基于激光测距仪的温室机器人道路边缘检测与路径导航.doc

基于激光测距仪的温室机器人道路边缘检测与路径导航* 贾士伟1,2,3，李军民1，邱权2,3*，唐慧娟1 （1.西华大学机械工程与自动化学院，成都，610039；2. 北京市农林科学院，北京，100097；3. 北京农业智能装备技术研究中心，北京，100097） 摘要：针对温室内移动机器人的应用需求，该文提出了一种应用于温室内移动机器人自主行走的温室道路边缘检测与导航算法. 此方法利用激光测距仪获取当前视场内路面、作物及障碍物信息，根据温室路面平整度高于作物冠层外表面的特点,检测道路边缘并生成移动机器人下一采样控制周期的期望航向，然后根据机器人几何与物理模型推算左右驱动轮速度调整指令，使移动机器人保持沿道路行走而不进入作物区中。该算法的有效性在温室移动机器人Walle平台上得到了验证，机器人偏离道路中心线的平均值为-1.2707cm，均方误差为2.6772。 关键词：移动机器人，激光测距仪，温室道路，边缘提取，导航 中国分类号：S24;TP242.6 文献标识码：A0引言 温室能够克服四季气候影响、实现作物周年生产，是现代农业的高效生产形式[]。随着中国温室面积的快速扩大，农业劳动者对于温室内自动化生产设备的需求日益迫切。与传统农业生产不同，温室生产作业环境比较狭窄，常规设备难以施展，因此人们开始关注适用于温室内狭窄作业环境的移动机器人技术。导航是实现机器人在温室内自动化、自主化作业的基础技术。根据机器人的行走路线特点，目前用于温室内的移动机器人导航方案大致可以划分为4类：用于轨道行走的、用于垄沟行走的、用于磁条/色带引导行走的和用于无明显引导标志的普通路面的。用于轨道行走的方案对于自主导航算法的要求较低，机器人只要按照作业需求沿着固定轨道以一定速度前进或者后退即可，前进或后退的距离则由具体作业需要确定，如移动指定的距离或者移动到其他传感器视野内出现作业对象为止[2]。类似的，用于垄沟行走的方案对导航算法要求也较低：机器人前后车轴按垄坡形状弯曲，从而将自身的运动限定在与垄沟平行的轴上，导航算法仅需给出前进后退指令[3]。用于磁条或色带的方案则稍微复杂，机器人轮/轮轴并非固定在某一轴上，而是依靠磁力传感器或机器视觉感知磁条/色带位置，从而引导机器人对其进行跟踪[4]。用于无明显引导标志的普通路面的方案，则主要依靠各种传感器信息的融合完成导航，常用的传感器包括激光测距仪、相机、陀螺仪、编码器等[5]。 在所有4类导航方案中，用于轨道、垄沟行走的方案要求道路具有特定的构型，用于磁条/色带引导行走的方案则要求道路上设有引导带，因此以上3类方法均存在一定局限性，难以引导温室机器人进行灵活的自主移动。相比之下，用于无明显引导标志的普通路面的导航方案具有突出的环境适应性强的特点，受到了许多学者的关注。通常该类方案的核心算法分为2部分：道路边缘提取和导航调速控制指令生成。道路边缘提取是为了确定机器人的移动方向，确保机器人一直沿着道路行走，不偏离道路区域碾压作物；导航是通过对机器人左右驱动轮电机的速度调控实现的，根据方向偏差来调整左右轮的速度，从而确保机器人在发现有可能偏出道路区域时能够自动调整过来。 基于道路检测的机器人期望驱动方向生成方法有很多种，基于道路中心线的生成算法是其中较为常见的一种。本文算法提取道路边缘后就主要根据道路中点信息生成下一步动作的期望驱动方向。现有的道路识别方法大部分以机器视觉和激光测距作为探测手段。机器视觉[6-8]方法通过图像处理手段发现路面与其他区域的色彩和亮度差异实现道路边界线的提取。机器视觉方法的缺点是受光照条件影响较大。激光测距方法对光照条件有较好的适应能力，且测量精度较高[9]。现有的激光测距道路识别算法大多服务于车载三维激光测距数据处理[10-12]，对于计算处理设备的硬件条件要求较高。 本文针对温室内道路与作物区域表面平整度不同的特点，提出了一种基于2维激光测距仪数据的温室机器人道路边缘检测与导航算法。该算法在Walle移动机器人上进行了试验验证。 1 Walle移动机器人平台 1. 激光测距仪 2. 显示器 3. 驱动电机 4. 前轮 5. 后轮 1. Laser range finder 2. Monitor 3. Motor 4. Front wheel 5. Rear wheel 图1 Walle移动机器人 Fig.1 Walle mobile robot Walle是国家农业智能装备工程技术研究中心独立开发的温室内移动机器人（图1）。它装备有激光测距仪、电子罗盘、光电编码器等传感器。机器人本体宽度为0.6m，四轮形式，其中两个前轮为驱动轮，分别装配一台400W伺服电机，两个后轮为万向轮。本文算法使用激光测距仪作为机器人探测道路及其周围环境信息的主要工具，仪器型号为SICK公