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。     

基于激光SLAM的牛场智能推翻草机器人自主导航系统

为解决牛场人工推翻饲料劳动强度大、工作时间长等问题,设计了一种基于激光雷达同步定位与建图(Simultaneous localization and mapping, SLAM)的牛场智能推翻草机器人自主导航系统,以期实现机器人在牛场环境中自主导航完成推翻草任务。自主导航系统通过激光雷达感知牛场环境,使用加载里程计信息的Cartographer算法构建牛场环境地图,采用未加载里程计信息的自适应蒙特卡洛定位(Adaptive Monte Carlo localization, AMCL)算法实现机器人的定位,并采用迪杰斯特拉算法(Dijkstra)规划机器人推翻草工作路径。试验表明,在构建牛场环境地图时采用机器人加载里程计信息的方式,横纵向偏差最大值低于未加载里程计信息时构建的地图,分别为0.02 m和0.14 m;在实现机器人的定位与导航时采用未加载里程计信息的方式,横纵向偏差最大值及航向偏角最大值分别小于0.04 m、0.10 m和11°,且导航精度高于加载里程计信息时的数值,满足牛场环境中推翻草作业时的导航精度要求。     

基于激光雷达的巡检机器人导航系统研究

智能巡检机器人能够高效、可靠地完成巡检任务,降低工作人员的劳动强度,准确、稳定的导航定位是巡检机器人执行巡检任务的基础。本文研究了基于激光雷达的巡检机器人导航系统,可实现机器人在室内外环境下的地图建立、路径规划和导航定位。导航系统由远程监控平台与巡检机器人组成,远程监控平台发布巡检任务、监控机器人状态、查询与存储检测数据,巡检机器人可实现自主导航定位、遍历检测点、执行数据采集等巡检任务,二者通过无线网络实现远程数据交互。融合激光雷达与编码器信息,使用高鲁棒性Gmapping算法建立二维环境地图。根据地图与检测点信息,采用分支界定算法搜索最优巡检路线,以减少巡检时间和能源消耗。使用自适应蒙特卡罗定位(AMCL)算法估计机器人位置和姿态,结合巡检路线,进行导航定位。根据横向偏差与航向偏差,通过经典的PID算法完成机器人驱动控制。机器人搭载可见光相机与红外相机,可对目标进行可见光通道与红外通道的融合图像检测。对巡检机器人进行了室内导航定位试验,试验结果表明,在1 m/s的速度下,位置与航向偏差的平均绝对误差(MAE)分别小于5 cm和1.1°,标准差(SD)分别小于5 cm和1.5°,能够满足巡检导航定位的要求。     

基于改进ORB_SLAM2的机器人视觉导航方法

提出了一种基于改进ORB_SLAM2的视觉导航方法。针对ORB_SLAM2构建的稀疏地图信息不充分、缺少占据信息、复用性差而无法直接用于导航的问题,对ORB_SLAM2算法进行了改进,融合环境的3D、2D占据特征以及路标点空间位置、视觉特征等多模态信息构建了包含定位、规划、交互图层的多图层地图以支撑机器人的精准定位和最优路径规划;针对机器人的自主导航任务,基于先验多图层地图建立约束进行机器人的位姿估计,融合运动约束进行机器人位姿优化,实现了基于先验地图的机器人精准定位,同时基于规划图层进行机器人的最优路径规划,提升了机器人的自主导航能力。在TUM数据集及北京鹫峰国家森林公园进行实验,结果表明：所构建的多图层地图提升了机器人定位的精度和效率,性能明显优于RGB-D SLAM;基于先验地图的视觉定位方法能够进行机器人移动过程中精准、实时地定位,助力机器人按照所规划的路径实现准确的自主导航。     

基于单目视觉的农业机器人导航系统研究

机器人在农业生产、农产品运输等方面的应用程度,已逐渐成为农业智慧化水平的体现,而受农业环境复杂性的限制,机器人的导航路径规划及定位精度问题,仍是制约农业机器人应用的主要因素之一。为此,设计了一种基于单目视觉的农业机器人导航系统,通过摄像头采集农业机器人工作环境信息,建立机器人的视觉导航地图;采用级联分类器区域检测结合颜色标定的方法,使用户能够根据具体环境,自主规划机器人运动路径,实现机器人的实时定位与导航。实验结果表明:农业机器人沿用户自主规划的无轨道路径,可自动完成导航定位工作,并在路径各目标点获得了亚米级的定位精度,满足农业机器人的应用需求。     

基于北斗和激光雷达的机器人导航控制方法研究

为解决传统机器人导航控制易受到距离和空间等限制的问题,提出一种基于北斗数据和激光雷达数据组合的导航控制方法,该方法通过北斗输出的高精度定位数据构建全局地图并采用PID控制技术进行全局导航,通过激光雷达探测的局部数据构建局部地图,并由数据聚类和分段拟合等算法增强对探测到的障碍物边缘的描述,由人工势场实现机器人的避障路径规划。实测及仿真数据试验结果表明,采用分段拟合并取距离阈值为10,类别剔除阈值为3时,障碍物边缘更加清晰,轮廓更明确,有利于机器人自动避障;通过全局和局部地图的优势互补,导航控制方法在5 cm步进栅格化的数据下取得较好地避障性能;与已有算法相比,所提方法在与改进人工势场方法取得相近的最优路径情况下,运行时间减少43%,有效提高机器人的导航控制效率。     

基于ROS系统的仓库巡逻机器人

为了更好地保障仓库货物的安全,降低企业的运行成本,提高企业生产效率及产品质量,项目小组设计了一款基于ROS系统的仓库巡逻机器人,并对该仓库巡逻机器人进行了实验测试.实验测试结果表明:该机器人可以通过激光雷达进行地图构建和自主巡逻;通过报警系统与自身定位完成对仓库内的异常情况进行反馈和报警等相关任务;实现了自主导航、自主...     

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。     

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。     

基于视觉与激光雷达融合的棚内农业机器人定位和检测研究分析

【目的】探究视觉与激光雷达融合在棚内农业机器人中的应用,解决复杂环境下机器人自主导航的关键问题,提高机器人的感知能力和环境适应性。【方法】首先,采用高精度的视觉传感器捕捉棚内农业场景,通过图像处理技术提取关键特征,建立视觉地图以支持机器人的定位。同时,引入激光雷达传感器获取场景的三维点云数据,从而实现对环境深度和形状的准确感知。视觉与激光雷达信息的融合构建了综合感知系统,为机器人提供了更全面、可靠的定位信息。其次,针对棚内农业作业中常见的障碍物,设计了基于深度学习的障碍物检测算法。通过训练神经网络,机器人能够在实时环境中快速而准确地识别障碍物,并进行相应的避障决策。【结果】本研究提出的基于视觉与激光雷达融合的农业机器人定位和障碍物检测系统在不同棚内环境中表现出卓越的性能。【结论】机器人能够实现高精度的定位,并对障碍物做出及时准确的响应,为棚内农业的自动化精准作业奠定了坚实的技术基础。     

采茶机器人导航避障及路径规划研究

为实现采茶机器人在室外复杂茶园环境中定位与环境地图构建,使用改进的ORB-SLAM2算法进行机器人自身定位与三维点云地图的构建。在环境地图构建完成的基础上,完成地图的保存,并将三维点云地图转换为八叉树地图。在八叉树地图上实现采茶机器人的碰撞检测算法与路径规划算法,路径规划算法采用RRT(Rapidly-exploringRandomTree,快速遍历随机树)算法。于模拟茶园环境中,在实际机器人平台上进行实验,实验结果表明,所提方案实际运行结果良好,可以满足采茶机器人导航避障及路径规划要求。     

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。     

果园自主导航兼自动对靶喷雾机器人

为同时实现果园智能植保机自主导航及自动对靶喷雾,研制了一种果园自主导航兼自动对靶喷雾机器人。首先采用单个3D LiDAR（Light Detection and Ranging）采集果树信息确定兴趣区（Region of Interest,ROI）,对ROI内点云进行2D化处理得到果树质心坐标,通过随机一致性（Random Sample Consensus,RANSAC）算法得到果树行线,并确定果树行中间线（导航线）,进而控制机器人沿导航线行驶。通过编码器及惯性测量单元（Inertial Measurement Unit,IMU）确定机体速度及位置,IMU矫正采集到的果树分区冠层信息,最后通过程序判断分区冠层的有无控制喷头是否喷雾。结果表明,机器人自主导航时最大横向定位偏差为21.8 cm,最大航向偏角为4.02°,相比于传统连续喷雾机施药液量、空中漂移量及地面流失量分别减少20.06%、38.68%及51.40%。本研究通过单个3D LiDAR、编码器及IMU在保证喷雾效果的前提下,实现了喷雾机器人自主导航及自动对靶喷雾,降低了农药使用量及飘失量。     

基于激光雷达与深度相机融合的SLAM算法

针对单一传感器地图构建时存在环境表征不充分，无法为移动机器人自主导航提供完整环境地图等问题，本文通过将激光雷达与深度相机获取的环境信息进行互补融合，构建出更完整精确的栅格地图。首先，对传统ORB-SLAM2算法进行增强，使其具备稠密点云地图构建、八叉树地图构建以及栅格地图构建等功能。其次，为验证增强后ORB-SLAM2算法的性能，在fr1＿desk1数据集和真实场景下进行测试，数据显示增强后ORB-SLAM2算法绝对位姿误差降低52.2%,相机跟踪轨迹增长14.7%,定位更加精准。然后，D435i型深度相机采用增强型ORB-SLAM2算法，激光雷达采用的Gmapping-Slam算法，按照贝叶斯估计的规则进行互补融合构建全局栅格地图。最后，搭建实验平台进行验证，并分别与深度相机和激光雷达2个传感器建图效果进行对比。实验结果表明，本文融合算法对周围障碍物的识别能力更强，可获取更完整的环境信息，地图构建更加清晰精确，满足移动机器人导航与路径规划的需要。     

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。     

果实采摘机器人设计与导航系统性能分析

设计了一种果实自动采摘机器人,主要包括自动导航系统、采摘系统、运动系统、控制系统及动力系统。自动导航系统主要包括激光雷达导航和GNSS定位导航,可用于建立地图和规划工作路径;采摘系统通过双目立体视觉相机进行果实识别,再通过由六自由度机械臂和两指末端执行器(机械手)组成的执行机构抓紧果梗并剪断,完成果实采摘。试验结果表明,设计开发的机器人可以通过激光雷达导航完成室内工作,剪断并抓取果梗的两指末端执行器可适用于多种果实,上位机软件可以完成图像采集、机械臂控制和机器人工作路线图建立等操作。激光雷达导航试验结果表明,在1m/s的行驶速度下,导航绝对误差小于3.5cm,可满足温室果实采摘的需求。     

果实采摘机器人设计与导航系统性能分析

设计了一种果实自动采摘机器人,主要包括自动导航系统、采摘系统、运动系统、控制系统及动力系统。自动导航系统主要包括激光雷达导航和GNSS定位导航,可用于建立地图和规划工作路径;采摘系统通过双目立体视觉相机进行果实识别,再通过由六自由度机械臂和两指末端执行器(机械手)组成的执行机构抓紧果梗并剪断,完成果实采摘。试验结果表明,设计开发的机器人可以通过激光雷达导航完成室内工作,剪断并抓取果梗的两指末端执行器可适用于多种果实,上位机软件可以完成图像采集、机械臂控制和机器人工作路线图建立等操作。激光雷达导航试验结果表明,在1 m/s的行驶速度下,导航绝对误差小于3. 5 cm,可满足温室果实采摘的需求。     

基于嵌入式智能控制系统的采摘机器人定位导航方法

利用图像、红外、超声波等传感器模块,感知采摘机器人作业环境,以采摘机器人在园区自主避障和移动为目的,研究了采摘机器人路径规划和定位导航方法,并利用嵌入式控制系统,设计和开发了该采摘机器人定位导航方法。实验结果表明:系统可以实现采摘机器人的定位和导航功能,具有一定的可靠性。     

基于激光雷达的机器人定位与地图构建

移动机器人的定位一直是机器人研究领域的基础,又是非常重要的技术,机器人运行过程中的准确定位更是直接将机器人推广应用的决定性因素。基于ROS平台,利用激光雷达将实际环境用二维栅格地图模型表示,结合自适应蒙特卡洛改进算法进行地图匹配定位,通过仿真实验和实际性能测试分析,均达到良好的建图和导航定位效果。     

基于ROS的室内自主导航移动机器人的研制

【目的】解决传统AGV机器人体积大、成本高、受限于固定路径等问题。【方法】本研究提出了一种以低成本、轻量化和结构简单为设计理念的室内移动机器人。为了降低制造成本确定了机器人的整体结构,双驱动电机与福来轮组成三轮结构。机器人采用基于ROS系统的控制方案、上位机与下位机结合的控制方式,使用激光雷达作为SLAM的传感器并用磁编码器作为里程计。本研究深入分析了A*全局规划算法,并提出了改进的A*算法。同时采用DMA（动态窗口法）作为局部路径规划算法,通过搭建实际移动机器人,进行SLAM建图实验、自主导航实验和避障实验。【结果】实验结果表明,该机器人能够进行室内的自主导航并且在全局路径规划速度方面有较大的提升,使用改进后的A*算法后,平均路径规划效率提升了31.1%。【结论】本研究为我国移动机器人技术的发展和产业化提出了一种性能优越、成本低、结构简单的移动机器人设计方案。