摘 要：為了提升智能除草機器人的作業(yè)效率，本文進行了路徑規(guī)劃技術(shù)研究。對智能除草機器人進行本體和控制軟件的框架設(shè)計，并重點針對路徑規(guī)劃問題提出基于可變觀察窗的局部規(guī)劃方法，在局部規(guī)劃的過程中利用深度學(xué)習(xí)完成綜合信息融合，進一步提升路徑規(guī)劃結(jié)果的可信度。試驗結(jié)果顯示，本文所提方法可以成功躲避移動障礙，在除草機器人不停車的情況下持續(xù)行進和除草。與CNN方法進行比較可知，本文所提方法具有更高的路徑規(guī)劃效率。

關(guān)鍵詞：智能除草；機器人；路徑規(guī)劃；動態(tài)障礙

中圖分類號：S 23" " " " 文獻標志碼：A

機器人是自主化解決特定任務(wù)的重要智能設(shè)備，是人類科學(xué)技術(shù)發(fā)展到較高水平的重要產(chǎn)物。目前，機器人已經(jīng)在很多領(lǐng)域中具有廣泛應(yīng)用，例如工業(yè)生產(chǎn)線、危險環(huán)境搜救和生活家居[1]。其中，智能除草機器人是非常具有實用價值的一種應(yīng)用。人們對農(nóng)業(yè)生產(chǎn)日益重視，對農(nóng)田中雜草的清除需求不斷增加。為了有效清除農(nóng)田雜草，需要不斷進行除草作業(yè)，不僅需要大量的人工支出，而且除草員的技術(shù)經(jīng)驗、身體狀況也會影響工作效率。尤其是在夏季高溫條件下，持續(xù)的除草作業(yè)也會給除草員的身體造成相當強度的傷害。與機器人的其他種類工作相比，除草工作具有重復(fù)性和規(guī)律性，也不需要配置過于復(fù)雜的操作工具，理論上是容易實現(xiàn)的[2]。路徑規(guī)劃是除草機器人的核心任務(wù)。路徑規(guī)劃不僅可以給除草機器人提供更安全的路徑，成功躲避障礙和碰撞，而且可以更好地覆蓋作業(yè)區(qū)域，提升作業(yè)效率[3]。尤其是在非規(guī)則區(qū)域，路徑規(guī)劃對完成除草任務(wù)具有更重要意義。本文以此為核心研究內(nèi)容，進行相應(yīng)的研究工作。

1 智能除草機器人的框架設(shè)計

機器人是包括感知單元、運動單元、控制單元和操作單元的復(fù)雜系統(tǒng)，雖然除草機器人的功能并不復(fù)雜，但是也要具備一般機器人的結(jié)構(gòu)。因此，本文給出智能除草機器人的框架設(shè)計，設(shè)計過程包括結(jié)構(gòu)設(shè)計和軟件設(shè)計。其中，經(jīng)過結(jié)構(gòu)設(shè)計，可以得到機器人本體，它是各種功能得以實現(xiàn)的硬件載體，軟件設(shè)計是以程序為主且能夠?qū)崿F(xiàn)除草等各項功能的關(guān)鍵。

為了保證智能除草機器人能夠在農(nóng)田上行進，一般要配置一個攜帶運動機構(gòu)的底盤，運動方式包括履帶式行進和輪式行進等。為了避免履帶式行進機構(gòu)對農(nóng)田的碾壓和破壞，本文采用輪式設(shè)計。除草機器人能夠自我感知周圍環(huán)境，以便移動、除草，因此傳感系統(tǒng)也是非常重要的單元。對具有自主移動功能的除草機器人來說，可以利用攝像機、光譜儀、超聲傳感器和激光雷達傳感器等完成目標識別和障礙測距。本文采用攝像機配置圖像處理的方法完成傳感系統(tǒng)設(shè)計。執(zhí)行機構(gòu)是完成除草作業(yè)的關(guān)鍵單元，包括刀片、旋轉(zhuǎn)鋤頭、激光鋤頭和高壓鋤頭，本文選擇機械式旋轉(zhuǎn)鋤頭。

除草機器人的軟件核心是控制單元，這是各種功能得以實現(xiàn)、彼此協(xié)調(diào)的中樞?？刂栖浖〝?shù)據(jù)采集、數(shù)據(jù)處理和通信等傳感軟件，將傳感器信息接入，以使機器人具有對周圍環(huán)境的感知能力。在機器人的移動方面，路徑規(guī)劃軟件具有非常重要的作用，為除草機器人躲避障礙、尋找路徑和自主行走奠定了基礎(chǔ)。本文以路徑規(guī)劃技術(shù)為核心內(nèi)容進行后續(xù)的研究工作。綜上所述，智能除草機器人的框架設(shè)計如圖1所示。

2 智能除草機器人路徑規(guī)劃方法設(shè)計

2.1 可變觀察窗規(guī)劃

在一塊農(nóng)田的除草任務(wù)中，通暢全局地圖是已知的。因此，農(nóng)田的全局信息成為智能除草機器人的先驗知識。但是，考慮作業(yè)環(huán)境并不是一直穩(wěn)定的，在局部點位上可能會出現(xiàn)新增的障礙信息，例如停落的飛鳥、人為擺放的物品等。因此，智能除草機器人還要具有局部路徑規(guī)劃的能力。綜上所述，智能除草機器人的路徑規(guī)劃是典型的全局-局部路徑規(guī)劃方法。

考慮智能除草機器人攜帶的傳感器為攝像機，其觀察視野有限，因此將其對局部地圖的感知能力定義為一個觀察窗。隨著智能除草機器人位置不斷移動，這個觀察窗也在不斷變化，形成了一個可變的觀察窗。因此，本文構(gòu)建的局部規(guī)劃就是一個可變觀察窗的規(guī)劃方法。

在可變觀察窗口內(nèi)，存在多條可以行進或移動的路徑，智能除草機器人需要進行判斷和篩選。在均可通行的情況下，到達時間最短成為更優(yōu)路徑。如何能夠獲得最短的到達時間，取決于智能除草機器人的車體線速度，即智能除草機器人車輪的角速度。據(jù)此，形成的可變觀察窗規(guī)劃方法的優(yōu)化函數(shù)如公式（1）所示。

式中：v代表智能除草機器人的車體線速度；ω代表智能除草機器人車輪的角速度；L（v，ω）代表包括機器人車體線速度和車輪角速度的路徑規(guī)劃優(yōu)化函數(shù)；h（v，ω）代表包括機器人車體線速度和車輪角速度的方向函數(shù)；d（v，ω）代表包括機器人車體線速度和車輪角速度的距離函數(shù)；（v，ω）代表包括機器人車體線速度和車輪角速度的最大速度函數(shù)；α代表包括機器人車體線速度和車輪角速度的方向函數(shù)權(quán)重；β代表包括機器人車體線速度和車輪角速度的距離函數(shù)權(quán)重；γ代表包括機器人車體線速度和車輪角速度的最大速度函數(shù)權(quán)重；??（?）代表歸一化處理函數(shù)。

式中：vmin代表智能除草機器人的車體線速度的最小值；vmax代表智能除草機器人的車體線速度的最大值；ωmin代表智能除草機器人車輪的角速度的最小值；ωmax代表智能除草機器人車輪的角速度的最大值。

2.2 綜合信息的深度融合處理

智能除草機器人的路徑規(guī)劃是一個非常復(fù)雜的問題，除了車體線速度、車輪角速度、當前位置和目標位置外，還要考慮固定障礙、移動障礙的相關(guān)信息，尤其是機器人已經(jīng)走過的路徑信息，也可以作為進一步規(guī)劃的依據(jù)。從時間維度和空間維度來看，距離除草機器人越近的信息，參考價值越大。臨近信息場的分布如圖2所示。

從圖2可以看出，虛線所表示的機器人視野窗口包括可以行駛的區(qū)域、不能行駛的區(qū)域、固定障礙、移動障礙、機器人本體和可以行進的路徑等。隨著可變窗口位置不斷調(diào)整，窗口內(nèi)的各種信息也會不斷變化。這些信息要不斷更新，為進一步的路徑規(guī)劃提供參考依據(jù)。

為了同時融合如此多種類的信息，并形成篩選判斷和優(yōu)化決策，運用深度學(xué)習(xí)是最好的選擇。本文在深度學(xué)習(xí)網(wǎng)絡(luò)中選擇普適性最佳的CNN網(wǎng)絡(luò)，分別設(shè)置7個卷積層和4個連接層，對持續(xù)輸入的數(shù)據(jù)不斷進行優(yōu)化處理。輸入端將車體線速度、車輪角速度、目標位置、當前位置、障礙信息和路徑行進歷史信息送入CNN網(wǎng)絡(luò)學(xué)習(xí)。深度網(wǎng)絡(luò)中共包括400個神經(jīng)元，經(jīng)過不斷的迭代優(yōu)化，得到有關(guān)路徑的最佳判斷依據(jù)和優(yōu)化結(jié)果。

3 智能除草機器人路徑規(guī)劃方法試驗

上文對智能除草機器人進行了本體和控制軟件的框架設(shè)計，并重點針對路徑規(guī)劃問題提出了基于可變觀察窗的局部規(guī)劃方法，在局部規(guī)劃的過程中還利用深度學(xué)習(xí)完成綜合信息融合，進一步提升了路徑規(guī)劃結(jié)果的可信度。下文將進行除草機器人路徑規(guī)劃試驗，驗證所提方法是否有效。

在試驗過程中，設(shè)定局部窗口可以采集的地圖信息為10×15的柵格區(qū)域，同時存在固定障礙和移動障礙。移動障礙位置具有可變性，對路徑規(guī)劃具有更大的影響。除草機器人在路徑規(guī)劃過程中遇到的場景如圖3所示。

在這個場景中，深色填充柵格為固定障礙所在區(qū)域，除草機器人無法行走。白色柵格為可行駛區(qū)域，除草機器人從C點穿行左、右固定障礙區(qū)域到達B點，其目標位置是F點。從B點到F點的可行路徑有3條，如圖3中的虛線所示。但是，在這一區(qū)域內(nèi)存在一個移動障礙O，正好從除草機器人的前方經(jīng)過。此時，使用本文提出的路徑規(guī)劃方法得到的最終路徑如圖4所示。

從圖4可以看出，在可變觀察窗局部路徑規(guī)劃方法下，除草機器人在3條可行路徑中，選擇了最左側(cè)的路徑。原因是傳感系統(tǒng)觀察到移動障礙O的移動方向，會相繼阻擋中間的路徑和右側(cè)的路徑，而除草機器人如果選擇這2條路徑，就不得不停止移動，從而降低除草效率。

比較本文所提路徑規(guī)劃方法和CNN方法完成路徑規(guī)劃的效果，除草機器人除草效率提升程度如圖5所示。

從圖5可以看出，本文方法在局部可變窗的加持下具有更高的路徑規(guī)劃效率，間接提升了除草效率。與CNN方法的規(guī)劃結(jié)果相比，本文方法普遍提升了約10% 。

4 結(jié)論

隨著自動化和人工智能技術(shù)飛速發(fā)展，機器人在各個領(lǐng)域得到了廣泛應(yīng)用。在城市綠地的管理和維護方面，機器人同樣發(fā)揮了更高效的作用。在綠地除草方面，具有特殊功能的除草機器人可以代替人類更好地執(zhí)行除草作業(yè)任務(wù)。在完成除草作業(yè)的過程中，如何進行有效的路徑規(guī)劃是非常關(guān)鍵的一環(huán)。對整個草坪的全局已知地圖信息來說，在局部區(qū)域存在未知信息會對路徑規(guī)劃產(chǎn)生更重要的影響。本文針對這樣的問題，建立了一種新的路徑規(guī)劃方法，可以更好地服務(wù)于除草機器人的作業(yè)任務(wù)。

參考文獻

[1]梁世勛，丁寧寧，劉健.大型自主水下機器人全局靜態(tài)與局部動態(tài)融合路徑規(guī)劃方法[J].艦船科學(xué)技術(shù)，2021，43（11）：83-89，94.

[2]馬耀鋒，李紅麗.割草機器人自動控制系統(tǒng)—基于智能視覺和人工算法[J].農(nóng)機化研究，2020，42（8）：222-226.

[3]郭典新，高龍琴，李志昂，等.割草機器人全覆蓋式路徑規(guī)劃平臺設(shè)計與實現(xiàn)[J].現(xiàn)代制造工程，2023，35（11）：401-407.

作者簡介：林星燁（1988—），男，廣西玉林市人，本科，工程師、實驗師，研究方向為智能設(shè)備與工業(yè)機器人方向。

電子郵箱：114527391@qq.com。