基于OFDM-MIMO移动通信模型的采摘机器人设计

高 伟，曹昕燕，张万里，吉淑娇

(1. 长春财经学院，长春 130122；2.长春大学 电子信息工程学院，长春 130022)



基于OFDM-MIMO移动通信模型的采摘机器人设计

高 伟1，曹昕燕2，张万里2，吉淑娇2

(1. 长春财经学院，长春 130122；2.长春大学 电子信息工程学院，长春 130022)

为了提高果树采摘机器人的智能化和自动化水平，提高机器人的实时通信和在线控制能力，实现机器人作业过程的远程控制，在采摘机器人通信系统中引入了OFDM-MIMO模型，并将移动4G技术应用到了机器人的设计中，突破了机器人控制距离限制，实现了机器人的跨区域无线通信。机器人采用视觉传感器和4G网络采集并传输图像，图像数据可以在远程浏览器端实时显示，便于掌握机器人作业信息。当机器人碰撞传感器发出信号时，可以利用OFDM-MIMO信道模型进行图像的高效传输，并将视觉传感器采集的图像信息传送给远程控制端，在采摘出现失误时可以及时地调整机器人的状态，实现果实采摘的在线控制。同时，设计了机器人的实验样机，并对机器人的果实定位能力和通信能力进行了实验和仿真。实验和仿真结果表明：该种机器人可以有效地识别普通果实和套袋果实，并且通信实验测试和仿真测试的结果吻合，从而验证了结果的可靠性及OFDM-MIMO模型在采摘机器人通信系统中的可行性。

采摘机器人；高速移动；OFDM-MIMO信道；实时通信；机械手

0 引言

目前，我国的水果采摘绝大部分还是以人工采摘为主，采摘作业所用劳动力占整个生产过程所用劳动力的33%～50%。这种作业方式作业效率低、劳动量较大，容易对果实造成较大的损伤；另外，如果在采摘季节劳动力不够时，会导致经济上的损失。因此，果园收获机械化和自动化已经成为果农们关注的热点问题。国内外已经研制出多款机器人，但是受移动网络通信速度的限制，对于机器人作业的远程控制问题依然没有得到实质性的突破。在这种背景下，本研究将OFDM-MIMO高速移动通信模型引入到了采摘机器人远程控制的通信系统中，提高了图像数据的传输速度，对于机器人远程控制的实现具有重要的意义。

1 采摘机器人结构总体设计

基于OFDM-MIMO的果树采摘机器人主要由两部分组成：一是可以自由移动的机器人本体；二是无自由度机械手。其中，移动本体是履带式的平台，利用PC机、电源、传感器和采摘辅助装置控制；无自由度机械手固定在移动本体上，机械臂采用PRRRP结构。作业时，机械手直接作用于果实，其结构如图1所示。

图1 机械手结构示意图

机械手主要由传感器控制，包括视觉传感器、位置传感器、压力传感器和碰撞传感器等部分。机械手夹持机构的开合由启动装置控制，当机械手夹持果实之后，夹持器一侧的电动刀具对果柄进行切割，完成果实的采摘作业。机器人的总体设计和作业流程如图2所示。

机器人作业过程中，当碰撞传感器发出信号时，可以利用OFDM-MIMO信道模型进行高效的数据传输，并将视觉传感器采集的图像信息传送给远程控制端。远程控制端根据视觉传感器发出的信息对采摘机器人进行控制，从而完成了机器人的在线实时控制。

图2 基于OFDM-MIMO信道模型的采摘机器人总体设计

2 果实识别定位和OFDM-MIMO高速移动信道建模

在机器人进行果实采摘过程中，需要将果实采摘情况进行实时通信传输，以便在采摘出现失误时可以及时地调整机器人的状态，实现果实采摘的在线控制。一般来说，果实图像的亮度、色度和饱和度都混合在R、G、B这3个分量中，当苹果果实受到光照射时，表面的光度分布不均，会大大影响颜色特征的提取。因此，在提取颜色特征时，可通过欧氏距离来判断颜色是否相近。假设两个像素点为p1(H1, S1)和p2(H2, S2)，将其距离d(p1, p1)定义为

(1)

根据该方法可以提取苹果果实、树枝和树叶等特征信息，这些信息可以实时地传输给远程监控系统。为了提高信息的传送速度，实现多发射和接受模型，本次研究采用MIMO和OFDM模型。

OFDM技术可有效地降低信道的衰落，但如果要提高其传输速度，需要增加发送功率、带宽和子载波数，这对于无线通信来说基本是不可能的；而MIMO技术可以在空间中产生独立的并行信道，可同时传输多路的数据进行，从而大大提高了信息的传输速度。由于MIMO存在信道衰落问题，因此和OFDM很自然的结合了起来，成为4G通信的核心技术，也是WLAN的技术核心。MIMO采用多个发射和接收机同时工作的方式，有效地增加了信道容量，根据香农定理，SISO的信道容量可以定义为

C=Blog2(1+S/n)

(2)

MIMO通信系统使用阵列天线，有效地增大了接收端天线阵列元间距，保证了接收信号的不相关性，通过选择合并和最大比合并及等增益合并，将阵列元信号进行加权，通信系统原理如图3所示。

图3 MIMO通信系统原理图

如果将天线S1与Y1间距离设为h11，Sn与Ym间距离设为hnm，则对于4×4的MIMO通信系统，距离传输矩阵可以表示为

(3)

假设系统的发送信号为X，加性噪声为n，则系统的接受信号为

Y=HX+n

(4)

MIMO通信系统可以将数据流分为M个，其中M的数值需要小于或者等于最小天线数，于是MIMO系统的信道容量可以表示为

C=MBlog2(1+S/N)

(5)

OFDM的信号包含了多个调制的子载波，假设子载波的个数为N，OFDM系统的符号宽度为TN，每个载波的数据符号为X(k),k=0,1,2,…,N-1，载波频率为fc，因此第k个子载波的频率为fk=fc+kΔf。其中，Δf表示子载波的频率间隔，一个OFDM信号的表达式为

(6)

式(6)中的虚部和实部分别表示OFDM符号的正交分量和同相，在实际信号中可以同相对应的子载波的正弦和余弦分量相乘，构成了最终的OFDM信号，其接受数据为

exp(-i2πfnt)dt

(7)

其中，fn=fc+nΔf,n=0,1,2,…,N-1，假设子载波互相正交，则公式(7)可以写成

(8)

OFDM符号子载波的正交性频谱是一组sinc函数，零点在Δf的整数倍位置上，信号频谱如图4所示。

图4 OFDM信号的频谱

信号的处理可以采用离散傅里叶逆变换来实现。对信号x(t)以Ts/N的速率进行采样，令t=kTs, k=0,1,2,…,N-1，可以得到

(n=0,1,2,…,N-1)

(9)

其中，x(n)的计算可以理解为IDFT运算。在接收端，若要恢复出原来的信号，则需对x(n)进行逆变换，于是可以得到

(k=0,1,2,…,N-1)

(10)

OFDM系统的调制和解调可以通过离散傅里叶变换和傅里叶逆变换来实现。随着移动通信技术的高速发展，手机的功能日益强大，使其作为远程控制的工具成为可能。利用手机作为远程控制终端，可以不受到时间和地点的约束，但在构架系统时，需要同时利用移动通信技术、J2ME、网络通信技术等，从而可以大大提高采摘机器人的遥控范围，提高了遥控的实时性和智能性，也同时提高了系统的实用性。

图5表示基于OFDM-MIMO通信的采摘机器人系统总体框架结构图。该系统主要由3部分组成，包括采摘机器人处理机、服务器和手机遥控器，采用多个低耦合程序整合系统。

图5 系统总体结构图

利用软件集成的方法将机器人工控机、图像采集卡、摄像机、4G无线网卡、传感器和驱动电机集中在一起。当采摘机器人处理程序启动之后，利用4G上网卡RAS进行拨号联网，建立Socket客户端连接到专用服务器。当机器人在采摘时出现故障或者接收到监视的通知信号后，摄像头将采集得到的图像传送给远程控制端，实现采摘机器人的在线远程实时控制。

3 采摘机器人测试

为了验证基于OFDM-MIMO信道模型的采摘机器人的性能，制作了如图6所示的果树采摘机器人样机，并在实验室内进行了果实的定位实验，然后在果园内完成了OFDM-MIMO通信实验。

图6 采摘机器人实验

通过果园和实验室的采摘实验发现：机器人能够准确地对果实目标进行定位，并顺利地完成果实采摘，对果实的连续采摘速度可以达到18s/个。

图7表示套袋苹果目标定位实验结果。由实验结果可以看出：机器人不仅能够对普通的果实进行准确定位，对于套袋果实的定位效果也很好。对机器人进行通信实验，得到了如图8所示的结果。

图7 套袋苹果目标识别定位实验结果

图8 机器人OFDM-MIMO信道测试结果

为了验证实验测试结果的可靠性，使用DFT对信道进行仿真估计，并将实验结果和仿真结果进行了比较，得到了对比曲线。由曲线结果可以看出：使用DFT估计方法得到的仿真曲线和实验测试曲线非常吻合，从而验证了结果的可靠性，表明了OFDM-MIMO在采摘机器人通信系统中应用的可行性。

4 结论与讨论

采用4G移动通信技术和OFDM-MIMO高速移动通信模型设计了一种新型远程控制采摘机器人，实现了采摘机器人作业过程的反馈和远程控制，提高了机器人采摘作业的实时和在线控制能力。对采摘机器人的性能进行了测试，结果表明：机器人不仅可以有效地识别普通果实，而且可以准确地识别套袋果实。对机器人进行了OFDM-MIMO通信实验，并将实验结果和DFT仿真结果进行了对比，实验和仿真的结果基本吻合，验证了结果的可靠性。由于该技术还处于起步阶段，对于OFDM-MIMO通信实验还存在很多不足，对于通信模型的检测还不全面，因此在今后的研究中将重点对该模型进行实验研究，提高机器人的机械自动化和智能化控制水平。

[1] 燕明德,贾卫东,张斌,等.国内外静电喷雾施药技术及机具研究[J].农业机械,2008(8):53-54.

[2] 刘金龙,丁为民,邓巍.果园对靶喷雾红外探测系统的设计与试验[J].江苏农业科学,2012,40(12):370-372.

[3] 李丽,李恒,何雄奎.红外靶标自动探测器的研制及试验[J].农业工程学报,2012,28(12):159-162.

[4] 裴文超,陈树人,尹东富.基于DSP和单片机的实时对靶喷施除草系统[J].农机化研究,2012,34(1):149-153.

[5] 张俊雄,马锃宏,李伟,等.基于土壤基质的播种精度检测试验研究[J].农业机械学报,2012,43(12):62-66.

[6] 马锃宏,李南,王汉斌,等.温室株间电驱锄草控制系统设计与试验[J].农业机械学报,2015,46(1):89-93.

[7] 张二鹏,马锃宏,耿长兴,等.温室悬挂喷施机跨垄作业控制系统设计[J].中国农业大学学报,2013,18(6):170-174.

[8] 马锃宏,李南,李涛,等.钵体苗带式供苗移栽机的设计与试验[J].中国农业大学学报,2015,20(3):216-222.

[9] 张春龙,黄小龙,刘卫东,等.苗间锄草机器人信息获取方法的研究[J].农业工程学报,2012,28(9):142-146.

[10] 胡炼,罗锡文,曾山,等.基于机器视觉的株间机械除草装置的作物识别与定位方法[J].农业工程学报, 2013,29(10):12-18.

[11] 朱凤武,于丰华,邹丽娜,等.农业机器人研究现状及发展趋势[J].农业工程,2013,3(6):10-13.

[12] 吴岩,杜立宇,高明和,等.农业面源污染现状及其防治措施[J].农业环境与发展,2011(1):64-67.

[13] 杨慧,刘立晶,刘忠军,等.我国农田化肥施用现状分析及建议[J].农机化研究,2014,36(9):260-264.

[14] 张霞,蔡宗寿,李欢.我国化肥生产能源消费现状分析[J].现代化工,2014,34(10):12-15.

[15] 付丽霞,李云乐.农业面源污染的现状问题及对策探析[J].食品安全质量检测学报,2014(7):2285-2289.

[16] 栾江,仇焕广,井月,等.我国化肥施用量持续增长的原因分解及趋势预测[J].自然资源学报,2013,28 (11):1869-1878.

[17] 沈德军.农作物叶面施肥的意义、机理及技术要点[J].安徽农学通报,2012,18(12):111-112.

[18] 鱼彩彦.叶面施肥技术在农业生产中的应用[J].农业与技术,2013,33(12):30.

[19] 刘金龙,郑泽锋,丁为民,等.对靶喷雾红外探测器的设计与探测距离测试[J].江苏农业科学,2013,41(7): 368-370.

[20] 高国琴,李明.基于K-means算法的温室移动机器人导航路径识别[J].农业工程学报,2014,30(7):25-33.

[21] 方莉娜,杨必胜. 车载激光扫描数据的结构化道路自动提取方法[J]. 测绘报,2013,42(2):260-267.

[22] 熊爱武. 基于车载激光云点数据的道路模型重建[J].地理信息世界,2013,20(6):86-88.

[23] 魏泽鼎,贾俊国,王占永.基于视觉传感器的棉花果实定位方法[J].农机化研究,2012,34(6):66-68.

[24] 王文庆,张涛,龚娜.基于多传感器融合的自主移动机器人测距系统[J].计算机测量与控制,2013,21(2): 343-345.

[25] 王海青,姬长英,顾宝兴,等.基于机器视觉和支持向量机的温室黄瓜识别[J].农业机械学报,2012,43(3): 163-167.

[26] 王辉,毛文华,刘刚,等.基于视觉组合的苹果作业机器人识别与定位[J].农业机械学报,2012,43(12): 165-170.

[27] 蔡健荣,孙海波,李永平,等.基于双目立体视觉的果树三维信息获取与重构[J].农业机械学报,2012,43 (3):153-156.

[28] 李立君,李昕,高自成,等.基于偏好免疫网络的油茶果采摘机器人图像识别算法[J].农业机械学报,2012, 43(12):209-213.

Design of the Picking Robot Based on the Model of OFDM-MIMO High Speed Mobile Communication System

Gao Wei1, Cao Xinyan2, Zhang Wanli2, Ji Shujiao2

(1.Changchun University of Finance and Economics, Changchun 130122, China; 2.School of Electronic and Information Engineering, Changchun University, Changchun 130022, China)

In order to improve the fruit picking robot and automation level, improve the robot's real-time communication and online control ability, remote control of robot operation process, has brought the OFDM-MIMO model in communication system of the picking robot, and mobile 4G technology applied to the design of the robot, breaking the robot control distance constraints, the realization of the robot cross regional wireless communication. The robot uses the vision sensor and 4G network to collect and transmit the image, and the image data can be displayed on the remote browser side in real time, so it is easy to grasp the robot operation information. When a signal when the robot collision sensor, you can use the OFDM-MIMO channel model for image, transmission, and collected by the vision sensor image information is transmitted to the remote control end, picking errors when can timely adjust the robot state, to achieve control of the fruit picking online. Finally design the experimental prototype robot, and the robot's fruit localization ability and communication ability is studied by experiment and simulation. From the experiment and the simulation results show that, the robot can effectively identify the common fruit and bagging fruit and communication test, simulation and measurement test results are in good agreement, thus validating the reliability results, verify the OFDM-MIMO model in picking robot communication system the feasibility.

picking robot; high speed mobile; OFDM-MIMO channel; real time communication; manipulator

2016-01-18

吉林省教育厅“十二五”科学技术研究项目(吉教科合字【2015】第316号)；吉林省教育厅“十二五”科学技术研究项目(吉教科合字【2015】第317号)

高 伟(1984-)，男，吉林德惠人，讲师，(E-mail) dongliexia@yeah.net。

S225.93；TN929.5

A

1003-188X(2017)04-0129-05