张智刚1,2，鲍开元1，张闻宇1,2等研究人员在《华南农业大学学报》2025年第46卷第5期发表了题为《基于3D LiDAR的郁闭果园导航方法研究》的原创性研究论文。该研究由华南农业大学南方农业机械与装备关键技术教育部重点实验室/广东省农业人工智能重点实验室联合农业装备技术全国重点实验室共同完成。

学术背景
我国作为全球果园种植面积最大（1.2738×10^7公顷）且水果产量最高的国家，果园作业中30%的工作量为施药喷雾。传统人工作业存在劳动强度大、健康风险高等问题，而现有导航技术依赖GNSS（全球卫星导航系统）信号，在冠层郁闭的果园中面临信号遮挡挑战。针对郁闭芒果园中果树纵向间距大（5.2-5.7米）、点云数据稀疏的特点，本研究旨在开发基于3D LiDAR（三维激光雷达）的自主导航系统，解决传统视觉传感器受光照限制、2D LiDAR环境感知不足等问题。

研究流程与方法
1. 硬件平台构建
以3WWDZ-100型轮式喷雾机器人为载体，搭载禾赛Pandar QT 64线激光雷达（测距精度±3 cm）、凌思LINS16460 AHRS（姿态与航向参考系统）及Jetson TX2嵌入式计算平台。通过CAN总线实现底盘控制，系统硬件架构包含点云采集、地形补偿、路径规划与跟踪控制模块。

1. 点云预处理关键技术

   • 安装校正与地形补偿：通过对立墙面标定法校正LiDAR安装偏差，利用AHRS输出的横滚角（最大10°）和俯仰角对点云进行坐标变换，消除车身倾斜影响。
     
   • 地面点去除：采用CSF（Cloth Simulation Filter，布料模拟滤波）算法，设置网格分辨率0.5、迭代次数500，处理时间仅0.03秒/帧，有效滤除杂草及不平地面点云（图6c）。
     
   • 噪声过滤：改进传统统计滤波算法，引入距离加权因子（公式8），在5-30米范围内动态调整阈值，保留远端果树点云的同时去除环境噪声（图7b）。

2. 果树聚类与路径拟合

   • 自适应欧式聚类：基于激光雷达扫描特性（水平分辨率0.6°、垂直分辨率1.65°），提出带体心约束的聚类方法。通过三角形不等式约束合并碎片化聚类，在15米范围内实现95%以上的聚类成功率（表1），最远探测距离达24.6米（图11）。
     
   • NIL-RANSAC路径拟合：针对稀疏体心问题，先以牛顿插值法（Newton’s Interpolation, NIL）生成0.1米间隔的插值点（图12绿点），再通过RANSAC（随机采样一致性）算法拟合导航线。相比传统LSM（最小二乘法），该方法最大横向偏差降低至0.26米（表2）。

3. 路径跟踪控制
   采用LQR（线性二次型调节器）控制器，设置误差权重矩阵Q=85、控制权重矩阵R=2，通过差速运动学模型（公式22-23）实现轮速闭环控制。试验中喷雾机器人以0.4 m/s速度行驶，轨迹标准差仅0.09米（图14c）。

主要结果
- 点云处理效率：CSF滤波耗时0.03秒/帧，完整导航算法平均延迟<100 ms（表2）。
- 聚类性能：自适应阈值方法使15米内聚类成功率提升至95.55%，远超传统欧式聚类（表1）。
- 导航精度：NIL-RANSAC横向偏差（0.26 m）显著优于RANSAC（0.32 m）和LSM（0.42 m），且标准差最小（0.09 m）。
- 实时性验证：系统在30米芒果园测试中全程稳定跟踪，满足郁闭环境下的实时作业需求（图13-14）。

结论与价值
该研究首创融合NIL插值与RANSAC的路径拟合框架，解决了大间距果园点云稀疏导致的导航鲁棒性问题。科学价值体现在：
1. 提出基于激光扫描几何特性的自适应聚类阈值理论，扩展了LiDAR在农业场景的应用边界；
2. 开发的地形补偿-滤波-聚类-拟合全流程算法，为无人农场装备提供了通用技术参考。
应用层面，系统可直接部署于现有喷雾机器人，推动果园作业自动化升级，预估可减少30%以上农药浪费。

研究亮点
1. 方法创新：首次将CSF滤波与改进统计滤波结合，兼顾地面点去除与远距离目标保留；
2. 工程突破：在Jetson TX2嵌入式平台实现100 ms级实时处理，验证了轻量化部署可行性；
3. 场景适应性：针对中国南方郁闭芒果园的特殊结构（冠层高度2.3-4.5米）优化算法参数，具备地域普适性。

改进方向
作者指出未来需解决药液载荷时变对控制精度的影响，建议开发多传感器融合的质心观测器，并探索除草-导航协同作业模式。这些延伸研究将进一步增强系统在复杂农艺场景中的实用性。