综述:农业地面机械自主导航路径规划方法的研究进展:综述

《Computers and Electronics in Agriculture》:Research progress of autonomous navigation path planning methods for agricultural ground machinery: a review

【字体: 大 中 小 】 时间:2026年07月09日 来源:Computers and Electronics in Agriculture 10.3

编辑推荐:

  肖学鹏|袁洪波|杨亚帅|程曼•农业自主导航中的新技术与应用。•总结了农业自主导航路径规划的方法。•分析了影响农业机械导航路径规划的各类因素。•农业自主导航路径规划面临的挑战与发展趋势。 引言 农业生产面临着在减少投入、降低环境影响以及降低对劳动力的依赖的同时提高生产力与产品质量

  肖学鹏|袁洪波|杨亚帅|程曼•农业自主导航中的新技术与应用。•总结了农业自主导航路径规划的方法。•分析了影响农业机械导航路径规划的各类因素。•农业自主导航路径规划面临的挑战与发展趋势。

引言
农业生产面临着在减少投入、降低环境影响以及降低对劳动力的依赖的同时提高生产力与产品质量的日益严峻的压力(Pak等人,2022年)。要实现这一转变,就需要能够在真实农场而非受控测试环境中安全高效地行驶的自主地面机械。与结构化的道路或工厂环境相比,农业环境存在持续的运营不确定性,包括不平整且易变形的地形、季节性变化的作物形态、在作物冠层下或建筑物附近信号不佳的全球导航卫星系统接收情况,以及与人类、动物和其他机器的频繁互动。在这种条件下,强大的导航与路径规划能力成为实现自主化的核心前提。

对于农业地面机械而言,导航功能很少仅依赖于单一的算法模块,而是一个涵盖感知-规划-控制全流程的系统,该系统必须根据特定的任务和场景进行定制。典型的应用场景包括为播种或喷洒作业覆盖不规则耕地(Chakraborty等人,2022年)、在果园和葡萄园中沿树行进行安全引导、在狭窄的温室通道内精确操控与对接,以及在有间歇性田地通道的农用道路上进行长途运输。这些场景对路径的平滑度、覆盖效率、转向性能、避障能力、定位精度以及与农具的协同性都有不同的要求。此外,如今的农场越来越多地需要协调多台机器和农具,这使得路径规划从单一车辆的引导转变为整个机群的任务分配、调度与动作协调(Mammarella等人,2022年)。

过去十年间,相关研究在以下方面取得了进展:(i)不规则地块的全域覆盖规划;(ii)基于感知的行道与障碍物导航;(iii)针对GNSS信号不佳的果园和温室环境,结合多传感器融合技术的定位及同步定位与建图技术;(iv)适用于不同车辆运动学特性的运动控制技术。现有的综述已经从模块角度对农业机器人技术与导航技术(如感知、建图、规划与控制)进行了有益总结。然而,对于农业地面机械而言,目前仍不清楚不同的规划方案是如何随着作业场景的变化而变化的,尤其是规划者所能获取的环境信息类型又会对规划产生怎样的影响。

从农业地面机械的路径规划角度来看,以往的综述存在四个实际局限。首先,相关文献通常按技术模块或机器人类别进行分类,较少探讨规划策略在开阔地、果园、温室以及混合型农场等不同场景下的变化规律。其次,许多分类方法侧重于算法家族,却没有明确区分驱动规划的信息来源——是静态地图和预定义的航点,还是对行道/障碍物/地形的实时感知,或是两者的结合体(Wei,2021年)。第三,单一车辆导航与多车辆协同规划常常被混为一谈,尽管两者在架构、约束条件以及验证要求上存在本质差异。第四,一些综述撰写于多传感器融合、基于SLAM的感知技术以及多台地面机械协同作业等最新技术出现之前,因此未能充分反映这些趋势如何改变现有的导航系统架构。正因如此,研究人员和从业者往往难以确定哪种规划方法最适用于特定的农业场景、信息来源和作业模式,也难以找出最亟需解决的科研缺口。

为解决这些问题,本文对2019年至2025年间发表的关于农业地面机械自主导航与路径规划的相关研究进行了系统性综述。该综述遵循PRISMA 2020规范(Page等人,2021年)以及PRISMA-ScR扩展版本(Tricco等人,2018年),重点关注农业领域的地面平台,包括拖拉机、自走式喷雾机、运输机器人以及专用收割机,共纳入210项研究。本文并未进行正式的元分析,而是系统梳理了近期导航系统中所采用的环境信息类型与作业模式、这些选择在不同场景下的差异,以及各类研究原型与已投入实际应用的商业解决方案之间的关联。

通过从2019年到2025年的文献中提炼出跨场景的规律与趋势,本文做出了三项主要贡献。首先,我们提出了一个二维分析框架(信息来源×作业模式),并运用描述性统计与交叉表分析来量化这一框架下的研究现状。其次,我们将单一车辆导航的发展历程归纳为从基于静态地图的全域覆盖规划,到以感知为驱动的局部规划,再到越来越多地采用SLAM技术与多传感器融合技术实现的规划与控制。第三,我们在同一框架下对多车辆协同导航进行了整合,区分了静态协调、实时协调与混合协调三种形式,并将各类研究原型与商业系统进行对比,从而识别出已成熟的现有技术以及制约进一步发展的系统级瓶颈。

本研究的一个核心特点就是所采用的二维分析框架,该框架根据以下两个维度对相关文献进行分类:(i)用于路径规划的主要信息来源——静态的、实时的或混合型的;(ii)作业模式——单一车辆还是多车辆。基于静态信息的方案主要依赖预先获取的地图、田地边界或航点;基于实时信息的方案则主要依靠在线感知数据;而混合型方案则结合了这两种信息来源。单一车辆系统旨在实现单个机器的自主化,而多车辆系统则负责协调多台机器或农具在空间与时间上的协同作业。将这两个维度相结合,可形成六种概念性类别(静态-单一、静态-多辆、实时-单一、实时-多辆、混合-单一、混合-多辆),这些类别反映了农业应用中的常见工程决策。该框架为定量分析、基于场景的技术综述以及科研缺口的识别提供了基础。

据此,本文旨在回答三个问题:(1)在开阔地、果园、温室以及混合型农场场景中,静态、实时和混合型信息来源分别如何被用于路径规划?(2)信息类型与单一车辆及多车辆作业模式之间如何相互作用,从而形成当前在感知配置、算法类型以及验证方法方面的发展格局?(3)在复杂的农业环境中,尤其是对于基于混合信息与多车辆系统的应用,目前存在哪些关键缺口与机遇?本文并未罗列各种具体算法,而是借助上述框架提炼跨场景的规律,明确近期取得的进展在多大程度上能够转化为可实际应用的系统。

本文的其余结构如下:第2节详细介绍了PRISMA-ScR方法论,包括搜索策略、纳入标准以及编码流程。第3节介绍了主要的应用场景与平台,明确了信息来源与作业模式的分类,并总结了相关研究的数量分布以及具有代表性的商业系统。第4节探讨单一车辆导航:环境感知与路径规划;第5节则对多车辆协同导航与路径规划进行了综述,分别阐述单一车辆与多车辆导航的技术发展轨迹,重点介绍从静态规划向以感知为驱动、结合多种融合技术的自主化方向的发展过程。第6节从信息融合、环境复杂性、机械特性、农场规模差异以及系统集成等方面进行了综合讨论,并指出了当前存在的瓶颈与未来的研究方向。第7节对整篇综述进行了总结。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号