坐标系上，而目标图像则位于在摄影机坐标系上，因此，必须首先进行图像坐标映射和图像比例调整。为了使位移L能够快速准确地估算出来，采用快速区块匹配算法来估计位移值L；同时，采用基于六边形搜索（HEXBS）进行块匹配的采样。

3.3 立体视觉的深度估计

计算机立体视觉是一种方法，它采用了一个或多个摄像头来模拟人眼的立体视觉。尽管只用一台摄像机就可以实现图像采集，但是，只能获得物体的一个视点。使用多个相机可以获得物体图像的多个视点。因此，人们提出了一个使用实时立体视觉的移动机器人导航系统，它不仅能够进行图像跟踪，而且还能探索未知的环境，以实现机器人的主动定位。由于单个摄像头只能获得二维图像信息，获取准确的深度信息是不可能的。为了计算物体在三维空间中的深度，要利用图像的信息计算物体在三维空间的深度，必须使用两台摄像机来发现获得的图像中的相应点。立体视觉系统使用两个摄像头来模拟双眼立体视觉，摄像机被安排在左右位置，以模拟人的眼睛之间距离，并在同一时间捕获同一物体的图像。这对立体图像中的对应点可以被合并成具有视觉深度的图像。由于每台摄像机的外部参数已经知道，所捕获物体的图像深度可以计算出来[5]。

4 结论

在这项研究中，使用长距离传输和跟踪的LoRa通信系统来获取地面参考物体的位置、距离和高度信息。自动标记导航路线以便植保无人机可以自主工作，以减少人力和物力。通过参考植保区域参数，可以为无人机指出一个飞行路径。农业植保无人机配备了图像特征识别机制和物联网技术，具备计算机视觉识别和自动导航功能。在智能农业实施中，管理系统可以用于农业生产，对作物类型进行大数据分析并创建差异性信息。差异化信息不仅可以实现高效和高度智能化，而且还可以为新技术的开发和农业大数据的积累提供数据，这将对农业植保无人机的技术发展提供很大的帮助。