1.一种甘蔗收获机，其特征在于：包括刀盘、液压杆、液压系统和控制系统，所述刀盘位于甘蔗收获机的底部；

所述液压杆与所述刀盘连接，所述液压系统与所述液压杆连接，所述液压系统控制所述液压杆的伸缩。

所述液压杆包括与水平面垂直的第一液压杆，还包括在水平面上的第二液压杆、第三液压杆、第四液压杆和第五液压杆；所述第一液压杆用于操控所述刀盘在竖直方向的运动，所述第二液压杆、所述第三液压杆、所述第四液压杆和所述第五液压杆用于操控所述刀盘在水平方向的运动；

所述控制系统包括安装在甘蔗收获机顶部的多线激光雷达、安装在甘蔗收获机内部的惯性传感器、激光测距仪、安装在车轮上方的压力传感器以及中心控制器；所述激光测距仪安装在甘蔗收获机底部，位于所述刀盘的前方；所述中心控制器分别与所述多线激光雷达、所述惯性传感器、所述激光测距仪和所述压力传感器连接，所述中心控制器负责收集所述多线激光雷达、所述惯性传感器、所述激光测距仪和所述压力传感器传来的数据并进行处理，再发送控制指令给所述液压系统进行所述刀盘的切割姿态控制。

2.按照权利要求1所述的甘蔗收获机，其特征在于：所述多线激光雷达与甘蔗收获机顶部刚性连接，所述惯性传感器与甘蔗收获机刚性连接。

3.权利要求1所述的甘蔗收获机的基于多传感器融合的甘蔗收获机刀盘位姿的调整方法，包括以下步骤：

步骤一，多个传感器进行数据采集与预处理，包括：多线激光雷达采集甘蔗收获机周围环境的点云信息，得出各个点云的x、y、z的坐标；惯性传感器采集甘蔗收获机的车体角度信息和加速度信息；激光测距仪根据地形的变化，不断测量到地面的距离，实时生成激光测距仪到地面距离的波形图；压力传感器采集车身对车轮的压力值；

步骤二，使用卷积神经网络进行甘蔗的目标识别，对地面与甘蔗冠层的模型结构进行语义分割，获取待切割的位置信息；

步骤三，根据点云的边缘信息和平面信息进行帧间匹配计算甘蔗收获机的位置信息和姿态信息；

步骤四，对惯性传感器进行预积分处理，得到甘蔗收获机的车体位置信息和姿态信息，结合压力传感器经处理后输出的路面坡度信息，对车体的姿态进行解算，并对后续姿态进行估计预测；

步骤五，采用基于图模型的方式对已获得的数据进行融合互补，实时输出当前时刻甘蔗收获机的车体位置信息和姿态信息；

步骤六，经过上述步骤之后，可以获得准确的车体位姿信息、待切割部位的位置信息，结合甘蔗的切割要求，可确定刀盘最合适的切割姿态，中心控制器将刀盘切割姿态指令传输给液压系统，液压系统驱动液压杆对刀盘进行调节以达到最适合的切割姿态，完成后续的切割工作。

4.按照权利要求3所述的调整方法，其特征在于，步骤二使用卷积神经网络进行甘蔗的目标识别，对地面与甘蔗冠层的模型结构进行语义分割，获取待切割的位置信息的方法为：首先使用卷积神经网络进行甘蔗的目标识别之后，再采用基于改进的RandLAnet对周围点云进行语义分割，分割出地面区域和待收获的甘蔗田区域；在采用基于改进的RandLAnet对周围点云进行语义分割时，先建立数据集进行标注训练，对权重参数进行调整，再进行语义分割，可有效提高分割的准确性和鲁棒性；

在对地面区域和甘蔗田区域进行分割后，对已分割区域进行三维网格划分，然后采用体素滤波器对周围点云进行滤波，然后分别对地面区域和甘蔗田区域进行线特征点和面特征点分割；线特征点和面特征点分割取的做法为：当前点云同一激光线上前后共十个激光点的坐标分别对待求点的坐标做差，然后分别取模再进行求和；其中数值最大的点作为该激光线上曲率最大的点，为线特征点；数值最小的两个点作为该激光线上曲率最小的两个点，为面特征点；其余的点根据实际情况设置阈值分为次线特征点和次面特征点，以此来划分16条激光线上线特征点和面特征点；

在固定区域选取一定量的线特征点和面特征点开始划分边缘区域和平面区域，然后根据检测出的边缘区域和平面区域开始进一步对点云进行细化分割，拟合出甘蔗田的冠层区域和地面的三维轮廓模型，然后计算出同一截面冠层和地面的高度差，从而推断出甘蔗冠层的高度信息与待切割位置。

5.按照权利要求4所述的调整方法，其特征在于：步骤二在推断冠层的高度信息与待切割位置时，针对模型不完整的区域采用激光测距仪与多线激光雷达的数据融合的方式进行优化完善，根据激光测距仪与多线激光雷达的空间几何关系计算激光测距仪与多线激光雷达之间的垂直距离，再根据激光测距仪测量得到的与地面垂直距离可得到多线激光雷达与地面的垂直距离，最后再根据多线激光雷达与甘蔗冠层的垂直距离可计算得到甘蔗的高度信息并由此推断待切割位置。

6.按照权利要求3所述的调整方法，其特征在于，步骤三根据点云的边缘信息和平面信息进行帧间匹配计算甘蔗收获机的位置信息和姿态信息的方法为：对点云的当前帧与上一帧之间采用kdtree进行边缘特征点与边缘特征点、平面特征点与平面特征点的搜索匹配，将匹配成功的点云进行位姿变换使其两帧点云进行特征重合，从而计算出当前时刻多线激光雷达的位姿情况，然后采用LM算法对计算得到的多线激光雷达的当前时刻位姿进行迭代，不断减小误差修正多线激光雷达的位姿参数，多线激光雷达的位姿参数作为甘蔗收获机的车体位姿参数；

通过不断更新多线激光雷达的位姿信息可以估计出甘蔗收获机的车体位置信息，将车体位姿参数和车体位置信息实时传入中心控制器，实时监控甘蔗收获机的位置。

7.按照权利要求3所述的调整方法，其特征在于，步骤四对惯性传感器进行预积分处理，得到甘蔗收获机的车体位置信息和姿态信息，结合压力传感器经处理后输出的路面坡度信息，对车体的姿态进行解算的方法为：根据压力传感器得出的压力与在水平道路上的压力进行比较，经计算得到路面的坡度信息，然后对惯性传感器进行预积分处理以提高计算效率，根据惯性传感器输出的角度参数即可得到甘蔗收获机的车体与水平面的角度参数，可初步计算出车体与水平面的倾角信息；

再根据压力传感器处理后输出的路面坡度信息结合车体与水平面的倾角信息，准确计算出车体与地面之间的角度关系。

8.按照权利要求7所述的调整方法，其特征在于，步骤四对后续姿态进行估计预测的方法为：

根据点云分割出的地面轮廓模型与惯性传感器提供的加速度信息，对车体的下一时刻位姿进行估计预测，为下一时刻的车体位姿信息提供具有足够鲁棒的初值信息，以便对刀盘的下一步控制做出快速响应。

9.按照权利要求3所述的调整方法，其特征在于，步骤五采用基于图模型的方式对已获得的数据进行融合互补，实时输出当前时刻甘蔗收获机的车体位置信息和姿态信息的方法为：

首先以在步骤四测得的参数作为车体的初始位姿，所述参数为车体与地面的角度关系、车体加速度，惯性传感器每持续输出5s便加入由多线激光雷达获取的车体位姿信息和由激光测距仪测得的高度信息，对位姿进行一次矫正，消除惯性传感器在长时间使用的情况下出现的累计误差，不断重复本过程最终实时输出当前时刻甘蔗收获机的车体位置信息和位姿信息。