[发明专利]基于虚拟雷达模型和深度神经网络的导航控制方法

说明书

本发明涉及一种基于虚拟雷达模型和深度神经网络的导航控制方法，具体包括：S1、初始化虚拟雷达模型关键参数；S2、通过导航传感器获取车辆当前时刻的位姿和运动状态数据；S3、依据规划的直线路径，向两侧偏移生成虚拟路径边界,扫描虚拟路径边界，生成虚拟雷达模型探测图；S4、将生成的虚拟雷达模型探测图输入训练好的深度神经网络生成驾驶指令，实现车辆对规划路径的追踪；本发明提出的基于虚拟雷达模型和深度神经网络的导航控制方法，在控制过程中有较好的稳定性、较快的响应速度以及较高的精度，路径追踪效果较好，可以很好的控制车辆转向、减少路径追踪误差。

技术领域

本发明涉及果园农机导航领域，特别涉及一种基于虚拟雷达模型和深度神经网络的导航控制方法，属于果园机械控制领域。

背景技术

我国是世界上第一大水果生产国，水果产业是农村增收的重要产业之一。随着我国城市化发展和人口老龄化趋势的加快，从事农业生产劳动的适龄劳力越来越少。面对越来越严峻的产业形势，水果种植产业规模化发展和规范化、机械化管理将是必然趋势。同时，根据《十三五国家科技创新规划》指出，“未来五年要发展高效安全生态的现代农业技术，重点发展农业生物制造、农业智能生产、智能农机装备、设施农业等关键技术和产品”。因此开展智能果园机械装备的研究对我国农业现代化全面发展具有重要的意义。

传统导航方法都是以机器人运动的轨迹横向偏差和航向偏差作为输入量，经过路径追踪算法处理后输出机器人的转向指令，从而控制机器人沿着期望的路径运动。虽然横向偏差和航向偏差可以反映出车辆相对与路径的偏移情况，但路径的形状变化及走向变化反映较弱。

发明内容

本发明的目的在于克服基于模糊控制下路径追踪效果误差大的缺点与不足，提供一种基于虚拟雷达模型和深度神经网络的导航控制方法，通过该方法能够准确的引导果园车辆在果园中沿设定的路径行驶。

本发明解决技术问题所采用的技术方案如下：

基于虚拟雷达模型和深度神经网络的导航控制方法，其特征在于，包括如下步骤。

N1、初始化虚拟雷达模型参数：

虚拟雷达模型是指假设的专门扫描路径边界的抽象雷达，定义了虚拟雷达模型最大探测距离l_max，角度分辨率α_r；α_r确定每一个车辆位置对周围360°内扫描的波束个数，设波束总数为n，则根据对虚拟雷达模型的实际需求，对最大探测距离l_max和角度分辨率α_r进行赋值，通过公式(1)计算扫描的波束总数。

N2、通过导航传感器获取车辆当前时刻的位姿和运动状态数据：

获取车辆位姿信息，包括位置信息(x_p,y_p)和航向角θ_p，车辆的位姿信息用P(x_p,y_p,θ_p)描述。

N3、依据规划的直线路径，向两侧偏移生成虚拟路径边界，扫描虚拟路径边界，生成虚拟雷达模型探测图：

规划路径起始点S(x_s,y_s)、终点E(x_e,y_e)根据实际果园种植环境确定。描述规划路径的函数f₀(x,y)＝0、虚拟路径边界函数f₁(x,y)＝0、虚拟路径边界函数f₂(x,y)＝0分别如公式(2)、(3)、(4)所示：

A₀x+B₀y+C₀＝0 (2)

A₁x+B₁y+C₁＝0 (3)