基于粗糙集与遗传算法的采摘机器人路径规划

为了提高采集机器人路径规划速度和自主导航的智能化水平,提出了一种基于粗糙集和遗传算法的路径规划方法,从而有效地提高了路径规划的速度和精度。采摘机器人根据实际果实采摘环境,利用图像分割技术,对果实目标进行识别,在二维栅格地图环境下,制定出决策表,并使用粗糙集对决策表进行约简,得到最小决策表,将其作为遗传算法初试种群,进行遗传交叉和复制操作,优化路径规划算法。为了验证采摘机器人算法性能的可靠性,对采摘机器人的性能进行了测试,包括果实图像的识别和机器人路径规划能力。通过测试发现:采摘机器人可有效地分割提取出成熟果实,并可完成多目标任务。对粗糙集和遗传算法的性能进行了测试,结果发现:使用粗糙集可以大大降低所需训练种群的数目,减少平均迭代次数;增加障碍物的复杂程度后,使用粗糙集遗传算法可以明显地提高路径规划的速度,从而提高了机器人采摘作业的效率。     

采摘机械臂路径规划算法研究现状综述

随着农业智能化时代到来,机器人技术在农业、林果业智能采摘领域的应用愈发广泛,路径规划算法作为采摘作业的核心技术,其先进程度对采摘作业的效率和质量起着决定性作用。为此,针对采摘机械臂路径规划算法的特点,将其划分为群优化算法、图搜索算法、概率地图算法(PRM)和快速扩展随机树算法(RRT)四大类,并基于上述分类,介绍近年来国内外学者具有代表性的研究成果,重点分析各类路径规划算法应用在采摘作业时的优缺点,通过对比,系统的总结各类算法的可行性、适用性以及局限性。最后,对采摘机械臂路径规划算法未来发展方向进行展望,提出算法优化的具体意见,为采摘机械臂路径规划研究提供一定的思路。     

多移动机器人路径规划研究算法 —基于分布式实时仿真系统

采摘机器人路径规划是采摘机器人研究领域的核心内容之一,具有复杂性、约束性和非线性等特点。蚁群算法是最近发展起来的仿生优化算法,在解决许多复杂问题方面已经展现出优异的性能和巨大的发展潜力。为此,将蚁群算法引入到了多采摘机器人路径规划系统中,并利用分布式实时仿真系统对其可行性进行了仿真计算。结果表明:采用蚁群算法可以实现多采摘机器人的路径规划,且与遗传算法相比计算速度更快、精度更高,将其引入到采摘机器人的路径规划系统中,对于实现采摘机器人群体导航能力具有重要的作用。     

基于MiroSot系统的苹果采摘机器人路径规划研究

针对农业机器人的一个重要类型—采摘机器人,开展了基于机器视觉的路径规划的理论分析和实际应用研究。为了解决苹果采摘机器人中路径规划难度大、最优解求解困难等问题,将MiroSot机器人路径规划系统应用于苹果采摘机器人中,结合采摘机器人作业环境特点和工作需求,采用图像处理技术,设计了具有环境感知、避障和决策能力的采摘机器人路径规划系统。MatLab实验仿真结果表明:系统可以实现无碰撞的最优路径规划,并能够根据环境变化实时进行局部路径规划,证明了系统的实时性、有效性和可行性。     

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。     

基于RBF网络的果蔬采摘机器人运动轨迹控制研究

为了提高果蔬采摘机器人机械手运动的精确性,提高机器人移动的效率,提出了一种基于遗传算法和RBF网络的机器人运动轨迹控制方法,并对果蔬机器人机械手的活动和整体的移动轨迹进行优化,有效地提高了果蔬采摘机器人的工作精度和作业效率。为了验证设计的采摘机器人的可靠性,在大棚内对机器人的采摘性能进行了测试,包括机器人移动路径规划和机械手路径规划。通过测试发现:使用RBF神经网络算法可以有效地控制机械手在三维空间内的运动;在遗传算法控制下,机器人可以通过较少的计算次数利用神经网络算法搜索得到最优路径,计算精度达到了99%以上。其计算精度及效率高,为高效果蔬采摘机器人的设计提供了较有价值的参考。     

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。     

排球运动规划在采摘机器人识别与定位中的应用

在排球比赛过程中,扣球是得分最关键的动作之一,为了得到合适位置出手点、角度和力度等优化数据,可以采用排球机器人训练的方法,通过植入人工智能算法,对扣球过程中的数据进行采集,最后通过运动规划使扣球动作达到最佳姿态。排球机器人运动规划方案可以移植到采摘机器人的智能化训练上,加快对果实信息采集和处理效率,从而更快地捕捉到果实目标,对路径规划做出响应,对于提高采摘机器人定位和识别能力具有重要的意义。为了验证方案的可行性,对基于排球机器人运动规划系统的采摘机器人定位识别功能进行了测试,结果表明:采摘机器人可以成功定位和识别果实,且响应速度较快、误差较小,可以满足采摘机器人定位识别功能的设计需求。     

大数据在农业机器人路径规划实时同步定位中的应用

为了使农业机器人能够有效地避开作业过程中的障碍物,设计了基于大数据的农业机器人路径规划与实时同步定位系统。该系统采用大数据云平台,给出了单个小障碍物的避障策略,提出了避障路径规划和实时同步定位算法。实验结果表明:应用云平台大数据进行路径规划和实时定位非常有效,解决了农业机器人在作业过程中的路径规划和实时同步定位问题,可为其他相关领域的避障路径规划提供参考。     

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。     

基于启发式搜索算法的自动采摘机器人路径规划研究

对启发式搜索算法进行了分析和介绍,并选择采用A*算法进行自动采摘机器人路径规划研究。研究了采摘机器人路径规划的二维空间环境的模型,并采用栅格法建立了采摘机器人路径规划空间模型。利用MatLab软件对模型进行了仿真实验,结果表明:改进的A*算法可以明显改善采摘机器人移动路径,使规划的路径更加平滑,证实了改进算法的可行性和优越性。     

基于OFDM-MIMO移动通信模型的采摘机器人设计

为了提高果树采摘机器人的智能化和自动化水平,提高机器人的实时通信和在线控制能力,实现机器人作业过程的远程控制,在采摘机器人通信系统中引入了OFDM-MIMO模型,并将移动4G技术应用到了机器人的设计中,突破了机器人控制距离限制,实现了机器人的跨区域无线通信。机器人采用视觉传感器和4G网络采集并传输图像,图像数据可以在远程浏览器端实时显示,便于掌握机器人作业信息。当机器人碰撞传感器发出信号时,可以利用OFDM-MIMO信道模型进行图像的高效传输,并将视觉传感器采集的图像信息传送给远程控制端,在采摘出现失误时可以及时地调整机器人的状态,实现果实采摘的在线控制。同时,设计了机器人的实验样机,并对机器人的果实定位能力和通信能力进行了实验和仿真。实验和仿真结果表明:该种机器人可以有效地识别普通果实和套袋果实,并且通信实验测试和仿真测试的结果吻合,从而验证了结果的可靠性及OFDMMIMO模型在采摘机器人通信系统中的可行性。     

采摘机器人智能系统应用研究——基于人工神经网络和篮球运动员训练策略

篮球比赛是一种团队下的激烈对抗比赛,除了考验运动员的身体素质外,还要考验运动员的协同能力和自主规划能力。而自主规划包括身体移动路径和篮球出手方位和路径的控制,这些方面的能力是可以通过平时训练来提高的。人工神经网络是一种智能化的训练算法,可以实现误差的自动反馈调节,将其使用在篮球训练策略上,可以使篮球运动员更加迅速地对情景做出反应,从而使决策者提高决策水平。如果将这套方案移植到采摘机器人的智能化训练上,可以使机器人加快对实时环境的信息采集和处理效率,从而更快地捕捉到果实目标,对路径规划做出响应,提高智能化采摘水平。最后,对方案的可行性进行了验证,并进行了机器人采摘实试验,结果表明:采用人工神经网络算法比其他3种算法的响应速度更快,误差更小,满足高精度智能化采摘机器人设计的需求。     

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。     

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。     

智能采摘机器人路径规划的设计与研究

以四足轮式采摘机器人为研究载体，将采集的果园图像经过灰度化、阈值分割、几何校正、比例尺寸划分等处理，然后进行栅格化；在此基础上，对采摘机器人在作业时的路径进行全局规划，通过蚁群算法寻找出一条无障碍、短距离的行驶路线；同时，结合运动学模型和PID闭环等现代控制理论，将得到的路径信息转化为控制信号，输出占空比变化的PWM波，从而控制电机运转，使得采摘机器人以规定的速度跟踪已规划好的行驶路线；最后，将此理论以嵌入式方式进行软硬件开发，设计出一款路径规划-跟踪控制系统。实验结果表明，利用路径规划-跟踪控制系统的采摘机器人按规划的路径到达目标点的平均概率为94.5%,能够准确、有效地辅助采摘机器人进行采摘作业。     

基于蚁群算法的六自由度采摘机器人轨迹规划研究

在现代农业生产中,果蔬采摘作业复杂而繁重,采摘机器人在作业过程中常常需要经历成千上万个果蔬采摘点,面对这样巨大的工作量,采摘机器人移动路径规划显得非常重要。为此,以采摘机器人运动轨迹为研究对象,以其运动轨迹总长最短为研究目标,针对机器人各关节机构运动速度变化情况及机器人运动特性,利用基本蚁群原理对六自由度采摘机器人的路径进行规划。实验结果表明:所设计的采摘机器人轨迹优化技术不但路径优化能力强、运动轨迹平滑,还具有可靠性强及稳定性好的优点。     

基于Java3D和VRML技术的采摘机械手运动仿真研究

为了实现采摘机器人机械手臂运动虚拟仿真过程的交互性,基于Java3D和VRML虚拟现实技术,提出了一种机械臂交互式三维场景生成及运动仿真系统。为了验证系统的可行性,以采摘机器人机械臂为研究对象,设计了基于采摘机器人机械臂运动仿真系统,并基于网络的特征,通过接口导入机械臂关节的造型文件,实现了采摘机器人机械臂仿真三维虚拟场景创建。对仿真系统进行了实验,结果表明:开发的采摘机器人机械臂三维运动仿真系统可以对采摘路径进行合理的规划,得到和实验基本吻合的轨迹,能够实时地显示关键力矩的变化,为关节结构的优化提供了数据参考。将仿真目标位置和预设位置进行对比发现,最大位置偏差不超过1 mm,从而验证了运动模型和算法的可靠性。     

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。     

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。