大数据分析在智能采摘机器人路径规划中的应用

为了实现机器人在果园中的自主运动,基于大数据融合,对激光测距传感器、CCD摄像机和电子罗盘等传感器采集的数据进行分析,确定当前机器人位置与航向。在果园中预先设定机器人行走路线,安装数码管地标牌,地标牌坐标已知;电子罗盘用于确定机器人航向角;CCD摄像头拍摄地标牌图像,采用图像灰度化、图像分割、图像腐蚀及图像细化的方法提取表示牌上数码管图像数据。采用模糊控制方法识别地标牌上数码管数字,CCD摄像头同时扫描行进前方是否有障碍物。激光测距传感器完成两个任务:①检测距离地标牌距离和方向角,通过标识牌坐标计算机器人当前位置与航向角;②检测与障碍物间距离,当小于1m时启动避障系统。实际测试表明:系统依托多种传感器,对果园环境感知能力强,具有较高的路径规划能力。     

基于Q-学习的果园机器人避障算法研究

针对果园环境复杂、自动化程度低的问题,提出了基于Q-学习的果园机器人避障算法。该果园机器人搭载了激光雷达传感器。为了降低激光雷达数据的冗余度,首先对激光雷达数据进行截取,保留了机器人前进方向上一定角度内的数据,再将激光雷达的数据栅格化,采用数据差的方式标记出障碍物,将所有障碍物补齐为规定的正方形;然后,建立果园机器人的差速模型,对Q-学习的R值表、动作空间和动作选择策略进行建模,使得果园机器人能在果园路径规划过程中所获奖赏最大。MatLab仿真结果表明:该方法能够规划出一条较优路径。室内试验表明:机器人能平稳地避开所设障碍物,到达指定终点。     

牛舍清洁机器人结构设计与避障设计

对牛舍清洁机器人的结构与避障设计进行分析与研究,并针对清洁机器人在完成清洁任务的过程中遭遇障碍物及运行路径的全覆盖问题,对清洁机器人的运动机构与外形结构进行分析。同时,对清洁机器人重要设备如电机、电池及控制器等进行选型,通过对各障碍物进行分类识别,并结合迂回式路径规划算法和靠墙或牛栏等障碍物的避障策略,实现清洁机器人对牛舍的全方位清扫工作。实践证明:在基于障碍物分类识别的迂回式避障策略设计与靠墙或牛栏障碍物避障策略设计,在清洁机器人发展历程中起着关键性的作用。     

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。     

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。     

基于足球比赛运动的避障系统开发设计

在农业生产中,由于农作物生长环境的复杂性及传统的机械作业,易对农作物造成损伤。针对该未知复杂环境中的采摘机器人自主避障设计,提出了基于足球比赛运动的采摘机器人进行了自主避障系统,实现采摘机器人自主导航。基于足球比赛运动策略的采摘机器人开发设计中,为实现采摘机器人自主进行路径优化以避开障碍物,以模糊逻辑算法作为避障决策控制算法,以多种传感器感知环境信息设计避障系统。试验结果表明:安装本文设计开发的避障系统的采摘机器人可进行路径优化,自主避障,验证了该避障系统的有效性。     

面向自动导航拖拉机的农田障碍物识别研究

实现农田障碍物的精确识别与有效避让是提高自动导航拖拉机智能化、保障作业安全的关键技术。为此,论述了基于激光测距传感器的自动导航拖拉机行进前方障碍物检测与识别方法。在自动导航拖拉机上加装LMS2 0 0激光测距传感器,构建避障测试平台,通过对激光数据解析、坐标系转换及障碍物边缘拟合,实现了障碍物方位、距离、宽度等特征信息的有效识别。针对典型农田障碍物—树木和障碍拖拉机,进行了障碍物检测试验。采用RTK-GPS接收机的定位数据标定障碍物,并进行了识别精度检验。树木的方位、距离和宽度的识别精度分别为0.5°、0.03m、0.03m。障碍拖拉机的方位、距离和宽度的识别精度分别为1.88°、0.13m、0.39m。试验结果表明:避障测试平台能够有效地识别自动导航拖拉机前方的障碍物。     

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。     

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。     

自然环境下柑橘采摘机器人识别定位系统研究

为了准确理解柑橘采摘机器人在自然环境下的作业场景,获取采摘目标及周围障碍物的位置信息,构建了基于卷积神经网络和Kinect V2相机的识别定位系统。首先,对采摘场景中的果树提出5类目标物分类准则,包含1类可采摘果实和4类障碍物目标;然后,在YOLO V3（You only look once）卷积层模块中添加3层最大池化层,对预测候选框进行K-means聚类分析,增强模型对枝叶类物体特征的提取能力,实现采摘场景的准确理解;最后,采用Kinect V2相机的深度图映射得到采摘目标和障碍物的三维信息,并在自然环境下进行了避障采摘作业。实验结果表明,构建的识别定位系统对障碍物和可采摘果实的识别综合评价指数分别为83.6%和91.9%,定位误差为5.9mm,单帧图像的处理时间为0.4s,采摘成功率和避障成功率分别达到80.51%和75.79%。     

基于最优控制策略的复杂环境移动机器人轨迹规划

复杂环境下移动机器人轨迹规划由于障碍物放置杂乱且无规律,常常面临避障失败的问题。本文将机器人的轨迹规划归结为优化问题,提出了一种基于优化策略的轨迹规划方法。该方法包括3部分：首先,对优化问题的约束建模,包括机器人的运动学模型、变量极值约束、障碍物避碰模型;然后,建立优化求解策略,通过决策变量区间均分、内置插值点和基于拉格朗日多项式的变量描述方式进行离散化,针对离散化导致的约束失效对变量进行等距时间离散并建立惩罚函数,从而实现有效避障;最后,基于随机分形搜索算法对上述优化模型进行求解。仿真结果表明,本文所述方法可以有效解决移动机器人在复杂环境下的障碍物避碰问题。     

基于超声波传感器的扫地机器人避障技术研究

本文基于超声波传感器对扫地机器人避障技术的运用进行研究,运用多组超声波传感器进行周围环境数据的收集,以确定障碍物的位置并改善测量的精度,达到准确避障。对超声波传感器内部电路进行设计,以提高扫地机器人避障技术的智能性和稳定性,对多组的传感器进行避障策略设计。     

基于物联网的智能割草机器人运动控制系统研究

以智能割草机器人为研究对象,首先基于物联网技术介绍和实现了割草机器人的定位功能,然后介绍了其运动学模型、控制系统架构和动力牵引装置,最后介绍了智能割草机器人驱动模型,实现了智能割草机器人的运动控制系统。试验结果表明:智能割草机器人能够对障碍物进行自主避障,且路径规划路线最优,实现了目标区域的全区域覆盖割草作业。     

基于强化学习的采摘机器人采摘臂避碰设计

首先介绍了采摘机器人采摘臂避障问题和强化学习理论,并将强化学习方法应用到采摘臂避障问题中,构建了一平面3自由度的采摘机器人采摘臂的多Agent避碰系统。笔者研究目标是通过Agent感知采摘臂连杆与障碍物之间最小距离d和采摘臂姿态偏差角θ两方面信息,然后进行避障规划,在复杂未知环境中使其找到合适路径采摘目标。在NET平台上进行了基于强化学习的采摘臂避障系统平台的开发与仿真,对采摘臂避障系统的避障能力进行了测试分析。仿真实验表明:采摘臂避障避碰系统避障能力比较强,能够在复杂环境中采取避障措施,并准确达到指定位置。     

传感器感知盲区条件下智能汽车主动制动系统控制研究

传感器感知盲区是造成智能汽车交通事故的主要原因之一。为了降低传感器感知盲区对智能汽车主动安全性能的影响,对传感器感知盲区条件下的智能汽车主动制动系统控制进行了研究。首先,建立感知盲区数据库,并搭建卷积神经网络对其进行识别;其次,根据其运动特征进行分类,建立感知盲区条件下的安全距离模型;最后,基于上述安全距离模型对感知盲区内的潜在障碍物进行自车速度控制,达到主动避撞的目的。仿真和实车试验表明,提出的传感器感知盲区分类可以较好地表述感知盲区的运动特征,传感器感知盲区条件下的主动避撞安全距离模型对潜在障碍物有较好的预防作用,主动避撞算法提高了智能汽车在传感器感知盲区内的主动安全性能。     

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。     

基于深度相机的山地果园运输车避障系统设计

为避免山地果园单轨运输车在运行过程中碰撞到作业果农、牲畜、大型石块等障碍物,提高果园作业的安全性和稳定性,采用深度相机基于渡越时间法设计一套山地果园单轨运输车避障系统。该系统运行时由深度相机获取运输车通行通道障碍物信息,经过运行Linux系统的树莓派车载电脑进行数据处理,做出决策后下发标志位信号至运输车控制中枢Stm32微控制器,控制电机改变运动状态。试验结果表明:该系统对于障碍物识别率为100%,对于符合修剪要求的干扰型侧枝,其误触率在8%以下,避障最小制动距离为101 cm,系统最大延时0.475 s。     

基于激光雷达的果园割草机避障方法研究

针对果园割草机在山地丘陵果园工作过程中面临障碍物阻碍前进路线的问题,设计了基于激光雷达的果园割草机避障方法。以激光雷达测距为基础,首先将矢量场直方图算法(VFH)改进阈值,确定割草机的可行进方向;当割草机遇到障碍物时,使用动态窗口法(DWA)进行避障,确保割草机行驶的安全性和高效性,两种算法的融合保证割草机完成避障作业。MatLab仿真和田间试验表明：所采用方法提高了割草机的运行效率,降低了割草机的漏割率,设计方法合理,满足割草机在山地丘陵果园的避障需求。     

割草机器人避障行为的研究--基于传感器测距及模糊控制技术

针对以往割草机器人避障行为控制过程中存在的问题,并依据割草机器人的智能化工作要求及障碍物的特点,提出了基于测距传感器系统及模糊控制技术的割草机器人避障行为控制方法.试验结果表明,该方法可行且具有灵活性和鲁棒性.