基于无线传感器的采摘机械手避障系统研究

陈 婷

(广西职业技术学院 计算机与电子信息工程系，南宁 530226)

0 引言

随着计算机控制技术、无线传感器技术及果蔬采摘设备的日益结合与发展更新，农业果蔬的采摘机器人机械手避障系统的研究更为深入具体，更适应实际场合果蔬采摘。为此，从无线传感器应用技术角度入手，针对机械手在采摘过程中会遇到枝叶、茎秆等相关障碍物，考虑其机械手移动位置、目标点及障碍物之间的不确定性，对避障控制系统的关键问题进行了分析，寻求适合机械手工作的避障控制算法，以提高采摘机械手的采摘精度和避障效果，为采摘机器人的进一步改进提供一定的技术支持。采摘机器人的主要构成如图1所示。在末端执行器的关键部位安装有所需的各类重要传感器，通过采摘机器人视觉系统的传递信号，达到识别、控制并执行采摘的循环动作的目的。无线传感器在此过程中实时进行精准传输采集，控制机械手在作业过程中有效避开障碍物，实现高精度、智能化、自动化的采摘作业。

1 避障系统控制模型

采摘机械手避障系统控制模型的建立是基于采摘对象的形状复杂不一、作业环境的不规则化及机械手作业过程动作的高度智能性等基础之上，主要有W-空间、C-空间路径规划。由于W-空间难以保证采摘机械手工作运动所有路径范围的可达性，通过查阅资料，对比研究对象的特点及采摘条件，选取C-空间算法展开路径规划。该算法模型机理在于建立坐标系并将障碍物映射到一定的空间范围之内，通过一定的格栅相关算法处理，对立地获取采摘机械手的自由空间，使得两者之间互不干涉，从而实现路径规划从三维空间向二维空间的转换，有利于设计出更为简便操作、作业高效的采摘机械手。

1.履带小车 2.收集筐 3.柔性带 4.末端执行器 5.收集装置 6.电动推杆 7.小臂电机 8.大臂 9.大臂电机 10.腰部电机 11.腰部 12.升降台 13.电源及动力控制设备 14.地面

选取视觉成像计算模型，安装在末端执行器上的视觉传感器需考虑采摘机械手作业过程的视野最大限度开阔性，以更好地确定采摘物与障碍物两者之间的位置关系，提供更好的导航信息。如图2所示，空间任意一点P(x,y,z)的坐标在图像平面上的投影成像点为P(x,y)，通过推导，可得

(1)

式中x,y,z—点坐标；

f—焦距；

Nf—像素与空间长度的转换因子。

采摘机械手具备良好的视觉系统关键在于对图像的符合实际处理及静态果蔬的准确识别，通过利用动态阈值分割OTSU方法进行，即

(2)

(3)

(4)

(5)

σ2=w0×w1×(u0-u1)2

(6)

建立果蔬轮廓模型， 并进行边缘检测、 修改及细化达到识别目标。基于位置的视觉伺服系统框架，核心在于通过视觉控制器和关节传感器使得机器人控制器获取准确信息并进行采摘动作，如图3所示。通过传感器的实时采集、传送，控制系统在避障数学模型的基础上实现避障目标表搜索、细化、平滑各类算法控制，有效避开障碍物。算法流程如图4所示。

图3 基于位置的视觉伺服系统

图4 算法流程图

2 避障控制系统设计

2.1 避障控制路径规划

基于无线传感器避障控制系统的研究，路径规划尤为重要，避障控制系统需要事先接收规划好的路径，在遇到障碍物时，采摘机械手在获取无线传感器的第一手信息后，迅速做出避让动作，更改路径，按照避障控制路径行走，寻找正确的采摘目标。

2.2 避障控制系统硬件组成

根据避障模型的建立，选取合适的硬件组成：通过信号调节电路将各传感器获取的采摘目标及周边采摘环境信息收集于数据采集卡之上，要求该数据采集卡具有高精度、高收集性能，并准确输入主控计算机；为了达到较高的采样频率，可以在各个通道设置抗混叠的低通型滤波器，首先保证传输迅速准确，其次保证采集数据的完整性，还需安装结构紧凑的应变型传感器。位置传感器需要保证扭矩输出可靠，设置相配套的120～1 000Ω桥路电阻和放大调理电路；同时，末端执行器的机械构件和电气自动组件通过控制阀、伺服驱动器和转换器等一并输入主控计算机，加之最先通过视觉传感器获取的影像，主控计算机通过处理器准确、迅速的计算，控制采摘机械手执行相应的采摘或者避障动作，完成一次采摘作业，具体流程如图5所示。

图5 采摘控制系统结构框图

对采摘机械手各关节部位选取特定的参数和变量变化范围，据此参数得出机械手的运动学模型，是进行避障控制系统深入精准研究分析的前提和关键。本研究设计采摘机械手具有可以旋转的关节3个，不可旋转、直角关节2个，利用末端执行器的位置、位姿方程作为理论模型的支撑，为后续输入模拟试验软件做前置；另一方面，考虑机械手运动特征要求和经济可行，选取便于安装调整的标准构件，应具有最优的作业空间和尽可能少的自由度，实现很好避开障碍物的目标。智能参数化设计和避障控制系统需有效衔接和协调配合。采摘机械手的相关参数如表1所示。

表1 采摘机械手的相关参数

2.3 避障控制系统软件

无线传感器可很好地用于自动检测，选取TDMA发送协议，该协议基于时间的同步和固定的路由表形式；采用Visual C++作为主体控制软件，系统程序编写采用模块式的程序结构，遵循模块内部数据关系紧凑，模块与模块之间的数据关系松散的规则。准确识别障碍物的关键步骤在于准确获取影像，在此给出主要传感器动态图像采集模块VFW，如图6所示。利用MatLab对采摘机械手进行正逆运动轨迹仿真，选取合适环境参数，开放式控制，将各类障碍物简化。把园林中的果树和树干等障碍物抽象成为点和线段并绘制生成试验场景的MAKLINK图形，模拟机械手大小臂活动关节实现避障动作操作。设定好初始状态参数，记录中间关键环节避障参数，分析最终状态参数，形成机械手在避障控制系统下的角度、加速度等变化轨迹。整个采摘系统包括机械部分及电路控制部分，如电机和传感装置等出现碰撞情形，从力学、运动学、轨迹行为学、无线传感自动控制方面逐步改进。

图6 VFW模块关系简图

针对实际的作业环境，建立自适应的数学模型，并考虑末端执行气的位姿误差、采摘机械手关键部位结构设计和自动控制的可实现性，须保证采摘机械手碰撞率低，且在遇到不可测的障碍物时协同作业。为此，采用Steer to Avoid方法进行有效避让，控制参数的输入和设置需要VELOCITY模块、Virtual Leader 项和Synergy项，来控制传感器追踪目标并传递各种相关信息，控制采摘机械手动作。根据图7避障算法模型中的方向选择，φi的选择可以表示为

3 试验分析

仿真试验主要在以下假设前提和初始条件下进行：

1)环境的选取包括监测范围、避障物范围及传感器节点布置，以及节点的速度、感应半径、控制输入初始值、坐标系及运动路径设置；

2)采摘机械手模型的建立，采用D-H变换法，建立苹果采摘机械臂的数学模型和运动学方程；

3)视觉传感器、超声测距传感器两者结合确定障碍物和果实空间位置信息；

4)利用工作空间环境模型对机械手和障碍物碰撞问题进行分析；

5)相互重叠的枝干描述为一个不规则的多边形，构建自由连接线等；

6)避障系统设定力阈值。

采摘机械手在进行采摘过程中，通过视觉感知系统识别障碍物后，通过对无线传感器的感应改进，加入避障的转向判断并精确动作；每个传感器节点获取信息后，协同进行避障作业，避开果蔬周围静止或者轻微移动的树干、枝叶障碍物，以最佳的运动路径和运动角度准确实现避障，达到采摘目标指定位置，触发传感器系统迅速动作进行有序采摘。经多次反复试验对比，在协同避障模型基础之上融入Steer to Avoid 算法，在避障过程中对移动方向和速率进行不断的计算判断，模型中传感器节点群能够预测出障碍区的范围和形状，最终能够达到更好的避障效果。其关键在于协同避障可较好实现节点统一化，向着统一采摘目标运动，更为一致地避开障碍物。通过统计分析得出采摘机械手的成功避障率，如表2所示。

图7 S-A避障算法方向选择

试验编号机械手采摘计时/min避障系统成功避障率/%110397.5213298.5314597.9416496.8517698.7

4 结论

对采摘机械手避障系统进行改进，利用无线传感器技术，揉合视觉识别技术、信号实时编码传输、SA避障算法及无线传感器网络协同作业理论，实现成功识别、及时避开障碍物，进行果实准确采摘，提高采摘路径规划效果。通过试验发现：引进无线传感器协同避障，成功避障率可达96%以上，实现采摘机器人自动化、智能化水平的进一步提高，为相关领域学者更深入研究开发避障系统性能最优化提供参考。

参考文献：

[1] 郭素娜,张丽,刘志刚.一种高精度自主导航定位的葡萄采摘机器人设计[J].农机化研究,2016, 38(7):20-24.

[2] 马将,文宇桥,詹旭.基于DSP信号实时编码的采摘机器人避障控制研究[J].农机化研究,2016, 38(7):234-238.

[3] 冯娟,刘刚,王圣伟，等.采摘机器人果实识别的多源图像配准[J].农业机械学报,2013,44(3):197-203.

[4] 王建军,武秋俊.机器人在农业中的应用[J].农机化研究,2007(7):174-176.

[5] 宁志超, 崔天时, 李广军.六自由度果实采摘机械手及其控制系统的设计[J].农机化研究, 2010,32(9):111-113, 117.

[6] 万新.基于SA算法的移动无线传感网络协同避障方法研究[D].长沙：湖南大学, 2012.

[7] 陈佐, 涂员员, 万新.基于移动障碍的MWSN节点协同转向避障方法[J].计算机科学, 2012,39(2):95-100.

[8] 熊琼,葛蓁,刘志刚.基于遗传算法和EDA技术的果蔬采摘机器人设计[J].农机化研究, 2016,38(8):214-217,241.

[9] 王崇刚, 李明江.采摘机械手的路径规划-基于相似矢量矩免疫遗传算法[J].农机化研究,2016,38(10):37-41.

[10] 武涛,袁池,陈军.基于机器视觉的猕猴桃果实目标提取研究[J].农机化研究,2011,33(12):21-26.

[11] 戈志勇.番茄采摘机械手运动学仿真与避障算法研究[D].镇江：江苏大学, 2007.

[12] 吕继东.苹果采摘机器人视觉测量与避障控制研究[D]. 镇江：江苏大学, 2012.

[13] 李寒,王库,曹倩，等.基于机器视觉的番茄多目标提取与匹配[J].农业工程学报,2012,28(5):168-172.

[14] 李二超,李战明,李炜.基于神经网络的机器人关节转矩力控制研究[J].电气自动化,2011,33(1):23-27.

[15] 姬伟,程风仪,赵德安，等.基于改进人工势场的苹果采摘机器人机械手避障方法[J].农业机械学报，2013(11):253-259.

[16] 樊晓平,李双艳,陈特放. 基于新人工势场函数的机器人动态避障规划[J].控制理论与应用,2005, 22(5):703-707.

[17] 蒋焕煜,彭永石,申川，等.基于双目立体视觉技术的成熟番茄识别与定位[J].农业工程学报,2008, 24(8):279-283.