简述除草机器人的关键技术及其原理

简述除草机器人的关键技术及其原理摘要：通过介绍国内外除草机器人的研究状况和除草机器人的基本组成机构，详细的解释了除草机器人的关键技术及其原理。最主要的是为了满足实时精确除草，需要较高的定位视觉精度视觉系统。最后指出了我国除草机器人的发展方向和前景。关键词：农业除草机器人关键技术原理农田中，通常采用机械设备来喷洒化学除草剂。在我国，主要是采用手动喷雾剂或机动喷雾剂施药除草。在美国，施药设备有喷杆喷雾剂、涂抹施药器具、粒状农药施药器具等。这些方法的缺点是对地面杂草目标没有识别能力，均匀施药，导致农药污染。喷雾设备一般都有雾滴飘逸现象。现有的涂抹施药器具虽然没有雾滴飘逸，但它不能对低于庄稼高度的杂草施药。除草机器人的研究可以降低劳动强度，大幅度减少除草剂用量，有利于农林生态环境的保护[1]。本文主要是针对前人的研究成果，通过查阅国内外的一些文献主要介绍一下除草机器人的主要结构和工作过程。一、国内外农业除草机器人的研究情况随着农业劳动力成本的提高，许多发达国家广泛开展了农业机器人研究。近年，又开始了对除草机器人的研究。瑞典、丹麦荷兰等欧洲国家以及美国、日本等开展了杂草识别和除草机构的研究。国内对于除草机器人的研究正在起步，南京林业大学提出了构建自主除草机器人的构想并设计了原理样机，通过试验完成了机械臂的运动控制。江苏大学则开展了割草机器人的避障行为以及组合导航研究[2]。英国科技人员开发的菜田除草机器人所使用的是一部摄像机和一台识别野草、蔬菜和土壤图像的计算机组合装置，利用摄像机扫描和计算机图像分析，层层推进除草作业。它可以全天候连续作业，除草时对土壤无侵蚀破坏。科学家还准备在此基础上，研究与之配套的除草机械来代替除草剂。收割机器人美国新荷兰农业机械公司投资250万美元研制一种多用途的自动化联合收割机器人，著名的机器人专家雷德·惠特克主持设计工作，他曾经成功地制造出能够用于监测地面扭曲、预报地震和探测火山喷发活动征兆的航天飞机专用机器人。惠特克开发的全自动联合收割机器人很适合在美国一些专属农垦区的大片规划整齐的农田里收割庄稼，其中的一些高产田的产量是一般农田的十几倍大田除草机器人:德国农业专家采用计算机、全球定位系统(GPS)和灵巧的多用途拖拉机综合技术，研制出可准确施用除草剂除草的机器人。首先，由农业工人领着机器人在田间行走。在到达杂草多的地块时，它身上的GPS接收器便会显示出确定杂草位置的坐标定位图。农业工人先将这些信息当场按顺序输入便携式计算机，返回场部后再把上述信息数据资料输到拖拉机上的一台计算机里。当他们日后驾驶拖拉机进入田问耕作时，除草机器人便会严密监视行程位置。如果来到杂草区，它的机载杆式喷雾器相应部分立即启动，让化学除草剂准确地喷撒到所需地点。菜田除草机器人:英国科技人员开发的菜田除草机器人所使用[3]。二、除草机器人的基本构成除草机器人硬件部分由主体、多关节机械臂、末端执行器以及起非常重要作用的摄像头等组成。软件部分主要包括导航控制和杂草检测。摄像头拍摄的图片送PC机处理，所得结果分别用于控制主体自主行走和机械臂定点除草。各种部件的联系极为重要，特别是导航摄像头的图像分析与执行端的运动学分析。三、除草机器人的关键技术及其原理在除草机器人的设计和控制中，导航摄像头的图像分析和执行器的运动学分析，参数的输入控制与PC机软件的结合，还有除草方法的选择都具有极其重要的意义。1．视觉图像分析及其导航。利用机器视觉导航技术引导除草机器人沿着农作物行自动行走,行走时又利用机器视觉技术检测农作物行间杂草。除草机器人多关节机械臂运动到杂草区域，切割杂草并涂抹除草剂，执行结束后再继续行走。在整个过程中机器人的图像识别能力直接决定了机器人的成功与失败，而图像识别的配准还有分辨深度的问题一直是我们大学或者科研的难题之所在[4]。现在在这方面的研究又处于不断进步的水平，以下是国内外的一些典型的研究方法：（1）基于OCD-ICP(优化角点集提取——迭代最近点)的图像配准方法。该方法利用图形学原理，对图像边缘角点候选点集提出了四个筛选规则，逐步筛选得到优化的角点集，并在此基础上利用迭代最近点的方法得到最优配准；（2）基于SIFT特征提取算法与KD树搜索匹配算法相结合的新方法。通过对候选特征点进行多次模糊处理，使其分布在高斯差分图像的灰度轮廓线边缘，利用SIFT特征提取算法找到满足极限约束的极值点；通过KD树最邻近点搜索和匹配算法使处理后的特征点与原始图像进行特征匹配，快速找出匹配正确的特征点；（3）基于HSI颜色分量的颜色特征提取方法。该方法结合HSI颜色分量反映物体本质颜色的特点和直方图多阈值分类对图像内容的自适应优点，采用直方图多阈值分类方法量化各HSI颜色分量，组合量化后的颜色分量提取图像颜色特征。对该方法提取的视觉图像颜色特征进行聚类，并对视觉图像进行分割；（4）基于分量直方图的自适应分割方法。首先对图像的3个分量统计直方图进行自适应分割，确定出各分量的分类数目及类的取值范围；然后，对分割类进行分量间组合，获得原图像中主要的几种颜色；最后以这些颜色作为聚类中心，按照颜色相似性准则对图像进行聚类分割[5]；（5）采用了将RGB和HSV两种色彩系统混合使用的方法，提出了基于颜色信息的RGB和HSV模型下利用双阈值图像分割的方法。大部分方法都是多种原理并用，采用先进的彩色处理技术，基于一定的平台技术。我国的技术还有很大的需求和发展空间，国外在这方面的研究比较成熟和先进一些。2．机构的移动方法及其运动学分析。（1）球形运动分析：球形移动机器人具有运动灵活的优点，且在运动中不存在翻仰球形运动分析问题。因此在工业、民用、国防以及空间探索等领域具有广泛的应用前景。主要的研究工作如下:首先，基于欧拉——拉格朗日方法建立球形移动机器人的动力学模型，利用坐标变换和输入控制变换对模型进行降阶和标准型处理，并设计双回路线性运动控制策略；提出球形移动机器人的动态平衡问题，分别建立球壳质量分布均匀和非均匀条件下的平面动力学模型，利用部分线性化方法将模型分别变换为非“三角”正则形式的和“三角”正则形式的级联非线性模型，并设计指数稳定的动态平衡控制策略；分别对提出的运动控制和平衡控制策略进行稳定性分析、仿真和实验研究。其次，将球形移动机器人分别简化为“球壳——重摆”模型和“球壳——框架”模型，建立两者的动力学微分方程，并通过求解微分方程的近似解研究驱动机构在两个驱动轴方向上的运动特性。（2）全方位移动分析：全方位移动机器人由三个轮式模块化单元和一个连接平台组全方位移动成。轮式模块化单元是一个模块化万向单元称为MUU，具有俯仰、偏航和回转三个自由度。MUU的圆柱形铝合金外壳上安装了一系列的被动轮，这些被动轮机构使MUU成为一个大的全方位驱动轮。MUU在垂直于身体轴线方向能够提供较大驱动力，而在身体轴线方向的作用力由小被动轮卸载，从而实现万向轮的功能。高度的集成性使MUU的通讯和更换易于实现。移动机器人的运动学分析证明了该机器人的运动灵活性。最后，给出了该机器人的运动实验和仿真结果[6]。（3）基于ADAMS的移动分析：主要研究利用基于ADAMS的虚拟样机技术重建移动机器人在不同路面条件下的滑移量，并进行滑移补偿控制的问题。首先利用机械系统动力学分析软件ADAMS创建轮式机器人的整体模型(包括车体模型、路面环境模型以及轮胎模型)。利用此模型在ADAMS环境中进行仿真，模拟在不同路面条件下移动机器人的滑移效果，并根据机器人的运动学特性重建出不可测的滑移量。将滑移量传递给控制器参数设计出滑移补偿控制器，并进行了ADAMS与MATLAB联合仿真。仿真效果表明该控制器可以有效地补偿滑移效果，改善移动机器人在滑移状态下的控制精度。（4）小型地面移动分析：一种带前摆臂结构的小型地面移动机器人，建立了该机器人的运动学模型，确定了该机器人驱动轮转角与机器人位姿间的关系，为小型地面移动机器人的控制系统的设计提供了理论依据。该机器人的控制系统采用上下位机控制方式实现了对机器人的遥控控制，即上位机为PC机，下位机采用单片机。采用流向控制标志位查询判断驱动信号的流向，使机器人移动载体、摆臂和摄像装置的驱动电机可以协调运动。对该机器人各机构的运动进行了仿真，并得到了机构匀速运动过程中的主驱动轴转角、摆臂转角及摄像头转角等3个主要机构的运动参数曲线，验证了机器人各机构的运动性能。（5）多运动状态下移动分析：通过对关节履带式移动机器人越障过程的运动分析，基于履带车辆行驶力学分析及牛顿—欧拉方程，建立了机器人复合越障运动状态的动力学模型。并以车体的运动为控制目标，分析计算了车体、摆臂的运动变化以及驱动力矩的变化。仿真图形验证了机器人具有良好的运动稳定性，为机器人越障过程的控制奠定了基础[7]。（6）基于视频的运动物体的实时运动分析：数字图像处理和计算机视觉是近年来发展十分迅速的研究方向，目前正广泛地应用于军用和民用等各个领域，是智能机器获取外部信息和理解世界的重要途径。运动检测与目标跟踪是计算机视觉中两个最重要的应用，也是本文的研究内容。本文的研究背景是为自主移动机器人在室内环境的世界建模和路径规划、导航等高层决策提供关键信息，特别是为机器人的环境监控、目标跟随、避障等任务提供判断和决策依据。运动检测和目标跟踪作为两个相对独立的计算机视觉应用，在文中分别进行了算法理论的研究和实验验证。对于运动检测，本文采用了基于多高斯背景模型的背景差分算法作为核心算法。同时引入高斯滤波图像预处理以及形态学处理算法作为辅助，提出了一套完整的运动检测算法方案并在实验中进行验证。本文针对该算法本身的缺陷导致周期性大面积误检测的问题，提出了新的模型更新算法加以解决；以及针对无法克服相机运动、阴影干扰影响的不足，本文也分别提出了模型重构算法和基于HSV空间的阴影滤除算法，并通过实验验证了改进算法的有效性和先进性。对于目标跟踪，本文采用基于MeanShift的目标跟踪算法作为核心算法。（7）混合式壁面移动分析：针对结构较复杂的椭球形壁面，提出了由两类不同移动混合式壁面移动机构组成的混合式壁面移动机器人，一类为框架移动式，实现沿壁面经线(纵向)的攀爬运动；另一类为浮动的轮轨驱动式，实现沿壁面纬线(横向)的运动，二者相互独立。重点介绍了轮轨式横向移动机构，分析了它的工作原理，根据工作环境的几何特征并结合D-H法，对复杂约束环境下，机器人的横向运动进行了运动学分析，并进行了样机实验，结果表明通过控制两个驱动轮的角速度可以控制机器人横向运动的速度和姿态。（8）便携式地面移动：便携式地面移动机器人由于其广泛的应用性，成为了当今便携式地面移动机器人领域的一个研究热点。本文以自主研制的“履带-关节”式机器人为研究对象。由于履带式与轮式运动特性的巨大差异，本文重点分析了履带式机器人运动过程中地面对履带的影响，特别是转弯运动中转弯阻力的影响，并且建立动力学模型进行仿真和实验。针对机器人“履带-关节”的特殊结构，分析了机器人在典型地形下的通过性，并且设计了一套机器人自主跨越障碍物的动作规划算法。控制器是机器人控制的核心。机器人控制器硬件部分按照层次化、模块化的思想设计，采用并行总线结构，可以按照需求扩展各个功能模块。控制器软件按照底层电机控制、中间层通讯协议和上层应用控制的层次顺序进行设计。整个控制系统运行良好，能够满足机器人控制的要求。同时对机器人自主运动内容进行了探讨。利用Beckstepping设计思想和Lyapunov稳定性原理设计控制器来实现路径跟踪，并且通过仿真和实验来验证方法的有效性。借鉴滚动窗口的原理，设计了基于传感器信息的实时路径规划算法，保证机器人在未知动态环境下借助传感器信息能够安全地到达目标点，利用仿真验证了其有效性。六轮腿移动：建立了准静态数学模型。（9）六轮腿移动：首先对机器人机构进行了准静态分析，然后根据六轮腿移动机器人的运动特性以及环境特性对机器人的影响，研究了机器人运动的协调性及地形适应性，尤其对机器人越障越坡行为作了深入研究，建立了各种越障行为的数学模型，为运动控制器的设计打下理论基础。为实现对这一