基于RSSI信號強度定位的夜間采摘作業機器人設計

馬永兵

(南京信息職業技術學院，南京 210023)

?

基于RSSI信號強度定位的夜間采摘作業機器人設計

馬永兵

(南京信息職業技術學院，南京 210023)

為了提高果實采摘機器人在夜間作業的工作效率，提出了一種適用于果實采摘機器人夜間果實定位識別的方法，引入了RSSI信號強度定位技術，并在此基礎上提出了一種泰勒級數展開的高精度定位方法。夜間采摘作業機器人采用接收到的RSSI信號強度對待采摘的果樹進行定位，為了滿足機器人移動時的實時定位，采用多次信道掃描的方式，提高了機器人定位的實時性。為了驗證機器人夜間定位方法的有效性和可靠性，在夜間采摘環境下，對機器人的性能進行了測試。通過測試發現：機器人的定位精度較高，錯誤識別率較低，并且通過多次校正，可以有效提高作業精度，滿足夜間作業的設計需求。

RSSI信號強度；果實采摘；泰勒級數；定位精度；實時性

0 引言

中國是一個水果生產大國，水果的采摘勞動作業量占到水果生產過程作業總量的1/3以上，并且在水果成熟期內，需要盡快地摘除，否則會發生腐爛，影響水果的質量。采用機器人進行機械化采摘，不僅可以降低人工成本，還可以提高采摘的精度，降低水果的損失，提高果實的采摘效率。為了滿足在水果成熟期快速采摘的目的，盡快完成密集的水果采摘工作，設計時需要機器人不僅在白天可以正常工作，而且也具有夜間工作的能力。

雖然國內外對水果采摘機器人進行了大量的研究，但是對于夜間采摘機器人的研究還涉及較少。為此，本研究主要對采摘機器人的夜間工作模式進行了探索。在夜間作業時，需要機器人準確地識別待采摘果樹，且能夠自動地移動到果樹位置，對水果進行采摘作業。為了提高機器人夜間作業的自主導航和位置識別能力，引入了基于RSSI信號強度定位方法，利用實時定位原理，快速選擇信道，從而實現了水果的快速識別，對于提高采摘機器人作業效率和水平具有重要的意義。

1 采摘機器人總體設計

夜間采摘作業機器人的定位系統主要包括盲節點、錨節點、網關板及上位機，如圖1所示。其中，網關板負責整個網絡的調度；錨節點負責網絡的數據傳輸和轉發等功能，是已知位置的節點；盲節點為果樹待定位的節點，位置信息最終通過上位機進行數據處理，從而可以精確的得到夜間待采摘果樹的位置。

圖1 夜間采摘機器人定位系統結構圖

圖1中，上位機和協調者的節點采用RS232串口進行通信，而協調者和錨節點與盲節點之間采用無線ZigBee進行通信。機器人的結構及夜間作業模式如圖2所示。在夜間，受色彩的影響，直接利用機器人視覺對待采摘果實進行定位，效果不好。為了避免采摘夜間環境對采摘效果的影響，設計采用RSSI信號強度定位的方法，如圖3所示。機器人的控制核心為PC上位機，可以對位置信息進行處理，并發出定位移動控制指令，驅動系統以輪式驅動為主。

基于信號強度定位主要分為兩個階段，包括離線測量階段和實時定位階段。離線測量主要是通過無線強度經驗建立數據庫，可以具體估算果樹的位置。夜間采摘機器人定位的流程如圖4所示。

圖2 采摘機器人結構和夜間作業模式示意圖

圖3 采摘機器人RSSI定位系統

圖4 采摘機器人夜間作業流程圖

上位機運行客戶端程序后，啟動掃描進程，對信號的信道進行若干次掃描，從而得到待測位置發出的信號強度，并將信號強度值傳送給服務器；服務器對接收到的信號強度進行處理，并對每個AP的RSSI平均值進行求解，最后去除數值的噪聲，按照大小順序進行排序。

機器人在行走過程中，需要對待采摘的果樹進行實時測量，測量過程是連續的，因此可以進行歷史位置的校正。假設機器人移動速度低于0.5m/s時，在幾秒鐘內，機器人不可能跨越較大的距離，每次定位從概率分布數據庫中，選取概率較大的多條記錄，根據機器人的歷史數據庫，排除一些不可能的位置，從而可以縮小定位的范圍。

2 采摘機器人RSSI信號強度定位算法

機器人在果園進行采摘作業時，由于作業環境的復雜性，無線信號傳輸過程會受到影響，特別是障礙物、繞射和多徑等因素的存在。因此，普遍采用的傳輸模型為

(1)

其中，PL(d)表示在信息傳輸距離為d時的路徑損耗；PL(d0)表示單位距離的路徑損耗；d0表示單位距離；X0表示均值為0的隨機數，該隨機數服從高斯分布；n是表示衰減因子，則果樹錨點發出定位信號后，機器人接受到信號的強度為

(2)

其中，PR(d)是機器人接收到的信號強度指標，即RSSI；PT表示果樹發射信號的功率；GT表示果實錨點發射天線的增益。為了使移動的機器人能夠對果樹進行實時定位，利用IEEE802.15.4標準對信號衰減模型進行簡化，則有

RSSI=

(3)

但考慮到環境、成本、定位精度要求等因素，所以實際測量中測距模型可以進一步簡化為

RSSI=-10nlgd-A

(4)

其中，d表示果樹發射信號的錨節點和待定位盲節點之間的距離，A表示盲節點和錨節點之間距離為1m時RSSI值。得到了RSSI和d的函數關系，可計算出移動機器人和定位果樹之間的實時距離，使機器人可以高效率的定位。

假設果園定位的無線網內有N個已知的果樹錨節點，其坐標為(x1,y1), (x2,y2)，…，(xN,yN)，RSSI測量值為(RSSI1,RSSI2,…,RSSIN)，通過式(4)模型可以側得待測的節點到錨節點的距離d1,d2,…,dN，可以表示為

(5)

在方程進行求解時，可以利用泰勒級數展開進行迭代計算，假設待定位節點的真實坐標是(x,y)，于是公式(5)通過處理可得

(6)

(7)

果樹的真實位置和近似位置偏移量的和為

(8)

于是有

(9)

利用泰勒級數在近似位置展開，去掉一階偏導各項可得

(10)

各偏導數經計算為

(11)

(12)

綜和上述可得

(13)

整理得

(14)

令

(15)

則式(14)可簡化為

Δdi=axiΔx+ayiΔy

(16)

于是可得

(17)

定義

(18)

可以得到

HΔρ=Δd

(19)

用LS求解可得

(20)

3 采摘機器人夜間作業定位測試

為了驗證所設計的泰勒級數算法和RSSI定位方法的有效性與可靠性，對機器人夜間的作業效果進行了測試。夜間機器人采摘作業與白天作業有所不同，為了實現機器人的定位，將果樹設置為錨節點和盲節點，如圖5所示。

圖5 夜間果實采摘場景

圖5表示夜間果實的采摘場景，將果樹中的關鍵位置布置無線網絡節點， E樹便是果樹定位的已知錨節點。首先對機器人進行測距實驗，當實際距離待采摘果樹為20m時，通過120次信道的掃描，并每隔20s測試接收信號的強度，最終測定錨節點信號的強度平均值為-15.58dBm，通過公式計算可得距離d=20.18m，精確度為99.91%，定位的精度較高。

圖6表示夜間作業精度測試的過程曲線。當實際距離改為40m時，每隔15s測試1次，通過120次信道掃描得到信號強度的平均值為-21.98dBm，計算得到的距離為40.22m，定位精度達到了99.45%，定位精度也非常高。

圖6 機器人夜間作業定位精度測試

為了提高待采摘果樹的識別率，對定位系統進行多次校正，如圖7所示。通過3次定位系統的校正，果實的錯誤識別率都有所降低，在第3次校正時，果樹的錯誤識別率僅為0.003，錯誤識別率較低。

圖7 多次校正果樹錯誤識別率測試

表1表示利用采摘機器人對不同距離的果樹進行定位后，得到的定位精度和錯誤識別率的結果。由表1可以看出：隨著定位距離的增加，定位精度和錯誤識別率都沒有產生較大的波動，定位精度達到了98.5%以上，而錯誤識別率也在0.32%以下，作業精度較高，滿足果實采摘夜間作業的需求。

表1 不同距離定位精度和錯誤識別率測試

4 結論

1)利用RSSI信號強度定位原理，結合泰勒級數展開方法，提出了一種采摘機器人夜間定位的方案，并通過信道多次掃描的方式，實現了機器人的實時定位，從而大幅度地提高了采摘機器人的作業精度和作業效率。

2)對采摘機器人的夜間作業效果進行了測試，通過測試發現：隨著定位距離的增加，定位精度和錯誤識別率都沒有產生較大的波動；并且通過自身多次校正，可以有效的提高定位的精度，最終在24m以內的測試定位精度達到了98.5%以上，錯誤識別率也在0.32%以下，滿足了夜間采摘作業的設計需求。

[1] 任維政,徐連明.基于RSSI的測距差分修正定位算法[J].傳感器技術學報,2008,21(7):1247-1250.

[2] 王永才,趙千川,鄭大鐘.傳感器網絡自身定位方法的設計與實現[J].計算機工程與應用,2005,41(13):4-6.

[3] 李娟,王珂,李莉.基于錨圓交點加權質心的無線傳感器網絡定位算法[J].吉林大學學報：工業版,2009,39 (6):1649-1653.

[4] 楊鳳,史浩山,朱靈波,等.一種基于測距的無線傳感器網絡智能定位算法[J].傳感器技術學報,2008, 27(1):135-140.

[5] 劉艷文,王福豹,段渭軍,等.基于DV-Hop定位算法和RSSI測距技術的定位系統[J].計算機應用,2007, 27(3):516-527.

[6] 孫佩剛,趙海,羅玎玎.智能空間中RSSI定位問題研究[J].電子學報.2007,7(35):1240-1245.

[7] 江冰,吳元忠,謝冬梅.無線傳感器網絡節點自身定位算法的研究[J].傳感技術學報,2007(6):1381-1385.

[8] 李連,朱愛紅.無線傳感器網絡中的定位技術研究[J].微計算機信息：測控自動化，2005,21(9):133-135.

[9] 李建中,高宏.無線傳感器網絡的研究進展[J].計算機研究與發展,2008,45(1):63-72.

[10] 張楠,董曉晶,張健.WGS-84坐標系與BJ-54坐標系的轉換方法及精度探討[J].制造業自動化,2009, 31(12):162-164.

[11] 朱向慶,陳志雄.采用GPS和GPRS的移動目標監控導航系統設計[J].計算機測量與控制,2011,19(5): 1133-1136.

[12] 王儉,陳衛東,趙鶴鳴.移動機器人全覆蓋路徑規劃優化方法[J].計算機工程,2005,31(22):162-163.

[13] 吳修文,馮曉霞,孫康嶺,等.農用機器人導航電子地圖的研究[J].農業裝備與車輛工程,2010(3): 40-42.

[14] 朱向慶,陳志雄.采用GPS和GPRS的移動目標監控導航系統設計[J].計算機測量與控制,2011,19(5): 1133-1136.

[15] 李界家,陳浩,李穎.神經網絡迭代算法解耦控制在中央空調系統中的應用[J].沈陽建筑大學學報, 2012,28(1):182-186.

[16] 徐文兵,高飛.天寶TrimbleAgGPS332單點定位在林業測量中的應用探析[J].浙江林學院學報,2010, 27(2):310-315.

[17] 丁吉昌,崔現成.一副疊加有噪聲圖像的邊緣分割的討論[J].醫療設備信息,2001,12:12-13.

[18] 紀淑娟,李東華,柏蘭,等.掃描方式對南果梨近紅外光譜無損檢測模型建立的影響研究[J].食品科學, 2008,29(6):383-386.

[19] 周瑩,傅霞萍,應義斌.濕度對近紅外光譜檢測的影響[J].光譜學與光譜分析,2007,27(11):2197-2199.

[20] 周俊,程嘉煜.基于機器視覺的農業機器人運動障礙目標檢測[J].農業機械學報，2011,42(8):154-158.

[21] 朱安民,明仲.基于神經動力學的目標跟蹤算法[J].深圳大學學報：理工版，2009,3(26):83-88.

[22] 朱大奇,顏明重.移動機器人路徑規劃技術綜述[J].控制與決策，2010,25(7):961-967.

[23] 朱慶保.動態復雜環境下的機器人路徑規劃螞蟻預測算法[J].計算機學報，2005,28(11):1898-1906.

[24] 樊景超,周國民.蘋果近紅外光譜采集影響因素研究[J].安徽農業科學,2011,39(1):464-467.

[25] 吳迪,陳孝敬,何勇.基于離散余弦變換和支持向量機的多光譜紋理圖像的茶葉分類研究[J].光譜學與光譜分析,2009,29(5):1382-1385.

[26] 史敏.基于紅外光譜技術的獼猴桃品質檢測研究[D].楊凌:西北農林科技大學,2008:1-9.

[27] 曹志勇,邱靖,曹志娟,等.基于改進型神經網絡的植物病蟲害預警模型的構建[J].安徽農業科學,2010, 38(1):538-540.

Design of Night Picking Robot Based on RSSI Signal Intensity Location Method

Ma Yongbing

(Nanjing College of Information Technology, Nanjing 210023, China)

In order to improve the working efficiency of the fruit picking robot in the night, a method for locating the fruit of the fruit picking robot is proposed, and the RSSI signal intensity is introduced. Based on this, a high precision positioning method for the Taylor series expansion is proposed. At night, the RSSI signal intensity is used to locate the fruit trees. In order to meet the real-time positioning of the robot moving, the real-time performance of the robot is improved by using multiple channels. In order to verify the effectiveness and reliability of the robot, the robot's performance is tested by the test. The test shows that the accuracy of the robot is relatively high, and the accuracy can be improved.

RSSI signal intensity; fruit picking; taylor series; positioning accuracy; real time

2015-11-27

湖北省自然科學基金項目(2014CFB322)

馬永兵(1976-)，男，江蘇海安人，副教授，(E-mail)ybma76@qq.com。

S225.93；TP242

A

1003-188X(2017)01-0212-05