[发明专利]含有改进的卡尔曼滤波的导航定位的智能跟随系统

说明书

针对现有的采摘车需要采摘者推动或拉动，效率较低，需要消耗大量的人力和物力成本的问题，本发明开发一款含有改进的卡尔曼滤波的导航定位的智能跟随系统，本发明，利用UWB定位技术，建立基站后，在智能跟随采摘车上安装UWB模块，也在采摘者身上佩戴UWB模块。可以在坐标系统中，实时定位智能跟随采摘车和采摘者的坐标。利用电机驱动并结合PID算法，进而实现智能采摘车对采摘者的智能跟随。有益的效果：通过智能跟随采摘者的方式实现减少采摘者推拉采摘车的时间，提升采摘效率，同时，降低采摘者劳累程度，提升采摘速度，增加单人采摘总量，减少人力成本投入。

所属技术领域

本发明涉及一种智能跟随装置，尤其是路径跟踪和采摘重量反馈的农用采摘跟随车，具体为含有改进的卡尔曼滤波的导航定位的智能跟随系统。

背景技术

现有的技术背景，仅仅是采摘工作者，人力背负篓子或者人力推动一个装载工具，由采摘工作者向篓子或者装载工具里面投放采摘的农作物。现有的电动力采摘车也只是添加了一个动力，并无任何智能功能。然而全自动的免去人力参与的自动采摘车，由于环境复杂实现难度大，成本也较高。

为了实现上述功能，一个具有自判断功能的跟随系统，无疑是必不可缺的。但如何进行逻辑判断与跟随，则是一个具有相当大挑战的技术难题。如果不能解决这一问题，则空有硬件设备而无法智能驱动，也就无法解决本文所面对的首要问题。

卡尔曼滤波(Kalman filtering)是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。

斯坦利·施密特(Stanley Schmidt)首次实现了卡尔曼滤波器。卡尔曼在NASA埃姆斯研究中心访问时，发现他的方法对于解决阿波罗计划的轨道预测很有用，后来阿波罗飞船的导航电脑使用了这种滤波器。关于这种滤波器的论文由Swerling(1958)，Kalman(1960)与 Kalman and Bucy(1961)发表。

数据滤波是去除噪声还原真实数据的一种数据处理技术，Kalman滤波在测量方差已知的情况下能够从一系列存在测量噪声的数据中，估计动态系统的状态。由于它便于计算机编程实现，并能够对现场采集的数据进行实时的更新和处理，Kalman滤波是目前应用最为广泛的滤波方法，在通信，导航，制导与控制等多领域得到了较好的应用。

简单来说，卡尔曼滤波器是一个“optimal recursive data processingalgorithm(最优化自回归数据处理算法)”。对于解决很大部分的问题，他是最优，效率最高甚至是最有用的。他的广泛应用已经超过30年，包括机器人导航，控制，传感器数据融合甚至在军事方面的雷达系统以及导弹追踪等等。近来更被应用于计算机图像处理，例如头脸识别，图像分割，图像边缘检测等等。

本发明即是基于卡尔曼滤波的路径跟随方法及硬件利用。

发明内容

现有的采摘车需要采摘者推动或拉动，效率较低，需要消耗大量的人力和物力成本。本发明开发一款智能跟随采摘车，通过智能跟随采摘者的方式实现减少采摘者推拉采摘车的时间，提升采摘效率，同时，降低采摘者劳累程度，提升采摘速度，增加单人采摘总量，减少人力成本投入。

本发明，利用UWB定位技术，建立基站(坐标系统)后，在智能跟随采摘车上安装UWB模块，也在采摘者身上佩戴UWB模块。可以在坐标系统中，实时定位智能跟随采摘车和采摘者的坐标。利用电机驱动并结合PID算法，进而实现智能采摘车对采摘者的智能跟随。减轻采摘者负担，提高工作效率。本智能采摘车利用静态称重模块还配置了重量测算功能，智能采摘车中农作物的重量可以实时显示在显示屏中。本智能采摘车配备有控制面板，可在控制面板上控制智能采摘车，利用路径规划，载着农作物回到系统预设的地点卸载农作物。

本发明的具体方法如下