一种甘蔗收获机以及基于多传感器融合的甘蔗收获机刀盘位姿的调整方法

1.本发明涉及农用机械设备技术领域，特别涉及一种甘蔗收获机以及基于多传感器融合的甘蔗收获机刀盘位姿的调整方法。


背景技术：

2.近年来随着中国经济的持续发展，在我国南方蔗糖工业发展迅速，这也对导致糖料蔗种植面积不断的扩大，与此同时对于甘蔗的收获质量也提出了更高的要求。在甘蔗收获所有的工序中，切割是最难把握的工序之一。甘蔗切割器是保证甘蔗收获机提高切割质量以及减小甘蔗破头率的关键部件。甘蔗破头率大小直接影响宿根的发芽率。提高切割质量和降低甘蔗破头率的难点就在于切割器姿态的控制。针对此问题目前国内很多研究机构对甘蔗收获机进行了一定程度的研究，比如：中联重机股份有限公司研制了一种甘蔗机转动调节自平衡底盘及甘蔗机，使得现有甘蔗机整体与丘陵地形能够相适应，但对于坡度较大且变化快路面并不能很好适应且自动化程度低；河南科技大学研制了一种通过刀盘高度调节刀盘切削高度的仿真装置，但操作简单且只能通过人工对刀盘的高度进行上下调节；中国农业大学研制了一种甘蔗收获机垄沟双侧地面仿形控制系统，能够实现实时仿形，进一步提高了仿形精度，但同样无法实现对于切割器的多角度调节
3.我国蔗田主要是在南方的丘陵地区，环境复杂，对于甘蔗收获机切割器的切割角度对地形变化的调整也极为复杂。目前对于甘蔗收获机收割设备的执行机构的工作方式一般都是通过人工根据人眼观察路面以及甘蔗的情况对收割设备进行调节以及通过采用地面仿形底盘来减少地形变化对切割的影响。现有技术的缺点主要有三个：一是甘蔗收获过程中会存在许多视野盲区，并且通过人工调节的方式不仅耗时耗力，而且对操作人员的熟练程度要求较高，这种方式不仅效率不高，而且精度也很难保证；二是现有的产品与技术只能针对收割设备的高度进行调节，一旦收割机发生非水平方向的偏斜，仅仅通过高度方向的调整并不能使得切割刀盘达到理想的切割位姿；三是地面仿形装置只能减少地形的变化对切割的影响，调节相对缓慢并不能针对刀盘位姿实现精准的控制。现有技术并不能很好的提高甘蔗的切割质量，降低甘蔗破头率。


技术实现要素：

4.本发明的目的在于提供一种甘蔗收获机以及基于多传感器融合的甘蔗收获机刀盘位姿的调整方法，用于对传统甘蔗收获机进行改造，能够对刀盘的位姿进行实时、智能的控制和调整。
5.为实现上述目的，本发明公开了一种甘蔗收获机，所述甘蔗收获机包括刀盘、液压杆、液压系统和控制系统，所述刀盘位于甘蔗收获机的底部。
6.所述液压杆与所述刀盘连接，所述液压系统与所述液压杆连接，所述液压系统控制所述液压杆的伸缩。
7.所述液压杆包括与水平面垂直的第一液压杆，还包括在水平面上的第二液压杆、第三液压杆、第四液压杆和第五液压杆；所述第一液压杆用于操控所述刀盘在竖直方向的运动，所述第二液压杆、所述第三液压杆、所述第四液压杆和所述第五液压杆用于操控所述刀盘在水平方向的运动。
8.所述控制系统包括安装在甘蔗收获机顶部的多线激光雷达、安装在甘蔗收获机内部的惯性传感器、激光测距仪、安装在车轮上方的压力传感器以及中心控制器；所述激光测距仪安装在甘蔗收获机底部，位于所述刀盘的前方；所述中心控制器分别与所述多线激光雷达、所述惯性传感器、所述激光测距仪和所述压力传感器连接，所述中心控制器负责收集所述多线激光雷达、所述惯性传感器、所述激光测距仪和所述压力传感器传来的数据并进行处理，再发送控制指令给所述液压系统进行所述刀盘的切割姿态控制。
9.进一步地，所述多线激光雷达与甘蔗收获机顶部刚性连接，所述惯性传感器与甘蔗收获机刚性连接。
10.根据上述甘蔗收获机的基于多传感器融合的甘蔗收获机刀盘位姿的调整方法，包括以下步骤：
11.步骤一，多个传感器进行数据采集与预处理，包括：多线激光雷达采集甘蔗收获机周围环境的点云信息，得出各个点云的x、y、z的坐标；惯性传感器采集甘蔗收获机的车体角度信息和加速度信息；激光测距仪根据地形的变化，不断测量到地面的距离，实时生成激光测距仪到地面距离的波形图；压力传感器采集车身对车轮的压力值；
12.步骤二，使用卷积神经网络进行甘蔗的目标识别，对地面与甘蔗冠层的模型结构进行语义分割，获取待切割的位置信息；
13.步骤三，根据点云的边缘信息和平面信息进行帧间匹配计算甘蔗收获机的位置信息和姿态信息；
14.步骤四，对惯性传感器进行预积分处理，得到甘蔗收获机的车体位置信息和姿态信息，结合压力传感器经处理后输出的路面坡度信息，对车体的姿态进行解算，并对后续姿态进行估计预测；
15.步骤五，采用基于图模型的方式对已获得的数据进行融合互补，实时输出当前时刻甘蔗收获机的车体位置信息和姿态信息；
16.步骤六，经过上述步骤之后，可以获得准确的车体位姿信息、待切割部位的位置信息，结合甘蔗的切割要求，可确定刀盘最合适的切割姿态，中心控制器将刀盘切割姿态指令传输给液压系统，液压系统驱动液压杆对刀盘进行调节以达到最适合的切割姿态，完成后续的切割工作。
17.进一步地，步骤二使用卷积神经网络进行甘蔗的目标识别，对地面与甘蔗冠层的模型结构进行语义分割，获取待切割的位置信息的方法为：
18.首先使用卷积神经网络进行甘蔗的目标识别之后，再采用基于改进的randlanet对周围点云进行语义分割，分割出地面区域和待收获的甘蔗田区域；在采用基于改进的randlanet对周围点云进行语义分割时，先建立数据集进行标注训练，对权重参数进行调整，再进行语义分割，可有效提高分割的准确性和鲁棒性；
19.在对地面区域和甘蔗田区域进行分割后，对已分割区域进行三维网格划分，然后采用体素滤波器对周围点云进行滤波，然后分别对地面区域和甘蔗田区域进行线特征点和
面特征点分割；线特征点和面特征点分割取的做法为：当前点云同一激光线上前后共十个激光点的坐标分别对待求点的坐标做差，然后分别取模再进行求和；其中数值最大的点作为该激光线上曲率最大的点，为线特征点；数值最小的两个点作为该激光线上曲率最小的两个点，为面特征点；其余的点根据实际情况设置阈值分为次线特征点和次面特征点，以此来划分16条激光线上线特征点和面特征点；
20.在固定区域选取一定量的线特征点和面特征点开始划分边缘区域和平面区域，然后根据检测出的边缘区域和平面区域开始进一步对点云进行细化分割，拟合出甘蔗田的冠层区域和地面的三维轮廓模型，然后计算出同一截面冠层和地面的高度差，从而推断出甘蔗冠层的高度信息与待切割位置。
21.进一步地，由于多线激光雷达在扫描时存在一定的遮挡物，扫描的地面模型不一定完整，因此，步骤二在推断冠层的高度信息与待切割位置时，针对模型不完整的区域采用激光测距仪与多线激光雷达的数据融合的方式进行优化完善，根据激光测距仪与多线激光雷达的空间几何关系计算激光测距仪与多线激光雷达之间的垂直距离，再根据激光测距仪测量得到的与地面垂直距离可得到多线激光雷达与地面的垂直距离，最后再根据多线激光雷达与甘蔗冠层的垂直距离可计算得到甘蔗的高度信息并由此推断待切割位置。
22.进一步地，步骤三根据点云的边缘信息和平面信息进行帧间匹配计算甘蔗收获机的位置信息和姿态信息的方法为：
23.对点云的当前帧与上一帧之间采用kdtree进行边缘特征点与边缘特征点、平面特征点与平面特征点的搜索匹配，将匹配成功的点云进行位姿变换使其两帧点云进行特征重合，从而计算出当前时刻多线激光雷达的位姿情况，然后采用lm算法对计算得到的多线激光雷达的当前时刻位姿进行迭代，不断减小误差修正多线激光雷达的位姿参数，多线激光雷达的位姿参数作为甘蔗收获机的车体位姿参数；
24.通过不断更新多线激光雷达的位姿信息可以估计出甘蔗收获机的车体位置信息，将车体位姿参数和车体位置信息实时传入中心控制器，实时监控甘蔗收获机的位置。
25.进一步地，步骤四对惯性传感器进行预积分处理，得到甘蔗收获机的车体位置信息和姿态信息，结合压力传感器经处理后输出的路面坡度信息，对车体的姿态进行解算的方法为：
26.根据压力传感器得出的压力与在水平道路上的压力进行比较，经计算得到路面的坡度信息，然后对惯性传感器进行预积分处理以提高计算效率，根据惯性传感器输出的角度参数即可得到甘蔗收获机的车体与水平面的角度参数，可初步计算出车体与水平面的倾角信息；
27.再根据压力传感器处理后输出的路面坡度信息结合车体与水平面的倾角信息，准确计算出车体与地面之间的角度关系。
28.进一步地，步骤四对后续姿态进行估计预测的方法为：
29.根据点云分割出的地面轮廓模型与惯性传感器提供的加速度信息，对车体的下一时刻位姿进行估计预测，为下一时刻的车体位姿信息提供具有足够鲁棒的初值信息，以便对刀盘的下一步控制做出快速响应。
30.进一步地，步骤五采用基于图模型的方式对已获得的数据进行融合互补，实时输出当前时刻甘蔗收获机的车体位置信息和姿态信息的方法为：
31.首先以在步骤四测得的参数作为车体的初始位姿，所述参数为车体与地面的角度关系、车体加速度，惯性传感器每持续输出5s便加入由多线激光雷达获取的车体位姿信息和由激光测距仪测得的高度信息，对位姿进行一次矫正，消除惯性传感器在长时间使用的情况下出现的累计误差，不断重复本过程最终实时输出当前时刻甘蔗收获机的车体位置信息和位姿信息。
32.与现有技术相比，本发明具有如下有益效果：
33.(1)本发明可在甘蔗收获机的底盘基础上加装或改装各传感器，降低了技术成本，并实现刀盘切割姿态的自动调整；
34.(2)本发明使用多线激光雷达提取周围环境的点云信息，使用惯性传感器提取甘蔗收获机车体的角度信息和加速度信息，使用激光测距仪不断测量到地面的距离，使用压力传感器提取车体与地面的压力值，然后对扫描的点云使用深度神经网络进行目标检测得到目标的位置信息和形状信息，再通过多线激光雷达、惯性传感器等对车体的位姿和地面的坡度信息进行测量计算，然后对不同传感器所提取的信息基于图模型的方式进行融合，经过处理后得到待切割区域的位置信息以及甘蔗收获机的位姿信息，结合甘蔗的切割要求，确定刀盘最适合的切割姿态，中心控制器将刀盘切割姿态指令传输给液压系统，液压系统驱动液压杆对刀盘进行调节以达到最适合的切割姿态，从而提高切割质量，并减少甘蔗破头率，大幅度提升了甘蔗收获机机械设备的自动化、智能化水平。
附图说明
35.图1为本发明的甘蔗收获机的结构示意图；
36.图2为本发明的甘蔗收获机的液压杆结构示意图；
37.图3为本发明的基于多传感器融合的甘蔗收获机刀盘位姿的调整方法的流程图；
38.图4为基于图模型对多传感器数据进行融合的示意图。
39.图中，1-多线激光雷达，2-中心控制器，3-第一压力传感器，4-第二压力传感器，5-惯性传感器，6-刀盘，7-激光测距仪，8-第一液压杆，9-第二液压杆，10-第三液压杆，11-第四液压杆，12-第五液压杆。
具体实施方式
40.下面结合附图，对本发明的具体实施方式进行详细描述，但应当理解本发明的保护范围并不受具体实施方式的限制。
41.除非另有其它明确表示，否则在整个说明书和权利要求书中，术语“包括”或其变换如“包含”或“包括有”等等将被理解为包括所陈述的元件或组成部分，而并未排除其它元件或其它组成部分。
42.实施例一甘蔗收获机以及基于多传感器融合的甘蔗收获机刀盘位姿的调整方法
43.图1显示了根据本发明优选实施方式的甘蔗收获机的结构示意图，包括刀盘6、液压杆、液压系统和控制系统，所述刀盘6位于甘蔗收获机的底部；
44.液压杆与刀盘6连接，液压系统与液压杆连接，液压系统控制液压杆的伸缩；
45.图2显示了液压杆结构示意图，液压杆包括与水平面垂直的第一液压杆8，还包括在水平面上的第二液压杆9、第三液压杆10、第四液压杆11和第五液压杆12；第一液压杆8用
于操控刀盘6在竖直方向的运动，第二液压杆9、第三液压杆10、第四液压杆11和第五液压杆12用于操控刀盘6在水平方向的运动；
46.控制系统包括安装在甘蔗收获机顶部的多线激光雷达1、安装在甘蔗收获机内部的惯性传感器5、激光测距仪7、安装在车轮上方的压力传感器以及中心控制器2；激光测距仪7安装在甘蔗收获机底部，位于刀盘6的前方；中心控制器2分别与多线激光雷达1、惯性传感器5、激光测距仪7和压力传感器连接，中心控制器2负责收集多线激光雷达1、惯性传感器5、激光测距仪7和压力传感器传来的数据并进行处理，再发送控制指令给所述液压系统进行所述刀盘的切割姿态控制；
47.其中，压力传感器的数量为4个，分别安装在4个车轮上方，图1中示出位于同一侧的第一压力传感器3和第二压力传感器4；多线激光雷达1与甘蔗收获机顶部刚性连接，惯性传感器5与甘蔗收获机刚性连接。
48.图3显示了本发明的基于多传感器融合的甘蔗收获机刀盘位姿的调整方法流程图，参考图3，刀盘位姿的调整方法由以下步骤组成：
49.步骤一，多个传感器进行数据采集与预处理，包括：多线激光雷达1采集甘蔗收获机周围环境的点云信息，得出各个点云的x、y、z的坐标；惯性传感器5采集甘蔗收获机的车体角度信息和加速度信息；激光测距仪7根据地形的变化，不断测量到地面的距离，实时生成激光测距仪到地面距离的波形图；4个压力传感器测量车身对四个车轮的压力值；
50.中心控制器2接收各传感器的数据，负责对数据进行融合处理，并向液压系统发送控制指令进行刀盘6的位姿控制。
51.步骤二，使用卷积神经网络进行甘蔗的目标识别，对地面与甘蔗冠层的模型结构进行语义分割，获取待切割的位置信息：
52.首先使用卷积神经网络进行甘蔗的目标识别之后，再采用基于改进的randlanet对周围点云进行语义分割，分割出地面区域和待收获的甘蔗田区域；在采用基于改进的randlanet对周围点云进行语义分割时，先建立数据集进行标注训练，对权重参数进行调整，再进行语义分割，可有效提高分割的准确性和鲁棒性；
53.在对地面区域和甘蔗田区域进行分割后，对已分割区域进行三维网格划分，然后采用体素滤波器对周围点云进行滤波，然后分别对地面区域和甘蔗田区域进行线特征点和面特征点分割；线特征点和面特征点分割取的做法为：当前点云同一激光线上前后共十个激光点的坐标分别对待求点的坐标做差，然后分别取模再进行求和；其中数值最大的点作为该激光线上曲率最大的点，为线特征点；数值最小的两个点作为该激光线上曲率最小的两个点，为面特征点；其余的点根据实际情况设置阈值分为次线特征点和次面特征点，以此来划分16条激光线上线特征点和面特征点；
54.在固定区域选取一定量的线特征点和面特征点开始划分边缘区域和平面区域，然后根据检测出的边缘区域和平面区域开始进一步对点云进行细化分割，拟合出甘蔗田的冠层区域和地面的三维轮廓模型，然后计算出同一截面冠层和地面的高度差，从而推断出甘蔗冠层的高度信息与待切割位置；
55.由于多线激光雷达1在扫描时存在一定的遮挡物，扫描的地面模型不一定完整，因此，推断冠层的高度信息与待切割位置时，针对模型不完整的区域采用激光测距仪7与多线激光雷达1的数据融合的方式进行优化完善，根据激光测距仪7与多线激光雷达1的空间几
何关系计算激光测距仪7与多线激光雷达1之间的垂直距离，再根据激光测距仪7测量得到的与地面垂直距离可得到多线激光雷达1与地面的垂直距离，最后再根据多线激光雷达1与甘蔗冠层的垂直距离可计算得到甘蔗的高度信息并由此推断待切割位置。
56.步骤三，根据点云的边缘信息和平面信息进行帧间匹配计算甘蔗收获机的位置信息和姿态信息：
57.对点云的当前帧与上一帧之间采用kdtree进行边缘特征点与边缘特征点、平面特征点与平面特征点的搜索匹配，将匹配成功的点云进行位姿变换使其两帧点云进行特征重合，从而计算出当前时刻多线激光雷达1的位姿情况，然后采用lm算法对计算得到的多线激光雷达1的当前时刻位姿进行迭代，不断减小误差修正多线激光雷达1的位姿参数，多线激光雷达1的位姿参数作为甘蔗收获机的车体位姿参数；
58.通过不断更新多线激光雷达1的位姿信息可以估计出甘蔗收获机的车体位置信息，将车体位姿参数和车体位置信息实时传入中心控制器2，实时监控甘蔗收获机的位置，可有效防止对未收获区域造成破坏。
59.步骤四，对惯性传感器5进行预积分处理，得到甘蔗收获机的车体位置信息和姿态信息，结合压力传感器经处理后输出的路面坡度信息，对车体的姿态进行解算，并对后续姿态进行估计预测：
60.根据4个压力传感器得出的压力与在水平路面上的压力进行比较，经计算得到路面的坡度信息，然后对惯性传感器5进行预积分处理以提高计算效率，根据惯性传感器5中的陀螺仪输出的角度参数即可得到甘蔗收获机的车体与水平面的角度参数，可初步计算出车体与水平面的倾角信息；
61.由于车体与车轮之间并非刚性连接，车体、车轮之间会有缓冲装置，这导致仅由地面的坡度信息推测出的车体位姿并不是十分准确，进一步根据压力传感器处理后输出的路面坡度信息，结合车体与水平面的倾角信息可准确计算出车体与地面之间的角度关系；
62.根据点云分割出的地面轮廓模型与惯性传感器5提供的加速度信息，对车体的下一时刻位姿进行估计预测，为下一时刻的车体位姿信息提供具有足够鲁棒的初值信息，以便对刀盘的下一步控制做出快速响应。
63.步骤五，采用基于图模型的方式对已获得的数据进行融合互补，实时输出当前时刻甘蔗收获机的车体位置信息和姿态信息：
64.惯性传感器具有高频性的特点，因此本发明选择惯性传感器作为车体位姿持续输出的传感器。然而，惯性传感器长时间使用会出现一定的累计误差，可采用低频的多线激光雷达获得的车体位姿信息和激光测距仪测得的高度变化信息作为惯性传感器误差的矫正因子对误差进行消除；
65.如图4所示，以步骤四测得的参数作为车体的初始位姿，参数为车体与地面的角度关系、车体加速度，惯性传感器5每持续输出5s便加入由多线激光雷达1获取的车体位姿信息和由激光测距仪7测得的高度信息，对位姿进行一次矫正，消除惯性传感器5在长时间使用的情况下出现的累计误差，不断重复本过程最终实时输出当前时刻甘蔗收获机的车体位置信息和位姿信息；
66.在图4中，imu因子指的是惯性传感器测得的参数。
67.步骤六，经过上述步骤之后，可以获得准确的车体位姿信息、甘蔗待切割部位的位
置信息，结合甘蔗的切割要求，可确定刀盘6最合适的切割姿态，中心控制器2将刀盘6切割姿态指令传输给液压系统，液压系统驱动液压杆对刀盘6进行调节以达到最适合的切割姿态，完成后续的切割工作。
68.前述对本发明的具体示例性实施方案的描述是为了说明和例证的目的。这些描述并非想将本发明限定为所公开的精确形式，并且很显然，根据上述教导，可以进行很多改变和变化。对示例性实施例进行选择和描述的目的在于解释本发明的特定原理及其实际应用，从而使得本领域的技术人员能够实现并利用本发明的各种不同的示例性实施方案以及各种不同的选择和改变。本发明的范围意在由权利要求书及其等同形式所限定。