《Multi-Sensor Perception, Fusion, and Robust State Estimation for Autonomous Agricultural Vehicles in Complex Environments》
综述复杂农业环境下自主农机多源融合定位与鲁棒状态估计技术进展。
按传感器配置与融合架构分类,比较自适应卡尔曼滤波、因子图优化等方法。
GNSS遮挡、振动、打滑与植被干扰是影响导航性能的关键环境因素。
可探索学习辅助融合与因子图优化在低成本农机平台上的实时性与鲁棒性验证。
江苏大学团队在核心期刊发表的农业无人车多源融合定位综述,方法体系完整、参考价值高,但属学术综述而非产业级突破,适合进入每日精选。
江苏大学崔冰冰、李子熠、马珍、东南大学王存德综述了复杂农业环境下自主农业车辆(AAV)多源融合定位与鲁棒状态估计技术的最新研究进展。分析影响车辆自主导航性能的关键环境因素(GNSS信号遮挡与多径、机械振动、复杂地形引起的车轮履带打滑、动态植被干扰),按多传感器硬件配置和数据融合架构进行分类比较;进一步讨论自适应卡尔曼滤波、因子图优化(FGO)、学习辅助多传感器融合和运动约束滑动补偿等鲁棒状态估计方法。