全自動草坪修剪機器人設計*

吳豪杰，張騫曉

（天津職業技術師范大學，天津 300222）

0 引言

中國城市化的進程日益加快，青年人大多選擇走進城市和工廠，而農牧業的勞動人口因此流失嚴重。 加上老齡化的日趨嚴峻，農牧業勞動力緊缺。 因此，某些農牧業高強度工作領域，需要大量引入新的勞動資源，而AI 機器人設備可替代部分急缺的勞動力[1]。 基于此，本文設計了一款全自動草坪修剪機器人，來替代現有的需要人工參與的手動除草工具，解放了人力，減輕勞動力緊缺的壓力。 美國國家農業統計署發布數據2010年全球草坪機械銷售額達到300 億美元。 據我國國家統計局數據，我國草坪機械市場以每年40%速度增長，但占市場大多數份額仍是傳統內燃式割草機。 傳統內燃式割草機不僅工作繁重，而且造成了人力資源的浪費，并且一人一機的模式工作效率比較低。

1 國內外研究現狀

由于國內檢測技術的研究起步較晚，整體水平較低，種類較少，整體競爭力弱。 目前僅在實驗室階段有相關成果，在實際應用方向上，和國外相關領域相比，國內以分析算法技術研究居多，在機器人的機械工作精度等應用層面技術落后于發達國家。

法國某科技公司已開發了一款專門用于大型蔬菜種植的最新農業機器人——Dino 除草機器人。 Dino 裝備RTK （實時動力學）GPS 和視覺相機，能翻動土塊拔除雜草，且不傷害近處的作物。它號稱是一款“多功能機器人”，所以也可被用于播種。 該機器人滿電狀態下可持續工作長達8h，且已完全實現自動化，無需農民監督。 除完草后，機器人會將數據進行整理，將文字報告發送給農民。 昆士蘭大學研發的機器人Agbotll，它的除草效率是人工的5倍，一臺機器人一天就可以輕松完成上百畝地的除草工作，該機器人的內部加入了世界先進的AI 智能人工系統，可以通過先進的傳感器設備準確分辨雜草和莊稼，做到不傷害莊稼[2]。

國內大多使用手推式除草機器，在雜草長10cm～13cm 效果明顯。需自己利用操作扶手，在垂直方向上下進行調整，進行行間除草。 其割草刀片也需經常替換，以保證除草效果。 隨著國家對農業投入補貼力度加大，為解決農業勞動力匱乏問題，目前國家已大力發展現代化農業技術，大量的植保機械以應用于實際生活基于技術應用普及，農業工作人員以培養出現代化技術應用的意識，除草機器人的推廣應用已經勢在必行。

2 設計思路

目前就除草機器人環境測距和路徑選擇設計方向，常用的是雷達定位技術和視覺檢測技術。 雷達即無線電檢測技術，是利用目標物反射電磁波的信號來發現、探測目標坐標和其它參數的裝置。 而民用雷達定位精度在3m 左右，在定位的靈敏度上有所欠缺，不能夠精確檢測到微小的信號變化，這個精度對于機器人的定位以及路徑規劃是遠遠不夠的，因此，這里就需要引入攝像頭模塊的使用，進行圖像分析處理。 綜上所述，攝像頭模塊和陀螺儀相輔相成，可大大提高除草機器人的定位精度。

上述方案，可實現機器人的準確定位，但機器人除草是處于一個比較復雜的環境中，工作中可能遇到各種現實障礙，機器人須具備精準識別物體的能力及路徑規劃能力，才有可能應付復雜的工作環境。 這里就需要計算機視覺算法的引入，能夠更好地描述當前環境，全面反映當前信息，其核心目的就是識別機器人行進的路線。

對于計算機視覺，國內外學者都做了大量研究，Marchant 團隊將里程計、 視覺傳感器結合Kalman 濾波器進行試驗，車輛橫向位置誤差的均方值根達到20mm，但是其硬件結構設計復雜；Kise 等團隊研究的雙目立體視覺技術，在農田理想的工作環境下能得到比較好的效果，但算法復雜，且對攝像頭要求較高[3]。

該項目中，采用的是視覺SLAM 系統，可實現即時定位與地圖構建。 該系統分為兩個主要部分：前端傳感器采集數據部分和后端數據優化處理部分。 前段將環境信息采集，并進行狀態估計，后端對前段發送的數據進行優化、處理，且后端可為前段提供反饋信息，進行閉環檢測。

使用視覺攝像頭進行輔助。 可以很容易實現較高的測量精度并且應用于SLAM 中。SLAM(同步定位與地圖繪制) 技術廣泛應用在機器人領域，SLAM 更像是一個概念而不是一個算法。 一般包括特征提取、數據關聯、狀態估計、狀態更新以及特征更新等五個過程。 通過SLAM 相關技術解決草坪修剪機器人在未知環境中運行時定位導航與地圖構建的問題，通過路徑優化系統計算出機器人所走的最優路徑。

3 整體框架

草坪修剪機器人上層采用樹莓派平臺搭配ROS 機器人系統作為上位機，其上搭載雷達、攝像頭和陀螺儀，通過這些傳感器感知機器人的位置、 姿態和周圍環境，ROS系統根據傳感器得到的數據規劃出機器人合適的行進路線，之后，將行進路線轉化為數據代碼，通過串口線發送給單片機系統，單片機根據數據控制左右兩個電機進行運動控制，結構圖如圖1 所示。

圖1 機器人控制系統結構圖

車體選擇四輪輪式機器人，考慮實用、穩定等方面的因素選擇，而并不考慮一些復雜的運動模型如人形機器人。 在選擇機器平臺時需要考慮的主要因素包括定位性能、易用性能以及成本。 定位性能主要衡量機器人僅根據自身的運動對自身位置進行估計的能力。 機器人的定位精度應該不超過1%，轉向精度不應該超過3%。 一般而言，機器人可以在直角坐標系中根據自身的運動估計其自身的位置與轉向。

4 算法說明

視覺SLAM 算法。 機器人在一個未知的環境中工作，就要先建立一個固定不變的世界坐標系，根據機器人傳感器參數確定其在坐標系中的位置，也就確定了其在現實環境中的位置，機器人的移動可以抽象為相機在世界坐標系下的剛體移動[4]。

圖2 坐標系變換

圖2 中，（x,y,z）坐標系為世界坐標系，（x1,y1,z1）為移動坐標系，即機器人所在坐標系，固定坐標點P 為世界坐標系中的一點，是參照物的位置坐標，參照物是機器人工作環境中辨識度較高的區域或物體。 機器人所安裝的相機每時每刻都會觀測到一些路標，并得到與這些坐標的相對位置。 設t 時刻，相機檢測到固定坐標點P，在機器人的移動坐標系下，該固定坐標點坐標為（ctpx,ctpy,ctpz）,而t+1 時刻，固定坐標點在移動坐標系下的坐標為（ct+1px,ct+1py,ct+1pz）,那么機器人的運動方程如式（1）所示:

其中，△T 為t 時刻到t+1 時刻相機的位姿變換矩陣。

根據上述方程可得，若已知機器人的初始位姿，就可以依據各個時刻的觀測數據，計算出機器人在世界坐標系下的位姿，同時計算出各個坐標固定點在世界坐標系下的坐標，可以得到SLAM 數學模型：

其中，xt為t 時刻移動機器人的位姿，vt,k 表示移動機器人在x 位置觀察固定坐標點p 的觀測數據，wt和vt,k 為噪聲。

5 設計優勢

1） 四輪差動機械構造，保證除草機器在田間實際場地行動時的足夠動力，可越過細小石塊等復雜地形，使得車體能實現差速轉彎，比較靈活易于控制。

2） 攝像頭模塊附加視覺SLAM 算法，可使得圖像處理方面，更為精準，有效識別周圍環境。

3） 多種傳感器相互配合，可保證在不同地面上運動效果不受阻礙，無需附加外部控制，可減少人力勞動。

6 結語

ROS 的發展為機器人和人工智能領域帶了廣闊的前景。 通過本文給出的全自動草坪修剪機器人設計思路，設計一個垂直領域的簡單工序機器人是可以實現的。 隨著技術的加持，可以添加更多專項機器人。通過ROS 的分布式構架的優勢，建立機器人的交互、協作，對于國家的產業信息智能化建設具有重要意義。 未來機器人領域將會提供更多豐富的業務，包括外送機器人距離范圍更遠、續航更強、自行充電。 毋庸置疑，農業機器人、探測機器人在很多領域將逐漸替代人類繁重的工作。