崔　維，丁　玲

(1.河北科技師范學(xué)院 信息技術(shù)系，河北 秦皇島　066004；2.燕山大學(xué) 信息科學(xué)與工程學(xué)院，河北 秦皇島　066004)

?

基于視覺導(dǎo)航和RBF的移動(dòng)采摘機(jī)器人路徑規(guī)劃研究

崔維1，丁玲2

(1.河北科技師范學(xué)院 信息技術(shù)系，河北 秦皇島066004；2.燕山大學(xué) 信息科學(xué)與工程學(xué)院，河北 秦皇島066004)

摘要：為了提高采摘機(jī)器人自主導(dǎo)航和路徑規(guī)劃能力，提出了基于計(jì)算機(jī)視覺路徑規(guī)劃和RBF神經(jīng)網(wǎng)絡(luò)自適應(yīng)逼近算法的導(dǎo)航方法。使用圖像分割、平滑處理和邊緣檢測技術(shù)，根據(jù)圖像像素灰度值確定了導(dǎo)航線的位置，利用逐行掃描的方法得到了導(dǎo)航離散點(diǎn)。路徑規(guī)劃和跟蹤使用RBF神經(jīng)網(wǎng)絡(luò)逼近算法，通過逼近誤差和權(quán)值控制路徑跟蹤的精度，系統(tǒng)響應(yīng)的執(zhí)行端使用液壓伺服系統(tǒng)，提高了機(jī)器人自主導(dǎo)航的精度。以黃瓜采摘作為研究對象，在日光溫室對機(jī)器人采摘作業(yè)進(jìn)行了測試，通過測試得到了RBF神經(jīng)網(wǎng)絡(luò)的路徑跟蹤誤差曲線。測試結(jié)果表明：機(jī)器人可以很好地逼近跟蹤規(guī)劃路徑，其計(jì)算精度較高，跟蹤效果較好。

關(guān)鍵詞：采摘機(jī)器人；視覺導(dǎo)航；路徑規(guī)劃；液壓伺服；自適應(yīng)；RBF

0引言

采摘機(jī)器人是具有高度非線性和不確定性的復(fù)雜系統(tǒng)。近年來，隨著自動(dòng)化控制技術(shù)水平的提高和各種算法的提出，智能機(jī)器人成為研究的熱門，如果將其應(yīng)用在農(nóng)業(yè)精密自動(dòng)化作業(yè)過程中，可以大幅度提高勞動(dòng)效率，帶來巨大的經(jīng)濟(jì)效益。機(jī)器人軌跡控制的主要目標(biāo)是通過給定機(jī)器人各關(guān)節(jié)力矩信號(hào)，使機(jī)器人按照指定的軌跡活動(dòng)。同一般的機(jī)械系統(tǒng)相似，機(jī)器人結(jié)構(gòu)和機(jī)械參數(shù)確定之后，其動(dòng)態(tài)特性可以使用數(shù)學(xué)方程進(jìn)行描述，其控制過程可以使用經(jīng)典的控制理論和數(shù)學(xué)模型；但實(shí)際作業(yè)過程中，機(jī)器人模型具有非常多的不確定性，很難得到精確的計(jì)算模型。采用自適應(yīng)RBF神經(jīng)網(wǎng)絡(luò)，可實(shí)現(xiàn)對機(jī)器人動(dòng)力學(xué)方程中未知部分的精確逼近，可以根據(jù)視覺目標(biāo)跟蹤規(guī)劃路徑，實(shí)現(xiàn)較為精確的自主導(dǎo)航，無需建立復(fù)雜的數(shù)學(xué)模型，卻能實(shí)現(xiàn)復(fù)雜的采摘機(jī)器人動(dòng)作和路徑控制。

1視覺導(dǎo)航和液壓伺服控制系統(tǒng)設(shè)計(jì)

采摘機(jī)器人和人的功能有相似之處，如行走移動(dòng)功能、感知功能和作業(yè)能力，并且可以利用計(jì)算機(jī)編程使機(jī)器人自動(dòng)工作。利用編程可以使機(jī)器人進(jìn)行一些動(dòng)作，使其滿足不同作物的作業(yè)要求，并可以實(shí)現(xiàn)視覺自動(dòng)導(dǎo)航功能。根據(jù)拍攝的采摘環(huán)境圖像，規(guī)劃最佳動(dòng)作路徑。路徑規(guī)劃仿真方法的總體設(shè)計(jì)框架如圖1所示。機(jī)器人時(shí)間導(dǎo)航系統(tǒng)設(shè)計(jì)框架如圖2所示。

圖1　采摘機(jī)器人路徑規(guī)劃仿真方法

圖2 機(jī)器人時(shí)間導(dǎo)航系統(tǒng)設(shè)計(jì)框架圖

采摘機(jī)器人路徑規(guī)劃的一般方法是利用仿真模擬系統(tǒng)讀入地圖，并將地圖保存成bmp的格式，圖像的每個(gè)像素代表一個(gè)柵格，圖像文件可以在畫板程序中進(jìn)行編輯，生成規(guī)劃路徑是非常方便的。

當(dāng)機(jī)器人在田間進(jìn)行采摘作業(yè)時(shí)，環(huán)境地圖的生成采用實(shí)時(shí)圖像處理的方式確定目標(biāo)，規(guī)劃行進(jìn)路徑，圖像的采集使用圖像傳感器，圖像處理采用圖像分割、平滑去噪和邊緣檢測的方法，最終可以較為準(zhǔn)確地判斷采摘果實(shí)、樹木區(qū)域和行走路線，達(dá)到路徑最優(yōu)的目標(biāo)。機(jī)器人的液壓伺服系統(tǒng)主要包括液壓泵、液壓執(zhí)行元件、電液伺服閥、蓄能器和溢流閥等，液壓系統(tǒng)主要靠液壓泵來帶動(dòng)。機(jī)器人四足液壓系統(tǒng)如圖3所示。

圖3　采摘機(jī)器人機(jī)械液壓控制原理圖

電液伺服閥是液壓系統(tǒng)中最重要的元件， 能將微弱的電信號(hào)轉(zhuǎn)化為液壓能,用以控制通過液壓缸的流量，從而控制機(jī)器人的運(yùn)動(dòng)。采摘機(jī)器人利用目標(biāo)跟蹤方法，將控制信號(hào)發(fā)送給液壓伺服系統(tǒng)，實(shí)現(xiàn)機(jī)器人的自主行走。

2基于神經(jīng)網(wǎng)絡(luò)RBF逼近的路徑規(guī)劃模型

對于采摘機(jī)器人的控制，核心是機(jī)器人移動(dòng)路徑和動(dòng)作關(guān)節(jié)的控制，其動(dòng)作過程可以采用RBF神經(jīng)網(wǎng)絡(luò)算法進(jìn)行逼近。首先選二關(guān)節(jié)機(jī)器人系統(tǒng)動(dòng)力模型為研究對象，如圖4所示。

圖4　采摘機(jī)器人控制動(dòng)力學(xué)模型

在采摘機(jī)器人進(jìn)行動(dòng)作過程中，假設(shè)運(yùn)動(dòng)輸入轉(zhuǎn)矩向量為τ，則機(jī)器人運(yùn)動(dòng)的動(dòng)力學(xué)模型為

(1)

(2)

(3)

(4)

(5)

(6)

e(t)=qd(t)-q(t)

(7)

定義誤差函數(shù)為

(8)

其中，∧=∧T>0，則有

(9)

(10)

其中，f表示采摘機(jī)器人控制的非線性函數(shù)，其表達(dá)式為

(11)

(12)

其中，cj表示節(jié)點(diǎn)的中心矢量，其表達(dá)式為

(13)

假設(shè)神經(jīng)網(wǎng)絡(luò)存在權(quán)值W，則RBF逼近函數(shù)f(x)輸出的理想表達(dá)式為

f(x)=Wh(x)+ε(x)

(14)

其中,h=[h1,h2,…,hn]表示的W的權(quán)向量，ε(x)表示逼近誤差，逼近函數(shù)的輸入值取為

(15)

假設(shè)神經(jīng)網(wǎng)絡(luò)的實(shí)際輸出為

(16)

取

(17)

則采摘機(jī)器人路徑跟蹤的自適應(yīng)律表示為

(18)

(19)

其中,F表示對稱正定矩陣，F(xiàn)=FT>0，于是可得

-(Kv+Vm)r+ζ1

(20)

v=-(εN+bd)sgn(r)

(21)

符號(hào)函數(shù)sgn的表達(dá)式為

(22)

通過神經(jīng)網(wǎng)絡(luò)函數(shù)的逼近，可以將實(shí)際跟蹤和采摘機(jī)器人動(dòng)作規(guī)劃路徑的重合達(dá)到更高的精度，從而提高采摘效率和控制的精確度。

3視覺導(dǎo)航和路徑規(guī)劃能力測試

為了驗(yàn)證機(jī)器人的視覺導(dǎo)航能力和路徑規(guī)劃能力，利用液壓伺服控制系統(tǒng)和RBF神經(jīng)網(wǎng)絡(luò)算法設(shè)計(jì)了采摘機(jī)器人的樣機(jī)。機(jī)器人的結(jié)構(gòu)和作業(yè)過程如圖5所示。

在采摘過程中，利用視覺導(dǎo)航相機(jī)拍攝了日光溫室下的黃瓜壟間圖像。視覺導(dǎo)航相機(jī)安裝與機(jī)器人的前端，與地面相距0.9m，俯角為45°，圖像的分辨率為640×480像素，如圖6所示。

圖5 采摘機(jī)器人采摘黃瓜

圖6　黃瓜壟間拍攝圖像

機(jī)器人路徑規(guī)劃首先需要對圖像進(jìn)行二值化處理，假設(shè)黃瓜和葉子的灰度數(shù)值為0，地面的灰度為255，通過計(jì)算得到圖像的中心M，逐行掃描在左邊找到灰度為零的第一個(gè)點(diǎn)x1，逐行掃描在右邊找到灰度為零的第一個(gè)點(diǎn)x2，離散當(dāng)行點(diǎn)的位置為(x1+x2)/2，將離散導(dǎo)航點(diǎn)進(jìn)行連接，便可以得到導(dǎo)航的路徑規(guī)劃，如圖7所示的虛線位置。

圖7　路徑規(guī)劃視覺導(dǎo)航引導(dǎo)線

為了提高路徑跟蹤的精度，使用RBF神經(jīng)網(wǎng)絡(luò)對規(guī)劃路徑進(jìn)行跟蹤，首先對RBF神經(jīng)網(wǎng)絡(luò)算法的逼近效果進(jìn)行測試，通過測試得到了如圖8所示的測試結(jié)果。

圖8　RBF神經(jīng)網(wǎng)絡(luò)逼近效果測試

通過對RBF對原函數(shù)的逼近測試，得到了如圖9所示的逼近效果曲線。由圖9可以看出：在開始階段，RBF逼近的誤差較大，但是隨著時(shí)間的增大，RBF可以很好的擬合原函數(shù)，即便原函數(shù)非常復(fù)雜，通過參數(shù)調(diào)整，RBF可以得到很好的逼近效果。

圖9　路徑規(guī)劃對比結(jié)果

為了對比神經(jīng)網(wǎng)絡(luò)RBF算法和普通算法的優(yōu)勢，利用仿真軟件對含有障礙物的目標(biāo)點(diǎn)進(jìn)行路徑規(guī)劃，通過仿真模擬測試得到了不同算法下的路徑規(guī)劃結(jié)果如圖9所示。由計(jì)算結(jié)果可以看出：利用神經(jīng)網(wǎng)絡(luò)RBF算法規(guī)劃得到的路徑，由出發(fā)點(diǎn)到目標(biāo)點(diǎn)的距離要比普通算法的短，路徑更優(yōu)。

圖10表示機(jī)器人視覺導(dǎo)航路徑跟蹤的結(jié)果曲線。由圖10可以看出：在初始階段，機(jī)器人跟蹤的誤差較大；但通過RBF神經(jīng)網(wǎng)絡(luò)算法的參數(shù)調(diào)整，機(jī)器人可以很好地逼近跟蹤規(guī)劃路徑，其計(jì)算精度較高，跟蹤效果較好。

4結(jié)論

本文采用圖像處理技術(shù)、機(jī)器視覺和RBF神經(jīng)網(wǎng)絡(luò)算法，提出了一種基于自適應(yīng)逼近的采摘機(jī)器人路徑規(guī)劃和視覺導(dǎo)航方法。該方法主要依據(jù)機(jī)器視覺采集圖像，并利用圖像處理技術(shù)得到了導(dǎo)航位置線和導(dǎo)航離散點(diǎn)，在路徑追蹤時(shí)使用逼近算法對離散點(diǎn)進(jìn)行跟蹤，提高了機(jī)器自主導(dǎo)航效率和精度。

圖10　導(dǎo)航路徑跟蹤結(jié)果曲線

參考文獻(xiàn)：

[1]孫星,吳儉敏,顏華,等.田間作業(yè)機(jī)具綜合性能遙控系統(tǒng)[J].農(nóng)機(jī)化研究,2013,35(7):97-100.

[2]郭孔輝,楊一洋,許男,等.輪胎試驗(yàn)臺(tái)六分力解算、標(biāo)定與優(yōu)化分析[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2014,45(5):8-15.

[3]浦艷敏.關(guān)于數(shù)控系統(tǒng)加減速控制的研究[J].科學(xué)技術(shù)與工程,2009,9(22):6782-6785.

[4]張航偉,陳嬋娟.開放式數(shù)控系統(tǒng)中數(shù)控代碼的解釋與編譯[J].機(jī)械設(shè)計(jì)與制造,2011(2): 147-148.

[5]張涇周,楊偉靜,張安詳.模糊自適應(yīng)PID控制的研究及其應(yīng)用仿真[J].計(jì)算機(jī)仿真，2009,26(9):132-135.

[6]楊超,張冬泉,趙慶志.基于S曲線的步進(jìn)電機(jī)加減速的控制[J].機(jī)電工程,2011,28(7):813-817.

[7]趙博,朱忠祥,宋正河,等.農(nóng)用車輛視覺導(dǎo)航路徑識(shí)別方法[J].江蘇大學(xué)學(xué)報(bào),2007,28(6):482-486.

[8]王友權(quán),周俊,姬長英,等.基于自主導(dǎo)航和全方位轉(zhuǎn)向的農(nóng)業(yè)機(jī)器人設(shè)計(jì)[J].農(nóng)業(yè)工程學(xué)報(bào),2008,24(7): 110-113.

[9]趙穎,陳兵旗.基于機(jī)器視覺的耕作機(jī)器人行走目標(biāo)直線檢測[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2006,37(4):83-86.

[10]李建中,高宏.無線傳感器網(wǎng)絡(luò)的研究進(jìn)展[J].計(jì)算機(jī)研究與發(fā)展,2008,45(1):63-72.

[11]石鵬,徐鳳燕,王宗欣.基于傳播損耗模型的最大似然估計(jì)室內(nèi)定位算法[J].信號(hào)處理，2005, 21(5):502-504.

[12]李洪欣,楊建中.基于兩參數(shù)的表冷器建模方法研究[J].建筑熱能通風(fēng)空調(diào),2009,28(6):15-17.

[13]孟慶山.水源熱泵機(jī)組變流量水系統(tǒng)節(jié)能優(yōu)化探討[J].制冷與空調(diào),2010,10(1):84-89.

[14]謝志勇,張鐵中,趙金英.基于 Hough 變換的成熟草莓識(shí)別技術(shù)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2007,38(3): 106-109.

[15]王東,趙宇,王秀紅.一種改進(jìn)的DFT迭代的MIMO-OFDM系統(tǒng)信道估計(jì)算法[J].應(yīng)用科技，2009(3):19-22.

[16]徐文穎,張靜,董建萍.導(dǎo)頻信道估計(jì)中的插值算法[J].上海師范大學(xué)學(xué)報(bào),2007,12(6):41-46.

[17]陳暉,陳曉光.基于直接判決導(dǎo)頻跟蹤的OFDM系統(tǒng)快時(shí)變信道估計(jì)[J].通信學(xué)報(bào)，2006, 27 (9):1-5.

[18]李文見,姬江濤. 輪履復(fù)合式農(nóng)業(yè)機(jī)器人越避障控制研究[J]. 河南科技大學(xué)學(xué)報(bào): 自然科學(xué)版, 2007(8): 57-59.

[19]王仲民,戈新良, 唐智強(qiáng).多傳感器信息融合技術(shù)研究現(xiàn)狀和發(fā)展趨勢[J].河北工業(yè)大學(xué)學(xué)報(bào), 2003, 32(2): 30-35.

[20]國剛,王毅.應(yīng)用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行手寫體字母數(shù)字識(shí)別[J].人工智能及識(shí)別技術(shù),2008,4(6): 1459-1460.

[21]施少敏,馬彥恒,陳建泗.基于BP神經(jīng)網(wǎng)絡(luò)的數(shù)字識(shí)別方法[J].兵工自動(dòng)化, 2006, 25(10): 40-41.

[22]許穎泉.用神經(jīng)網(wǎng)絡(luò)進(jìn)行數(shù)字圖像識(shí)別研究[J].應(yīng)用科技, 2008(12): 59-60.

[23]梁喜鳳,楊犇,王永維.番茄收獲機(jī)械手軌跡跟蹤模糊控制仿真與試驗(yàn)[J].農(nóng)業(yè)工程學(xué)報(bào),2013,29(17): 16-22.

[24]張建鋒,何東健,張志勇.采摘機(jī)器人自適應(yīng)魯棒跟蹤控制算法設(shè)計(jì)[J].農(nóng)機(jī)化研究,2009,31(12):10-14.

[25]劉繼展,李萍萍,李智國.番茄采摘機(jī)器人末端執(zhí)行器的硬件設(shè)計(jì)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào), 2008,39(3): 109-112.

Research on Path Planning for Mobile Picking Robot Based on Visual Navigation and RBF

Cui Wei1, Ding Ling2

(1.Information Technology Department, Hebei Normal University of Science and Technology, Qinhuangdao 066004,China; 2.College of Information Science and Engineering,Yanshan University, Qinhuangdao 066004, China)

Abstract：In order to improve the ability of autonomous navigation and path planning of picking robot, a navigation method is proposed based on computer vision path planning and RBF neural network adaptive approximation algorithm. The use of image segmentation, smoothing and edge detection technology,the navigation line positions are determined according to the image pixel gray value using progressive scan method of navigation discrete points. The path planning and tracking using RBF neural network approximation algorithm, the accuracy of the system response is controlled by the accuracy of the error and weight control.Taking cucumber as the research object, it tested the robot picking operation in greenhouse, and obtained the path tracking error curve of RBF neural network. The test results show that the robot can get a good approximation of the path.

Key words：picking robot; visual navigation; path planning; hydraulic servo; adaptive; RBF

中圖分類號(hào)：S225；TP391.41

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1003-188X(2016)11-0234-05

作者簡介：崔維(1978-)，女，黑龍江齊齊哈爾人，講師，碩士。通訊作者：丁玲(1971-)，女，遼寧海城人，高級(jí)實(shí)驗(yàn)師，博士，(E-mail)cwdl2015@sina.com。

基金項(xiàng)目：河北省自然科學(xué)基金項(xiàng)目(E2013203271)

收稿日期：2015-09-10