馬洪濤

(河南藝術(shù)職業(yè)學(xué)院,鄭州 451464)

0 引言

隨著計算機技術(shù)的進步,以及視覺圖像獲取與轉(zhuǎn)換的深度發(fā)展,我國的采摘機具不斷向智能化、無人化方向演變。據(jù)了解,在大規(guī)模種植地區(qū),已將采摘機器人投入使用,大大降低了人工勞動成本,提高了采摘作業(yè)率。但是,農(nóng)業(yè)采摘作業(yè)環(huán)境的不確定、封閉采摘狀態(tài)及作物的分布性質(zhì)各異等因素,給智能采摘機器人作業(yè)帶來了新的挑戰(zhàn),相關(guān)專家學(xué)者近年來均做出不同程度的研究努力。在廣泛發(fā)展的排球?qū)I(yè),各類排球打法依據(jù)一定的運動規(guī)律被應(yīng)用到實際,排球機器人則是一種集目標視覺識別、預(yù)測、判定、規(guī)劃及動作等多功能于一體的智能機器,其控制核心在于目標的識別與定位。為此,本文從排球機器人的運動規(guī)劃機理角度入手,著重對采摘機器人的識別與定位目標環(huán)節(jié)展開研究。

1 采摘機器人工作原理

果實采摘機器人是一種模擬人工進行動作的機器,工作原理可概要描述為:在一定的指令下,通過采摘圖像識別與轉(zhuǎn)換、數(shù)據(jù)傳遞與控制,將感性化的視覺狀態(tài)轉(zhuǎn)化為可量化的數(shù)字,實現(xiàn)采摘避障及處理復(fù)雜采摘環(huán)境的功能,形成規(guī)則化的運動采摘軌跡。其工作組件主要由各類圖像采集與轉(zhuǎn)換功能構(gòu)成的視覺系統(tǒng)、識別與預(yù)測運動路徑的自動引導(dǎo)裝置、進行采摘動作的末端執(zhí)行的抓取系統(tǒng),以及具有信息反饋調(diào)節(jié)、算法控制功能的電腦終端組成,各組件在高度協(xié)調(diào)配合下完成采摘作業(yè),如圖1所示。

圖1 采摘機器人工作組件構(gòu)成圖

工作時,視覺系統(tǒng)對采摘圖像進行濾波、均衡化與圖像分割處理后,傳遞至采摘機器人的中控系統(tǒng),經(jīng)數(shù)據(jù)處理轉(zhuǎn)換至采摘末端執(zhí)行器;機器人的執(zhí)行臂給出準確的角度范圍與關(guān)鍵動作范圍,保證了采摘運動規(guī)劃的自主避障移動、轉(zhuǎn)向角度及次數(shù)的實現(xiàn)等。采摘機器人的D-H參數(shù)如表1所示。

表1 采摘機器人的D-H參數(shù)設(shè)置表

續(xù)表1

2 運動規(guī)劃與采摘功能實現(xiàn)

2.1 采摘控制理論模型建立

果實采摘控制目標的準確實現(xiàn),關(guān)鍵在于對果實的視覺搜索、識別與定位。結(jié)合排球的核心運動動力學(xué)算法規(guī)劃理念,并加之較為準確的信息感知處理技術(shù),考慮排球運動的旋轉(zhuǎn)角度與落地位置關(guān)系、采摘機器臂的運動軌跡及運動控制要求,建立如圖2所示的采摘機器人運動識別與定位坐標系。

圖2 采摘機器人運動識別與定位參考坐標系

設(shè)(X,Y,Φ)為采摘機器人的位置坐標,(Xin,Yin,Φin)為預(yù)設(shè)定運動坐標,并在采摘定位算法的控制下(流程見圖3)建立采摘機器人運動控制理論模型為

(1)

(2)

式中vr—采摘機器人運動線速度;

ωr—采摘機器人運動角速度;

c1、c2、c3—核心運動控制算法的正增益參數(shù)值;

eD—采摘機器人的驅(qū)動控制方向角度;

eL—采摘機器人的驅(qū)動控制下一個新的方向角度;

eθ—采摘機器人的驅(qū)動控制轉(zhuǎn)向角度誤差。

圖3 采摘機器人定位算法流程簡圖

2.2 排球運動規(guī)劃與采摘定位結(jié)合

將排球機器人的運動規(guī)劃原理與采摘定位以一定的內(nèi)控規(guī)則相融合,通過對采摘環(huán)境進行判定及圖像的轉(zhuǎn)換處理,排球運動模型智能體與采摘機械臂運動規(guī)劃智能體在中心關(guān)節(jié)運動管控調(diào)節(jié)器下達到一致性的定位要求。對于動作優(yōu)化選擇,可操作度作為采摘機械臂的位姿操控指標,進行目標定位,即

(3)

(4)

式中 (m,n)—采摘機器人視覺系統(tǒng)的像素點坐標;

M—采摘機器人作業(yè)選定的工作區(qū)域;

Xi(g+m,l+n) —采摘機器人視覺系統(tǒng)的像素灰度;

Xi-1(g,l) —采摘機器人視覺系統(tǒng)的前一個像素灰度;

η(xi)—采摘機器人視覺系統(tǒng)獲取參數(shù)前后的誤差;

ω(xi)—采摘計算點x的權(quán)重比例;

K(i) —采摘機器人運動軌跡控制的核心函數(shù)。

2.3 基于采摘系統(tǒng)搭建

排球機器人運動規(guī)劃下的采摘系統(tǒng)搭建,主要是對信息的采集與路徑的規(guī)劃做出準確響應(yīng),以迅速性、自動反饋性為特征,如圖4所示。

基于采摘機器人需要的采摘功能與識別定位準確度,形成排球機器人運動規(guī)則下的采摘機器人系統(tǒng)硬件配置(見表2),主要包含攝像機的型號選取、運動控制卡的匹配和相應(yīng)的電機驅(qū)動部件等。

表2 排球機器人運動規(guī)劃下的采摘機器人系統(tǒng)硬件配置

續(xù)表2

為實現(xiàn)采摘的快速識別與準確定位,進一步對采摘機器人的軟件系統(tǒng)優(yōu)化,定位流程如圖5所示。工作時,通過讀取左右攝像機的信息并同步跟蹤校正,經(jīng)果實目標分割手段處理與行程編碼區(qū)域標記后告知采摘機器人的定位模塊最優(yōu)采摘目標,從而進行特征點與互相關(guān)性系統(tǒng)匹配,確保圖像視覺誤差的基礎(chǔ)上,融入雙目識別模型進行定位。

圖5 排球機器人運動規(guī)劃下的采摘機器人系統(tǒng)識別定位軟件設(shè)計流程Fig.5 Design flow of recognition and positioning software for picking robot system under volleyball robot motion planning

針對采摘識別與定位的關(guān)鍵信號網(wǎng)絡(luò)傳輸,設(shè)計采摘機器人識別與定位的無線傳感網(wǎng)絡(luò)抽象控制結(jié)構(gòu),如圖6所示。該結(jié)構(gòu)基于采摘信息數(shù)據(jù)的采集、處理與傳輸單元進行布置。其中,數(shù)據(jù)處理單元管控著信息流、數(shù)據(jù)流的走向,多種功能性傳感裝置在多個模塊下協(xié)作進行信息處理,高精度、實時地進行數(shù)據(jù)采集調(diào)控。片段控制指令代碼如下:

Def Validate ((x1,y1),(x2,y2))

Broadcast(val_request)

(x,y,d)=Receive(val_refrences)

Broadcast(restrain_request)

d1=[(x1-x)2+(y1-y)2]1/2

d2=[(x2-x)2+(y2-y)2]1/2

if(|d-d1|>|d-d2|)

return(x2,y2)

else return(x1,y1)

……

Def main():

Broadcast(loc_request)

L=Receive(loc_ refrences)

L1,L2=partition(L)

If(length(L2)==0)

return Computer(L1)

else

(x1,y1)= Computer(L1)

(x2,y2)= Computer(L2)

Return Validate((x1,y1),(x2,y2))

圖6 采摘機器人識別與定位的無線傳感網(wǎng)絡(luò)抽象機構(gòu)圖Fig.6 Abstract mechanism diagram of wireless sensor network for picking robot recognition and localization

3 采摘識別與定位試驗

3.1 試驗條件

進行排球機器人運動規(guī)劃下的采摘機器人識別與定位試驗,圖7為選定的試驗素材。試驗條件設(shè)置:①采摘作業(yè)環(huán)境選定無風(fēng)雨的干擾狀態(tài),保證信息獲取平穩(wěn)性;②各采摘部件動作平滑,無中斷;③采摘機器人軟件控制系統(tǒng)正常運行等。

圖7 排球機器人運動規(guī)劃下的采摘識別定位試驗素材

3.2 試驗分析

通過試驗過程中目標與定位圖像的有效抓取,獲得采摘機器人對采摘果實的主要處理過程,如圖8所示。在目標位置形成區(qū)域邊緣二值圖,通過霍夫算法進行線段的分布檢測,最終通過系列判定求解得到目標采摘點,從而驅(qū)動采摘執(zhí)行臂進行動作。

選取對單個果實進行采摘的關(guān)鍵控制時間作為過程評價指標,選取果實采摘定位準確率作為綜合評價指標,對該采摘識別與定位試驗數(shù)據(jù)進行統(tǒng)計分析,形成試驗數(shù)據(jù),如表3所示。由表3可知:在排球機器人運動規(guī)劃與控制機理下,試驗次數(shù)選取20～50之間不等,獲取得采摘圖像識別時間范圍為0.435～0.513s之間,說明圖像識別的設(shè)計波動不大,具有一定的平穩(wěn)性;采摘定位時間控制在0.6s左右,且采摘機器人的定位準確率保持在93.8%以上,試驗可行。

圖8 采摘機器人目標識別與定位主要處理過程

表3 排球機器人運動規(guī)劃下的智能采摘識別與定位試驗數(shù)據(jù)對比Table 3 Comparison of intelligent picking recognition and location test data under volleyball robot motion planning

4 結(jié)論

1)將排球機器人的運動規(guī)劃原理與采摘機器人的控制要求進行融合,針對采摘的識別與定位系統(tǒng)展開設(shè)計,搭建了采摘機器人對果實的識別定位理論模型,進而通過軟件系統(tǒng)后臺指令控制與硬件配置動作執(zhí)行協(xié)調(diào)形成完整的識別定位系統(tǒng)。

2)著重運用圖像識別與處理算法,利用多功能性傳感裝置實現(xiàn)信息數(shù)據(jù)的采集與傳輸,實現(xiàn)準確、實時地定位目標,并進行采摘機器人的識別與定位試驗。

3)試驗表明:在排球機器人運動規(guī)劃與控制機理下,系統(tǒng)的圖像識別功能保證一定的平穩(wěn)性,采摘定位時間控制在0.6s左右,綜合定位準確率保持在93.8%以上,驗證了該設(shè)計理念的可行性,可為其他類似農(nóng)用設(shè)備的定位功能提供一定參考。