基于VR场景设计的采摘机器人协同作业分析

成艳真

(济源职业技术学院,河南 济源 459000)

0 引言

随着智能采摘技术的不断推进,多元化信息水平向多行业发展,我国的采摘机器人作业水平得到明显提升。虚拟现实VR作为一种超高速计算图像技术,已在航空军事控制领域得到广泛应用。经查阅文献了解到,将现实采摘机器人的动作执行借助于计算机处理科学,创建逼真采摘作业场景,有利于对采摘机器人作业动作进行实时监测与控制。笔者拟通过三维渲染可视系统平台,从采摘运作机理角度,包括路径规划、避障识别与定位处理等环节,对采摘机器人的系列协同作业展开研究。

1 采摘机器人作业机理

智能化采摘机器人作业的核心在于准确地识别与定位目标信息。图1为果蔬采摘机器人作业场景,其各部件的协调性采摘动作实现了果蔬自动采摘与摆放。作业机理:经图像识别、精确传感装置捕获采摘目标及周边采摘环境,通过内部控制程序指令到达采摘机械臂,执行部件完成1次采摘动作。表1为基于VR场景设计的采摘机器人主要零部件构成。通过人机交互设备、VR装备、Internet网络等进行科学可行的采摘控制模型创建,多信息传感装置的组合、参数有效检测反馈、采摘部件之间的协调配合等成为采摘成功率的重要保证。

表1 VR设计下的采摘机器人主要零部件构成Table 1 Operation main parts composition of the picking robot under VR design

图1 果蔬采摘机器人作业场景图Fig.1 Scene diagram of fruit and vegetable picking robot operation

2 基于VR的采摘机器人设计

2.1 VR场景搭建

进行采摘机器人VR场景搭建,考虑环境信息、植物成像及动态交互功能实现,有效形成采摘作业机理,如图2所示。首先,经采摘系统主控端构成感官重构;然后,经环境建模、力渲染等传递至交互通讯模块,到达采摘机器人从控端,实现采摘与控制。

图2 基于VR场景设计的采摘机器人作业机理组成Fig.2 Operating mechanism composition of picking robot based on VR scene design

2.2 协同机理分析

在可视化的智能决策下,协同战略思维应用于采摘机器人各部件,必须准确建立协同系统间的控制关系与动作实现,包含顺序、同步与自由3种形式。本文采用同步控制、自适应目标下的采摘部件运动,将采摘系统划分为多个子系统进行采摘作业的动作实现与路径调整,如图3所示。

图3 采摘系统协同作业控制结构简图Fig.3 Structure sketch of collaborative operation control in the picking system

针对VR场景的采摘机器人协同作业,进一步设置采摘主要算法参数(见表2),场景图像内部进行细化处理,Hermite算法应用于样条的对比及线段的分割,以保证离散化帧定位精度。基于此算法进行参数设置,实现采摘模型设计。

表2 VR场景下进行协同采摘主要算法参数设置Table 2 Parameter settings of main algorithms for collaborative picking in VR scenes

2.3 采摘控制设计

对采摘机器人动作模型进行设计,对VR场景的待采摘对象识别利用K-means算法进行像素噪声滤波处理,区分出采摘对象枝叶与果实;各部件自由度协调考虑力反馈的柔度,避障处理能力体现在执行件协同作业信号接口函数的运用(见表3);设定足够快的CPU运算处理速度,对场景下监测到的对象位置与角度做到闭环调控,对障碍物及时反馈。

表3 基于VR的采摘机器人进行协同作业主要接口函数Table 3 Main interface functions of the collaborative operation of picking robot based on VR

针对采摘控制核心环节,给出VR场景下采摘机器人目标识别算法执行过程,如图4所示。经图像场景梯度原理划分,对采摘域与附加域逐一分割提取,获取相应的目标值及采摘区域。

图4 VR场景下采摘机器人目标识别与算法核心流程简图Fig.4 Core flow diagram of target recognition and algorithm of the picking robot in VR scene

采摘机器人协同部件轨迹规划与控制结构如图5所示。建立采摘机器人位姿坐标系,并将采摘部件的采摘关节角度动态微观变化作为监控空间位姿的核心参数之一,经控制指令实现采摘机器人运动部件的路径优化与高效化避障作业。

图5 采摘机器人协同部件轨迹规划与控制结构简图Fig.5 Structure diagram of the trajectory planning and control of collaborative parts of the picking robot

依据采摘模型算法及轨迹控制机理,采摘协同作业在VR场景下的运动控制精准度。输入bool Display Picking Robot程序,核心代码如下:

vs Node*my Node

if(myNode&&myNode->isOfClass Type

(vsDOF::getStaticClassType()) )

{

m_caizhaizuDof=(vsDOF*)myNode;

m_caizhaizuDof->setRotateH (i/4,true);

else

printf(“no caizhai DOF node”);

......

void myApp::onKeyInput

(VR Window::Key key,int mod)

case VR Window::KEY_z:

if(Demo Type==1)

{

Picking Robot Start=true;

Picking Move Start=true;

}

case VR Window::KEY_x:

if(Demo Type==1)

{

Picking Robot Start=false;

Picking Move Start=false;

}

......

由此调用函数Display Picking Robot()与Display Picking Move()依照预设采摘轨迹运作。

3 VR场景采摘协同作业试验

3.1 条件设置

进行基于VR场景设计的采摘机器人部件协同作业试验。选择悬挂葡萄为研究对象,设置同等的周边采摘作业场景。采摘机器人各运动执行部件进行采摘定位、夹持、托扶、剪切等关键动作,依照图6所示的流程通过C/S远程与服务器通讯模块的结合,针对关键参数进行采集处理与状态显示;以点对点传输为通讯路径,经执行决策判定后传输至采摘机器人的各采摘部件,形成协同精准化采摘作业仿真。

图6 基于VR场景的采摘机器人系统协同通讯框架简图Fig.6 Sketch diagram of cooperative communication framework of picking robot system based on VR scene

同时,设置一致性前提条件为:①采摘作业VR场景保持一致性;②采摘图像提取距离信息保持相等性;③采摘协同控制算法保持相同性等。

3.2 过程分析

通过采摘机器人在作业场景中的自适应定位与环境感知等信息传输,以及各通讯模块、协同决策模块与动作执行模块的有机融合,截取采摘机器执行试验协同作业的动作画面,如图7所示。由图7可知:该协同作业试验能够在不同的决策指令下实现动作输出,较好地完成路径规划和避障处理,设计可行。

图7 基于VR场景设计的采摘试验协同作业简图Fig.7 Picking experiment collaborative operation sketch based on VR scenario design

经数据记录与处理,得到基于VR场景设计的采摘机器人协同监控关键衡量指标统计结果,如表4所示。将计算坐标与VR协同采摘坐标记录对比可知:整体定位误差在0～8mm范围内,协同采摘作业的平均耗时可控制在2.25s以下,采摘成功率为94.5%以上,各控制指标符合作业要求且采摘动作协调,试验可行。

表4 基于VR场景设计的采摘机器人协同作业试验数据统计Table 4 Data statistics of cooperative operation experiment of picking robot based on VR scene design

4 结论

1) 在充分理解采摘机器人作业功能要求及VR设计理念的基础上,搭建VR场景采摘作业平台,以协同控制为主线,设计该场景下的采摘机器人系统。

2)仿真试验表明:理论计算定位与实际仿真误差小于8mm,机器人协同采摘的作业耗时平均维持在2.06s,成功率符合作业要求,最大可达到96.8%,设计可行。

3) 通过采摘对象及周边场景图像获取处理、多功能传感器技术的有效融合,最大限度设计出布局结构紧凑的VR采摘场景,确保采摘部件的柔韧度与协同性,在预设采摘路径程序规划下模拟自适应避障采摘动作,实现成功采摘,可为类似农机化设备的开发与优化提供一定思路。