基于相机与激光雷达融合的温室机器人行间导航方法

针对温室颠簸不平、枝叶遮挡道路的复杂环境,开展基于相机与激光雷达数据融合的机器人行间导航方法研究。首先,利用改进的U-Net模型实现图像道路区域的准确快速分割;其次,通过融合图像分割结果进行地面点云预分割,减少地面起伏造成的点云倾斜;然后,采用改进的KMeans算法实现作物行点云快速聚类,并将聚类中心作为作物行主干区域点,降低枝叶遮挡对作物行中线提取的影响;最后,采用RANSAC算法拟合两侧作物行方程并计算出导航线。通过实验评估导航线精度,在测试集中94%以上数据帧可以准确实现提取导航线,平均角度误差不高于1.45°,满足温室机器人沿作物行自主导航行驶要求。     

基于单片机和GPS定位的自主导航采摘机器人设计

为了提高采摘机器人的智能化控制水平和自主导航能力,改善机器人的应用限制和使用性能,提出了一种基于单片机和GPS的采摘机器人自主导航方法,克服了采摘机器人导航方式的缺点,显著提高了导航定位的效率和精度。该方法利用GPS实时接收卫星发射的时间、经纬度和高度等信息,通过RS232发送给单片机;单片机对GPS发送数据进行处理,得到控制所需的时间和位置等信息,通过与机器人所处的位置进行比较,调整机器人的姿态,实现路径的智能化追踪和规划。在实验日光温室内对采摘机器人的自主导航性能进行了测试,结果表明:利用单片机和GPS定位可以较为精确地对采摘目标路径进行跟踪,可以使机器人沿着既定路径移动,控制的精度较高,误差较小。     

果树快速定位采摘机器人设计——基于红外和激光扫描技术

为提高采摘机器人的自主导航能力和采摘效率,实现机器人的快速果树识别和定位,结合红外测距传感器与计算机图像处理技术,利用激光扫描传感器体积小、功耗低、速度快、抗干扰等特点,提出了一种非接触式测量果树深度信息的方法;并结合计算机图像处理对果树进行了标定,实现果树的快速识别与定位,为采摘机器人运动轨迹规划提供了自主导航的参数。为了验证该方法的可靠性,在采摘机器人试验样机上安装了红外线测距和激光扫描快速定位装置,并通过左右两侧果树的导航路径拟合,得到了机器人的行走路径,通过对比红外线测距和激光扫描的结果发现,其拟合路径基本吻合,从而验证了该方法测量数据的可靠性。根据不同的树高对应的枝叶密度,利用计算机图像处理对果树进行了标定,最后利用激光扫描方法对标定后的果树进行了快速定位,并将结果和全站仪的结果进行了对比,结果表明:激光扫描和全站仪之间的最大误差仅为20mm。这说明,激光测量的精度较高,可以满足设计的需求。     

基于随机运动障碍避碰规则的农业机器人路径优化

农业机器人作业时,为了提高机器人躲避障碍物及自主导航的效率和水平,将随机运动障碍物避碰规则引入到了农业机器人导航控制系统的设计中。采用人工势场算法对避障规则进行了设计,并利用蚁群算法对机器人路径规划方法进行了优化,从而使机器人在随机运动障碍物的环境下可以实现自主导航,且获得最短的导航路径。模拟多除草机器人的作业过程,对多运动障碍物环境下机器人的路径规划进行了仿真,结果表明:采用随机运动障碍物避障规则可以成功实现运动障碍物环境下的路径规划,且采用蚁群算法得到的路径最短、规划效率最高。     

温室草莓采摘机器人设计与试验

为实现温室草莓采摘机械化和自动化,设计并制作一种应用于日光温室的草莓采摘机器人。该机器人能实现自主路径规划,行走过程中识别成熟草莓并完成采摘。设计以ROS分布式计算系为主控制网络,以激光雷达进行移动机器人的地图构建与定位,双目深度相机实现对成熟草莓的识别和定位,搭载柔性仿生夹爪6自由度机械臂实现目标草莓抓取和放置。设计机器人软件平台,使用改进A*算法实现自主路径规划和导航避障;利用R-FCN目标检测网络和双目视觉技术实现成熟草莓检测及定位。结果表明：该草莓采摘机器人可实现目标检测及定位,检测到的草莓坐标与机器人手爪坐标的误差在4 mm以下,成熟草莓识别率为95%,满足采摘要求。     

果蔬采摘机器人行走运动控制系统设计——基于磁导引

为实现果蔬采摘机器人作业时自主行走,研究采用磁导引技术和PID算法等实现对预定路径的跟踪。以磁导引传感器作为导航传感器,在果蔬采摘机器人平台上搭建转向控制机构,依据磁导引传感器工作特性,提出PID算法作为导引算法。根据导引传感器得到机器人当前位置相对于导引磁条的距离偏差,作为PID控制器的输入,将机器人前轮期望转角和车体期望速度作为输出,在Mat Lab中对算法进行圆曲线跟踪仿真。仿真结果表明:机器人可快速跟踪到预定路线,跟踪误差在±30 mm以内,直线段稳定状态误差在±5 mm以内。     

基于视觉导航和RBF的移动采摘机器人路径规划研究

为了提高采摘机器人自主导航和路径规划能力,提出了基于计算机视觉路径规划和RBF神经网络自适应逼近算法的导航方法。使用图像分割、平滑处理和边缘检测技术,根据图像像素灰度值确定了导航线的位置,利用逐行扫描的方法得到了导航离散点。路径规划和跟踪使用RBF神经网络逼近算法,通过逼近误差和权值控制路径跟踪的精度,系统响应的执行端使用液压伺服系统,提高了机器人自主导航的精度。以黄瓜采摘作为研究对象,在日光温室对机器人采摘作业进行了测试,通过测试得到了RBF神经网络的路径跟踪误差曲线。测试结果表明:机器人可以很好地逼近跟踪规划路径,其计算精度较高,跟踪效果较好。     

基于RFID和WSN的采摘机器人自主定位与导航设计

为了提高采摘机器人自主导航能力和定位精度及对复杂采摘作业环境的自适应能力,提出了一种基于FRID和WSN的自主导航与避障采摘机器人,通过ID识别技术和聚类算法的应用,实现了采摘机器人的高精度导航与路径规划。该机器人在自主导航和避障过程中首先对RFID标签进行阅读,将阅读结果采用WSN进行节点通信,然后调用距离,并对距离进行聚类分析,最后得到规划后的路径。对机器人的导航定位性能进行了测试,测试发现:机器人实际标定位置和定位导航位置曲线吻合程度较高,验证了采摘机器人具有较高的定位精度;进一步测试发现:机器人在各个节点位置的信号通信均正常,没有出现较大的偏差,其定位的最大均方差仅为0.082m,满足高精度采摘作业的需求。     

农业竞赛智能车控制算法设计与实现

介绍了一种智能车控制算法,利用RGB摄像头采集智能车的环境信息并进行图像处理,用于识别植株的病患情况,采用激光雷达感知环境,以cartographer算法为核心构建和优化SLAM导航地图,通过AMCL方法实现智能车的准确定位;利用A算法规划全局路径、TEB算法规划局部路径、DWA算法控制智能车运动速度,实现智能车的自主导航和自动避障功能。使用该算法的智能车,在中国机器人及人工智能大赛农业机器人竞赛喷药机器人项目地图中,能够实现自主导航、自动避障和植株患病程度识别三种功能,展现了良好的竞赛性能。     

智能轨迹控制割草机器人设计——基于FPGA神经网络

为了提高割草机器人自主导航和定位的精确性和智能性,设计了一种新型的基于FPGA神经网络算法的割草机器人。该设计采用FPGA可重构技术,以3层误差反向传播神经网络作为典型的模型来展开;利用成熟的BP算法公式,设计了割草机器人智能控制的模型;利用FPGA技术,设计了割草机器人的硬件系统;最后采用文本输入的设计方法,利用田间试验的方式,对机器人的轨迹规划能力和控制精度进行了验证。试验结果表明:利用FPGA和神经网络模型可以有效地穿越5个障碍物,并可得到满意的轨迹规划结果。将普通的PID控制器和神经网络PID控制器得到的控制结果误差进行了对比,结果表明:神经网络PID控制器得到的割草机器人控制误差明显比传统的PID控制器误差小。该方法为神经网络的硬件实现提供了可靠的理论基础。     

基于改进A*与DWA算法融合的温室机器人路径规划

根据温室环境下移动机器人作业的实时路径规划要求,提出一种基于改进A*算法与动态窗口法相结合的温室机器人路径规划算法.针对传统A*算法搜索算法拐点过多的问题,对关键点选取策略进行改进,融合动态窗口法,构建全局最优路径评价函数,采用超声传感器进行局部避障,实现实时最优的路径规划.仿真实验结果证明,与传统A*、Dijkstr...     

果园移动机器人曲线路径导航控制

为实现移动机器人在果园非结构化环境下的自动行走,对果园移动机器人在复杂环境中的导航控制进行了研究。利用激光扫描获取果树位置信息,提出了一种果园环境下曲线导航路径的拟合算法;构建了以横向偏差和航向偏差为输入的模糊控制器;实现了移动机器人在曲线路径中的自动行走。机器人以0.54 m/s的速度沿正弦曲线行走,最大横向偏差为0.40 m,平均偏差为0.12 m。试验结果表明该系统路径拟合和导航控制算法性能良好。     

基于强化学习的农业移动机器人视觉导航

以强化学习为基础,结合模糊逻辑理论研究了农业移动机器人通过自主学习获取导航控制策略的方法。首先使用机器视觉检测环境障碍并获取障碍物相对于移动机器人的方向和距离信息。然后应用强化学习设计了机器人自主获取导航控制策略方法,使机器人能够不断适应动态变化的导航环境。最后基于模糊逻辑离散化连续的障碍物方向和距离信息,构建了离散化的环境状态,并据此制定了自主导航学习Q值表。在自制的轮式移动机器人平台上开展了试验,结果表明机器人可以在实际导航环境中自动获取更优的导航策略,完成预期的导航任务。     

视觉导航轮式移动机器人横向预测模糊控制

提出了一种对机器视觉导航的轮式移动机器人进行横向控制的有效算法，根据轮式移动机器人运动学模型预测其横向偏差和方位偏差的变化，以修正严重滞后的机器视觉采样横向偏差和方位偏差，利用修正后的横向偏差和方位偏差设计了系统横向模型控制器。仿真结果表明，该算法有效地克服了因非结构化农田自然环境视觉识别延迟过长所引起的控制系统性能下降的问题，具有良好的控制效果和较强的纵向速度自适应能力。     

智能移动式果蔬采摘机器人设计——基于SOPC神经网络

果蔬采摘机器人一般采用移动式机器人,虽有着强大的计算能力和移动性,但其感知能力的局限性限制了其智能的发展。为了提高果蔬采摘机器人的智能移动性能,使其拥有更好的实现自主导航的能力,采用(system on a programma-ble chip,SOPC)微处理器系统设计了一种新的智能移动式机器人控制系统,并采用神经网络算法对其进行了优化,大大提高了机器人移动的精确性,增强了输入和输出的线性关系,使控制系统在单片芯片上实现了复杂系统的全部功能。通过测试发现:机器人的移动躲避障碍物时速度的稳定性较好,移动误差较低,实现了果蔬采摘无人控制下的智能移动。     

植物工厂中移动平台导引系统的路径校正控制方法研究

在植物工厂的物料自动化运送中,自动导航系统非常重要。为此,针对移动平台在行驶过程中出现偏离误差较大的问题,采用磁感应传感器搭建导航系统,并对采样信号进行插值处理,并采用模糊控制方法。通过Simulink对信号采集过程进行仿真分析与优化,得到了较为合理的模糊控制算法,建立了一套路径校正的系统。利用STM32系列单片机搭建了控制系统,并进行了道路行驶试验。试验结果表明:该系统能够对行驶路径进行校正和追踪,模糊校正的直线行驶能力提高了20.13%,稳定性提高了17.24%,均值直线行驶偏差μ控制在5 mm以内,具有较高的精度和稳定性。