基于蟻群算法的多農業機器人路徑規劃研究

張衡

摘要：隨著計算機技術、信息技術、人工智能理論、傳感器等技術的快速發展，機器人的研究到達了一個新的高度。針對多機器人群體作業容易出現路徑沖突和碰撞的問題，本文基于蟻群算法，設計和研究了多農業機器人路徑規劃和導航系統，實現了多農業機器人移動路徑的實時動態規劃和自主導航功能，為機器人進一步發展提供了一定的理論基礎。

關鍵詞：蟻群算法；農業機器人；路徑規劃；導航

中圖分類號：TP242 文獻標識碼：A 文章編號：1007-9416（2017）06-0147-03

近年來，人工智能已成為新一輪工業革命的基石，其不僅廣泛應用于工業控制領域，在農業生產中的應用越來越普及。在農忙時節，農場往往會出現勞動力大量匱乏的現象，因此，機器人在農業上的應用需求越來越明顯。研發出一種能進行遠程控制的農業機器人，代替傳統人力的作業操作，對提高農業生產水平、提高種植效率具有重要意義，同時也是現代化農業的發展趨勢。本文根據農業機器人作業環境，采用蟻群算法，結合先全局后局部的路徑規劃方法，設計和研究了一種多農業機器人路徑規劃和導航系統。

1 蟻群算法簡述

蟻群算法是意大利學者Dorigo在20世紀90年代模擬和總結螞蟻尋找食物的一系列行為過程，得出的一種解決復雜組合優化問題的方法。談論其原理，必須從螞蟻、蜜蜂這些昆蟲尋找食物的行為入手，其實對于一個個體而言，它們的行為非常容易分析，但當它們組合成一個龐大的群體后，群體行為分析難度就大大增加了。其原因是因為螞蟻個體間是由一種分泌物作為信息素進行交流通信，螞蟻在行走的路線上會留下這些物質，而所有的螞蟻都能夠感知這些物質的濃度，并根據該物質濃度的強弱選擇自己的運動方向。因此，蟻群的集體行為會形成一種特定的信息正反饋場景，即某路線上經過的螞蟻數量越大，則后面選擇該路線的螞蟻就會越多，螞蟻間根據感知這種信息素物質的強弱實現搜索食物的整個過程，這也就是蟻群算法的緣由。蟻群尋找食物過程示意如圖1所示。

如上圖所示，假設A為蟻群群居的位置，E為有食物的地方，MN為AE之間的一個阻擋物。由于從A到E之間存在障礙物MN，那么蟻群在搬運食物的過程中只能是從BCD或者BFD兩條路徑，其中兩條路徑的長度分別為10和20。假設在一分鐘內有200只螞蟻從A運動到E，螞蟻經過后信息素總數增加為20，為了讓計算比較簡單，設定信息素從產生到消失的時間為10分鐘。在最開始的時候，沒有信息素物質的存在，螞蟻選擇兩條路線的概率相同，但是因為BCD路徑短，螞蟻選擇BCD需要的時間較少，因此，在相同時間內，走過BCD的螞蟻會多一些，這樣BCD路徑上的信息素物質比BFD要多，也會吸引后面的螞蟻從BCD走，從而實現從A到E的最優路徑。

2 多農業機器人路徑規劃

在多農業機器人作業過程中，障礙物較多，機器人間相互影響，成為彼此的障礙物，因此，多機器人路徑規劃難度較大。在實際研究中，多個農業機器人在同一種植區作業，需要規劃多條最優路徑，但在具體的作業過程中，由于障礙物的存在，最優路徑會發生變化，這樣也會影響其他機器人的移動路徑。基于上述問題，為了保證多農業機器人實現無碰撞作業，該系統需要實時規劃路線，防止機器人間、機器人與障礙物間的碰撞。

由于產業種植園區環境不確定性因素較大，比如種植人員園區工作以及其他機械的隨機移動，另外傳感器探測具有一定的局限性，機器人在最初規劃的時候往往很難獲取全部的信息，因此，采用簡單的規劃往往難以獲得理想的最優路徑。因此，可以在獲得一定園區環境信息的基礎上，進行作業前的全局規劃，并將其作為理想的最優路線。在農業機器人群的實際運動作業中，根據后續探測的環境信息，規劃出局部的最優路徑，進行簡單的微調，使機器人避開所有碰撞物，并最快的到達目的地。基于以上問題，該系統采用全局和局部的規劃方法，實現多農業機器人的路徑規劃。多農業機器人路徑規劃框架如圖2所示。

2.1 全局路徑規劃

本章研究的是多農業機器人在實際園區作業過程中的路徑規劃算法，因此，對于其全局路徑規劃，首先要做到的是按照具體作業要求，根據已知環境信息，給每個機器人分配任務，并確定每個機器人作業的起始點和終點，然后結合多機器人間的合作機制，在兩點之間規劃一條無碰撞的優化路線。在整個算法中，最重要的是提高路線規劃速度和實現路徑規劃的最優性。由于螞蟻算法路徑規劃效率比較高，并且其對于障礙物變化的適應性較強，因此，本文將采用蟻群算法對多農業機器人進行全局路徑規劃。

2.2 局部路徑規劃

有了全局路徑規劃之后，農業機器人群就可以開始各自的作業任務。開始階段，農業機器人將按照各自的規劃路徑進行作業，并實時采集周邊環境信息，根據采集到的動態信息，進行分析處理，根據碰撞檢測、決策算法和行為檢測等進行局部的路徑修改，從而使自身具有更強的環境適應能力。

本系統采用的局部規劃算法是利用機器人的車載傳感器對周邊環境信息進行實時檢測，并與全局規劃時的信息進行對比分析，根據碰撞檢測子系統對是否存在碰撞風險進行評估。若存在撞機危險，則對局部路徑進行一定的調整，在調整過程中，始終以作業終點為最終目標，避免出現局部的極值點而忽略機器人整體規劃。另外，在局部規劃過程中，行為檢測子系統需要實時對農業機器人規劃的路徑進行判斷，確定其是否符合全局規劃的目標，若符合，則執行。在機器人成功避開障礙物后，則可以按照全局規劃的路線繼續進行作業操作，在執行期望路徑的過程中，向最近的子路徑節點移動。如此反復，不管局部規劃路徑怎么實施，農業機器人最終的目標終點不會發生改變，直到其成功到達終點。

3 多農業機器人導航系統

3.1 導航系統整體方案

多農業機器人導航系統是指在執行任務期間，對各農業機器人的作業路線進行導航，即根據之間的作出的全局規劃，結合在前進過程中感知到的部分環境信息，實時對路線進行恰當的修改，引導各機器人安全前進到指定位置。該方案主要包括環境建模、自主定位和路徑規劃三部分。由于路徑規劃已在前一章詳細的闡述，這里不再重復。endprint

3.1.1 環境建模

環境建模是指采用數學模型的方法，對農業作業區域進行詳細描述，并將其抽象成計算機系統能夠直接識別的數據信息。本文所采取的導航系統數據信息存在在后臺服務器中，并由該信息抽象出拓撲圖，對路線信息進行簡單的描述。另外，也方便各農業機器人識別道路之間的聯系，準確實現全局、局部路徑規劃和實時導航。

3.1.2 農業機器人定位

農業機器人定位是指根據周邊環境信息和GPS確定其在作業區域相對于全局坐標的具體位置。

3.2 環境建模的具體實現

環境建模的空間信息對實現多農業機器人的導航具有決定性的意義，本文所采用的方法是將地圖信息存在后臺服務器，通過后臺服務器的數據庫進行拓撲圖的繪制，并采用循環鏈表的方式將數據信息進行保存。因此，后臺服務器中的數據庫存放有地圖的全部信息，可以用于多農業機器人的實時定位與導航，而拓撲圖則可以用于結合螞蟻算法實現路徑的最優規劃。

3.2.1 地圖信息數據庫

先將地圖信息分為站和道路兩種，其中站面積比較大，占地較多，可以用來讓機器人進行短暫的停留；而道路則是機器人前進的路線，用來連接各個站。

其次，在策略算法進行規劃的過程中，可以將站和道路看成一段段或者一塊塊的矩陣，將其連接起來就可以用來表示地圖。地圖信息如圖3所示。

3.2.2 建立拓撲圖

建立拓撲圖需要以服務器中的數據信息為依據，其主要是用來描述各站點與道路之間的連接狀態，在內存中以循環鏈表的方式進行儲存。導航地圖拓撲圖如圖4所示。

如圖4所示，循環鏈表是數據結構中一種常用的保存數據信息的方法，其可以靈活的表示數據見的前后關系，找到其中一個信息，便可以知道其前后內存里面的信息。在導航過程過程中，需要經常訪問節點間的連接信息，因此采用該方法可以大大提高數據讀取信息。

4 結語

針對多農業機器人聯合作業容易出現路徑沖突和碰撞的問題，采用蟻群算法，設計和研究了多農業機器人路徑規劃和導航系統。由于針對產業種植園區環境不確定性因素較大，以及機器人在最初規劃的時候往往很難獲取全部的信息，提出了先全局后局部的路徑規劃方法，實現多農業機器人移動路徑的實時動態規劃。提出了多農業機器人環境下，各機器人利用環境建模和自主定位進行自主導航的方法，通過建立地圖信息數據庫和拓撲圖，實現對多農業機器人的安全引導。

參考文獻

[1]張巍.基于雙目立體視覺的室內移動機器人地圖構建研究[D].武漢科技大學，2009.

[2]唐惠康，鄭寶林.基于SingalR和Web的農業機器人遠程編隊控制研究[J].農機化研究，2017，（03）：237-241.

[3]葛斯楠.基于改進蟻群算法的多機器人任務分配[D].沈陽工業大學，2016.

[4]王友發.面向智能制造的多機器人系統任務分配研究[D].南京大學，2016.

[5]王維.基于多智能體系統的多機器人路徑規劃方法研究及應用[D].電子科技大學，2015.

[6]王麗.移動機器人路徑規劃方法研究[D].西北工業大學，2007.

[7]李靜.多移動機器人路徑規劃避碰和協調研究[D].上海交通大學，2007.

[8]呂強.柑橘農業機器人工作場景信息感知技術與路徑規劃研究[D].江蘇大學，2010.

[9]李瑞，韓永祥.改進蟻群算法在配貨發送方面的研究[J].電腦知識與技術，2009，（22）：6290-6291.

[10]邵杰，楊靜宇，杜麗娟. 基于改進學習分類器的多機器人混合分層體系結構[J]. 南陽理工學院學報，2009，（03）：21-24.

[11]劉小梅，張君靜.蟻群優化算法基本原理及其應用[J].西部探礦工程，2008，（10）：240-243.

[12]何武 基于蟻群優化算法的無線傳感器網絡路由算法研究[D].西南交通大學，2008.endprint