采摘機器人定位和導航研究
——基于足球比賽動態路徑規劃

張 磊

(河南財政金融學院，鄭州 450046)

0 引言

隨著控制技術的快速發展，智能機器人的應用越來越廣泛，而采摘機器人是機器人是機器人技術在農業中的應用和創新，集成了機械、電子、信息、傳感器技術和人工智能等技術。本文研究的采摘機器人主要用于現代化果樹種植基地的果實采摘，可減少勞動力，提高農業生產效率。本文將足球機器人比賽動態路徑規劃系統應用于采摘機器人，結合采摘機器人應用特性，設計了采摘機器人智能智能定位和導航系統，并驗證了該系統的有效性和可行性。

1 足球比賽行為的路徑規劃

足球比賽行為的路徑規劃是指機器人在不碰撞障礙物的情況下成功完成任務的功能模塊，其一般遵循“信息采集→命令決策→智能控制”模式。首先，利用多種傳感器采集數據信息，判斷行為是否觸發；然后，結合當前系統任務決策規劃實時運動控制；最后，控制機器人進行相應動作。一般而言，機器人的行為設計依賴于需要處理的任務及作業環境的復雜程度。

1.1 足球比賽行為分析

行為是形容高等動物生活形式的名詞，是指在獨有的外圍環境中，在腦電波自主控制的情況下，習慣性地去處理特定功能任務的一種活動。其產生機理如圖1所示。

圖1 行為產生機理

人的行為產生過程如下：當一個人的某種需要對于當前目標而言沒有得到滿足時，就是想著是否需要改變，當此時收到外部條件刺激時，就根據大腦內部形成的習慣去處理動機；有了動機的驅使，就會根據行為策略進行一系列的行為去到達目的；當實現目標時，原先產生的需求就會暫時得到滿足，然后在一定時間內繼續當前行為。一段時間之后，新的需求和刺激又會來臨，然后進行新一輪的動機到實現目標等一系列的行為，并不斷循環往復下去。

足球機器人會和人一樣按照一定策略執行動作，是因為其被內置程序固化，在復雜環境下根據內部指令執行相應策略。其主要由三要素構成：

1)機器人內部固化程序，即設定好的目標任務；

2)機器人硬件平臺；

3)復雜環境因素。

也就是說，行為是足球機器人在“自身一目標任務一復雜環境”三方面進行的一系列交互作用。

1.2 足球比賽行為的導航控制

足球機器人比賽行為導航是將導航功能進行細分為多個簡單模塊，然后各模塊根據特定傳感器和執行器進行操作，在不同環境下，聯合執行各項復雜任務。足球機器人比賽行為導航框架如圖2所示。

圖2 行為導航框架圖

足球機器人比賽行為導航控制系統包括信息采集、智能控制和驅動3個單元。信息采集單元由碰撞傳感器、光電傳感器、紅外傳感器和加速度傳感器組成，主要負責采集周邊環境信息，為后級智能單元提供信息輸入；智能單元由躲避、暗中據推、反向飛蛾、避障、導航、定位等6個行為及智能決策系統組成，主要負責根據前端采集到的信息進行仲裁，給后級驅動單元輸出命令；驅動單元由電機執行器1和電機執行器2組成，負責機器人的前進、后退、左轉向和右轉向驅動。

1.3 足球比賽避障行為原理

足球比賽機器人在行進過程中由于處于動態環境下，往往會有友方機器人或者對方機器人擋在前方，因此對障礙物的運動預測很重要，其必須具備避障功能。當人看見障礙物，若是人時，可以說聲“麻煩讓一下，謝謝！”；若是其他不可移動的障礙物，可以自己主動繞開。人可以主動識別障礙物，但是足球比賽機器人只能依靠傳感器進行識別。足球比賽機器人避障數學建模示意如圖3所示。

圖3 避障數學建模示意圖

假設A(x1,y1)為機器人當前位置，B(x2,y2)為目的地，C(x3,y3)和D(x4,y4)避開障礙物圓心O需要經過的圓弧路徑，若要使得路徑最優，則∠DOC值應該最小，則

(1)

在△AOB中，有

(2)

在△AOC中，有

(3)

在△BOD中，有

(4)

由θ=2π-α-β-γ，求解∠DEC，即可得到足球機器人避障障礙物的最佳路徑。足球比賽機器人避障流程包含以下6個步驟：

1)對環境及足球機器人信息進行初始化操作；

2)進行空間障礙物數學建模；

3)傳感單元采集周邊環境信息；

4)發現障礙物，搜索最優避障路徑；

5)細化和光滑避障路徑；

6)驅動單元驅動電機躲避障礙物。

2 采摘機器人智能控制系統

采摘機器人控制系統由機器視覺、決策、無線通信和多智能體構成，在整個作業過程中，視覺控制系統通過攝像頭對果園環境信息進行采集，由決策進行判斷，然后通過無線通信系統給車體系統發出指令，機器人接收信息，并進行操作。

2.1 智能控制系統整體設計

本文所研究的采摘機器人智能控制系統，需要對前進、后退、左轉向和右轉向多個電機進行驅動，還需對多路傳器進行信息采集，外圍接口比較多，電路設計復雜，因此采用SAMSUNG公司的嵌入式芯片Exynos4412作為核心處理器。該芯片支持片上系統，可以根據需求對源代碼進行裁剪，具有操作簡單、系統靈活和開發容易等優勢。智能控制系統框架如圖4所示。

圖4 智能控制系統框架圖

2.2 智能控制系統視覺子系統

機器視覺作為整個系統最為核心的傳感檢測設備，其作用與動物眼睛一樣，是不具備視覺的采摘機器人根據CCD攝像圖對環境和果實做出準確采集，然后發送給決策系統，為其分析處理提供原始數據。視覺子系統處理流程如圖5所示。

圖5 視覺子系統處理流程圖

2.3 智能控制系統決策子系統

智能控制系統決策子系統根據前級采集到的信息，利用多智能協作和決策原理，對采摘機器人行動進行判斷和決策，精確控制機器人的行為，保證避障順利和無損害摘取果實。決策子系統是采摘機器人控制系統的核心子系統，是多智能協作理論研究的基礎。決策子系統控制示意如圖6所示。

決策子系統根據前級系統采集到的全方位視覺信息，對果實信息、周邊環境及障礙物位置進行計算，然后根據決策模型對采摘路徑進行合理的規劃，并通過通訊子系統將信息發送給驅動單元。

圖6 決策子系統控制示意圖

2.4 智能控制系統通訊子系統

通訊子系統完成后臺服務器和機器人以及機器人控制系統與決策子系統、視覺子系統之間的信息交換，主要包括數據信息和通信方式。通訊子系統處理框架如圖7所示。

圖7 通訊子系統處理框架圖

3 采摘機器人定位和導航研究

3.1 建立WSN環境平臺

為了讓采摘機器人在定位和導航中行動更加敏捷，特建立無線無線傳感器網絡(WSN)環境平臺。通過該平臺，可以實現機器人與周邊環境節點進行信息交互，從而使自身的定位更加準確。機器人機身安裝閱讀器，信標節點分布在作業區域，機器人節點通過對環境的信標節點進行讀取，全方位了解全局環境信息。WSN平臺框架如圖8所示。

圖8 WSN平臺框架圖

3.2 控制系統軟硬件設計

3.2.1 控制系統硬件設計

硬件設計是采摘機器人控制系統的核心，該部分能夠實現信息采集、處理，以及控制機器人的移動和采摘狀態的實時顯示，主要包括RIFD閱讀器、GAINZ、JTAG、復位電路、時鐘電路、驅動電路、電子羅盤、運動控制、碰撞開關、人機界面、JTAG和各類傳感器等電路或模塊。控制系統硬件框架如圖9所示。

圖9 控制系統硬件框架圖

3.2.2 自主定位和導航程序設計

自主定位和導航控制軟件系統包括應用軟件、內核、系統服務、驅動及重力加速度程序。其中，重力加速度的程序如下

void MPU6050_Init (void)

{

#define SMPLRT_DIV 0x19 //陀螺儀采樣率，典型值：0x07(125Hz)

#define CONFIG 0x1A //低通濾波頻率，典型值：0x06(5Hz)

#define GYRO_CONFIG 0x1B //陀螺儀自檢及測量范圍，典型值：0x18#define ACCEL_CONFIG 0x1C //加速計自檢、測量，典型值：0x01

#define ACCEL_XOUT_H 0x3B

REG_WRITE(GPX1PUD,REG_READ(GPX1PUD) & (～(0x3 << 2)));

REG_WRITE(GPX1CON,REG_READ(GPX1CON) & ～(0xf << 4) | (0xf << 4));

REG_WRITE(EXT_INT41_CON,REG_READ(EXT_INT41_CON) & ～(0x7 << 4) | (0x2 << 4));

REG_WRITE(EXT_INT41_MASK,REG_READ(EXT_INT41_MASK) & (～(0x1 << 1)));

REG_WRITE(ICDDCR,1);

REG_WRITE(ICDISER1_CPU0,REG_READ(ICDISER1_CPU0) & (～(0x1 << 25)) | (1<<25));

REG_WRITE(ICDIPTR14_CPU0,REG_READ(ICDIPTR14_CPU0) & (～(0xff << 8)) | (1<<8));

i2c5_init();

uart2_init();

MPU6050_Init();

mydelay_ms(100);

return ;

}

4 試驗結果與分析

為了驗證該機器人定位和導航系統是否能夠滿足設計需要，本文對所設計的控制系統進行MATLAB 5.0進行仿真試驗，結果如圖10所示。

圖10 仿真結果圖

圖10中，區域1代表的是機器人運動軌跡；區域3為目標終點；區域2代表障礙物。可以看出：系統可以實現實時定位和導航，且路徑規劃路線最優，在整個過程沒有發生碰撞行為，實現了成功達到終點的目的，證明了該定位和導航系統的有效性和可行性。

5 結論

針對采摘機器人在作業過程中行走路線過長、路徑規劃不適用等問題，本文將足球機器人比賽動態路徑規劃系統應用于采摘機器人上，大大加強了其對環境的感知、決策和適應能力，并利用MatLab 5.0進行路徑優化仿真驗證。試驗證明：系統可以實現實時定位和導航，且路徑規劃路線最優，在整個過程沒有發生碰撞行為，實現了成功達到終點的目的，證明了該定位和導航系統的有效性和可行性。

參考文獻：

[1] 羅陸鋒,鄒湘軍,程堂燦,等.采摘機器人視覺定位及行為控制的硬件在環虛擬試驗系統設計[J].農業工程學報,2017(4):39-46.

[2] 葉敏,鄒湘軍,羅陸鋒,等.荔枝采摘機器人雙目視覺的動態定位誤差分析[J].農業工程學報,2016(5):50-56.

[3] 康倩.基于免疫機理的足球機器人協作控制研究[D].西安:西安科技大學,2015.

[4] 許曉龍.基于局部環境信息的移動機器人動態避障研究[D].沈陽:沈陽工業大學,2015.

[5] 劉祚時,王亞平,吳翠琴. 臍橙采摘機器人快速視覺定位系統研究[J].江西理工大學學報,2014(3):68-72.

[6] 安方方.RoboCup小型足球機器人通信與決策系統的設計與實現[D].西安:長安大學,2014.

[7] 蘇金文.基于組合策略的自主機器人定位技術研究[D].焦作：河南理工大學,2012.

[8] 張昊,羅文廣,臧慶凱.基于動態規劃算法的機器人避障路徑研究[J].廣西工學院學報,2011(4):35-39.

[9] 李艷麗.基于遺傳算法的多足球機器人路徑規劃[D].青島:中國海洋大學,2011.

[10] 柳在鑫,王進戈,王強,等.基于微型足球機器人系統的研究[J].西華大學學報：自然科學版,2009(4):11-15.

[11] 袁于程. RoboCup中型組足球機器人全景視覺系統的研究[D].蘇州:蘇州大學,2009.

[12] 文俊.全方位移動機器人設計與運動控制[D].青島：中國石油大學,2009.

[13] 王文山.基于CAN總線的農業機器人平臺控制系統的設計與實現[D].泰安：山東農業大學,2012.

[14] 陳杰.對機器人足球的決策與路徑規劃的研究[D].濟南：山東大學,2007.

[15] 徐嘯.仿真機器人足球賽進攻策略的研究與實現[D].沈陽：沈陽工業大學,2007.

[16] 呂冬梅.足球機器人路徑規劃算法的研究及其仿真[D].青島：青島科技大學,2006.

[17] 孔凡天.無線傳感器網絡節點定位與數據融合技術研究及實現[D].武漢:華中科技大學,2006.

[18] 姜麗萍.番茄力學特性及其在采摘機器人執行器設計中的應用[D].鎮江:江蘇大學,2006.

[19] 劉雪飄.機器人足球比賽中的動態路徑規劃研究與系統軟件設計[D].西安：西北工業大學,2006.

[20] 續欣瑩. MiroSot足球機器人決策子系統的研究與設計[D].太原:太原理工大學,2005.

[21] 邢偉.基于GPS/INS的自主移動機器人定位和路徑規劃的設計與實現[D].哈爾濱:東北農業大學,2015.

[22] 王鴻鵬.復雜環境下輪式自主移動機器人定位與運動控制研究[D].天津:南開大學,2009.