基于云計算之溫室移動機器人的路徑規劃

王偉+褚凌慧+李超藝+李昕達

摘 要： 以高新技術解決溫室作業問題，將一種基于云計算的溫室移動機器人路徑規劃應用于農間巡視任務，而行走路徑的選擇則選用改進蟻群算法來進行完成。首先，該云端運算利用網絡使電腦與移動機器人彼此合作，由伺服器端收集溫室環境相關數據信息；再通過云中的存儲與計算資源，結合優化后的蟻群算法計算出機器人的行走路徑；最終發送至移動機器人完成溫室環境的路徑規劃。實驗結果表明，通過利用云計算后臺資源使該算法在信息素更新路徑變更的情況下能夠找到最短的路徑數據，同時對路徑的各項性能都有所提高，其中包括折彎次數、跳數、路徑長度等。從而滿足了移動機器人在溫室環境下完成可避障的最優路徑選擇任務。

關鍵詞： 云端運算； 移動機器人； 蟻群算法； 路徑規劃

中圖分類號： TN911?34； TP39 文獻標識碼： A 文章編號： 1004?373X（2017）04?0053?04

Clould computing based path planning for greenhouse mobile robot

WANG Wei， CHU Linghui， LI Chaoyi， LI Xinda

（Northeast Forestry University， Harbin 150040， China）

Abstract： In order to adopt a high technology to solve the problem of greenhouse operations， cloud computing based path planning for the greenhouse mobile robot is used to implement the path selection for the patrol task in the field by means of the improved ant colony algorithm. Cloud computing is used to realize cooperation between computer and the mobile robot by means of network. A server is employed to collect the related data of the greenhouse environment. In combination with the optimized ant colony algorithm， the walking path of the robot is calculated by means of the cloud storage and computing resources， and transmitted to the mobile robot to complete the path planning of greenhouse environment. The experimental results show that the algorithm can find the shortest path by taking advantage of the clould background resources under the condition of the path change due to pheromone update， the mobile robot can complete the optimal path selection and avoid obstacles in the greenhouse， and the various performance of the path are improved， including the bending times， hop times and path length.

Keywords： cloud computing； mobile robot； ant colony algorithm； path planning

隨著科學技術的日新月異和市場競爭環境的加劇，機器人的應用范圍也從軍事及醫療逐步向農產業進軍，并在其領域內分擔著許多工作[1]。對于解決溫室農田作物問題，現已出現很多不同性質的農業機器人，如：日本科技人員研制的自行走番茄收獲機器人、美國伊利諾伊大學研究的用于田間巡視螞蟻機器人等。這些機器人雖然有著各自特有的特異功能，但涉及到所選的行走路線會影響工作效率及運作成本的問題時，卻使人們產生深省。溫室移動機器人要在田間進行檢測與作業，必須對農田環境具有全局和局部搜索能力。全方位的巡視任務下至機器人操作系統使之高效地完成全域路徑規劃。本研究將采用云端計算（Cloud Computing）的概念來指揮機器人在農田間的巡視和路徑選擇，以滿足機器人在溫室環境存在障礙物的情況下，通過后臺的改進蟻群算法輸入來規劃一條從起始點到目標點可避障的最短路徑。

1 云計算服務

云計算[2]是一種在互聯網籠罩下虛擬的計算服務模式。這種模式將客戶所需的信息和軟硬件資源以共享的方式按需分配給管理設備和計算機。它是一種將多態計算和網絡技術發展融合的“新一代的信息服務模式”。“云”可看作是一些巨大的服務器聚集，其自我管理和系統維護的性能為存儲服務器，計算服務器提供有序的監管。云計算無需人為參與，是由軟件來自行操作管理。因此可支持推動農業在溫室環境層面和應對變化層面上的敏捷性，在激烈動態變化的農業中生存和發展。

在本設計中，若溫室機器人要完成行走路徑問題時，無需該機器人盲目地、無規則地巡航，而是機器人通過將高清攝像頭安放在云臺上使之360°無死角地獲取溫室環境及植被照片，再將其上傳到服務器端，檢索出環境信息的相關圖片，由云數據庫中強大的計算功能來算出機器人避開障礙物的行走路徑，在利用數據庫龐大的存儲功能將信息保存在共享數據庫中，以便機器人循環檢索，減少開發人員的日后開發時間，如圖1所示。

2 溫室環境及建模

云可看作是一個規模龐大無比的資源池，池中有操控機器人在溫室環境下作業的不同池層，如存儲層、計算層、共享層等物理資源，它作為后臺服務的主要方式，首先，縱觀溫室地形及植被分部情況；其次，通過聯網數據處理得知溫室環境構造來判斷行走路徑。

2.1 柵格模擬環境模型

柵格法是將實體三維環境空間虛擬化為二維獨立柵格空間[3]，如圖2所示。

柵格單元的大小決定了反饋給后臺地理數據的精度。一般將含有植被的領域歸為障礙區，傳感器則會將感測到障礙區域位置報告給后臺服務器端，并命這些柵格為禁止柵格，用黑色柵格表示（其中邊界區域可看為障礙區域）；沒有植被的領域則歸為自由區域，可以自由通行，用白色柵格表示，如圖3所示。圖3中，S為機器人出發的起始位置；T為所要到達的目的地。溫室移動機器人需在環境空間內完成從S到T的無碰最優路徑。設該二維空間由u行v列組成，障礙物所在的位置可用一個二維數組矩陣map（u，v）表示，如下：

（1）

柵格化之后的移動機器人工作環境是將每個單元格視為一個質點，機器人可沿其所在位置臨界的8個單元格移動，如圖4所示。機器人所經路徑穿過的單元格視為路徑節點，所以柵格的大小會影響最優路徑的精確值。為了使機器人每次的運動方向都更加接近尋優路徑直至到達目標點，而不是背道而馳，即路線迂回。預先以禁忌表的方式對螞蟻選擇下一節點的概率進行限制，即除去經過節點和迂回節點。假設在第i條路徑中搜索當前節點為u，在數據庫中可快速地找到所需節點資源。令u的下一個可行節點集合為V，那么v為V中的任意節點。所以一個鏈路節點可以有多種連接方式到達下一鏈路，在云數據庫的流動性、可伸縮性、大范圍性等特點下契合運用。

3 路徑規劃方法

本研究所提出路徑規劃方法的整個流程是讀取攝像頭拍攝到的地圖信息，至規劃導航的階段時再利用已經訓練好的蟻群算法網絡。整體的結構是以優化蟻群算法的判斷為主，伺服器端將從起點到終點避開障礙物的所有路徑完成后會派給機器人，機器人從中選擇最近路徑，最終依據這個規劃好的路徑工作即可。

3.1 蟻群優化算法

蟻群算法（Ant Colony Optimization，ACO）結合溫室環境而言，是一種用來在農田間中尋求最優路徑的概率型算法[4?5]。它是由意大利學者M.Dorigo等人提出的一種基于信息正反饋原理的新型模擬進化算法，其靈感來源于蟻群在尋找食物過程時，通過分泌一種名為信息素的交流覓食信息，從而使群體螞蟻快速找到目標所在。如圖3所示，令螞蟻的巢窩為S點，食物所在地為T點位置，在S，T點之間存在一些障礙物。從螞蟻出發覓食一刻就注定不同螞蟻在各條路徑下所留下的信息素濃度各有差異，而隨著時間的變化和路徑的長短也會使濃度下降的大小產生差異，最終整個蟻群依賴信息素濃度選擇出兩點的最優路徑[6]。

考慮到螞蟻在釋放信息素的同時，會涉及到信息素濃度隨時間揮發的問題，不妨令（0<<1）表示信息素消失程度。這樣，在t時刻螞蟻滿足一次循環后，將各條連接路徑上的信息變量作以下調整：

（2）

（3）

式中：為第只螞蟻在本次循環中留在路徑上的信息素；為在本次循環中路徑上的信息素增量。為第只螞蟻經過路徑的總長度，為常數，如下：

（4）

對于式（2）～式（4）而言，可以看出蟻群算法在開始搜索時，由于各路徑幾率平等、信息素分布均勻，會使該算法在起初具有一定的盲目搜索性，容易陷入局部最優情況。

3.2 改進蟻群算法搜索策略

傳統算法在云端服務器中存在大量搜索、計算等問題，為避免陷入局部最優達到全局搜索的目的，本研究將信息素存儲在模型離散節點中，每個離散節點都有信息素的值與之對應，將上面信息素的更新分為局部更新和全局更新兩部分。局部更新的目的是提高螞蟻探尋未經途點的概率，以致完成全局搜索的任務。信息素更新公式為：

（5）

式中：為點（，）上所帶的信息素值；為信息素的衰減系數。全局更新是指當螞蟻完成一條路徑的搜索時，以該路徑的長度作為評價值，從數據庫系統中通過計算、存儲選擇路徑集合中最短路徑，來增加最短路徑上各個節點的信息數值。信息素更新公式為：

（6）

在信息素更新公式的基礎上，對信息素衰減系數采用自適應調節策略。通過改變的值來提高算法的全局性。

4 云計算調用算法路徑仿真

將“云”作為虛擬的管理服務模式，來掌控整個溫室環境和機器人的運作，潛在的模式里面包括了由若干節點和數據信息組成的云數據庫，來提供計算和調用。本研究結合云端計算是將多種互聯的應用、位置坐標、蟻群算法優化數值等資源信息有效的結合起來實現不同層次階梯的虛擬化，僅需連接上網絡即可快速地從中找到實驗所需資源，即從起點S到終點T的一條無障礙最優路線。將仿真結果進行對比顯示，如圖5、圖6所示。

由局部最優和全局最優路徑的信息素更新代替之前機器人所經路徑的全部更新，這不但減少了局部最優的概率、增加了反饋效果，從圖5、圖6可看出機器人在障礙環境下的跳數與轉折次數也隨之減少；同時根據目標點適當的調整基本啟發函數，通過圖7、圖8可看出此改進方法對算法的收斂速度也有一定的提高，與標準蟻群算法相比，優化后的算法收斂的代數在17代左右，此后最短距離將不再發生變化，這并不是該算法收斂過早，而是在最初將信息素傳送至服務器端時，就提供了相對可靠的數據使得前期搜索加快。

綜合圖7、圖8，本文對標準蟻群算法和改進蟻群算法進行了比較，兩種算法的最優性能見表1。

仿真結果與數據證明了云數據庫調用改進蟻群算法的有效性，快速地解決了移動機器人在溫室中的路徑規劃問題。

5 結 論

就一種基于云計算的溫室移動機器人路徑規劃而言，主要通過伺服器端的資料運算處理，運用改進后的蟻群算法調用最優行走路徑，最終將演算好的數據傳送到溫室移動機器人。通過對信息素更新的改進及啟發函數的調整，使螞蟻前期搜索時間縮短，改善了行走路徑的質量。將云計算技術與蟻群算法結合起來，優化了搜索性能，提高機器人在溫室環境下的工作效率，為農田業的發展提供了新思路。

參考文獻

[1] 徐揚生，閻鏡予.機器人技術的新發展[J].集成技術，2012（1）：1?5.

[2] 張建勛，谷志民，鄭超.云計算研究進展綜述[J].計算機應用研究，2010，27（2）：429?433.

[3] 魯慶.基于柵格法的移動機器人路徑規劃研究[J].電腦與信息技術，2007，15（6）：24?27.

[4] DORIGO M， STUTZLE T. Ant colony optimization [M]. Cambrige： MIT Press， 2009： 29?41.

[5] 史恒亮，唐振民，劉傳領，等.基于蟻群優化算法的云數據庫動態路徑規劃[J].計算機科學，2010，37（5）：143?147.

[6] Wang J，Cho J，Lee S， et al. Real Time Services for Future Cloud Computing Enabled Vehicle Networks[C].Wireless Communications and Signal Processing.Nanjing，2011：1?5.

[7] 文明波，丁治明.適用于云計算的面向查詢數據庫數據分布策略[J].計算機科學，2010，37（9）：168?172.

[8] 李磊，葉濤，譚民.移動機器人技術研究現狀與未來[J].機器人，2002，24（5）：475?480.

[9] 鄧高峰，張學萍，劉彥萍.一種障礙物環境下機器人路徑規劃的蟻群粒子群算法[J].控制理論與應用，2009，26（8）：879?883.

[10] BI Xiaojun， LUO Guangxin. The improvement of ant colony algorithm based on the inver?over operator [C]// Proceedings of IEEE International Conference on Mechatronics and Automation. Harbin： IEEE Press， 2007： 2383?2387.

[11] 陳全，鄧倩妮.云計算及其關鍵技術[J].計算機應用，2009，29（9）：2562?2567.