[发明专利]农业机械导航定位方法和装置

说明书

技术领域

本发明实施例涉及农业机械导航技术领域，尤其涉及一种农业机械导航定位方法和装置。

背景技术

导航定位是农业机械导航中的关键，导航定位的精度直接影响着农业机械运行的工作质量，是控制农业机械可靠运行的重要因素，因此，如何提高农业机械导航定位的精度是提高农业机械运行质量所要解决的技术问题。

目前，农业机械的导航定位方法主要包括绝对定位方法和相对定位方法。其中，绝对定位方法中常见的是利用GPS导航定位系统进行导航定位，其可以全天候地为GPS导航定位接收机提供绝对位置、速度和方向等信息，但是，该系统要求视线范围内有四颗以上的卫星才能实现三维定位，卫星信号被遮挡或者减弱就会影响到定位精度，导致导航定位误差的增加，而GPS导航定位系统的定位精度越高，价格就越昂贵，从而限制了GPS导航定位系统在农业机械导航定位中的应用；相对定位方法常见的有利用机器视觉和惯性导航系统等进行导航定位，其主要是利用传感器获得农业机械的姿态信息，实现对农业机械的导航定位，但是，机器视觉系统的适应性和鲁棒性较差，只能适用于在特定环境下作物的农业机械的导航定位，适用性较差，无法满足农业机械的精确定位。

鉴于上述单一导航方式中，绝对定位方法的价格昂贵，以及相对定位方法适用性较差的问题，现有技术中也提出了利用组合导航定位方法实现农业机械的导航定位，其主要基于采用RTK-DGPS和惯性测量单元IMU获取农业机械的初步的定位信息，然后通过卡尔曼滤波方法对获得的初步定位信息进行处理，并获得农业机械的定位信息，其中，卡尔曼滤波方法基于精确地数学模型，其仅适用于线性系统和系统噪声为高斯白噪声的系统，在实际应用中，由于缺乏系统工作环境条件的先验知识，基于卡尔曼滤波的计算易出现滤波器发散的问题，滤波精度差，使得农业机械的导航定位精度较低。

发明人在实现本发明的过程中发现，现有导航定位方法中，基于单一导航定位的绝对定位方法价格昂贵，农业机械导航定位的成本较高，而相对定位方法精度差，适用性较差；基于卡尔曼滤波的组合导航定位中，虽然可以解决绝对导航定位价格昂贵的问题，但是，卡尔曼滤波方法适应条件要求高，使得基于卡尔曼滤波的计算易出现滤波发散的问题，导航定位的精度较低，无法满足农业机械的导航定位的需要。

发明内容

本发明提供一种农业机械导航定位方法和装置，在降低农业机械导航定位的成本的同时，可有效提高导航定位的精度，提高农业机械的导航效果。

本发明实施例提供一种农业机械导航定位方法，包括：

获取农业机械的位置信息和姿态信息；

基于通过微粒群算法训练得到的RBF神经网络，获取与所述农业机械的位置信息和姿态信息对应的定位信息。

其中，所述获取农业机械的位置信息和姿态信息包括：

利用DGPS接收机获取农业机械的GPS定位数据，利用姿态传感器获得农业机械的三维姿态信息，所述三维姿态信息包括横滚、俯仰和航向信息；

将所述GPS定位数据和三维姿态信息转换在同一坐标系下，获得所述农业机械的位置信息和姿态信息。

此外，上述的农业机械导航定位方法还可包括：通过微粒群算法训练RBF神经网络的步骤，所述通过微粒群算法训练RBF神经网络的步骤包括：

建立RBF神经网络，所述RBF神经网络包括输入层、隐含层和输出层，其中，所述输入层的输入信息包括：农业机械的位置信息、姿态信息和速度信息；

利用微粒群算法对RBF神经网络进行训练，确定RBF神经网络的网络参数，所述网络参数包括隐含层基函数的中心位置、各向宽度、网络权值以及隐含层神经元个数。

所述利用微粒群算法对RBF神经网络进行训练，确定RBF神经网络的网络参数包括：

将RBF神经网络隐含层基函数的中心位置、各向宽度和网络权值设置为向量x的各维向量；

利用微粒群算法搜索微粒群在参数向量空间内的最优位置，则最优位置向量x的各维向量即是RBF神经网络隐含层基函数的中心位置、各向宽度和网络权值。

所述利用微粒群算法搜索微粒群在参数向量空间内的最优位置包括：

利用微粒群算法公式对RBF神经网络进行训练，其中，所述微粒群算法公式为：

v_k+1＝c₀v_k+c₁(pbest_k-x_k)+c₂(gbest_k-x_k)