林间作业机器人的定位系统综述与展望*

张 尚 ，何锐波 ，王一博 ，沈晶豪 ，张 聪

（广西科技大学，广西 柳州 545000）

0 引言

现如今随着林业自动化的不断推进，林间作业机器人研究突飞猛进。林间作业机器人能够代替人力完成林区的树木采伐[1]、环境检测[2]、树木修剪[3]、军事侦察[4]、地图绘制[5]、货物搬运[6]等工作。林间作业机器人按照空间载体的形式可以分为以下几类：林间地面机器人、空中机器人、过树机器人等。

目前，林间作业机器人的发展已经步入了智能化阶段，特别是对于自主移动的林间作业机器人来说，它的导航系统成为研究工作重点。为了实现导航功能，林间作业机器人需要经历以下阶段：环境感知[7]、定位[8]、路径规划[9]、运动控制[10]。有些林间作业机器人还需要有建图功能，为了提高建图的准确度，机器人所处的位置会直接影响到建图的准确度。目前流行的技术是同时定位和地图构建技术（SLAM），SLAM 可以实时对机器人进行定位和建图，可以大大提升定位和建图的精度[11]。环境感知阶段为林间作业机器人的定位做准备，在路径规划和运动控制阶段，由于林间作业环境复杂，在移动过程中可能需要重新进行路径规划，以防林间环境中的不可控因素阻碍机器人的运动，这就凸显出实时定位的重要性。由此可见，定位是机器人在林间环境下实现导航的先决条件。目前的文献综述集中在室内和农业环境下的定位系统以及基于各种传感器的定位系统[12-14]。近年来，对于林间定位的研究工作较多，但是缺少林间环境下机器人定位系统的全面综述。鉴于此，课题组从林间作业机器人的定位系统入手，详细阐述林间作业机器人定位系统的研究现状以及未来发展趋势。

1 林间作业机器人定位系统概述

林间作业机器人是一种可以在林间环境下满足人类需求的特种工作机器人[15]，林间作业机器人的定位系统原理是林间作业机器人携带各种传感器，完成对周围环境的感知，从而使机器人知道自己身在何处[16]。

林间作业机器人在林间环境下进行定位非常复杂，其复杂性表现在以下几个方面。

1）环境复杂主要来源：地表、树木、天气三方面。

2）作业形式复杂主要指的是林间存在的各种作业形式，主要包括：树木种植[17]、林间防火灭火[18]、环境监控[19]、果实采摘[20]、生长情况记录[21]、地质检测[22]、地图测绘[23]等。

3）作业要求复杂主要是指人类根据具体工况设定的不同要求，主要包括：作业速度、定位精度、稳定性、鲁棒性的要求。

以上三个方面的复杂性是设计者在设计林间作业机器人的定位系统时要充分考虑的，这给设计者带来了巨大的挑战。按照定位方式的不同，可以将林间作业机器人的定位系统分为以下几种：绝对定位、相对定位以及二者的组合。按照这样的方式进行分类时，可以让人们更清晰直观地了解机器人处于林间环境下是如何提取特征点信息的。

2 林间作业机器人定位技术应用与分析

2.1 林间作业机器人绝对定位技术

全球卫星定位属于对地球上物体的绝对定位，基于卫星的定位原理是通过往太空发射若干卫星绕地球公转，使得地球上任意位置的用户端都可以通过卫星信号接收器同时接收到4 颗卫星的信号，从而对用户端的位置进行精确测量[24]。技术比较成熟的卫星定位系统：美国GPS 全球定位系统、欧洲伽利略卫星导航系统、俄罗斯GLONASS 卫星导航系统、中国北斗卫星导航系统[25]。值得一提的是，2020 年7 月，北斗导航系统已经完成了全球覆盖[26]。

全球卫星定位技术在稀疏森林中的定位精度为5 m～7 m[27]。当机器人处于林间这种特殊的环境中时，全球卫星定位技术精度会降低，遇到植被密度大的林间环境时，定位系统甚至会失效。所以当机器人处于林间环境中时，一般不单独使用全球卫星定位系统，可以和其他定位传感器进行配合使用。

2.2 林间作业机器人相对定位技术

林间作业机器人相对定位技术的原理主要是机器人自身携带的传感器识别环境中的特征点，从而对自身进行相对定位。可以根据环境中特征点的类型将相对定位技术分为基于自然特征的相对定位、基于人工特征的相对定位。

2.2.1 基于自然特征的相对定位

提到自然特征时人们首先想到的就是树干，有研究通过检测树干的位置来对机器人本体进行相对定位。文献[28]和文献[29]使用基于深度学习的方法对树干进行检测，但是这些案例中的树木种类繁多，因此很难设计出通用性解决问题的神经网络。鉴于此，有一些文献尝试在不陷入黑盒的条件下检测树干。文献[30]强调了彩色滤光片的使用，提高了视觉定位树干的普适性。文献[31]基于双目立体视觉系统，实现了履带式机器人在林间的实时定位。文献[32]利用双目视觉完成了杭州白菊花的采摘，这是基于HSV 颜色空间分割实现的，定位精度可达厘米级。文献[33]提出了一种基于语义分割和激光测距的树木直径估计方法，将3D 激光雷达扫描用于训练语义分割网络，可以自动生成树木的直径估计值，平均误差为1.70 cm。文献[34]开发了一款配备三维激光雷达和IMU 的无人机平台，基于无序点云数据，提出了一种基于采样的K维树最近搜索航迹生成方法，用于林间定位。文献[35]以无人机作为实验平台，使用狭义搜索方法对林间的树木进行识别，在树干的目标位置上贴上红布，使用视觉传感器对其进行识别和定位，树木直径测量的最大误差为8 cm。文献[36]利用现有的森林地图信息，提出了一种地图匹配方法，将其与激光雷达观测到的点云数据相匹配，减少了位置误差。文献[37]基于视觉使用端到端的学习方法训练模型，部署后能够引导机器人在复杂的林间环境中避开障碍物，走向可通行道路。森林地形复杂，包括许多不同的障碍物，如灌木、地上的树枝、倒下的树干、直立的树木等。机器人面对复杂地形时，提取特征参考物，并给出了机器人的运动指令。文献[38]应用便携式背包激光雷达测量和定位森林中的树木，胸径测量的平均误差为4.19 cm。

2.2.2 基于人工特征的相对定位

文献[39]利用冬季树干的“刷白”特征，提出了一种视觉定位基准线识别算法。提取小路两旁的树干刷白位置的内侧角点作为特征点，使用最小二乘法提取中间点生成行进路线。实验结果表明，50 m 的行驶距离最大误差不超过15 cm。还有一种人工特征是人工林在种植时呈现行间距一致性，文献[40]提出了一种基于RGB-D 数据的树干检测器，树木的规则分布情况也被整合到了定位系统，提高定位系统的稳定性。文献[41]利用果园是直排平行种植的原理，通过深度学习对树干检测进行训练，然后利用树干包围盒计算果树的参考点坐标，使用最小二乘法对两侧果树的基准线进行拟合。文献[42]利用人工橡胶林间距呈现一致性的特征，使用二维激光雷达扫描出橡胶林内侧的点云数据后，应用高斯-牛顿法拟合出树木的中心点，再通过最小二乘法估计出一条行走路径，实现履带机器人的定位，平均停车误差为12.08 cm，橡胶树的半径估计误差小于0.66 cm。

RFID 技术需要在环境中布置若干RFID 标签，属于基于人工特征的相对定位，它们可以和机器人本体上安装的若干阅读器天线相呼应，从而实现机器人的定位功能[43]。用于林间单棵树定位的RFID标签，考虑到林间环境风吹日晒，为了延长它们的使用寿命，使用塑料将它们的线圈部分进行密封操作。使用单个阅读器天线对RFID 标签进行定位时，检测的范围会受到强烈的方向性影响，只有当阅读器天线面对标签时，检测的距离才是最远的[44]。在林间环境下只使用一个RFID 阅读器天线对于RFID 标签的定位精度不高，要想保证识别的稳定性以及定位精度，可以借鉴室内的一些研究工作。文献[45]和文献[46]使用两个或两个以上的RFID 天线，从不同的方向对RFID 标签进行感知，在室内环境下可以保证厘米级的定位精度，这可以为林间环境下的机器人定位提供参考。

2.3 绝对定位和相对定位组合的相对定位

在陡峭斜坡葡萄园环境下使用激光雷达、视觉、RFID、GPS 进行融合定位，文献[47]提出了一种基于卡尔曼滤波[48]的混合定位方法，使用GPS 进行葡萄园行高的估计，在葡萄园的每行开始和结束处都放置一个RFID 标签，再通过监测机器人本体上的阅读器，读取标签的位置信息，得到葡萄园的行信息，从而生成拓扑地图[49]。监控机器人上还搭载了视觉传感器和二维激光雷达的EKF SLAM 系统，用于生成基于自然特征的地图。在拓扑图上，每个节点都象征着一排葡萄园，这降低了二维EKF SLAM 的复杂度，提高了计算效率，定位的误差为5.23 cm。

3 林间作业机器人定位系统面临的挑战

目前从整体的发展水平看，林间作业机器人的定位系统已经取得了较好的发展，但是还有很长的一段路要走，林间作业机器人的定位系统面临的挑战主要有以下几个方面。

1）环境的挑战主要包括：地表的复杂性、树木的分布、天气的多变性。当林间的地表凹凸不平时，二维激光雷达用于林间地面机器人的定位稳定性就大大降低了[50]，这时就要使用立体视觉或者三维激光雷达来进行林间环境下的定位。只是三维激光雷达的成本较高，遇到下雨天会出现数据漂移的现象[51]。立体视觉在雨天的表现性能较好，但是容易受到光照的影响[52]。当树林的密度较大而且分布不均时，林间作业机器人的定位会困难许多。

2）全球卫星定位系统在茂密的林间环境下定位精度会降低，有时甚至会失去信号。使用RFID 对林间的单棵树进行相对定位时，由于其他树木的干扰，使得RFID 的方向性更加明显，当标签面对RFID 天线的时候有较好的识别距离，而其他角度的识别距离会下降，定位精度也会下降[44]。

3）机器人在自然森林中的相对定位研究工作集中在视觉、激光雷达和IMU 的紧密融合上，目前融合的难点在于多传感器融合时，面临着数据复杂性、冲突性的挑战，主要表现在传感器之间分辨率的差异以及校准差异[53]。视觉相机和激光雷达的融合前提是两者要实现校准，目前两者之间的更为精确的校准还没有实现。

4 研究与展望

在国内外学者的研究下，林间作业机器人的定位系统有了长足的发展，面对各种复杂的林间地形、作业形式要求，进行了相应的研究和设计。尽管在研究工作中仍然面临着不可控的外部环境因素，但是整体上朝着好的方向前进，本文从以下几个方面对林间作业机器人定位系统的未来发展进行展望。

1）在人工橡胶林环境下，为了实现橡胶攻皮机器人的功能需求，比如停车攻皮，对定位精度的要求为厘米级，而现在人工橡胶林中利用二维激光雷达提取树木内测点云数据后的定位精度可以达到厘米级，符合橡胶攻皮机器人的功能需求。使用视觉技术在具有“刷白”特征的人工林进行机器人定位时，误差不超过15 cm，满足按照导航基准线行驶的要求[39]。

2）基于RFID 的定位工作研究较少，多用来对树木进行信息管理。基于RFID 的定位在林间环境下也是具备研究基础的，因为存在防水、防晒的标签，可以给人们提供便利，定位精度为分米级，可以进行粗定位。未来可以借鉴在室内的研究工作，使用多个RFID 天线，从不同的方向对RFID 标签进行识别，定位精度可以达到厘米级[45]。

3）未来，机器人在自然森林中的相对定位研究工作将集中在多传感器的融合上，融合之后传感器之间会优势互补，提升定位精度。在遇到恶劣的环境和多样性的需求时，人们要客观理性地分析选择自己所需要的技术，并且注意控制成本，满足自身需求的同时追求较高的性价比，这也能进一步促进产品优化升级。没有一种技术是万能的，但人类的智慧是无限的。