農業機器人作業路徑規劃方法

河北農業大學機電工程學院 王佳琪

前言

當今社會中，機器人在工業、醫療衛生服務、航空航天以及生活服務等領域中得到了廣泛的應用。但是其核心部件和技術還是差異不大的，包括自主行走、路徑規劃、機械臂的運動規劃和控制、機器視覺識別和圖像處理等關鍵技術。其中，路徑規劃技術是專門為機器人規劃出一條從起始到目標點的無障礙路徑，同時還能夠對路徑長度、工作時間、安全性等性能指標進行相應地優化，保證機器人能夠順利實現其復雜功能和開展完成各項工作任務。

機器人的路徑規劃方法在國內外都有著許多研究，并提出像A*算法、蟻群算法、群智能算法等的路徑方法。他們都具有各自的優勢之處，但也存在著一些問題等待解決，因此研究農業機器人的自主導航行走和空間作業路徑規劃方法具有重要意義[1]。

機器人作業路徑規劃的定義是：在滿足一定的物理約束條件或在某種環境中，為機器人完成設定任務和動作所設計的運動序列安排，簡單點說，是使機器人在工作時能夠自主迅速準確地找出一條能夠避開障礙物的從起始到目標點的最短安全路徑。

本文中主要從全局和局部機器人路徑規劃以及機械臂空間作業局部避障路徑規劃這三個方面來進行介紹。

1 作業路徑規劃方法及其分析

1.1 全局機器人路徑規劃

根據機器人作業環境的不同，可將其劃分為兩種形式—全局覆蓋路徑規劃和全局點到點路徑規劃，這兩種形式類型都能夠使機器人在作業時幫助其找尋安全、高效的作業路徑，從而提高機器作業質量，降低作業的成本。

1.1.1 全局覆蓋路徑規劃

（1）邊界地塊規則的全覆蓋路徑規劃

邊界地塊比較規則的路徑規劃方法主要有兩種，第一種是基于基準線進行平移的辦法，這種方法是按照作業幅寬等間距利用和地塊邊線平行的基準線進行平移，最后生成許多條直線的作業路徑直至直線的作業路徑能夠覆蓋整個地塊，之后根據農業機器人實際作業的環境信息和作業狀況去選擇合適的機器地頭轉彎的措施。這種方法比較簡單，只需要事先測量完成基準線的兩點的坐標，但是當機器人作業至地頭需要轉彎時就需要借助外援如傳感器進行一個地頭距離檢測或者是作業中有人員參與進行輔助轉彎，從而保證農業機器人作業的正常進行。而第二種方法采用的是建立局部的坐標系的方法，首先測量記錄作業地塊中的四個頂點的坐標，然后按照已經規劃好的機器人地頭轉彎方式和其作業方式去計算機器人從起始點到目標地的路徑中的所有特征點，之后依據機器人作業的順序規劃出出完整的覆蓋整個作業地塊的作業路徑[3]。

（2）邊界地塊不規則的全覆蓋路徑規劃

邊界地塊不規則的情況還是比較普遍的，遇到這種情況時，一般會把即將作業的地塊進行人為分割處理，把地塊分成許多個機器人容易作業的小地塊，對這些分好的小地塊進行一個路徑規劃，從而使機器人能夠正常進行作業，同時也保證了作業質量，可以減少遺漏地塊，因此邊界或地頭需要進行轉彎時要進行特別的路徑規劃，避免機器人作業過程中遺漏死區，對整個作業質量造成一些影響。國內外對于不規則的地塊路徑規劃都有著許多研究，其中美國的FREITAS[4]等提出了LKH算法，這種方法拓寬了作業地塊的不規則程度，對不同程度的不規則地塊都可以做出全覆蓋的路徑規劃，增加作業覆蓋面積，大大提高了機器作業的質量和效率。法國的HAMEED[5]等人提出來一種三維形式的路徑規劃算法，通過對機器人作業過程中的不規則邊界地塊的多余覆蓋區域進行估算，從而確定其作業方向，有效減少了農業機器人作業中的多余區域。國內的王宇等人把不規則邊界地塊進行柵格化，建立一個三維的作業環境模型，并對其進行三維的路徑規劃，應用引力搜索的算法完成選擇合適的返航點的任務，使農業機器作業更加精準高效[3]。

1.1.2 全局點到點路徑規劃

全局點到點路徑規劃是在已知機器作業區域的環境情況下去規劃出一條從起始到目的地的合適的避障路徑，在我國農業機器人作業領域中應用廣泛。目前發展比較成熟的算法包括A*算法、蟻群優化算法、模擬退火算法、遺傳算法以及粒子群優化算法等等，這里只敘述A*算法和蟻群優化算法。

（1）A*算法

A*算法是一種“點對點”的全局路徑規劃算法，通常適用于已知環境條件下，這種算法是根據估價函數去探索出最小代價節點，這樣便能夠確定最優路徑，估價函數是

A*算法主要應用于靜態作業場景中，可以精確規劃出最優的作業路徑，經過人們不斷的改進和優化，A*算法在農業機械導航的領域中得到廣泛應用。例如，張文[6]等人根據在復雜作業環境中溫室機器人的作業路徑規劃的問題，為實現路徑平滑、減少發生碰撞的概率以及提高該算法的效率等目標，提出一種方向A*算法，它是通過“圓弧直線圓弧”轉彎、“視野線”平滑和二叉堆數據存儲方法來實現上述目的。如圖1所示。李靖[7]等人的研究中，他們針對的是植保無人機在含有障礙物的作業區域進行作業，通過研究無人機的軌跡一步一步去應用A*算法去修正無人機通過的作業軌跡，從而使無人機能夠通過更大的有效面積，提高作業質量。

圖1 方向A*算法路徑規劃

而A*算法雖然有效規劃出最優的作業路徑，但是在遇到較大的作業環境并且要求較高導航精度時，由法建立的地圖柵格節點的數量有些龐大，這樣會導致通過算法去計算時因為搜索耗時太長，還會占用較大的計算機內存資源，未來可以充分利用圖像識別以及圖像處理技術去輔助規劃機器人作業路徑，減少因為算法消耗的時間，提高整體作業效率。

（2）蟻群優化算法

蟻群優化算法主要是借助模擬蟻群之間的成員進行信息正反饋交流去搜索食物的過程，最終找到比較合適的路徑的一種算法，這種算法相較于A*算法，其搜索能力較強且求解性能也相對較好，但是其收斂的速度緩慢。蟻群優化算法作為目前被廣泛研究的算法之一，國內外學者們在不同作業環境下對蟻群優化算法進行深入探究并不斷對其進行優化改進。EBADINEZHAD[8]等經過智能選擇去探索空間節點以及改進優化信息素矩陣，從而能夠進一步減少計算時間，也可以避免出現局部最優的情況；國內的王宇[9]等提出基于改進蟻群優化算法的植保無人機的路徑規劃辦法，他提到對許多個作業區域的作業順序進行合理的排序，從而達到減少無人機飛行總路徑的長度；景云鵬[10]等運用改進蟻群優化算法找尋到一種適合平整農田的局部路徑規劃方法，可以用于農田作業平整的三維路徑規劃；張強[11]等人選擇改進信息素更新的策略，依據收斂次數的變化進而調整信息素更新的速度，提高了該算法的收斂速度，使其與搜索速度保持一致。

1.2 局部機器人路徑規劃

信息處理速度加快，傳感器技術也發展得越來越快，對其研究也更加深入，在我們的生活中應用領域越來越廣泛，農業機器人上也常常會裝有能夠實現相應功能的傳感器，使得農業機械對于環境感知能力逐漸變得敏感。而實現機器人局部路徑規劃使得農業機器人在作業時能夠變得更加自主，減少了人力的輔助功能。局部機器人路徑規劃是一種對機器人作業環境進行實時檢測，并及時反饋至機器中做出相應指令，順利走到目標點的方法，要想實現農業機器的實時路徑規劃，靠單一的傳感器是比較難實現的，因為機器人的作業場景并不是平坦無障礙的，而是非常隨機的，作業環境相對復雜，難以通過單一的傳感器就完成了機器的作業任務，因此需選擇多種有著不同功能的傳感器來對農業作業環境的信息感知并反饋至農業機器人，從而順利完成既定任務，提高使用農業機器人作業的可靠性。目前局部機器人路徑規劃常有的包括避障路徑規劃和局部跟蹤路徑規劃[3]。

1.2.1 避障路徑規劃

農業機器人實現自主智能的基本要求就是需要實現自主避障，這樣可以保證農業機器在田間作業時的安全性，機器人上裝的傳感器可以幫助獲取作業環境信息，分析出其有無障礙物，從而能夠實現機器人行走中避障的功能，目前較為成熟的避障路徑規劃方法包括人工勢場法、模糊邏輯法、動態窗口法以及幾何法，本次只重點闡述模糊邏輯法。

（1）模糊邏輯法

模糊邏輯法主要應用的是專家們的豐富知識經驗去制訂了一些控制規則，建立輸入輸出之間的關系，同時結合機器人上裝有的傳感器對環境進行感知，能夠做到實時規劃機器人作業路徑，控制機器人按照正確路徑完成既定任務?；谀：壿嫹ㄒ灿性S多學者進行了深入研究，周俊[12]等人的研究是采用雙目立體視覺傳感器采集信息結合模糊邏輯法設計了一款自主導航移動機器人，這款機器人利用傳感器獲取機器人作業過程中障礙物相對于移動機器人的方向和距離等信息，還具有自主學習能力，可以在未知的復雜作業環境中不斷積累經驗，自主去適應不同作業環境條件下的工作；謝守勇[13]等的研究主要是針對溫室機器人的移動避障問題，運用紅外測距傳感器實現對機器人與障礙物之間的距離測量，通過實時感知兩者之間的距離和角度變化，能夠使機器人選擇合適的前進路徑。

1.2.2 局部跟蹤路徑規劃

局部跟蹤路徑規劃是農業機器人在進行路徑跟蹤過程中，從當前位置逐步向預先設計規劃好的路徑靠近的局部路徑規劃策略，在較大程度上決定著自動導航的跟蹤精度。目前重點研究的是依據速度、橫向偏差以及航向偏差來實現對前視距離的動態調整，進而規劃出合適的局部跟蹤路徑。其中魏爽[14]等建立了適用于直線與曲線預設路徑的局部機器人路徑規劃，是一種以預瞄點搜索為基礎加以改進優化的純追蹤模型，如圖2所示。

圖2 基于預瞄點搜索的純追蹤模型

1.3 機械臂空間作業運動路徑規劃

1.3.1 應用目的

隨著科學技術的深入研究，農業機械也朝著自動化、智能化的方向不斷發展且越來越多地應用到農業生產中去。以農業果實采摘機器人的作業為例，其作業工況比較復雜，因為果樹的高度并不統一，對于果實采摘工作來說，實現實時根據果實位置進行采摘有著重要意義，不僅可以提高采摘效率，確定果實位置還可以減少采摘過程中對果實的損傷率。因此機械臂作為核心部件，需要對其采摘的路徑進行準確規劃才能盡量減少對果實的損傷率[15]。

1.3.2 路徑規劃方法

（1）張廣超[16]等采用三次三角Bezier樣條函數對機械臂進行了插值計算，通過約束條件來求出函數的一些系數，之后等分時間，從而可以求出位移量、對應位移量的軌跡點坐標。這樣能夠實現對機械臂運動路徑的精確規劃。

（2）李劍光[17]等采取的是對原來RRT*算法進行改進的機械臂路徑規劃，RRT算法是一種以隨機采樣為基礎的增量式增長全局規劃算法，更加適合高維空間的路徑規劃，但是其缺點是隨機性高，沒有確定方向，從而導致收斂速度比較緩慢，作業中遇到多數障礙物時也容易陷入局部極小值的問題。而李劍光等針對其隨機性進行改進，加入目標偏置策略使得隨機點具有一定方向性，并且也加快了其收斂速度，縮短了路徑規劃的時間。RRT*算法可以對得到的不同路徑不斷進行改進最后達到最優，獲得更加光滑、優化的路徑規劃，同時還解決了之前RRT*算法路徑拐角過大的問題。

2 結語

隨著農業機械的普遍應用，農業自動化、智能化的技術也在不斷地進行深入研究，本文從全局機器人路徑規劃、局部機器人路徑規劃和機械臂空間作業運動路徑規劃三個方面對農業機器人作業路徑規劃的方法進行相關內容介紹，方法也都是在不斷發展的，每種方法都有其優缺點，之后都會出現其改進版的方法，幫助實現機器人更加自主、智能、高效地完成作業任務。未來的農業機械可以向著這個目標去做更加深入優化的研究，能夠生產出適用于多種作業環境的高效作業農業機器人。