郭素娜，張　麗，劉志剛

(1.河南工業(yè)職業(yè)技術(shù)學(xué)院，河南 南陽(yáng)　473000；2.南昌大學(xué)，南昌　330031 )

?

一種高精度自主導(dǎo)航定位的葡萄采摘機(jī)器人設(shè)計(jì)

郭素娜1，張麗1，劉志剛2

(1.河南工業(yè)職業(yè)技術(shù)學(xué)院，河南 南陽(yáng)473000；2.南昌大學(xué)，南昌330031 )

摘要：為了提高葡萄采摘機(jī)器人自主導(dǎo)航能力，增強(qiáng)對(duì)葡萄成熟度的準(zhǔn)確識(shí)別功能，降低漏采率和誤采率，設(shè)計(jì)了一種新式的基于RSSI自主導(dǎo)航和顏色特征提取的葡萄采摘機(jī)器人。該機(jī)器人使用RSSI定位技術(shù)，首先對(duì)裝有無(wú)線傳感器的葡萄樹(shù)進(jìn)行定位，然后利用機(jī)器視覺(jué)系統(tǒng)對(duì)葡萄的成熟度進(jìn)行判斷，并對(duì)滿足采摘條件的葡萄使用機(jī)械手進(jìn)行采摘。對(duì)葡萄采摘機(jī)器人的性能進(jìn)行了測(cè)試，通過(guò)測(cè)試發(fā)現(xiàn)：機(jī)器人對(duì)裝有傳感器的葡萄樹(shù)的準(zhǔn)確識(shí)別率達(dá)到了95%以上，對(duì)葡萄成熟度的判斷達(dá)到了98%以上，是一種相對(duì)高效的葡萄采摘機(jī)器人。

關(guān)鍵詞：葡萄采摘；自主導(dǎo)航；顏色識(shí)別；漏采率；機(jī)器人

0引言

最早的機(jī)械采摘方法是采用機(jī)械振搖式和氣動(dòng)振搖式，隨著科學(xué)技術(shù)的發(fā)展，農(nóng)業(yè)機(jī)器人在國(guó)內(nèi)外迅速發(fā)展起來(lái)。自從20世紀(jì)60年代美國(guó)人Schertz和Brown提出用機(jī)器人采摘果實(shí)之后，對(duì)采摘機(jī)器人的研究受到廣泛重視。我國(guó)農(nóng)業(yè)機(jī)器人的研究起步比較晚，但正在不斷的發(fā)展。其中，包括中國(guó)農(nóng)業(yè)大學(xué)的草莓采摘機(jī)器人研究、東北林業(yè)大學(xué)林木球果采摘機(jī)器人研究及上海交通大學(xué)的黃瓜機(jī)器人研究等。本文對(duì)葡萄采摘機(jī)器人進(jìn)行了改進(jìn)，以期得到較低漏采和誤采率的機(jī)器人。

1葡萄采摘自主導(dǎo)航定位機(jī)器人總體設(shè)計(jì)

果蔬采摘機(jī)器人的自動(dòng)導(dǎo)航和識(shí)別功能都依賴于視覺(jué)系統(tǒng)。機(jī)器視覺(jué)就是給機(jī)器人裝上視覺(jué)傳感器，模擬人的視覺(jué)功能，從圖像或圖像序列中提取信息，對(duì)葡萄樹(shù)和葡萄進(jìn)行定位和識(shí)別，使機(jī)器人完成葡萄采摘任務(wù)。視覺(jué)傳感器主要由彩色攝像機(jī)來(lái)尋找和識(shí)別成熟的葡萄，通過(guò)顏色特征的提取，得到成熟葡萄的信息；然后利用RSSI定位導(dǎo)航功能，對(duì)葡萄完成采摘。其基本框架如圖1所示。

葡萄自主導(dǎo)航機(jī)器人使用RSSI定位技術(shù)對(duì)葡萄樹(shù)進(jìn)行定位，使用特征提取方法對(duì)葡萄的成熟度進(jìn)行判斷。其具體采摘過(guò)程為使用RSSI定位技術(shù)首先對(duì)裝有無(wú)線傳感器的葡萄樹(shù)進(jìn)行定位，然后利用機(jī)器視覺(jué)系統(tǒng)對(duì)葡萄的成熟度進(jìn)行判斷。如果滿足采摘條件，則通過(guò)機(jī)械手對(duì)葡萄進(jìn)行采摘；如果不滿足采摘條件，則繼續(xù)對(duì)葡萄進(jìn)行定位。

圖1　葡萄自主導(dǎo)航采摘機(jī)器人總體設(shè)計(jì)框架

2采摘機(jī)器人結(jié)構(gòu)和定位功能設(shè)計(jì)

2.1結(jié)構(gòu)設(shè)計(jì)

2.1.1機(jī)械臂基本結(jié)構(gòu)

對(duì)于葡萄采摘機(jī)器人的設(shè)計(jì)需要綜合考慮采摘空間、冗余空間和姿態(tài)空間等因素，通過(guò)綜合考慮使用5 旋轉(zhuǎn)自由度和1移動(dòng)的方案。其主要部分包括軀干、手臂、腰部、腕部及小臂等，其結(jié)構(gòu)如圖2所示。

圖2　機(jī)器人基本結(jié)構(gòu)示意圖

2.1.2運(yùn)動(dòng)控制系統(tǒng)

目前，采用PC作為主控器的運(yùn)動(dòng)控制方式，其控制方式主要有兩種：一是使用PC控制卡對(duì)電機(jī)進(jìn)行控制；二是采用CAN總線對(duì)運(yùn)動(dòng)進(jìn)行控制?；诮?jīng)濟(jì)性考慮，本文選自使用第2種控制方案，其結(jié)構(gòu)框架如圖3所示。

圖3　伺服電機(jī)運(yùn)動(dòng)控制系統(tǒng)控制示意圖

圖3中，硬件組成包括通用PC機(jī)或工控機(jī)，基于PCI總線的高性能的ZLG-PCI5 110 Aceelnet Micro Micro Module CAN卡、Copley Panel和Copley StepNet伺服驅(qū)動(dòng)器。

2.1.3末端執(zhí)行器

葡萄采摘機(jī)械在進(jìn)行作業(yè)時(shí)，其末端執(zhí)行機(jī)構(gòu)的動(dòng)作是模擬人的動(dòng)作設(shè)計(jì)的，其主要?jiǎng)幼魇亲ト」麑?shí)，完成果實(shí)與梗的剝離(見(jiàn)圖4)，需要使機(jī)器人的腕部繞j軸旋轉(zhuǎn)和繞i軸回轉(zhuǎn)實(shí)現(xiàn)。

1.機(jī)械手末端關(guān)節(jié)　2.末端執(zhí)行器　3.采摘目標(biāo)

機(jī)器人執(zhí)行末端可以采用柔軟的復(fù)合材料作為末端執(zhí)行器的材料，為了使機(jī)器人準(zhǔn)確定位及執(zhí)行末端能夠準(zhǔn)確地識(shí)別葡萄的成熟度，需要使用相關(guān)定位和圖像處理方法實(shí)現(xiàn)定位和識(shí)別功能。

2.2定位功能設(shè)計(jì)

機(jī)器人大部分采用無(wú)線傳感網(wǎng)絡(luò)來(lái)定位，在實(shí)際作業(yè)環(huán)境中會(huì)存在較多的障礙物，因此在實(shí)際信號(hào)傳播過(guò)程中，信號(hào)會(huì)產(chǎn)生一定的損耗。其中信號(hào)傳輸?shù)幕灸Ｐ蜑?/p>

(1)

其中，PL(d)表示經(jīng)過(guò)距離d后的路徑損耗；PL(d0)表示經(jīng)過(guò)單位距離后的路徑損耗；d0為單位距離；X0服從高斯分布，其均值為1；n表示信號(hào)衰減因子。則接收端的信號(hào)強(qiáng)度可以表示為

(2)

RSSI=

(3)

考慮經(jīng)濟(jì)成本等因素，該模型可以進(jìn)一步簡(jiǎn)化為

RSSI=-10nlgd-A

(4)

(5)

將每個(gè)方程分別減去最后一個(gè)方程可得

(6)

其線性表達(dá)式可以寫(xiě)成

Az=b

(7)

其中

由于測(cè)量過(guò)程中存在誤差N，利用最小二乘法原理可得

Q(z)=‖b-Az‖2

(8)

對(duì)z求導(dǎo)得

(9)

如果AAT非奇異，則

z=(ATA)-1ATb

(10)

則可求出用戶坐標(biāo)(x,y)。機(jī)器人的定位流程如圖5所示。

圖5　運(yùn)動(dòng)定位流程圖

機(jī)器人運(yùn)動(dòng)系統(tǒng)定位的主要過(guò)程包括參考點(diǎn)的設(shè)置、計(jì)算機(jī)處理及得到位置坐標(biāo)等。當(dāng)讀取坐標(biāo)后，信號(hào)被以電信號(hào)的方式傳送到運(yùn)動(dòng)系統(tǒng)，通過(guò)路徑規(guī)劃，完成定位。

3自主導(dǎo)航葡萄采摘機(jī)器人采摘過(guò)程測(cè)試

為了驗(yàn)證本文設(shè)計(jì)的葡萄采摘機(jī)器人的自主定位導(dǎo)航功能，在葡萄田園對(duì)采摘機(jī)器人進(jìn)行了測(cè)試。測(cè)試項(xiàng)目主要包括葡萄樹(shù)的節(jié)點(diǎn)定位和葡萄成熟度的識(shí)別，測(cè)試機(jī)器人如圖6所示。

圖6　葡萄采摘機(jī)器人測(cè)試示意圖

假設(shè)測(cè)試節(jié)點(diǎn)個(gè)數(shù)為50個(gè)，即有50顆葡萄樹(shù)，其中包括39個(gè)已知節(jié)點(diǎn)和11個(gè)未知節(jié)點(diǎn)，坐標(biāo)系是60m×60m，節(jié)點(diǎn)通信半徑為120m。通過(guò)計(jì)算，得到了如圖7所示的節(jié)點(diǎn)鄰里關(guān)系圖。

圖7　節(jié)點(diǎn)鄰居關(guān)系圖

根據(jù)RSSI定位原理，可以測(cè)試未知節(jié)點(diǎn)，為了有效地表示位置節(jié)點(diǎn)，使用圓圈對(duì)位置節(jié)點(diǎn)進(jìn)行標(biāo)記，用星形表示已知節(jié)點(diǎn)，如圖8所示。其中，圓圈部分表示待摘葡萄穗的葡萄樹(shù)。通過(guò)RSSI定位功能，對(duì)圓圈進(jìn)行定位，最后通過(guò)計(jì)算得到了如圖9所示的定位誤差曲線。

由圖9可以看出：隨著時(shí)間的變化，定位誤差的峰值比較平穩(wěn)，最大定位誤差不超過(guò)15cm，定位精度較高；普通樹(shù)定位完成后需要對(duì)葡萄成熟度進(jìn)行識(shí)別。

圖10表示主要顏色特征提取的灰度直方圖結(jié)果。機(jī)器人的邏輯判斷模塊可以根據(jù)灰度值對(duì)葡萄的成熟度進(jìn)行判斷，當(dāng)滿足采摘的顏色閾值時(shí)，便對(duì)葡萄進(jìn)行采摘。通過(guò)多次測(cè)試，得到了如表1所示的測(cè)試采摘結(jié)果。

圖8　節(jié)點(diǎn)定位結(jié)果圖

圖9　距離定位誤差

圖10　顏色特征提取

%

表1表示機(jī)器人采摘葡萄過(guò)程中導(dǎo)航和葡萄成熟度的準(zhǔn)確識(shí)別率。由表1可以看出：機(jī)器人對(duì)裝有傳感器的葡萄樹(shù)的準(zhǔn)確識(shí)別率達(dá)到了95%以上，對(duì)葡萄成熟度的判斷達(dá)到了98%以上，識(shí)別率較高，可以滿足葡萄采摘的需要。

4結(jié)論

基于RSSI無(wú)線傳感器定位原理和顏色特征提取理論，設(shè)計(jì)了一款新的自主導(dǎo)航的葡萄采摘機(jī)器人，并對(duì)執(zhí)行末端、運(yùn)動(dòng)控制系統(tǒng)和導(dǎo)航定位系統(tǒng)進(jìn)行了設(shè)計(jì)。通過(guò)對(duì)機(jī)器人的自動(dòng)導(dǎo)航和葡萄成熟度識(shí)別進(jìn)行測(cè)試，最終得到了定位誤差曲線和圖像顏色特征提取結(jié)果。由測(cè)試結(jié)果可以看出：機(jī)器人對(duì)葡萄樹(shù)定位和葡萄成熟度識(shí)別的精度較高。

參考文獻(xiàn)：

[1]任維政, 徐連明.基于RSSI的測(cè)距差分修正定位算法[J].傳感器技術(shù)學(xué)報(bào),2008,21(7):1247-1250.

[2]王永才, 趙千川,鄭大鐘.傳感器網(wǎng)絡(luò)自身定位方法的設(shè)計(jì)與實(shí)現(xiàn)[J].計(jì)算機(jī)工程與應(yīng)用,2005, 41(13):4-6.

[3]李娟, 王珂, 李莉.基于錨圓交點(diǎn)加權(quán)質(zhì)心的無(wú)線傳感器網(wǎng)絡(luò)定位算法[J].吉林大學(xué)學(xué)報(bào):工業(yè)版, 2009,39(6):1649-1653.

[4]楊鳳, 史浩山, 朱靈波, 等.一種基于測(cè)距的無(wú)線傳感器網(wǎng)絡(luò)智能定位算法[J].傳感器技術(shù)學(xué)報(bào), 2008,27(1):135-140.

[5]劉艷文, 王福豹, 段渭軍,等.基于DV-Hop定位算法和RSSI測(cè)距技術(shù)的定位系統(tǒng)[J].計(jì)算機(jī)應(yīng)用, 2007,27(3):516-527.

[6]孫佩剛, 趙海, 羅玎玎.智能空間中RSSI定位問(wèn)題研究[J].電子學(xué)報(bào)，2007, 7(35):1240-1245.

[7]江冰, 吳元忠, 謝冬梅.無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)自身定位算法的研究[J].傳感技術(shù)學(xué)報(bào), 2007(6): 1381-1385.

[8]李連, 朱愛(ài)紅.無(wú)線傳感器網(wǎng)絡(luò)中的定位技術(shù)研究[J].微計(jì)算機(jī)信息：測(cè)控自動(dòng)化, 2005, 21(9): 133-135.

[9]李建中, 高宏.無(wú)線傳感器網(wǎng)絡(luò)的研究進(jìn)展[J].計(jì)算機(jī)研究與發(fā)展,2008,45(1):63-72.

[10]邱天爽,唐洪,李婷,等. 無(wú)線傳感器網(wǎng)絡(luò)協(xié)議與體系結(jié)構(gòu)[M].北京：電子工業(yè)出版社, 2007.

[11]石鵬, 徐鳳燕, 王宗欣.基于傳播損耗模型的最大似然估計(jì)室內(nèi)定位算法[J].信號(hào)處理，2005, 21(5):502-504.

[12]李洪欣,楊建中.基于兩參數(shù)的表冷器建模方法研究[J].建筑熱能通風(fēng)空調(diào),2009,28(6):15-17.

[13]孟慶山.水源熱泵機(jī)組變流量水系統(tǒng)節(jié)能優(yōu)化探討[J].制冷與空調(diào),2010,10(1):84-89.

[14]謝志勇,張鐵中,趙金英.基于 Hough 變換的成熟草莓識(shí)別技術(shù)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2007,38(3): 106-109.

[15]王東,趙宇,王秀紅.一種改進(jìn)的DFT迭代的MIMO-OFDM系統(tǒng)信道估計(jì)算法[J].應(yīng)用科技，2009(3):19-22.

[16]徐文穎,張靜,董建萍.導(dǎo)頻信道估計(jì)中的插值算法[J].上海師范大學(xué)學(xué)報(bào),2007,12(6):41-46.

[17]陳暉,陳曉光.基于直接判決導(dǎo)頻跟蹤的OFDM系統(tǒng)快時(shí)變信道估計(jì)[J].通信學(xué)報(bào)，2006,9(27):1-5.

[18]李文見(jiàn), 姬江濤.輪履復(fù)合式農(nóng)業(yè)機(jī)器人越避障控制研究[J].河南科技大學(xué)學(xué)報(bào): 自然科學(xué)版, 2007(8): 57-59.

[19]王仲民, 戈新良, 唐智強(qiáng).多傳感器信息融合技術(shù)研究現(xiàn)狀和發(fā)展趨勢(shì)[J].河北工業(yè)大學(xué)學(xué)報(bào),2003, 32(2): 30-35.

[20]國(guó)剛, 王毅.應(yīng)用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行手寫(xiě)體字母數(shù)字識(shí)別[J].人工智能及識(shí)別技術(shù), 2008,4(6):1459-1460.

[21]施少敏, 馬彥恒, 陳建泗.基于BP神經(jīng)網(wǎng)絡(luò)的數(shù)字識(shí)別方法[J].兵工自動(dòng)化,2006, 25(10): 40-41.

[22]許穎泉.用神經(jīng)網(wǎng)絡(luò)進(jìn)行數(shù)字圖像識(shí)別研究[J].應(yīng)用科技, 2008(12):59-60.

A High Precision Autonomous Navigation Positioning Grape Picking Robot Design

Guo Suna1, Zhang Li1, Liu Zhigang2

(1.Henan Polytechnic Institute,Nanyang 473000,China; 2.Nanchang University,Nanchang 330031,China)

Abstract：In order to improve the autonomous navigation capability of grape picking robot, and strengthen the function of accurate identification of the grape maturity, lower leakage rate and error rate, a new type of autonomous navigation and color feature extraction based on RSSI grape picking robot has been designed. Grape picking robot using RSSI positioning technology first fixing the vine with wireless sensors, then use the machine vision system on grape maturity of judgment, and to meet the use conditions of the grapes picked for picking manipulator. Grape picking robot performance was tested, by testing found that the robot with sensors of vine of accurate recognition rate reached more than 95%, their appreciation of the grape maturity reached more than 98%, high recognition rate,which is a relatively efficient grape picking robot.

Key words：grape harvest; autonomous navigation； color identification; leakage rate of mining; robot

文章編號(hào)：1003-188X(2016)07-0020-05

中圖分類(lèi)號(hào)：S225.93;TP242

文獻(xiàn)標(biāo)識(shí)碼：A

作者簡(jiǎn)介：郭素娜(1981-)，女，河南鄧州人，講師，碩士。通訊作者：劉志剛(1980-)，男，湖北天門(mén)人，副教授，博士，(E-mail)fiberhome@126.com。

基金項(xiàng)目：國(guó)家自然科學(xué)基金青年基金項(xiàng)目(51305152)

收稿日期：2015-05-24