CN109460029A - 畜禽养殖场所巡检移动平台及其控制方法 - Google Patents

Abstract

本发明公开了一种畜禽养殖场所巡检移动平台，该平台包括移动车、控制器，移动车上装有激光雷达和视觉传感器，在养殖场所固定的位置处设有定位校正码，定位校正码中含有当前位置的信息；在移动车巡检过程中，视觉传感器拍摄定位校正码图像，并将图像上传到控制器，控制器识别图像信息，得到当前移动车准确位置，控制移动车按照一定的路径继续行进。本发明控制方法是通过激光雷达可以给出移动车当前行进的大致位置，通过视觉传感器和控制器对定位校正码的识别，可以得到移动车的精确位置，从而实现准确的导航。

Description

畜禽养殖场所巡检移动平台及其控制方法

技术领域

本发明涉及畜禽养殖场智能化检测研究领域，特别涉及一种畜禽养殖场所巡检移动平台及其控制方法。

背景技术

目前，大多数国家的畜禽养殖业仍以小规模、大群体为主，仍然采用传统的饲养模式，养殖环节机械化、自动化水平较低，畜牧业自动控制水平相对较低。在养殖环节需要投入大量的人工劳力进行管理，从而导致生产效率低，生产成本居高不下进而影响到整体的养殖效益，制约了产业的快速发展。因此，如果想向规模化、现代化养殖阶段转型，则需要投入大量的资金。但目前畜禽养殖业的经济效益趋于微薄，从而导致大量畜禽养殖场所不愿进行大规模的技术改造。

传统的畜禽养殖场所巡检主要是人工巡检，这使得需要投入大量的人力于其中，且人工巡检不能做到实时检测到畜禽场所的反常与障碍情况，使得巡检存在漏检和低效率的问题。因此，提供一种不需要在原有的畜禽养殖环境下的大规模改造，且能很好的替代大量的人工劳力进行管理的监测系统是十分有意义的，并具有重要的应用价值。

目前，已有研究人员提出采用移动式巡检机器人对禽舍环境进行巡检，但当前的巡检机器人大多采用GPS、超声测距等方式进行机器人定位，存在定位不准确的缺点，因此尚不能满足实际应用的需求。

发明内容

本发明的一个目的在于克服现有技术的缺点与不足，提供一种畜禽养殖场所巡检移动平台，该平台以激光SLAM(同步定位与建图)为主要定位手段，并通过视觉传感器进行位姿修正，进而消除因长廊环境而引发的环境退化问题，具有导航定位精度高的优点。

本发明的另一个目的在于提供一种基于上述畜禽养殖场所巡检移动平台的控制方法，通过该方法可以对巡检移动平台进行不断的修正，实现精确定位。

本发明的目的通过以下的技术方案实现：畜禽养殖场所巡检移动平台，包括移动车、控制器，移动车上装有激光雷达和视觉传感器，在养殖场所固定的位置处设有定位校正码，定位校正码中含有当前位置的信息；在移动车巡检过程中，视觉传感器拍摄定位校正码图像，并将图像上传到控制器，控制器识别图像信息，得到当前移动车准确位置，然后更新调整当前移动车的巡航轨迹，控制移动车按照更新后的轨迹继续行进。本发明通过激光雷达可以给出移动车当前行进的大致位置，通过视觉传感器和控制器对定位校正码的识别，可以得到移动车的精确位置，从而实现准确的导航。

优选的，所述控制器包括底层控制器和上层控制器，底层控制器采用ARM内核嵌入式微控制器，上层控制器采用工控机，上层控制器通过UART串行通信方式对底层控制器进行控制。底层控制器用于控制移动车的运行、各种传感器信息的采集等，上层控制器用于激光雷达、视觉传感器的控制，并将底层控制器信息传递到上位机。

优选的，所述移动车车轮由自带编码器的无刷直流电机独立驱动。采用这种类型车，行走稳定，转弯半径小，符合畜禽养殖场所的环境。电机自带编码器，可以精确测量移动车行进的距离。

优选的，所述移动车上设有用于测量移动车行进过程中旋转角度的IMU惯性测量单元。采用IMU测量的旋转角度更为精确，便于得到当前移动车更准确的位姿信息。

优选的，所述移动车上设有环境监测模块，环境监测模块包括下列传感器的若干种：温湿度传感器、氨气监测传感器、CO₂传感器、H₂S传感器、光照度传感器；上述传感器通过UART串口通信方式和/或无线方式将数据传递到控制器。通过上述传感器可获取畜禽养殖场所的温度、湿度、氨气浓度，CO₂浓度、H₂S浓度、光照强度等主要环境指标信息。

更进一步的，所述环境监测模块中各类型传感器均成阵列分布。从而使采集的数据更为准确。

优选的，所述定位校正码采用条形码或二维码。

一种基于上述畜禽养殖场所巡检移动平台的控制方法，包括步骤：

预置畜禽养殖场所的全局地图；

激光雷达扫描周围环境信息，获取局部地图，与全局地图信息作特征匹配，得到当前移动车初步位置信息；

视觉传感器拍摄定位校正码图像；

控制器提取定位校正码图像中包括的位置信息，根据该位置信息与上面预置的全局地图的信息进行比对，得出准确位置，然后更新调整当前移动车的巡航轨迹，控制移动车按照更新后的轨迹继续行进。

优选的，在巡检过程中，激光雷达扫描周围环境信息，并根据信息更新全局地图，步骤是：通过激光雷达得到当前位置的环境信息，提取环境信息中的环境特征，对全局地图添加新的环境特征或更新旧环境特征，从而得到一个不断更新的全局地图。由于畜禽养殖场所存在大量的长廊环境，二维激光雷达关于外部环境的数据量较小，容易出现错误的特征匹配，导致所建的地图比实际地图长度偏小。结合畜禽养殖场的环境为固定环境，且环境特征较为简单，故选择采用人为绘制的地图作为导航过程中的初始全局地图。在移动车行进过程中，通过激光雷达扫描周围环境信息，可以更新现实世界中的障碍物的信息，进而更新全局地图，便于后续移动车自主巡航轨迹的设定。

优选的，在移动车自动巡航的过程中，移动车通过二维激光雷达得到当前位置一定范围内的障碍物信息，并通过DWA局部路径规划算法在速度(υ,ω)空间中采样多组速度，并模拟机器人在这些速度下一定时间内的轨迹；在得到的多组轨迹后，对这些轨迹进行评价，选取最优轨迹所对应的速度来驱动移动车运动。从而实现移动车的实时避障。

优选的，巡检移动平台巡检过程中采集环境监测数据，环境监测数据先经过均值滤波。可以提高信息测量的准确性。

优选的，所述控制器中设有定位校正码数据库，将当前采集的定位校正码与定位校正码数据库中定位校正码进行一一比对，实现解码和识别。

由于在移动平台移动过程中，存在噪声，本发明通过卡尔曼滤波将定位校正码表示的位置信息与激光雷达得到的位置信息融合，得到一个关于移动平台位置估计。从而实现对移动车位置的修正，消除移动车在长廊环境下引发的环境退化问题。其具体过程如下：

1、预测：

2、更新：先计算卡尔曼增益K

然后计算后验概率的分布：

上述所得到的即是修正之后的位置信息。

其中：为k时刻系统的状态变量，u_k为k时刻系统的控制变量；

B为系统输入控制矩阵，为系统k-1时刻估计状态；

A_k和C_k分别为系统状态转移矩阵和测量矩阵；

R和Q_k分别为过程噪声矩阵和测量噪声矩阵；

表示上一次协方差矩阵，为当前状态协方差矩阵；

z_k为k时刻传感器的测量向量，为系统k时刻估计状态。

优选的，在巡检过程中，当检测到移动车电池电压低于某一设定的值时，记录当前所在位置，然后向控制器发送电池电压过低的信息，并触发报警器；当电池更换后，移动车将自动行驶至上次记录的位置，继续开始自动巡航。

优选的，所述定位校正码采用条形码或二维码，从定位校正码图像中提取条形码的方法是：

图像灰度化处理后，进行滤波；

对滤波后图像，计算水平和垂直方向的梯度差，对梯度图像二值化；

对二值化后的图像进行形态学处理，然后根据定位校正码特征定位出条形码或二维码。

本发明与现有技术相比，具有如下优点和有益效果：

1、本发明畜禽养殖场所巡检移动平台以激光雷达为主要定位传感器，以视觉传感器为辅助定位传感器，激光雷达可实现初步定位，视觉传感器通过拍摄定位校正码可实现准确定位，可修正激光雷达在长廊环境因环境退化而引发的定位精度差的问题，从而大大提高移动平台的导航定位精度。

2、本发明使移动车在不需人为干预下实现在畜禽养殖场所的自主巡航技术。移动车通过激光雷达数据更新全局地图与局部地图信息，利用当前环境特征与地图环境特征的对比，从而定位移动车所在方位，并按照一定的路径行驶。在移动车自主巡航的过程中，移动车能实现实时避障功能。

附图说明

图1是本实施例巡检移动平台的结构框图。

图2是本发明装置的自主巡航框架示意图。

图3是本实施例控制方法中定位校正码识别、解码和匹配的流程图。

图4是本实施例控制方法的流程图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

实施例

如图1所示，本实施例公开了一种畜禽养殖场所巡检移动平台，该移动车基于Ros机器人结构框架，控制器包括底层控制器和上层控制器，底层控制器为ARM内核嵌入式微控制器，上层控制器为工控机，上层控制器主要通过UART串行通信方式来实现对底层控制器的控制，工控机通过CAN接口与上位机连接。

本实施例中，移动车为轮式移动车，每个车轮分别由一个自带编码器的无刷直流电机独立驱动，并使用差速驱动算法进行转向。底层控制器主要通过向直流驱动器发送PWM控制信号通过直流电机驱动器实现对移动车速度的控制。同时移动车自带的编码器将移动车的速度信息反馈给底层控制器，从而实现对移动车的闭环控制。移动车上设有用于测量移动车行进过程中旋转角度的IMU惯性测量单元，在底层控制器的控制下可调整移动车的方向。

参见图2，本实施例中，底层控制器型号为STM32F103ZE。底层控制器根据外部输入的转向信号和速度信号进行里程数的解算。上层控制器为工控机，主要通过激光雷达的输入数据以及底层控制器的里程计信息进行自主导航。并结合单目视觉所得的位置信息进行位置修正。其中全局地图初始为人工绘制畜禽养殖场地图，局部地图为二维激光雷达所获得的局部障碍信息和区域信息，局部规划器为移动车在局部地图中通过DWA算法得到最优行进路径。全局规划器为移动车在全局地图中所得到的最优行进路径。

本实施例中，移动车上设有环境监测模块，可包括温湿度传感器、氨气检测传感器、CO₂传感器、H₂S传感器、光照强度检测传感器等。其中温湿度传感器为DHT11数字温湿度传感器，其是一款含有已校准数字信号输出的温湿度复合传感器。氨气检测传感器型号为AP-M-NH3，该模块检测精度高，响应速度快且可实现多信号输出选择等特点。CO₂检测传感器型号为MG811。H₂S检测采用电阻式H₂S检测传感器。光照强度检测传感器型号为OPT101。传感器分布采用空间阵列式分布，以便于检测畜禽养殖场所的空间环境信息。通过给不同传感器编号，来区分不同高度位置的环境信息。

本实施例中，在移动车上还设有AD电压采集模块，从而实现对移动车电池电压的检测。

一种基于上述畜禽养殖场所巡检移动平台的控制方法，包括步骤：预置人工绘制的畜禽养殖场所的全局地图，通过激光雷达扫描周围环境信息，获取局部地图，并与全局地图信息作特征匹配，得到当前移动车初步位置信息；视觉传感器拍摄定位校正码图像；控制器提取定位校正码图像中包括的位置信息，根据该位置信息与上面预置的全局地图的信息进行比对，得出准确位置，然后更新调整当前移动车的巡航轨迹，控制移动车按照更新后的轨迹继续行进。

本实例控制方法主要包括地图构建、自主巡航、定位校正码识别、位置修正、环境监测与电池电量管理等6个部分。

(1)地图构建：由于移动车在地图构建的过程中因长廊环境而容易出现环境退化的问题，使得移动车对长廊环境的建图信息与实际的地图信息相差甚远。因此，结合畜禽养殖场所环境的不变性，本移动车的初始全局地图信息采用人为绘制，从而得到精确的畜禽养殖场所的地图信息。

(2)自主巡航：利用激光雷达以及slam技术，通过结合IMU数据以及编码器数据，使移动车在不需人为干预下实现在畜禽养殖场所的自主巡航。移动车巡航过程中，通过激光雷达得到当前位置的环境信息，提取环境信息中的环境特征，对全局地图添加新的环境特征或更新旧环境特征，从而得到一个不断更新的全局地图和局部地图。

在移动车自主巡航的过程中，移动车通过二维激光雷达得到当前位置一定范围内的障碍物信息，并通过DWA局部路径规划算法在速度(υ,ω)空间中采样多组速度，并模拟机器人在这些速度下一定时间内的轨迹；在得到的多组轨迹后，对这些轨迹进行评价，选取最优轨迹所对应的速度来驱动移动车运动。

移动车自主巡航流程如图2所示。移动车使用navigation栈进行导航，move_base这一模块负责整个navigation行为的调度,包括初始化costmap与planner,监视导航状态适时更换导航策略等，并控制移动车的运行行为。move_base是基于有限状态机算法来实现，具体的逻辑流程如下：

1、首先利用move_base功能包启动全局路径规划和局部路径规划两个规划器，负责全局路径规划和局部路径规划，通过costmap组件生成自己的代价地图(global_costmap和local_costmap)。

2、通过全局路径规划，计算出机器人到目标位置的全局路线，实现的方法是基于栅格地图的cost搜索找最优。

3、然后通过局部规划，负责做局部避障的规划，具体navigation中实现的算法是Dynamic Windows Approach，具体流程是：

a.由移动底盘的运动学模型得到速度的采样空间。

b.在采样空间中，计算每个样本的目标函数。

c.得到期望速度,插值成轨迹输出。

(3)定位校正码识别：在控制器中设置定位校正码数据库，用于存储各个定位校正码的图像。在进行巡检过程中，利用单目机器视觉传感器，拍摄定位校正码(例如条形码)的图像，然后通过图3所示的方法，对拍摄的图像进行识别，具体步骤是：

1、将采集的原始图像进行尺寸调整，将其归一化到数据库中图像的尺寸大小，便于后续的识别。

2、对图像进行灰度化处理，然后进行高斯平滑滤波。

3、根据定位校正码的特征进行提取，以条形码为例，条形码具有在X方向上梯度明显，而在Y方向上的梯度基本不变的特点，利用该特点，利用Sobel算子计算水平和垂直方向的梯度差，从而保留图像在X方向的特征并消除Y方向的干扰。对梯度图像二值化。

4、对二值化后的图像采用闭运算、腐蚀、膨胀等形态学处理。并通过使用轮廓提取函数findContours将可能是定位校正码的部分使用矩形边框框选出来。

5、在处理后的图像中通过定位校正码的相应特征，如条形码的长宽比，轮廓面积以及形状等定位出条形码的位置。

6、将定位出的定位校正码与数据库中的各个定位校正码进行匹配，匹配成功后，解码该定位校正码代表的位置信息，进而得到当前移动车的准确定位信息。

(4)位置修正：通过对定位校正码信息的识别与解码，从而得到机器人具体的位置信息，并通过卡尔曼滤波将定位校正码表示的位置信息与激光SLAM得到的位置信息相互融合，从而实现对小车位置的修正，消除小车在长廊环境下引发的环境退化问题。具体方法是：

1、预测：

2、更新：先计算卡尔曼增益K

然后计算后验概率的分布：

上述所得到的即是修正之后的位置信息；

其中：为k时刻系统的状态变量，u_k为k时刻系统的控制变量；

B为系统输入控制矩阵，为系统k-1时刻估计状态；

A_k和C_k分别为系统状态转移矩阵和测量矩阵；

R和Q_k分别为过程噪声矩阵和测量噪声矩阵；

表示上一次协方差矩阵，为当前状态协方差矩阵；

z_k为k时刻传感器的测量向量，为系统k时刻估计状态。

(5)环境监测：在移动平台自主巡航过程中，利用阵列分布的温湿度传感器、氨气监测传感器、CO₂传感器、H₂S传感器、光照度传感器。分别获取畜禽养殖场所的温度、湿度、氨气浓度，CO₂浓度、H₂S浓度、光照强度等主要环境指标信息。利用均值滤波等滤波算法克服信息测量的不准确性。并通过UART串口通信技术和Wifi模块将经过滤波处理的信息上传至电脑终端，从而利于工作人员的实时查看。

(6)电池电量管理：移动车在自主巡航的过程中，当检测到电池电压值低于某一设定的值时，移动车将会记录当前所在位置。然后通过UART串口技术以及wifi模块向电脑终端发送电池电压过低的信息，并通过触发报警器通知工作人员及时进行电池更换。当电池更换后，移动车将自动行驶至上次记录的位置，继续开始自动巡航。

参见图4，本实施例移动平台巡检过程中，其整体的工作流程如下：先导入地图信息，然后激光雷达探测当前移动车附近是否有待识别的定位校正码信息，如果有，则采集当前位置的定位校正码信息，进行识别定位、将其与传感器的信息进行融合，然后控制移动车继续自主巡航；

在巡航过程中，不断检测当前电池电量是否过低，如果过低，则记录当前位置，通知操作人员更换电池，否则继续自主巡航；

在巡航过程中，实时判断采集的环境信息是否超标，是的话就及时报警。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (10)

1.畜禽养殖场所巡检移动平台，其特征在于，包括移动车、控制器，移动车上装有激光雷达和视觉传感器，在养殖场所固定的位置处设有定位校正码，定位校正码中含有当前位置的信息；在移动车巡检过程中，视觉传感器拍摄定位校正码图像，并将图像上传到控制器，控制器识别图像信息，得到当前移动车准确位置，然后更新调整当前移动车的巡航轨迹，控制移动车按照更新后的轨迹继续行进。

2.根据权利要求1所述的畜禽养殖场所巡检移动平台，其特征在于，所述控制器包括底层控制器和上层控制器，底层控制器采用ARM内核嵌入式微控制器，上层控制器采用工控机，上层控制器通过UART串行通信方式对底层控制器进行控制。

3.根据权利要求1所述的畜禽养殖场所巡检移动平台，其特征在于，所述移动车车轮由自带编码器的无刷直流电机独立驱动；

所述移动车上设有用于测量移动车行进过程中旋转角度的IMU惯性测量单元。

4.根据权利要求1所述的畜禽养殖场所巡检移动平台，其特征在于，所述移动车上设有环境监测模块，环境监测模块包括下列传感器的若干种：温湿度传感器、氨气监测传感器、CO₂传感器、H₂S传感器、光照度传感器；上述传感器通过UART串口通信方式和/或无线方式将数据传递到控制器。

5.根据权利要求1所述的畜禽养殖场所巡检移动平台，其特征在于，所述环境监测模块中各类型传感器均成阵列分布；

所述定位校正码采用条形码或二维码。

6.基于权利要求1-5任一项所述的畜禽养殖场所巡检移动平台的控制方法，其特征在于，包括步骤：

预置畜禽养殖场所的全局地图；

激光雷达扫描周围环境信息，获取局部地图，与全局地图信息作特征匹配，得到当前移动车初步位置信息；

视觉传感器拍摄定位校正码图像；

控制器提取定位校正码图像中包括的位置信息，根据该位置信息与上面预置的全局地图的信息进行比对，得出准确位置，然后更新调整当前移动车的巡航轨迹，控制移动车按照更新后的轨迹继续行进。

7.根据权利要求6所述的控制方法，其特征在于，在巡检过程中，激光雷达扫描周围环境信息，并根据信息更新全局地图，步骤是：通过激光雷达得到当前位置的环境信息，提取环境信息中的环境特征，对全局地图添加新的环境特征或更新旧环境特征，从而得到一个不断更新的全局地图。

8.根据权利要求6所述的控制方法，其特征在于，在移动车自动巡航的过程中，移动车通过二维激光雷达得到当前位置一定范围内的障碍物信息，并通过DWA局部路径规划算法在速度(υ,ω)空间中采样多组速度，并模拟机器人在这些速度下一定时间内的轨迹；在得到的多组轨迹后，对这些轨迹进行评价，选取最优轨迹所对应的速度来驱动移动车运动，从而实现移动车的实时避障。

9.根据权利要求6所述的控制方法，其特征在于，通过卡尔曼滤波将定位校正码表示的位置信息与激光雷达得到的位置信息融合，确定移动平台的位置，其具体过程如下：

(1)预测：

(2)更新：先计算卡尔曼增益K

然后计算后验概率的分布：

上述所得到的即是修正之后的位置信息；

其中：为k时刻系统的状态变量，u_k为k时刻系统的控制变量；

B为系统输入控制矩阵，为系统k-1时刻估计状态；

A_k和C_k分别为系统状态转移矩阵和测量矩阵；

R和Q_k分别为过程噪声矩阵和测量噪声矩阵；

表示上一次协方差矩阵，为当前状态协方差矩阵；

Z_k为k时刻传感器的测量向量，为系统k时刻估计状态。

10.根据权利要求6所述的控制方法，其特征在于，

在巡检过程中，当检测到移动车电池电压低于某一设定的值时，记录当前所在位置，然后向控制器发送电池电压过低的信息，并触发报警器；当电池更换后，移动车将自动行驶至上次记录的位置，继续开始自动巡航；

所述定位校正码采用条形码或二维码，从定位校正码图像中提取条形码的方法是：

图像灰度化处理后，进行滤波；

对滤波后图像，计算水平和垂直方向的梯度差，对梯度图像二值化；

对二值化后的图像进行形态学处理，然后根据定位校正码特征定位出条形码或二维码。