基于VR場景設(shè)計的采摘機器人協(xié)同作業(yè)分析

成艷真

(濟源職業(yè)技術(shù)學(xué)院,河南 濟源 459000)

0 引言

隨著智能采摘技術(shù)的不斷推進(jìn),多元化信息水平向多行業(yè)發(fā)展,我國的采摘機器人作業(yè)水平得到明顯提升。虛擬現(xiàn)實VR作為一種超高速計算圖像技術(shù),已在航空軍事控制領(lǐng)域得到廣泛應(yīng)用。經(jīng)查閱文獻(xiàn)了解到,將現(xiàn)實采摘機器人的動作執(zhí)行借助于計算機處理科學(xué),創(chuàng)建逼真采摘作業(yè)場景,有利于對采摘機器人作業(yè)動作進(jìn)行實時監(jiān)測與控制。筆者擬通過三維渲染可視系統(tǒng)平臺,從采摘運作機理角度,包括路徑規(guī)劃、避障識別與定位處理等環(huán)節(jié),對采摘機器人的系列協(xié)同作業(yè)展開研究。

1 采摘機器人作業(yè)機理

智能化采摘機器人作業(yè)的核心在于準(zhǔn)確地識別與定位目標(biāo)信息。圖1為果蔬采摘機器人作業(yè)場景,其各部件的協(xié)調(diào)性采摘動作實現(xiàn)了果蔬自動采摘與擺放。作業(yè)機理:經(jīng)圖像識別、精確傳感裝置捕獲采摘目標(biāo)及周邊采摘環(huán)境,通過內(nèi)部控制程序指令到達(dá)采摘機械臂,執(zhí)行部件完成1次采摘動作。表1為基于VR場景設(shè)計的采摘機器人主要零部件構(gòu)成。通過人機交互設(shè)備、VR裝備、Internet網(wǎng)絡(luò)等進(jìn)行科學(xué)可行的采摘控制模型創(chuàng)建,多信息傳感裝置的組合、參數(shù)有效檢測反饋、采摘部件之間的協(xié)調(diào)配合等成為采摘成功率的重要保證。

表1 VR設(shè)計下的采摘機器人主要零部件構(gòu)成Table 1 Operation main parts composition of the picking robot under VR design

圖1 果蔬采摘機器人作業(yè)場景圖Fig.1 Scene diagram of fruit and vegetable picking robot operation

2 基于VR的采摘機器人設(shè)計

2.1 VR場景搭建

進(jìn)行采摘機器人VR場景搭建,考慮環(huán)境信息、植物成像及動態(tài)交互功能實現(xiàn),有效形成采摘作業(yè)機理,如圖2所示。首先,經(jīng)采摘系統(tǒng)主控端構(gòu)成感官重構(gòu);然后,經(jīng)環(huán)境建模、力渲染等傳遞至交互通訊模塊,到達(dá)采摘機器人從控端,實現(xiàn)采摘與控制。

圖2 基于VR場景設(shè)計的采摘機器人作業(yè)機理組成Fig.2 Operating mechanism composition of picking robot based on VR scene design

2.2 協(xié)同機理分析

在可視化的智能決策下,協(xié)同戰(zhàn)略思維應(yīng)用于采摘機器人各部件,必須準(zhǔn)確建立協(xié)同系統(tǒng)間的控制關(guān)系與動作實現(xiàn),包含順序、同步與自由3種形式。本文采用同步控制、自適應(yīng)目標(biāo)下的采摘部件運動,將采摘系統(tǒng)劃分為多個子系統(tǒng)進(jìn)行采摘作業(yè)的動作實現(xiàn)與路徑調(diào)整,如圖3所示。

圖3 采摘系統(tǒng)協(xié)同作業(yè)控制結(jié)構(gòu)簡圖Fig.3 Structure sketch of collaborative operation control in the picking system

針對VR場景的采摘機器人協(xié)同作業(yè),進(jìn)一步設(shè)置采摘主要算法參數(shù)(見表2),場景圖像內(nèi)部進(jìn)行細(xì)化處理,Hermite算法應(yīng)用于樣條的對比及線段的分割,以保證離散化幀定位精度。基于此算法進(jìn)行參數(shù)設(shè)置,實現(xiàn)采摘模型設(shè)計。

表2 VR場景下進(jìn)行協(xié)同采摘主要算法參數(shù)設(shè)置Table 2 Parameter settings of main algorithms for collaborative picking in VR scenes

2.3 采摘控制設(shè)計

對采摘機器人動作模型進(jìn)行設(shè)計,對VR場景的待采摘對象識別利用K-means算法進(jìn)行像素噪聲濾波處理,區(qū)分出采摘對象枝葉與果實;各部件自由度協(xié)調(diào)考慮力反饋的柔度,避障處理能力體現(xiàn)在執(zhí)行件協(xié)同作業(yè)信號接口函數(shù)的運用(見表3);設(shè)定足夠快的CPU運算處理速度,對場景下監(jiān)測到的對象位置與角度做到閉環(huán)調(diào)控,對障礙物及時反饋。

表3 基于VR的采摘機器人進(jìn)行協(xié)同作業(yè)主要接口函數(shù)Table 3 Main interface functions of the collaborative operation of picking robot based on VR

針對采摘控制核心環(huán)節(jié),給出VR場景下采摘機器人目標(biāo)識別算法執(zhí)行過程,如圖4所示。經(jīng)圖像場景梯度原理劃分,對采摘域與附加域逐一分割提取,獲取相應(yīng)的目標(biāo)值及采摘區(qū)域。

圖4 VR場景下采摘機器人目標(biāo)識別與算法核心流程簡圖Fig.4 Core flow diagram of target recognition and algorithm of the picking robot in VR scene

采摘機器人協(xié)同部件軌跡規(guī)劃與控制結(jié)構(gòu)如圖5所示。建立采摘機器人位姿坐標(biāo)系,并將采摘部件的采摘關(guān)節(jié)角度動態(tài)微觀變化作為監(jiān)控空間位姿的核心參數(shù)之一,經(jīng)控制指令實現(xiàn)采摘機器人運動部件的路徑優(yōu)化與高效化避障作業(yè)。

圖5 采摘機器人協(xié)同部件軌跡規(guī)劃與控制結(jié)構(gòu)簡圖Fig.5 Structure diagram of the trajectory planning and control of collaborative parts of the picking robot

依據(jù)采摘模型算法及軌跡控制機理,采摘協(xié)同作業(yè)在VR場景下的運動控制精準(zhǔn)度。輸入bool Display Picking Robot程序,核心代碼如下:

vs Node*my Node

if(myNode&&myNode->isOfClass Type

(vsDOF::getStaticClassType()) )

{

m_caizhaizuDof=(vsDOF*)myNode;

m_caizhaizuDof->setRotateH (i/4,true);

else

printf(“no caizhai DOF node”);

......

void myApp::onKeyInput

(VR Window::Key key,int mod)

case VR Window::KEY_z:

if(Demo Type==1)

{

Picking Robot Start=true;

Picking Move Start=true;

}

case VR Window::KEY_x:

if(Demo Type==1)

{

Picking Robot Start=false;

Picking Move Start=false;

}

......

由此調(diào)用函數(shù)Display Picking Robot()與Display Picking Move()依照預(yù)設(shè)采摘軌跡運作。

3 VR場景采摘協(xié)同作業(yè)試驗

3.1 條件設(shè)置

進(jìn)行基于VR場景設(shè)計的采摘機器人部件協(xié)同作業(yè)試驗。選擇懸掛葡萄為研究對象,設(shè)置同等的周邊采摘作業(yè)場景。采摘機器人各運動執(zhí)行部件進(jìn)行采摘定位、夾持、托扶、剪切等關(guān)鍵動作,依照圖6所示的流程通過C/S遠(yuǎn)程與服務(wù)器通訊模塊的結(jié)合,針對關(guān)鍵參數(shù)進(jìn)行采集處理與狀態(tài)顯示;以點對點傳輸為通訊路徑,經(jīng)執(zhí)行決策判定后傳輸至采摘機器人的各采摘部件,形成協(xié)同精準(zhǔn)化采摘作業(yè)仿真。

圖6 基于VR場景的采摘機器人系統(tǒng)協(xié)同通訊框架簡圖Fig.6 Sketch diagram of cooperative communication framework of picking robot system based on VR scene

同時,設(shè)置一致性前提條件為:①采摘作業(yè)VR場景保持一致性;②采摘圖像提取距離信息保持相等性;③采摘協(xié)同控制算法保持相同性等。

3.2 過程分析

通過采摘機器人在作業(yè)場景中的自適應(yīng)定位與環(huán)境感知等信息傳輸,以及各通訊模塊、協(xié)同決策模塊與動作執(zhí)行模塊的有機融合,截取采摘機器執(zhí)行試驗協(xié)同作業(yè)的動作畫面,如圖7所示。由圖7可知:該協(xié)同作業(yè)試驗?zāi)軌蛟诓煌臎Q策指令下實現(xiàn)動作輸出,較好地完成路徑規(guī)劃和避障處理,設(shè)計可行。

圖7 基于VR場景設(shè)計的采摘試驗協(xié)同作業(yè)簡圖Fig.7 Picking experiment collaborative operation sketch based on VR scenario design

經(jīng)數(shù)據(jù)記錄與處理,得到基于VR場景設(shè)計的采摘機器人協(xié)同監(jiān)控關(guān)鍵衡量指標(biāo)統(tǒng)計結(jié)果,如表4所示。將計算坐標(biāo)與VR協(xié)同采摘坐標(biāo)記錄對比可知:整體定位誤差在0～8mm范圍內(nèi),協(xié)同采摘作業(yè)的平均耗時可控制在2.25s以下,采摘成功率為94.5%以上,各控制指標(biāo)符合作業(yè)要求且采摘動作協(xié)調(diào),試驗可行。

表4 基于VR場景設(shè)計的采摘機器人協(xié)同作業(yè)試驗數(shù)據(jù)統(tǒng)計Table 4 Data statistics of cooperative operation experiment of picking robot based on VR scene design

4 結(jié)論

1) 在充分理解采摘機器人作業(yè)功能要求及VR設(shè)計理念的基礎(chǔ)上,搭建VR場景采摘作業(yè)平臺,以協(xié)同控制為主線,設(shè)計該場景下的采摘機器人系統(tǒng)。

2)仿真試驗表明:理論計算定位與實際仿真誤差小于8mm,機器人協(xié)同采摘的作業(yè)耗時平均維持在2.06s,成功率符合作業(yè)要求,最大可達(dá)到96.8%,設(shè)計可行。

3) 通過采摘對象及周邊場景圖像獲取處理、多功能傳感器技術(shù)的有效融合,最大限度設(shè)計出布局結(jié)構(gòu)緊湊的VR采摘場景,確保采摘部件的柔韌度與協(xié)同性,在預(yù)設(shè)采摘路徑程序規(guī)劃下模擬自適應(yīng)避障采摘動作,實現(xiàn)成功采摘,可為類似農(nóng)機化設(shè)備的開發(fā)與優(yōu)化提供一定思路。