基于類人足球比賽決策系統(tǒng)的采摘機(jī)器人多路徑優(yōu)化

2018-07-03 08:30劉靈敏

農(nóng)機(jī)化研究 2018年7期

劉靈敏，胡婧，謝倩

(武漢晴川學(xué)院計(jì)算機(jī)學(xué)院，武漢 430204)

0 引言

作為機(jī)器人家族中的一個(gè)重要分支，類人機(jī)器人可完成類人行走和各種人類的動(dòng)作，不僅可以代替人類從事各種作業(yè)，而且與生活中常見的機(jī)器人比較，有許多突出的優(yōu)點(diǎn)，如能耗小、對(duì)環(huán)境適應(yīng)能力強(qiáng)、活動(dòng)空間大但是占地面積小等。目前，足球比賽機(jī)器人的研究已經(jīng)較為成熟，為了使比賽機(jī)器人具有自主路徑規(guī)劃和決策能力，研究此類機(jī)器人的專家和學(xué)者們嘗試了各種算法，也取得了很多成果。如果將比賽機(jī)器人的路徑規(guī)劃和決策系統(tǒng)移植到采摘機(jī)器人系統(tǒng)上，使采摘機(jī)器人也具有類人功能，那將會(huì)給農(nóng)業(yè)采摘作業(yè)自動(dòng)化水平的提升帶來重大的突破。

1 基于類人足球比賽決策系統(tǒng)的采摘機(jī)器人設(shè)計(jì)

為了使足球機(jī)器人具有類人的功能，需要將智能控制、無線通信、機(jī)器視覺和傳感器技術(shù)等結(jié)合到一起，設(shè)計(jì)成具有自主規(guī)劃能力和路由優(yōu)化的智能機(jī)器人。如圖1所示，法國的Aldebaran機(jī)器人公司推出了一款可編程的類人足球比賽機(jī)器人，并在比賽中被采用。

圖1 類人足球機(jī)器人比賽現(xiàn)場(chǎng)

對(duì)于類人機(jī)器人的研究，我國起步較晚，但隨著當(dāng)前科學(xué)技術(shù)的進(jìn)步，我國加大了對(duì)機(jī)器人的研究力度，因此對(duì)類人機(jī)器人的研究和開發(fā)具有重要的意義，對(duì)于類人足球比賽機(jī)器人，想要實(shí)現(xiàn)自主規(guī)劃能力，首先需要對(duì)球場(chǎng)的信息進(jìn)行全方位的采集，如圖2所示。

圖2 類人足球機(jī)器人決策系統(tǒng)信息采集示意圖

類人足球機(jī)器人決策的信息采集系統(tǒng)可以全方位立體化地采集整個(gè)比賽場(chǎng)地的數(shù)據(jù)，采集的數(shù)據(jù)通過圖像處理，鎖定球門目標(biāo)，并利用路徑規(guī)劃得到最佳優(yōu)化路徑，最后將指令發(fā)送給動(dòng)作終端，執(zhí)行動(dòng)作。

如圖3所示：硬件部分的核心處理器采用S3C6410處理器，可以完成圖像的處理、圖像的識(shí)別、目標(biāo)鎖定、路徑優(yōu)化和自主決策，其計(jì)算量較大，因此加了一個(gè)16位的單片機(jī)分擔(dān)定位和決策算法。

圖3 硬件部分設(shè)計(jì)

如圖4所示，決策系統(tǒng)的時(shí)間首先要考慮兩方面的因素：一方面是要求決策系統(tǒng)具有實(shí)時(shí)性；另一方面需要機(jī)器人自身具有較強(qiáng)的靈活性，具有自主動(dòng)作能力，系統(tǒng)響應(yīng)迅速準(zhǔn)確。為了提高系統(tǒng)反應(yīng)的迅速性和準(zhǔn)確性，采用神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法和模糊決策規(guī)則庫對(duì)系統(tǒng)進(jìn)行改進(jìn)，使系統(tǒng)具備自主規(guī)劃能力的同時(shí)具有較快的反應(yīng)能力和靈活性。

圖4 決策系統(tǒng)框圖

2 小波神經(jīng)網(wǎng)絡(luò)和模糊控制算法足球比賽機(jī)器人決策路徑優(yōu)化

為了使足球比賽機(jī)器人具有自主的決策能力，可以采用神經(jīng)網(wǎng)絡(luò)訓(xùn)練的方法使足球比賽機(jī)器人具有路徑優(yōu)化的能力，然后通過模糊控制算法使其具有基本的自主決策能力。在足球機(jī)器人比賽路徑優(yōu)化時(shí)，需要結(jié)合神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法，通過控制指令信號(hào)對(duì)足球和目標(biāo)球門的多條路徑進(jìn)行不斷的學(xué)習(xí)和優(yōu)化，從而預(yù)測(cè)出多條路徑。為了提高神經(jīng)網(wǎng)絡(luò)的算法精度，將小波算法和神經(jīng)網(wǎng)絡(luò)算法結(jié)合，假設(shè)基本的小波函數(shù)為x(t)，將其平移b后，把預(yù)測(cè)信號(hào)和a做內(nèi)積，其表達(dá)式為

(1)

其中，h表示卷積函數(shù)，等效時(shí)域的表達(dá)式為

(2)

在足球比賽神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法中引入小波算法后，在隱含層神經(jīng)網(wǎng)絡(luò)傳遞函數(shù)節(jié)點(diǎn)的作用下，誤差在向前傳播時(shí)會(huì)反向傳播，從而有效提高了神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法的精度。假設(shè)足球比賽路徑?jīng)Q策輸入的訓(xùn)練信號(hào)為x1,x2,…,xk，小波神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)優(yōu)化路徑輸出信號(hào)為y1,y2,…,yk，通過利用小波函數(shù)對(duì)權(quán)值ωk進(jìn)行修正后，可以使訓(xùn)練得到的路徑值和期望實(shí)現(xiàn)的目標(biāo)值不斷接近。輸出路徑的表達(dá)式為

y(k)=∑ωkx(k)

(3)

小波神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)誤差為

e=∑yn(k)-y(k)

(4)

根據(jù)預(yù)測(cè)誤差，對(duì)小波基函數(shù)系數(shù)和神經(jīng)網(wǎng)絡(luò)權(quán)值進(jìn)行修正，其表達(dá)式為

(5)

(6)

其中，η表示學(xué)習(xí)效率。為了實(shí)現(xiàn)足球比賽機(jī)器人的自主決策，還需要借助于機(jī)器視覺系統(tǒng)，假設(shè)機(jī)器視覺系統(tǒng)為局部坐標(biāo)系，其某點(diǎn)的坐標(biāo)為(x′,y′)，在全局坐標(biāo)系的坐標(biāo)為(x0,y0)，在運(yùn)動(dòng)過程中與全局坐標(biāo)系夾角為θ，利用三角變換可得

(7)

該點(diǎn)在絕對(duì)坐標(biāo)系中的坐標(biāo)值為

(8)

(9)

假設(shè)足球比賽決策機(jī)器人的左右輪角速度分別為ωl、ωr，則其速度分別為

(10)

(11)

其中，R表示驅(qū)動(dòng)輪的半徑；D表示兩輪間的距離。其方向的控制可以通過調(diào)整兩輪的轉(zhuǎn)速，利用轉(zhuǎn)速差來實(shí)現(xiàn)。假設(shè)兩輪的轉(zhuǎn)速比為kp，則有

(12)

調(diào)整kp的值，可以實(shí)現(xiàn)對(duì)足球比賽機(jī)器人的決策，而利用神經(jīng)網(wǎng)絡(luò)訓(xùn)練得到的路徑優(yōu)化，通過對(duì)kp的設(shè)定和不斷的學(xué)習(xí)訓(xùn)練，最終得到一條最佳的路徑；然后將路徑以脈沖的形式進(jìn)行編碼，假設(shè)在第k個(gè)采樣周期內(nèi)其計(jì)算脈沖分別為mk和nk，則足球比賽決策機(jī)器人的控制模型可以寫成

(13)

其中，xk+1、yk+1、θk+1分別表示是第k+1個(gè)周期時(shí)機(jī)器人的位移和方向；Mp表示機(jī)器人驅(qū)動(dòng)輪轉(zhuǎn)動(dòng)1圈時(shí)的脈沖數(shù)；Δt表示采樣時(shí)間。

3 基于類人足球比賽決策系統(tǒng)的采摘機(jī)器人多路徑優(yōu)化

為了驗(yàn)證將足球比賽決策系統(tǒng)引入到采摘機(jī)器人系統(tǒng)中帶來的智能性，虛擬了采摘機(jī)器人的采摘場(chǎng)景。其中，果實(shí)可以模擬成足球，對(duì)于果實(shí)的采摘即是對(duì)足球的控制，如圖5所示。

同足球比賽機(jī)器人的原理類似，類人采摘機(jī)器人可以自主鎖定待采摘果實(shí)，并通過小波神經(jīng)網(wǎng)絡(luò)訓(xùn)練得到多跳優(yōu)化路徑，最后利用模糊決策算法對(duì)路徑作出最終的決策。

圖6表示根據(jù)足球比賽決策系統(tǒng)設(shè)計(jì)的采摘機(jī)器人的系統(tǒng)。其中，果實(shí)按照足球場(chǎng)隊(duì)員的形式排列，通過神經(jīng)網(wǎng)絡(luò)訓(xùn)練、機(jī)器視覺信息采集和模糊決策算法，實(shí)現(xiàn)最佳路徑選擇。首先，對(duì)通信進(jìn)行了測(cè)試，測(cè)試結(jié)果如表1所示。

圖5 采摘機(jī)器人采摘情境模擬

圖6 采摘機(jī)器人路徑優(yōu)化系統(tǒng)總體設(shè)計(jì)

測(cè)試距離/m執(zhí)行指令個(gè)數(shù)有效指令比例/%1059899.72039699.23038998.74029399.65028896.3

由測(cè)試數(shù)據(jù)可以看出：系統(tǒng)的抗干擾性和穩(wěn)定性較好，誤碼率幾乎為零，滿足通信需求。對(duì)采摘機(jī)器人自主路徑規(guī)劃效果進(jìn)行了測(cè)試，其過程如圖7所示。

在多目標(biāo)果實(shí)存在的情況下，采摘機(jī)器人在路徑優(yōu)化過程中會(huì)產(chǎn)生較多的路徑，圖7中1～5表示采摘機(jī)器人為實(shí)現(xiàn)目標(biāo)而規(guī)劃的路徑，而采用小波神經(jīng)網(wǎng)絡(luò)和模糊決策算法可以有效地提高路徑選擇的準(zhǔn)確性和效率。

為了驗(yàn)證小波神經(jīng)網(wǎng)絡(luò)和模糊決策算法對(duì)采摘機(jī)器人路徑優(yōu)化的效果，本次測(cè)試對(duì)多種算法進(jìn)行了對(duì)比。由表2的對(duì)比結(jié)果可以看出：采用小波神經(jīng)網(wǎng)絡(luò)和模糊決策算法可以明顯地縮短路徑優(yōu)化所需時(shí)間，且得到的路徑最短，從而驗(yàn)證了算法的可靠性。

圖7 采摘機(jī)器人路徑自主選擇過程

算法時(shí)間/s長度/m蟻群算法22.3150.23遺傳算法25.3268.12聚類算法21.6362.12小波神經(jīng)網(wǎng)絡(luò)模糊控制算法15.6832.36

4 結(jié)論

為了提高采摘機(jī)器人的自主動(dòng)作能力，提高其作業(yè)效率，將足球比賽機(jī)器人決策系統(tǒng)移植到了采摘機(jī)器人的控制系統(tǒng)設(shè)計(jì)過程中，同足球比賽機(jī)器人的原理類似，類人采摘機(jī)器人可以自主鎖定待采摘果實(shí)，并通過小波神經(jīng)網(wǎng)絡(luò)訓(xùn)練得到多條優(yōu)化路徑，最后利用模糊決策算法對(duì)路徑作出最終的決策。為了驗(yàn)證該方案的可行性，對(duì)采摘機(jī)器的自主動(dòng)作和規(guī)劃能力進(jìn)行了測(cè)試，并將其和不同的算法進(jìn)行了對(duì)比，結(jié)果表明：采用小波神經(jīng)網(wǎng)絡(luò)訓(xùn)練和模糊決策算法可以有效提高采摘機(jī)器人的反應(yīng)能力，縮短了路徑規(guī)劃所需時(shí)間，提高了路徑擇優(yōu)的準(zhǔn)確性。

參考文獻(xiàn)：

[1] 李寒,王庫,曹倩,等．基于機(jī)器視覺的番茄多目標(biāo)提取與匹配[J]．農(nóng)業(yè)工程學(xué)報(bào),2012,28(5):168-172．

[2] 項(xiàng)榮,應(yīng)義斌,蔣煥煜．田間環(huán)境下果蔬采摘快速識(shí)別與定位方法研究進(jìn)展[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2013, 44(11):208-223．

[3] 蔡健榮,孫海波,李永平,等．基于雙目立體視覺的果樹三維信息獲取與重構(gòu)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2012,43(3):153-156．

[4] 連曉峰,張弢,劉載文.RoboCup中型組機(jī)器人足球相關(guān)技術(shù)研究[J].機(jī)器人技術(shù)與應(yīng)用,2009(3):35-38.

[5] 段勇,崔寶俠,徐心和.多智能體強(qiáng)化學(xué)習(xí)及其在足球機(jī)器人角色分配中的應(yīng)用.控制理論與應(yīng)用,2009,26(4):371-376.

[6] 韓永,劉國棟.RoboCup小型足球機(jī)器人建模及仿真平臺(tái)研究[J].計(jì)算機(jī)仿真,2007,24(1):154-157.

[7] 劉曉燕,李孝安,段俊花，等.基于ZigBee的集控式足球機(jī)器人通訊系統(tǒng)[J].計(jì)算機(jī)測(cè)量與控制,2007,15(6):740-744.

[8] 劉銀萍.基于PTR6000的足球機(jī)器人無線通信系統(tǒng)的設(shè)計(jì)[J]．現(xiàn)代電子技術(shù),2012,35(9):45-47.

[9] 周軍,邵世煌.基于nRF2401的足球機(jī)器人無線通信系統(tǒng)[J].測(cè)控技術(shù)，2008,7(27):94-98.

[10] 王曉明.基于VisualBasie的無線通訊管理系統(tǒng)設(shè)計(jì)[J].電腦知識(shí)與技術(shù),2009,5(13):377-378.

[11] 安方方,馬翠玲.自主陸地車輛的發(fā)展及其關(guān)鍵技術(shù)研究[J].物聯(lián)網(wǎng)技術(shù),2013,3(9):77-80.

[12] 陳旭娟.機(jī)器人圖像處理方法研究[J].現(xiàn)代商貿(mào)工業(yè),2013(8):197-198.

[13] 郭煒強(qiáng),燕飛,黃儒樂,等．基于視頻圖像的森林火災(zāi)煙霧識(shí)別方法[J]．儀器儀表學(xué)報(bào),2011,32(6): 116-121.

[14] 黃儒樂,吳江,韓寧．林火煙霧圖像自動(dòng)識(shí)別中的模式分類器選擇[J].北京林業(yè)大學(xué)學(xué)報(bào),2012,34(1):92-95．

[15] 韓媞,關(guān)宇東,徐梟宇．基于圖像識(shí)別算法的森林防火系統(tǒng)設(shè)計(jì)[J].科技導(dǎo)報(bào),2008,26(5):77-80．

[16] 徐鵬,任波．基于單高斯模型的森林火災(zāi)煙圖像目標(biāo)檢測(cè)[J]．計(jì)算機(jī)與現(xiàn)代化,2009(2):18-20．

[17] 練秋生,李黨．融合多種特征的煙霧圖像檢測(cè)算法[J]．光學(xué)技術(shù),2009,35(4):523-531．

[18] 王元園,張健,韓寧．基于GIS的森林火災(zāi)視頻監(jiān)控定位方法研究[J].林業(yè)機(jī)械與木工設(shè)備,2008,36(5):24-26．

[19] 魏澤鼎,賈俊國,王占永．基于視覺傳感器的棉花果實(shí)定位方法[J]．農(nóng)機(jī)化研究,2012,34(6):66-68.

[20] 王海青,姬長英,顧寶興,等．基于機(jī)器視覺和支持向量機(jī)的溫室黃瓜識(shí)別[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2012,43(3):163-167．

[21] 王輝,毛文華,劉剛,等．基于視覺組合的蘋果作業(yè)機(jī)器人識(shí)別與定位[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2012,43(12):165-170．

[22] 李立君,李昕,高自成,等．基于偏好免疫網(wǎng)絡(luò)的油茶果采摘機(jī)器人圖像識(shí)別算法[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2012,43(12):209-213．

[23] 王文慶,張濤,龔娜．基于多傳感器融合的自主移動(dòng)機(jī)器人測(cè)距系統(tǒng)[J].計(jì)算機(jī)測(cè)量與控制,2013,21(2):343-345．

[24] 韋偉,周凌翱,劉青．一種便攜式的紅外測(cè)距系統(tǒng)[J]．電子設(shè)計(jì)工程,2011,19(21):40-42．