农业机器人作业路径规划方法
时间：2023-06-04 16:15:22 来源：雅意学习网 本文已影响 人 
河北农业大学机电工程学院 王佳琪
当今社会中，机器人在工业、医疗卫生服务、航空航天以及生活服务等领域中得到了广泛的应用。但是其核心部件和技术还是差异不大的，包括自主行走、路径规划、机械臂的运动规划和控制、机器视觉识别和图像处理等关键技术。其中，路径规划技术是专门为机器人规划出一条从起始到目标点的无障碍路径，同时还能够对路径长度、工作时间、安全性等性能指标进行相应地优化，保证机器人能够顺利实现其复杂功能和开展完成各项工作任务。
机器人的路径规划方法在国内外都有着许多研究，并提出像A*算法、蚁群算法、群智能算法等的路径方法。他们都具有各自的优势之处，但也存在着一些问题等待解决，因此研究农业机器人的自主导航行走和空间作业路径规划方法具有重要意义[1]。
机器人作业路径规划的定义是：在满足一定的物理约束条件或在某种环境中，为机器人完成设定任务和动作所设计的运动序列安排，简单点说，是使机器人在工作时能够自主迅速准确地找出一条能够避开障碍物的从起始到目标点的最短安全路径。
本文中主要从全局和局部机器人路径规划以及机械臂空间作业局部避障路径规划这三个方面来进行介绍。
1.1 全局机器人路径规划
根据机器人作业环境的不同，可将其划分为两种形式—全局覆盖路径规划和全局点到点路径规划，这两种形式类型都能够使机器人在作业时帮助其找寻安全、高效的作业路径，从而提高机器作业质量，降低作业的成本。
1.1.1 全局覆盖路径规划
（1）边界地块规则的全覆盖路径规划
边界地块比较规则的路径规划方法主要有两种，第一种是基于基准线进行平移的办法，这种方法是按照作业幅宽等间距利用和地块边线平行的基准线进行平移，最后生成许多条直线的作业路径直至直线的作业路径能够覆盖整个地块，之后根据农业机器人实际作业的环境信息和作业状况去选择合适的机器地头转弯的措施。这种方法比较简单，只需要事先测量完成基准线的两点的坐标，但是当机器人作业至地头需要转弯时就需要借助外援如传感器进行一个地头距离检测或者是作业中有人员参与进行辅助转弯，从而保证农业机器人作业的正常进行。而第二种方法采用的是建立局部的坐标系的方法，首先测量记录作业地块中的四个顶点的坐标，然后按照已经规划好的机器人地头转弯方式和其作业方式去计算机器人从起始点到目标地的路径中的所有特征点，之后依据机器人作业的顺序规划出出完整的覆盖整个作业地块的作业路径[3]。
（2）边界地块不规则的全覆盖路径规划
边界地块不规则的情况还是比较普遍的，遇到这种情况时，一般会把即将作业的地块进行人为分割处理，把地块分成许多个机器人容易作业的小地块，对这些分好的小地块进行一个路径规划，从而使机器人能够正常进行作业，同时也保证了作业质量，可以减少遗漏地块，因此边界或地头需要进行转弯时要进行特别的路径规划，避免机器人作业过程中遗漏死区，对整个作业质量造成一些影响。国内外对于不规则的地块路径规划都有着许多研究，其中美国的FREITAS[4]等提出了LKH算法，这种方法拓宽了作业地块的不规则程度，对不同程度的不规则地块都可以做出全覆盖的路径规划，增加作业覆盖面积，大大提高了机器作业的质量和效率。法国的HAMEED[5]等人提出来一种三维形式的路径规划算法，通过对机器人作业过程中的不规则边界地块的多余覆盖区域进行估算，从而确定其作业方向，有效减少了农业机器人作业中的多余区域。国内的王宇等人把不规则边界地块进行栅格化，建立一个三维的作业环境模型，并对其进行三维的路径规划，应用引力搜索的算法完成选择合适的返航点的任务，使农业机器作业更加精准高效[3]。
1.1.2 全局点到点路径规划
全局点到点路径规划是在已知机器作业区域的环境情况下去规划出一条从起始到目的地的合适的避障路径，在我国农业机器人作业领域中应用广泛。目前发展比较成熟的算法包括A*算法、蚁群优化算法、模拟退火算法、遗传算法以及粒子群优化算法等等，这里只叙述A*算法和蚁群优化算法。
（1）A*算法
A*算法是一种“点对点”的全局路径规划算法，通常适用于已知环境条件下，这种算法是根据估价函数去探索出最小代价节点，这样便能够确定最优路径，估价函数是
A*算法主要应用于静态作业场景中，可以精确规划出最优的作业路径，经过人们不断的改进和优化，A*算法在农业机械导航的领域中得到广泛应用。例如，张文[6]等人根据在复杂作业环境中温室机器人的作业路径规划的问题，为实现路径平滑、减少发生碰撞的概率以及提高该算法的效率等目标，提出一种方向A*算法，它是通过“圆弧直线圆弧”转弯、“视野线”平滑和二叉堆数据存储方法来实现上述目的。如图1所示。李靖[7]等人的研究中，他们针对的是植保无人机在含有障碍物的作业区域进行作业，通过研究无人机的轨迹一步一步去应用A*算法去修正无人机通过的作业轨迹，从而使无人机能够通过更大的有效面积，提高作业质量。
图1 方向A*算法路径规划
而A*算法虽然有效规划出最优的作业路径，但是在遇到较大的作业环境并且要求较高导航精度时，由法建立的地图栅格节点的数量有些庞大，这样会导致通过算法去计算时因为搜索耗时太长，还会占用较大的计算机内存资源，未来可以充分利用图像识别以及图像处理技术去辅助规划机器人作业路径，减少因为算法消耗的时间，提高整体作业效率。
（2）蚁群优化算法
蚁群优化算法主要是借助模拟蚁群之间的成员进行信息正反馈交流去搜索食物的过程，最终找到比较合适的路径的一种算法，这种算法相较于A*算法，其搜索能力较强且求解性能也相对较好，但是其收敛的速度缓慢。蚁群优化算法作为目前被广泛研究的算法之一，国内外学者们在不同作业环境下对蚁群优化算法进行深入探究并不断对其进行优化改进。EBADINEZHAD[8]等经过智能选择去探索空间节点以及改进优化信息素矩阵，从而能够进一步减少计算时间，也可以避免出现局部最优的情况；
国内的王宇[9]等提出基于改进蚁群优化算法的植保无人机的路径规划办法，他提到对许多个作业区域的作业顺序进行合理的排序，从而达到减少无人机飞行总路径的长度；
景云鹏[10]等运用改进蚁群优化算法找寻到一种适合平整农田的局部路径规划方法，可以用于农田作业平整的三维路径规划；
张强[11]等人选择改进信息素更新的策略，依据收敛次数的变化进而调整信息素更新的速度，提高了该算法的收敛速度，使其与搜索速度保持一致。
1.2 局部机器人路径规划
信息处理速度加快，传感器技术也发展得越来越快，对其研究也更加深入，在我们的生活中应用领域越来越广泛，农业机器人上也常常会装有能够实现相应功能的传感器，使得农业机械对于环境感知能力逐渐变得敏感。而实现机器人局部路径规划使得农业机器人在作业时能够变得更加自主，减少了人力的辅助功能。局部机器人路径规划是一种对机器人作业环境进行实时检测，并及时反馈至机器中做出相应指令，顺利走到目标点的方法，要想实现农业机器的实时路径规划，靠单一的传感器是比较难实现的，因为机器人的作业场景并不是平坦无障碍的，而是非常随机的，作业环境相对复杂，难以通过单一的传感器就完成了机器的作业任务，因此需选择多种有着不同功能的传感器来对农业作业环境的信息感知并反馈至农业机器人，从而顺利完成既定任务，提高使用农业机器人作业的可靠性。目前局部机器人路径规划常有的包括避障路径规划和局部跟踪路径规划[3]。
1.2.1 避障路径规划
农业机器人实现自主智能的基本要求就是需要实现自主避障，这样可以保证农业机器在田间作业时的安全性，机器人上装的传感器可以帮助获取作业环境信息，分析出其有无障碍物，从而能够实现机器人行走中避障的功能，目前较为成熟的避障路径规划方法包括人工势场法、模糊逻辑法、动态窗口法以及几何法，本次只重点阐述模糊逻辑法。
（1）模糊逻辑法
模糊逻辑法主要应用的是专家们的丰富知识经验去制订了一些控制规则，建立输入输出之间的关系，同时结合机器人上装有的传感器对环境进行感知，能够做到实时规划机器人作业路径，控制机器人按照正确路径完成既定任务。基于模糊逻辑法也有许多学者进行了深入研究，周俊[12]等人的研究是采用双目立体视觉传感器采集信息结合模糊逻辑法设计了一款自主导航移动机器人，这款机器人利用传感器获取机器人作业过程中障碍物相对于移动机器人的方向和距离等信息，还具有自主学习能力，可以在未知的复杂作业环境中不断积累经验，自主去适应不同作业环境条件下的工作；
谢守勇[13]等的研究主要是针对温室机器人的移动避障问题，运用红外测距传感器实现对机器人与障碍物之间的距离测量，通过实时感知两者之间的距离和角度变化，能够使机器人选择合适的前进路径。
1.2.2 局部跟踪路径规划
局部跟踪路径规划是农业机器人在进行路径跟踪过程中，从当前位置逐步向预先设计规划好的路径靠近的局部路径规划策略，在较大程度上决定着自动导航的跟踪精度。目前重点研究的是依据速度、横向偏差以及航向偏差来实现对前视距离的动态调整，进而规划出合适的局部跟踪路径。其中魏爽[14]等建立了适用于直线与曲线预设路径的局部机器人路径规划，是一种以预瞄点搜索为基础加以改进优化的纯追踪模型，如图2所示。
图2 基于预瞄点搜索的纯追踪模型
1.3 机械臂空间作业运动路径规划
1.3.1 应用目的
随着科学技术的深入研究，农业机械也朝着自动化、智能化的方向不断发展且越来越多地应用到农业生产中去。以农业果实采摘机器人的作业为例，其作业工况比较复杂，因为果树的高度并不统一，对于果实采摘工作来说，实现实时根据果实位置进行采摘有着重要意义，不仅可以提高采摘效率，确定果实位置还可以减少采摘过程中对果实的损伤率。因此机械臂作为核心部件，需要对其采摘的路径进行准确规划才能尽量减少对果实的损伤率[15]。
1.3.2 路径规划方法
（1）张广超[16]等采用三次三角Bezier样条函数对机械臂进行了插值计算，通过约束条件来求出函数的一些系数，之后等分时间，从而可以求出位移量、对应位移量的轨迹点坐标。这样能够实现对机械臂运动路径的精确规划。
（2）李剑光[17]等采取的是对原来RRT*算法进行改进的机械臂路径规划，RRT算法是一种以随机采样为基础的增量式增长全局规划算法，更加适合高维空间的路径规划，但是其缺点是随机性高，没有确定方向，从而导致收敛速度比较缓慢，作业中遇到多数障碍物时也容易陷入局部极小值的问题。而李剑光等针对其随机性进行改进，加入目标偏置策略使得随机点具有一定方向性，并且也加快了其收敛速度，缩短了路径规划的时间。RRT*算法可以对得到的不同路径不断进行改进最后达到最优，获得更加光滑、优化的路径规划，同时还解决了之前RRT*算法路径拐角过大的问题。
随着农业机械的普遍应用，农业自动化、智能化的技术也在不断地进行深入研究，本文从全局机器人路径规划、局部机器人路径规划和机械臂空间作业运动路径规划三个方面对农业机器人作业路径规划的方法进行相关内容介绍，方法也都是在不断发展的，每种方法都有其优缺点，之后都会出现其改进版的方法，帮助实现机器人更加自主、智能、高效地完成作业任务。未来的农业机械可以向着这个目标去做更加深入优化的研究，能够生产出适用于多种作业环境的高效作业农业机器人。
猜你喜欢 局部规划机器人 爨体兰亭集序（局部）中华书画家(2021年12期)2022-01-06我们的规划与设计，正从新出发！房地产导刊(2021年6期)2021-07-22凡·高《夜晚露天咖啡座》局部[荷兰]散文诗(2020年1期)2020-07-20规划·样本领导决策信息(2018年16期)2018-09-27规划引领把握未来领导决策信息(2018年50期)2018-02-22快递业十三五规划发布商周刊(2017年5期)2017-08-22丁学军作品东方艺术·国画(2016年3期)2017-02-08局部遮光器发明与创新(2016年38期)2016-08-22机器人来帮你少儿科学周刊·少年版(2015年4期)2015-07-07认识机器人少儿科学周刊·少年版(2015年4期)2015-07-07
