摘要：随着农业智能化水平的不断提高，果园病虫害防治的精准化与高效化需求日益凸显。为实现果园移动机器人的自主导航与病虫害精准防治，本研究提出一种基于多传感器融合的技术方案。首先集成毫米波雷达、激光雷达、高光谱相机及红外成像仪构建环境感知模块，通过多源数据融合克服单一传感器局限；其次采用扩展卡尔曼滤波（EKF)实现复杂果园环境下的鲁棒定位，结合 SLAM 技术构建高精度果园地图；在此基础上，利用 A^* 算法进行全局路径规划以优化巡检路线，并基于 YOLOv6 深度学习模型实现病虫害的智能识别与定位；最后，通过实验验证了系统在模拟果园环境中的有效性：定位模块可有效应对GNSS 信号遮挡问题，建图精度满足行间导航需求，路径规划能自主避障并优化作业路线，病虫害识别准确率显著提升。该系统为果园智能化管理提供了高效解决方案，对提升农业可持续发展水平具有重要实践价值

关键词：果园移动机器人；多传感器融合；扩展卡尔曼滤波；A\*算法；病虫害防治

3.引言

我国是水果生产大国，但果园病虫害导致年均减产 15%-30% ，传统人工防治效率低，农药滥用严重，机械化，智能化程度低。机器人在果园中自由移动，需防止发生碰撞等安全事故，其移动及定位技术十分重要。但果园环境复杂，想要应对处理这些复杂因素带来的问题，除按照既定方向行走的导航系统外，需要果园机器人具备对周围环境信息的快速感知和精准定位能力。目前研究的果园单一的导航方式存在一定的局限性：基于机器视觉的导航定位受光线影响较大，难以做到全天候工作。基于全球导航卫星系统（Global Navigation Satellite System， GNSS）的导航定位可实时定位，但是在果园作业环境中信号易被树冠遮挡导致 GNSS 定位失效。激光雷达具有测距精度高、抗干扰能力强等优点，但水平视角小。而基于多种传感器的信息融合技术可以解决单一传感器易受外界影响的问题，为果树病虫害的精准检测奠定了坚实基础。

1.果园机器人导航系统硬件平台

果园机器人硬件部分主要包括轮式底盘、环境感知模块、驱动模块、控制模块、通讯模块和电源模块六部分。选取毫米波雷达、激光雷达以及编码器组成果园机器人环境感知模块。在果园机器人前端搭载 16 线机械旋转式毫米波雷达和激光雷达，将获取的数据进行融合，实现对周围环境的感知。果园机器人顶端搭载 400⋅1000nm 波段，256 通道的高光谱相机，8-14μ m 波段，分辨率 640x512 的红外热成像仪，用于植物病斑光谱特征和温度异常检测。实现了果树病虫害的精准化监测。果园机器人上搭载工业控制主机作为顶层控制器，安装 Linux 操作系统，通过基于 Linux 操作系统的机器人操作开源软件框架—ROS 对毫米波雷达和激光雷达进行数据处理、信息融合等操作，从而实现目标检测、定位建图、自主导航等功能。搭载 STM32 控制主板作为底层控制器，实现机器人的运动和转向控制。机器人采用四轮导向，搭载无线通讯模块，通过无线通讯模块在机器人与远程控制平台建立通信，远程控制平台发布导航指令，机器人接受并执行导航任务。在电源模块上机器人配有 48V 锂电池并带有电池管理系统（Battery management system，BMS）。通过 BMS 可以监控电池的使用状态，防止电池出现异常，保证长时间续航。

2.软件平台搭建

软件系统主要负责对毫米波雷达和激光雷达获取的信息与病虫害检测装置获取的信息进行融合，实现病虫害精准定位建图。软件系统根据所获取的信息数据，结合深度学习YOLOv6 模型分析病虫害种类并给出最优的解决方案。

3.核心算法研究

3.1 移动机器人自主定位

本文机器人利用的定位算法为扩展卡尔曼滤波定位，该算法是利用预测值和观测值来更新位置状态，主要过程如下：

a）首先利用位姿状态 x_t-1 和控制信息 u_⋅1 计算 Φ_tΛ_t 时刻的位姿状态预测值 xt|t-1 和位姿预测协差Pt|t1，分别为：

x_t∣t-1=f（x_t-1，u_i） P_t|t-1=F_tP_t-1F_i^T+R_i 式中，为控制噪声协方差。

b）随后由位姿预测值得到观测值：

c）计算 z_t∣t-1 与真实值的差值，只有差值小于阈值 G 的观测值才会进入下一步的估计步骤中。

d）最后利用 z_i， 、 x_t|t-1，P_t|t-1 和更新滤波器的增益 K_t 、最优估计状态 x_i 以及 x_t 的协方差 P_t 对机器人位姿进行矫正，如下所示：

4.4 全局路径规划

全局路径规划算法采用 A^* 算法，是一种图形搜索算法，是一种图形搜索算法，常用于机器人路径规划中。 A^* 算法寻找初始节点到目标节点的最短路径。以下是 A^* 算法的基本流程。

a）初始化：创建 2 个集合，开集和闭集。开集存储待检查的节点，初始时只包含起始节点。闭集用于储存已经检查过的节点，初始为空。

b）选定节点：从开集中选择代价小的节点。若为目标点，则算法结束；否则将移动至闭集，表示已检查。

c）拓展节点：通过计算当前选中的节点的邻节点的代价，如果该节点不在开集或者代价不是最小则移入闭集

d）重建路径：当找到目标节点时，通过目标节点的父节点逆向追踪到起始节点，得到最终的最短路径。如果找到目标节点，则算法结束，输出找到的最短路径。如果开集为空，说明无法找到目标节点，算法结束。

4.实验结果与分析

为了验证文章的所使用相关算法的有效性，在真实室内环境中进行实验。

4.5 定位与建图

在实验室环境中，文章的全局定位方法能够在人为不干预的条件下进行随机粒子生成，并通过机器人移动实现收敛，这充分证明了文章全局定位方法的有效性。扩展卡尔曼滤波算法在实验室环境下能够准确建图，如图所示。

广建图完成后系统可以将地图数据保存，如图所示。

V结果充分证明了文章建图算法的有效性

4.2 路径规划文章使用的全局路径规划算法如图所示。

在真实室内环境下，系统能快速准确地规划路径，这充分证明了文章路径规划算法的有效性和鲁棒性

5.结束语

本文通过对毫米波雷达、激光雷达、高光谱相机等多源传感器数据的融合处理，实现了果园移动机器人的扩展卡尔曼滤波定位、SLAM 地图构建、 A^* 全局路径规划、病虫害精准检测等功能。该系统在模拟果园中进行了实验验证，结果证明：定位模块在复杂果园环境下抗干扰能力强，有效克服GNSS信号遮挡的问题，多传感器融合建图精度满足果树行间导航需求；路径规划算法可自主规避障碍物并优化作业路线；基于 YOLOv6 的病虫害识别模型显著提升虫害定位准确率。在自主作业模式下，系统能完成巡检、病虫害诊断与靶向防治任务；在远程控制模式下，可通过无线通讯模块实时响应调度指令。当前系统深度信息利用仍有优化空间，后续研究将聚焦于：融合多光谱数据提升病斑早期识别能力；强化电池管理系统（BMS）适配野外长时作业需求、提升农业可持续发展水平具有实践价值。

参考文献

[1] 翁 阿 强 . 校 园 巡 逻 机 器 人 巡 迹 与 避 障 系 统 设 计 [D]. 西 安 建 筑 科 技 大学，2021.DOI：10.27393/d.cnki.gxazu.2021.001999.

[2]胡兵，王德文，刘欣.基于 ROS 的巡逻机器人系统设计[J].无线互联科技，2024，21（12）：69-72.

[3]侯英勇，陈嘉茹，王树臣，等.基于激光 SLAM 的巡检机器人自动导航与避障技术研究[J].数字农业与智能农机，2024，（09）：33-35.

[4]李小明，冯青春.基于多源信息融合的果园移动机器人自主导航系统研究进展[J].安徽农业科学，2024，52（17）：17-21.

[5]马楠，曹姗姗，白涛，等.农业复杂场景下多机器人协同 SLAM 研究进展与展望[J].智慧农业（中英文），2024，6（06）：23-43.

[6]宋涛，岳岱衡，杨贻晨，等.动态目标自适应分离的动态 ORB-SLAM3 优化方法[J].激光与光电子学进展，2025，62（10）：173-183.