本文的主要作者包括刘路、潘艳娟、陈志健、王玉伟、李亚伟和陈黎卿，他们主要隶属于安徽农业大学工学院及安徽省智能农机装备工程实验室。该研究发表于《农业机械学报》（Transactions of the Chinese Society for Agricultural Machinery），属于2020年第51卷第10期，DOI为10.6041/j.issn.1000-1298.2020.10.002。文章的标题为“高遮挡环境下玉米植保机器人作物行间导航研究”（Inter-rows navigation method for corn crop protection vehicles under high occlusion environment）。
研究所属领域为智能农业装备，核心关注玉米种植过程中植保机器人在玉米中后期成长环境下的自主导航问题。玉米作为中国的重要主粮作物，其中后期的病虫害防治是农业机械化中的一个关键环节。然而，玉米植株在生长中后期由于叶片纵横交错，导致植保机器人作物行间的可通行区域受到严重遮挡，从而极大地影响其导航精度和工作效率。
背景知识显示，传统的导航方式中，立体相机和深度相机虽然能够快速获取作物特征信息，但在室外光照较强的情况下易受过曝问题的干扰，导致数据缺失。而激光雷达（LiDAR）作为一种依靠回波检测原理的传感器，可以较少受光照影响，精准获取三维点云数据，为实现高遮挡环境下的可通行区域识别提供了可行性。本研究的主要目标是开发一种基于16线激光雷达传感的导航方法，以解决玉米中后期作物行间遮挡对植保机器人自主导航的影响。
本研究的实验流程分为四个主要部分：导航系统组成描述、点云数据采集与预处理、聚类算法及误差优化、导航线规划与实验分析。
研究使用基于激光雷达的三维感知系统，包括三轮驱动机器人底盘、搭载的VLP-16型16线激光雷达和配备Core i7处理器的工业控制机。激光雷达的安装位置位于机器人顶端，能够提供有效测量距离为100米、垂直视场角为±15°的实时三维点云数据。整个检测流程利用GNSS导航实施田间的全局路径规划，并结合三维激光雷达的局部环境感知，解决GNSS信号在玉米冠层下不稳定的问题。
激光雷达在大田场景中，对植保机器人前方区域进行点云数据采集。由于玉米枝叶交织导致点云数据中含有地面、杂草等无效信息，研究利用随机采样一致性算法（RANSAC）进行去噪，通过直通滤波法提取玉米植株点云区域。以此获得干净的作物行中心点云数据作为后续导航算法的基础。
通过分析玉米植株的主干与叶片在地面投影的点云密度分布规律，研究首次引入k-means聚类算法对垂直投影点云进行分组，识别玉米植株的中心点区域。然而，近端因枝叶密集性较高，可能产生错误的聚类中心点。为解决此问题，研究设计了基于置信区间的误差优化策略，从统计学视角剔除聚类中的离群点。从而提高了对高遮挡环境下主干区域点云聚类的准确性，保障接下来导航路径的精确性。
在玉米主干区域识别基础上，研究进一步提出了一种基于径向基函数（RBF）的导航路径规划方法，与传统Hough中心线提取方法相比，RBF能够更灵活地处理复杂环境中的导航偏移问题，减少玉米植保机器人与植物碰撞的概率。
实验在模拟的大田环境中测试了该方法的性能，以70～80 cm行距及20～30 cm株间距的玉米种植参数为基础，机器人采集并处理了玉米冠层以下的点云数据。以下是主要实验结果的要点：
玉米主干区域识别精度
导航路径规划
误差来源分析
本研究在高遮挡环境下提出了一种结合k-means聚类与置信区间优化的新方法，以实现玉米中后期作物行的中心导航。其结果表明，该方法能够在复杂的种植环境中提供稳定的导航操作，并显著提升了植保机器人对高遮挡环境的适应能力。
科学意义：研究填补了现有技术在玉米中后期植保导航方面的空白，为玉米生长后期的病虫害防控提供了一种高效率、低错误率的解决方案。
应用价值：该技术在未来能够推广至更大范围的智能农业设备中，可应用于不同类型农作物的行间导航，具有广阔的实用前景。
研究虽然在精度和效率上取得了良好结果，但也指出，车载激光传感器振动和叶片影响仍存在进一步优化空间。未来可以通过改进硬件平台的稳定性或者结合深度学习算法来实现更高鲁棒性的植保机器人导航。