基于籃球運動的果實采摘機器人控制系統(tǒng)研制

張元通

(鄭州商學院，鄭州 451200)

0 引言

農(nóng)業(yè)機械作業(yè)效率高，可降低生產(chǎn)成本，是現(xiàn)代農(nóng)業(yè)的重要組成部分。隨著經(jīng)濟結(jié)構(gòu)調(diào)整，農(nóng)業(yè)生產(chǎn)規(guī)模增速放緩，農(nóng)業(yè)機械在農(nóng)忙時節(jié)供不應求，農(nóng)閑時節(jié)又閑置，存在利用率不高的問題。我國的農(nóng)業(yè)機械相比發(fā)達國家起步較晚，在技術(shù)水平和性能結(jié)構(gòu)方面存在一定的差距。精準農(nóng)業(yè)代表了農(nóng)業(yè)的新趨勢，對生產(chǎn)技術(shù)和機械設備的要求更高，需要智能型的農(nóng)業(yè)機械與其配套。

機器人誕生于20世紀中葉，80年代被首次引入農(nóng)業(yè)工程領(lǐng)域，在精準農(nóng)業(yè)中得到了廣泛的應用。農(nóng)業(yè)機器人作為農(nóng)業(yè)機械的高級形式，具有自主的規(guī)劃和適應能力，可以在復雜多變的環(huán)境中完成作業(yè)。當前的農(nóng)業(yè)機器人已經(jīng)應用于移栽、采摘、嫁接、噴藥和分級檢測等作業(yè)，同時具有對農(nóng)業(yè)數(shù)據(jù)的采集和處理功能[1-2]。農(nóng)業(yè)機器人的設計和制造成本高于普通機械，另外還需要機器視覺、GPS定位、各類傳感器和智能控制等新型技術(shù)的支撐[3]。

農(nóng)產(chǎn)品的收獲需要耗費較多人力，對產(chǎn)品質(zhì)量也有重要的影響。大田糧食作物采用聯(lián)合收割機收獲，普遍實現(xiàn)了機械化。與糧食作物相比，各種水果和蔬菜的形狀各異且質(zhì)地柔軟，生長環(huán)境也復雜多樣，機械收獲的難度較大，收獲環(huán)節(jié)的工作量占整個種植過程的40%[4]。采摘機器人可以用于果實類農(nóng)產(chǎn)品的收獲，我國也在該領(lǐng)域開展研究，并取得了較大的成效。果實的生長環(huán)境都是非結(jié)構(gòu)化的，外部的形態(tài)特征復雜多樣，影響了采摘機器人對果實的準確識別和摘取。另外，采摘機器人大多針對單一農(nóng)產(chǎn)品設計，整體和零部件無法通用，導致利用率降低。為此，人們加強了基礎(chǔ)理論、關(guān)鍵技術(shù)和結(jié)構(gòu)部件等方面的研究，使采摘機器人的作業(yè)效果和適應性得到了改善[5-7]。

控制系統(tǒng)作為采摘機器人的核心，對作業(yè)效率有著決定性的影響，引入新的技術(shù)理念，設計符合果實特征和生長環(huán)境的控制系統(tǒng)，是提升采摘機器人性能的關(guān)鍵。體育領(lǐng)域中的球類運動要求運動員追蹤目標，并根據(jù)具體任務和場上的局勢規(guī)劃行動路線，爭搶球權(quán)以實現(xiàn)進球。目前，已經(jīng)有多種球類運動的機器人被研制出來，它們的目標任務與采摘機器人之間存在共同點，控制原理和方法也能為采摘機器人提供參考。以足球機器人為例，比賽的系統(tǒng)包括視覺、決策、無線通訊和機器人4個部分，決策部分可以進行路徑規(guī)劃，是比賽結(jié)果的決定因素。研究人員以足球比賽機器人的路徑規(guī)劃和決策方法為依據(jù)，針對采摘機器人的特性設計出智能定位和導航系統(tǒng)，實現(xiàn)對農(nóng)業(yè)機械的智能控制[8-9]。

籃球運動是同場對抗類的集體競技項目，既需要單個隊員的實力，也要依靠團體協(xié)作，因此對運動員的目標鎖定和路線規(guī)劃能力要求較高[10]。參考籃球運動的決策原理，高效作業(yè)的采摘機器人需要具備目標實時跟蹤、前進路線規(guī)劃、自主規(guī)避障礙及聯(lián)合作業(yè)的能力。人們已經(jīng)將籃球運動的決策原理引入到采摘機器人上，改善了機器人的性能。董伯云在多采摘機器人聯(lián)合作業(yè)中加入籃球比賽的協(xié)作戰(zhàn)術(shù)分配方法，通過分散集中的機制控制機器人編隊，以最短的行駛路線完成了作業(yè)[11]。羅偉以高精度的籃球動作捕捉系統(tǒng)作為采摘機器人的視覺模塊，有效地提高了機器人對果實的識別精度[12]。許龍成以模糊控制的籃球比賽避障方法為基礎(chǔ)，構(gòu)建采摘機器人的模糊控制避障系統(tǒng)，提升了機器人的避障能力和實時性[13]。此外，籃球運動的控制方法還與收割機和播種機結(jié)合，提高了機械和作業(yè)效率和精度[14-15]。

將籃球運動的原理與采摘機器人結(jié)合，可以改善采摘作業(yè)效率和質(zhì)量，但目前的研究都是針對機器人的單個性能。本文基于籃球運動的決策原理，研制了果實采摘機器人的控制系統(tǒng)。系統(tǒng)引入籃球運動策略，設計采摘機器人的目標識別、路線規(guī)劃和自主避障3種功能，并對使用效果進行測試，旨在提高機器人的自動化和智能化作業(yè)水平。

1 總體設計

控制系統(tǒng)的搭載平臺是GPRT-4型果實采摘機器人，尺寸為1.71m×0.71m×1.22m，用于采摘蔬菜和水果，如圖1所示。

圖1 控制系統(tǒng)的總體結(jié)構(gòu)

系統(tǒng)的核心是裝載在機器人上的PC110型工業(yè)計算機，以TMS320型芯片為控制中心，含有籃球運動規(guī)則、戰(zhàn)術(shù)和策略的數(shù)據(jù)庫?？刂浦行膶Ω鱾€模塊進行管理，分析數(shù)據(jù)并根據(jù)籃球運動數(shù)據(jù)庫形成相應的控制決策?？刂浦行牡妮o助模塊是MAX706型外圍電路，包括復位電路、接口電路和調(diào)理電路，通過RS232串口協(xié)議與主控芯片連接。

機器人裝備具有5個自由度的關(guān)節(jié)型機械手，臂展達到1.2m，且可以更換以適應對不同果實的采摘。機械手末端執(zhí)行器的果實接觸部位附著橡膠材料，采用電極切割的方式摘取。機械手的控制模塊由PC110型工業(yè)計算機與P22-3型多軸運動控制卡共同組成，采用開放式的分層控制，具有良好的定位精度和響應特性。機器視覺模塊是尼康COOLPIX P60型相機和天創(chuàng)UB570型圖像采集卡，具有800萬像素，拍攝獲得JPEG格式的圖像，經(jīng)過圖像采集卡轉(zhuǎn)換為數(shù)字信號以供核心計算機分析。行走裝置為履帶式，采用無級變速，通過液壓閥驅(qū)動履帶實現(xiàn)轉(zhuǎn)向。定位設備是Trimble公司的AgGPS132型產(chǎn)品，由GPS信號天線、接收機及與基站匹配的無線調(diào)制解調(diào)器組成。

2 控制功能

2.1 目標識別

籃球運動數(shù)據(jù)庫對其中的視頻進行分析，捕捉優(yōu)秀運動員的動作，作為學習的素材。動作捕捉的方式是處理比賽的視頻幀，統(tǒng)計技術(shù)動作的特征數(shù)據(jù)，從而獲得標準籃球動作的數(shù)據(jù)支持。視頻幀的捕捉是通過機器視覺完成的，因此可以將籃球動作的提取技術(shù)應用在采摘機器人上對目標果實進行識別，實現(xiàn)自主采摘作業(yè)。

籃球動作捕捉針對的是比賽視頻序列，即現(xiàn)場攝像機拍攝隨時間變化的一系列動態(tài)圖像。動作捕捉的關(guān)鍵環(huán)節(jié)是圖像邊緣檢測，通過濾波、增強、檢測和定位這4個步驟提取圖像邊緣，從而將圖像中隱含的動作信息挖掘出來。采摘機器人的作業(yè)也是一個動態(tài)過程，因此機器視覺拍攝的圖像類型和特征與籃球運動相似，對目標的識別可以借鑒籃球動作捕捉方法。機器人目標識別在濾波、增強和定位環(huán)節(jié)上的處理方法與籃球運動大致相同，在邊緣檢測環(huán)節(jié)上則根據(jù)作業(yè)環(huán)境特點選用自適應Canny算法。Canny算法是一種階梯型邊緣檢測算法，用指定標準差進行高斯函數(shù)濾波，產(chǎn)生梯度矢量計算公式，將特定方向上矢量模極大值點定義為圖像邊緣。自適應Canny算法針對假邊緣和局部邊緣丟失的問題，引入信息熵來適應Canny算子的高低閾值，根據(jù)信息熵最大時的Canny閾值將圖像分為目標和背景兩部分。機器視覺模塊識別果實的具體過程如圖2所示。

2.2 路線規(guī)劃

籃球運動中為了能夠有效突破和提高命中率，運動員都會側(cè)重于路線規(guī)劃能力的培養(yǎng)。投籃時需要規(guī)劃籃球的路線使飛行的拋物線更加合理，在沒有命中的情況下需要根據(jù)預設的路線判斷反彈落點，以便進行跟蹤并爭搶籃板球。在實踐中，運動員首先觀察場上形勢進行信息搜索，通過對信息的綜合分析和分類比較等思維加工過程形成決策，獲得規(guī)劃的路線。

本文的控制系統(tǒng)對機器人采集到的果實分布和位置信息進行處理，利用籃球運動的決策模型規(guī)劃作業(yè)路線。與籃球運動員的訓練過程相似，機器人在作業(yè)前也需要應用神經(jīng)網(wǎng)絡對采摘環(huán)境和果實信息進行搜索處理的模擬訓練。機器人借鑒籃球運動的決策方法形成思維能力，規(guī)劃獲得多種路線，然后通過比較分類選擇最佳的方案。

圖2 機器視覺的目標識別流程

2.3 自主避障

對于籃球運動的進攻方來說，目標是籃筐的位置，但是在前往目標的路線上會存在多個障礙，即不斷移動的防守方隊員。根據(jù)籃球比賽的規(guī)則，進攻方隊員應避免與障礙直接碰撞。因此，進攻方需要實時掌握障礙的位置、運動方向及速度，并依照這些參數(shù)不斷地調(diào)整自身的移動方向和速度，才能到達目標點。

基于籃球運動的控制系統(tǒng)依據(jù)籃球避障原理，采用人工勢場模型的控制方法實現(xiàn)機器人的自主避障。人工勢場是以電磁場為基礎(chǔ)理論的抽象力場，假設目標點周圍存在吸引機器人的引力場，障礙物周圍存在排斥機器人的斥力場。引力場和斥力場共同組成人工勢場，其方向和大小符合電磁場規(guī)律，具體特性可以用勢場函數(shù)來描述。人工勢場模型搜索勢場函數(shù)下降最快的方向作為機器人的移動方向，就可以避免與障礙物直接碰撞，同時盡快接近目標。人工勢場模型的結(jié)構(gòu)和算法較為簡單，還能輔助路線規(guī)劃功能獲得平滑的路徑，賦予采摘機器人較強的機動特性和避障能力。

3 功能測試

為了測試控制系統(tǒng)的3種功能，機器人分別對柑橘、荔枝、西紅柿和黃瓜進行采摘試驗，柑橘的識別如圖3所示。每種果實在自然狀態(tài)下選擇100個，用系統(tǒng)識別和采摘，記錄識別率、采摘率、機器視覺分析的響應時間，并計算機器人的采摘效率。作業(yè)完成后，記錄機器人的行走路線及與樹木、植株、農(nóng)業(yè)設施等障礙物的碰撞次數(shù)。

測試的結(jié)果表明：控制系統(tǒng)的機器視覺模塊可以獲取自然環(huán)境圖像，經(jīng)過邊緣檢測后準確地識別目標果實；機器人對4種果實的識別率都高于92%，采摘率高于91%，響應時間小于0.26s，能夠滿足實時、精準采摘的要求。其采摘效率為12.1～18.0個/min，能夠高效地完成采摘作業(yè)，作業(yè)效率如表1所示。在整個測試過程中，機器人的行走路線短，沒有出現(xiàn)路線重復和與障礙物碰撞的情況，體現(xiàn)出自主作業(yè)的能力。

圖3 柑橘果實的識別

表1 采摘機器人的作業(yè)效率

4 結(jié)論

基于籃球運動的決策原理，研制了果實采摘機器人的控制系統(tǒng)。系統(tǒng)裝載在GPRT-4型果實采摘機器人上，根據(jù)籃球運動的決策原理設計了采摘機器人的目標識別、路線規(guī)劃和自主避障3種控制功能。測試結(jié)果表明：控制系統(tǒng)可以準確地識別目標果實，采摘機器人獲得了較高的作業(yè)效率，且可自主規(guī)劃行走路線和規(guī)避障礙，具有很高的智能化水平。