智能采摘機器人路徑規劃的設計與研究

吳妮妮

(長江職業學院,武漢 430074)

0 引言

隨著人工智能化的發展,我國果園的采摘任務逐漸由人力勞作向機器自主作業進行轉變。機器自主作業時,需要識別一條無障礙、短距離的采摘路線[1]。然而,我國大部分的果園地處山林丘壑間,路面寬窄不一,起伏不平,加之行駛過程中出現的果樹等障礙物,導致采摘機器人無法快速、安全地到達目標點,故不能有效地完成采摘任務,使得果園智能化作業陷入瓶頸[2]。

針對上述現象,借助圖像處理、蟻群算法、PID閉環控制等技術對采摘機器人的行駛路線進行規劃和跟蹤,并運用嵌入式為手段設計了一款適用于采摘機器人的路徑規劃-跟蹤控制系統。系統能夠尋找出一條避開障礙且距離較短的行駛路線,使得采摘機器人能夠更智能化作業,對今后智慧農業的發展具有現實意義。

1 總體設計方案

果園采摘機器人實現自主智能采摘的關鍵是能夠找到一條最優路徑,并設計出合理的路徑跟蹤控制方法,使其能夠準確、安全地到達目標點[3]。因此,采摘機器人的導航任務分為路徑規劃和路徑跟蹤。路徑規劃是指機器人在有障礙物的工作環境中如何找到一條最優運動路徑,使機器人在運動過程中能安全、無碰撞地繞過所有障礙物;路徑追蹤需要采摘機器人根據自身情況,從某一處出發,按照某種控制規律到達該路徑上,實現其跟蹤運動。因此,從果園圖像的采集開始,設計的采摘機器人的路徑規劃及路徑跟蹤思路如圖1所示。

圖1 總體設計思路Fig.1 Overall design idea

由無人機搭載相機拍攝果園圖像,并通過WiFi無線通訊發送給機器人;經過相關圖像處理后,確定相關比例尺寸[4];采用柵格法對圖像的比例尺寸進行建模,由蟻群算法完成路徑規劃,篩選出一條最優線路;根據運動學模型得到采摘機器人的位姿數據,由PID控制器轉換為實際的控制信號,控制采摘機器人行走[5]。

2 圖像采集及處理

通常情況下,無人機搭載相機采集到的果園圖像需進行以下處理,從而轉化為對應的數字信息。

1)原始果園圖像屬于YUV顏色空間,需將其轉換為RGB顏色,轉換表達式為

2)對得到的RGB圖像進行灰度處理,即處理成黑白二值圖像,其表達式為[6]

Gray=0.2989R+0.5870G+0.1140B

3)得到的二值圖像需區分果樹與道路,故進行Otsu分割。假設閾值為T,則表達式為

g(T)=ω0ω1(μ0-μ1)2

其中,ω0、ω1分別為目標、背景像素點數量;μ0、μ1分別為目標、背景平均灰度值。

4)將果園實際坐標值與圖像中點的坐標進行對應,得到圖像坐標向實際坐標轉換的矩陣,實現圖像的幾何校正。轉換矩陣的表達式為

5)為了確定后續柵格尺寸的大小,需要將圖像尺寸按比例轉換為實際果園的尺寸[7],故進行比例尺寸的轉化,即

其中,k為比例因子;l為圖像上的兩點間的距離;L為果園實際兩點間的距離;(x1,y1)為起點的坐標位置;(x2,y2)為終點的坐標位置。

3 基于蟻群算法的路徑規劃

依據收集的環境圖像信息的程度可以將路徑規劃分為全局路徑和局部路徑[8]。

鑒于采摘機器人能夠最大程度地找到出發地到目標點的最佳線路,采用全局路徑進行規劃。首先以實際圖像建立柵格圖,然后采用蟻群算法進行路徑最優篩選。

柵格圖是將果園環境轉換為二值信息的圖片,規定黑色柵格為果樹等障礙物,白色柵格為采摘機器人能夠行駛的區域,實體的障礙物如果不滿1格,按1格計算。柵格尺寸越小,計算越準確,復雜程度會越高,如圖2所示。

圖2 柵格圖事例Fig.2 Grid case

假設柵格圖為m×n,單個柵格表示(i,j),則所有柵格的集合為E[9],所得表達式為

E={(i,j)|0

當采摘機器人用八領域行走,則其在位置(a,b)時,下一步的柵格集合為D(a,b),表達式為

D(a,b)={(a-1,b-1),(a-1,b),(a-1,b+1),

(a,b-1)(a,b+1),(a+1,b-1),

(a+1,b),(a+1,b+1)}|(i,j)∈E

根據柵格圖構建障礙物矩陣為

則最短路徑可表示為

其中,t為實際時間;T為運行最多時間。

由于采摘機器人按八領域行走,故其行走必須滿足位移、規避障礙物和行走停止等要求。

1)位移要求:采摘機器人可以向8個方向移動,但每次只能移動1步,故位移必須滿足的條件為

|Xi-Xi-1|≤1 ?t>1

|Yi-Yi-1|≤1 ?t>1

|(Xi+Yi)-(Xi-1+Yi-1)|≤1 ?t>1

2)規避障礙物要求:假設障礙物在柵格中的坐標為(r,c),則必須滿足的條件為

|(Xi-r)+(Yi-c)|≥1 ?t>1

3)行走停止要求:當采摘機器人到達目標點后,需要停止前進[10],則必須滿足的條件為

|(Xi+Yi)-(Xi-1+Yi-1)|≤|(Xi-1+Yi-1)-(Xi-2+Yi-2)|

?t>2

基于上述模型,運用蟻群算法,從采摘機器人當前所在點出發,在最短的時間內遍歷所有的果樹,尋求最優路徑[11]。

蟻群算法是指螞蟻在路徑上釋放信息素,碰到還沒走過的路口,就隨機挑選一條路走;同時,釋放與路徑長度有關的信息素,信息素濃度與路徑長度成反比;后來的螞蟻再次碰到該路口時,就選擇信息素濃度較高路徑;由于最優路徑上的信息素濃度越來越大,最終找到最優路徑。

以果樹為障礙,遍歷采集圖像內的全局采摘路徑,流程如圖3所示。

圖3 全局采摘路徑規劃流程圖Fig.3 Flow chart of global picking path planning

4 基于PID閉環控制的路徑跟蹤

路徑跟蹤需要采用某種控制理論,對采摘機器人的行走速度和方向進行調節和控制,使其按照期望的路線行駛。假設采摘機器人當前的位置為O,期望到達的目標點為P,以Op為目標點坐標原點,以速度v方向為Xp軸,建立XpOpYp坐標系[12],其跟蹤如圖4所示。

圖4 運動模型Fig.4 Motion model

θp=arctan2(yp(u),xp(u))

采摘機器人在期望目標點的位姿為

因此,期望路徑與期望速度的關系為

綜上所述,當采摘機器人開始行走(即速度v>0)時,采摘機器人的旋轉角度、位姿[13]、期望路徑和速度不斷按照上述約束關系進行更新,從而實現按照期望的路徑和速度進行跟蹤。

基于上述運動模型,使用PID控制理論對已規劃的路徑進行跟蹤。PID控制應用到采摘機器人的路徑追蹤過程中,就是對周圍環境的識別和分析,并將這些信息整理后循環反饋給控制器,使得控制器發送相應的控制指令,實現采摘機器人閉環行駛控制,原理如圖5所示。

圖5 PID控制原理Fig.5 PID control principle

其中,wset為底層控制器理論角速度;wout為電機實際角速度。當輸入底層控制器的角速度后,微處理器根據比例積分調節器PI輸出更新的PWM波,從而輸出對應變化的電流[14],驅動電機轉速發生相應的變化。

5 路徑規劃-跟蹤控制系統的設計

以上述理論為依據,設計一款路徑規劃-跟蹤控制系統,擬基于嵌入式技術實現,一般分為硬件和軟件兩部分。

硬件部分主要由主控模塊、運動控制器模塊、圖像處理單元、路徑規劃單元、傳感器采集模塊及通訊單元和電源模塊組成,如圖6所示。

圖6 硬件框圖Fig.6 Hardware block diagram

主控制器選用Exynos4412;運動控制器選用微處理器STM32F407,通過CAN總線與主控制器相連;電機驅動模塊選用L298N,根據接收到的PWM波輸出電機轉速驅動信號;電源模塊給主控制器提供4V的電壓;WiFi接口用于控制系統與無人機之間的果園圖像數據的傳輸;UART接口用于系統調試;JTAG接口用于軟件程序的下載;OTG接口用于U盤燒寫文件。

控制系統的軟件是將各個部分模塊化,其實現框架如圖7所示。

圖7 軟件實現框架Fig.7 Software implementation framework

主控制軟件讀取傳感器收集到的數據,進行PID算法驗證[15],并輸出控制信號;運動軟件收到控制命令后,對電機的轉速進行調控,從而控制采摘機器人的行動。

6 實驗結果與分析

為了驗證路徑規劃-追蹤控制系統的可行性,以任意數量、體積大小不同的紙箱代替果樹障礙物,任意設定采摘其機器人的起始點和目標點,并做如下規定:若在實驗中采摘機器人碰撞果樹,則視為未通過;若采摘機器人未按照期望的路徑行駛,也視為未通過。改變紙箱的位置,形成不同的障礙結構,共進行10組實驗。其中,一組具有代表性的柵格圖像如圖8所示。

圖8 仿真柵格圖Fig.8 Simulation Grid

對應該該柵格圖的實驗數據如表1所示。

表1 實驗數據表Table 1 Experimental data sheet

對表1的實驗數據進行分析可得:采摘機器人按期望路徑安全到達目標點的概率在90%以上,平均通過率為94.5%,實際路徑與期望路徑的誤差控制在0.244m之內。這表明,控制系統能夠有效進行路徑規劃,并實現精準跟蹤。

7 結論

針對果園采摘機器人在采摘作業時路徑規劃及路徑跟蹤問題,提出了相應的解決方案,并設計了一款路徑規劃-跟蹤控制系統。實驗表明:系統能夠快速尋找出相對平坦且距離最短的路線,提高了采摘機器人的作業效率,為智能化采摘機器人的推廣提供了參考依據。