基于足球比赛运动的采摘机器人自主避障设计

随着科技水平的提高,农业生产向实现智能化发展,农业采摘机器人中的自主避障控制系统成为重点。在农业生产环境复杂且未知的条件下,采摘机器人的控制需要具有较高的智能化水平。为此,基于足球比赛运动的控制规则,设计了采摘机器人自主避障控制系统;阐述了基于足球比赛运动的移动机器人自主避障设计实现技术、控制技术及模糊逻辑控制方法,使机器人的移动通过模糊逻辑控制和基于优先度的避障策略来实现。仿真试验结果表明:该采摘机器人自主避障设计有效性和实时性较高,在农业生产的复杂环境中,可较好地自主避障并进行路径优化。     

基于类人足球比赛决策系统的采摘机器人多路径优化

采摘机器人的研究已经成为实现智能化农业的一个热点,到目前为止,采摘机器人还没有一套完备的自主决策系统,对其理论研究也不足;而基于足球比赛决策系统的机器人已经研究的较为成熟,如果将其决策系统移植到采摘机器人上,将大大提高采摘机器人的决策效率和自主规划能力。为此,提出了一种基于足球比赛决策系统的采摘机器人多路径优化方法,采用小波神经网络提高了训练后的值和期望目标值的逼近程度,实现了足球比赛路径优化的高精度预测;结合机器视觉技术,采用模糊决策算法对最终的运行轨迹进行决策,实现了机器人的自主路径规划。将该方案移植到了采摘机器人控制系统中,为了验证方案的可行性,采用不同的算法对采摘路径进行优化,结果发现:采用小波神经网络和模糊决策算法可以成功地锁定果实目标,且优化所需时间少,路径最短,满足设计需求。     

基于PLC的采摘机器人作业路径避障系统设计

为提高果实采摘效率,基于PLC技术设计了采摘机器人的作业路径避障系统。系统主要由信息获取系统、工控机主程序及运动执行系统等部件组成,通过PLC技术对路径规划和果实的采摘、运输进行控制,并采用改进的蚁群算法对最优路径进行规划。对采摘机器人在温室环境下进行性能测试,结果表明:采摘机器人可以实现作业路径避障,并完成果实的采摘,工作性能稳定,能够满足农户对采摘机器人的使用和性能要求。     

水果采摘机器人自主寻径避障轨迹优化研究—基于启发式智能算法

寻径避障是水果采摘机器人中一个重要的经典问题。随着我国机械自动化、计算机控制系统和测试计量行业突飞猛进的发展,对水果采摘机器人自主寻径避障有了更高的要求。为了更好地满足现代农业种植生产的需要,启发式智能学习型寻径避障成为采摘机器人研究的热点。为此,基于启发性智能轨迹优化算法,采用传感器检测系统,设计和研究了水果采摘机器人自主寻径避障系统,并利用Mat Lab仿真软件进行了验证分析。结果表明:在复杂路况环境下,针对不同目标和路径要求,该采摘机器人能灵活避开作业途径中障碍物,具有很强的学习和适应能力,且系统运行稳定、可靠性强。     

基于机器学习的采摘机器人控制系统研究

对采摘机器人进行了运动学分析,介绍了机器学习算法与应用,并基于Q-learning算法设计了采摘机器人路径规划系统,实现了对采摘机器人的运动控制。MatLab仿真实验表明：采摘机器人搭载Q-learning算法机器学习算法后,能够自主完成路径规划,并能成功避开环境中的障碍物,规划路径最优,平滑度较好,证明了该算法的有效性和可行性。     

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。     

水果采摘机械臂避障运动规划优化算法

避障运动规划是水果智能采摘研究中的一个重要方向,其目标是在复杂多变的非结构化果园环境中找到机械臂实时避障的最优路径。本文根据相关优化算法提出的时间先后顺序,介绍了几种避障运动规划的优化算法,包括基于图搜索的A*算法、基于最优化理论的人工势场算法和蚁群算法、快速随机树搜索算法和深度强化学习算法;重点介绍了几种算法的原理及其在机器人避障运动规划上的应用,比较了各类算法的优缺点,并对采摘机器人避障运动规划算法的发展趋势进行了展望。     

基于单目视觉的采摘机器人障碍物检测和路径规划

具有自主作业能力的采摘机器人一直是国际上研究的热点,而障碍物检测躲避能力是其重要的功能,因为在机器人识别作业区域或成熟果实后需要自主的定位和移动。为此,提出了一种基于单目视觉和人工势能场的障碍物检测和避障算法,可以有效采集和检测障碍物的信息,再依据障碍物及目标区域的距离使用人工势能场方法对路径进行优化,实现采摘机器人的自主移动。为了验证障碍物检测和避障方案的可行性,模拟采摘机器人作业环境和自主移动流程,对采摘机器人避障行为进行了测试。测试结果表明:采用单目视觉和人工势场方法可以使机器人成功的避障,并规划出效率最高的到达目标作业区域路径,对采摘机器人自主导航技术的研究具有重要的意义。     

采摘机器人智能避障决策系统——基于ZigBee和单片机

首先介绍了碰撞危险度的原理及算法,基于决策、视觉采集、运动控制和ZigBee无线通讯4个子系统设计了采摘机器人智能避障决策系统;然后运用模糊控制理论实现了机器人避障功能,并对系统进行了MatLab仿真试验。结果表明:系统可以安全避开障碍物,而且可以自主规划最优避障路径,符合设计要求,证明了智能避障决策系统的可靠性和可行性。     

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。     

采摘机器人动态路径规划系统研究——基于人工势场法

以采摘机器人为研究对象,首先建立了采摘机器人作业环境及障碍物模型,并利用人工势场法搭建了环境和障碍物运动势场;然后基于人工势场法设计了采摘机器人动态路径规划系统;最后利用Mat Lab进行了仿真实验。结果表明:该系统优化效果明显,具有很好的避障和路径规划能力。实验很好地验证了系统的有效性和实时性。     

采摘机器人避障控制系统研究 —基于ARM+DSP和视觉传感器

以采摘机器人移动路径中躲避障碍物为研究对象,首先介绍了视觉系统,接着从系统总体方案、软硬件设计等方面进行了详尽的介绍和设计。系统以防止采摘机器人与障碍物的碰撞为前提,分析了系统躲避障碍物的策略,实现了基于ARM+DSP和视觉传感器的采摘机器人避障控制。利用MatLab 7.0进行了仿真验证,结果表明:避障控制系统可以实现避障和路径规划,且路径最优、耗时最少,证实了整个系统的可靠性和可行性。     

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。     

采摘机器人实时智能避障系统研究——基于嵌入式ARM

为简化采摘机器人底层控制系统软硬件设计,提高系统的实时性和可靠性,在处理器的设计上引入了嵌入式微处理器,取代了常规的单片机和PLC方案。提出了基于ARM控制器和源代码开放的Linux操作系统组成的采摘机器人控制系统,对其实时避障功能进行了设计,并模拟采摘机器人作业环境对该方案的可行性进行了测试。结果表明:采摘机器人行使过程中可以躲避障碍物,向目标作业区域移动,成功地实现了实时避障功能,为采摘机器人自主导航系统的开发提供了重要的借鉴。     

基于遗传算法和EDA技术的果蔬采摘机器人设计

为了提高果蔬采摘机器人的避障和路径规划能力,实现机器人智能化和轻量化的设计,将嵌入式系统引入到果蔬采摘机器人的控制系统中,并利用EDA技术对控制系统进行了封装,植入了机器人路径规划的遗传算法。对果蔬采摘机器人的机械手进行了改进,通过机械手结构设计实现了采摘机器人执行末端的避障功能,利用遗传算法智能控制设计实现了复杂环境中的路径搜索功能。对果蔬采摘机器人的性能进行了测试,结果表明:障碍物识别率高达99%以上,路径规划的准确率也在95%以上,满足智能化采摘机器人的设计需求,为现代化采摘机器人的设计提供了较有价值的参考。     

基于双目视觉的农业机器人运动定位与避障研究

针对当前机器人定位避障技术中,感知外界环境信息单一及误差大等问题,提出了一种基于双目视觉的农业机器人运动定位和避障系统,可以通过双目视觉采集农业机器人周边的环境信息,实现农业机器人运动定位和避障。MatLab实验结果表明:农业机器人从起点成功到达终点,算法路径为最优避障路径,证明了系统的准确性和可行性。     

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。     

基于深度强化学习的虚拟机器人采摘路径避障规划

针对采摘机器人在野外作业环境中，面临采摘任务数量多，目标与障碍物位置具有随机性和不确定性等问题，提出一种基于深度强化学习的虚拟机器人采摘路径避障规划方法，实现机器人在大量且不确定任务情况下的快速轨迹规划。根据机器人本体物理结构设定虚拟机器人随机运动策略，通过对比分析不同网络输入观测值的优劣，结合实际采摘行为设置环境观测集合，作为网络的输入；引入人工势场法目标吸引和障碍排斥的思想建立奖惩函数，对虚拟机器人行为进行评价，提高避障成功率；针对人工势场法范围斥力影响最短路径规划的问题，提出了一种方向惩罚避障函数设置方法，将障碍物范围惩罚转换为单一方向惩罚，通过建立虚拟机器人运动碰撞模型，分析碰撞结果选择性给予方向惩罚，进一步优化了规划路径长度，提高采摘效率；在Unity内搭建仿真环境，使用ML-Agents组件建立分布式近端策略优化算法及其与仿真环境的交互通信，对虚拟机器人进行采摘训练。仿真实验结果显示，不同位置障碍物设置情况下虚拟机器人完成采摘任务成功率达96.7%以上。在200次随机采摘实验中，方向惩罚避障函数方法采摘成功率为97.5%，比普通奖励函数方法提高了11个百分点，采摘轨迹规划平均耗时0.64s/次，相较于基于人工势场法奖励函数方法降低了0.45s/次，且在连续变动任务实验中具有更高的适应性和鲁棒性。研究结果表明，本系统能够高效引导虚拟机器人在避开障碍物的前提下快速到达随机采摘点，满足采摘任务要求，为真实机器人采摘路径规划提供理论与技术支撑。     

基于蚁群算法的多采摘机器人路径规划与导航系统

针对多采摘机器人联合作业容易出现路径冲突和碰撞的问题,基于蚁群算法,通过建立地图信息数据库和拓扑图,并结合先全局后局部的路径规划方法,设计了多采摘机器人路径规划和导航系统,实现了多采摘机器人移动路径的实时动态规划和自主导航功能,并利用Mat Lab进行了验证仿真。结果表明:当一条线路只能允许一台机器人通过时,其他机器人能够避让到站点休息,然后再进行前进操作,成功解决了路径冲突的问题,且该系统优化效果明显,具有很强的避障、路径规划和导航能力。     

基于蓝球比赛运动的农业机器人避障系统设计

农业机器人面临的作业环境越来越复杂,为保证机器人在复杂环境中正常工作,机器人需要拥有可自主避障的行为控制系统来适应作业环境中未知障碍物避开的需要。在基于篮球比赛运动的农业机器人避障系统研究中,通过动态窗法建立工作控制,模拟了篮球运动中的动态避球行为,并为以模糊控制方法实现自主避障,使移动机器人的避障行为通过模糊逻辑控制和基于优先度的决策程序来实现。仿真实验表明:该机器人的避障系统有效、实用性好且具有实时性。