题目：田间作业智能车辆导航与控制系统研究

田间作业车辆的自主导航，是按照“精准农业”概念进行农业物资施用的关键技术。针对传统导航方式应用过程中所存在的缺陷，本文提出利用“智能空间(Intelligent Space，简称iSpace)”的概念，进行田间作业车辆自主导航的研究，并针对实施过程中所面临的多个关键性难点，提出合理的解决方案，最终结合部分车辆在线传感器，实现了“智能空间”下田间作业车辆的高精度三维组合导航。针对室外智能空间覆盖区域大、平台架构难的特点，本文采用单目遥感相机，结合无线通讯网桥和移动机器人平台，构建了室外智能空间系统原型。利用移动机器人平台作为动态的标记，通过机器人的自主路径跟踪及与空间服务器的实时无线通讯，完成了地面控制点(GCP)数据的自动化采集，为相机外部参数的精确标定提供了有力的支持。建立了相机成像的非线性模型，采用分步标定的方式，对模型中的相机内部参数和外部参数分别进行了精确的标定。进行了车辆的空间定位实验，并对定位误差进行了定量分析。以空间定位信息作为位置反馈，在三种不同的参考速度下，进行了车辆平台的实时路径跟踪控制，不仅验证了空间定位的实时性、鲁棒性，也验证了空间定位误差分析的有效性。为了弥补空间定位更新频率低的不足，结合二维航迹推算系统，进行智能空间内田间作业车辆的二维组合导航。基于航迹推算原理，建立了二维组合导航状态空间模型，利用扩展卡尔曼滤波进行数据融合。首先通过空间数据采集及后处理实验，验证了二维组合导航的有效性；随后基于二维组合导航，进行了实时路径跟踪控制，并与空间图像定位独立控制误差进行了对比，结果显示控制效果得到明显改善。为了克服崎岖路面高度变化对空间定位造成的影响，结合惯性导航系统，进行了智能空间下的三维组合导航。基于惯性导航原理，建立了三维组合导航状态空间模型，提出以二维图像坐标作为观测量，建立模型的观测方程。采用Sigma-Point卡尔曼滤波进行传感器数据融合，解决了基于雅可比矩阵线性化的扩展卡尔曼滤波在进行强非线性滤波时所遇到的问题。最后通过三维数据采集实验及数据融合结果，验证了三维组合导航的有效性，并与二维组合导航结果进行了对比分析。通过定性的误差分析，证明三维组合导航补偿了路面高度变化的影响，进一步提高了导航精度。