T/CAAMMXXXX—202X/T/NJXXXX—202X1農業(yè)機械無人駕駛協(xié)同系統(tǒng)架構規(guī)范本文件規(guī)定了“數-云-端”協(xié)同農業(yè)機械無人駕駛系統(tǒng)各部件或子模塊之間組織模式、運行環(huán)境要求、技術指標要求、功能要求以及測試要求，為智能駕駛系統(tǒng)的接口設計提供一種技術實現方案和標準化設計下列文件中的內容通過文中的規(guī)范性引用而構成本文件必不可少的條款。其中，注日期的引用文件，僅該日期的對應版本適用于本文件；不注日期的引用文件，其最新版本（包括所有的修改單）適用于本文GB/T24648.2-2009工程農機產品可靠性考GB/T25392-2010農業(yè)工程電氣和電子設備對環(huán)境GB/T36100-2018機載激光雷達點云數據質量評價GB/T37164-2018自走式農業(yè)機械導航系統(tǒng)作業(yè)性能GB/T39517.2-2020全域定位導航Whole-Areapo本文指基于多種定位技術融合，在衛(wèi)星信號良好的空曠區(qū)域，或在室內、大棚、樹林等衛(wèi)星信號缺失“數-云-端”協(xié)同Data-Cloud-“數”泛指數據、模型、算法，通過對多源異構數據進行處理與分析，提供計算、判斷與決策支持；“云”泛指云連接、云交互、云服務，連接系統(tǒng)各類軟硬件終端和模型算法，通過云端泛在資源管理、面向場景的使能技術服務化、融合應用建模與應用構造，提供廣連接、廣交互與廣服務支持；“端”泛指傳感器、農機裝備、應用交互軟件等軟硬件終端，提供感知、測量與反饋支持?！皵?云-端”協(xié)同指三者交本文指農機無人駕駛系統(tǒng)中來感知環(huán)境特征的傳感設備，常用的環(huán)境傳感器有攝像頭、激光雷達、超本文指農機無人駕駛系統(tǒng)中一項計算機視覺算法功能，用于將行駛路面的圖像像素或者激光點云按其柵格地圖是一種以灰度網格形式表示環(huán)境信息的地圖，每個柵格可以通過存儲不同灰度數值表示一個矢量地圖是一種使用矢量圖形表示地理信息的地圖形式。矢量地圖更注重地理特征的準確性和詳細性，本文指農機無人駕駛系統(tǒng)根據場景的變化自動切換定位模式，以實現無場景差別的全域定位導航和穩(wěn)LoRa：遠距離無線電（LongRangeRadiSLAM：即時定位與地圖構建（SimultaneousMTBF：平均故障間隔時間（MeanTime本標準提出的農業(yè)機械無人駕駛協(xié)同系統(tǒng)由“數據、模型、算法”（下稱“數”）、“云鏈接、云交互、云服務”（下稱“云”）、“傳感器、農機裝備、應用交互軟件”（下稱“端”）構成，數-云-端之間相互密切協(xié)作，實現精準定位、環(huán)境感知、作業(yè)任務管理、路徑規(guī)劃、狀態(tài)監(jiān)控等農業(yè)機械無人駕駛功“數”為農機無人駕駛協(xié)同系統(tǒng)架構中的數據處理與分析挖掘模塊，起到數據處理、分析、計算和決策等作用。該模塊采用對應的模型和算法，對農機無人駕駛系統(tǒng)中可遠程傳感器采集的圖像、視頻、激光4.2“云”：云連接、云交互、云服務“云”為農機無人駕駛協(xié)同系統(tǒng)架構中協(xié)同“數”和“端”的橋梁，起到廣連接、廣交互、廣服務各類終端及模型算法的作用。該模塊在基于分布式存儲、容器自動化編排、微服務架構與安全監(jiān)控等技術下實現農機無人駕駛協(xié)同系統(tǒng)中的“端”和“數”的資源管理，“端”“數”間消息傳遞、應用構造等功能。4.3“端”：傳感器、農機裝備、應用交互軟件在農機無人駕駛協(xié)同系統(tǒng)架構中，傳感器包括激光雷達、超聲波雷達、高清相機、R行位置信息、農機作業(yè)環(huán)境信息、農機作業(yè)狀態(tài)信息、農機位置信息等的感知和采集，并將采集的信息傳遞給“云”，“云”再傳遞給“數”進行處理和分析；農機裝備由行走底盤和作業(yè)部件等構成，基于數-云端協(xié)同實現自主作業(yè)；應用交互軟件包括農機無人駕駛協(xié)同系統(tǒng)應用軟件，實現數據的可視化和人機交互5.1“數”模塊功能5.1.1數據清洗和預處理需要對建模數據進行清洗和預處理，確保數據的質量和可用性，為后續(xù)分析提供準確、干凈的數據集。b)將點云數據進行網格化處理，統(tǒng)一建圖時進行點云配準的尺度和坐標范圍。a）采集圖像訓練集，對原始圖像信息進行濾波、c）能夠將圖像顏色空間由RGB轉換到HSV，增加構建路面分割模型時對顏色變化的適應性；d）能夠對圖像進行旋轉、翻轉、縮放，并結合語b）提取關鍵幀，能夠根據要求從視頻中提取出代表性的幀，減少數據處理的復雜性；C）提取特征，能夠從關鍵幀中提取特定有用的信息，包括顏色、紋理、形狀等需要對經過數據清洗和預處理后的數據，根據需要進行數據分析和建基于預處理后的圖像數據、視頻數據等，采用深度學習算法，構建路面分割模型，可對模型預對路面分割區(qū)域進行連通性分析和融合處理，并基于語義標簽自動生成標準化矢量圖層，包括：區(qū)、障礙區(qū)、種植區(qū)等，同時對生成的矢量圖層賦予坐標信息，與激光雷達點云地圖進行坐標配基于作業(yè)地塊的矢量圖層、土壤狀況、作物種植分布等數據，規(guī)劃出無人農機的最佳作業(yè)路徑包括橫向偏差控制、發(fā)動機啟?？刂?、縱向速度控制、制動控制和傳動比控制等控制決策，確使用圖像處理技術對作業(yè)地塊中的作物進行識別通過分析歷史作業(yè)數據，評估無人農機的工作效率，并通過優(yōu)化算法對作業(yè)參數進行調整以提通過分析無人農機的工作狀態(tài)數據，利用預測性維護模整合上述數據分析和模型，構建形成智能化決策大模型，為無人農機在復雜多變的農業(yè)生產環(huán)5.2“云”模塊功能5.2.1連接管理管理傳感器、農機裝備等與云平臺之間的連接，確保數據傳輸5.2.2設備管理5.2.3數據存儲整合云平臺中心計算能力和分散的端邊緣計算能力，使數據可以在云、邊緣和端之間自由流通5.2.5消息協(xié)同a）通過消息隊列、主題和服務端訂閱等功能來同步不同系統(tǒng)之間b）能夠通過云端集中式訓練模型，并將更新的模型推送到本地邊緣5.2.6指令下發(fā)5.2.7執(zhí)行狀態(tài)監(jiān)控云平臺下發(fā)指令后，終端設備能夠及時將指令的執(zhí)行結果返回給云平臺平臺，如果終端設備沒有回應，5.2.8應用構造支持農機無人駕駛物聯網應用的快速開發(fā)和部署，支持模塊化、微服務化的應用實例在云端根需求進行編排，支持應用管理協(xié)同，確保云端和邊緣節(jié)點提供跨平臺的開發(fā)工具和服務，使得開發(fā)者能夠高效提供地圖搭載、裝備注冊、參數配置、狀態(tài)監(jiān)控、農機控制、作業(yè)管理、故障管理等中間件5.3“端”模塊功能需要配置多種傳感器，包括激光雷達、超聲波雷達、攝像頭、RTK、IMU等5.3.2邊緣計算及農機自動駕駛作業(yè)控制b)農機在不同作業(yè)場景行駛過程中，能夠根據衛(wèi)星信號遮蔽情況自動切換定位模式，實現持續(xù)定位；a)能夠結合農機行駛速度，根據超聲波b)能夠結合數據處理與分析部件反饋的路面分割信息，修正農機行駛路線，實現在車行道居中行駛；c)基于全域定位導航能力，控制農機按照a)接收云平臺下發(fā)的傳感器參數、作業(yè)路徑5.3.3應用服務a)新增任務：用戶可以通過云平臺新增作業(yè)任務，填寫任務名稱、描述、執(zhí)b)修改任務：提供靈活的任務修改選項，允許用戶調整任務參數、時間表或其他相關屬性，確保任d)查詢任務：可根據任務名稱、執(zhí)行時間進行任務a)用戶可以通過圖形化界面直觀地規(guī)劃作業(yè)路徑，添加路徑關鍵點、設定b)支持智能作業(yè)路徑規(guī)劃，能否基于柵格地圖和矢量圖層進行最優(yōu)行駛路徑規(guī)劃，降低終端資源消b)具有任務離線下發(fā)機制，網絡由不穩(wěn)定或斷連恢復到正常，能否把作業(yè)任務續(xù)傳下發(fā)到終端。a)實時監(jiān)控作業(yè)任務執(zhí)行狀態(tài)，包括任務已開始、任務進行中、任b)任務完成后，系統(tǒng)自動生成詳細任務報告，對任務執(zhí)行時間、完成情況、異常事件等進行統(tǒng)計。b)實時監(jiān)控農機健康狀況，包括液壓油溫、電池電量等信息；d)發(fā)現異常情況實時觸發(fā)報警，以便及時采取措施防范潛在問題。c)精度發(fā)散狀態(tài)（RTK浮動解）及時告警時間小于3s；a)自動識別衛(wèi)星信號的強弱或缺失，如果衛(wèi)星信號變弱就自動切云平臺搭載并展示電子地圖，采用數據處理與分析部件基于激光雷達點云地圖轉換的高精度柵格地圖，b)感知到障礙時能夠根據車速自動調a)在云平臺電子地圖上打點繪制出作業(yè)路徑，或根據柵格地圖及可通行區(qū)域矢b)農機裝備能按照作業(yè)路徑進行自動循跡行駛，真實行駛路徑偏移量不超過10cm。a)“數”、“云”應具備有效的終端身份驗證、數據加密和過濾機制，防止非授權用戶b)“數”、“云”、“端”具有日志記錄和運行過程監(jiān)控機制，異常事件發(fā)生時應實時響應和報警，c)傳輸安全說明：使用成熟的安全傳輸協(xié)議，保證傳輸的通道安全。a）存儲介質滿足農機無人駕駛數據大規(guī)模、高速、低延遲、高可靠b）存儲策略采取數據備份、數據壓縮、數據加密、數據歸檔等。在“數”模塊中部署了對算力要求較高的智能算法，包括激光點云數據預處理、圖像數據預處理法、激光點云建圖、路面語義分割與矢量圖層生成等。實現“數-云-端”無人駕駛協(xié)同系統(tǒng)的“數”模塊應可“云”模塊對應云平臺，通過云端泛在資源融合管理、面向場景使能技術服務化、融合應用建模與開發(fā)運行、應用實例調度與執(zhí)行等，提供廣連接、廣交互與廣服務。實現“數-云-端”無人駕駛協(xié)同系統(tǒng)的“云”模塊應滿足系統(tǒng)廣連接、廣交互與廣服務所需的云資源和b)航向角精度<1°（自轉360°);d)具備數據穩(wěn)定的指示輸出，以便于與其他傳感器進行時間同步；b)其中CAN接口符合“ISO11898-2”標準，雙絞線通訊，c)其中RS485接口符合“EIA-485”d)可通過串行通訊接口發(fā)送速度、轉向角度等控制信號，并接收實時速度、轉向角度等信息。a)全域定位測試場景選擇三種衛(wèi)星信號典型場景：全天空場景、半天空、室內c)將傳感器等正確安裝適配在農機裝備上，保證正常運行b)“端-云”遠程通信測試：2)農機裝備通過接入衛(wèi)星授時模塊在上報云的數據中打時間戳，通過云平臺統(tǒng)計智能駕駛終端b)全遮蔽場景下的定位功能應按照GB/T36100-2018的規(guī)定a)采集的激光點云數據質量應該《CH/T8024-2011機載激光雷達數據獲取技術規(guī)范》中對點云密度、b)預處理后的激光點云數據質量標準應該按照《CH/T8024-2011機載激光雷達數據獲取技術規(guī)范》柵格地圖和矢量圖層的數據采集正當性、制作生產資信、數據質量、應用功能的檢測需按照《C1234561)在室外選擇4個以上位置作為基準點，使用RTK測量出室外基準點的精準坐標；3)使用全站儀采用后方交會的方法計算出室內待測點的坐標作為真實參考值；4)將農機裝備靜止在室內待測點并啟動定位功能，每個待測點統(tǒng)計100組系統(tǒng)解算坐標與其真1)在室外選擇4個以上位置作為基準點，使用RTK測量出室外基準點的精準坐標；3)使用全站儀采用后方交會的方法計算出室內待測點的坐標作為真實參考值；4)室內待測點兩兩之間確定多條參考直線，云平臺下發(fā)參考直線的路徑信息到農機裝備，執(zhí)行循跡行駛任務，每條參考直線記錄100個系統(tǒng)a)選擇測試場景，包含室外開闊區(qū)域和室內全遮蔽區(qū)域，兩個區(qū)域中分b)通過示教模式人工控制農機從開闊場景的起點到全遮蔽場景內的終點行駛，將示教軌跡上傳至云c)將農機裝備返回起點，執(zhí)行