CN112947433B - 一种果园移动机器人及其自主导航方法 - Google Patents
一种果园移动机器人及其自主导航方法 Download PDFInfo
- Publication number
- CN112947433B CN112947433B CN202110152515.3A CN202110152515A CN112947433B CN 112947433 B CN112947433 B CN 112947433B CN 202110152515 A CN202110152515 A CN 202110152515A CN 112947433 B CN112947433 B CN 112947433B
- Authority
- CN
- China
- Prior art keywords
- mobile robot
- path
- orchard
- push rod
- electric push
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000002420 orchard Substances 0.000 title claims abstract description 123
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000005070 sampling Methods 0.000 claims abstract description 58
- 238000012216 screening Methods 0.000 claims abstract description 9
- 238000006073 displacement reaction Methods 0.000 claims description 22
- 238000005452 bending Methods 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 235000013399 edible fruits Nutrition 0.000 description 3
- 230000004720 fertilization Effects 0.000 description 3
- 238000003973 irrigation Methods 0.000 description 3
- 230000002262 irrigation Effects 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 238000009333 weeding Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 235000001968 nicotinic acid Nutrition 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
- G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0219—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory ensuring the processing of the whole working surface
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
Abstract
本发明提供一种果园移动机器人及其自主导航方法,属于农业智能技术领域。该果园移动机器人包括动力底盘和上位机,还包括位姿模块、驱动模块、驱动电机和电推杆;所述上位机,用于采集在采样时间间隔内位姿模块输出的GPS传感器数据、二维激光雷达传感器数据、航姿参考模块数据和编码器数据,并融合成当前时刻果园移动机器人的位姿信息;根据位姿信息在全局路径规划下筛选出最优路径,并在局部路径规划下控制果园移动机器人进行往返自主导航,同时通过驱动模块实现驱动电机和电推杆控制所述动力底盘在采样时间间隔内的移动距离和旋转角度。同时公开了上述果园移动机器人的自主导航方法。本发明实现了果园移动机器人自主行驶的规范有序。
Description
技术领域
本发明涉及农业智能技术领域,尤其涉及一种果园移动机器人及其自主导航方法。
背景技术
室外果园产业链中诸如灌溉、施肥、除草、采摘以及搬运等车辆参与环节,依然处于人工控制阶段,不仅工量多、劳动强度大、作业效率低,而且随着今后老龄化现象严重、果园劳动力进一步缺乏,室外果园车辆机械自主导航问题的解决迫在眉睫。
目前室外果园车辆机械自主导航采用移动机器人运动学模型,该模型构建大体上可分为两类,一是基于PWM信号实现差速转向的运动学模型,主要应用于工业、服务业、以及农业(果园模式)领域,需配以相应里程计、惯性传感器IMU等为主的内部传感器进行运动解析方可得到移动机器人一定时间内运动状态数据(包括移动速度以及偏转角度),并且该数据中移动速度指一段时间内的平均速度,并不是任意时刻下的瞬时速度,而且后期设计控制算法不仅需要考虑算法种类还需要考虑左右轮PWM信号分配问题,并且分配完之后仍需通过内部传感器换算角度变化,因而导航控制算法比较复杂,二是通过控制电控液压转向装置中的比例阀、换向电磁阀等来实现转向的运动学模型,主要应用于农业(大田模式)领域下,配以相应转向轮偏角检测传感器即可准确的出当前任意时刻实时偏转角度,但其电控液压转向装置较为复杂,并且内部电控元件较多,后期设计控制算法也较为复杂。
车辆自主导航技术根据是否基于先验全局地图及人为路径规划大致分为两类,一类是基于路径下的导航控制算法,虽然避免了移动机器人行驶路线的杂乱无章,但前期需进行地图创建及路径规划更有甚者需辅以相应外设加以定位,诸如管道或线路铺设、标定物设置等,适用性差。无路径下的控制导航算法,虽然无需进行前期的地图及路径设置,可实现动态避障,但以当前点与目标点两点直线的行驶路线,再加以行驶过程的障碍物,导致移动机器人行驶路线随机性较大。
发明内容
本发明提供一种果园移动机器人及其自主导航方法,用以解决现有技术中果园车辆自主导航存在的上述部分或全部问题。
一方面,本发明提供一种果园移动机器人,包括动力底盘和上位机,还包括位姿模块、驱动模块、驱动电机和电推杆;
所述位姿模块,包括GPS传感器、二维激光雷达传感器、航姿参考模块和编码器;
所述上位机,用于采集在采样时间间隔内所述位姿模块输出的GPS传感器数据、二维激光雷达传感器数据、航姿参考模块数据和编码器数据,并融合成当前时刻果园移动机器人的位姿信息;根据所述位姿信息在全局路径规划下筛选出最优路径,并在局部路径规划下控制果园移动机器人进行往返自主导航,同时通过所述驱动模块实现驱动电机和电推杆控制所述动力底盘在采样时间间隔内的移动距离和旋转角度。
根据本发明提供的一种果园移动机器人,所述驱动模块包括直流电机驱动模块和电推杆驱动模块,分别用于控制所述驱动电机和电推杆的速度和方向,以实现通过所述驱动电机和电推杆控制所述动力底盘的移动距离和旋转角度;
所述编码器,包括分别安装在所述动力底盘的前置左、右轮的车轮编码器和电推杆编码器。
根据本发明提供的一种果园移动机器人,所述上位机,根据所述位姿信息在全局路径规划下筛选出最优路径,并在局部路径规划下控制果园移动机器人进行往返自主导航,包括:
上位机实时获取果园移动机器人的当前位置点,并根据最优路径的弯曲程度判断当前位置点所处路径状态,同时选择相应的前视距离与车速;
上位机根据前视距离与车速跟踪当前位置点的预瞄点,并通过二维激光雷达传感器判断当前路径是否存在障碍物;
若存在,则基于局部路径规划判断是否到达当前路径所处线段的目标节点:是则结束本次预瞄点的跟踪,并进行下一次预瞄点跟踪,否则根据障碍物选择相应的模糊控制函数控制所述动力底盘绕行所述障碍物,以实现自主导航到达当前路径所处线段的目标节点;
若不存在,则结束本次预瞄点的跟踪后进行下一次预瞄点跟踪,直至实现动力底盘的自主导航至最终位置点。
根据本发明提供的一种果园移动机器人,所述上位机根据前视距离与车速跟踪当前位置点的预瞄点,包括:
所述上位机基于路径节点设置的带权有向往返路径拓扑图获得任意节点坐标后得到所述当前位置点所在的规划路径线段;
所述上位机将当前位置点的坐标沿着当前航向角方向加上前视距离得到前视点;
所述上位机将所述前视点在下一规划路径线段上投影后得到预瞄点,同时根据所述车速控制所述驱动模块实现驱动电机和电推杆的速度和方向实现预瞄点的跟踪。
根据本发明提供的一种果园移动机器人,所述上位机根据障碍物选择相应的模糊控制函数控制所述动力底盘绕行所述障碍物,包括:
所述上位机获取二维激光雷达传感器基于局部路径规划上的最优路径最近路径节点检测到的障碍物;
所述上位机根据检测到的障碍物进行实时分布判断,并根据分布判断结果选择相应的模糊控制函数;
所述上位机根据选择的模糊控制函数控制所述驱动模块实现驱动电机的正反转向和电推杆的伸缩方向,使得所述动力底盘绕行所述障碍物。
根据本发明提供的一种果园移动机器人,所述上位机,通过所述驱动模块实现驱动电机和电推杆控制所述动力底盘在采样时间间隔内的移动距离和旋转角度,包括:
上位机根据所述编码器输出的脉冲数得到在采样时间间隔内所述动力底盘的前置左、右轮以及电推杆的位移;
上位机根据在采样时间间隔内所述动力底盘的前置左、右轮以及电推杆的位移通过所述驱动模块分别控制所述动力底盘在采样时间间隔内的移动距离和旋转角度。
根据本发明提供的一种果园移动机器人,所述上位机根据所述编码器输出的脉冲数得到在采样时间间隔内所述动力底盘的前置左、右轮以及电推杆的位移,其公式如下:
其中,ΔdL,ΔdR,ΔlS分别为在采样时间间隔Δt内所述前置左、右轮以及所述电推杆的位移,Nl,Nr,Ns分别为在采样时间间隔Δt内所述前四驱动轮的前置左、右轮及所述电推杆上的编码器输出的脉冲数,p和q分别为所述编码器的线数和相数,r为驱动轮半径,n为所述电推杆的行程比。
根据本发明提供的一种果园移动机器人,所述上位机根据在采样时间间隔内所述动力底盘的前置左、右轮以及电推杆的位移分别控制所述动力底盘在采样时间间隔内的移动距离和旋转角度,其公式如下:
其中,ΔdM和Δαc分别为所述动力底盘在采样时间间隔内的移动距离和旋转角度,ΔdL,ΔdR,ΔlS分别为在采样时间间隔Δt内所述前置左、右轮以及所述电推杆的位移,d为所述电推杆的前端安装孔与前车架中心点的水平距离。
根据本发明提供的一种果园移动机器人,所述航姿参考模块包括加速度计、陀螺仪、地磁传感器和气压计,用于获取果园移动机器人的航向角、俯仰角、横滚角和海拔高度;
所述GPS传感器,用于实时获取果园移动机器人的当前位置点的大地坐标;
所述二维激光雷达传感器,用于获取果园移动机器人在果园全局地图下的绝对位置坐标,并监测果园移动机器人在局部路径规划下当前路径是否存在障碍物。
另一方面,本发明提供一种果园移动机器人的自主导航方法,包括以下步骤:
采集在采样时间间隔内的GPS传感器数据、二维激光雷达传感器数据、航姿参考模块数据和编码器数据,并融合成当前时刻果园移动机器人的位姿信息;
根据所述位姿信息在全局路径规划下筛选出最优路径,并在局部路径规划下控制果园移动机器人进行往返自主导航,同时控制其在采样时间间隔内的移动距离和旋转角度。
本发明提供的一种果园移动机器人及其自主导航方法,基于果园全局地图的路径规划,通过上位机采集到的各传感器及编码器数据在全局路径规划下筛选出最优路径,并在局部路径规划下控制果园移动机器人进行往返自主导航,同时控制动力底盘在采样时间间隔内的移动距离和旋转角度,实现了果园环境下移动机器人多状态转换的自主导航及行驶的规范有序,避免了存在障碍物导致突发中断的情况。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的的果园移动机器人的结构示意图;
图2是本发明提供的高地面仿形性动力底盘结构图;
图3是本发明提供的实际果园模拟图;
图4是本发明提供的基于整体环境为特征的特征地图与基于路径节点设置的带权有向路径拓扑图相结合的果园地图;
图5是本发明提供的导航路径跟踪示意图;
图6是本发明提供的动态障碍物分布模糊分类图;
图7是本发明提供的动力底盘的动力及传动结构示意图;
图8是本发明提供的果园移动机器人的自主导航方法流程示意图之一;
图9是本发明提供的果园移动机器人的自主导航方法流程示意图之二;
图10是本发明提供的果园移动机器人的实验平台三维图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面结合图1-图10描述本发明的一种果园移动机器人及其自主导航方法。
本发明提供一种果园移动机器人,如图1所示,包括动力底盘100和上位机101,还包括位姿模块102、驱动模块103、驱动电机104和电推杆105
所述位姿模块102,包括GPS传感器1021、二维激光雷达传感器1022、航姿参考模块1023和编码器1024;
所述上位机,用于采集在采样时间间隔内所述位姿模块输出的GPS传感器数据、二维激光雷达传感器数据、航姿参考模块数据和编码器数据,并融合成当前时刻果园移动机器人的位姿信息;根据所述位姿信息在全局路径规划下筛选出最优路径,并在局部路径规划下控制果园移动机器人进行往返自主导航,同时通过所述驱动模块103实现驱动电机104和电推杆105控制所述动力底盘在采样时间间隔内的移动距离和旋转角度。
具体地,结合图2所示的高地面仿形性动力底盘结构图,所述动力底盘200包括前驱动轮2011、后驱动轮2012、前车架202、中车架203、后车架204和电推杆205;所述前车架202固定在前驱动轮2011上;所述后车架203固定在后驱动轮2012上;动力底盘200上安装有驱动电机204和电推杆205,所述电推杆205的前后端分别固定安装在所述前车架202和中车架203上,所述驱动电机204分别固定安装在前车架202和后车架204下。其中,动力底盘200下前驱动轮2011的前置左、右轮及所述电推杆205上各安装一个编码器206;所述上位机在采样时间间隔内分别采集所述编码器206输出的脉冲数,并通过所述驱动电机驱动前驱动轮2011及所述电推杆205的位移分别控制所述动力底盘200在采样时间间隔内的移动距离和旋转角度。
与现有技术相比,本发明提出的一种改进型果园移动机器人,采用上位机控制动力底盘的移动距离和旋转角度的运动学模型,能够实现仅需一个电推杆驱动模块即可驱动电推杆收缩,无需复杂的电控转向装置,实现了控制算法的优化,同时通过高地面仿形性动力底盘上一根自带编码器的电推杆即可完成转向,即,将采集到的编码器数据进行三角变换即可得到果园移动机器人一定时间间隔下的转角。
根据本发明提供的一种果园移动机器人,所述驱动模块包括直流电机驱动模块和电推杆驱动模块,分别用于控制所述驱动电机和电推杆的速度,以实现通过所述驱动电机和电推杆控制所述动力底盘的移动距离和旋转角度;
所述编码器,包括分别安装在所述动力底盘的前置左、右轮的车轮编码器和电推杆编码器。
具体地,所述驱动电机和电推杆的驱动分别通过相应的驱动模块实现。编码器分为车轮编码器和电推杆编码器,分别采集前置左、右轮的车轮和电推杆的运行数据。
如图3和图4所示,基于整体环境为特征的特征地图与基于人为路径节点设置的带权有向路径拓扑图相结合的果园地图构建:通过二维激光雷达传感器(2D-LIDAR)、惯性导航传感器(MPU6050)、里程计(编码器)分别采集移动机器人所处环境的点云数据(深度信息)及其内部自身的位姿信息,经过改进的SLAM_gmapping算法,圆弧距离算法,路径节点设置等步骤,将如图3所示的实际果园模拟图构建为如图4所示的基于整体环境为特征的特征地图与基于人为路径节点设置的带权有向路径拓扑图相结合的果园地图。以实际果园果树树干作为特征,将二维激光雷达采集到的各个树干点云数据通过圆弧聚类算法聚类为全局地图下的坐标点Ti,并在此基础上人为合理设计路径节点Di,为实现移动机器人在室外果园规范有序导航控制夯实基础。
根据本发明提供的一种果园移动机器人,所述上位机,根据所述位姿信息在全局路径规划下筛选出最优路径,并在局部路径规划下控制果园移动机器人进行往返自主导航,包括:
上位机实时获取果园移动机器人的当前位置点,并根据最优路径的弯曲程度判断当前位置点所处路径状态,同时选择相应的前视距离与车速;
具体地,基于室外果园多路径状态下的改进纯跟踪控制算法:驾驶员驾驶车辆在道路上向目标点移动时,根据前方道路的弯曲程度,据其经验可以人为控制车速与车辆转向角度,直至到达目的地。基于仿生学,果园移动机器人(驾驶员)在已规划路径(道路)控制底盘(车辆)自主导航时,根据前方路径弯曲程度,由图4可知,本发明基于人为路径节点设置的带权有向路径拓扑图路径弯曲程度大体上可分为直线路径与曲线路径,通过判别当前所处路径状态选择相应的前视距离Lf与车速v。
上位机根据前视距离与车速跟踪当前位置点的预瞄点,并通过二维激光雷达传感器判断当前路径是否存在障碍物;
若存在,则基于局部路径规划判断是否到达当前路径所处线段的目标节点:是则结束本次预瞄点的跟踪,并进行下一次预瞄点跟踪,否则根据障碍物选择相应的模糊控制函数控制所述动力底盘绕行所述障碍物,以实现自主导航到达当前路径所处线段的目标节点;
若不存在,则结束本次预瞄点的跟踪后进行下一次预瞄点跟踪,直至实现动力底盘的自主导航至最终位置点。
具体地,本发明基于路径节点设置的带权有向路径拓扑图路径弯曲程度大体上可分为直线路径与曲线路径,通过判别当前所处路径状态选择相应的前视距离Lf与车速v,即可得出当前位置点与预瞄点间的横向偏差e与航向偏差αa(目标转角),根据航向偏差αa(由前视距离计算得出)与当前转角αc作差得出实际转角Δα,通过控制由电推杆与直线位移传感器组成的转向控制机构,使得实际转角Δα平稳的趋向于0,即当前搬运机器人旋转角度为航向偏差αa时,表明此次预瞄点跟踪结束,进行下一轮预瞄点跟踪。
与现有技术相比,本发明在提出的一种改进运行学模型的果园移动机器人基础上,采用将纯跟踪控制算法与基于模糊控制算法相结合的导航控制算法,根据路况判断存在障碍物时,可切换为当前路径两节点的动态避障,实现了移动机器人自主行驶规范有序的同时有效避免了存在障碍物时可能出现的突发中断情况。
根据本发明提供的一种果园移动机器人,所述上位机根据前视距离与车速跟踪当前位置点的预瞄点,包括:
所述上位机基于路径节点设置的带权有向往返路径拓扑图获得任意节点坐标后得到所述当前位置点所在的规划路径线段;
所述上位机将当前位置点的坐标沿着当前航向角方向加上前视距离得到前视点;
所述上位机将所述前视点在下一规划路径线段上投影后得到预瞄点,同时根据所述车速控制所述驱动模块实现驱动电机和电推杆的速度和方向实现预瞄点的跟踪。
具体地,导航路径跟踪的流程:如图5所示,根据实时定位,已知当前移动机器人具体位姿DC(xc,yc,θc),根据绘制的带权有向往返路径拓扑图可知任意节点坐标Pi(xi,yi)。搬运机器人从当前位置点Dc与其在规划路径线段Pn+1Pn+2上的投影点Da间的距离即为横向偏差e;同样搬运机器人从当前位置点Dc沿着当前航向角θc方向加上前视距离Lf得到前视点Yf,该点在规划路径线段Pn+2Pn+3上的投影点Ya,即为预瞄点,从而可得出航向偏差αa。
根据本发明提供的一种果园移动机器人,所述上位机根据障碍物选择相应的模糊控制函数控制所述动力底盘绕行所述障碍物,包括:
所述上位机获取二维激光雷达传感器基于局部路径规划上的最优路径最近路径节点检测到的障碍物;
所述上位机根据检测到的障碍物进行实时分布判断,并根据分布判断结果选择相应的模糊控制函数;
所述上位机根据选择的模糊控制函数控制所述驱动模块实现驱动电机的正反转向和电推杆的伸缩方向,使得所述动力底盘绕行所述障碍物。
具体地,基于室外果园复杂动态障碍物的模糊导航控制算法:该算法同样可以由仿生学来进行描述,基于改进运动学模型的纯跟踪控制算法是驾驶员根据前方道路弯曲程度进行经验判断,确定车速与车辆旋转角度,而基于模糊控制函数的控制算法是针对驾驶员在野外驾驶车辆向目的地行驶,全程只清楚目标点,根据当前所处环境驾驶车辆避开视野内的障碍物。本发明利用该算法实现未规划路径的局部路径规划,即移动机器人自主导航开始,从果园任一点向已筛选出最优路径最近路径节点移动以及在后续过程中在最优路径某一线段上向目标节点移动过程中,检测到障碍物(可能是果园工人或者另一辆移动机器人)。移动机器人利用激光雷达传感器实时判断一定范围内障碍物(驾驶员视野内的障碍物)分布如图6所示,选择相应的模糊控制(驾驶员经验),使得最终达到目标位置点。移动机器人当前通过激光雷达传感器检测出车身左前方存在树干,左侧存在障碍物,则相应模糊控制函数通过控制驱动电机反转,以及控制由电推杆的伸缩使得动力底盘旋转相应角度,达到移动机器人后退右转的运动效果。需要强调的是图6(a)-(p)仅考虑部分环境状况类别,具体分类需根据室外果园环境复杂度进行进一步划分。
根据本发明提供的一种果园移动机器人,所述上位机,通过所述驱动模块实现驱动电机和电推杆控制所述动力底盘在采样时间间隔内的移动距离和旋转角度,包括:
上位机根据所述编码器输出的脉冲数得到在采样时间间隔内所述动力底盘的前置左、右轮以及电推杆的位移;
上位机根据在采样时间间隔内所述动力底盘的前置左、右轮以及电推杆的位移通过所述驱动模块分别控制所述动力底盘在采样时间间隔内的移动距离和旋转角度。
如图7所示的动力及传动结构示意图,安装于动力底盘的前置左、右轮、以及转向机(电推杆)上的编码器(里程计)的线数与相数分别为p线/转、q相,转向机(电推杆)行程比为n/转,转向机(电推杆)前端安装孔与前车架中心水平距离为d,底盘所采用的驱动轮半径为r,令上位机采样时间间隔为Δt,采集到的左前轮、右前轮、以及转向机(电推杆)上的编码器输出脉冲数分别为Nl,Nr,Ns。
根据本发明提供的一种果园移动机器人,所述上位机根据所述编码器输出的脉冲数得到在采样时间间隔内所述动力底盘的前置左、右轮以及电推杆的位移,其公式如下:
其中,ΔdL,ΔdR,ΔlS分别为在采样时间间隔Δt内所述前置左、右轮以及所述电推杆的位移,Nl,Nr,Ns分别为在采样时间间隔Δt内所述前四驱动轮的前置左、右轮及所述电推杆上的编码器输出的脉冲数,p和q分别为所述编码器的线数和相数,r为驱动轮半径,n为所述电推杆的行程比。
根据本发明提供的一种果园移动机器人,所述上位机根据在采样时间间隔内所述动力底盘的前置左、右轮以及电推杆的位移分别控制所述动力底盘在采样时间间隔内的移动距离和旋转角度,其公式如下:
其中,ΔdM和Δαc分别为所述动力底盘在采样时间间隔内的移动距离和旋转角度,ΔdL,ΔdR,ΔlS分别为在采样时间间隔Δt内所述前置左、右轮以及所述电推杆的位移,d为所述电推杆的前端安装孔与前车架中心点的水平距离。
根据本发明提供的一种果园移动机器人,结合图1所示,所述航姿参考模块包括加速度计、陀螺仪、地磁传感器和气压计,用于获取果园移动机器人的航向角、俯仰角、横滚角和海拔高度;
所述GPS传感器1021,用于实时获取果园移动机器人的当前位置点的大地坐标;
所述二维激光雷达传感器1022,用于获取果园移动机器人在果园全局地图下的绝对位置坐标,并监测果园移动机器人在局部路径规划下当前路径是否存在障碍物。
本发明提供一种果园移动机器人的自主导航方法,如图8所示,包括以下步骤:
801,采集在采样时间间隔内的GPS传感器数据、二维激光雷达传感器数据、航姿参考模块数据和编码器数据,并融合成当前时刻果园移动机器人的位姿信息;
802,根据所述位姿信息在全局路径规划下筛选出最优路径,并在局部路径规划下控制果园移动机器人进行往返自主导航,同时控制其在采样时间间隔内的移动距离和旋转角度。
根据本发明提供的一种果园移动机器人的自主导航方法,根据所述位姿信息在全局路径规划下筛选出最优路径,并在局部路径规划下控制果园移动机器人进行往返自主导航,如图9所示,包括以下步骤:
901,实时获取果园移动机器人的当前位置点,并根据最优路径的弯曲程度判断当前位置点所处路径状态,同时选择相应的前视距离与车速;
902,根据前视距离与车速跟踪当前位置点的预瞄点,并通过二维激光雷达传感器判断当前路径是否存在障碍物;
903,若存在,则基于局部路径规划判断是否到达当前路径所处线段的目标节点:是则结束本次预瞄点的跟踪,并进行下一次预瞄点跟踪,否则根据障碍物选择相应的模糊控制函数控制所述动力底盘绕行所述障碍物,以实现动力底盘的自主导航到达当前路径所处线段的目标节点;
904,若不存在,则结束本次预瞄点的跟踪后进行下一次预瞄点跟踪,直至实现动力底盘的自主导航到达最终位置点。
根据本发明提供的一种果园移动机器人的自主导航方法,根据前视距离与车速跟踪当前位置点的预瞄点,包括:
基于路径节点设置的带权有向往返路径拓扑图获得任意节点坐标后得到所述当前位置点所在的规划路径线段;
将当前位置点的坐标沿着当前航向角方向加上前视距离得到前视点;
将所述前视点在下一规划路径线段上投影后得到预瞄点,同时根据所述车速控制所述驱动电机和电推杆的速度实现预瞄点的跟踪。
根据本发明提供的一种果园移动机器人的自主导航方法,根据障碍物选择相应的模糊控制函数控制所述动力底盘绕行所述障碍物,包括:
所述上位机获取二维激光雷达传感器基于局部路径规划上的最优路径最近路径节点检测到的障碍物;
所述上位机根据检测到的障碍物进行实时分布判断,并根据分布判断结果选择相应的模糊控制函数;
所述上位机根据选择的模糊控制函数控制驱动电机的正反转向和电推杆的伸缩方向,使得所述动力底盘绕行所述障碍物。
根据本发明提供的一种果园移动机器人的自主导航方法,所述控制果园移动机器人在采样时间间隔内的移动距离和旋转角度,包括:
根据所述编码器输出的脉冲数得到在采样时间间隔内所述动力底盘的前置左、右轮以及电推杆的位移;
根据在采样时间间隔内所述动力底盘的前置左、右轮以及电推杆的位移分别控制所述动力底盘在采样时间间隔内的移动距离和旋转角度。
根据本发明提供的一种果园移动机器人的自主导航方法,根据所述编码器输出的脉冲数得到在采样时间间隔内所述动力底盘的前置左、右轮以及电推杆的位移,结合图7,其公式如下:
其中,ΔdL,ΔdR,ΔlS分别为在采样时间间隔Δt内所述前置左、右轮以及所述电推杆的位移,Nl,Nr,Ns分别为在采样时间间隔Δt内所述前四驱动轮的前置左、右轮及所述电推杆上的编码器输出的脉冲数,p和q分别为所述编码器的线数和相数,r为驱动轮半径,n为所述电推杆的行程比。
根据本发明提供的一种果园移动机器人的自主导航方法,根据在采样时间间隔内所述动力底盘的前置左、右轮以及电推杆的位移分别控制所述动力底盘在采样时间间隔内的移动距离和旋转角度,结合图7,其公式如下:
其中,ΔdM和Δαc分别为所述动力底盘在采样时间间隔内的移动距离和旋转角度,ΔdL,ΔdR,ΔlS分别为在采样时间间隔Δt内所述前置左、右轮以及所述电推杆的位移,d为所述电推杆的前端安装孔与前车架中心点的水平距离。
以下给出了具体实验用例来说明本发明的工作过程。
(1)实验平台搭建:
实验装置如图10所示,采用的高地面仿形性动力底盘1000上方平台铺设一层盖板,盖板四周均可通过M18螺栓螺母安装长、短支撑板,并且通过三角架铰接在支撑板上的正方架可上下进行移动,进而本发明可针对不同果园环境对铺设在正方架上的各类外设,诸如GPS模块1001、航姿参考模块1002、编码器模块1003、2D-LIDAR模块1004等后期需要添加的各类传感器模块高度进行调整,使得各模块采集到的数据效果最佳。
(2)实验步骤:
本发明属于农业信息技术领域,可应用于室外农产品种植区域下移动机器人的导航控制方面,如复杂果园环境下的灌溉、施肥、除草、采摘以及搬运等环节。以移动机器人果实搬运为例,移动机器人经过实时定位,确定自身所在具体位姿,通过全局路径规划,筛选出最优路径即可进行往返精确制导。具体导航流程如下:搬运机器人自身搬运量达到设定载荷阈值,经过实时定位确定当前所在具体位置,以此位置利用Floyd算法与Dijkstra算法得出往返最优路径,即进行全局路径规划,通过判断当前位置是否为路径节点,一般情况下为否,即进行基于模糊控制函数的控制算法,进行局部路径规划与导航控制,当判断已抵达最近路径节点,则切换至基于改进运动学模型的纯跟踪控制算法,遵循规划路径进行制导,历经由各相邻两节点组成的线段上,当某一线段上出现动态或者静态障碍物时,则切换至局部路径规划,即进行基于模糊控制函数的控制算法,直至到达初始节点,准备进行下一轮定点往返作业。需要强调的是,其中夹杂着判断苹果果实是否卸载环节,即判断搬运机器人是否空载,判断“是”后继续进行返程制导。
综上所述,本发明提出了一种基于改进运动学模型的果园移动机器人,并将纯跟踪控制算法与模糊控制算法相结合的果园环境下多状态转换的移动机器人自主导航方法。其应用场所广泛,适用于室外农产品种植区域下移动机器人的导航控制方面、功能种类强大,可进行灌溉、施肥、除草、采摘以及搬运等环节。所改进的运行学模型,优化了移动机器人驱动及其反馈模块,降低了导航控制算法的复杂度、采用的纯跟踪控制算法与基于模糊控制函数的控制算法相结合的导航控制算法,保障移动机器人行驶路线规范有序的同时,又可实现动态避障。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种果园移动机器人,包括动力底盘和上位机,其特征在于,还包括位姿模块、驱动模块、驱动电机和电推杆;
所述位姿模块,包括GPS传感器、二维激光雷达传感器、航姿参考模块和编码器;
所述上位机,用于采集在采样时间间隔内所述位姿模块输出的GPS传感器数据、二维激光雷达传感器数据、航姿参考模块数据和编码器数据,并融合成当前时刻果园移动机器人的位姿信息;根据所述位姿信息在全局路径规划下筛选出最优路径,并在局部路径规划下控制果园移动机器人进行往返自主导航,同时通过所述驱动模块实现驱动电机和电推杆控制所述动力底盘在采样时间间隔内的移动距离和旋转角度;
所述上位机,根据所述位姿信息在全局路径规划下筛选出最优路径,并在局部路径规划下控制果园移动机器人进行往返自主导航,包括:
上位机实时获取果园移动机器人的当前位置点,并根据最优路径的弯曲程度判断当前位置点所处路径状态,同时选择相应的前视距离与车速;
上位机根据前视距离与车速跟踪当前位置点的预瞄点,并通过二维激光雷达传感器判断当前路径是否存在障碍物;
若存在,则基于局部路径规划判断是否到达当前路径所处线段的目标节点:是则结束本次预瞄点的跟踪,并进行下一次预瞄点跟踪,否则根据障碍物选择相应的模糊控制函数控制所述动力底盘绕行所述障碍物,以实现自主导航到达当前路径所处线段的目标节点;
若不存在,则结束本次预瞄点的跟踪后进行下一次预瞄点跟踪,直至实现动力底盘的自主导航至最终位置点;
所述上位机根据前视距离与车速跟踪当前位置点的预瞄点,包括:
所述上位机基于路径节点设置的带权有向往返路径拓扑图获得任意节点坐标后得到所述当前位置点所在的规划路径线段;
所述上位机将当前位置点的坐标沿着当前航向角方向加上前视距离得到前视点;
所述上位机将所述前视点在下一规划路径线段上投影后得到预瞄点,同时根据所述车速控制所述驱动模块实现驱动电机和电推杆的速度和方向实现预瞄点的跟踪。
2.根据权利要求1所述的果园移动机器人,其特征在于,所述驱动模块包括直流电机驱动模块和电推杆驱动模块,分别用于控制所述驱动电机和电推杆的速度和方向,以实现通过所述驱动电机和电推杆控制所述动力底盘的移动距离和旋转角度;
所述编码器,包括分别安装在所述动力底盘的前置左、右轮的车轮编码器和电推杆编码器。
3.根据权利要求1所述的果园移动机器人,其特征在于,所述上位机根据障碍物选择相应的模糊控制函数控制所述动力底盘绕行所述障碍物,包括:
所述上位机获取二维激光雷达传感器基于局部路径规划上的最优路径最近路径节点检测到的障碍物;
所述上位机根据检测到的障碍物进行实时分布判断,并根据分布判断结果选择相应的模糊控制函数;
所述上位机根据选择的模糊控制函数控制所述驱动模块实现驱动电机的正反转向和电推杆的伸缩方向,使得所述动力底盘绕行所述障碍物。
4.根据权利要求1所述的果园移动机器人,其特征在于,所述上位机,通过所述驱动模块实现驱动电机和电推杆控制所述动力底盘在采样时间间隔内的移动距离和旋转角度,包括:
上位机根据所述编码器输出的脉冲数得到在采样时间间隔内所述动力底盘的前置左、右轮以及电推杆的位移;
上位机根据在采样时间间隔内所述动力底盘的前置左、右轮以及电推杆的位移通过所述驱动模块分别控制所述动力底盘在采样时间间隔内的移动距离和旋转角度。
5.根据权利要求4所述的果园移动机器人,其特征在于,所述上位机根据所述编码器输出的脉冲数得到在采样时间间隔内所述动力底盘的前置左、右轮以及电推杆的位移,其公式如下:
其中,ΔdL,ΔdR,ΔlS分别为在采样时间间隔Δt内所述前置左、右轮以及所述电推杆的位移,Nl,Nr,Ns分别为在采样时间间隔Δt内前四驱动轮的前置左、右轮及所述电推杆上的编码器输出的脉冲数,p和q分别为所述编码器的线数和相数,r为驱动轮半径,n为所述电推杆的行程比。
6.根据权利要求4所述的果园移动机器人,其特征在于,所述上位机根据在采样时间间隔内所述动力底盘的前置左、右轮以及电推杆的位移分别控制所述动力底盘在采样时间间隔内的移动距离和旋转角度,其公式如下:
其中,ΔdM和Δαc分别为所述动力底盘在采样时间间隔内的移动距离和旋转角度,ΔdL,ΔdR,ΔlS分别为在采样时间间隔Δt内所述前置左、右轮以及所述电推杆的位移,d为所述电推杆的前端安装孔与前车架中心点的水平距离。
7.根据权利要求1所述的果园移动机器人,其特征在于,所述航姿参考模块包括加速度计、陀螺仪、地磁传感器和气压计,用于获取果园移动机器人的航向角、俯仰角、横滚角和海拔高度;
所述GPS传感器,用于实时获取果园移动机器人的当前位置点的大地坐标;
所述二维激光雷达传感器,用于获取果园移动机器人在果园全局地图下的绝对位置坐标,并监测果园移动机器人在局部路径规划下当前路径是否存在障碍物。
8.一种果园移动机器人的自主导航方法,其特征在于,包括以下步骤:
采集在采样时间间隔内的GPS传感器数据、二维激光雷达传感器数据、航姿参考模块数据和编码器数据,并融合成当前时刻果园移动机器人的位姿信息;
根据所述位姿信息在全局路径规划下筛选出最优路径,并在局部路径规划下控制果园移动机器人进行往返自主导航,同时控制其在采样时间间隔内的移动距离和旋转角度;
所述根据所述位姿信息在全局路径规划下筛选出最优路径,并在局部路径规划下控制果园移动机器人进行往返自主导航,包括:
实时获取果园移动机器人的当前位置点,并根据最优路径的弯曲程度判断当前位置点所处路径状态,同时选择相应的前视距离与车速;
根据前视距离与车速跟踪当前位置点的预瞄点,并通过二维激光雷达传感器判断当前路径是否存在障碍物;
若存在,则基于局部路径规划判断是否到达当前路径所处线段的目标节点:是则结束本次预瞄点的跟踪,并进行下一次预瞄点跟踪,否则根据障碍物选择相应的模糊控制函数控制动力底盘绕行所述障碍物,以实现动力底盘的自主导航到达当前路径所处线段的目标节点;
若不存在,则结束本次预瞄点的跟踪后进行下一次预瞄点跟踪,直至实现动力底盘的自主导航到达最终位置点;
所述根据前视距离与车速跟踪当前位置点的预瞄点,包括:
基于路径节点设置的带权有向往返路径拓扑图获得任意节点坐标后得到所述当前位置点所在的规划路径线段;
将当前位置点的坐标沿着当前航向角方向加上前视距离得到前视点;
将所述前视点在下一规划路径线段上投影后得到预瞄点,同时根据所述车速控制驱动电机和电推杆的速度实现预瞄点的跟踪。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110152515.3A CN112947433B (zh) | 2021-02-03 | 2021-02-03 | 一种果园移动机器人及其自主导航方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110152515.3A CN112947433B (zh) | 2021-02-03 | 2021-02-03 | 一种果园移动机器人及其自主导航方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112947433A CN112947433A (zh) | 2021-06-11 |
CN112947433B true CN112947433B (zh) | 2023-05-02 |
Family
ID=76243604
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110152515.3A Active CN112947433B (zh) | 2021-02-03 | 2021-02-03 | 一种果园移动机器人及其自主导航方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112947433B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113375658B (zh) * | 2021-06-15 | 2023-05-09 | 电子科技大学中山学院 | 移动机器人故障下同时fdd和slam的方法及系统 |
CN116619388B (zh) * | 2023-07-13 | 2024-03-01 | 湘潭大学 | 一种基于主动视觉策略的视点规划方法及其采摘系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101093396A (zh) * | 2007-07-04 | 2007-12-26 | 华南农业大学 | 一种农业机械的导航控制方法 |
CN103914068A (zh) * | 2013-01-07 | 2014-07-09 | 中国人民解放军第二炮兵工程大学 | 一种基于栅格地图的服务机器人自主导航方法 |
CN106406338A (zh) * | 2016-04-14 | 2017-02-15 | 中山大学 | 一种基于激光测距仪的全向移动机器人的自主导航装置及其方法 |
CN106681330A (zh) * | 2017-01-25 | 2017-05-17 | 北京航空航天大学 | 基于多传感器数据融合的机器人导航方法及装置 |
CN207607340U (zh) * | 2017-12-18 | 2018-07-13 | 北京北汽摩有限公司 | 自动驾驶用全地形车底盘平台 |
CN110244735A (zh) * | 2019-06-24 | 2019-09-17 | 安徽农业大学 | 移动机器人跟踪预定轨迹的启发式动态规划控制方法 |
CN111123925A (zh) * | 2019-12-19 | 2020-05-08 | 天津联汇智造科技有限公司 | 一种移动机器人导航系统以及方法 |
-
2021
- 2021-02-03 CN CN202110152515.3A patent/CN112947433B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101093396A (zh) * | 2007-07-04 | 2007-12-26 | 华南农业大学 | 一种农业机械的导航控制方法 |
CN103914068A (zh) * | 2013-01-07 | 2014-07-09 | 中国人民解放军第二炮兵工程大学 | 一种基于栅格地图的服务机器人自主导航方法 |
CN106406338A (zh) * | 2016-04-14 | 2017-02-15 | 中山大学 | 一种基于激光测距仪的全向移动机器人的自主导航装置及其方法 |
CN106681330A (zh) * | 2017-01-25 | 2017-05-17 | 北京航空航天大学 | 基于多传感器数据融合的机器人导航方法及装置 |
CN207607340U (zh) * | 2017-12-18 | 2018-07-13 | 北京北汽摩有限公司 | 自动驾驶用全地形车底盘平台 |
CN110244735A (zh) * | 2019-06-24 | 2019-09-17 | 安徽农业大学 | 移动机器人跟踪预定轨迹的启发式动态规划控制方法 |
CN111123925A (zh) * | 2019-12-19 | 2020-05-08 | 天津联汇智造科技有限公司 | 一种移动机器人导航系统以及方法 |
Non-Patent Citations (1)
Title |
---|
果园作业机器人的自主行间导航系统研究;李会宾 等;《中国农业信息》;20190831;第31卷(第4期);第51-64页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112947433A (zh) | 2021-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pfrunder et al. | Real-time autonomous ground vehicle navigation in heterogeneous environments using a 3D LiDAR | |
CN112947433B (zh) | 一种果园移动机器人及其自主导航方法 | |
CN111308490B (zh) | 基于单线激光雷达的平衡车室内定位与导航系统 | |
CN111273128B (zh) | 一种用于检测地下电缆故障的管道机器人 | |
AU2021201022A1 (en) | Method and system for estimating surface roughness of ground for an off-road vehicle to control ground speed | |
AU2021201021A1 (en) | Method and system for estimating surface roughness of ground for an off-road vehicle to control ground speed | |
WO2008036805A1 (en) | Autonomous vehicle controller | |
CN111596671A (zh) | 一种无人智能清扫车轨迹跟踪控制方法及系统 | |
RU2691679C1 (ru) | Способ создания трека пути движения для автономного движения подвижного объекта и способ осуществления автономного движения подвижного объекта по треку пути движения | |
WO2019035997A1 (en) | ADVANCED CONTROL SYSTEM HAVING MULTIPLE CONTROL PARADIGMS | |
Lee et al. | Autonomous greenhouse sprayer navigation using automatic tracking algorithm | |
Linz et al. | Autonomous service robots for orchards and vineyards: 3D simulation environment of multi sensor-based navigation and applications | |
Post et al. | Autonomous navigation with open software platform for field robots | |
CN116530490A (zh) | 一种跨垄式草莓智能变量变喷幅喷雾机器人结构及其控制方法 | |
Hoshino et al. | End-to-end discrete motion planner based on deep neural network for autonomous mobile robots | |
CN115816446A (zh) | 丘陵山地移动机械臂协同运动控制方法 | |
Jarvis | An autonomous heavy duty outdoor robotic tracked vehicle | |
Moore et al. | Hierarchical task decomposition approach to path planning and control for an omni-directional autonomous mobile robot | |
Hameed et al. | Task and motion planning for selective weed conrol using a team of autonomous vehicles | |
WO2022022590A1 (zh) | 工程机械 | |
Jarvis | An all-terrain intelligent autonomous vehicle with sensor-fusion-based navigation capabilities | |
Menendez et al. | Uslam implementation for autonomous underground robot | |
Maeyama et al. | Long distance outdoor navigation of an autonomous mobile robot by playback of perceived route map | |
Rai et al. | Obstacle detection for agricultural robot based on vector field histogram | |
Beom et al. | Sonar-based navigation experiments on a mobile robot in indoor environments |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |