自主导航果园作业机器人设计——基于自适应遗传算法和样条曲线

为了提高果园精细作业的自动化程度、降低作业成本、推动机器人产品的应用,设计了一种新的果园作业和管理的履带式移动机器人,并提出了一种基于自适应遗传算法和样条曲线的机器人自主导航算法,开发了基于VC++6.0编程的机器人PC控制器。机器人通过对位置角速度和姿态角速度的标定,在控制器中对信号进行处理,并发出控制信号,提高了机器人轨迹控制的精度。对果园作业机器人进行了测试,结果表明:果园机器人在不平整路面上的作业稳定性较好,将速度控制在0.15m/s时,机器人在20m的行驶过程中,其横向最大偏差仅为0.016m,控制精度较高,对果园复杂地形的适应能力较强,满足了果园作业机器人的设计需求。     

基于机器视觉的果园导航中线提取算法研究

为实现果园作业自动化,对基于机器视觉的果园自然情况下的导航路径拟合方法进行了研究。针对果园环境特点,基于HSV色彩模型和最大类间方差法对果园果树树行特征进行了增强。同时,使用Hough变换对果树树行线进行了拟合,并最终获得了相邻两树行的中线作为导航路径。最终试验结果表明:该方法能有效克服行间生草、光照阴影和修剪枯枝的干扰,可提取果园果树树行线并拟合出果园导航中线。     

基于图像融合技术的采摘机器人自主导航技术研究

为了提高采摘机器人自主导航的精度,避免因环境的复杂性引起的视觉导航采集图像的质量问题,将图像融合技术引入到了采摘机器人导航视觉系统的设计上,通过对多实时采集图像的融合处理,提高采集图像的质量。为了验证方案的可行性,模拟草莓采摘机器人作业环境,对多曝光图像进行了融合处理,并利用4种评价指标对融合后的图像质量进行了评价,将评价结果进行了统计。评价结果表明:采用IHS图像融合算法具有明显的优势,将其使用在采摘机器人的导航视觉系统中将发挥重要的作用。     

果园智能化作业装备自主导航技术研究进展

果园生产管理主要包括喷药、施肥、割草、修剪、授粉、疏花和采收分级等作业环节,需要大量的人力投入,随着我国人口老龄化程度加剧,亟需果园生产管理由机械化向智能化转型升级。自主导航技术是果园机械化装备实现智能化的关键技术。本文围绕果园智能化作业装备导航控制需求,结合国内外研究现状,分别阐述了包含导航定位信息和障碍物信息的果园作业场景感知技术,导航地图构建、导航路径提取和路径规划技术,行走底盘运动学模型构建、运动控制技术,多机协同控制、远程交互控制技术等。随着智慧农业发展,智慧果园已成为果园未来发展方向,果园智能化作业装备是智慧果园建设必不可少的关键环节,在此基础上,归纳了我国果园智能化作业装备自主导航技术发展面临的问题为：环境感知能力不足、路径提取不稳定、局部路径规划不灵活、导航系统环境适应性欠缺、多机协同和远程控制不成熟等,提出了多传感器融合的环境感知与路径提取、完整路径规划、强通用性果园导航、大型果园多作业环节的多机协同与远程操作等未来发展方向。     

轮式果园多功能自主导航作业平台设计

为实现果园作业机械的多功能应用,设计一款具备割草、喷药、搬运等功能的轮式果园多功能自主导航作业平台。根据作业需求对多功能平台进行总体设计,平台包括动力系统、行走系统、导航系统、控制系统、作业装置等。根据搬运需求计算确定整机驱动电机选型;对割刀进行运动和动力学分析,根据切削范围和稳定需求,计算确定割刀电机和电动推杆的型号;根据流体力学知识,计算确定满足喷药喷幅的药泵型号,并对其他关键部件进行计算选型。对样机进行最小转弯半径、割草性能、喷雾性能等基本性能试验。试验结果表明,所设计的平台最小转弯半径为120.75 cm,满足果园行间地头良好的通过性要求;割刀转速和高度可调,留茬高度可控制在5 cm以内,割草作业覆盖率在91.25%以上;喷药泵可根据车速、树形等进行压力调节,喷雾量均匀性变异系数在8.01%以内,保证喷雾均匀的同时减少农药浪费。     

双导航模式果园运输机器人设计与试验

为解决果园苹果采后运输设备自主导航模式单一、无法在任意点起步或停车等问题,设计了一种双导航模式小型果园运输机器人,可根据需求选择行人引领导航或定点导航。根据选择的导航模式,采用基于OpenPose人体姿态识别的目标跟踪控制方法或基于RTK-GNSS(Real time kinematic-global navigation satellite system)的距离-方向控制方法,实现果园环境下的行人引领导航和定点导航。该运输机器人以额定负载为200 kg、速度为0.5 m/s的条件参数在果园自主作业时,行人引领导航模式下目标跟踪误差平均值小于9 cm,其标准差小于4 cm;定点导航模式下到达目标点的相对误差小于13 cm,其标准差小于1.5 cm,绝对误差小于7 cm,其标准差小于0.5 cm;定点导航模式下机器人急停避障的行驶路径与理想行驶路径间的横向偏差小于56 cm,航向偏差小于8°。试验结果表明,该机器人能满足果园自主运输和安全避障的需求。     

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RTK-BDS的果园农用车辆自主导航系统研究

根据果园农用车辆作业需求,设计了一种基于RTK-BDS的自动导航控制系统。利用卡尔曼滤波技术提高了RTK-BDS在果园应用中的定位精度,同时将模糊控制与纯追踪模型相结合,设计了果园农用车辆直线跟踪导航控制器,并进行了追踪仿真和田间试验。结果表明:当果园农用车辆前进速度为0.5m/s时,最大横向误差不大于0.086m,平均误差不大于0.036m。     

果园机器人视觉导航行间位姿估计与果树目标定位方法

针对单目视觉导航中位姿信息不完整和果树定位精度低的问题,提出基于实例分割神经网络的偏航角、横向偏移、果树位置计算方法。首先,基于Mask R-CNN模型识别并分割道路与树干;其次,寻找道路掩码凸包并进行霍夫变换,由凸包中的边界方程计算消失点坐标;最后,根据建立的位姿-道路成像几何模型,计算偏航角、横向偏移与果树相对位置。实验结果表明：改进Mask R-CNN模型的边框回归平均精确度为0.564,分割平均精确度为0.559,平均推理时间为110 ms。基于本文方法的偏航角估计误差为2.91%、横向偏移误差为4.82%,果树横向定位误差为3.80%,纵向误差为2.65%。该方法能在不同位姿稳定地提取道路与果树掩码、计算消失点坐标与边界方程,较准确地估计偏航角、横向位移和果树相对位置,为果园环境下的视觉自主导航提供有效参考。     

果园移动机器人激光雷达双源信息融合实时导航方法

为提高林果园移动机器人导航系统的精确性与鲁棒性,提出一种基于激光雷达三维点云的果园行间高低频双源信息融合实时导航方法。首先,喷雾机器人搭载三维激光雷达采集两侧果树点云信息,对原始点云数据进行直通滤波、降采样和统计滤波等预处理,保留感兴趣区域内果树冠层点云;然后,将分别基于高频更新的牛顿插值算法和低频更新的非线性支持向量机(Non-linear support vector machine, NSVM)算法拟合的行间导航线进行互补融合;最后,在导航线切换时,对融合后导航线的稳定性进行优化,并使用三次B样条算法使导航线平滑。实验结果表明：融合优化后的导航线最大曲率为0.048 m^-1,平均曲率为0.018 m^-1;分别以0.5 m/s和1.0 m/s的行驶速度对融合优化后的导航线进行跟踪,绝对横向偏差最大值分别为0.104 m和0.130 m,平均值分别为0.053 m和0.049 m,说明该导航方法能够满足作业装备在果园行间自主导航作业的需求,为喷雾机器人在果园环境中的自主导航提供技术参考。     

免耕环境中视觉导航机器人行走路径的检测

针对免耕环境下农田作业机器人的视觉导航,提出了一种导航路径-梨沟线的检测算法,以提高图像处理速度。同时,介绍了图像采集设备,描述了农田免耕作业环境和农田作业机器人的工作流程。在此基础上,以彩色图像中的R分量为处理对象,分别判断作业区域终点和犁沟线出现位置,确定犁沟线上的候选点,并采用基于一点的Hough变换方法,获得犁沟线的直线斜率。试验表明,提出的算法具有速度快、抗干扰、准确性高等优点。     

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。     

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DSP和图像处理的农业机器人视觉导航研究

确定了间歇式行走的农业机器人视觉导航方案,设计了计算机图像采集单元、计算机图像处理模块和视觉导航参数提取算法,实现了一套基于DSP和图像处理的农业机器人视觉导航系统.试验结果表明:农业机器人移动速度增加时,导航误差会增大,且机器人的平均横向偏移在10 cm之内,能够满足农业机器人的导航需求.     

基于激光雷达的果园行间路径提取与导航

针对车辆果园行间自主导航出现的车辆偏航、非相邻树行干扰、植株缺失、树行弯曲等问题,提出一种基于激光雷达的行间路径提取方法,构建多样化虚拟果园环境仿真行间路径导航过程,评估路径提取算法性能。行间路径提取时,采用二维激光雷达（Light detection and ranging,LiDAR）获取果园树干测量数据,通过中值滤波削弱测量噪声,设计椭圆感兴趣区域（Region of interest,ROI）提取相邻树行,提出两步树行分割法获取相邻树行数据,通过最小二乘法拟合树行直线,将树行中心线作为导航路径。行间导航仿真时,建立虚拟果园环境和LiDAR测量模型,基于仿真测量数据生成导航路径,经过一阶数字低通滤波后实时控制车辆运动。仿真实验中,设置果树种植偏差为±20cm,树干直径偏差为±3cm,LiDAR测量误差为±3cm。实验结果表明,本文方法在车辆偏航、缺树、曲线树行等情况下均能准确提取导航路径,在偏航角不大于15°、横向偏差不大于1m、缺树率不大于25%时均能将车辆轨迹与道路中心线的横向偏差控制在±14cm内。