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。     

果蔬采摘机器人自主定位与导航设计——基于RFID和WSN信息融合

将RFID与WSN技术的信息融合后应用于采摘机器人的自主定位与导航中,结合两者的优势,使采摘机器人在与外界交互上更加精准快速。RFID射频识别技术是一项新兴技术,对于采摘机器人在复杂及障碍物比较多的环境,采用RFID模块对物体的识别具有使用寿命长、识别标签多等优点,但同时也存在抗干扰性差、通信距离过短、过于依赖读写器采集信号且成本高等缺点。WSN技术能感应周围各种的信号,具有辐射范围广、可无人值守且成本低等优点,但对于识别传感器标节点、使用寿命及能耗上不太理想。两项技术之间的完美互补使智能识别与定位更上一个台阶,必将推动RFID和WSN在智能采摘机器人方面的应用和发展。     

一种高精度自主导航定位的葡萄采摘机器人设计

为了提高葡萄采摘机器人自主导航能力,增强对葡萄成熟度的准确识别功能,降低漏采率和误采率,设计了一种新式的基于RSSI自主导航和颜色特征提取的葡萄采摘机器人。该机器人使用RSSI定位技术,首先对装有无线传感器的葡萄树进行定位,然后利用机器视觉系统对葡萄的成熟度进行判断,并对满足采摘条件的葡萄使用机械手进行采摘。对葡萄采摘机器人的性能进行了测试,通过测试发现:机器人对装有传感器的葡萄树的准确识别率达到了95%以上,对葡萄成熟度的判断达到了98%以上,是一种相对高效的葡萄采摘机器人。     

采摘机器人智能监控和路径规划设计研究

为了提高采摘机器人自主导航和自动化定位能力,提升机器视觉的路径规划精度,基于 TI 公司的MSP430 F149 单片机,设计了一款具有监控终端和GPS导航功能的自动采摘机器人,实现了机器人路径规划实时处理、通讯、定位、报警一体化和自动化控制功能. 通过测试发现,MSP430F149 单片机具有功耗低、体积小、操作简单,便于系统管理维护等优点. 对机器人5 种路径规划的总体行驶精度路、径规划的移动时间利用率、路径规划的漏采率进行了测试,通过测试发现:5 种路径规划中套行法的各种指标测试效果最好. 同时,结合MSP430 F149 单片机和PID算法,实现了采摘机器人高效自动化采摘功能,提高了机器人的采摘精度,为采摘机器人的智能化设计提供了较有价值的参考 .     

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。     

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。     

基于光学导航的采摘机器人系统设计及定位方法研究

为了提高采摘机器人的定位导航精度,将光学导航方法引入到了采摘机器人控制系统的设计上,通过激光扫描和机器视觉相结合的方法,提高了采摘机器人的作业质量和作业效率。在进行定位时,首先由激光扫描方法对采摘机器人进行定位,得到全局坐标中的位置,然后利用机器视觉系统得到采摘机器人和待采摘目标果实的距离,对果实精确定位后进行采摘。采摘测试结果表明:采用光学导航系统可以准确完成果实目标的定位,可有效提高采摘机器人的采摘精度和采摘效率。     

基于模糊逻辑控制的自主导航采摘机器人避障设计

为了提高采摘机器人自主导航的环境适应能力,提出了一种基于改进的遗传算法的模糊学习逻辑控制方法,提高了机器人路径规划的能力和效率,缩短了路径规划所用时间。该方法以传感器测得的障碍物距离、轮转速和目标地点方向作为输入量,左右驱动轮的速比作为输出量,控制机器人的移动路径和方向。为了使机器人规划的路径尽量短,达到节能的目的,引入了改进的遗传算法,使用修正项对遗传算法进行改进,建立了适应度函数的基本模型。最后,对采摘机器人的性能进行了测试,通过测试发现:机器人可以成功地躲避障碍物,且能够完成最短路径规划,规划反应时间短、可靠性高。     

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。     

基于嵌入式监控的双差速驱动果蔬采摘机器人设计

为了提高采摘机器人的转弯性能和自动寻迹能力,利用双差速驱动系统建立了速度协同约束的非线性运动模型,并进行了线性优化,提出了一种基于嵌入式监控图像采集反馈信息的闭环控制模型,提高了采摘机器人移动和转弯寻迹的灵活性。针对采摘机器人双差速的路径寻迹问题,建立了机器人输入、输出的非线性运动模型,并分析了冗余运动约束和系统运动约束条件,通过控制姿态偏差和距离偏差,结合嵌入式监控系统的反馈信息,实现机器人移动和寻迹的反馈调节。对采摘机器人的采摘性能进行了测试,测试项目主要包括寻迹能力和路径规划的耗时。通过测试发现,机器人可以实现较高精度的路径寻迹功能,路径规划耗时短,系统稳定性好。