智能巡检多足机器人的巡检路径规划设计

黄军辉，谢武涛

（广东农工商职业技术学院 智能工程学院，广东 广州 510507）

为了节省劳动力成本，提升农业产出效益，农业生产正逐步向自动化、智能化方面发展［1］。当今世界，智能机器人正在逐渐取代传统的劳动力，农业生产智能化已成为一种趋势［2］。由于种植环境对农作物的生长至关重要，种植人员必须实时监测温度、湿度、光照强度等与作物生长发育有关的环境信息数据，以保证农作物的产量，因此研发现代智慧农业智能巡检多足机器人对协助农作物的种植有着重要的作用［3］。为满足栽培环境较为复杂的农作物巡检需求，本文设计出农作物智能巡检多足机器人，用于日常农作物种植巡检使用。

一、智能巡检多足机器人系统总体设计

（一）智能巡检多足机器人整体结构设计

智能巡检多足机器人移动平台在原机体基础上，其六条腿以上下、前后的分布式计算台放置，在基础内设置有舵机控制驱动板、摄像机头、LED 照明、IMU 姿态感应器等，基本机构设计简图如图1所示。在智能巡检多足机器人基础的尾部设计有充电口、USB 电压口和电源开关，原机体基座上预留有多孔板，方便安装搭载树莓派（见图2）、激光雷达（见图3）及其他传感器等。智能巡检多足机器人结构件采用硬质铝合金、碳纤维板材和POM 多种材料有机组合，满足结构强度要求的同时保证智能巡检多足机器人整体轻便。

图1 多足机器人机构设计简图

图2 树莓派Pi3 B+实物

图3 激光雷达图

（二）智能巡检多足机器人系统结构设计

智能巡检多足机器人的系统由车身主体部分、服务器和监控客户端组成，机器人将监测的温度、湿度、光照强度和位置信息传输给服务器。客户端可以通过与服务器交互进行查询当前农作物生长环境情况，掌握农作物的生长状况；还可以对曾保存的农作数据进行分析。

（三）智能巡检多足机器人腿结构设计

目前国内的巡检类机器人多为轮式移动平台，在复杂环境下其移动和越障能力有限，且对环境适应性不强。在自然中，节肢动物在奔跑时对自然环境适应能力强，对于仿生机器人的研究人员来说它们的身体结构与运动步态具有重要的研究意义与价值［4］。特别是在崎岖不平的道路上，腿式自动化机器人也有着特殊的优越性，根据这样的优越性，可设计出一款能在复杂环境下对农业生产环境巡检的智能巡检多足机器人。该智能巡检多足机器人采用六条腿的多足机器人作为移动平台，并采用激光SLAM 的构图和导航。智能巡检多足机器人的腿机械结构设计参照了节肢动物的关节，将六条腿通过对称结构布置于车身左右两侧，从而降低了在智能巡检多足机器人巡检行走过程中环境对行走的干扰。智能巡检多足机器人每条腿有三个自由度，可以通过六条腿中的十八个自由转动副脚进行灵活运动，在行进过程中的平稳性得到进一步提高。根据蜘蛛等节肢动物的腿部结构设计为3 个关节（如图4 所示），关节1 将机器人的机身与腿连接，并负责进行腿部摆腿的动态。为避免行走时腿与腿之间的干扰，第一个关节转动范围设置为120°，第二个关节转动范围设置为180°，第三个关节转动范围设置为150°。

图4 多足机器人单腿结构设计简图

二、智能巡检多足机器人硬件结构图

智能巡检多足机器人机械结构采用6 条腿的蜘蛛式的底座，车架采用的是钢结构，采用24V 直流电源供电，保证了该机器人在面对复杂环境时能够顺利通过（如图5 所示）。

图5 智能巡检多足机器人

智能巡检多足机器人硬件电路部分选用主要包括电源系统、舵机驱动板、IMU 传感器、RBG 灯模块、电量检测模块、蓝牙模块、树莓派主控系统、激光雷达和摄像头模块。农业用智慧巡查小车［5］使客户端能够在机器巡检过程中远程查询所采集到的各种数据，但该智慧车辆的轨迹追踪系统使用的是传统的黑色跟踪路线，这对车辆的红外线感应器要求很高，且稳定能力也不好。而智能巡检多足机器人采用树莓派的主控运行ROS 操作系统，能够根据激光雷达信号与IMU 传感器信号实现SLAM 技术（Simultaneous Localization And Mapping）的实时自动定位控制和版图建立，进行自动化机器人巡检时的自动定位和导航。ROS 作为机器人开发的元操作系统，在智能巡检多足机器人的设计开发中具有十分广泛的应用。在巡检系统上，采用了固定式的农产品日常巡检系统，其好处是不但增加了稳定性，同时也显著增加了农产品的总体经济效益，但必须在各种果园或耕地上配置感应器，导致生产成本提高［6］。上海大学赵晨宇等人提出了一种基于模糊控制计算的农产品车辆轨迹追踪方法，并开展了模拟试验。他们发现该算法的运算量较小，且计算速度快，能够极大地提高车辆追踪特性，但是由于模糊控制算法要求大规模的人类经验来调整其特性，所以不适于大规模应用［7］。我们设计的智能巡检多足机器人结合对农作物巡检的需求，在ROS 操作平台下进行SLAM 开发，确保移动机器人能够在复杂的室外场景下工作，其中，ROS 主控依据导航信息做决策下发指令给STM32 舵机驱动板驱动机器人的相关腿执行相关动作，按照导航路线行走，摄像头采集图像并通过视频ROS 节点由路由器网络传回PC 监控端［8］。其结构框图如图6 所示。

图6 硬件电路结构框图

三、智能巡检多足机器人SLAM 与自主导航系统实现

（一）SLAM 算法与自主导航

SLAM 研究方法主要是运用于智能巡检多足机器人的自主化移动，即智能巡检多足机器人可以从未知环境中的任意地点出发移动，并在移动过程中利用算法和地图得到自身定位，从而实时形成增量型的地图，以达到机器人的主动定位与导航。激光雷达采集的数据进行建图与定位流程如图7 所示。

图7 激光雷达采集的数据进行建图与定位流程图

SLAM 算法历经三十余年的发展，现已获得了相当突出的成绩。其使用方式可以分成两种：基于滤波器的方法和基于优化的方法。Gmapping 算法是一个最常用的基于滤波器的算法［9］。Gmapping算法存在的问题有更新效率低、闭环感知不足等。所以，本文选择了Cartographer 计算作为标准建图的计算。Cartographer 算法使用了基于图像质量最大化的SLAM 理论架构，包括局部SLAM（前端）和全局SLAM（后端）。局部SLAM 技术主要负责图像扫描与闭环测量。将经过图像扫描的激光数据信息与子版图加以匹配，进而得到一种表达模式的栅格地图的子图。一旦子图中仍未加入，新的数据帧则会开始闭环检测。在形成子图之后，就会找到与当前所估算位姿相符的最优预测结果，并将其加入到闭环约束中。全局SLAM 技术主要利用分支定界法和预先设计的网格减少在局部SLAM 中累积的偏差，并实现全局闭环检测。

智能巡检多足机器人在航行流程中也离不开位置和路线规划。通常，Dijkstra 和A*算法主要用来针对完整地图和给定目的地计算的机器人全局路线规划，以达到全局最佳解。局部路线计划是指巡检自动化机器人在全局路线运行中随时会遭遇障碍物，当自动化机器人在现场移动时，就可以进行主动改变路线，防止与障碍物产生冲突。本文主要使用一个主move-base 功能包来进行自动化机器人位置规划工作，在引导流程中可以使用蒙特卡洛定位算法进行计算自动化机器人位置图上的位置。

（二）路径规划实验

本文以实验室附近绿地为基本环境，在其运动过程中，添加一些自然环境的障碍物，模拟田间的基本环境。通过使用ROS 中的Gmapping 功能包以及利用SLAM 算法，完成建图工作，得到实验场地的二维环境地图，使用Dijkstra 和A*算法来针对完整地图和给定目的地计算的智能巡检多足机器人全局路线规划，图8 为规划出的全局路径。局部代价地图随着智能巡检多足机器人的移动不断更新，相应地局部路径也发生改变，智能巡检多足机器人能够顺利避开障碍物。通过Dijkstra 和A*算法进行路径规划工作，并在真实环境中进行实验验证，证明了采用该算法可以规划出一条可以避开障碍且最优的路径。

图8 实验环境及全局路径规划提取

四、结论

本文设计了一款基于SLAM 的构图和导航的智能巡检多足机器人，能够在复杂的农业种植环境中，采用激光雷达SLAM 技术结合毫米波雷达方式完成自主执行路径规划、自主探索、导航等任务，可按既定巡检路线自主导航完成巡检任务，也可采用地面遥控方式完成对农作物的巡检任务，探索了智能巡检多足机器人在农业种植场应用的场景。后期将在激光雷达小型化、机器人步态控制算法优化、智能巡检多足机器人轻量化设计方面进行改进研究，研发适用可面对更复杂环境的农作物巡检机器人。