section class="html-abstract">
摘要
树冠遮挡、动态植被、结构退化以及潜在的地形风险使得资源有限的果园机器人难以实现稳定的定位和任务适应性规划。本文提出了CitraNav，这是一种适用于无法使用全球导航卫星系统（GNSS）的果园的轻量级导航方法。该方法将用于定位的稳定几何证据与用于规划的短寿命语义证据分开，防止语义观测数据在全局地图中累积。在定位过程中，分层体素地图根据局部结构和激光雷达（LiDAR）的采样特性来选择分辨率；同时，跨帧的可靠性和可观测性约束可以抑制来自短暂植被和观测难度较大的方向的更新。在规划阶段，同步的彩色和深度观测数据形成了局部语义风险点云。模型预测路径积分（MPPI）规划器将任务相关的语义成本与当前检测到的障碍物进行精确的碰撞检测相结合。在仿真测试中，CitraNav的平均平移定位均方根误差（RMSE）为0.075米。与基于几何点云的规划方法相比，语义规划方法将碰撞率降低了71.4%，并使杂草覆盖面积增加了4.72倍。在涵盖农场道路、草坪、森林和果园环境的14个真实场景中，CitraNav的平均平移误差和航向误差分别为0.151米和1.13°，而且其使用的几何地图单元数量比对比方法减少了72.3%至87.4%。整个感知-规划流程在边缘计算平台上运行时，处理帧率为每秒20.3至32.7帧。这些结果表明，CitraNav在复杂果园导航环境中实现了定位稳定性、任务适应性规划和计算效率的平衡。
