随着AI和智能控制技术的飞速发展,各类现代化自动农业器械已经慢慢将人类从繁重体力活动中解放出来。目前,随着人们对水果需求的加大,水果种植园区越来越多,而水果采摘季节性强,劳动强度大,需要的劳动力多。针对这一现状,研发出可以自主实现果实采摘的机器人,能够进一步解放农村劳动力,提高生产种植效率。

采摘机器人机械结构如图1所示。

由图1可以看出:采摘机器人采用履带作为动力传输机构,通过可移动平台、机械手臂、伸缩杆、转折臂、夹持器和横向滑动装置保证车载平台和机械手臂的运动,而嵌入式控制设备、伺服电机驱动及传感器控制模块等则保证采摘机器人的定位与导航功能。

采摘机器人自身的相对位置比较容易计算,因此以其作为参照物,根据驱动轮上的转速及机器人机械特点计算采摘机器人的相对位置和位姿。基于差分驱动的采摘机器人运动学模型是以机器人运动速度进行积分计算的过程,随着距离和时间的增加,会大大提高误差,但也可根据模型推测机器人行进轨迹的能力,快速进行机器人定位。

假设滑移效应对采摘机器人转弯产生的角度误差为α,前行和后退运动误差为β,那么采摘机器人的整体结构参数计算表达式为

其中,rL、rR为左右轮履带移动半径;ra为两侧轮真实半径值;rn为公称半径值;b为履带间距;nb为公称履带间距。

如图2所示:o′x′y′为采摘机器人坐标系,oxy为全局直角坐标系,v、ω分别为在采摘机器人坐标系下的直线运动速度和角速度,则采摘机器人移动速度表达式为

采摘机器人差分运动过程示意,如图3所示。假设在δt这一段时间内,采摘机器人从P移动至P′,移动轨迹为一段以O为圆心、R为半径的圆弧,A⌢A⌢′$\stackrel{⌢}{A}\stackrel{⌢}{A}{}^{´}$和B⌢B⌢′$\stackrel{⌢}{B}\stackrel{⌢}{B}{}^{´}$分别为左右两侧履带行驶轨迹,△θ为采摘机器人转过的角度,(x0,y0,θ0)和(x,y,θ)分别为采摘机器人在AB和A′B′位置时的位姿。

由图3可以看出,采摘机器人差分运动过程的几何关系为

根据式(3)可得

ω=vR−vLb=rRωR−rLωLb$\omega =\frac{v{}_R-v{}_L}{b}=\frac{r{}_R\omega {}_R-r{}_L\omega {}_L}{b}$ (4)

R=2vL+bω2ω$R=\frac{2v{}_L+b\omega }{2\omega }$ (5)

其中,ωL、ωR分别为两侧履带轮转动速度。

结合式(4)、式(5),可以计算出采摘机器人的直线速度,即

那么,进一步求出采摘机器人在采摘机器人坐标系下的速度为

采摘机器人转弯半径为

R=vω=b2∣∣vR+vLvR−vL∣∣$R=\frac{v}{\omega }=\frac{b}{2}\left|\frac{v{}_R+v{}_L}{v{}_R-v{}_L}\right|$ (8)

在δt这一段时间内,采摘机器人的旋转角度求解表达式为

Δθ=ω·δt (9)

后,采摘机器人位置AB和位置A′B′的位姿变化表达式为

根据这一模型便可以推测机器人行进轨迹的能力,能够快速进行机器人定位。

采摘机器人路径规划和导航是根据周边工作环境、目标坐标或者移动位置序列,结合传感器模块的数据信息,由嵌入式智能控制系统驱动控制采摘机器人以优的路径有效和可靠地移动至目标位置。采摘机器人系统约束条件并不是很完整,还存在较多不确定性,因此研究其路径规划的首要条件是建立完整的数学模型,然后在此基础上进行分析和研究。采摘机器人非完整约束性系统力学公式为

M(q)q⋅⋅+Vm(q,q˙)q˙+F(q˙)+G(q)+τd=BT(q)−AT(q)λ         (11)$\begin{array}{l}{\rm M}(q)\stackrel{\cdot \cdot }{{\displaystyle q}}+V{}_m(q,\dot{q})\dot{q}+F(\dot{q})+G(q)+\tau {}_d=\\ B{}^{\text{Τ}}(q)-A{}^{\text{Τ}}(q)\lambda (11)\end{array}$

其中,M(q)为n阶正定矩阵,q为机器人状态向量,Vm为哥氏向心力,B(q)为变化矩阵。

选择一组如下的零空间基准向量集,即

A(q)S(q)=0 (12)

令v=(v1,v2,…,vn-m)T,结合式(12)和式(13)可得

q˙=S(q)v$\dot{q}=S(q)v$ (13)

两边同时求导后有

q⋅⋅=S(q)v˙+S˙(q)v$\stackrel{\cdot \cdot }{{\displaystyle q}}=S(q)\dot{v}+\dot{S}(q)v$ (14)

将式(11)、式(14)简化后可得

对于驱动自主的采摘机器人,其运动学坐标如图4所示。

从采摘机器人运动学坐标示意图可以看出,采摘机器人以重心作为参考点的运动学表达式为

其中,xsinθ-ysinθ=0。

采摘机器人能够准确地进行控制是解决机器人路径规划的重要因素,而判断该系统是否可以正常控制的具体方程表达式为

rank[s1,s2,[s1,s2,],[s1,[s1,s2,]],[s2,[s1,s2,]]⋯]=3         (17)$\begin{array}{l}rank[s{}_1,s{}_2,\left[s{}_1,s{}_2,\right],\left[s{}_1,\left[s{}_1,s{}_2,\right]\right],\\ \left[s{}_2,\left[s{}_1,s{}_2,\right]\right]\cdots ]=3(17)\end{array}$

在根据采摘机器人动力学方程工程有

可知,

假设S3(q)=[S1S2]$S{}_3(q)=\left[\begin{array}{cc}S{}_1& S{}_2\end{array}\right]$,可以求出{S1, S2,S3,},则表示采摘机器人运动系统可控,能够进行路径规划和导航研究。

采摘机器人导航问题是解决其自身导航和定位问题,急需要解决:①在哪里;②去到哪里;③怎么要去到该处。其中,①是采摘机器人定位问题,②和③是采摘机器人路径规划和导航的问题。那么对采摘机器人实现定位和导航的基本要求有:① 在复杂多变的环境中根据自身传感器模块识别障碍物;② 在移动过程中,嵌入式智能控制系统可以处理定位和路径误差;③ 采摘机器人根据自身传感器避开障碍物,保证其前进和后退时不与外界碰撞;④ 采用合适的路径规划策略,制定出优的移动路径。

采摘机器人车载平台上包括感知环境的传感器组件和控制机器人移动导航的智能控制器。其中,红外线和超声波传感器、光电导航传感器、CCD图像传感器、电机驱动和Exynos4412嵌入式处理器,实现采摘机器人定位和导航功能。其智能导航系统框架如图5所示。

采摘机器人视觉传感器是重要的传感检测设备,采用CCD图像传感器可对环境和目标果实信息进行采集,然后结合红外、超声波传感器采集到的信息,由嵌入式控制系统进行决策分析,实现采摘机器人的运动规划和控制。采摘机器人智能控制视觉子系统控制流程如图6所示。

决策子系统根据图像、红外、超声波等多个传感器采集到的信息,利用嵌入式传感器进行分析和决策,准确控制采摘机器人行为,保证采摘机器人快速、无碰撞的移动。采摘机器人智能控制决策子系统是整个智能控制系统的核心,是采摘机器人智能协作理论研究的基础,其控制流程如图7所示。

为了验证基于嵌入式智能控制系统的采摘机器人定位导航方法是否满足设计要求,是否具有稳定性和可靠性,对该系统和方法进行实际的测试实验。实验结果如图8所示。

由图8可以看出:采摘机器人可以实现自主实时路径规划和避障,图中实线为采摘机器人移动轨迹,两条虚线为左右履带轮廓。

首先对采摘机器人运动学模型与定位方法进行了分析和研究,基于非完整约束性系统力学模型分析了机器人路径规划和导航,后基于三星Exynos4412核心处理器,选用视觉、红外、超声波等传感器模块,研究和设计了采摘机器人智能控制系统。实验结果表明:系统可以实现采摘机器人的定位和导航功能,具有一定的可靠性。