本研究报告介绍了一份于2022年12月发表在期刊《Agronomy》上的研究论文，题为《Research on a map-based cooperative navigation system for spraying–dosing robot group》。该研究由西北农林科技大学（Northwest A&F University）的8位作者团队完成，通讯作者为Fuzeng Yang。研究针对传统果园中单台喷雾机器人药液不足时需中断作业的问题，开发了一种基于地图协作导航的喷药-配药机器人集群系统。

学术背景与目标

中国作为全球最大的水果生产国，约75%的果园为种植密集的传统果园，现有小型喷雾机器人因药箱容量有限难以完成全园作业，尤其在干旱地区取水点较远时效率更低。研究团队旨在开发一套基于3D点云地图的协作导航系统，通过主（喷雾机器人）-从（配药机器人）协同模式解决这一问题。研究涉及三个关键技术突破：果园点云地图构建、主从式协作导航策略设计、以及针对两类机器人的差异化运动控制算法实现。

研究方法与流程

1. 系统硬件架构

研究采用两台独立机器人组成集群：
- 喷雾机器人：搭载Uno-2484G主控计算机、Velodyne VLP-16激光雷达（LiDAR）、厘米级RTK-GNSS（M600移动站+T300基站），采用48V直流无刷电机驱动。
- 配药机器人：配备Boxer-8150AI计算机、RS-LiDAR-16激光雷达及CGI-410移动站（i70基站），动力系统与喷雾机器人相同。两台机器人通过2.4GHz频段Wi-Fi（IP地址192.168.62.2/20）实现局域网通信，数据丢包率实验验证低于5%。

2. 地图构建方法

团队提出一种融合LiDAR与GNSS的混合建图算法：
- 点云预处理：通过轻量化地面优化SLAM算法（LEGO-LOAM）对原始点云降噪，利用广度优先搜索（BFS）算法剔除离散点（单平面点云数<30时丢弃），保留树干、地面等稳定特征（图6）。 - **特征分类**：将单帧点云按水平扫描角分为6个区域，基于平滑度计算（公式3）划分边缘特征（红色点云，平滑度>5×10⁻³）与平面特征（绿色点云）（图7a）。通过迭代最近点算法（ICP）匹配相邻帧特征，结合GNSS位姿约束优化点云位姿估计（公式8-10），最终生成果园3D点云地图（图12）。

3. 运动控制算法

• 喷雾机器人：采用基于运动学模型的Pure Pursuit算法（纯追踪算法），通过预瞄距离调整横向偏差，行间作业时平均横向误差6.7cm（速度0.75m/s）。
  
• 配药机器人：使用距离-角度控制（D-A Control）方法，以RTK-GNSS目标点坐标为导向，直线运动平均横向误差5.7cm。
  

4. 协作导航策略

主从式指令框架下（图13）：喷雾机器人作为主节点发布协作配药点坐标，配药机器人按”水源取水→配药点移动→药液补充→返回水源”的流程循环作业。实验显示，两者在最大通信距离91.3m时仍保持稳定交互。

主要结果与论证逻辑

1. 通信可靠性：三组距离测试（84.4m/88.1m/91.3m）表明平均丢包率分别为1.7%、2.1%、3.4%，满足果园环境需求（表1）。
   
2. 导航精度：
   
   • 喷雾机器人行间导航最大绝对横向误差24.9cm（较模糊控制算法提升17%），但地头转向时偏差增至52cm（图21a-b）；
     
   • 配药机器人最大横向误差29.7cm（较传统运输机器人降低25.2%），混凝土路面直线跟踪误差仅5cm（图21c-d）。
     
3. 建图效率：融合GNSS的图优化方法（公式11-12）将LiDAR里程计漂移误差控制在10⁻6以内，500次迭代内收敛。

结论与价值

该研究首次实现传统果园环境下喷药-配药机器人的协作导航，其科学价值体现在：
1. 方法创新：提出基于特征分类的点云地图优化方法，解决密集果园特征提取难题；
2. 工程贡献：主从式分层控制架构为农业多机器人协同提供标准化解决方案；
3. 应用潜力：系统可扩展至其他果园管理场景（如采摘、运输），提升生产效率30%（据文献[9]估算）。

研究局限性在于地头转向偏差较大，未来需优化Pure Pursuit算法的曲率适应能力。团队建议后续研究可结合UWB（超宽带）技术进一步提升复杂环境的协作定位精度。