聶章龍，張 靜

(常州信息職業(yè)技術學院 軟件學院，江蘇 常州 213164)

0 引言

隨著我國新農(nóng)業(yè)生產(chǎn)模式和新型農(nóng)業(yè)科技的應用，機器人正逐步代替人類勞動力，成為農(nóng)業(yè)生產(chǎn)的主力軍。果實采摘是農(nóng)業(yè)生產(chǎn)中繁瑣度、復雜度最大的步驟，這類機器人發(fā)展?jié)摿薮?。本文基于ZigBee無線傳輸網(wǎng)絡和模糊控制理論，設計了采摘機器人智能避障決策系統(tǒng)，實現(xiàn)了采摘機器人的快速避障，對采摘機器人避碰規(guī)劃方法和路徑規(guī)劃具有一定的參考價值。

1 采摘機器人碰撞危險度

采摘機器人移動過程中的主要功能是實現(xiàn)避障。傳統(tǒng)避障研究中，通常是根據(jù)傳感器測量障礙物距離，然后通過采摘機器人與障礙物之間的距離進行碰撞危險度判斷。這種研究方法計算簡單，但無法準確、全面地描述碰撞危險程度，因此在避開障礙物的過程中無法實現(xiàn)路徑的最優(yōu)化。在采摘機器人移動過程的運動學研究中，機器人的位置、移動速度、加速度及與障礙物的偏轉(zhuǎn)角度都具有一定的關聯(lián)度，因此采摘機器人的碰撞危險度應該從這4個方面進行考慮。為了簡化計算過程，研究中假設障礙物的移動速度保持不變，僅僅根據(jù)二者距離、偏轉(zhuǎn)角度和相對速度來計算碰撞危險度。采摘機器人M與障礙物OBS的位置關系如圖1所示。

圖1 采摘機器人M與障礙物OBS的位置關系Fig.1 The position relation between picking robot M and obstacle OBS

采摘機器人的碰撞危險度SCR表達式為

SCR(t)=aD(t)+bF(t)D(t)

(1)

其中，a和b是SCR中F(t)和D(t)的影響因子；F(t)為v與θ之間的關系；D(t)為距離d與SCR之間的關系；θmin和θmax分別為安全角度和最大角度；dmin和dmax分別為安全距離和最大距離。

采摘機器人根據(jù)碰撞危險度避障的流程：①根據(jù)環(huán)境信息對采摘機器人進行初始化操作；②根據(jù)視頻采集系統(tǒng)獲取周邊環(huán)境信息；③發(fā)現(xiàn)障礙物，計算采摘機器人的碰撞危險度；④根據(jù)碰撞危險度，搜索最優(yōu)避障策略；⑤驅(qū)動控制系統(tǒng)避開障礙物前行。

2 采摘機器人智能決策系統(tǒng)的設計

采摘機器人智能決策系統(tǒng)以PC機為載體，根據(jù)視覺采集系統(tǒng)的圖像信息，結(jié)合碰撞危險度，從PC機策略庫選擇合適的避障決策方式，然后通過ZigBee無線通信網(wǎng)絡給采摘機器人發(fā)出指令，實現(xiàn)對采摘機器人的遠程避障控制。智能決策系統(tǒng)主要由視覺采集、ZigBee無線通訊、決策系統(tǒng)和運動控制系統(tǒng)等4部分構(gòu)成。采摘機器人智能決策系統(tǒng)組成如圖2所示。

圖2 采摘機器人智能決策系統(tǒng)組成Fig.2 Intelligent decision system of picking robot

2.1 決策子系統(tǒng)

決策子系統(tǒng)是根據(jù)視頻采集系統(tǒng)獲取的圖像信息，對采摘機器人周邊環(huán)境進行分析，根據(jù)人類邏輯完成推理過程，制定合適的移動策略，實現(xiàn)采摘機器人的自主避障。決策子系統(tǒng)核心思想是實現(xiàn)決策信息從狀態(tài)到動作的映射，根據(jù)周邊環(huán)境信息，確定避障路線。決策子系統(tǒng)是采摘機器人智能決策系統(tǒng)的重要部分，其控制框架如圖3所示。

圖3 決策子系統(tǒng)控制框架圖Fig.3 The control framework diagram of decision subsystem

圖3中，采摘機器人決策子系統(tǒng)的決策依據(jù)主要來自視覺采集系統(tǒng)，而決策程序和相應的數(shù)據(jù)信息來自PC端的算法存儲庫，二者的結(jié)合便可以得到?jīng)Q策算法的服務程序，能夠?qū)崿F(xiàn)對采摘機器人的運動控制。本文采用分層式的決策控制方式實現(xiàn)采摘機器人的決策子系統(tǒng)，如圖4所示。

圖4 采摘機器人決策子系統(tǒng)分層結(jié)構(gòu)Fig.4 The hierarchical structure of decision subsystem of picking robot

2.2 視覺采集子系統(tǒng)

視覺采集子系統(tǒng)作為采摘機器人的眼睛，由CCD視覺傳感器、圖像采集卡等硬件設備和圖像處理軟件構(gòu)成。視覺采集子系統(tǒng)是采摘機器人獲取周邊環(huán)境、目標對象、障礙物坐標及機器人實際位置的重要手段，可為決策子系統(tǒng)的規(guī)劃提供可靠信息。和普通的足球或者其他機器人相比，采摘機器人的作業(yè)環(huán)境、目標對象及環(huán)境的時變性都更復雜，因此對視頻采集系統(tǒng)的要求更高。視覺采集子系統(tǒng)的任務包括：①確定作業(yè)區(qū)域的障礙物信息及其與采摘機器人之間的距離、角度信息；②采摘機器人運動控制的實時規(guī)劃。視覺子系統(tǒng)處理示意如圖5所示。

圖5 視覺子系統(tǒng)處理示意圖Fig.5 The schematic diagram of vision subsystem processing

2.3 運動控制子系統(tǒng)

運動控制子系統(tǒng)主要由運動控制卡和電機驅(qū)動模塊構(gòu)成(見圖6)，功能是實現(xiàn)對電機的驅(qū)動。運動控制卡包括萬向運動、速度控制及位移算法等。

圖6 運動控制子系統(tǒng)結(jié)構(gòu)Fig.6 The subsystem structure of motion control

2.4 ZigBee無線通訊子系統(tǒng)

ZigBee無線通訊子系統(tǒng)包括采摘機器人平臺、ZigBee無線通訊模塊及單片機控制系統(tǒng)3部分，實現(xiàn)PC機、采摘機器人決策子系統(tǒng)及視頻采集子系統(tǒng)之間的信息交換。ZigBee無線通訊子系統(tǒng)處理框架如圖7所示。

圖7 ZigBee無線通訊子系統(tǒng)處理框架Fig.7 The subsystem processing framework of ZigBee wireless communication

本系統(tǒng)的單片機控制系統(tǒng)由ZigBee網(wǎng)關、ZigBee參考節(jié)點、HMI軟件平臺、SPI、電源模塊、控制器、電機傳動和傳感器等構(gòu)成。工作原理為：由HMI軟件平臺根據(jù)參考節(jié)點信息做出決策，并將信息通過SPI串口傳送給ZigBee網(wǎng)關，由其發(fā)射出去；然后由采摘機器人上的ZigBee無線通信模塊接收命令，交給控制器處理后由運動控制機構(gòu)執(zhí)行；同時，采摘機器人上的視頻傳感器會根據(jù)采集到的環(huán)境信息，通過ZigBee無線通信模塊傳輸給后臺PC，由PC端根據(jù)反饋的數(shù)據(jù)進行分析而采取避障措施。

3 采摘機器人自主避障設計

本文選用的CCD視頻傳感器和舵向角度傳感器很難建立一個準確的實時環(huán)境模型，來規(guī)劃采摘機器人的運動行為。一般經(jīng)典的控制方法需要建立數(shù)學模型，為了解決這一復雜的建模過程，本文采用模糊控制理論進行采摘機器人的自主避障設計。該方法將多個相聯(lián)系的對象組成一個整體，系統(tǒng)采用模糊語言形式構(gòu)成一個閉環(huán)控制系統(tǒng)。模糊控制系統(tǒng)主要包括知識庫、模糊器、解模糊器和推理單元等部分，如圖8所示。

圖8 模糊控制系統(tǒng)結(jié)構(gòu)Fig.8 The system structure of fuzzy control

本采摘機器人避障算法運用模糊控制算法，采用IF-Then對其與障礙物的位置關系進行闡述：若障礙物在機器人正前方或者右前方，則采取左轉(zhuǎn)避開策略；若障礙物在機器人左前方，則采取右轉(zhuǎn)避開策略。采摘機器人模糊控制系統(tǒng)根據(jù)視頻采集圖像信息融合結(jié)果，結(jié)合機器人當前位姿信息，制定出合理的避障決策，即求解出偏轉(zhuǎn)角度和移動速度。

根據(jù)實際設計需要，設定障礙物距離信息分別由L-sensor(左方)， F-sensor(前方)和 R-sensor(右方)表示；碰撞危險度子集為{Z,S,M,B}，分別表示無、小、中和大；控制策略信息分別為：VL(左前進速度)、VR(右前進速度)和θ(偏轉(zhuǎn)角)；左右前進方向速度子集為{停止，較慢，適合，較快，全速}={stop,slow,med,fast,full}；偏轉(zhuǎn)角子集為{負大，負小，直行，正小，正大}={NB，NS，Z，PS，PB}，角度范圍為正負60°；根據(jù)公式(1)，選擇a=1，b=1。根據(jù)經(jīng)驗計算得到的控制規(guī)則如表1所示。

表1 模糊控制規(guī)則表Table 1 The rule table of fuzzy control

續(xù)表1

根據(jù)采摘機器人碰撞危險度和經(jīng)驗，可以得到機器人的偏轉(zhuǎn)角度和移動速度，然后成功避開障礙物。

4 試驗結(jié)果分析

為了驗證該智能避障決策系統(tǒng)是否能夠滿足設計需要，運用上述碰撞危險度和模糊控制原理，采用MabLab仿真軟件進行采摘機器人避障試驗，試驗分為兩個：第1個試驗中目標終點只有1個，第2個試驗中目標終點有2個。仿真結(jié)果如圖9、圖10所示。

圖9 仿真結(jié)果1Fig.9 Simulation results 1

圖10 仿真結(jié)果2Fig.10 Simulation results 2

圖9和圖10中，S為采摘機器人起點，M為中點，E為終點，1、2、3、4和5為形狀規(guī)則的障礙物。仿真結(jié)果表明：系統(tǒng)可以安全避開障礙物，且可以自主規(guī)劃最優(yōu)避障路徑，符合設計要求，證明了智能避障決策系統(tǒng)的可靠性和可行性。

5 結(jié)論

針對采摘機器人在作業(yè)過程中障礙物多、避障路徑規(guī)劃難度大等問題，對其進行了相關研究。首先，文中引入碰撞危險度和模糊控制理論，將障礙物的坐標和角度信息作為碰撞危險度輸入條件，實現(xiàn)障礙物與采摘機器人間的準確描述。同時，通過ZigBee無線通信模塊將數(shù)據(jù)信息傳輸給后臺PC，由PC端根據(jù)反饋到的數(shù)據(jù)分析做出避障措施。仿真試驗結(jié)果表明：系統(tǒng)可以安全避開障礙物，而且可以自主規(guī)劃最優(yōu)避障路徑，符合設計要求。