电磁导航也称埋线导航，因为这种导航方式具有实用简单、寿命长、抗干扰能力强等特点，20世纪70年代迅速发展，并被广泛地应用于实际生产当中。日本的Tosaki等研制出了一种在果园环境使用的无人驾驶鼓风喷雾机器人，该机器人利用埋在工作路径上的导向线进行导航。导向线被埋在0.3m深的地下，信号为交流信号(1.5kHz，185mA)。用模糊控制方法引导机器人沿着电缆线行驶。当机器人以0.76m/s速度行驶时，偏移误差为0.1m，在转弯处增大到0.3m。

　　在国内，宋健等针对喷雾机器人的工作要求，研制了电磁诱导式导航系统。机器人行走轨迹的诱导信号由埋设在田间的通有高频电流的导线产生，利用一对电磁感应传感器的信号电压差值判断机器人位置。采用PID算法规划行驶路径，由PWM系统驱动直流电动机完成机器人的行走。实验结果表明，10m范围内直线导航精度±1cm;转弯半径0.5m时导航精度±2.5cm。杨世胜等针对温室内农药喷洒作业自动化的需求，设计了一种电磁诱导式农用喷雾机器人路径导航系统。机器人路径导航系统由机器人控制器、诱导信号发生器、诱导线、磁标志、传感器和遥控器组成。

　　1.3.2机械导航

　　在农业机械导航的早期研究中，许多研究者将目光投向了机械导航。机械导航具有成本低、实用性强、原理简单、可靠性高、易于维护等诸多特点。国外有许多农机生产单位将机械导航系统投入到了实际应用之中，解决如玉米收获过程中的对行等问题。从1978年开始，Claas自动导航仪就使用了机械接触传感器，可以引导车辆沿着由作物行形成的固体引导线行驶。但是，当不存在有效的接触引导目标时，传感器将会失效。

　　国内在农业机械领域针对机械导航的研究较少。朱磊磊等针对果园田间作业，设计了基于曲柄滑块机构原理导航的履带机器人。该机器人以0.15m/s的速度直线行走时，最大跟踪误差小于0.02m;转弯半径为2m时，最大跟踪误差小于0.05m。何卿等为提高接触式拖拉机导航系统性能和导航精度，针对玉米秸秆行间作业，设计了双层控制器的接触式导航控制系统，行驶速度不超过1m/s时，拖拉机导航精度在50mm以内。张明颖等为实现果园机械自动化，开发了一种拖拉机机械式导航系统，最大横向偏差小于0.1m。

　　1.3.3激光导航

　　激光雷达具有测距精度高、分辨率好、抗干扰能力强、体积小、质量轻等诸多优点，在农业机械导航中的应用也较为普遍。法国的Chateau等进行了基于激光传感器的农业车辆自动导航研究。在研究中，植被的体积和高度被计算出，并被用来控制车辆的速度。日本的Noguchi等利用二维激光扫描仪开发出了一种可以在果园环境应用的自动导航系统，使用一辆52kW的拖拉机作为实验平台，导航中横向误差为0.11m，航向角误差为1.5°。

　　荷兰的Hiremath等为了使农业机器人能够在玉米地中进行自主导航，基于粒子滤波器构建了激光测距仪模型，机器人的航向角和横向偏差的均方根误差分别为2.4°和0.04m。

　　在国内，刘沛等为实现果园作业的自动化，以拖拉机为研究对象，采用激光导航方式实现了果园机械的自动导航。当拖拉机以0.27m/s速度直线行走30m，最大横向偏差为0.15m。陈军等在研究中，利用激光扫描获取果树位置信息，提出了一种果园环境下曲线导航路径的拟合算法。当农业机器人以0.54m/s的速度沿正弦曲线行走，最大横向偏差为0.40m，平均偏差为0.12m。除成本较高外，激光导航须有固定的用于反射激光的目标，目标可以人为设置，也可以利用自然景物，如建筑物、树木等。但机器与反射物之间不能存在遮挡。

　　1.3.4超声波导航

　　超声波传感器测量具有非接触性、方向性好、定向传播、频率高、波长短、绕射现象小等特点，特别是遇到杂质或者分界面会产生明显的反射现象，以及在遇到动态物体时会产生多普勒效应，因而目前被广泛地用作机器人定位和障碍物的检测中，在农业机械导航中也不例外。日本的Toda等利用超声波传感器绘制作物行的地图，应用模糊逻辑方法控制转向。结果表明，位置和方向标准误差在建图测试中分别为12.7mm和2.4°;在驾驶测试中为16.3mm和2.2°;在综合实验中为33.6mm和3.2°。英国的Hague等为自主导航农业车辆开发的地基感知系统中，也使用了声呐传感器来进行局部特征检测，并通过使用扩展卡尔曼滤波器对传感器的信号进行融合。

　　国内，郑天鹏等开发了一种基于红外触发的农业机器人超声波定位系统，结合了温度补偿模块和线性修正因子来提高测量精度，当发射端发射角小于40°、纵向距离小于4000mm时，检测误差在10mm以内。高云等也进行了类似定位研究，以期辅助农业机器人的视觉系统提高识别功能。超声波测距或定位的精度不太高，仅适用于短距离的测量。

　　1.3.5地磁导航

　　由于廉价，地磁传感器最近也被应用到了农业机械导航研究之中。日本的Noguchi等研发了一种利用地磁导向传感器和图像传感器进行导航的农业移动机器人。该机器人利用图像传感器进行定位，通过地磁导向传感器获得航向角。然而地磁导向传感器在使用中易受周围磁场、机器人倾角等干扰，为了有效利用地磁导向传感器，利用神经网络重新定义地磁导向传感器输出。田地实验表明，机器人相对于目标位置的最终位置平均误差为0.4m。机器人相对于预规划路径的位置绝对最大误差和均方根误差分别为0.51m和0.23m。

　　国内有关地磁导航的研究还主要集中在仿真和预研阶段。相关研究多集中在航空、船舰等领域，尚未看到农业机械相关的研究报道。

　　2、农业机械导航关键技术

　　2.1环境感知技术

　　导航中的环境感知技术，即移动载体能够根据自身所携带的传感器对所处周围环境进行环境信息的获取，并提取环境中有效的特征信息加以处理和理解，最终建立所在环境的模型。该技术是机器人实现环境建模、定位、路径规划等自主导航控制的前提，环境感知能力的强弱直接影响到机器人的控制决策能力。

　　随着信息获取技术的发展，各种传感器以及新型传感器信息处理方法在移动机器人中得到了充分的使用，有力地提高了智能移动机器人对环境信息的获取能力，针对环境信息的提取、分类，近年来很多学者不断加大在该领域的研究工作。杨俊友等提出一种基于颜色直方图和SIFT混合特征的机器人环境感知方法，将颜色直方图的“色”与SIFT算法的“形”有机结合。Correa等在安装了视觉传感器的移动机器人平台上使用了主动感知策略，使用环境拓扑地图和基于粒子滤波的贝叶斯非参数估计来估测机器人位置。

　　在农业机械导航领域也是一样，环境感知的方式和信息处理方法在不断进步。?strandBj?rn等设计一种机械除草机器人，感知系统包括一个识别农作物行的灰度级视觉系统，以及一个能够从杂草中识别农作物的彩色视觉系统。Freitas等使用扩展卡尔曼滤波来融合转向编码器和激光距离两种传感器数据，更新通过点和线特征的检测来实现轮式机器人在果园中的定位。He等根据果园图像的特点，使用水平投影方法动态地识别主要的树干区域，借助于最小二乘法来提取树干行线。为使车辆有效地避开障碍物，韩永华等针对基于颜色或高度信息的农田障碍物检测方法仅能实现部分障碍物检测的缺点，提出了基于频率信息的障碍物检测方法。周俊等通过连续采集两帧图像，提取其特征点并加以匹配;然后利用对应特征点在图像间的运动特征来检测运动障碍目标。李盛辉等提出了一种基于全景视觉的运动障碍目标检测方法。与传统的单目和双目视觉相比，全景视觉具有360°无盲区检测的优点。首先系统使用多线程技术采集多目视觉图像，并用改进ＲANSAC-SIFT算法进行特征点提取与匹配，进而拼接全景视觉图像;其次采用改进的CLG光流法处理全景图像，检测运动障碍目标。试验表明:基于多线程技术和改进ＲANSACSIFT的全景拼接算法，与传统SIFT算法相比，平均提高特征点匹配准确度25.6%，加快运算速度25.0%;采用改进CLG光流法进行运动障碍检测，平均检测时间为1.55s，检测成功率为95.0%。

　　2.2导航控制技术

　　农业机械导航控制技术主要包括横向控制和纵向控制。其中，纵向控制为速度控制，农业机械作业时一般速度不高，而且速度的变化范围小，所以在导航控制研究中往往把研究的重点放在横向控制上。

　　横向控制是指车辆的转向控制，而转向控制的重点在于导航控制器的设计。导航控制器可以将农业车辆的位置信息与规划路径相比较得到的偏差信号发送给转向控制机构，通过转向操作机构控制农业机械按照理想路径运行。目前，设计这类导航控制器的方法主要包括:智能控制方法、PID的控制方法、最优控制方法、预瞄控制方法、预测控制方法等。

　　在智能控制当中，使用较多的为神经网络控制和模糊控制。通过模拟人的智能行为，神经网络控制和模糊控制在不需要精确数学模型的情况下就能解决不确定性、非线性问题。陈军等将神经网络控制技术应用于农用车辆的自动行驶控制中，使控制器具有良好的自学习功能，提高了控制器的环境适应能力和现场处理能力。在牧草地上的实车实验结果表明:农用车辆沿直线路径自动行驶时，95%的偏差绝对值小于5cm。Noguchi等使用神经网络和遗传算法为农业移动机器人进行路径规划，其中神经网络描述的模拟器被用来生成路径，遗传算法被作为优化方法，使用转向角度的时间序列作为控制的输入被优化。Toda等利用模糊逻辑控制机器人的转向，转向控制系统所能提供的直线跟踪结果中的位置标准转向误差为16.3mm，方向误差为2.2°。李逃昌等提出了一种基于模糊自适应纯追踪模型的农业机械路径跟踪方法。该方法基于纯追踪模型进行农业机械路径跟踪控制，采用模糊自适应控制在线自适应地确定纯追踪模型中的前视距离，提高了路径跟踪的精度。农业机械的路径跟踪实验结果表明，路径跟踪的最大误差不超过10cm，平均误差小于5cm。

　　PID控制以其算法简单、可靠性高、鲁棒性好、调整方便而在工程界中广泛应用。Yin等利用PID控制器来决定农业车辆的合适速度。罗锡文等在东方红X-804拖拉机的DGPS自动导航控制系统的开发中，也使用了基于PID算法的导航控制器。

　　最优控制理论是现代控制理论的重要组成部分，它所研究的对象是控制系统，核心是针对一个控制系统，寻求控制策略，使系统在某种意义上是最优的。陈军等利用车辆运动学模型，根据最优控制理论设计了拖拉机自动行走控制器。Vougioukas等为自主农业车辆设计了两阶段最优运动规划算法。Dong等进行了差速驱动农业机器人作物行引导系统的时间最优控制，田地实验表明该方法能达到±3cm的精度。

　　预瞄控制具有很好的鲁棒性与智能性，其工作原理与驾驶员的驾驶行为相似。农业车辆对前方的路径进行预瞄，得到自身相对于预瞄点的偏差数据来设计控制器，以实现自动导航。周建军等在农用车辆直线导航跟踪控制中采用了该控制算法，取前视距离为车辆当前车速下4s内所走的距离，实验中横向位置偏差小于0.2m。

　　预测控制先预测系统未来的输出状态，再确定当前时刻的控制动作，因此，控制动作具有明显的预见性，适合移动机器人的运动控制。任永新等针对温室环境下机器人自主导航问题，提出了基于模糊预测控制的实时路径规划和跟踪方法。周俊等分析了轮式拖拉机跟踪引导路径的行为特点，基于卡尔曼滤波理论融合各传感器的测量信号实现预测跟踪控制，以抵消状态反馈滞后严重造成的不良影响。