專利名稱：采摘機器人的自主導航和人機協(xié)同采摘作業(yè)系統(tǒng)的制作方法
技術領域：
本發(fā)明屬于全景視覺技術、移動機器人的導航技術、無線傳感網(wǎng)技術、人工智能技術和人機協(xié)同技術在顆粒狀農(nóng)作物自動化采摘方面的應用，尤其適用于人機協(xié)同的多采摘機器人的自主導航和采摘作業(yè)。
背景技術：
20世紀末，由于農(nóng)業(yè)機械設計和制造技術趨于成熟，電子信息技術的快速發(fā)展，一批面向生產(chǎn)者應用的各種機電一體化技術產(chǎn)品開發(fā)出來并裝備到農(nóng)業(yè)機械上，使得諸如耕整、插秧、小麥收獲等工作對象是均質(zhì)平面的農(nóng)業(yè)生產(chǎn)作業(yè)實現(xiàn)了機械化和自動化。而對于實現(xiàn)工作對象是分散的、并且需根據(jù)判斷進行選擇的上作如除草、間苗、蔬菜收獲和水果收獲等作業(yè)的機械化和自動化則是極為困難的，這些作業(yè)要求農(nóng)業(yè)機械具備很高的智能。隨著計算機技術和信息采集與處理技術的發(fā)展，人工智能、機器視覺等新技術在·農(nóng)業(yè)機械中的應用研究得到了重視。結合了農(nóng)藝技術、機械技術、電子技術、信息技術和人工智能技術的農(nóng)業(yè)機器人的研制是當前國內(nèi)外農(nóng)業(yè)機具研究領域的研究熱點之一。機器視覺用各種成像系統(tǒng)代替視覺器官作為輸入敏感手段，由計算機來代替大腦完成處理和解釋，能依據(jù)視覺敏感和反饋的某種程度的智能完成一定的任務。尤其是近年來，機器視覺技術的快速發(fā)展，為農(nóng)業(yè)機器人的自主導航和農(nóng)作物的識別提供了一種新的解決方案；全景立體視覺技術的出現(xiàn)為農(nóng)業(yè)機器人的自主導航和農(nóng)作物的識別定位提供了極大的便利。農(nóng)作物采摘作業(yè)是農(nóng)作物生產(chǎn)鏈中最耗時、最費力的一個環(huán)節(jié)。同時，采摘作業(yè)質(zhì)量的好壞還直接影響到產(chǎn)品的后續(xù)加工和儲存。如何以低成本獲得高品質(zhì)的產(chǎn)品是農(nóng)作物生產(chǎn)環(huán)節(jié)中必須重視和考慮的問題。由于采摘作業(yè)的復雜性，目前我國采摘作業(yè)的規(guī)?；⒆詣踊椭悄芑潭热匀缓艿?，基本上農(nóng)作物采摘作業(yè)都是手工進行，就棉花采摘這一項來說每年約需要人工采摘成本8個億。隨著人口的老齡化和農(nóng)業(yè)勞動力的減少，農(nóng)業(yè)生產(chǎn)成本也相應提高，這樣會大大降低產(chǎn)品的市場競爭力。因此采摘機器人是未來智能農(nóng)業(yè)機械的發(fā)展方向。采摘機器人工作在高度非結構化的環(huán)境下，采摘對象是有生命的生物體。同工業(yè)機器人相比，采摘機器人具有以下的特點1)采摘對象嬌嫩、易脆，形狀復雜且個體之間的差異性大；2)采摘對象大多數(shù)被樹葉、樹枝等掩蓋，增大了機器人視覺定位難度，降低采摘成功率，同時對采摘機械手的避障提出了更高的要求；3)采摘機器人工作在非結構化的環(huán)境下，環(huán)境條件隨著季節(jié)、天氣的變化而發(fā)生變化，環(huán)境信息完全是未知的、開放的，對采摘機器人的智能控制水平要求高，在視覺、知識推理和判斷等方面具有相當?shù)闹悄埽?)采摘對象是有生命的、易脆的生物體，要求在采摘過程中對果實無任何損傷，這就要求機器人的末端執(zhí)行器具有柔順性、靈巧性；5)由于缺少對采摘機器人的研究，沿用了工業(yè)機器人的設計思想，導致了采摘機器人的價格昂貴；6)采摘作業(yè)動作的復雜性，采摘機器人一般是采摘作業(yè)、移動同時進行，采摘區(qū)域的行走不是連接出發(fā)點和終點的最短距離，而是具有狹窄的范圍，較長的距離及遍及整個田間表面等特點；7)由于采摘的延續(xù)時間長，需要在采摘過程中避免農(nóng)作物受到損害，以免影響采摘的產(chǎn)量，比如棉花的采摘需要經(jīng)歷2個多月的時間；8)希望在采摘過程中進行分類，以提高采摘物的品質(zhì)和減少后續(xù)的分揀工序。采摘機器人中無論采用何種移動機構，都存在移動機器人的自主導航問題。目前移動機器人有多種導航方式，根據(jù)環(huán)境信息的完整程度、導航指示信號的類型、導航地域等因素的不同，可以分為基于地圖導航、基于信標導航、基于GPS和視覺導航以及基于感知器導航等?；诘貓D的導航方式，事先要將機器人的作業(yè)環(huán)境輸入控制系統(tǒng)內(nèi)，形成電子地圖。在結構化、環(huán)境條件已知的情況下，可以采用此種方法。基于信標導航，需要在作業(yè)環(huán)境的確定位置設立信標。機器人通過安裝在身體上的測量裝置檢測其與信標的相互關系，推算自身的位姿。這種方式下，機器人的定位誤差只取決于機器人與各信標的相對位置，在工業(yè)自動導引小車中用到這種方法。采摘機器人的作業(yè)環(huán)境復雜，需要機器人根據(jù)環(huán)境的變化自行確定行走的方向。因此，視覺導航成為采摘機器人自主導航的首選方法。視覺導航技術的基本原理是，利用視覺傳感器作為感知元件，獲取周邊環(huán)境的圖像。經(jīng)過圖像二值化、濾波等圖像處理后，利用Hough變換等技術提取邊界信息。然后根據(jù) 模式識別技術，確定障礙物的方位和機器人的行走路線?？刂破鹘?jīng)過路徑規(guī)劃、優(yōu)化，控制移動機構左右兩輪的電機，指揮機器人在無人干涉情況下自主移動到預定的位置。視覺導航需要處理大量的圖像數(shù)據(jù)，需要采用專用的圖像處理卡。目前，有些研究者利用DSP芯片實現(xiàn)圖像數(shù)據(jù)的采集、數(shù)字化轉(zhuǎn)換、分析和處理的全部功能，直接將處理結果傳送給主機。另一方面，目前在基于視覺導航的行走機器人技術方面基本上采用一般的彩色攝像機作為視覺感知元件，要獲取采摘機器人周邊環(huán)境的視頻圖像往往需要用多個攝像機分別朝著不同的方向進行拍攝，并用多視頻圖像數(shù)據(jù)融合的方式進行處理；另一種方案是采用云臺技術不斷地掃描行走機器人的周邊環(huán)境；上述這兩種方式都會增加硬件和軟件成本，造成了在圖像分析處理上很大的負擔。對于非結構化的采摘環(huán)境采用全方位的智能感知是必不可少的。

發(fā)明內(nèi)容
為了克服已有的農(nóng)作物采摘機器人的自然柔順性差、機構復雜、控制復雜度高、智能化要求高、制造和維護成本昂貴、容易損傷采摘對象、環(huán)境適應性差和采摘效率不高等不足，本發(fā)明提供一種具有自然柔順性好、機構簡單、控制復雜度低、有限智能化、采摘效率高、環(huán)境適應性好、制造和維護成本低、采摘過程中不損害采摘對象和作物的采摘機器人的自主導航和人機協(xié)同采摘作業(yè)系統(tǒng)。本發(fā)明解決其技術問題所采用的技術方案是—種米摘機器人的自主導航和人機協(xié)同米摘作業(yè)系統(tǒng)，包括米摘機器人，用于實現(xiàn)人-采摘機器人之間進行信息交互的、并能用于采摘機器人的空間定位的無線傳感網(wǎng)和用于對采摘現(xiàn)場和采摘機器人的狀態(tài)進行綜合分析處理和判斷的、并用于在人機協(xié)同采摘作業(yè)中為采摘管理人員提供遠程干預和管理的計算機；所述的采摘機器人包括行走部分、采摘機器手、用于獲取采摘區(qū)域全景立體視頻圖像的全景立體視覺傳感器和用于實現(xiàn)采摘機器人的自主導航、避障、定位和路徑規(guī)劃功能的智能體，以下簡稱Agent,所述的Agent根據(jù)所述的全景立體視覺傳感器感知的信息進行分析、計算和推理，在常規(guī)情況下，根據(jù)所述的采摘管理人員下達的采摘區(qū)域和采摘時間的采摘作業(yè)調(diào)度決策，自動做出路徑規(guī)劃，驅(qū)動所述的行走部分和所述的采摘機器手完成邊行走邊采摘的任務操作；在非常規(guī)情況下通過無線傳感網(wǎng)向采摘管理人員提供非規(guī)則事件等信息，請求采摘管理人員的干預；所述的Agent包括任務規(guī)劃行為模塊、協(xié)調(diào)行為模塊、與采摘管理人的交互行為模塊、緊急行為模塊、路徑識別行為模塊、避障行為模塊、定位行為模塊、路徑跟蹤行為模塊、采摘邊界識別行為模塊、行走行為模塊、轉(zhuǎn)向行為模塊、采摘對象的識別和分類行為模塊、采摘對象的空間定位行為模塊和采摘行為模塊；所述的無線傳感網(wǎng)，用于采摘管理人員與采摘機器人之間的信息交互，同時也能為采摘機器人的空間定位提供信息；采用一種以ns級的沖擊脈沖在短距離內(nèi)高速傳輸數(shù)據(jù)的無線通信技術，通過所述的無線傳感網(wǎng)將分布在采摘區(qū)域中的采摘機器人與所述的采摘管理人員構成一個人-采摘機器人一體化的采摘管理和控制系統(tǒng)，根據(jù)需求、環(huán)境和采摘對象的變化，通過動態(tài)自組織的方式協(xié)同地感知和采集網(wǎng)絡分布區(qū)域的多采摘機器人和各種采摘對象的信息，形成一種人與采摘機器人相互激發(fā)、優(yōu)勢互補、共同尋求問題求解的協(xié)同機制。進一步，所述的行走行為模塊中，采用模糊控制方法；根據(jù)全景視覺成像特點，經(jīng)過圖像分割和濾波數(shù)字圖像處理，兩農(nóng)作物行間在全景成像上呈現(xiàn)出向著成像中心圓的一條直線；采用Hough變換來檢測農(nóng)作物行中心線；利用Hough變換得到邊界線將不連續(xù)的邊緣像素點連接起來；對采摘機器人采用模糊導航控制，用Yci和Gril表示采摘機器人的期望位置和姿態(tài)，導航角Θ Jt)表示采摘機器人的軸線與兩作物行中線的偏角，單位rad，導航距Y (t)表示采摘機器人導航全景視覺傳感器的中心在地面的投影點到兩作物行中線的距離，單位mm，轉(zhuǎn)角控制輸出δ (t)表示主動導向輪的轉(zhuǎn)角變化量，控制輸出μ (t)表示兩側(cè)后輪的轉(zhuǎn)速差；將模糊導航控制歸納為雙輸入雙輸出的模糊控制求解問題，首先，確定隸屬函數(shù)、模糊集進行模糊化直線函數(shù)能快速調(diào)整較大誤差，鐘形和Bell型函數(shù)變化平滑性；在誤差較大時，考慮調(diào)整的速度，采用三角形隸屬函數(shù)；在誤差允許范圍內(nèi)，采用曲線型隸屬函數(shù)；取γ、Θ r、μ和δ的模糊子集，在各自論域中均劃分為7個集合“左大(LB) ”、“左中(LM) ”、“左小(LS) ”、“零(ZE) ”、“右小(RS) ”、“右中(RM) ”、“右大(RB) ”;通過實驗得到參數(shù)Y、Θ r、μ和S的有效論域；輸入變量Y和Θ ^具有相似的變化特性，均設置相同的隸屬函數(shù)；輸出變量μ和δ也具有相似的變化特性，也設置相同的隸屬函數(shù)；建立控制規(guī)則，用模糊條件語句來描述控制規(guī)則Ri: if Ql is Ai and Q2 is Bij then Ul is Ci and U2 is Di;Ri表示第i條控制規(guī)則，Ql表示導航角語言變量，Q2表示導航距語言變量，Ul表示轉(zhuǎn)角控制輸出語言變量，U2表示兩側(cè)后輪的轉(zhuǎn)速差輸出語言變量；它們的語言值在相應論域中的模糊子集分別為ApBiXi和Di,根據(jù)控制規(guī)則建立輸入和輸出控制規(guī)律表，根據(jù)輸入變量得到相應的輸出變量；利用重心法進行解模糊化處理，得到輸出變量μ和δ的精確控制值。所述的避障行為模塊，通過全景立體視覺的方式檢測出行進方向上的障礙物，障礙物全景立體視覺檢測過程為1)去除全景立體圖像中非立體視覺視場方位的部分，對全景圖像進行展開和極線校正，這部分主要通過展開圖像內(nèi)徑、外徑、以及柱狀展開圖上極線·校正來完成；2)對展開圖像采用邊緣檢測技術初步檢測出疑似障礙物的邊緣信息，通過閾值調(diào)整，檢測出障礙物的邊緣信息；3)對采摘機器人所獲取的全景立體圖像對中的所有疑似障礙物點利用極線約束進行立體匹配，根據(jù)匹配的像素對的圖像坐標值進行立體視覺空間點的重建，根據(jù)全景立體視覺傳感器成像時，圖像坐標、全景立體視覺傳感器的坐標以及現(xiàn)實世界坐標系之間的關系，計算得出其相應的高度值，當高度大于給定閾值時則判定為障礙物點；障礙物點的高度以及障礙物點與采摘機器人的距離的計算方法由公式(I) 公式(2)表示；Cl=(IDCosY1CosY2)Zsin(YfY2) (I)h=H-b_dXarctan Y 2=H_dXarctan Y1 (2)式中，d表示障礙物點A與采摘機器人的全景立體視覺軸線在地面上投影點的距離，b表示構成全景立體視覺的兩個全景視覺傳感器的視點間的距離，Y !表示障礙物點A在上全景視覺傳感器上成像的入射角，Y2表示障礙物點A在下全景視覺傳感器上成像的入射角，h表示障礙物點A的高度，H表示上全景視覺傳感器的視點到地面的距離；·在檢測出障礙物后就需要讓采摘機器人采取避障行為，所述避障行為的流程為步驟I)如果沒有檢測到障礙物，則沿著兩作物行中線前進；步驟2)如果檢測到前進方向存在障礙物，獲得障礙物的距離信息，判斷障礙物與采摘機器人的距離是否小于2米，如果是則進入避障區(qū)；步驟3)進入障礙區(qū)后減速前進，啟動避障策略，繞開障礙物；步驟4)關閉避障策略，繼續(xù)從步驟I)開始執(zhí)行，直至遍歷整個采摘區(qū)域；避障策略采用模糊控制算法來實現(xiàn)。所述的路徑識別行為模塊，采用直線路徑模型來規(guī)劃采摘機器人的導航路徑，將采摘機器人當前位姿數(shù)據(jù)作為輸入，采摘機器人姿態(tài)調(diào)整量作為輸出；將農(nóng)作物采摘場景分割成行走區(qū)域和非行走區(qū)域，用色調(diào)信息特征就能將場景中的土地、水和采摘對象區(qū)分開來；分割的方法是采集這三種物體的樣本塊，用前反饋神經(jīng)網(wǎng)絡的方法來識別場景，輸入的圖像中的土壤顏色就是采摘機器人的可行走區(qū)域。所述的協(xié)調(diào)行為模塊包括外部協(xié)調(diào)單元和內(nèi)部協(xié)調(diào)單元，內(nèi)部協(xié)調(diào)單元對直行采摘行為模塊、轉(zhuǎn)向行為模塊、行走行為模塊、避障行為模塊和路徑識別行為模塊進行選擇，決定哪個行為模塊被激活，并對同時激活的行為模塊進行協(xié)調(diào)；1)體現(xiàn)緊急事件最優(yōu)先的原則，一旦所述的緊急行為模塊發(fā)出緊急請求時所述的協(xié)調(diào)行為模塊首先讓所述的直行采摘行為模塊、所述的轉(zhuǎn)向行為模塊和所述的避障行為模塊設置為休眠鎖定狀態(tài)，接著通過與所述的采摘管理人的交互行為模塊向采摘管理人員請求干預，當采摘管理人員處理完緊急事件后才能解除所述的直行采摘行為模塊、所述的轉(zhuǎn)向行為模塊和所述的避障行為模塊設置為休眠鎖定狀態(tài)；2)體現(xiàn)按采摘作業(yè)順序工作的原則，協(xié)調(diào)好所述的采摘機器人邊行走、邊采摘的動作，當檢測到所述的機器手的采摘范圍內(nèi)有采摘對象時停止行走，當周邊的采摘對象都采摘結束時再啟動行走；在行走、采摘和轉(zhuǎn)向行為的同時其他行為模塊均處于激活狀態(tài)，并以多線程的方式分別運行在所述的Agent中。所述的與采摘管理人的交互行為模塊，包括以下交互行為1)請求干預的交互行為，當采摘機器人發(fā)生緊急事件、采摘機器人內(nèi)部的存放容器已滿等情況時，請求采摘管理人員干預；2)接受采摘調(diào)度指令的交互行為，當采摘管理人員下達采摘任務后，將采摘任務轉(zhuǎn)達給所述的任務規(guī)劃行為模塊，在所述的任務規(guī)劃行為模塊做出遍歷路徑規(guī)劃后，將遍歷路徑規(guī)劃反饋給采摘管理人員；3)協(xié)商的交互行為，根據(jù)所述的Agent根據(jù)自身感知的情況，通過對自身知識的推理，能向采摘管理人員提供適當?shù)膸椭徒ㄗh；4)提供采摘現(xiàn)場信息的交互行為，負責響應來自采摘管理人員的上傳信息指令，將所述的Agent所感知到的全景視頻信息和分析得到的狀態(tài)信息上傳給采摘管理人員。所述的任務規(guī)劃行為模塊，所述的Agent根據(jù)所述的采摘管理人員發(fā)出的采摘調(diào)度指令，在規(guī)定的采摘區(qū)域內(nèi)做出遍歷路徑規(guī)劃，控制采摘機器人沿規(guī)劃出的路徑以直線方式行走，至田埂邊界后掉頭，然后沿反方向直線運行如此反復遷回，直到整個采摘區(qū)域被覆蓋。所述的緊急行為模塊，所述的緊急行為是所述的采摘機器人優(yōu)先級最高的行為，在所述的采摘機器人避障行為失敗后或者是發(fā)生顛倒不能行走等事故就切換到所述的緊急行為；當所述的緊急行為發(fā)生時，所述的Agent立刻向采摘管理人員發(fā)出請求干預信息，等待采摘管理人員到現(xiàn)場干預處理，請求干預信息是以緊急行為發(fā)生的空間位置顯示在所述的計算機的顯示屏上，在顯示屏上顯示有以所述的農(nóng)用拖拉機為中心的電子地圖，電子 地圖上標明了請求干預信息發(fā)出采摘機器人的空間位置。所述的路徑跟蹤行為模塊，采摘機器人以迂回行走的方式進行全區(qū)域覆蓋采摘，識別并跟蹤采摘軌跡，采用無線定位技術定位采摘機器人的空間位置，記錄每時間點采摘機器人的空間位置來實現(xiàn)采摘軌跡的跟蹤。所述采摘管理人員駕駛乘坐在農(nóng)用拖拉機中，經(jīng)采摘區(qū)域的田埂對分布在采摘區(qū)域內(nèi)的各所述的采摘機器人進行巡視；對所述的采摘機器人發(fā)生的各種非常規(guī)情況，即緊急行為進行及時的處置，對所述的采摘機器人發(fā)出的采摘農(nóng)作物裝卸請求做出響應，將所述的采摘機器人的容器中的采摘農(nóng)作物轉(zhuǎn)移到所述的農(nóng)用拖拉機的收集箱中；所述的農(nóng)用拖拉機駕駛室內(nèi)配置了所述的計算機，所述的計算機中安裝了采摘管理和控制系統(tǒng)軟件，所述的采摘管理人員通過所述的計算機對分布在各區(qū)域內(nèi)的所述的采摘機器人進行采摘管理和控制；所述的計算機通過所述的無線傳感網(wǎng)與分布在各區(qū)域內(nèi)的所述的采摘機器人中的所述的Agent進行信息交。本發(fā)明的技術構思為采摘機器人的導航技術是智能型采摘機器人自主完成任務的核心技術。由于采摘機器人的工作特點是作業(yè)、移動同時進行，容易受到作物栽培方式以及采摘過程的影響，采摘機器人需要根據(jù)已知信息做出路徑規(guī)劃，并在行進過程中，不斷感知周圍的局部環(huán)境信息，自主地做出決策。這其中包括三個主要內(nèi)容避障、定位和路徑規(guī)劃。因此，采摘機器人需要具有高度自規(guī)劃、自組織、自適應能力，能適合于在復雜的非結構化環(huán)境中工作。理想的采摘機器人的目標是在沒有人的干預、無需對環(huán)境做任何規(guī)定和改變的條件下，有目的地移動和完成相應的采摘任務。但是以目前的自動導航技術水平，要全自動化地完成農(nóng)作物采摘機器人導航這樣復雜的任務仍然存在著很大的困難；在復雜的非結構化環(huán)境中采摘機器人發(fā)生任何突發(fā)事件都是有可能的；理論和實踐都表明一味追求高度的智能采摘機器人技術，越來越表現(xiàn)出很強的局限性，需要運用人機一體化的思想，從系統(tǒng)論的角度加以研究；在某些情況下人的核心作用是不可替代的，人的適當參與能有效增強采摘機器人處理突發(fā)事件和不精確事件的能力，無線通信技術的發(fā)展為采摘機器人與人的協(xié)作工作提供了便利；人通過無線通信技術適當?shù)貙Σ烧獧C器人進行干預，能有效地加強采摘機器人的實用性，降低采摘機器人的智能控制水平要求；另外，一個人可以通過無線傳感網(wǎng)技術同時管理和控制多個采摘機器人的采摘作業(yè)。在人機協(xié)同采摘作業(yè)方面，采摘機器人擅長什么、人擅長什么，怎么實現(xiàn)優(yōu)勢互補，如何實現(xiàn)優(yōu)勢互補，如何協(xié)同工作等這些都需要分析與解決。人-采摘機器人一體化的技術路線是采取以人為主，人與采摘機器人共同組成一個系統(tǒng)，各自執(zhí)行自己最擅長的工作，在平等合作的基礎上，共同認知，共同決策；在實際運行中，相互理解、相互作用、取長補短和協(xié)同工作。要實現(xiàn)人-采摘機器人一體化的技術路線，需要充分發(fā)揮人與采摘機器人各自的特點，以協(xié)同最優(yōu)為目標。借助一個既能理解人的思維和行為，又能理解采摘機器人行為的中間體，在人與采摘機器人之間建立一種柔性的耦合關系。人具有特有的認知和行為特點，決定了這個中間體只能是由人根據(jù)自身特點、經(jīng)驗知識創(chuàng)造的，并具有人類某些重要意識屬性和行為特點的“代理人”。這個中間體駐留在與機器緊密相連的人機接口系統(tǒng)中。中間體需要具有適用于不同人的認知和行為特點的能力，這是建立在對人的認知和行為特點充分理解的基礎之上的。因此中間體本質(zhì)上是一個知識系統(tǒng)。讓中間體作為人和采摘機器人·之間信息、知識溝通的橋梁，既不需要構建具有超智能化的采摘機器人，又避免了人與采摘機器人之間生硬的、刻板的直接接觸，增加了系統(tǒng)的柔順性和靈巧性。人工智能的最新發(fā)展，找到了可以充當人與機器中間體的對象，這就是目前在人工智能領域中研究很熱的Agent技術。Agent指的是一些具有信念、意圖、承諾等認知特性，在一定環(huán)境下能持續(xù)自主發(fā)揮作用，邏輯上相對獨立的智能計算實體。一般來說，Agent具有下述特點I)駐留性Agent作為一個邏輯上相對獨立的計算實體，是存在于一定的環(huán)境之中的，本發(fā)明中的Agent駐留在采摘機器人中，Agent的信念、意圖、目標以及行為來源于采摘環(huán)境感知和人的控制指令，并能通過采摘機器人的動作和行為作用于環(huán)境。2)自主性作為一個智能的問題求解器，Agent具有獨立控制自己行為和內(nèi)部狀態(tài)的能力，在沒有人的直接干預下，能適應外界動態(tài)多變的采摘環(huán)境，獨立自主地解決其意識傾向的目標問題，即自主導航和采摘。3)應答性是指Agent能夠感知所處的采摘環(huán)境和來自于人的控制指令，并能實時地對環(huán)境作出應答，如自主避障等，并能接受人的采摘調(diào)度控制指令。4)主動性Agent的行為不僅僅表現(xiàn)為簡單地對其周圍環(huán)境作出響應，而且能夠適時、適勢的采取主動行動，以實現(xiàn)其承諾的目標，如采摘路徑規(guī)劃和采摘區(qū)域內(nèi)自動尋找米摘對象。5)社會性只有把Agent置于Multi-agent系統(tǒng)之中,Agent才能最大程度地發(fā)揮其作用，這就需要Agent具有與其它Agent、人、組織進行會話、協(xié)商、合作和競爭的能力，以適應復雜多變的動態(tài)環(huán)境，如大面積棉田的采摘任務的調(diào)度。WLAN無線局域網(wǎng)是一種高速無線接入網(wǎng)絡，是傳統(tǒng)有線網(wǎng)絡的延伸。無線局域網(wǎng)具備移動性好，設備安裝快速、簡單、靈活，投資少、擴展能力強等諸多優(yōu)點，非常適合于實現(xiàn)人-采摘機器人一體化的技術路線中多Agent的應答性和社會性的需求。無線傳感網(wǎng)技術將分布在采摘區(qū)域中的采摘機器人與采摘監(jiān)控中心構成一個人-采摘機器人一體化的采摘管理和控制系統(tǒng)，根據(jù)需求、環(huán)境和采摘對象的變化，可以通過動態(tài)自組織的方式協(xié)同地感知和采集網(wǎng)絡分布區(qū)域的多采摘機器人和各種采摘對象的信息，形成一種人與采摘機器人相互激發(fā)、優(yōu)勢互補、共同尋求問題求解的協(xié)同機制。人與采摘機器人協(xié)同的目的是“如何讓人和采摘機器人更好地協(xié)作解決問題”。這里Agent的主要任務是“如何協(xié)助人解決問題”。人在人-采摘機器人一體化的采摘管理和控制系統(tǒng)中處于主要支配地位，采摘管理人員主要利用自身知識在不同層次上進行信息的抽取、提煉和融合，對采摘管理和控制系統(tǒng)的目標、狀態(tài)和行為進行感知和決策，根據(jù)自己的需要和采摘機器人的采摘、分級、包裝以及運輸?shù)刃枰ㄖ艫gent的功能；采摘管理人員向Agent傳授知識,從而逐步培養(yǎng)具有一定主動性和智能性的Agent ;采摘管理人員有了新的感知采摘機器人狀態(tài)的途徑。不僅可以通過直接觀察來感知采摘機器人的當前狀態(tài)，還能通過Agent的增強型的反饋來間接感知；Agent成為采摘管理人員執(zhí)行決策的一種輔助，通過對自身知識的推理,能夠向采摘管理人員提供適當?shù)膸椭徒ㄗh。在人-采摘機器人一體化的采摘管理和控制系統(tǒng)中，采摘機器人擺脫了只能直接與采摘管理人員交互的局面，交互的任務更為明確、直接和柔性化；Agent可以將采摘管理 人員的不精確的、模糊的執(zhí)行命令轉(zhuǎn)化為具體命令，使采摘機器人接受起來更加容易；采摘機器人的信息感知和處理技術，只需要強調(diào)有限智能化，信息的增強、提煉和轉(zhuǎn)化由Agent和人來協(xié)同完成。人-采摘機器人一體化的采摘管理和控制系統(tǒng)在三個層面上實現(xiàn)協(xié)同，即感知層面、智能層面(主事判斷、推理、決策和創(chuàng)造)和執(zhí)行層面。感知層面上采用采摘機器人上傳感器感知。采摘機器人的全景視覺傳感器對采摘環(huán)境和采摘對象進行精確感知，進而將所感知的部分信息、通過無線傳感網(wǎng)傳遞給采摘管理人員，由采摘管理人員分析，進而給出決策；同時也為采摘機器人的執(zhí)行層面提供有限智能控制和管理。智能層面采用采摘管理人員與采摘機器人共同決策。采摘管理人員主要從事形象思維、靈感思維等創(chuàng)造性思維，采摘管理人員的中樞神經(jīng)系統(tǒng)通過對人、采摘機器人、采摘環(huán)境所感知信息的綜合處理、判斷、決策，通過無線傳感網(wǎng)向采摘機器人的控制系統(tǒng)發(fā)出控制指令。同時采摘機器人的控制系統(tǒng)根據(jù)自身感知的綜合信息進行復雜的快速計算和嚴密的邏輯推理，在常規(guī)情況下自動做出必要選擇，驅(qū)動自動導航模塊和采摘模塊完成相應的任務操作；在非常規(guī)情況下通過無線傳感網(wǎng)向采摘管理人員提供非規(guī)則事件等信息，請求采摘管理人員的干預。在智能層面上，采摘管理人員需要做出采摘機器人、采摘區(qū)域和采摘時間的采摘作業(yè)調(diào)度決策；如大面積棉田的棉花采摘，采摘調(diào)度的復雜性、隨機性和動態(tài)性使得單純依靠采摘機器人本身的智能很難獲得優(yōu)化的調(diào)度解，采用人機協(xié)同的方式將人和采摘機器人的優(yōu)勢結合起來解決采摘作業(yè)調(diào)度難題是一種可行的技術路線。采摘管理人員根據(jù)感知層面上所獲得的采摘環(huán)境等信息以及采摘目標任務制定采摘機器人-時間甘特圖和采摘區(qū)域-時間甘特圖，最后將采摘任務分派給分布在各采摘區(qū)域的采摘機器人。在智能層面上，采摘管理人員需要對采摘機器人處于非常規(guī)情況下的事件進行綜合分析、處理和判斷，比如采摘機器人發(fā)生意外顛倒、無法行走、較長時間尋找不到采摘對象等等，采摘人員根據(jù)事件的類型進行干預。
在智能層面上，采摘機器人需要做到根據(jù)規(guī)定的采摘區(qū)域和采摘作物生長情況實現(xiàn)自動導航，根據(jù)在采摘環(huán)境中行走過程中所遇到的障礙物實現(xiàn)自動避障，在采摘環(huán)境中行走過程中自動識別采摘對象，根據(jù)采摘對象的大小、形狀和顏色對采摘對象進行分類，根據(jù)所識別采摘對象分析出其空間位置并控制采摘機器手對準采摘對象進行采摘，根據(jù)采摘機器人的收集采摘對象容器中的采摘量的多少確定采摘機器人需要回到采摘收集處，根據(jù)采摘機器人的供電電源或者供能情況確定是否需要進行能源補充等。執(zhí)行層面上由采摘機器人執(zhí)行自動導航和采摘任務。采摘機器人在田間作業(yè)時，采摘區(qū)域主要分為已收獲區(qū)、未收獲區(qū)、田端、田外區(qū)域等四個區(qū)域。在制定采摘機器人-時間甘特圖和采摘區(qū)域-時間甘特圖后，采摘管理人員就分派給各采摘機器人完成未收獲區(qū)內(nèi)采摘任務，各采摘機器人需要制定相應的遍歷路徑規(guī)劃，遍歷路徑規(guī)劃是一種特殊的路徑規(guī)劃方法，它涉及到一條可行路徑的規(guī)劃，以便使采摘機器人運行軌跡充滿一整塊區(qū)域，也就是指采摘機器人完全覆蓋所有無障礙區(qū)域的運動?！?br> 采摘機器人運動控制包括底層控制和上層控制兩大部分，底層運動控制涉及的內(nèi)容主要包括伺服控制、軌跡跟蹤、路徑跟蹤、反饋鎮(zhèn)定、采摘機器手的控制等，上層運動控制包括視覺分析、定位、障礙物檢測與避障、路徑規(guī)劃、導航、視覺跟蹤、遙控操作以及人機協(xié)同等。采摘機器人視覺導航時，一般選擇農(nóng)作物區(qū)域和非農(nóng)作物區(qū)域之間的分界線，或直接以行狀農(nóng)作物目標作為導航路徑。理論上，可以利用圖像處理中的區(qū)域分割以及邊緣檢測的方法來檢測此分界線；但是由于農(nóng)田處于非結構化自然環(huán)境中，采摘對象生長區(qū)域往往由許多個體植株組成，內(nèi)部結構復雜，一致性比較差；考慮到農(nóng)作物或果樹等目標自然形成的行線基本上都為直線，采摘機器人前進方向局部范圍內(nèi)近似呈直線，因此，可以采用直線路徑模型來規(guī)劃采摘機器人的導航路徑，這樣導航控制的目標是使采摘機器人沿兩農(nóng)作物行間自主前進，將采摘機器人當前位姿數(shù)據(jù)作為輸入，采摘機器人姿態(tài)調(diào)整量作為輸出。超寬帶通信技術是一種以ns級的沖擊脈沖在短距離內(nèi)高速傳輸數(shù)據(jù)的無線通信技術。這種通信技術具有隱蔽性好、穿透能力強、定位精度高以及功耗低等特點，在人-采摘機器人一體化的采摘管理和控制系統(tǒng)中，具有十分重要的現(xiàn)實作用，這種超寬帶通信技術能方便的構成人-采摘機器人之間通信的傳感網(wǎng)，同時也能為采摘機器人的空間定位以及軌跡跟蹤提供準確信息。實現(xiàn)行走系列的采摘機器人的關鍵是1)以農(nóng)作物行中心線為基準線的基于全景視覺的自動導航技術，實現(xiàn)其自主行走；2)在采摘機器人的信息感知和處理方面采用有限智能化方法來加強采摘機器人的實用性，降低采摘機器人的智能控制水平要求；3)設計一種具有一定主動性和智能性的Agent，作為人和采摘機器人之間信息、知識溝通的橋梁，既不需要構建具有超智能化的采摘機器人，又可避免人與采摘機器人之間生硬的、刻板的直接接觸，增加系統(tǒng)的柔順性和靈巧性。本發(fā)明的有益效果主要表現(xiàn)在1)采用了以農(nóng)作物行中心線為基準線的基于全景視覺的自動導航技術，實現(xiàn)了采摘機器人的自主行走；2)在采摘機器人的信息感知和處理方面采用有限智能化方法來加強采摘機器人的實用性，降低采摘機器人的智能控制水平要求；3)設計一種具有一定主動性和智能性的Agent，作為人和采摘機器人之間信息、知識溝通的橋梁，既不需要構建具有超智能化的采摘機器人，又可避免人與采摘機器人之間生硬的、刻板的直接接觸，增加系統(tǒng)的柔順性和靈巧性；4)采用超寬帶通信技術，方便地構成人-采摘機器人之間通信的無線傳感網(wǎng)，便于實現(xiàn)人-機協(xié)同采摘作業(yè)，同時也為分布在采摘區(qū)域中的各采摘機器人的空間定位以及軌跡跟蹤提供準確信息；5)在人-機協(xié)同采摘作業(yè)過程中，人的適當參與有效地增強采摘機器人處理突發(fā)事件和不精確事件的能力；另一方面，常規(guī)情況下的事件和重復性的采摘作業(yè)均由采摘機器人自主處理和完成，極大的解放了人的勞動強度，拓廣了采摘管理人員的管理范圍，提高了采摘效率；6)運用人機協(xié)同的觀點，發(fā)揮人在農(nóng)作物采摘控制與管理中的核心作用，強調(diào)人與采摘機器人在兩者共同組成的系統(tǒng)中協(xié)同工作，實現(xiàn)有效的信息集成與系統(tǒng)優(yōu)化，充分發(fā)掘和利用計算機及無線網(wǎng)絡通訊技術最新成果的技術優(yōu)勢，通過人與采摘機器人的有機結合，獲得最佳協(xié)調(diào)效益和綜合效益。


圖I為一種仿生農(nóng)作物采摘機器人的正視圖； 圖2為構建人-機協(xié)同采摘作業(yè)通信環(huán)境的無線傳感網(wǎng)的拓撲圖；圖3為一種仿生農(nóng)作物米摘機器人系統(tǒng)框圖；圖4為棉花采摘現(xiàn)場的圖像；圖5為采摘機器人自主行走部分的控制原理圖；圖6為駐留在采摘機器人中的Agent的功能框圖；圖7為某一采摘機器人進行迂回遍歷采摘區(qū)域的軌跡圖；圖8為全景立體成像原理以及全景立體視覺范圍的說明圖，其中，(a)為所述的全景立體視覺傳感器的外觀圖，(b)表示了全景立體成像的空間物點檢測模型，(C)表示了全景立體成像的成像范圍；圖9為一種采用氣動人工肌肉技術來實現(xiàn)采摘機器手的示意圖；圖10為在采摘現(xiàn)場實現(xiàn)人-機協(xié)同采摘作業(yè)的示意圖；圖11為全景立體視覺檢測障礙物的說明圖；圖12為模糊控制器控制采摘機器人自主行走和避障的控制框圖；圖13為全景立體視覺傳感器中的上全景視覺傳感器所采集的采摘現(xiàn)場圖像；圖14為基于全景立體視覺的障礙物檢測流程框圖。
具體實施例方式下面結合附圖對本發(fā)明作進一步描述。參照圖I 圖14, 一種米摘機器人的自主導航和人機協(xié)同米摘作業(yè)系統(tǒng),包括米摘機器人的行走部分，用于采摘農(nóng)作物對象的采摘機器人的采摘機器手，用于實現(xiàn)采摘機器人的自主導航、避障、定位和路徑規(guī)劃等功能的智能體，以下簡稱Agent，用于實現(xiàn)人-采摘機器人之間進行信息交互的、并能用于采摘機器人的空間定位的無線傳感網(wǎng)，用于對采摘現(xiàn)場和采摘機器人的狀態(tài)進行綜合分析處理和判斷的、并用于在人機協(xié)同采摘作業(yè)中為采摘管理人員提供遠程干預和管理的計算機，用于獲取采摘區(qū)域全景立體視頻圖像的全景立體視覺傳感器，用于對采摘機器人處于非常規(guī)情況下的事件進行人工干預的以及對采摘機器人進行采摘調(diào)度規(guī)劃的采摘管理人員，用于乘載采摘管理人員以及收集和運輸采摘對象的農(nóng)用拖拉機；所述的采摘機器人主要包括所述的行走部分、所述的采摘機器手、所述的全景立體視覺傳感器和所述的Agent，所述的Agent根據(jù)所述的全景立體視覺傳感器感知的信息進行分析、計算和推理，在常規(guī)情況下，根據(jù)所述的采摘管理人員下達的采摘區(qū)域和采摘時間的采摘作業(yè)調(diào)度決策，自動做出路徑規(guī)劃，驅(qū)動所述的行走部分和所述的采摘機器手完成邊行走邊采摘的任務操作；在非常規(guī)情況下通過無線傳感網(wǎng)向采摘管理人員提供非規(guī)則事件等信息，請求采摘管理人員的干預；所述的行走部分，采用四輪行走機器人，如附圖I、附圖3所示，其中兩個后輪為獨立的主動輪，兩個前輪為主動導向輪，主動導向輪由小功率高減速的電機驅(qū)動，控制導向輪的轉(zhuǎn)角，兩個主動輪分別由兩個輪轂電機驅(qū)動；采摘機器人的行走部分按照電機協(xié)調(diào)算法把行走部分的運動要求分解為對三個電機的控制命令，最后控制導向輪的轉(zhuǎn)動和兩個后輪的差動來實現(xiàn)行走部分的運動；設計時行走部分本體的最大寬度值不能超過采摘農(nóng)作物壟 間狹窄寬度，行走部分本體設計按照工業(yè)機器人現(xiàn)有技術規(guī)范進行設計；所述的采摘機器手，采用一種基于氣動人工肌肉的采摘管道，其外形呈管三自由度肌肉狀，如附圖9所示，管內(nèi)分隔成三個互成120°的扇形柱狀空腔，分別控制三個空腔的壓力來實現(xiàn)沿中心軸Z方向的伸縮及任意一個方向的彎曲，從而實現(xiàn)三個自由度的控制；通過控制三個空腔的壓力使得采摘管道的采摘口對準采摘對象；當采摘口對準采摘對象時控制脈沖式真空發(fā)生模塊動作產(chǎn)生脈沖式真空氣流將采摘對象吸入到采摘管道中；所述的全景立體視覺傳感器，如附圖8所示，附圖8(a)為所述的全景立體視覺傳感器的外觀圖，附圖8(b)表示了全景立體成像的空間物點檢測模型，附圖8(c)表示了全景立體成像的成像范圍，主要用于獲取仿生農(nóng)作物采摘機器人周邊的全景立體視覺視頻圖像，通過USB接口與所述的Agent的硬件連接；所述的無線傳感網(wǎng)，用于采摘管理人員與采摘機器人之間的信息交互，附圖2為采摘管理人員與采摘機器人之間構成的無線傳感網(wǎng)拓撲圖，無線定位技術為采摘機器人的空間定位提供信息；具體采用一種以ns級的沖擊脈沖在短距離內(nèi)高速傳輸數(shù)據(jù)的無線通信技術，通過所述的無線傳感網(wǎng)將分布在采摘區(qū)域中的采摘機器人與采摘管理人員構成一個人-采摘機器人一體化的采摘管理和控制系統(tǒng)，根據(jù)需求、環(huán)境和采摘對象的變化，可以通過動態(tài)自組織的方式協(xié)同地感知和采集網(wǎng)絡分布區(qū)域的多采摘機器人和各種采摘對象的信息，形成一種人與采摘機器人相互激發(fā)、優(yōu)勢互補、共同尋求問題求解的協(xié)同機制；所述的采摘管理人員駕駛乘坐在所述的農(nóng)用拖拉機中，如附圖10所示，經(jīng)采摘區(qū)域的田埂對分布在采摘區(qū)域內(nèi)的各所述的采摘機器人進行巡視；對所述的采摘機器人發(fā)生的各種非常規(guī)情況，即緊急行為進行及時的處置，對所述的采摘機器人發(fā)出的采摘農(nóng)作物裝卸請求做出響應，將所述的采摘機器人的容器中的采摘農(nóng)作物轉(zhuǎn)移到所述的農(nóng)用拖拉機的收集箱中；所述的農(nóng)用拖拉機駕駛室內(nèi)配置了所述的計算機，所述的計算機中安裝了采摘管理和控制系統(tǒng)軟件，所述的采摘管理人員通過所述的計算機對分布在各區(qū)域內(nèi)的所述的采摘機器人進行采摘管理和控制；所述的計算機通過所述的無線傳感網(wǎng)與分布在各區(qū)域內(nèi)的所述的采摘機器人中的所述的Agent進行信息交互；
所述的采摘管理人員根據(jù)感知層面上所獲得的采摘環(huán)境等信息以及采摘目標任務制定采摘機器人-時間甘特圖和采摘區(qū)域-時間甘特圖，然后將采摘任務分派給分布在各采摘區(qū)域的所述的采摘機器人中駐留的所述的Agent ；所述的Agent，駐留在所述的采摘機器人中，其硬件主要包括:A/D轉(zhuǎn)換器、D/A轉(zhuǎn)換器、并行I/O接口、USB接口、存儲單元、CPU、無線通信模塊，如附圖3所示；其軟件主要包括任務規(guī)劃行為模塊、協(xié)調(diào)行為模塊、與采摘管理人的交互行為模塊、緊急行為模塊、路徑識別行為模塊、避障行為模塊、定位行為模塊、路徑跟蹤行為模塊、采摘邊界識別行為模塊、行走行為模塊、轉(zhuǎn)向行為模塊、采摘對象的識別和分類行為模塊、采摘對象的空間定位行為模塊和采摘行為模塊，如附圖6所示；所述的Agent駐留在所述的采摘機器人中，如附圖2、附圖3所示；所述的任務規(guī)劃行為模塊，所述的Agent根據(jù)所述的采摘管理人員發(fā)出的采摘調(diào)度指令，在規(guī)定的采摘區(qū)域內(nèi)做出遍歷路徑規(guī)劃，控制采摘機器人沿規(guī)劃出的路徑以直線方式行走，至田埂邊界后掉頭，然后沿反方向直線運行如此反復遷回，直到整個采摘區(qū)域被覆蓋，遍歷路徑規(guī)劃如附圖7所示；所述的緊急行為模塊，主要是基于安全因素的考慮，所述的緊急行為是所述的采摘機器人優(yōu)先級最高的行為，一般在所述的采摘機器人避障行為失敗后或者是發(fā)生顛倒不能行走等事故就切換到所述的緊急行為；當所述的緊急行為發(fā)生時，所述的Agent立刻向所述的采摘管理人員發(fā)出請求干預信息，等待所述的采摘管理人員到現(xiàn)場干預處理，請求干預信息是以緊急行為發(fā)生的空間位置顯示在所述的計算機的顯示屏上，在顯示屏上顯示有以所述的農(nóng)用拖拉機為中心的電子地圖，電子地圖上標明了請求干預信息發(fā)出采摘機器人的空間位置；所述的路徑識別行為模塊，考慮到農(nóng)作物或果樹等目標自然形成的行線基本上都為直線，如附圖4所示，所述的采摘機器人前進方向局部范圍內(nèi)近似呈直線，因此，可以采用直線路徑模型來規(guī)劃采摘機器人的導航路徑，這樣導航控制的目標是使采摘機器人沿兩農(nóng)作物行間自主前進，將采摘機器人當前位姿數(shù)據(jù)作為輸入，采摘機器人姿態(tài)調(diào)整量作為輸出；本發(fā)明中將農(nóng)作物采摘場景分割成行走區(qū)域和非行走區(qū)域，用色調(diào)信息特征就能將場景中的土地、水和采摘對象區(qū)分開來；分割的方法是采集這三種物體的樣本塊，用前反饋神經(jīng)網(wǎng)絡的方法來識別場景，輸入的圖像中的土壤顏色就是采摘機器人的可行走區(qū)域；由于棉花等農(nóng)作物的采摘延續(xù)時間長，需要進行分階段采摘，采摘后農(nóng)作物本體仍然生長的田間；因此，僅僅用視覺方式來區(qū)分已收獲區(qū)和未收獲區(qū)存在著較大困難，本發(fā)明采用無線定位技術記錄每個所述的采摘機器人的行走軌跡，某個階段中在電子地圖上所述的機器人遍歷的軌跡區(qū)域作為已收獲區(qū)；反之作為未收獲區(qū)，對于田端和田外區(qū)域用前反饋神經(jīng)網(wǎng)絡的方法來進行識別；所述的避障行為模塊，當采摘機器人遇到采摘環(huán)境中的障礙時執(zhí)行避障行為，它的目的是當采摘機器人在行走的路徑中遇到障礙物的時候，使采摘機器人順利地避開障礙，并對障礙周圍區(qū)域進行充分覆蓋采摘；·
所述的行走行為模塊，當所述的路徑識別行為模塊所識別的結果基本上是沿兩農(nóng)作物行間行走時，調(diào)整采摘機器人的方向角與沿兩農(nóng)作物行間方向一致，等待所述的協(xié)調(diào)行為模塊的激活；
所述的定位行為模塊，采摘機器人根據(jù)原始位置和已運行的距離、方向并由定位系統(tǒng)和定位算法確定自身狀態(tài)的行為，是采摘機器人實現(xiàn)自主運動的基礎行為；所述的路徑跟蹤行為模塊，采摘機器人以迂回行走的方式進行全區(qū)域覆蓋采摘，需要識別并跟蹤采摘軌跡的行為是采摘機器人主要的行為，本發(fā)明中采用無線定位技術定位采摘機器人的空間位置，記錄每時間點采摘機器人的空間位置來實現(xiàn)采摘軌跡的跟蹤；所述的采摘邊界識別行為模塊，采摘邊界識別行為是采摘機器人在行走中通過根據(jù)所述的定位行為模塊對其在采摘中的位置和已建立的區(qū)域地圖上目標點進行比較，從而識別是否到達邊界的過程；所述的轉(zhuǎn)向行為模塊，當所述的采摘機器人的所述的避障行為模塊檢測到田埂邊界或障礙邊界即切換到轉(zhuǎn)向行為，該行為與采摘機器人的路徑跟蹤行為配合完成的全區(qū)域覆蓋米摘任務；所述的采摘對象的識別和分類行為模塊，根據(jù)所述的全景立體視覺傳感器獲得的·全景視頻信息，采用數(shù)字圖像處理技術對采摘對象的特征進行識別和分類；如對棉花的采摘，對成熟的棉桃進行高、中、低分類，而對未成熟的棉桃置之不理；所述的采摘對象的空間定位行為模塊，根據(jù)所述的采摘對象的識別和分類行為模塊所識別和分類的結果，并根據(jù)所述的全景立體視覺傳感器獲得的全景視頻信息，依據(jù)立體成像原理計算出采摘對象的空間位置，從而為采摘機器手提供采摘對象的空間位置信息；所述的采摘行為模塊，主要用于直接控制采摘機器手的動作，當所述的采摘對象的空間定位行為模塊計算出采摘對象的空間位置后，所述的采摘行為模塊驅(qū)動采摘機器手的動作對準采摘對象并控制脈沖式真空發(fā)生模塊動作產(chǎn)生脈沖式真空氣流將采摘對象吸入到采摘管道中；所述的協(xié)調(diào)行為模塊，分為外部協(xié)調(diào)和內(nèi)部協(xié)調(diào)，內(nèi)部協(xié)調(diào)主要對上述各行為模塊進行選擇，決定哪個行為模塊被激活，并對同時激活的行為模塊進行協(xié)調(diào)；1)體現(xiàn)緊急事件最優(yōu)先的原則，一旦所述的緊急行為模塊發(fā)出緊急請求時所述的協(xié)調(diào)行為模塊首先讓所述的直行采摘行為模塊、所述的轉(zhuǎn)向行為模塊和所述的避障行為模塊設置為休眠鎖定狀態(tài)，接著通過與所述的采摘管理人的交互行為模塊向采摘管理人員請求干預，當采摘管理人員處理完緊急事件后才能解除所述的直行采摘行為模塊、所述的轉(zhuǎn)向行為模塊和所述的避障行為模塊設置為休眠鎖定狀態(tài)；2)體現(xiàn)按采摘作業(yè)順序工作的原則，主要是協(xié)調(diào)好所述的采摘機器人邊行走、邊采摘的動作，以保證在采摘時刻不行走，在行走中不采摘，當檢測到所述的機器手的采摘范圍內(nèi)有采摘對象時停止行走，當周邊的采摘對象都采摘結束時再啟動行走；對于迂回式的米摘作業(yè)順序是行走一米摘一…行走一米摘一轉(zhuǎn)向一行走一采摘一…；在行走、采摘和轉(zhuǎn)向行為的同時其他行為模塊均處于激活狀態(tài)，并以多線程的方式分別運行在所述的Agent中；所述的與采摘管理人的交互行為模塊，主要有以下幾類交互行為1)請求干預的交互行為，當采摘機器人發(fā)生緊急事件、采摘機器人內(nèi)部的存放容器已滿等情況時，請求采摘管理人員干預；2)接受采摘調(diào)度指令的交互行為，當采摘管理人員下達采摘任務后，將采摘任務轉(zhuǎn)達給所述的任務規(guī)劃行為模塊，在所述的任務規(guī)劃行為模塊做出遍歷路徑規(guī)劃后，將遍歷路徑規(guī)劃反饋給采摘管理人員；3)協(xié)商的交互行為，根據(jù)所述的Agent根據(jù)自身感知的情況，通過對自身知識的推理，能向采摘管理人員提供適當?shù)膸椭徒ㄗh；4)提供采摘現(xiàn)場信息的交互行為，負責響應來自采摘管理人員的上傳信息指令，將所述的Agent所感知到的全景視頻信息和分析得到的狀態(tài)信息上傳給采摘管理人員；在所述的行走行為模塊中，考慮到全景機器視覺的敏感性和田間環(huán)境的復雜性，在本發(fā)明中采用模糊控制方法；根據(jù)全景視覺成像特點，經(jīng)過圖像分割和濾波等數(shù)字圖像處理，兩農(nóng)作物行間在全景成像上基本上呈現(xiàn)出向著成像中心圓的一條直線，如附圖13中的一條粗黑線，關于全景視覺成像原理和全景立體視覺測量原理參見論文“同向式雙目立體全方位視覺傳感器的設計，傳感技術學報，2010 (23)第6期，Ρ79Γ798”；本發(fā)明采用Hough變換來檢測農(nóng)作物行中心線，Hough變換是利用圖像的全局特性而檢測已知圖形參數(shù)的一種方法；在前面已經(jīng)定義了直線路徑模型的情況下，利用Hough變換得到邊界線將不連續(xù)的邊緣像素點連接起來；Hough變換的主要優(yōu)點是受噪聲和曲線間斷的影響較小，這對農(nóng)田環(huán)境中檢測采摘機器人跟蹤路徑有效；關于Hough變換的實現(xiàn)算法參見教科書“計算機視覺-一種現(xiàn)代方法，電子工業(yè)出版社，ISBN7-120-00086-1”;本發(fā)明對采摘機器人采用模糊導航控制，控制流程如圖12所示，用Ytl和表示采摘機器人的期望位置和姿 態(tài)，導航角Θ Jt)表示采摘機器人的軸線與兩作物行中線的偏角，單位rad，導航距Y (t)表示采摘機器人導航全景視覺傳感器的中心在地面的投影點到兩作物行中線的距離，單位mm，轉(zhuǎn)角控制輸出δ (t)表示主動導向輪的轉(zhuǎn)角變化量，控制輸出μ (t)表示兩側(cè)后輪的轉(zhuǎn)速差；本發(fā)明的模糊導航控制可以歸納為雙輸入雙輸出的模糊控制求解問題，首先，確定隸屬函數(shù)、模糊集進行模糊化直線函數(shù)能快速調(diào)整較大誤差，鐘形和Bell型函數(shù)變化平滑，有利于控制的平穩(wěn)性；在誤差較大時，主要考慮調(diào)整的速度，采用三角形隸屬函數(shù)；在誤差允許范圍內(nèi)，主要考慮平穩(wěn)性，采用曲線型隸屬函數(shù)；取Y、θρμ和δ的模糊子集，在各自論域中均劃分為7個集合“左大(LB) ”、“左中(LM) ”、“左小(LS) ”、“零(ZE) ”、“右小(RS) ”、“右中(RM) ”、“右大(RB) ” ；通過實驗得到參數(shù)Y、θρμ和δ的有效論域；輸入變量Y和Qr具有相似的變化特性，均設置相同的隸屬函數(shù)；輸出變量μ和δ也具有相似的變化特性，也設置相同的隸屬函數(shù)；進一步，建立控制規(guī)則，用模糊條件語句來描述控制規(guī)則Ri: if Ql is Ai and Q2 is Bij then Ul is Ci and U2 is Di;Ri表示第i條控制規(guī)則，Ql表示導航角語言變量，Q2表示導航距語言變量，Ul表示轉(zhuǎn)角控制輸出語言變量，U2表示兩側(cè)后輪的轉(zhuǎn)速差輸出語言變量；它們的語言值在相應論域中的模糊子集分別為ApBiXi和Di,根據(jù)控制規(guī)則建立輸入和輸出控制規(guī)律表，實際應用中，只要根據(jù)輸入變量就能得到相應的輸出變量；更進一步，利用重心法進行解模糊化處理，得到輸出變量μ和δ的精確控制值，關于解模糊化的原理參見模糊控制技術的相關書籍；所述的避障行為模塊，其核心是要通過全景立體視覺的方式檢測出行進方向上的障礙物，障礙物全景立體視覺檢測算法的主要思路是1)去除全景立體圖像中非立體視覺視場方位的部分，對全景圖像進行展開和極線校正，這部分主要通過展開圖像內(nèi)徑、外徑、以及柱狀展開圖上極線校正來完成；2)對展開圖像采用邊緣檢測技術初步檢測出疑似障礙物的邊緣信息，通過閾值調(diào)整，檢測出障礙物的邊緣信息；3)對采摘機器人所獲取的全景立體圖像對中的所有疑似障礙物點利用極線約束進行立體匹配，根據(jù)匹配的像素對的圖像坐標值進行立體視覺空間點的重建，根據(jù)全景立體視覺傳感器成像時，圖像坐標、全景立體視覺傳感器的坐標以及現(xiàn)實世界坐標系之間的關系，計算得出其相應的高度值，當高度大于給定閾值時則判定為障礙物點；檢測算法實現(xiàn)步驟如附圖14所示；障礙物點的高度以及障礙物點與采摘機器人的距離的計算方法由公式(I) 公式(2)表示；Cl=(IDCosY1CosY2)Zsin(YfY2) (I)h=H-b_dXarctan Y 2=H_dXarctan Y 丨(2)式中，d表示障礙物點A與采摘機器人的全景立體視覺軸線在地面上投影點的距離，b表示構成全景立體視覺的兩個全景視覺傳感器的視點間的距離，Y !表示障礙物點A在上全景視覺傳感器上成像的入射角，Y2表示障礙物點A在下全景視覺傳感器上成像的入射角，h表示障礙物點A的高度，H表示上全景視覺傳感器的視點到地面的距離，障礙物計算檢測原理如附圖11所示；進一步，在檢測出障礙物后就需要讓采摘機器人采取避障行為，避障行為的算法·流程為步驟I)如果沒有檢測到障礙物，則沿著兩作物行中線前進；步驟2)如果檢測到前進方向存在障礙物，獲得障礙物的距離信息，判斷障礙物與采摘機器人的距離是否小于2米，如果是則進入避障區(qū)；步驟3)進入障礙區(qū)后減速前進，啟動避障策略，繞開障礙物；步驟4)關閉避障策略，繼續(xù)從步驟I)開始執(zhí)行，直至遍歷整個采摘區(qū)域；避障策略采用模糊控制算法來實現(xiàn)；所述的基于氣動人工肌肉的采摘管道，其外形呈管三自由度肌肉狀，管內(nèi)分隔成三個互成120°的扇形柱狀空腔，分別控制三個空腔的壓力來實現(xiàn)沿中心軸Z方向的伸縮及任意一個方向的彎曲，從而實現(xiàn)三個自由度的控制，如附圖9和附圖3所示；在所述的基于氣動人工肌肉的采摘管道的內(nèi)外管壁的橡膠基體中，夾有芳香族聚酰胺增強纖維，纖維走向與肌肉的軸向有一夾角α，本發(fā)明中考慮到所述的基于氣動人工肌肉的采摘管道的柔軟性，將夾角α設計為70° 10° ;這樣由于纖維單方向增強效果的影響，沿垂直于纖維方向的變形比沿纖維方向變形容易得多；為了便于工業(yè)化大規(guī)模生產(chǎn)，本發(fā)明采用模具制作方式制造所述的基于氣動人工肌肉的采摘管道，將所述的基于氣動人工肌肉的采摘管道分成若干個部件，包括管道終端I、管道終端密封體2、管道本體3、管道連接密封體4、管道連接法蘭5和通氣管6 ;構成最簡單的所述的基于氣動人工肌肉的采摘管道的方式是將所述的管道終端密封體2插入所述的管道本體3的一端，接著將所述的管道終端I蓋住所述的管道終端密封體2并用自攻螺釘7將所述的管道終端密封體2和所述的管道本體3的一端固定在一起；進一步，將所述的管道連接密封體4插入所述的管道本體3的另一端，接著將所述的管道連接法蘭5的三個孔對準所述的管道連接密封體4的三個孔并蓋住，然后用自攻螺釘7將所述的管道連接密封體4和所述的管道本體3的另一端固定連接在一起，最后將三根通氣管6分別插入所述的管道連接法蘭5的三個孔中，如附圖9所示；所述的計算機,作為無線訪問接入點(AP, Access Point),接入點和安置在采摘機器人中的無線網(wǎng)卡都配有高增益天線，本發(fā)明采用朗訊無線網(wǎng)橋AP-1000作為接入點，與WaveLAN / PCMCIA無線網(wǎng)卡共同實現(xiàn)無線通信，以無線方式入網(wǎng)的采摘機器人具有可移動性，在一定的區(qū)域移動而同時又隨時與所述的計算機保持通信聯(lián)系，一個AP，即一臺所述的計算機可支持100多個采摘機器人的接入，最大傳輸范圍可達幾十千米，完全滿足大面積農(nóng)作物人-機協(xié)同采摘的需要。
權利要求
1.一種采摘機器人的自主導航和人機協(xié)同采摘作業(yè)系統(tǒng)，其特征在于包括采摘機器人，用于實現(xiàn)人-采摘機器人之間進行信息交互的、并能用于采摘機器人的空間定位的無線傳感網(wǎng)和用于對采摘現(xiàn)場和采摘機器人的狀態(tài)進行綜合分析處理和判斷的、并用于在人機協(xié)同采摘作業(yè)中為采摘管理人員提供遠程干預和管理的計算機； 所述的采摘機器人包括行走部分、采摘機器手、用于獲取采摘區(qū)域全景立體視頻圖像的全景立體視覺傳感器和用于實現(xiàn)采摘機器人的自主導航、避障、定位和路徑規(guī)劃功能的智能體，以下簡稱Agent,所述的Agent根據(jù)所述的全景立體視覺傳感器感知的信息進行分析、計算和推理，在常規(guī)情況下，根據(jù)所述的采摘管理人員下達的采摘區(qū)域和采摘時間的采摘作業(yè)調(diào)度決策，自動做出路徑規(guī)劃，驅(qū)動所述的行走部分和所述的采摘機器手完成邊行走邊采摘的任務操作；在非常規(guī)情況下通過無線傳感網(wǎng)向采摘管理人員提供非規(guī)則事件等信息，請求采摘管理人員的干預； 所述的Agent包括任務規(guī)劃行為模塊、協(xié)調(diào)行為模塊、與采摘管理人的交互行為模塊、緊急行為模塊、路徑識別行為模塊、避障行為模塊、定位行為模塊、路徑跟蹤行為模塊、采摘邊界識別行為模塊、行走行為模塊、轉(zhuǎn)向行為模塊、采摘對象的識別和分類行為模塊、采摘對象的空間定位行為模塊和采摘行為模塊； 所述的無線傳感網(wǎng)，用于采摘管理人員與采摘機器人之間的信息交互，同時也能為采摘機器人的空間定位提供信息；采用一種以ns級的沖擊脈沖在短距離內(nèi)高速傳輸數(shù)據(jù)的無線通信技術，通過所述的無線傳感網(wǎng)將分布在采摘區(qū)域中的采摘機器人與所述的采摘管理人員構成一個人-采摘機器人一體化的采摘管理和控制系統(tǒng)，根據(jù)需求、環(huán)境和采摘對象的變化，通過動態(tài)自組織的方式協(xié)同地感知和采集網(wǎng)絡分布區(qū)域的多采摘機器人和各種采摘對象的信息，形成一種人與采摘機器人相互激發(fā)、優(yōu)勢互補、共同尋求問題求解的協(xié)同機制。
2.如權利要求I所述的采摘機器人的自主導航和人機協(xié)同采摘作業(yè)系統(tǒng)，其特征在于所述的行走行為模塊中，采用模糊控制方法；根據(jù)全景視覺成像特點，經(jīng)過圖像分割和濾波數(shù)字圖像處理，兩農(nóng)作物行間在全景成像上呈現(xiàn)出向著成像中心圓的一條直線；采用Hough變換來檢測農(nóng)作物行中心線；利用Hough變換得到邊界線將不連續(xù)的邊緣像素點連接起來；對采摘機器人采用模糊導航控制，用Yci和Qril表示采摘機器人的期望位置和姿態(tài)，導航角Θ Jt)表示采摘機器人的軸線與兩作物行中線的偏角，單位rad，導航距Y (t)表示采摘機器人導航全景視覺傳感器的中心在地面的投影點到兩作物行中線的距離，單位mm，轉(zhuǎn)角控制輸出δ (t)表示主動導向輪的轉(zhuǎn)角變化量，控制輸出μ (t)表示兩側(cè)后輪的轉(zhuǎn)速差； 將模糊導航控制歸納為雙輸入雙輸出的模糊控制求解問題，首先，確定隸屬函數(shù)、模糊集進行模糊化直線函數(shù)能快速調(diào)整較大誤差，鐘形和Bell型函數(shù)變化平滑性；在誤差較大時，考慮調(diào)整的速度，采用三角形隸屬函數(shù)；在誤差允許范圍內(nèi)，采用曲線型隸屬函數(shù)；取Y、θρ μ和δ的模糊子集，在各自論域中均劃分為7個集合“左大(LB) ”、“左中(LM) ”、“左小(LS) ”、“零(ZE) ”、“右小(RS) ”、“右中(RM) ”、“右大(RB) ”;通過實驗得到參數(shù)Y、Θ r、μ和S的有效論域；輸入變量Y和Θ ^具有相似的變化特性，均設置相同的隸屬函數(shù)；輸出變量μ和δ也具有相似的變化特性，也設置相同的隸屬函數(shù)； 建立控制規(guī)則，用模糊條件語句來描述控制規(guī)則Ri: if Ql is Ai and Q2 is Bij then Ul is Ci and U2 is Di; Ri表示第i條控制規(guī)則，Ql表示導航角語言變量，Q2表示導航距語言變量，Ul表示轉(zhuǎn)角控制輸出語言變量，U2表示兩側(cè)后輪的轉(zhuǎn)速差輸出語言變量；它們的語言值在相應論域中的模糊子集分別為ApBiXi和Di,根據(jù)控制規(guī)則建立輸入和輸出控制規(guī)律表，根據(jù)輸入變量得到相應的輸出變量； 利用重心法進行解模糊化處理，得到輸出變量μ和δ的精確控制值。
3.如權利要求2所述的采摘機器人的自主導航和人機協(xié)同采摘作業(yè)系統(tǒng)，其特征在于所述的避障行為模塊，通過全景立體視覺的方式檢測出行進方向上的障礙物，障礙物全景立體視覺檢測過程為1)去除全景立體圖像中非立體視覺視場方位的部分，對全景圖像進行展開和極線校正，這部分主要通過展開圖像內(nèi)徑、外徑、以及柱狀展開圖上極線校正來完成；2)對展開圖像采用邊緣檢測技術初步檢測出疑似障礙物的邊緣信息，通過閾值調(diào)整，檢測出障礙物的邊緣信息；3)對采摘機器人所獲取的全景立體圖像對中的所有疑似障礙物點利用極線約束進行立體匹配，根據(jù)匹配的像素對的圖像坐標值進行立體視覺空間點的重建，根據(jù)全景立體視覺傳感器成像時，圖像坐標、全景立體視覺傳感器的坐標以及現(xiàn)實世界坐標系之間的關系，計算得出其相應的高度值，當高度大于給定閾值時則判定為障礙物點；障礙物點的高度以及障礙物點與采摘機器人的距離的計算方法由公式(I廣公式(2)表示； d= (bcos Y !cos Y2)/ sin ( Y j- Y 2) (I)h = H-b-dXarctan y 2 = H_dXarctan Y1 (2) 式中，d表示障礙物點A與采摘機器人的全景立體視覺軸線在地面上投影點的距離，b表示構成全景立體視覺的兩個全景視覺傳感器的視點間的距離，Y i表示障礙物點A在上全景視覺傳感器上成像的入射角，Y2表示障礙物點A在下全景視覺傳感器上成像的入射角，h表示障礙物點A的高度，H表示上全景視覺傳感器的視點到地面的距離； 在檢測出障礙物后就需要讓采摘機器人采取避障行為，所述避障行為的流程為步驟I)如果沒有檢測到障礙物，則沿著兩作物行中線前進；步驟2)如果檢測到前進方向存在障礙物，獲得障礙物的距離信息，判斷障礙物與采摘機器人的距離是否小于2米，如果是則進入避障區(qū)；步驟3)進入障礙區(qū)后減速前進，啟動避障策略，繞開障礙物；步驟4)關閉避障策略，繼續(xù)從步驟I)開始執(zhí)行，直至遍歷整個采摘區(qū)域；避障策略采用模糊控制算法來實現(xiàn)。
4.如權利要求3所述的采摘機器人的自主導航和人機協(xié)同采摘作業(yè)系統(tǒng)，其特征在于所述的路徑識別行為模塊，采用直線路徑模型來規(guī)劃采摘機器人的導航路徑，將采摘機器人當前位姿數(shù)據(jù)作為輸入，采摘機器人姿態(tài)調(diào)整量作為輸出；將農(nóng)作物采摘場景分割成行走區(qū)域和非行走區(qū)域，用色調(diào)信息特征就能將場景中的土地、水和采摘對象區(qū)分開來；分割的方法是采集這三種物體的樣本塊，用前反饋神經(jīng)網(wǎng)絡的方法來識別場景，輸入的圖像中的土壤顏色就是采摘機器人的可行走區(qū)域。
5.如權利要求4所述的采摘機器人的自主導航和人機協(xié)同采摘作業(yè)系統(tǒng)，其特征在于所述的協(xié)調(diào)行為模塊包括外部協(xié)調(diào)單元和內(nèi)部協(xié)調(diào)單元，內(nèi)部協(xié)調(diào)單元對直行采摘行為模塊、轉(zhuǎn)向行為模塊、行走行為模塊、避障行為模塊和路徑識別行為模塊進行選擇，決定哪個行為模塊被激活，并對同時激活的行為模塊進行協(xié)調(diào)；1)體現(xiàn)緊急事件最優(yōu)先的原則，一旦所述的緊急行為模塊發(fā)出緊急請求時所述的協(xié)調(diào)行為模塊首先讓所述的直行采摘行為模塊、所述的轉(zhuǎn)向行為模塊和所述的避障行為模塊設置為休眠鎖定狀態(tài)，接著通過與所述的采摘管理人的交互行為模塊向采摘管理人員請求干預，當采摘管理人員處理完緊急事件后才能解除所述的直行采摘行為模塊、所述的轉(zhuǎn)向行為模塊和所述的避障行為模塊設置為休眠鎖定狀態(tài)；2)體現(xiàn)按采摘作業(yè)順序工作的原則，協(xié)調(diào)好所述的采摘機器人邊行走、邊采摘的動作，當檢測到所述的機器手的采摘范圍內(nèi)有采摘對象時停止行走，當周邊的采摘對象都采摘結束時再啟動行走；在行走、采摘和轉(zhuǎn)向行為的同時其他行為模塊均處于激活狀態(tài)，并以多線程的方式分別運行在所述的Agent中。
6.如權利要求廣5之一所述的采摘機器人的自主導航和人機協(xié)同采摘作業(yè)系統(tǒng)，其特征在于所述的與采摘管理人的交互行為模塊，包括以下交互行為1)請求干預的交互行為，當采摘機器人發(fā)生緊急事件、采摘機器人內(nèi)部的存放容器已滿等情況時，請求采摘管理人員干預；2)接受采摘調(diào)度指令的交互行為，當采摘管理人員下達采摘任務后，將采摘任務轉(zhuǎn)達給所述的任務規(guī)劃行為模塊，在所述的任務規(guī)劃行為模塊做出遍歷路徑規(guī)劃后，將遍歷路徑規(guī)劃反饋給采摘管理人員；3)協(xié)商的交互行為，根據(jù)所述的Agent根據(jù)自身感知的情況，通過對自身知識的推理，能向采摘管理人員提供適當?shù)膸椭徒ㄗh；4)提供采摘現(xiàn)場信息的交互行為，負責響應來自采摘管理人員的上傳信息指令，將所述的Agent所感知到的全景視頻信息和分析得到的狀態(tài)信息上傳給采摘管理人員。
7.如權利要求I飛之一所述的采摘機器人的自主導航和人機協(xié)同采摘作業(yè)系統(tǒng)，其特征在于所述的任務規(guī)劃行為模塊，所述的Agent根據(jù)所述的采摘管理人員發(fā)出的采摘調(diào)度指令，在規(guī)定的采摘區(qū)域內(nèi)做出遍歷路徑規(guī)劃，控制采摘機器人沿規(guī)劃出的路徑以直線方式行走，至田埂邊界后掉頭，然后沿反方向直線運行如此反復遷回，直到整個采摘區(qū)域被覆蓋。
8.如權利要求f6之一所述的采摘機器人的自主導航和人機協(xié)同采摘作業(yè)系統(tǒng)，其特征在于所述的緊急行為模塊，所述的緊急行為是所述的采摘機器人優(yōu)先級最高的行為，在所述的采摘機器人避障行為失敗后或者是發(fā)生顛倒不能行走等事故就切換到所述的緊急行為；當所述的緊急行為發(fā)生時，所述的Agent立刻向采摘管理人員發(fā)出請求干預信息，等待采摘管理人員到現(xiàn)場干預處理，請求干預信息是以緊急行為發(fā)生的空間位置顯示在所述的計算機的顯示屏上，在顯示屏上顯示有以所述的農(nóng)用拖拉機為中心的電子地圖，電子地圖上標明了請求干預信息發(fā)出采摘機器人的空間位置。
9.如權利要求f6之一所述的采摘機器人的自主導航和人機協(xié)同采摘作業(yè)系統(tǒng)，其特征在于所述的路徑跟蹤行為模塊，采摘機器人以迂回行走的方式進行全區(qū)域覆蓋采摘，識別并跟蹤采摘軌跡，采用無線定位技術定位采摘機器人的空間位置，記錄每時間點采摘機器人的空間位置來實現(xiàn)采摘軌跡的跟蹤。
10.如權利要求I飛之一所述的采摘機器人的自主導航和人機協(xié)同采摘作業(yè)系統(tǒng)，其特征在于所述采摘管理人員駕駛乘坐在農(nóng)用拖拉機中，經(jīng)采摘區(qū)域的田埂對分布在采摘區(qū)域內(nèi)的各所述的采摘機器人進行巡視；對所述的采摘機器人發(fā)生的各種非常規(guī)情況，即緊急行為進行及時的處置，對所述的采摘機器人發(fā)出的采摘農(nóng)作物裝卸請求做出響應，將所述的采摘機器人的容器中的采摘農(nóng)作物轉(zhuǎn)移到所述的農(nóng)用拖拉機的收集箱中；所述的農(nóng)用拖拉機駕駛室內(nèi)配置了所述的計算機，所述的計算機中安裝了采摘管理和控制系統(tǒng)軟件，所述的采摘管理人員通過所述的計算機對分布在各區(qū)域內(nèi)的所述的采摘機器人進行采摘管理和控制；所述的計算機通過所述的無線傳感網(wǎng)與分布在各區(qū)域內(nèi)的所述的采摘機器人中的所述的Ag ent進行信息交互。
全文摘要
一種采摘機器人的自主導航和人機協(xié)同采摘作業(yè)系統(tǒng)，包括采摘機器人的行走部分，采摘機器手，用于自主導航、避障、定位和路徑規(guī)劃等功能的Agent，用于完成人-機協(xié)同采摘信息交互的無線傳感網(wǎng)，用于在人機協(xié)同采摘作業(yè)中為采摘管理人員提供遠程干預和管理的計算機，用于獲取采摘區(qū)域全景立體視頻圖像的全景立體視覺傳感器。本發(fā)明提供一種具有自然柔順性好、機構簡單、控制復雜度低、有限智能化、采摘效率高、環(huán)境適應性好、制造和維護成本低、采摘過程中不損害采摘對象和作物的采摘機器人的自主導航和人機協(xié)同采摘作業(yè)系統(tǒng)。
文檔編號A01D46/30GK102914967SQ201210355140
公開日2013年2月6日 申請日期2012年9月21日 優(yōu)先權日2012年9月21日
發(fā)明者湯一平, 俞立, 孫明軒, 徐建明, 歐林林, 陳國定, 邢科新, 倪洪杰, 余世明, 何德峰, 董輝 申請人:浙江工業(yè)大學