苹果采摘机器人机械手避障算法研究.pdf-资料库

5 10 15 20 25 30 35 40 中国科技论文在线 http://www.paper.edu.cn 苹果采摘机器人机械手避障算法研究# 姬伟，程风仪，赵德安* （江苏大学电气信息工程学院，江苏镇江 212013）摘要：针对非结构化环境下的采摘机器人机械手实时避障问题，提出一种改进人工势场法的路径规划算法。在保留传统人工势场法易于实现，结构简单等优点的基础上，针对其存在的局部极小点，陷进区等问题，结合果树生长环境中障碍物的特点，通过引入虚拟目标点使搜索过程跳出局部最优的极小点，而获得一条最优的平滑运动曲线，从而实现机械手的灵活避障。仿真实验结果表明此方法简单，实时性好，规划路径的质量得到大幅提高，能够有效地避开障碍物。关键词：采摘机器人；避障；人工势场法；虚拟目标点中图分类号：TP242 Research on the Obstacle Avoidance for Apple Picking Robot Manipulator JI Wei, CHENG Fengyi, ZHAO Dean (school of electrical and imformation engineering,jiangsu university, JiangSu ZhenJiang 212013) Abstract: In this paper, an improved artificial potential field method is present for obstacle avoidance of apple picking robot. On the basis of retaining the merits of the traditional artificial potential field method which has simple structure and is easy to implement, for some of the shortcomings of its existence, such as local minimum points, the stuck district, combined with the characteristics of obstacles in the apple growing environment, a virtual target point is introduced to help the search process escape local optimal minimum point. Then a smooth motion curve, which conducts the manipulator and the end-effector as it approached and picked the apples, is obtained.The experimental result indicates that the proposed method is simple and effective. Keywords: Picking robot; Obstacle avoidance; Artificial potential field method; Virtual target 0 引言果实采摘机器人不仅应具备准确识别成熟果实及精准定位的功能，还应该能够实时规划出合适的采摘路径，引导机械手避开树枝、不成熟果实等障碍物，实现快速自主采摘。相对于工业机器人来说，采摘机器人的工作环境往往是不确定、非结构性的，且果实较柔软易损坏，这些特点给采摘机器人的路径规划问题提出了更高的挑战。目前，已有不少学者提出了农业机器人避障路径规划的方法和策略[1-2]，诸如：Ariadne’s Clew 算法[3]、A*算法[4]、 SBL-PRM（Single-query，Bi-directional，Lazy collision checking，Probabilistic Roadmap Method）算法[5]、神经网络算法[6]等等。人工势场法是一种局部规划算法，结构比较简单，适合静态环境下的路径规划，但存在局部极小点、陷进区以及在复杂障碍物前产生震荡现象等问题。针对这些缺陷，国内外许多学者提出多种改进方法，如对斥力势场函数的改进[7]，结合栅型声纳测试建立新的势场函数 [8]，引入虚拟障碍物以及预测与势场法相结合的算法等等[9-10]，但大部分改进方法的实时性都难以保证。基于以上分析，本文研究了一种基于改进人工势场法的采摘机器人机械手实时避障路径规划算法。在传统人工势场法的基础上，针对其存在的局部极小点，陷进区等问题，结合果基金项目：教育部博士点新教师基金（20093227120013）；江苏省博士后基金（1102110C）；作者简介：姬伟，男，博士，副教授，主要研究方向农业机器人，智能控制。 E-mail: jwhxb@163.com - 1 -

45 50 55 60 65 中国科技论文在线 http://www.paper.edu.cn 树生长环境中障碍物的特点，通过引入虚拟目标点[11]来使机器手摆脱局部极小值问题，获得最优的、平滑的运动规划曲线，从而实现自主避障。实验验证了该方法的可行性。 1 人工势场法原理人工势场法最初由 Khatib 提出[7]，由于其结构简单，易于实现等优点而被广泛采用。基本思想是把机器人在环境中的运动看作一种虚拟人工受力场中的运动。障碍物对机器人产生斥力作用，而目标点对机器人则产生引力作用，这两者的合力控制着机器人的运动、运动方向以及能够到达的位置。传统引力、斥力势场函数如下： U X ( att ) U d ( ) rep a k × = × 1 2 1 ⎧ × × ⎪= ⎨ 2 ⎪ 0 ⎩ k b X X − 2 d （1） ( 1 d − 1 d 0 2 ) d ≤ d 0 d > d 0 （2）式中： ak ， bk 是引力和斥力增益系数， X 为机器人当前位置向量， dX 为目标点位置向量， d 为机器人与障碍物之间的距离， 0d 为障碍物斥力场的作用距离。相应的引力和斥力分别为引力和斥力势场函数的负梯度，表达式如下： F att F rep = − − 1 d k X X ( a ⎧ × k ⎪= ⎨ b ⎪ ⎩ − 0 ( ) d 1 d 0 (3) ) × 1 d 2 × d ∂ dX d ≤ d 0 d > d 0 (4) 机器人受到的合力 F F att = + 决定了机器人的运动方向，如图 1 所示： F rep attF F repF 图 1 传统人工势场示意图 Fig. 1 The traditional artificial potential field schemes 人工势场法是一种非常有效的局部路径规划算法，但是在复杂环境下应用存在一定的问题，由公式（3）、（4）可知，引力是随着障碍物与机器人之间的距离变小而变小，而斥力则恰恰相反，这样在机器人没有达到目标点时，极有可能因为多个障碍物形成的斥力和目标点的引力的合力为零，即局部最小值问题。 - 2 -

中国科技论文在线 2 改进人工势场法 2.1 虚拟目标点选取 http://www.paper.edu.cn 由于局部极小点的存在，人工势场法在路径规划中的应用受到了很大的限制。要使机械臂能够顺利的到达目标点，就必须跳出局部极小点，因此我们通过建立虚拟目标点，使得局部极小点处的合力不为零，来有效解决极小点的问题。 70 75 80 由于虚拟目标点的作用是使机械臂逃离障碍物的影响，所以虚拟目标点位置的选择将是非常重要的。为了便于计算，本文将障碍物近似为球形，使其尽可能的完全包含障碍物。如图 2 所示，A 点为机械臂旋转关节的左端，B 为机械臂的末端，AB 为机械臂多个旋转关节的简化模型，C 为目标点，O 为障碍物模型的圆心。为了使机械臂较快的避开障碍物到达目标点，机械臂应转向平面 ABC 切障碍物 O 较小体积的那边，D 为 OD 与障碍物 O 边界的交点，OD 与平面 ABC 垂直，虚拟目标点可以取在 AD 延长线上的点 M。图 2 虚拟目标点 M Fig. 2 Virtual target point 2.2 虚拟目标点坐标计算 z ， ( C x A C A x 假设 ( y ) , A A ) R 为障碍物模型的半径，则球形的空间坐标表达式为： z ， ( B x C B y C y ) , , , , , B z ， ( O x B O , y O , z 四点坐标均为已知， O ) ( x − x O 2 ) + ( y − y O 2 ) + ( z − z O 2 ) = 2 R (5) 85 设平面 ABC 的法向量为 r ，因为 A、B、C 三点坐标已知， r 可由 AB 与 BC 的叉乘获得。 r v = k i x z − B z x − C B z C j − − x A x B y A y y z y − − C B B A B (6) OD 与平面 ABC 垂直，则 rv 的方向即是 OD 的方向，OD 的直线参数方程为： x = ⎧ ⎪ = y ⎨ ⎪ = z ⎩ x mt O nt y O z pt + + + O (7) 90 由式（5）与（7）得： t = ± R m n + 2 (8) 2 + 2 p 将式（8）带入式（7）中，可以求得与障碍物的两个交点，再将这两个点分别与点 A - 3 -

中国科技论文在线求距离，距离短的那个则确定为 D 点。 http://www.paper.edu.cn 95 直线 AD 的方程为： y − A y − x − A x − y y x x D = D A A = z z D z − A z − A = k (9) 虚拟目标点 M 与点 A 之间的距离： ) 2 − + + − − x x ( z ( y 2 ) 2 ) y ( z A A A = (10) 2 l 由以上两式可求得大于 0 的 k 值，将其带入式（9）即求得 M 点坐标。 3 苹果采摘机器人机械手机构设计与建模 100 3.1 机构设计相对其他果蔬而言（如茄子，番茄等），苹果树冠相对较高，果实较为分散。机械手自由度的增加理论上提高了机构的避障能力，但同时也带来了机械手成本和计算量的增加，于农业机器人的实用化不利，而苹果果枝密度越往上越小，这就降低了机械手避障性能的要求，所以就苹果采摘机器人而言，应尽量减少自由度的数量。根据苹果生物特性和果枝等障碍物的实际分布情况，我们设计研制的苹果采摘机器人机械结构如图 3 所示[12]。 105 图 3 采摘机器人机械结构 Fig. 3 Robot structure 110 苹果采摘机器人机械结构主要包括两大部分：5 自由度的机械手部分和 2 自由度的车载部分。机械手臂部分为 PRRRP 型结构，第一自由度主要用于机械臂的升降功能，第二自由度为机械臂腰部旋转功能，第三、四自由度为旋转轴，第五自由度为伸缩自由度，根据机器人的指令，将末端执行器送到对象的位置，实现苹果的采摘。 3.2 机械手模型 115 所设计机器人机械手机械结构运动参数如表 1 所示。采用 D-H 坐标变换建立机械手各关节连杆的坐标系位置如图 4 所示： 120 - 4 -

中国科技论文在线 http://www.paper.edu.cn 表 1 机械手机械结构运动参数 Tab. 1 Motion parameters of manipulator mechanical structure i关节 1 2 3 4 5 iθ ° / ( ) 90 2θ 3θ 4θ 0 /ia m 0 0.133 1 0 0 iα ° / ( ) 0 -90 0 -90 0 /id m 1d 0 0 0 5d 关节变量范围 d 1 (0.84 − 2 ( 180 θ − 3( 6 θ − 3 4 ( 180 − θ d 5 (1 − m m 1.84 180 ) ° ° − 1 4 2 ) − 180 ) ° ° − m 1 .4 ) ° ° ) 图 4 机械手 D-H 坐标系 Fig. 4 The D-H coordinates system of the manipulator 由上述建立的连杆 D-H 坐标系和运动学参数可以推导出各连杆的位姿矩阵： M 01 M 34 0 0 d 1 1 = 0 ⎡ ⎢ 1 ⎢ 0 ⎢ ⎢ 0 ⎣ c ⎡ 4 ⎢ s ⎢ 4 0 ⎢ ⎢ 0 ⎣ 1 0 − 0 0 1 0 0 0 s 0 − 4 c 0 4 0 1 − 0 0 运动学方程为： = , ⎤ ⎥ ⎥ ⎥ ⎥ ⎦ 0 0 0 1 M 12 = , M 45 ⎤ ⎥ ⎥ ⎥ ⎥ ⎦ ⎡ ⎢ ⎢ ⎢ ⎢ ⎣ c 2 s 2 0 0 ⎡ ⎢ ⎢ ⎢ ⎢ ⎣ 0 0 1 − 0 s − 2 c 2 0 0 1 0 0 0 1 0 0 0 1 0 0 0 c 0.133 2 s 0.133 0 1 2 ⎤ ⎥ ⎥ ⎥ ⎥ ⎦ , M 23 = c 3 s 3 0 0 ⎡ ⎢ ⎢ ⎢ ⎢ ⎣ s − 3 c 3 0 0 0 0 1 0 c 3 s 3 0 1 ⎤ ⎥ ⎥ ⎥ ⎥ ⎦ 0 0 d 5 1 ⎤ ⎥ ⎥ ⎥ ⎥ ⎦ = = n ⎡ x ⎢ n ⎢ y n ⎢ z ⎢ 0 ⎣ s s= 2 34 + xa c s d 2 34 5 o x o y o z 0 xp + y y x x p a p a p a z z 0 1 s s d 2 34 5 ⎤ ⎥ ⎥ ⎥ ⎥ ⎦ − M 05 = M M M M M 01 12 23 34 45 = − = − xn ya zp 其中： = − ， s c xo 2 34 c s ， 2 34 c d s − + 。 34 5 3 s sin θ= i i c= ， 2 yp = − d 1 c i ， cos θ= i ， c c 2 3 = c 0.133 2 s c 2 3 zn s 0.133 − 2 s= − ， 34 yn c c= ，， 2 34 za zo = ， 0 2 s= ， yo c= − ， 34 ， cos( θ θ j + 。 i ) ， s ij = sin( θ θ j + ， i ) c ij = - 5 - 125 130 135

140 145 150 155 160 165 中国科技论文在线 3.3 障碍物模型 http://www.paper.edu.cn M p r ，如图 5 所示。其中， 0 果树果枝等三维障碍物一般具有不规则的形状，本文通过障碍物球形包络来近似建模。 p x y z 为球心在基坐标系障碍物球形包络可描述为中的坐标， mr 为半径。这种建模方法虽然在一定程度上扩大了障碍域，但简化了障碍域的描述和球形包络近似求取方法的计算，有效的提高了规划的效率，同时能够保证路径规划的安全性。 )m 0( , , 0 , 0 ( ) 0 图 5 障碍物球形包络模型 Fig. 5 The model of obstacles spherical envelope 4 基于改进人工势场法的苹果采摘机器人机械手避障算法本文通过引入虚拟目标点来解决人工势场法中局部极小点的问题，将其应用于苹果采摘机器人机械手进行避障路径规划的具体步骤如下：（1）设置步长γ、障碍物、目标点以及机械手的初始位姿信息。（2）获得当前关节角的相邻关节角的集合。每个相邻关节角取θ γ− ，θ，θ γ+ 三种情况，并对所有情况进行运动学正解，获得机械手末端的位姿信息及与障碍物的距离信息。（3）将机械手与障碍物的距离信息带入人工势函数，计算出势能的最小点，记下最小点处的关节角信息。（4）判断末端点是否为局部极小点。如果不是则转入（6），如果是则转入（5）。（5）引入虚拟目标点解决局部极小点问题。（6）判断当前末端点是否为目标点，若是，则规划结束，若不是则转入（2）。 5 仿真实验结果为了验证上述算法的可行性，在 MATLAB 环境中进行了仿真实验。在直角坐标系下，机械手的起始地址为（0，1.133，0），目标地址为（0.463，3.661，0.062），取 ak ， bk 的值均为 1，图 6(a)为 5 自由度机械手初始状态，机械手在移动的过程中受到目标点的引力影响向目标点靠近，当进入障碍物影响范围内时，障碍物的斥力也发生作用，可能机器人会陷入局部极小点，这时则需要引入虚拟目标点使机械手逃离局部极小点，图 6(b)所示为机械手在避障过程中瞬间状态。最终，机械手成功避过障碍物到达目标点，如图 6(c)所示，避障成功。 - 6 -

中国科技论文在线 http://www.paper.edu.cn 3 2 1 0 -1 -2 -3 170 3 2 3 2 1 0 -1 -2 -3 x z y apple (a) (b) 3 x y z apple 3 2 1 0 -1 -2 -3 3 2 x z y apple (c) 图 6 机械手避障仿真过程的瞬间状态图 Fig. 6 The process of obstacle avoidance for manipulator 175 180 185 190 195 200 205 6 结论本文研究了一种基于改进人工势场法的采摘机器人机械手实时避障路径规划算法。在传统人工势场法的基础上，针对其存在的局部极小点等问题，通过引入虚拟目标点，使机械臂逃出局部极小点，之后撤消虚拟目标点，机械臂在原目标点和障碍物的合力影响下达到目标点，从而实现机械手的灵活避障。仿真结果表明此方法简单，实时性好，规划路径的质量得到大幅提高，能够有效地避开障碍物。 [参考文献] (References) [1] Kanae Tanigaki, Tateshi Fujiura, Akira Akase, Junichi Imagawa. Cherry-harvesting Robot[J]. Computers and Electronics in Agriculture. 2008,63(1):65-72. [2] Van Henten E J, Hemming J, Van Tuijl B A J, et al. Collision-free motion planning for a cucumber picking robot[J]. Biosystems Engineering, 2003,86(2):135-144. [3] L. G. V. Willigenburg, C.W. J. Hol, E. J. V. Henten. On-line Near Minimum-time Path Planning and Control of an Industrial Robot for Picking Fruits[J]. Computers and Electronics in Agriculture. 2004,44(3):223-237. [4] 姚立健，丁为民，陈玉仑. 茄子收获机器人机械臂避障路径规划[J]. 农业机械学报. 2008,39(11):94-98. [5] 蔡健荣，赵杰文，Thomas R 等. 水果收获机器人避障路径规划[J]. 农业机械学报.2007,38(3):102-105. [6] 戈志勇，陈树人，王新忠. 神经网络在果蔬收获机器人机械臂避障路径中的应用[J]. 农机化研究.2007,2:172-174. [7] 王萌，王晓荣，李春贵等. 改进人工势场法的移动机器人路径规划研究[J]. 计算机工程与设计.2008,29(6):1050-1506. [8] Khatib, O, Real-time obstacle avoidance for manipulators and mobile robots[C] Proceedings of the IEEE International Conference on Robotics and Automation,pp.500-505,St .Louis,Missouri,March,1985,25-28. [9] 张培艳，吕恬生. 基于模拟退火-人工势场法的足球机器人路径规划研究[J]. 机械科学与技术. 2003,22(4):547-555. [10] Borenstein, J. Koren, Y., Real-time obstacles avoidance for fast mobile robots[J]. IEEE Transactions on Systems, Man, and Cybernetics.1989,19(5):1179-1187. [11] 罗乾又，张华，王姮，解兴哲. 改进人工势场法在机器人路径规划中的应用[J]. 计算机工程与设计. 2011,32(4):1411-1418. [12] Zhao De-An, Lv Jidong, Ji Wei, Zhang Ying. Design and control of an apple harvesting robot. Biosystems Engineering. 2011,110(2):112-122. - 7 -

资料库

苹果采摘机器人机械手避障算法研究.pdf

相关推荐

开发技术

热门标签

最新资料