CN108674185A - 一种无人农业车辆田间遇障速度控制方法 - Google Patents

Abstract

本发明公开了一种无人农业车辆田间遇障速度控制方法，包括一下步骤：获取障碍物信息并输入当前车速、建立时空栅格模型、在时空栅格模型上获取障碍物的占用栅格、获取无人农业车辆与障碍物的碰撞距离、将碰撞距离与障碍物信息输入至云推理器，云推理器根据上述定量参数调整无人农业车辆的行驶速度，无人农业车辆的行驶速度调整之后，重新计算调整之后的障碍物与无人农业车辆并对无人农业车辆进行进一步的调整。本发明将无人农业车辆及障碍物的信息定性参数转化成定量参数，输入至云推理器，云推理器根据上述定量参数调整无人农业车辆的控制速度，用以避开障碍物，实现无人作业。

Description

一种无人农业车辆田间遇障速度控制方法

技术领域

本发明涉及农业机械自动作业领域，具体涉及一种无人农业车辆田间遇障速度控制方法。

背景技术

随着电子信息技术的不断发展，农业车辆自动化与智能化发展得以大力推进。对于没有驾驶员的无人农业车辆(拖拉机或农业机械)，它们的自动化与智能化程度要求更高，在非结构化、不确定、复杂的农业生产环境中，安全避障是无人农业车辆的重要功能之一。

鉴于农业车辆在田间作业时一般具有明确的作业任务与作业路线且作业速度较低，本发明提出一种无人农业车辆田间作业遇障后的速度控制方法。

发明内容

为解决现有技术中的不足，本发明提供无人农业车辆田间遇障速度控制方法，解决了无人农业车辆在田间作业时能够主动避开障碍物的技术问题。

为了实现上述目标，本发明采用如下技术方案：

一种无人农业车辆田间遇障速度控制方法，采用以下步骤：

S1:获取障碍物信息并输入当前车速：所述障碍物信息包括障碍物的运动速度、运动方向及障碍物的初始位置；

S2：建立时空栅格模型：具体做法是：以XY平面表示零时刻无人农业车辆及障碍物的位置，以垂直于XY平面的纵轴作为时间轴TIME，则无人农业车辆及障碍物处于XY平面及时间轴TIME形成的长方体空间内，以平面TIME＝t将所述长方体空间截成若干个栅格；

S3：在时空栅格模型上获取障碍物的占用栅格：具体做法是：将无人农业车辆定义为一点，将障碍物定义为半径为r的圆形区域，所述r的值由障碍物的危险度确定，此时障碍物的运动在时空栅格模型上定义为一个柱体，而无人农业车辆的运动路线在时空栅格模型上则定义为一条空间线，则无人农业车辆与障碍物的碰撞转变为所述长方体空间内空间线与柱体相交的问题；

S4：获取无人农业车辆与障碍物的碰撞距离：当检测到障碍物出现时，开始捕捉障碍物信息，假设相邻两次捕捉障碍物信息之间，障碍物信息不发生变化，则障碍物在时空栅格模型上记为若干个坐标，使用自回归算法对障碍物信息的时间内障碍物运动路线进行拟合，并推导出障碍物路径预测曲线、建立障碍物的空间柱体方程，将障碍物的空间柱体方程结合S3中的无人农业车辆的运动路线求解得到碰撞距离L*；

S5：将碰撞距离L*与障碍物信息输入至云推理器；具体做法是：将碰撞距离L*、障碍物的危险度及无人农业车辆速度转化为定量参数输入至云推理器；

S6：云推理器根据碰撞距离L*、障碍物的危险度及无人农业车辆速度调整无人农业车辆的行驶速度；

S7：无人农业车辆的行驶速度调整之后，重新计算调整之后的障碍物与无人农业车辆之间的距离L′，当距离L′大于或等于零时，表示障碍物远离无人农业车辆，无人农业车辆可恢复正常行驶速度，当距离L′小于零时，表示障碍物有靠近无人农业车辆的趋势时，则保持调控后的速度不变，直至障碍物远离或产生新的碰撞预测点。

具体的，前述的一种无人农业车辆田间遇障速度控制方法，所述S5中的云推理器使用双条件多规则处理器，所述双条件多规则处理器包括前件云与后件云。

具体的，前述的一种无人农业车辆田间遇障速度控制方法，所述前件云的决策参数是碰撞距离L*与障碍物的危险度，所述后件云的决策参数是无人农业车辆速度。

具体的，前述的一种无人农业车辆田间遇障速度控制方法，所述障碍物的危险度的定性概念从低到高依次为：低、较低、一般、较高、高，障碍物的危险度的定量概念从低到高依次为：[0,1]、(1,3]、(3,5]、(5,7]、(7,10]。

具体的，前述的一种无人农业车辆田间遇障速度控制方法，所述碰撞距离L*的定性概念从低到高依次为：近、较近、一般、较远、远，碰撞距离L*的定量概念从低到高依次为：[0,2]、(2,5]、(5,10]、(10,20]、(20,30]m。

具体的，前述的一种无人农业车辆田间遇障速度控制方法，所述无人农业车辆速度的定量概念从低到高依次为：零、较慢、一般、较快、快，所述无人农业车辆速度的定量概念从低到高依次为[0,10]、(10,20]、(20,40]、(40,70]、(70,100]cm/s。

具体的，前述的一种无人农业车辆田间遇障速度控制方法，所述S4的具体做法是：在t₀时刻，障碍物出现，经过时间t'后，捕捉到n组障碍物信息，假设相邻两次捕捉障碍物信息之间，障碍物信息不发生变化，则障碍物在t₀+t'时刻的时空栅格模型中记为(x_r1,y_r1)、(x_r2,y_r2)、……、(x_rn,y_rn)，使用自回归算法对时间t'内障碍物运动路线进行拟合，则障碍物的路径预测曲线如下：

式中:b₀，b₁，…，b_m为未知参数，ε为零均值的随机变量；

设当前无人农业车辆运动速度为v_a，当前位置为(x₀,y₀)，障碍物移动速度为v_b，当前位置为(x_r0,y_r0)，障碍物危险域半径为r，则障碍物预测行驶轨迹方程为：

式中：t为时间，x_r为障碍物在时空栅格模型的横坐标，v_b为障碍物移动速度；

式2进一步简化为：

则障碍物空间柱体方程为：

(x-f(t))²+(y-g(t))²≤r² (4)

式中：x、y为障碍物在时空栅格模型的坐标，t为时间；r为障碍物危险域半径；

设无人农业车辆在某一作业环境中运动方程如下：

式中：p、a为修正系数，v_a为某一时刻的无人农业车辆的速度；

设无人农业车辆的运动路线为:

y＝k·x+b (6)

式中：k为当前时空下作业路径方程系数，b为常数；

联立方程(4)、(5)、(6)以及限制条件，即可得碰撞预测方程：

s.t.t≥0,x_m≥x≥0,y_m≥y≥0 (7)

求解方程即可得预测碰撞位置，求得碰撞距离L*。

式中：L*为碰撞距离，t为时间，x_m，y_m为所建立栅格图边界。

具体的，前述的一种无人农业车辆田间遇障速度控制方法，所述S7的具体做法是：设t₀时刻作业车辆坐标为(x₀,y₀)，障碍物坐标为(x_r0,y_r0)，t′后车辆预测位置为(x₁,y₁)，障碍物预测位置为(x_r1,y_r1)，则t₀时刻车辆与障碍物距离，则t₀时刻无人农业车辆与障碍物直线距离为：

定义t₀时刻与经过t′后无人农业车辆与障碍物的直线距离变化为L′；

则：

由式(10)可知，当L′≥0，障碍物向远离无人农业车辆方向运动，无人农业车辆可恢复正常行驶速度；反之，则障碍物有靠近无人农业车辆的趋势运动，无人农业车辆保持调控后的速度不变，直至障碍物远离或产生新的碰撞预测点。

本发明所达到的有益效果：

人的作用不仅仅为监督，将人的感知、知识与判断融入无人农业车辆的速度控制中，使无人农业车辆在进行路径规划与自主避障时，合理调整行驶速度；针对动态的农业生产环境，建立有效的碰撞预测模型，将预测碰撞位置作为速度控制的参考指标之一。

本发明将与无人农业车辆及障碍物的信息相关的定性参数转化成定量参数，输入至云推理器，云推理器根据上述定量参数调整无人农业车辆的控制速度，用以避开障碍物，实现农业车辆的无人作业。

附图说明

图1是本发明算法基本流程；

图2是本发明时空占用栅格图；

图3是本发明参数云标尺图；

图4是本发明双条件处理器图；

图5是本发明速度规则处理器图；

图6是本发明无人农业车辆速度控制策略流程图。

具体实施方式

下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

鉴于无人农业车辆在田间作业时一般具有明确的作业任务与作业路线且作业速度较低，本发明提出一种无人农业车辆田间作业遇障后的速度控制方法。图1是算法的基本流程，首先分析障碍物信息，障碍物信息包括障碍物的运动速度、运动方向及障碍物的初始位置，然后根据障碍物信息进行碰撞预测，再向速度云推理器输入障碍物危险度、预测碰撞位置及无人农业车辆速度；最终输出速度推理结果。

障碍物的碰撞预测，是遇障时无人农业车辆控速策略的主要参考指标之一。障碍物的时空占用栅格图是路径规划时常用的环境建模方法，它可以将障碍物，尤其是运动障碍物，在当前环境中的占用状态以2.5维的方式表现出来。它以当前时刻为零时刻，对遥操作农机周围环境进行建模，以XY平面表示零时刻无人农业车辆及障碍物的位置，以垂直于XY平面的纵轴作为时间轴TIME，时间轴TIME可无限延伸，则无人农业车辆及障碍物处于XY平面及时间轴TIME形成的长方体空间内，以平面TIME＝t将所述长方体空间截成若干个栅格，每一栅格的大小与环境建模的范围和栅格数目有关。若时空占用栅格图点P(x,y,t)满足T(P)＝1,则表示在t时刻，栅格(x,y)被障碍物占据，反之则记为T(P)＝0。以TIME＝t₀平面来截这个长方体，则表示为经过时间t₀后，当前环境中障碍物的占用栅格图。所有时刻的栅格图对XY平面的投影，则形成了对当前环境中不同状态障碍物的静态描述。

在栅格图中，可将移动障碍物视为质点，并忽略移动障碍物运动的不确定性，采用危险放大法以考虑不确定因素，即依据障碍物的危险度，以质点为圆心形成一个危险域，放大移动障碍物的危险区域。

如图2所示。零时刻，无人农业车辆在位置(x₀，y₀，0)，并沿作业路径方向直线行驶。某一运动障碍物位于(x_r,y_r,0)，并依据障碍物的危险度形成一个危险域，其危险域半径为r。此时障碍物的运动在时空占用栅格图形成一个柱体。最终，无人农业车辆与障碍物的碰撞问题被转化为空间线与柱体的相交问题。

田间作业的道路环境复杂，不适用于以道路为先验信息的预测方法。本发明在假设原状法的基础上，依据障碍物运动的路径及其趋势，采用多项式拟合的曲线回归算法对运动障碍物进行路径预测。当t₀时刻，运动障碍物出现，假定此时障碍物运动状态不发生改变。经过时间t'后，传感器捕捉到n组障碍物信息，假设相邻两次捕捉障碍物信息之间，障碍物信息不发生变化，在t₀+t'时刻的栅格图中记为(x_r1,y_r1)、(x_r2,y_r2)、……、(x_rn,y_rn)。使用自回归算法对时间t'内障碍物运动路线进行拟合，其路径预测曲线如下：

其中，b₀，b₁，…，b_m为未知参数，ε为零均值的随机变量。

设当前无人农业车辆运动速度为v_a，当前位置为(x₀,y₀)，障碍物移动速度为v_b，当前位置为(x_r0,y_r0)，障碍物危险域半径为r，则障碍物预测行驶轨迹方程为：

式中：t为时间，x_r为障碍物在时空栅格模型的横坐标，v_b为障碍物移动速度；

为便于表达，令

则空间柱体方程为：

(x-f(t))²+(y-g(t))²≤r² (4)

式中：x、y为障碍物在时空栅格模型的坐标，t为时间；r为障碍物危险域半径。

设无人农业车辆在某一作业环境中运动方程如下：

式中：p、a为修正系数，v_a为某一时刻的无人农业车辆的速度。

设无人农业车辆的运动路线为：

y＝k·x+b (6)

式中：k为当前时空下作业路径方程系数，b为常数。

联立方程(4)、(5)、(6)以及限制条件，即可得碰撞预测方程：

s.t.t≥0,x_m≥x≥0,y_m≥y≥0 (7)

求解方程即可得预测碰撞位置，求得碰撞距离L*。

在获取碰撞距离L*与障碍物状态信息后，将其作为重要参考条件输入至云推理器中。

云推理器搭建基础为云模型理论。云模型理论可以通过3个数字特征期望Ex，熵En，超熵He，即(Ex,En,He)，人的经验与知识借此以模糊数学的方式来表达。例如，距离近作为定性概念，其所代表的域为0～2m，则计算其数字特征为(1,0.33,0.5)。

结合专家经验与常识，本发明将障碍物的预测碰撞距离与障碍物本身的危险程度作为速度规则推力器制定的指标，将碰撞距离与障碍物信息(障碍物的运动速度、运动方向及障碍物的初始位置)的定性概念转化为定量参数输入，实现无人农业车辆速度控制输出。

云标尺与速度控制发生器的建立是控制策略中至关重要的部分，上位机将辅助远端操作者，判断障碍物信息，计算并在极短的时间内给予速度控制方案。云模型通过3个数字特征，将一个不确定的概念通过以度量范围为横轴、隶属度为纵轴的离散点图形来表示，如图3所示，该离散点图形一般符合正态分布。

云模型中表达人知识的典型推理规则为“If a and b and c and…,then d”这一形式。例如，某一推理规则为“If a5and b3,then d4”，解释为：如果预测碰撞位置的距离是远的，且危险程度是一般的，则其作业速度控制为较快的。该规则为基于人类专家的经验与知识形成的一个知识库。

如图4所示，本发明使用双条件多规则处理器，该处理器由前件云CG_A与后件云CG_B两部分组成，其输入：碰撞距离与危险度定性概念的数字特征(Ex_A1i，En_A1i，He_A1i)、(Ex_A2j，En_A2j，He_A2j)，i/j分别对应不同的碰撞距离/障碍物的危险度；后件速度定性概念的数字特征(Ex_Bk，En_Bk，He_Bk)，k对应不同的速度等级。输出：满足确定度y的速度定量值X_B。X₁、X₂为实时的距离与危险度激励，用以激活处理器。

规则发生器处理流程：

(1)根据定性输出的处理算法，对于某一时刻输入的碰撞距离X₁、障碍物的危险度X₂，计算所有云发生器CG_A的激活强度，确定其在云标尺上位置。激活后，CG_A输出确定度y1，选择最大y1值对应的规则为最优规则。

(2)确定后的y1作为条件激活输出平面CG_B上的云标尺，计算X_B。

(3)对于定量碰撞距离X₁、障碍物的危险度X₂进行N轮评判，即对同一输入进行N次处理，得到定性变量采样点集[drop(X_B，y2)]。将这些云滴作为输入，导入逆向云发生器CG^-1，还原出最终的速度云数字特征Ex，En，He，并画出云图(如图3所示)。

(4)依据速度云数字特征输出，实现速度判断。

例如，某次试验中，无人农业机械在进行作业时的行进速度为1m/s。以试验中传感器准确感知信息的最大距离30m为界限，专家评估距离参数分为[0,2],(2,5],(5,10],(10,20],(20,30]m五组，如表1所示。

表1距离云参数标定

同样的，障碍物的危险度的判断也由多名专家根据实际与经验共同评估研讨。障碍物的危险度评估的关键主要分为三部分：(1)障碍物是否会威胁人身安全；(2)障碍物是否会对财产造成较大损失；(3)障碍物是否运动，是则增加危险系数。基于以上描述，专家对某作业环境下障碍物的危险度进行评估与云化，分为[0,1],(1,3],(3,5],(5,7],(7,10]五个等级，对应危险度低、较低、一般、较高、高这五个概念。

表2危险度云参数标定

碰撞距离与障碍物的危险度作为决策参数，是无人农业车辆速度控制的主要依据。因此，碰撞距离与障碍物的危险度参数为前件云，无人农业车辆速度控制参数为后件云。本发明实验的无人农业车辆作业时的速度为1m/s，以厘米/秒为量级划定速度控制域为[0，100]，同样分为五个等级。表3为速度等级划分与速度云参数标定。

表3速度云参数标定

最终，无人农业车辆速度推理规则如表4所示：

表4速度推理规则

由推理规则表可知，该规则处理器共25条规则，即形成25个正向云发生器，其中，i、j、k均取值[1,2,3,4,5]，分别对应碰撞距离、障碍物的危险度和无人农业车辆速度的由低到高五个定性等级。所有规则共同构建无人农业车辆速度规则处理器，如图5所示。

云发生器实现的是从障碍物信息输入到无人农业车辆速度输出这一过程，对于静态障碍物而言，当无人农业车辆的作业路径上存在碰撞发生位置时，可依据障碍物危险度及碰撞位置距离直接实现速度控制。但对动态障碍物，当t₀时刻无人农业车辆以速度v行驶时，若存在预测碰撞点并进行速度调控后，在t₀+t′时刻建立的栅格图中，预测碰撞点可能会消失，此时速度控制模型应对下一步的决策提供依据。

设t₀时刻作业车辆坐标为(x₀,y₀)，障碍物坐标为(x_r0,y_r0)，t′后车辆预测位置为(x₁,y₁)，障碍物预测位置为(x_r1,y_r1)，则t₀时刻车辆与障碍物距离，则t₀时刻无人农业车辆与障碍物直线距离为：

定义t₀时刻与经过t′后无人农业车辆与障碍物的直线距离变化为L′：

由式(10)可知，当L′≥0，障碍物向远离无人农业车辆方向运动，反之障碍物以靠近无人农业车辆的趋势运动。当动态障碍物远离无人农业车辆时，无人农业车辆可恢复正常行驶速度；当障碍物有靠近无人农业车辆的趋势时，保持调控后的速度不变，直至障碍物远离或产生新的碰撞预测点。

为便于分析，对栅格图中将障碍物的不同占用状态分别描述。当栅格中无障碍物存在且该栅格非预测碰撞位置时，记T＝0；当栅格中存在静态障碍物时记T＝1；T＝2表示无人农业车辆以当前速度行驶时，会在该栅格位置发生碰撞的预测碰撞点，T＝3表示某栅格在当前被运动障碍物所占据。Q_A表示根据预测模型求解的预测碰撞位置，S_min表示无人农业车辆与最近碰撞预测点间的距离。本发明控制方法如图6所示。

因此，动态环境中的速度控制策略如下：当t₀时刻出现障碍物时，若无人农业车辆与障碍物之间的距离大于设定的安全值，则判断该障碍物是否为运动障碍物，若为运动障碍物，则判断障碍物的运动是否会对作业产生威胁。若无人农业车辆与障碍物存在预测碰撞位置，则由云发生器输出速度控制结果，若不存在，则保持当前车速不变。时间t′后，若障碍物仍靠近无人农业车辆，但已无碰撞位置存在，保持当前速度不变，直至障碍物远离作业区域，恢复正常行驶。

以上仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (8)

1.一种无人农业车辆田间遇障速度控制方法，其特征在于：采用以下步骤：

S1:获取障碍物信息并输入当前车速：所述障碍物信息包括障碍物的运动速度、运动方向及障碍物的初始位置；

S2：建立时空栅格模型：具体做法是：以XY平面表示零时刻无人农业车辆及障碍物的位置，以垂直于XY平面的纵轴作为时间轴TIME，则无人农业车辆及障碍物处于XY平面及时间轴TIME形成的长方体空间内，以平面TIME＝t将所述长方体空间截成若干个栅格；

S3：在时空栅格模型上获取障碍物的占用栅格：具体做法是：将无人农业车辆定义为一点，将障碍物定义为半径为r的圆形区域，所述r的值由障碍物的危险度确定，此时障碍物的运动在时空栅格模型上定义为一个柱体，而无人农业车辆的运动路线在时空栅格模型上则定义为一条空间线，则无人农业车辆与障碍物的碰撞转变为所述长方体空间内空间线与柱体相交的问题；

S4：获取无人农业车辆与障碍物的碰撞距离：当检测到障碍物出现时，开始捕捉障碍物信息，假设相邻两次捕捉障碍物信息之间，障碍物信息不发生变化，则障碍物在时空栅格模型上记为若干个坐标，使用自回归算法对障碍物信息的时间内障碍物运动路线进行拟合，并推导出障碍物路径预测曲线、建立障碍物的空间柱体方程，将障碍物的空间柱体方程结合S3中的无人农业车辆的运动路线求解得到碰撞距离L*；

S5：将碰撞距离L*与障碍物信息输入至云推理器；具体做法是：将碰撞距离L*、障碍物的危险度及无人农业车辆速度转化为定量参数输入至云推理器；

S6：云推理器根据碰撞距离L*、障碍物的危险度及无人农业车辆速度调整无人农业车辆的行驶速度；

S7：无人农业车辆的行驶速度调整之后，重新计算调整之后的障碍物与无人农业车辆之间的距离L′，当距离L′大于或等于零时，表示障碍物远离无人农业车辆，无人农业车辆可恢复正常行驶速度，当距离L′小于零时，表示障碍物有靠近无人农业车辆的趋势时，则保持调控后的速度不变，直至障碍物远离或产生新的碰撞预测点。

2.根据权利要求1所述的一种无人农业车辆田间遇障速度控制方法，其特征是：所述S5中的云推理器使用双条件多规则处理器，所述双条件多规则处理器包括前件云与后件云。

3.根据权利要求2所述的一种无人农业车辆田间遇障速度控制方法，其特征是：所述前件云的决策参数是碰撞距离L*与障碍物的危险度，所述后件云的决策参数是无人农业车辆速度。

4.根据权利要求1或3所述的一种无人农业车辆田间遇障速度控制方法，其特征是：所述障碍物的危险度的定性概念从低到高依次为：低、较低、一般、较高、高，障碍物的危险度的定量概念从低到高依次为：[0,1]、(1,3]、(3,5]、(5,7]、(7,10]。

5.根据权利要求1或3所述的一种无人农业车辆田间遇障速度控制方法，其特征是：所述碰撞距离L*的定性概念从低到高依次为：近、较近、一般、较远、远，碰撞距离L*的定量概念从低到高依次为：[0,2]、(2,5]、(5,10]、(10,20]、(20,30]m。

6.根据权利要求1或3所述的一种无人农业车辆田间遇障速度控制方法，其特征是：所述无人农业车辆速度的定量概念从低到高依次为：零、较慢、一般、较快、快，所述无人农业车辆速度的定量概念从低到高依次为[0,10]、(10,20]、(20,40]、(40,70]、(70,100]cm/s。

7.根据权利要求1所述的一种无人农业车辆田间遇障速度控制方法，其特征是：所述S4的具体做法是：在t₀时刻，障碍物出现，经过时间t'后，捕捉到n组障碍物信息，假设相邻两次捕捉障碍物信息之间，障碍物信息不发生变化，则障碍物在t₀+t'时刻的时空栅格模型中记为(x_r1,y_r1)、(x_r2,y_r2)、……、(x_rn,y_rn)，使用自回归算法对时间t'内障碍物运动路线进行拟合，则障碍物的路径预测曲线如下：

式中:b₀，b₁，…，b_m为未知参数，ε为零均值的随机变量；

设当前无人农业车辆运动速度为v_a，当前位置为(x₀,y₀)，障碍物移动速度为v_b，当前位置为(x_r0,y_r0)，障碍物危险域半径为r，则障碍物预测行驶轨迹方程为：

式中：t为时间，x_r为障碍物在时空栅格模型的横坐标，v_b为障碍物移动速度；式2进一步简化为：

则障碍物空间柱体方程为：

(x-f(t))²+(y-g(t))²≤r² (4)

式中：x、y为障碍物在时空栅格模型的坐标，t为时间；r为障碍物危险域半径。设无人农业车辆在某一作业环境中运动方程如下：

式中：p、a为修正系数，v_a为某一时刻的无人农业车辆的速度；

设无人农业车辆的运动路线为:

y＝k·x+b (6)

式中：k为当前时空下作业路径方程系数，b为常数；

联立方程(4)、(5)、(6)以及限制条件，即可得碰撞预测方程：

s.t.t≥0,x_m≥x≥0,y_m≥y≥0 (7)

求解方程即可得预测碰撞位置，求得碰撞距离L*。

式中：L*为碰撞距离，t为时间，x_m，y_m为所建立栅格图边界。

8.根据权利要求1所述的一种无人农业车辆田间遇障速度控制方法，其特征是：所述S7的具体做法是：设t₀时刻作业车辆坐标为(x₀,y₀)，障碍物坐标为(x_r0,y_r0)，t′后车辆预测位置为(x₁,y₁)，障碍物预测位置为(x_r1,y_r1)，则t₀时刻车辆与障碍物距离，则t₀时刻无人农业车辆与障碍物直线距离为：

定义t₀时刻与经过t′后无人农业车辆与障碍物的直线距离变化为L′；

则：

由式(10)可知，当L′≥0，障碍物向远离无人农业车辆方向运动，无人农业车辆可恢复正常行驶速度；反之，则障碍物有靠近无人农业车辆的趋势运动，无人农业车辆保持调控后的速度不变，直至障碍物远离或产生新的碰撞预测点。