基于MiroSot系统的苹果采摘机器人路径规划研究

梁 硕

(河南工业职业技术学院，河南 南阳 473000)

0 引言

随着人工智能、多传感技术、图像处理技术和智能控制等技术的快速发展和广泛应用，移动机器人获得了很大的进步和发展。我国作为一个农业大国，需要采摘机器人这种具有一定智慧能力的农业机器人，以提高农业种植效率、减少人工劳动力。该路径规划系统将能大大减少机器人在相同区域行走的次数，极大程度地提高机器人效率，为采摘机器人的实时路径规划提供强大助力。

1 MiroSot机器人路径规划系统

MiroSot机器人在比赛过程的任务是将球踢进对方球门，而使本方尽量少失球。MiroSot机器人不仅包括复杂的控制软件，硬件设备的复杂程度也较高，包括计算机系统、决策系统、视觉系统和通讯系统。因此，MiroSot机器人路径规划系统由很多简单的模块组成，各个子模块(系统)依靠各自的传感器设备感知环境信息，并配合机器人执行器进行避障、路径规划等操作，在复杂的环境中共同为机器人的运动保驾护航。MiroSot机器人路径规划系统如图1所示。该路径规划系统的各个子系统相对比较复杂，其核心部分包括决策、视觉和通讯3个子系统。其中，视觉系统由CCD摄像头和视频解码器构成，任务是充当机器人的眼睛，主要是获取场地上所有机器人包括自身及球的位置关系；决策系统根式根据CCD摄像头采集的图像信息进行信息的提炼，并结合动作策略库，规划出机器人的移动的路径，从而决定各个机器人的运动控制命令；通讯系统采用ZigBee无线传输模式，计算机控制系统作为ZigBee协调器，而己方MiroSot机器人机身上搭载有ZigBee终端节点，计算机系统指令通过协调器发送给终端节点，然后由其控制器进行处理和响应。

图1 MiroSot机器人路径规划系统

机器人路径规划实质是：在复杂的环境中，根据传感器获得的环境信息、目标物及障碍物之间的位置信息，实时对移动路径进行规划，寻找一条从机器人起始位置到目标位置的无碰撞路径。在机器人移动过程中，环境中机器人群、障碍物位置和目标位置的分布情况会很大程度地影响机器人的路径规划。

栅格法是指将机器人的移动环境按机器人的大小分割成若干网络格子，且假定在机器人移动过程中，环境信息不会有变化。在路径规划前，根据已经获取到的环境信息，给每个栅格做上标记：若栅格单元有障碍物，用1表示；反之，用0表示。这样，栅格块可以分为自由空间和障碍物两种。自由空间可以随便进行移动，而障碍物栅格则需要避开。在实际应用中，栅格的标识分为直角坐标和序号两种方法。直角坐标标识法是以栅格左上角为原点建立坐标系[见图2(a)]，一个栅格单元与直角坐标(x,y)对应。序号法是按从左至右、从上至下顺序对栅格单元进行编号[见图2(b)]。

图2 栅格法标识的两种方法

软件编程过程中，序号法只需要1个一维数组便可以将环境信息全部存储下来，而直角坐标法则需要1个二维数组。相比而言，序号法计算更加简单，运行效率也比较高。

局部路径规划控制方法主要有人工势场、遗传算法、神经网络和模糊控制4种方法。其中，遗传算法有比较强的全局搜索能力，适合求解离散问题。因此，根据MiroSot机器人在比赛中的运动特性，在局部路径规划中采用遗传算法方法。下面主要介绍遗传算法。

遗传算法是模拟生物自然选择和遗传生物进化过程中的繁殖、杂交、变异、竞争和选择等操作的计算模型，是一种路径搜索最优解的方法。该方法以遗传和进化理论为基础，构造一类随机的搜索算法，具有适用面广、多点搜索、鲁棒性好、自适应强及并行性高的特点。遗传算法解决机器人局部路径规划的流程如图3所示。

图3 遗传算法流程

2 苹果采摘机器人路径规划系统

苹果采摘机器人路径规划控制系统以意法半导体ST公司的STM32F103处理器为核心。该处理器内核采用32位的Cortex-M3的CPU，能够兼容16位和32位的Thumb-2指令集架构，芯片片上资源丰富，多达80个I/O口、16个外部中断、7个定时器、2个ADC及9个通信接口。本文根据苹果采摘机器人特殊需求，设计了该路径规划控制系统。系统总体方案框架如图4所示。

图4 系统总体方案框架图

视频解码器是微处理器获取CCD传感器信息途径中重要的一个器件，本文的采摘机器人路径规划系统采用TI公司的TVP5150视频解码芯片。该芯片采用四面32脚封装，在实际开发中电路板布局比较简单；另外，该芯片具有超低功耗的特点，在正常使用过程中功耗只有115mW左右，适用于电池供电的移动设备。TVP5150视频解码电路框图如图5所示。

图5 TVP5150视频解码电路框图

视频图像信号进入芯片AIPLH管脚输入，经过TVP5150视频解码芯片，将模拟信号转化为数字信号，然后发送给STM32微处理器进行特征值和二值化等图像处理，对采摘机器人周边环境状况进行判断，进而进行路径规划。

本文研究的苹果采摘机器人路径规划系统软件采用模块化编程的方法，进行各个子系统软件的开发。在开发中，软件开发环境采用Keil MDK平台，该平台提供了包括C编译器、汇编器、链接，以及动态、静态库管理的开发方案。平台界面友好，简单易学，具有强大的在线仿真和调试功能。苹果采摘机器人路径规划系统软件主流程如图6所示。系统上电后，软件首先会进行一系列的初始化，然后对CCD摄像机获取的图像信息进行处理，并依靠决策系统对机器人将要走的路径进行有效规划；得到路径规划结果后，根据结果驱动电机进行运动操作，使机器人能够及时躲避障碍物并到达目的地。

3 苹果采摘机器人路径规划系统的研究

机器人进行路径规划时，首先需要将作业环境模型转为合适的离散坐标图，即将机器人位置、环境中障碍物位置等空间进行有效描述，方便控制系统判断机器人和障碍物的位姿，从而进行路径规划。现实环境空间转换为结构空间示意图如图7所示。

现实环境空间转换为结构空间的方法很多，其中栅格法使用较多。由于在栅格地图中一定存在从机器人起点到终点的路径，因此利用该栅格法一定可以建模并求出机器人移动路径的最优路线。为了简化机器人路径规划算法，本文采用栅格法进行环境建模，如图8所示。

图6 路径规划系统软件主流程图

图7 现实环境空间转换为结构空间示意图

图8 建立栅格法环境模型

建立栅格法环境模型，其实是在环境空间中叠加一个平面网格。如果环境区域有障碍物或其他目标物体，则相应的位置上被标记为1，其他可运动位置则标记为0；最后将网格的每个中心点连接起来，就形成了一个连接图。

建立栅格法环境模型的步骤流程为：

1)根据采摘机器人与其作业区域进行栅格划分；

2)对栅格区域进行排序；

3)假设机器人能够从8个方向进行移动，其当前机器人所在栅格为中心栅格，顺时针从8个方向探测环境信息；

4)建立栅格法环境模型后，开始对障碍物物质进行检测和判断，并根据结果对应的栅格的序号值进行“0”或“1”的标识；

5)采用全局和局部的方法进行安全的最优路径规划。

4 实验与结果分析

为了验证苹果采摘机器人路径规划系统的实时性和可靠性，在Win7系统下利用MatLab仿真软件实现了该算法的程序设计，并对其进行了仿真实验。实验环境参数设置如下：

1)作业区域环境参数。将区域分为10×10的正方形的栅格，假设障碍物大小的最小单位为一个栅格大小。

2)迭代步长设置为0.03，次数为200次。

3)左下方区域为起点，右上方区域为终点。

4)实验目的是在作业区域，机器人经过改变执行和迭代次数，实现无碰撞的从起点到达终点。试验仿真结果如图9所示。

图9 仿真结果图Fig.9 The simulation results

由图9可以看出：经过多次的执行和迭代，机器人能够成功地实现从出发点到目标点的无碰撞移动，达到了设计要求；系统可以实现采摘机器人的路径规划及无碰撞的最优路径规划，证实了该系统具有很强的避障、全局和局部的路径规划能力。

5 结论

为了解决苹果采摘机器人在实际应用中路径规划难度大、最优解求解困难等问题，将MiroSot机器人路径规划系统应用于苹果采摘机器人中，采用了MiroSot机器人全局和局部路径规划算法，提高了采摘机器人对环境的感知、避障和决策的能力。实验结果表明：系统可以实现无碰撞的最优路径规划，并能够根据环境变化实时地进行局部路径规划，证明了系统的实时性、有效性和可行性。