CN110281243A - 一种采摘机器人作业序列规划方法 - Google Patents

Abstract

本发明提供了一种采摘机器人作业序列规划方法，其特征在于：包括如下步骤：S1步，计算采摘目标与其余采摘目标的距离，将距离小于等于聚类阈值k的两个采摘目标归纳为同一果实蔟，从而对所有采摘目标进行聚类分蔟；S2步，采用贪婪算法确定果实蔟采摘顺序，以实现全局序列规划；S3步，采用四象限法则与距离加权择优法则结合分别对各个果实蔟内采摘目标进行采摘排序，以实现局部序列规划，从而得到最终采摘作业序列规划。该方法减少了计算工作量，有效提高采摘工作效率，有效减少果实在采摘过程中的损伤情况。

Description

一种采摘机器人作业序列规划方法

技术领域

本发明涉及自动化采摘技术领域，更具体地说，涉及一种采摘机器人作业序列规划方法。

背景技术

随着农业信息化与农业机械化的飞速发展，我国逐渐由以传统农业向智能农业转型，迈入智慧农业的新时代。智能农业成为当今世界现代农业发展的主要方向，也成为我国现在农业发展的必然选择。智能农业可大幅度增加社会生产力，提高人民生活水平，推动国家经济发展。随着机器人的发展与普及，机器人在农业采摘的应用上得到了深入研究，但主要研究集中在机器人末端执行器上，在采摘顺序规划上仍需继续研究。

现有的采摘顺序规划方案大多将路径问题转为旅行商问题(TSP)，通过采用启发式算法如蚁群算法、遗传算法求解得出最优路径和最优采摘顺序。启发式算法因其复杂性与优化次数，而导致在运用中的计算时间较长，从而影响农业机器人的作业效率，且得到的结果可能存在随机性与局部性。因部分水果皮薄易裂，机器人在采摘过程中因果蔬贴靠、重叠容易对周围的果实造成碰损。

现有技术中也有采用层次聚类算法进行顺序规划；层次聚类算法通过计算目标与其余所有目标的距离，将距离最近的两个目标归于一类。计算工作量仍然较大，导致计算时间较长，不利于提高工作效率。

因此，现阶段亟待设计出一种计算工作量小、可提高采摘工作效率的采摘机器人作业序列规划方法。

发明内容

为克服现有技术中的缺点与不足，本发明的目的在于提供一种采摘机器人作业序列规划方法；该方法减少了计算工作量，有效提高采摘工作效率，有效减少果实在采摘过程中的损伤情况。

为了达到上述目的，本发明通过下述技术方案予以实现：一种采摘机器人作业序列规划方法，其特征在于：包括如下步骤：

S1步，计算采摘目标与其余采摘目标的距离，将距离小于等于聚类阈值k的两个采摘目标归纳为同一果实蔟，从而对所有采摘目标进行聚类分蔟；

S2步，采用贪婪算法确定果实蔟采摘顺序，以实现全局序列规划；

S3步，采用四象限法则与距离加权择优法则结合分别对各个果实蔟内采摘目标进行采摘排序，以实现局部序列规划，从而得到最终采摘作业序列规划。

优选地，所述S1步，包括如下分步骤：

S11步，将已知采摘目标的空间坐标放置在集合G＝{G₁,G₂,G₃...G_n}，其中G_n＝(x_n,y_n,z_n)，n为采摘目标总数；

S12步，将所有采摘目标的X轴坐标值按升序排序得到集合O＝{x₁,x₂...x_n}，根据集合O排序更新集合G＝{G₁,G₂,G₃...G_n}；

S13步，设定聚类阈值k；将每一个采摘目标都作为一个果实蔟，得到果实蔟集合W＝{w₁,w₂...w_n}，w_n＝{G_n}；

S14步，初始化间距值a为1；

S15步，计算集合O内x_i与x_j的差值C_ij＝|x_i-x_j|，其中j＝i+a，i∈[1,n-a]，j∈[1+a,n]；得到差值集合C＝{C_1(1+a),C_2(2+a),...C_(n-a)n}；

S16步，分别判断各个差值C_ij与聚类阈值k与的大小：

若C_ij≤k，则计算坐标G_i与G_j的欧氏距离

比较欧氏距离L_ij与聚类阈值k的大小：

若L_ij＜k，则将x_i对应的果实蔟与x_j对应的果实簇归纳为同一个果实蔟；

若L_ij≥k，则x_i和x_j对应的果实簇均不变；

若C_ij＞k，则欧氏距离L_ij＝∞，x_i和x_j对应的果实簇均不变；

S17步，更新果实蔟集合W＝{w₁,w₂...w_v}，w_p＝{G₁,G₂...G_dp}，其中p∈[1,v]，v为更新后的果实簇总数，v＜n，dp为果实蔟w_p内采摘目标数目；

S18步，判断所有C_ij是否均大于k：若是，则跳至S2步；否则使a增加1并跳至S15步。

优选地，S13步中，设定聚类阈值k为末端执行器在水平面上的最小抓取间距与果蔬最大包围体直径之和。

优选地，所述S2步，包括如下分步骤：

S21步，分别计算各个果实簇w_p的果实蔟中心点e_p＝(X_p,Y_p,Z_p)；得到果实蔟中心点集合E＝{e₁,e₂...e_v}；

S22步，以果实蔟中心点e₁为当前果实簇中心点；

S23步，在尚未确定采摘顺序的果实簇中，获取果实簇中心点与当前果实簇中心点距离最近的果实簇作为下一个采摘果实簇；

S24步，以下一个采摘果实簇作为当前果实簇并跳至S23步，直至所有果实簇均确定采摘顺序。

优选地，所述S21步，分别计算各个果实簇w_p的果实蔟中心点e_p＝(X_p,Y_p,Z_p)：

其中，∑x为果实簇w_p中所有X轴坐标值之和，∑y为果实簇w_p中所有Y轴坐标值之和，∑z为果实簇w_p中所有Z轴坐标值之和。

优选地，所述S3步，包括如下分步骤：

S31步，在果实蔟w_p中，选取采摘目标G₁作为采摘目标G_t；

S32步，以采摘目标G_t为原点，在XOZ平面上建立四象限法则坐标系，并设定四象限权重T₁、T₂、T₃、T₄；

S33步，将采摘目标G_t到其余采摘目标G_q在XOZ平面上连成直线，计算各直线在XOZ平面的欧氏距离其中q∈[1,dp-1]；通过其余采摘目标G_q所在象限权重和欧氏距离L_q来计算出采摘目标G_t的相对优先函数值；

S34步，判断果实蔟w_p中所有采摘目标G_t是否均已计算出相对优先函数值：若是，则跳至S35步；否则跳至S32步计算下一个采摘目标G_t的相对优先函数值；

S35步，根据相对优先函数值的大小来确定果实蔟w_p内采摘目标G_t的采摘顺序，从而完成果实蔟w_p局部序列规划；

S36步，判断是否所有果实蔟w_p均完成局部序列规划：若是，则结束；否则跳至S31步进行下一果实簇w_p的局部序列规划。

优选地，所述S33步中，采摘目标G_t的相对优先函数值f_t的计算方法是：

与现有技术相比，本发明具有如下优点与有益效果：

1、本发明通过对采摘目标进行聚类分簇并采用贪婪算法实现果实簇全局序列规划；现有技术中的层次聚类算法通过计算目标与其余所有目标的距离，将距离最近的两个目标归于一类；相比现有技术，本发明减少了计算工作量，提高了采摘工作效率；

2、本发明采用四象限法则与距离加权择优对果实蔟内采摘目标进行顺序规划，计算目标优先函数，得到果实蔟内部顺序规划；相比现有技术的启发式算法，降低了在序列规划中因果实贴靠、重叠而产生对周围果实碰损的可能性，有效减少果实在采摘过程中的损伤情况；

3、本发明中，由于采用贪婪算法对密集目标计算时可能产生局部解，因此在采用贪婪算法前先采用聚类方法对密集目标进行聚类，将多个密集目标聚类为一个果实蔟，可减少贪婪算法运用过程中产生局部最优解的可能性；

4、本发明S1步中，由于两个采摘目标连成的直线在任意一条轴上的投影皆小于两个采摘目标之间的欧氏距离；因此本发明中，优先判断两个采摘目标在X轴上投影之间的距离与聚类阈值的大小，再确定是否需要计算两个采摘目标之间的欧式距离，从而减少计算工作量。

附图说明

图1是本发明采摘机器人作业序列规划方法的流程图；

图2是本发明中S1步聚类分蔟示意图；

图3是本发明中S2步采用贪婪算法的果实蔟序列规划示意图；

图4是本发明中S3步四象限法则与距离加权择优示意图。

具体实施方式

下面结合附图与具体实施方式对本发明作进一步详细的描述。

实施例

本实施例一种采摘机器人作业序列规划方法，其流程如图1所示，包括如下步骤：

S1步，计算采摘目标与其余采摘目标的距离，将距离小于等于聚类阈值k的两个采摘目标归纳为同一果实蔟，从而对所有采摘目标进行聚类分蔟，如图2所示。

包括如下分步骤：

S11步，将已知采摘目标的空间坐标放置在集合G＝{G₁,G₂,G₃...G_n}，其中G_n＝(x_n,y_n,z_n)，n为采摘目标总数；

S12步，将所有采摘目标的X轴坐标值按升序排序得到集合O＝{x₁,x₂...x_n}，根据集合O排序更新集合G＝{G₁,G₂,G₃...G_n}；

S13步，设定聚类阈值k，聚类阈值k优选设定为末端执行器在水平面上的最小抓取间距与果蔬最大包围体直径之和；可通过采用点云库中随机样本一致性算法拟合出果蔬最大包围体，从而获得果蔬最大包围体直径；

将每一个采摘目标都作为一个果实蔟，得到果实蔟集合W＝{w₁,w₂...w_n}，w_n＝{G_n}；

S14步，初始化间距值a为1；

S15步，计算集合O内x_i与x_j的差值C_ij＝|x_i-x_j|，其中j＝i+a，i∈[1,n-a]，j∈[1+a,n]；得到差值集合C＝{C_1(1+a),C_2(2+a),...C_(n-a)n}；

S16步，分别判断各个差值C_ij与聚类阈值k与的大小：

若C_ij≤k，则计算坐标G_i与G_j的欧氏距离

比较欧氏距离L_ij与聚类阈值k的大小：

若L_ij＜k，则将x_i对应的果实蔟与x_j对应的果实簇归纳为同一个果实蔟；

若L_ij≥k，则x_i和x_j对应的果实簇均不变；

若C_ij＞k，则欧氏距离L_ij＝∞，x_i和x_j对应的果实簇均不变；

S17步，更新果实蔟集合W＝{w₁,w₂...w_v}，w_p＝{G₁,G₂...G_dp}，其中p∈[1,v]，v为更新后的果实簇总数，v＜n，dp为果实蔟w_p内采摘目标数目；

S18步，判断所有C_ij是否均大于k：若是，则跳至S2步；否则使a增加1并跳至S15步。

由于两个采摘目标连成的直线在任意一条轴上的投影皆小于两个采摘目标之间的欧氏距离；因此本发明中，优先判断两个采摘目标在X轴上投影之间的距离与聚类阈值的大小，再确定是否需要计算两个采摘目标之间的欧式距离，从而减少计算工作量。

S2步，采用贪婪算法确定果实蔟采摘顺序，以实现全局序列规划，如图3所示。由于采用贪婪算法对密集目标计算时可能产生局部解，因此在采用贪婪算法前先采用S1步的聚类方法对密集目标进行聚类，将多个密集目标聚类为一个果实蔟，可减少贪婪算法运用过程中产生局部最优解的可能性。

包括如下分步骤：

S21步，分别计算各个果实簇w_p的果实蔟中心点e_p＝(X_p,Y_p,Z_p)：

其中，∑x为果实簇w_p中所有X轴坐标值之和，∑y为果实簇w_p中所有Y轴坐标值之和，∑z为果实簇w_p中所有Z轴坐标值之和；

得到果实蔟中心点集合E＝{e₁,e₂...e_v}；

S22步，以果实蔟中心点e₁为当前果实簇中心点；

S23步，在尚未确定采摘顺序的果实簇中，获取果实簇中心点与当前果实簇中心点距离最近的果实簇作为下一个采摘果实簇；

具体地说，确定下一个采摘果实簇为F_m+1＝min(L_u)，其中其中(X_u,Y_u,Z_u)为任一尚未确定采摘顺序的果实簇中心点的空间坐标，(X_b,Y_b,Z_b)为当前果实簇中心点的空间坐标；

S24步，以下一个采摘果实簇作为当前果实簇并跳至S23步，直至所有果实簇均确定采摘顺序。

本发明通过对采摘目标进行聚类分簇并采用贪婪算法实现果实簇全局序列规划；现有技术中的层次聚类算法通过计算目标与其余所有目标的距离，将距离最近的两个目标归于一类；相比现有技术，本发明减少了计算工作量，提高了采摘工作效率。

S3步，采用四象限法则与距离加权择优法则结合分别对各个果实蔟内采摘目标进行采摘排序，以实现局部序列规划，从而得到最终采摘作业序列规划，如图4所示。

包括如下分步骤：

S31步，在果实蔟w_p中，选取采摘目标G₁作为采摘目标G_t；

S32步，以采摘目标G_t为原点，在XOZ平面上建立四象限法则坐标系，并设定四象限权重T₁、T₂、T₃、T₄；

本实施例中，如图4所示，采摘优先顺序为左下>右下>左上>右上；以Z轴的正方向作紧急坐标轴，以X轴的负方向作重要坐标轴；第一象限为紧急重要，权重为T₁；第二象限为紧急不重要，权重为T₂；第三象限为重要不紧急，权重为T₃；第四象限为不紧急不重要，权重为T₄；因此T₁<T₂<T₃<T₄；

S33步，将采摘目标G_t到其余采摘目标G_q在XOZ平面上连成直线，计算各直线在XOZ平面的欧氏距离其中q∈[1,dp-1]；通过其余采摘目标G_q所在象限权重和欧氏距离L_q来计算出采摘目标G_t的相对优先函数值：

S34步，判断果实蔟w_p中所有采摘目标G_t是否均已计算出相对优先函数值：若是，则跳至S35步；否则跳至S32步计算下一个采摘目标G_t的相对优先函数值；

S35步，根据相对优先函数值的大小来确定果实蔟w_p内采摘目标G_t的采摘顺序，从而完成果实蔟w_p局部序列规划；一般来说，相对优先函数值越大，越优先采摘；

S36步，判断是否所有果实蔟w_p均完成局部序列规划：若是，则结束；否则跳至S31步进行下一果实簇w_p的局部序列规划。

本发明采用四象限法则与距离加权择优对果实蔟内采摘目标进行顺序规划，计算目标优先函数，得到果实蔟内部顺序规划；相比现有技术的启发式算法，降低了在序列规划中因果实贴靠、重叠而产生对周围果实碰损的可能性，有效减少果实在采摘过程中的损伤情况。

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 (7)

1.一种采摘机器人作业序列规划方法，其特征在于：包括如下步骤：

S1步，计算采摘目标与其余采摘目标的距离，将距离小于等于聚类阈值k的两个采摘目标归纳为同一果实蔟，从而对所有采摘目标进行聚类分蔟；

S2步，采用贪婪算法确定果实蔟采摘顺序，以实现全局序列规划；

S3步，采用四象限法则与距离加权择优法则结合分别对各个果实蔟内采摘目标进行采摘排序，以实现局部序列规划，从而得到最终采摘作业序列规划。

2.根据权利要求1所述的采摘机器人作业序列规划方法，其特征在于：所述S1步，包括如下分步骤：

S11步，将已知采摘目标的空间坐标放置在集合G＝{G₁,G₂,G₃...G_n}，其中G_n＝(x_n,y_n,z_n)，n为采摘目标总数；

S12步，将所有采摘目标的X轴坐标值按升序排序得到集合O＝{x₁,x₂...x_n}，根据集合O排序更新集合G＝{G₁,G₂,G₃...G_n}；

S13步，设定聚类阈值k；将每一个采摘目标都作为一个果实蔟，得到果实蔟集合W＝{w₁,w₂...w_n}，w_n＝{G_n}；

S14步，初始化间距值a为1；

S15步，计算集合O内x_i与x_j的差值C_ij＝|x_i-x_j|，其中j＝i+a，i∈[1,n-a]，j∈[1+a,n]；得到差值集合C＝{C_1(1+a),C_2(2+a),...C_(n-a)n}；

S16步，分别判断各个差值C_ij与聚类阈值k与的大小：

若C_ij≤k，则计算坐标G_i与G_j的欧氏距离

比较欧氏距离L_ij与聚类阈值k的大小：

若L_ij＜k，则将x_i对应的果实蔟与x_j对应的果实簇归纳为同一个果实蔟；

若L_ij≥k，则x_i和x_j对应的果实簇均不变；

若C_ij＞k，则欧氏距离L_ij＝∞，x_i和x_j对应的果实簇均不变；

S17步，更新果实蔟集合W＝{w₁,w₂...w_v}，w_p＝{G₁,G₂...G_dp}，其中p∈[1,v]，v为更新后的果实簇总数，v＜n，dp为果实蔟w_p内采摘目标数目；

S18步，判断所有C_ij是否均大于k：若是，则跳至S2步；否则使a增加1并跳至S15步。

3.根据权利要求2所述的采摘机器人作业序列规划方法，其特征在于：S13步中，设定聚类阈值k为末端执行器在水平面上的最小抓取间距与果蔬最大包围体直径之和。

4.根据权利要求2所述的采摘机器人作业序列规划方法，其特征在于：所述S2步，包括如下分步骤：

S21步，分别计算各个果实簇w_p的果实蔟中心点e_p＝(X_p,Y_p,Z_p)；得到果实蔟中心点集合E＝{e₁,e₂...e_v}；

S22步，以果实蔟中心点e₁为当前果实簇中心点；

S23步，在尚未确定采摘顺序的果实簇中，获取果实簇中心点与当前果实簇中心点距离最近的果实簇作为下一个采摘果实簇；

S24步，以下一个采摘果实簇作为当前果实簇并跳至S23步，直至所有果实簇均确定采摘顺序。

5.根据权利要求4所述的采摘机器人作业序列规划方法，其特征在于：所述S21步，分别计算各个果实簇w_p的果实蔟中心点e_p＝(X_p,Y_p,Z_p)：

其中，∑x为果实簇w_p中所有X轴坐标值之和，∑y为果实簇w_p中所有Y轴坐标值之和，∑z为果实簇w_p中所有Z轴坐标值之和。

6.根据权利要求4所述的采摘机器人作业序列规划方法，其特征在于：所述S3步，包括如下分步骤：

S31步，在果实蔟w_p中，选取采摘目标G₁作为采摘目标G_t；

S32步，以采摘目标G_t为原点，在XOZ平面上建立四象限法则坐标系，并设定四象限权重T₁、T₂、T₃、T₄；

S33步，将采摘目标G_t到其余采摘目标G_q在XOZ平面上连成直线，计算各直线在XOZ平面的欧氏距离其中q∈[1,dp-1]；通过其余采摘目标G_q所在象限权重和欧氏距离L_q来计算出采摘目标G_t的相对优先函数值；

S34步，判断果实蔟w_p中所有采摘目标G_t是否均已计算出相对优先函数值：若是，则跳至S35步；否则跳至S32步计算下一个采摘目标G_t的相对优先函数值；

S35步，根据相对优先函数值的大小来确定果实蔟w_p内采摘目标G_t的采摘顺序，从而完成果实蔟w_p局部序列规划；

S36步，判断是否所有果实蔟w_p均完成局部序列规划：若是，则结束；否则跳至S31步进行下一果实簇w_p的局部序列规划。

7.根据权利要求6所述的采摘机器人作业序列规划方法，其特征在于：所述S33步中，采摘目标G_t的相对优先函数值f_t的计算方法是：