CN113534823A - 种植机器人路径规划方法、装置、电子设备和存储介质 - Google Patents

种植机器人路径规划方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN113534823A
CN113534823A CN202111083739.XA CN202111083739A CN113534823A CN 113534823 A CN113534823 A CN 113534823A CN 202111083739 A CN202111083739 A CN 202111083739A CN 113534823 A CN113534823 A CN 113534823A
Authority
CN
China
Prior art keywords
path
planting
data
point
robot
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.)
Granted
Application number
CN202111083739.XA
Other languages
English (en)
Other versions
CN113534823B (zh
Inventor
范朝龙
康信勇
袁悦
许泳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ji Hua Laboratory
Original Assignee
Ji Hua Laboratory
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ji Hua Laboratory filed Critical Ji Hua Laboratory
Priority to CN202111083739.XA priority Critical patent/CN113534823B/zh
Publication of CN113534823A publication Critical patent/CN113534823A/zh
Application granted granted Critical
Publication of CN113534823B publication Critical patent/CN113534823B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • 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, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • 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, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Manipulator (AREA)

Abstract

本发明属于机器人控制技术领域，公开了一种种植机器人路径规划方法、装置、电子设备和存储介质，通过计算可种植的种植带行数和人行道宽度数据，有利于保证在满足人行道宽度要求的情况下使种植带行数最大；根据种植带行数、种植机器人的长度数据和宽度数据、安全距离数据、人行道宽度数据和矩形区域的长度数据生成一条蛇形路径的路径点后，当种植机器人沿该蛇形路径移动并进行种植作业时，不会与大棚的墙壁碰撞，保证了种植机器人的安全性，并在确保种植机器人的安全性的基础上使每一行种植带的长度与矩形区域的长度接近，因此，利于提高大棚环境中蔬菜的覆盖率。

Description

种植机器人路径规划方法、装置、电子设备和存储介质
技术领域
本发明涉及机器人控制技术领域，尤其涉及一种种植机器人路径规划方法、装置、电子设备和存储介质。
背景技术
移动机器人在工业生产中常用来完成运输和上下料任务，在农业中主要用于完成蔬果采摘、蔬菜种植等任务。对于用来进行蔬菜种植的移动机器人，可称为种植机器人。对于种植机器人进行控制的关键技术之一是路径规划技术，目前对种植机器人进行路径规划时，一般会采用拓扑法、栅格法、遗传算法、模糊逻辑算法等算法规划一条安全或最短路径，并没有考虑在大棚环境中如何实现蔬菜的高覆盖率，无法实现有限的土地资源的有效利用。
发明内容
鉴于上述现有技术的不足之处，本发明的目的在于提供一种种植机器人路径规划方法、装置、电子设备和存储介质，在保证种植机器人的安全性的同时，有利于提高大棚环境中蔬菜的覆盖率。
第一方面，本发明提供一种种植机器人路径规划方法，包括步骤：
A1.获取初始参数；所述初始参数包括种植机器人的长度数据和宽度数据、安全距离数据、人行道宽度下限数据和种植带宽度数据；
A2.获取大棚内侧的矩形区域的长度数据和宽度数据；
A3.根据所述矩形区域的宽度数据、所述种植带宽度数据、所述安全距离数据和所述人行道宽度下限数据计算种植带行数和人行道宽度数据；
A4.根据所述种植带行数、所述种植机器人的长度数据和宽度数据、所述安全距离数据、所述人行道宽度数据和所述矩形区域的长度数据计算多个路径点的位姿；所述多个路径点依次连接可形成一条蛇形路径，且所述种植机器人沿所述蛇形路径移动时与所述矩形区域边界的最近距离等于所述安全距离数据；
所述蛇形路径包括多段横向路径段和多段纵向路径段，所述横向路径段与所述矩形区域的长度方向平行，所述纵向路径段与所述矩形区域的宽度方向平行，任意两段相邻的横向路径段的同一方向的端部之间连接有一段纵向路径段，且同一段横向路径段的每一端最多与一段纵向路径段连接；所述横向路径段的段数与所述种植带行数相等。
本发明的种植机器人路径规划方法，通过计算可种植的种植带行数和人行道宽度数据，有利于保证在满足人行道宽度要求的情况下使种植带行数最大；根据种植带行数、种植机器人的长度数据和宽度数据、安全距离数据、人行道宽度数据和矩形区域的长度数据生成一条蛇形路径的路径点后，当种植机器人沿该蛇形路径移动并进行种植作业时，不会与大棚的墙壁碰撞，保证了种植机器人的安全性，并在确保种植机器人的安全性的基础上使每一行种植带的长度与矩形区域的长度接近，因此，利于提高大棚环境中蔬菜的覆盖率。
优选地，步骤A4包括：
A401.以所述矩形区域的其中一个角点为原点，以所述矩形区域的长度方向为Y轴方向，以所述矩形区域的宽度方向为X轴方向，构建参考坐标系；
A402.基于所述参考坐标系，循环执行以下步骤：
B1.根据以下公式计算第r段横向路径段的第一个路径点的位姿：
Figure 286866DEST_PATH_IMAGE001
；
Figure 264049DEST_PATH_IMAGE002
；
Figure 66920DEST_PATH_IMAGE003
；
其中，r为编号且初始值为1，
Figure 736935DEST_PATH_IMAGE004
、
Figure 992467DEST_PATH_IMAGE005
分别为第r段横向路径段的第一个路径点的X坐标值和Y坐标值，
Figure 914287DEST_PATH_IMAGE006
为第r段横向路径段的第一个路径点的姿态角度，W1为种植机器人的宽度数据，L1为种植机器人的长度数据，D为所述安全距离数据，L2为所述矩形区域的长度数据，N为所述人行道宽度数据；
B2.根据以下公式计算第r段横向路径段的第二个路径点的位姿：
Figure 430719DEST_PATH_IMAGE007
；
Figure 902328DEST_PATH_IMAGE008
；
Figure 379577DEST_PATH_IMAGE009
；
其中，
Figure 229721DEST_PATH_IMAGE010
、
Figure 476026DEST_PATH_IMAGE011
分别为第r段横向路径段的第二个路径点的X坐标值和Y坐标值，
Figure 628789DEST_PATH_IMAGE012
为第r段横向路径段的第二个路径点的姿态角度；
B3.判断编号r+1是否大于所述种植带行数，若是，则结束循环，若否，则执行后续步骤；
B4.根据以下公式计算第r段纵向路径段的第一个路径点的位姿：
Figure 452389DEST_PATH_IMAGE013
；
Figure 480125DEST_PATH_IMAGE014
；
Figure 377674DEST_PATH_IMAGE015
；
其中，
Figure 966919DEST_PATH_IMAGE016
、
Figure 418760DEST_PATH_IMAGE017
分别为第r段纵向路径段的第一个路径点的X坐标值和Y坐标值，
Figure 190800DEST_PATH_IMAGE018
为第r段纵向路径段的第一个路径点的姿态角度；
B5.根据以下公式计算第r段纵向路径段的第二个路径点的位姿：
Figure 270751DEST_PATH_IMAGE019
；
Figure 30897DEST_PATH_IMAGE020
；
Figure 970034DEST_PATH_IMAGE021
；
其中，
Figure 746098DEST_PATH_IMAGE022
、
Figure 821501DEST_PATH_IMAGE023
分别为第r段纵向路径段的第二个路径点的X坐标值和Y坐标值，
Figure 457276DEST_PATH_IMAGE024
Figure 414867DEST_PATH_IMAGE025
为第r段纵向路径段的第二个路径点的姿态角度；
B6.根据以下公式计算第r段纵向路径段的第三个路径点的位姿：
Figure 89562DEST_PATH_IMAGE026
；
Figure 144106DEST_PATH_IMAGE027
；
Figure 88797DEST_PATH_IMAGE028
；
其中，
Figure 379357DEST_PATH_IMAGE029
、
Figure 451219DEST_PATH_IMAGE030
分别为第r段纵向路径段的第三个路径点的X坐标值和Y坐标值，
Figure 501214DEST_PATH_IMAGE031
为第r段纵向路径段的第三个路径点的姿态角度；
B7.根据以下公式更新编号r：r=r+1。
优选地，步骤A4之后，还包括：
A5.把各横向路径段的第一个路径点标记为作业点，把各横向路径段的第二个路径点标记为非作业点，把各纵向路径段的第一个路径点标定为作业点，把各纵向路径段的第二个路径点和第三个路径点标定为非作业点；
其中，被标定为作业点的路径点表示从本路径点开始到下一个路径点为止，种植机器人需要在移动过程中进行种植作业；被标定为非作业点的路径点表示从本路径点开始到下一个路径点为止，种植机器人不需要在移动过程中进行种植作业。
优选地，步骤A5之后，还包括：
A6.按照计算的先后顺序，把各路径点的路径点数据记录在一个文本文件中；所述路径点数据包括路径点的位姿数据和标记信息。
优选地，步骤A2包括：
A201.加载大棚的二维点云地图；所述二维点云地图包含所述大棚内部的在一个水平面上的扫描点点云；
A202.对所述二维点云地图进行灰度化处理，得到灰度图像；
A203.对所述灰度图像进行滤波去噪声处理；
A204.采用canny算子对滤波去噪声处理后的灰度图像进行边缘检测，得到边缘轮廓像素点的位置数据；
A205.把所述滤波去噪声处理后的灰度图像还原为彩色图像；
A206.根据所述边缘轮廓像素点的位置数据，对所述彩色图像中的边缘轮廓像素点的像素值进行二值化处理；
A207.根据所述边缘轮廓像素点的横向像素值梯度和纵向像素值梯度确定四个角点的位置；
A208.以所述四个角点为一个矩形区域的四个顶点，根据所述四个角点的坐标计算所述矩形区域的长度数据和宽度数据。
优选地，步骤A3包括：
根据以下公式计算种植带行数：
Figure 633118DEST_PATH_IMAGE032
；
Figure 768565DEST_PATH_IMAGE033
；
Figure 814756DEST_PATH_IMAGE034
；
其中，K为种植带行数，W2为所述矩形区域的宽度数据，D为所述安全距离数据，N1为所述人行道宽度下限数据，H为所述种植带宽度数据，int为向下取整函数，n为
Figure 984837DEST_PATH_IMAGE035
的整数部分，mod为取余数函数，M为
Figure 428588DEST_PATH_IMAGE035
的余数；
根据以下公式计算所述人行道宽度数据：
Figure 51330DEST_PATH_IMAGE036
；
其中，N为人行道宽度数据。
第二方面，本发明提供一种种植机器人路径规划装置，包括：
第一获取模块，用于获取初始参数；所述初始参数包括种植机器人的长度数据和宽度数据、安全距离数据、人行道宽度下限数据和种植带宽度数据；
第二获取模块，用于获取大棚内侧的矩形区域的长度数据和宽度数据；
第一计算模块，用于根据所述矩形区域的宽度数据、所述种植带宽度数据、所述安全距离数据和所述人行道宽度下限数据计算种植带行数和人行道宽度数据；
规划模块，用于根据所述种植带行数、所述种植机器人的长度数据和宽度数据、所述安全距离数据、所述人行道宽度数据和所述矩形区域的长度数据计算多个路径点的位姿；所述多个路径点依次连接可形成一条蛇形路径，且所述种植机器人沿所述蛇形路径移动时与所述矩形区域边界的最近距离等于所述安全距离数据；
所述蛇形路径包括多段横向路径段和多段纵向路径段，所述横向路径段与所述矩形区域的长度方向平行，所述纵向路径段与所述矩形区域的宽度方向平行，任意两段相邻的横向路径段的同一方向的端部之间连接有一段纵向路径段，且同一段横向路径段的每一端最多与一段纵向路径段连接；所述横向路径段的段数与所述种植带行数相等。
优选地，所述规划模块用于在计算多个路径点的位姿的时候：
以所述矩形区域的其中一个角点为原点，以所述矩形区域的长度方向为Y轴方向，以所述矩形区域的宽度方向为X轴方向，构建参考坐标系；
基于所述参考坐标系，循环执行以下步骤：
B1.根据以下公式计算第r段横向路径段的第一个路径点的位姿：
Figure 730573DEST_PATH_IMAGE001
；
Figure 674869DEST_PATH_IMAGE002
；
Figure 148576DEST_PATH_IMAGE003
；
其中，r为编号且初始值为1，
Figure 993035DEST_PATH_IMAGE004
、
Figure 882494DEST_PATH_IMAGE037
分别为第r段横向路径段的第一个路径点的X坐标值和Y坐标值，
Figure 994544DEST_PATH_IMAGE038
为第r段横向路径段的第一个路径点的姿态角度，W1为种植机器人的宽度数据，L1为种植机器人的长度数据，D为所述安全距离数据，L2为所述矩形区域的长度数据，N为所述人行道宽度数据；
B2.根据以下公式计算第r段横向路径段的第二个路径点的位姿：
Figure 576835DEST_PATH_IMAGE007
；
Figure 908590DEST_PATH_IMAGE008
；
Figure 664057DEST_PATH_IMAGE009
；
其中，
Figure 663237DEST_PATH_IMAGE039
、
Figure 386736DEST_PATH_IMAGE040
分别为第r段横向路径段的第二个路径点的X坐标值和Y坐标值，
Figure 205787DEST_PATH_IMAGE012
为第r段横向路径段的第二个路径点的姿态角度；
B3.判断编号r+1是否大于所述种植带行数，若是，则结束循环，若否，则执行后续步骤；
B4.根据以下公式计算第r段纵向路径段的第一个路径点的位姿：
Figure 30524DEST_PATH_IMAGE013
；
Figure 884210DEST_PATH_IMAGE014
；
Figure 11566DEST_PATH_IMAGE015
；
其中，
Figure 82028DEST_PATH_IMAGE016
、
Figure 523505DEST_PATH_IMAGE017
分别为第r段纵向路径段的第一个路径点的X坐标值和Y坐标值，
Figure 356332DEST_PATH_IMAGE018
为第r段纵向路径段的第一个路径点的姿态角度；
B5.根据以下公式计算第r段纵向路径段的第二个路径点的位姿：
Figure 389010DEST_PATH_IMAGE019
；
Figure 684118DEST_PATH_IMAGE020
；
Figure 585078DEST_PATH_IMAGE021
；
其中，
Figure 147777DEST_PATH_IMAGE022
、
Figure 741570DEST_PATH_IMAGE023
分别为第r段纵向路径段的第二个路径点的X坐标值和Y坐标值，
Figure 756930DEST_PATH_IMAGE024
为第r段纵向路径段的第二个路径点的姿态角度；
B6.根据以下公式计算第r段纵向路径段的第三个路径点的位姿：
Figure 336947DEST_PATH_IMAGE041
；
Figure 878787DEST_PATH_IMAGE027
；
Figure 17382DEST_PATH_IMAGE028
；
其中，
Figure 644673DEST_PATH_IMAGE029
、
Figure 762801DEST_PATH_IMAGE030
分别为第r段纵向路径段的第三个路径点的X坐标值和Y坐标值，
Figure 831252DEST_PATH_IMAGE031
为第r段纵向路径段的第三个路径点的姿态角度；
B7.根据以下公式更新编号r：r=r+1。
第三方面，本发明提供一种电子设备，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，用于执行如所述的种植机器人路径规划方法的步骤。
第四方面，本发明提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时运行如所述的种植机器人路径规划方法的步骤。
有益效果：
本申请提供的种植机器人路径规划方法、装置、电子设备和存储介质，通过计算可种植的种植带行数和人行道宽度数据，有利于保证在满足人行道宽度要求的情况下使种植带行数最大；根据种植带行数、种植机器人的长度数据和宽度数据、安全距离数据、人行道宽度数据和矩形区域的长度数据生成一条蛇形路径的路径点后，当种植机器人沿该蛇形路径移动并进行种植作业时，不会与大棚的墙壁碰撞，保证了种植机器人的安全性，并在确保种植机器人的安全性的基础上使每一行种植带的长度与矩形区域的长度接近，因此，利于提高大棚环境中蔬菜的覆盖率。
附图说明
图1为发明提供的种植机器人路径规划方法的流程图。
图2为发明提供的种植机器人路径规划方法中计算各路径点位姿的流程图。
图3为发明提供的种植机器人路径规划装置的结构示意图。
图4为发明提供的电子设备的结构示意图。
具体实施方式
下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
下文的公开提供的实施方式或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。当然，它们仅仅为示例，并且目的不在于限制本发明。此外，本发明可以在不同例子中重复参考数字和/或参考字母，这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施方式和/或设置之间的关系。此外，本发明提供了的各种特定的工艺和材料的例子，但是本领域普通技术佩戴人员可以意识到其他工艺的应用和/或其他材料的使用。
请参阅图1，本申请实施例提供的一种种植机器人路径规划方法，包括步骤：
A1.获取初始参数；所述初始参数包括种植机器人的长度数据和宽度数据、安全距离数据、人行道宽度下限数据和种植带宽度数据；
A2.获取大棚内侧的矩形区域的长度数据和宽度数据；
A3.根据所述矩形区域的宽度数据、所述种植带宽度数据、所述安全距离数据和所述人行道宽度下限数据计算种植带行数和人行道宽度数据；
A4.根据所述种植带行数、所述种植机器人的长度数据和宽度数据、所述安全距离数据、所述人行道宽度数据和所述矩形区域的长度数据计算多个路径点的位姿；所述多个路径点依次连接可形成一条蛇形路径，且所述种植机器人沿所述蛇形路径移动时与所述矩形区域边界的最近距离等于所述安全距离数据；
所述蛇形路径包括多段横向路径段和多段纵向路径段，所述横向路径段与所述矩形区域的长度方向平行，所述纵向路径段与所述矩形区域的宽度方向平行，任意两段相邻的横向路径段的同一方向的端部（同一方向的端部是指指向相同的端部，假设横向路径段沿左右方向延伸，则两段相邻的横向路径段的左端为同一方向的端部，两段相邻的横向路径段的右端也为同一方向的端部）之间连接有一段纵向路径段，且同一段横向路径段的每一端最多与一段纵向路径段连接；所述横向路径段的段数与所述种植带行数相等。
其中，该种植机器人在水平面上的投影可以是矩形的，从而，该种植机器人长度数据和宽度数据为该种植机器人在水平面上的投影的长度数据和宽度数据。该种植机器人在水平面上的投影也可以不是矩形的，从而，该种植机器人长度数据和宽度数据为该种植机器人在水平面上的投影的外接矩形（外接矩形把种植机器人在水平面上的投影包围在内且该外接矩形的四条边分别与该投影的边界有至少一个交点）的长度数据和宽度数据。
该种植机器人路径规划方法，通过计算可种植的种植带行数和人行道宽度数据，有利于保证在满足人行道宽度要求的情况下使种植带行数最大；根据种植带行数、种植机器人的长度数据和宽度数据、安全距离数据、人行道宽度数据和矩形区域的长度数据生成一条蛇形路径的路径点后，当种植机器人沿该蛇形路径移动并进行种植作业时，不会与大棚的墙壁碰撞，保证了种植机器人的安全性，并在确保种植机器人的安全性的基础上使每一行种植带的长度与矩形区域的长度接近，因此，利于提高大棚环境中蔬菜的覆盖率。
其中，步骤A1中的安全距离数据是指当种植机器人原地转动时，保证种植机器人不与墙壁发生碰撞的种植机器人边缘与墙壁之间的最小距离；人行道宽度下限数据是指相邻种植带之间的人行道的宽度的最小值，实际的人行道宽度不能小于该人行道宽度下限数据；种植带宽度数据根据种植机器人的性能设置（种植机器人在移动的同时可在一定宽度范围内把蔬菜栽种在土地上）。
在一些实施方式中，可事先测量大棚内侧的矩形区域的长度数据和宽度数据并存储到本地数据库中，从而步骤A2直接从本地数据库提取该长度数据和宽度数据。
在另一些实施方式中，步骤A2包括：
A201.加载大棚的二维点云地图；所述二维点云地图包含所述大棚内部的在一个水平面上的扫描点点云；
A202.对所述二维点云地图进行灰度化处理，得到灰度图像；
A203.对所述灰度图像进行滤波去噪声处理；
A204.采用canny算子对滤波去噪声处理后的灰度图像进行边缘检测，得到边缘轮廓像素点的位置数据；
A205.把所述滤波去噪声处理后的灰度图像还原为彩色图像；
A206.根据所述边缘轮廓像素点的位置数据，对所述彩色图像中的边缘轮廓像素点的像素值进行二值化处理；
A207.根据所述边缘轮廓像素点的横向像素值梯度和纵向像素值梯度确定四个角点的位置；
A208.以所述四个角点为一个矩形区域的四个顶点，根据所述四个角点的坐标计算所述矩形区域的长度数据和宽度数据。
在该实施方式中，可用激光雷达（不限于此）在大棚内的一定高度处（高度可根据实际需要设置）在水平面内进行扫描，从而得到二维点云地图并存储在本地数据库中，从而步骤A201中从本地数据库中加载该二维点云地图。该二维点云地图为彩色图像（三通道RGB图）。
对图像进行灰度化处理的方法以及把灰度图像还原为彩色图像的方法均为现有技术，此处不对其进行详述。
步骤A203中，可采用高斯滤波处理方法进行滤波去噪声处理，但不限于此。
其中，步骤A206包括：把像素值小于或等于像素值阈值的边缘轮廓像素点的像素值调整为预设的第一像素值（例如0），并把像素值大于所述像素值阈值的边缘轮廓像素点的像素值调整为第二像素值（例如128）。其中，所述像素值阈值可以是根据实际需要预先设置的固定值（例如55），也可以用所述边缘轮廓像素点的平均像素值作为像素值阈值（从而，步骤A206还包括：计算边缘轮廓像素点的平均像素值作为像素值阈值）。在实际应用中，通过激光雷达进行扫描时，当墙壁处有窗口或门口等可透光的部位，则实际上扫描得到的扫描点位置并非在可透光的部位处，而是位于大棚的外部，从而导致在进行边缘检测的时候得到的轮廓线在对应可透光的部分是外凸的，该外凸的部分并非真实的轮廓线，在二维点云地图中，这些外凸部分的边缘轮廓像素点的颜色比较淡（像素值比真正的轮廓线上的边缘轮廓像素点的像素值大），通过对边缘轮廓像素点的像素值进行二值化处理，可加强真实轮廓线的颜色和假轮廓线的颜色之间的差别，从而在后续进行四个角点的位置的提取时，可只对真实轮廓线的边缘轮廓像素点进行分析，提高准确性。
其中，步骤A207包括：
以像素值为第一像素值的边缘轮廓像素点为目标像素点，计算各目标像素点在横向方向上的像素值梯度和在纵向方向上的像素值梯度；
提取在横向方向上的像素值梯度和在纵向方向上的像素值梯度均超过预设的偏差阈值（可根据实际需要设置）的像素点作为角点，并提取所述角点的位置数据。
需要说明的是，此处得到的角点的位置数据是二维点云地图中的图像坐标系的坐标数据，所述横向方向是指所述图像坐标系的横轴方向，所述纵向方向是指所述图像坐标系的纵轴方向；在二维点云地图中，大棚区域（为矩形区域）的宽度方向与所述横向方向一致、长度方向与所述纵向方向一致。目标像素点在横向方向上的像素值梯度是指该目标像素点与横向方向上的两个相邻像素点之间的像素值偏差（指绝对值）中的最大值，目标像素点在纵向方向上的像素值梯度是指该目标像素点与纵向方向上的两个相邻像素点之间的像素值偏差（指绝对值）中的最大值；对于非角点的边缘轮廓像素点，只有横向方向上的像素值梯度或纵向方向上的像素值梯度较大，另一个方向上的像素值梯度为0，只有角点在两个方向上的像素值梯度均较大。通过该方法可准确地得到四个角点的位置，从而知道大棚墙壁的位置（相邻的两个角点之间的连线的位置即为墙壁的位置）。
一般地，可用相邻角点之间的连线的最大长度作为矩形区域的长度数据，把相邻角点之间的连线的最小值作为矩形区域的宽度数据，但不限于此。
在一些优选实施方式中，步骤A3包括：
根据以下公式计算种植带行数：
Figure 907792DEST_PATH_IMAGE032
；
Figure 756799DEST_PATH_IMAGE033
；
Figure 445663DEST_PATH_IMAGE034
；
其中，K为种植带行数，W2为所述矩形区域的宽度数据，D为所述安全距离数据，N1为所述人行道宽度下限数据，H为所述种植带宽度数据，int为向下取整函数，n为
Figure 837461DEST_PATH_IMAGE042
的整数部分，mod为取余数函数，M为
Figure 943957DEST_PATH_IMAGE042
的余数；
根据以下公式计算所述人行道宽度数据：
Figure 155627DEST_PATH_IMAGE036
；
其中，N为人行道宽度数据。
在实际应用中，在大棚中种植蔬菜时，会分多行种植带进行蔬菜种植，每行种植带中均匀种植有蔬菜，而且相邻的种植带之间需要留有足够宽度的人行道供人员通过。在该实施方式中，在保证机器人与墙壁之间留有足够安全距离的情况下（
Figure 881138DEST_PATH_IMAGE043
），当
Figure 252076DEST_PATH_IMAGE044
可以整除时，则设置n行种植行和n行人行道，且每行人行道的宽度等于人行道宽度下限数据N1；当
Figure 637796DEST_PATH_IMAGE044
有余数M时，若该余数M不足够容纳一行种植带，则设置n行种植行和n行人行道，并把该余数M平均分配到每行人行道上，若该余数M足够容纳一行种植带，则设置n+1行种植行和n行人行道，并把余数M中刨除种植带后的剩余部分平均分配到每行人行道上。从而，在保证满足人行道宽度要求的情况下，使种植带的行数最大，使大棚内部的土地资源得到有效利用。
其中，路径点的位姿包括路径点的位置坐标和姿态角度，位置坐标包括两个坐标轴的坐标值；种植机器人在工作时，但其到达一个路径点时，其中心点的位置坐标与该路径点的位置坐标相同，且该种植机器人的运动方向与该路径点的姿态角度相同。在本实施例中，种植机器人是沿其长度方向移动的，因此，当种植机器人到达一个路径点时的其长度方向的角度与该路径点的姿态角度相同。
优选地，步骤A4包括：
A401.以所述矩形区域的其中一个角点为原点，以所述矩形区域的长度方向为Y轴方向，以所述矩形区域的宽度方向为X轴方向，构建参考坐标系；
A402.基于所述参考坐标系，循环执行以下步骤：
B1.根据以下公式计算第r段横向路径段的第一个路径点的位姿：
Figure 992554DEST_PATH_IMAGE001
；
Figure 990597DEST_PATH_IMAGE002
；
Figure 622566DEST_PATH_IMAGE003
；
其中，r为编号且初始值为1，
Figure 805286DEST_PATH_IMAGE004
、
Figure 215715DEST_PATH_IMAGE045
分别为第r段横向路径段的第一个路径点的X坐标值和Y坐标值，
Figure 17449DEST_PATH_IMAGE046
为第r段横向路径段的第一个路径点的姿态角度，W1为种植机器人的宽度数据，L1为种植机器人的长度数据，D为所述安全距离数据，L2为所述矩形区域的长度数据，N为所述人行道宽度数据；
B2.根据以下公式计算第r段横向路径段的第二个路径点的位姿：
Figure 35083DEST_PATH_IMAGE007
；
Figure 529650DEST_PATH_IMAGE008
；
Figure 967322DEST_PATH_IMAGE009
；
其中，
Figure 697381DEST_PATH_IMAGE039
、
Figure 38363DEST_PATH_IMAGE047
分别为第r段横向路径段的第二个路径点的X坐标值和Y坐标值，
Figure 562885DEST_PATH_IMAGE012
为第r段横向路径段的第二个路径点的姿态角度；
B3.判断编号r+1是否大于所述种植带行数，若是，则结束循环，若否，则执行后续步骤；
B4.根据以下公式计算第r段纵向路径段的第一个路径点的位姿：
Figure 254898DEST_PATH_IMAGE013
；
Figure 664014DEST_PATH_IMAGE014
；
Figure 718557DEST_PATH_IMAGE015
；
其中，
Figure 56391DEST_PATH_IMAGE016
、
Figure 704541DEST_PATH_IMAGE017
分别为第r段纵向路径段的第一个路径点的X坐标值和Y坐标值，
Figure 41982DEST_PATH_IMAGE018
为第r段纵向路径段的第一个路径点的姿态角度；
B5.根据以下公式计算第r段纵向路径段的第二个路径点的位姿：
Figure 826398DEST_PATH_IMAGE019
；
Figure 99248DEST_PATH_IMAGE020
；
Figure 93748DEST_PATH_IMAGE021
；
其中，
Figure 343202DEST_PATH_IMAGE022
、
Figure 106759DEST_PATH_IMAGE023
分别为第r段纵向路径段的第二个路径点的X坐标值和Y坐标值，
Figure 550509DEST_PATH_IMAGE024
为第r段纵向路径段的第二个路径点的姿态角度；
B6.根据以下公式计算第r段纵向路径段的第三个路径点的位姿：
Figure 32306DEST_PATH_IMAGE041
；
Figure 586915DEST_PATH_IMAGE027
；
Figure 345924DEST_PATH_IMAGE028
；
其中，
Figure 819631DEST_PATH_IMAGE029
、
Figure 431134DEST_PATH_IMAGE030
分别为第r段纵向路径段的第三个路径点的X坐标值和Y坐标值，
Figure 648489DEST_PATH_IMAGE031
为第r段纵向路径段的第三个路径点的姿态角度；
B7.根据以下公式更新编号r：r=r+1。
例如，第一段横向路径段的第一个路径点，即为蛇形路径的起始点，其坐标为（
Figure 262004DEST_PATH_IMAGE048
,
Figure 906612DEST_PATH_IMAGE049
）、姿态角度为0°（表示种植机器人的前进方向为Y轴方向），在种植机器人工作时，其中心点会与该路径点重合，从而保证种植机器人与墙壁之间的距离等于所述安全距离数据D，保证种植机器人的安全；第一段横向路径段的第二个路径点为种植机器人沿Y轴方向移动至与墙壁之间的距离等于所述安全距离数据D时的种植机器人中心所在的点，其坐标为（
Figure 503946DEST_PATH_IMAGE050
,
Figure 134779DEST_PATH_IMAGE051
）、姿态角度为0°，此时，种植机器人遮挡的位置不能被种植蔬菜；然后种植机器人绕中心转动90度，把转动后的中心点作为下一个路径点（即第一段纵向路径段的第一个路径点），其坐标保持不变为（
Figure 993014DEST_PATH_IMAGE050
,
Figure 182424DEST_PATH_IMAGE051
）、姿态角度为90°（表示种植机器人的前进方向为X轴方向）；进而种植机器人需把之前遮挡的位置让出并在其上种植蔬菜，从而把下一个路径点（即第一段纵向路径段的第二个路径点）的坐标定为（
Figure 126109DEST_PATH_IMAGE052
，
Figure 560633DEST_PATH_IMAGE051
）、其姿态角度保持为90°，到此处，种植机器人可完成第一行种植带的种植工作，且保证了种植带的长度基本与矩形区域的长度相同；然后种植机器人需保持姿态角度为90°前行距离N以到达下一行种植带的起始位置，从而把下一个路径点（即第一段纵向路径段的第三个路径点）的坐标定为（
Figure 414319DEST_PATH_IMAGE053
，
Figure 400730DEST_PATH_IMAGE054
）、其姿态角度保持为90°；接着种植机器人需保持位置不变再旋转90°使前进方向沿-X轴方向，从而把下一个路径点（即第二段横向路径段的第一个路径点）的位置定为（
Figure 441498DEST_PATH_IMAGE055
，
Figure 538767DEST_PATH_IMAGE056
）、其姿态角度保持为180°（表示种植机器人的前进方向为-X轴方向）；第二段横向路径段的第二个路径点为种植机器人沿-Y轴方向移动至与墙壁之间的距离等于所述安全距离数据D时的种植机器人中心所在的点，其坐标为（
Figure 14004DEST_PATH_IMAGE057
,
Figure 171316DEST_PATH_IMAGE058
）、姿态角度为180°，此时，种植机器人遮挡的位置不能被种植蔬菜；然后种植机器人绕中心转动90度，把转动后的中心点作为下一个路径点（即第二段纵向路径段的第一个路径点），其坐标保持不变为（
Figure 699381DEST_PATH_IMAGE057
,
Figure 600341DEST_PATH_IMAGE058
）、姿态角度为90°（表示种植机器人的前进方向为X轴方向）；进而种植机器人需把之前遮挡的位置让出并在其上种植蔬菜，从而把下一个路径点（即第二段纵向路径段的第二个路径点）的坐标定为（
Figure 428619DEST_PATH_IMAGE059
，
Figure 632199DEST_PATH_IMAGE058
）、其姿态角度保持为90°，到此处，种植机器人可完成第二行种植带的种植工作，且保证了种植带的长度基本与矩形区域的长度相同；然后种植机器人需保持姿态角度为90°前行距离N以到达下一行种植带的起始位置，从而把下一个路径点（即第二段纵向路径段的第三个路径点）的坐标定为（
Figure 772193DEST_PATH_IMAGE059
，
Figure 585166DEST_PATH_IMAGE058
）、其姿态角度保持为90°；以此类推，直到r>n。
优选地，步骤A4之后，还包括：
A5.把各横向路径段的第一个路径点标记为作业点，把各横向路径段的第二个路径点标记为非作业点，把各纵向路径段的第一个路径点标定为作业点，把各纵向路径段的第二个路径点和第三个路径点标定为非作业点；
其中，被标定为作业点的路径点表示从本路径点开始到下一个路径点为止，种植机器人需要在移动过程中进行种植作业；被标定为非作业点的路径点表示从本路径点开始到下一个路径点为止，种植机器人不需要在移动过程中进行种植作业。
从而种植机器人从一行种植行的起点移动到终点的过程中，保持种植作业，从而一边移动一边种植，到达该行种植行的终点时停止种植作业，并旋转90°；然后再次启动种植作业并往X轴方向移动到相应的纵向路径段的第二个路径点，从而在移动的同时对之前被遮挡的位置种植蔬菜，使该行种植行种满蔬菜；待移动到相应的纵向路径段的第二个路径点，停止种植作业并继续移动到下一行种植行的起点，该过程中不进行种植作业，避免在人行道上种上蔬菜；进而，种植机器人再次旋转90°使前进方向朝向-X轴方向后，再次启动种植作业直到到达该种植行的终点；如此循环，直到完成所有种植行的种植作业。
因此，当把各路径点的位姿数据和相应的标记信息（该标记信息可以是数字信息，例如，标记信息为1表示对应的路径点为作业点，标记信息为0表示对应的路径点为非作业点，但不限于此）一同加载到种植机器人的控制系统后，种植机器人可在沿规划的路径移动的同时，根据各路径点的标记信息控制种植作业机构的启闭，无需额外向种植机器人发送控制信号以控制种植作业机构的启闭，可使种植机器人离线自动完成种植作业。
进一步地，步骤A5之后，还包括：
A6.按照计算的先后顺序，把各路径点的路径点数据记录在一个文本文件中；所述路径点数据包括路径点的位姿数据和标记信息。
种植机器人工作时，可直接加载该文本文件，从而可提取各路径点的位姿数据和标记信息，进而可开始自动种植作业。方便生成的路径信息的保存和调用。
例如，在文本文件中，每个路径点的路径点数据记录为一行信息，有多少个路径点就有多少行信息，每行信息从左到右依次为X坐标值、Y坐标值、姿态角度、标记信息。但不限于此。
由上可知，该种植机器人路径规划方法，通过获取初始参数；所述初始参数包括种植机器人的长度数据和宽度数据、安全距离数据、人行道宽度下限数据和种植带宽度数据；获取大棚内侧的矩形区域的长度数据和宽度数据；根据所述矩形区域的宽度数据、所述种植带宽度数据、所述安全距离数据和所述人行道宽度下限数据计算种植带行数和人行道宽度数据；根据所述种植带行数、所述种植机器人的长度数据和宽度数据、所述安全距离数据、所述人行道宽度数据和所述矩形区域的长度数据计算多个路径点的位姿；所述多个路径点依次连接可形成一条蛇形路径，且所述种植机器人沿所述蛇形路径移动时与所述矩形区域边界的最近距离等于所述安全距离数据；从而在保证种植机器人的安全性的同时，有利于提高大棚环境中蔬菜的覆盖率。
请参考图3，本发明提供一种种植机器人路径规划装置，其特征在于，包括：
第一获取模块1，用于获取初始参数；所述初始参数包括种植机器人的长度数据和宽度数据、安全距离数据、人行道宽度下限数据和种植带宽度数据；
第二获取模块2，用于获取大棚内侧的矩形区域的长度数据和宽度数据；
第一计算模块3，用于根据所述矩形区域的宽度数据、所述种植带宽度数据、所述安全距离数据和所述人行道宽度下限数据计算种植带行数和人行道宽度数据；
规划模块4，用于根据所述种植带行数、所述种植机器人的长度数据和宽度数据、所述安全距离数据、所述人行道宽度数据和所述矩形区域的长度数据计算多个路径点的位姿；所述多个路径点依次连接可形成一条蛇形路径，且所述种植机器人沿所述蛇形路径移动时与所述矩形区域边界的最近距离等于所述安全距离数据；
所述蛇形路径包括多段横向路径段和多段纵向路径段，所述横向路径段与所述矩形区域的长度方向平行，所述纵向路径段与所述矩形区域的宽度方向平行，任意两段相邻的横向路径段的同一方向的端部之间连接有一段纵向路径段，且同一段横向路径段的每一端最多与一段纵向路径段连接；所述横向路径段的段数与所述种植带行数相等。
其中，所述安全距离数据是指当种植机器人原地转动时，保证种植机器人不与墙壁发生碰撞的种植机器人边缘与墙壁之间的最小距离；人行道宽度下限数据是指相邻种植带之间的人行道的宽度的最小值，实际的人行道宽度不能小于该人行道宽度下限数据；种植带宽度数据根据种植机器人的性能设置（种植机器人在移动的同时可在一定宽度范围内把蔬菜栽种在土地上）。
在一些实施方式中，可事先测量大棚内侧的矩形区域的长度数据和宽度数据并存储到本地数据库中，从而第二获取模块2直接从本地数据库提取该长度数据和宽度数据。
在另一些实施方式中，第二获取模块2在获取大棚内侧的矩形区域的长度数据和宽度数据的时候：
加载大棚的二维点云地图；所述二维点云地图包含所述大棚内部的在一个水平面上的扫描点点云；
对所述二维点云地图进行灰度化处理，得到灰度图像；
对所述灰度图像进行滤波去噪声处理；
采用canny算子对滤波去噪声处理后的灰度图像进行边缘检测，得到边缘轮廓像素点的位置数据；
把所述滤波去噪声处理后的灰度图像还原为彩色图像；
根据所述边缘轮廓像素点的位置数据，对所述彩色图像中的边缘轮廓像素点的像素值进行二值化处理；
根据所述边缘轮廓像素点的横向像素值梯度和纵向像素值梯度确定四个角点的位置；
以所述四个角点为一个矩形区域的四个顶点，根据所述四个角点的坐标计算所述矩形区域的长度数据和宽度数据。
在该实施方式中，可用激光雷达（不限于此）在大棚内的一定高度处（高度可根据实际需要设置）在水平面内进行扫描，从而得到二维点云地图并存储在本地数据库中，从而第二获取模块2从本地数据库中加载该二维点云地图。该二维点云地图为彩色图像（三通道RGB图）。
对图像进行灰度化处理的方法以及把灰度图像还原为彩色图像的方法均为现有技术，此处不对其进行详述。
第二获取模块2可采用高斯滤波处理方法进行滤波去噪声处理，但不限于此。
其中，第二获取模块2在对所述彩色图像中的边缘轮廓像素点的像素值进行二值化处理的时候：把像素值小于或等于像素值阈值的边缘轮廓像素点的像素值调整为预设的第一像素值（例如0），并把像素值大于所述像素值阈值的边缘轮廓像素点的像素值调整为第二像素值（例如128）。其中，所述像素值阈值可以是根据实际需要预先设置的固定值（例如55），也可以用所述边缘轮廓像素点的平均像素值作为像素值阈值（从而，上述根据所述边缘轮廓像素点的位置数据，对所述彩色图像中的边缘轮廓像素点的像素值进行二值化处理中还包括：计算边缘轮廓像素点的平均像素值作为像素值阈值）。在实际应用中，通过激光雷达进行扫描时，当墙壁处有窗口或门口等可透光的部位，则实际上扫描得到的扫描点位置并非在可透光的部位处，而是位于大棚的外部，从而导致在进行边缘检测的时候得到的轮廓线在对应可透光的部分是外凸的，该外凸的部分并非真实的轮廓线，在二维点云地图中，这些外凸部分的边缘轮廓像素点的颜色比较淡（像素值比真正的轮廓线上的边缘轮廓像素点的像素值大），通过对边缘轮廓像素点的像素值进行二值化处理，可加强真实轮廓线的颜色和假轮廓线的颜色之间的差别，从而在后续进行四个角点的位置的提取时，可只对真实轮廓线的边缘轮廓像素点进行分析，提高准确性。
其中，第二获取模块2在根据所述边缘轮廓像素点的横向像素值梯度和纵向像素值梯度确定四个角点的位置的时候：
以像素值为第一像素值的边缘轮廓像素点为目标像素点，计算各目标像素点在横向方向上的像素值梯度和在纵向方向上的像素值梯度；
提取在横向方向上的像素值梯度和在纵向方向上的像素值梯度均超过预设的偏差阈值（可根据实际需要设置）的像素点作为角点，并提取所述角点的位置数据。
需要说明的是，此处得到的角点的位置数据是二维点云地图中的图像坐标系的坐标数据，所述横向方向是指所述图像坐标系的横轴方向，所述纵向方向是指所述图像坐标系的纵轴方向；在二维点云地图中，大棚区域（为矩形区域）的宽度方向与所述横向方向一致、长度方向与所述纵向方向一致。目标像素点在横向方向上的像素值梯度是指该目标像素点与横向方向上的两个相邻像素点之间的像素值偏差（指绝对值）中的最大值，目标像素点在纵向方向上的像素值梯度是指该目标像素点与纵向方向上的两个相邻像素点之间的像素值偏差（指绝对值）中的最大值；对于非角点的边缘轮廓像素点，只有横向方向上的像素值梯度或纵向方向上的像素值梯度较大，另一个方向上的像素值梯度为0，只有角点在两个方向上的像素值梯度均较大。通过该方法可准确地得到四个角点的位置，从而知道大棚墙壁的位置（相邻的两个角点之间的连线的位置即为墙壁的位置）。
一般地，可用相邻角点之间的连线的最大长度作为矩形区域的长度数据，把相邻角点之间的连线的最小值作为矩形区域的宽度数据，但不限于此。
在一些优选实施方式中，第一计算模块3在计算种植带行数和人行道宽度数据的时候：
根据以下公式计算种植带行数：
Figure 392585DEST_PATH_IMAGE032
；
Figure 767066DEST_PATH_IMAGE033
；
Figure 394356DEST_PATH_IMAGE034
；
其中，K为种植带行数，W2为所述矩形区域的宽度数据，D为所述安全距离数据，N1为所述人行道宽度下限数据，H为所述种植带宽度数据，int为向下取整函数，n为
Figure 778064DEST_PATH_IMAGE042
的整数部分，mod为取余数函数，M为
Figure 49776DEST_PATH_IMAGE042
的余数；
根据以下公式计算所述人行道宽度数据：
Figure 719792DEST_PATH_IMAGE036
；
其中，N为人行道宽度数据。
在实际应用中，在大棚中种植蔬菜时，会分多行种植带进行蔬菜种植，每行种植带中均匀种植有蔬菜，而且相邻的种植带之间需要留有足够宽度的人行道供人员通过。在该实施方式中，在保证机器人与墙壁之间留有足够安全距离的情况下（
Figure 488508DEST_PATH_IMAGE060
），当
Figure 534961DEST_PATH_IMAGE044
可以整除时，则设置n行种植行和n行人行道，且每行人行道的宽度等于人行道宽度下限数据N1；当
Figure 661180DEST_PATH_IMAGE044
有余数M时，若该余数M不足够容纳一行种植带，则设置n行种植行和n行人行道，并把该余数M平均分配到每行人行道上，若该余数M足够容纳一行种植带，则设置n+1行种植行和n行人行道，并把余数M中刨除种植带后的剩余部分平均分配到每行人行道上。从而，在保证满足人行道宽度要求的情况下，使种植带的行数最大，使大棚内部的土地资源得到有效利用。
优选地，所述规划模块4用于在计算多个路径点的位姿的时候：
以所述矩形区域的其中一个角点为原点，以所述矩形区域的长度方向为Y轴方向，以所述矩形区域的宽度方向为X轴方向，构建参考坐标系；
基于所述参考坐标系，循环执行以下步骤：
B1.根据以下公式计算第r段横向路径段的第一个路径点的位姿：
Figure 502097DEST_PATH_IMAGE001
；
Figure 979346DEST_PATH_IMAGE002
；
Figure 704857DEST_PATH_IMAGE003
；
其中，r为编号且初始值为1，
Figure 75795DEST_PATH_IMAGE004
、
Figure 461515DEST_PATH_IMAGE045
分别为第r段横向路径段的第一个路径点的X坐标值和Y坐标值，
Figure 550694DEST_PATH_IMAGE046
为第r段横向路径段的第一个路径点的姿态角度，W1为种植机器人的宽度数据，L1为种植机器人的长度数据，D为所述安全距离数据，L2为所述矩形区域的长度数据，N为所述人行道宽度数据；
B2.根据以下公式计算第r段横向路径段的第二个路径点的位姿：
Figure 814316DEST_PATH_IMAGE007
；
Figure 446285DEST_PATH_IMAGE008
；
Figure 35530DEST_PATH_IMAGE009
；
其中，
Figure 346425DEST_PATH_IMAGE039
、
Figure 649624DEST_PATH_IMAGE047
分别为第r段横向路径段的第二个路径点的X坐标值和Y坐标值，
Figure 995155DEST_PATH_IMAGE012
为第r段横向路径段的第二个路径点的姿态角度；
B3.判断编号r+1是否大于所述种植带行数，若是，则结束循环，若否，则执行后续步骤；
B4.根据以下公式计算第r段纵向路径段的第一个路径点的位姿：
Figure 489721DEST_PATH_IMAGE013
；
Figure 287913DEST_PATH_IMAGE014
；
Figure 893338DEST_PATH_IMAGE015
；
其中，
Figure 234320DEST_PATH_IMAGE016
、
Figure 758843DEST_PATH_IMAGE017
分别为第r段纵向路径段的第一个路径点的X坐标值和Y坐标值，
Figure 683811DEST_PATH_IMAGE018
为第r段纵向路径段的第一个路径点的姿态角度；
B5.根据以下公式计算第r段纵向路径段的第二个路径点的位姿：
Figure 951981DEST_PATH_IMAGE019
；
Figure 881891DEST_PATH_IMAGE020
；
Figure 983839DEST_PATH_IMAGE021
；
其中，
Figure 756623DEST_PATH_IMAGE022
、
Figure 438272DEST_PATH_IMAGE061
分别为第r段纵向路径段的第二个路径点的X坐标值和Y坐标值，
Figure 612901DEST_PATH_IMAGE024
为第r段纵向路径段的第二个路径点的姿态角度；
B6.根据以下公式计算第r段纵向路径段的第三个路径点的位姿：
Figure 121636DEST_PATH_IMAGE041
；
Figure 381716DEST_PATH_IMAGE027
；
Figure 867055DEST_PATH_IMAGE028
；
其中，
Figure 896191DEST_PATH_IMAGE029
、
Figure 74363DEST_PATH_IMAGE030
分别为第r段纵向路径段的第三个路径点的X坐标值和Y坐标值，
Figure 697105DEST_PATH_IMAGE031
为第r段纵向路径段的第三个路径点的姿态角度；
B7.根据以下公式更新编号r：r=r+1。
例如，第一段横向路径段的第一个路径点，即为蛇形路径的起始点，其坐标为（
Figure 110769DEST_PATH_IMAGE062
,
Figure 368313DEST_PATH_IMAGE063
）、姿态角度为0°（表示种植机器人的前进方向为Y轴方向），在种植机器人工作时，其中心点会与该路径点重合，从而保证种植机器人与墙壁之间的距离等于所述安全距离数据D，保证种植机器人的安全；第一段横向路径段的第二个路径点为种植机器人沿Y轴方向移动至与墙壁之间的距离等于所述安全距离数据D时的种植机器人中心所在的点，其坐标为（
Figure 842019DEST_PATH_IMAGE064
,
Figure 686478DEST_PATH_IMAGE065
）、姿态角度为0°，此时，种植机器人遮挡的位置不能被种植蔬菜；然后种植机器人绕中心转动90度，把转动后的中心点作为下一个路径点（即第一段纵向路径段的第一个路径点），其坐标保持不变为（
Figure 903833DEST_PATH_IMAGE064
,
Figure 782927DEST_PATH_IMAGE065
）、姿态角度为90°（表示种植机器人的前进方向为X轴方向）；进而种植机器人需把之前遮挡的位置让出并在其上种植蔬菜，从而把下一个路径点（即第一段纵向路径段的第二个路径点）的坐标定为（
Figure 568481DEST_PATH_IMAGE066
，
Figure 24870DEST_PATH_IMAGE065
）、其姿态角度保持为90°，到此处，种植机器人可完成第一行种植带的种植工作，且保证了种植带的长度基本与矩形区域的长度相同；然后种植机器人需保持姿态角度为90°前行距离N以到达下一行种植带的起始位置，从而把下一个路径点（即第一段纵向路径段的第三个路径点）的坐标定为（
Figure 422747DEST_PATH_IMAGE067
，
Figure 15402DEST_PATH_IMAGE065
）、其姿态角度保持为90°；接着种植机器人需保持位置不变再旋转90°使前进方向沿-X轴方向，从而把下一个路径点（即第二段横向路径段的第一个路径点）的位置定为（
Figure 706277DEST_PATH_IMAGE067
，
Figure 649963DEST_PATH_IMAGE065
）、其姿态角度保持为180°（表示种植机器人的前进方向为-X轴方向）；第二段横向路径段的第二个路径点为种植机器人沿-Y轴方向移动至与墙壁之间的距离等于所述安全距离数据D时的种植机器人中心所在的点，其坐标为（
Figure 84486DEST_PATH_IMAGE067
,
Figure 938173DEST_PATH_IMAGE063
）、姿态角度为180°，此时，种植机器人遮挡的位置不能被种植蔬菜；然后种植机器人绕中心转动90度，把转动后的中心点作为下一个路径点（即第二段纵向路径段的第一个路径点），其坐标保持不变为（
Figure 659004DEST_PATH_IMAGE067
,
Figure 463887DEST_PATH_IMAGE063
）、姿态角度为90°（表示种植机器人的前进方向为X轴方向）；进而种植机器人需把之前遮挡的位置让出并在其上种植蔬菜，从而把下一个路径点（即第二段纵向路径段的第二个路径点）的坐标定为（
Figure 826735DEST_PATH_IMAGE068
，
Figure 534928DEST_PATH_IMAGE063
）、其姿态角度保持为90°，到此处，种植机器人可完成第二行种植带的种植工作，且保证了种植带的长度基本与矩形区域的长度相同；然后种植机器人需保持姿态角度为90°前行距离N以到达下一行种植带的起始位置，从而把下一个路径点（即第二段纵向路径段的第三个路径点）的坐标定为（
Figure 426661DEST_PATH_IMAGE069
，
Figure 485884DEST_PATH_IMAGE063
）、其姿态角度保持为90°；以此类推，直到r>n。
优选地，该种植机器人路径规划装置还包括：
标记模块，用于把各横向路径段的第一个路径点标记为作业点，把各横向路径段的第二个路径点标记为非作业点，把各纵向路径段的第一个路径点标定为作业点，把各纵向路径段的第二个路径点和第三个路径点标定为非作业点；
其中，被标定为作业点的路径点表示从本路径点开始到下一个路径点为止，种植机器人需要在移动过程中进行种植作业；被标定为非作业点的路径点表示从本路径点开始到下一个路径点为止，种植机器人不需要在移动过程中进行种植作业。
从而种植机器人从一行种植行的起点移动到终点的过程中，保持种植作业，从而一边移动一边种植，到达该行种植行的终点时停止种植作业，并旋转90°；然后再次启动种植作业并往X轴方向移动到相应的纵向路径段的第二个路径点，从而在移动的同时对之前被遮挡的位置种植蔬菜，使该行种植行种满蔬菜；待移动到相应的纵向路径段的第二个路径点，停止种植作业并继续移动到下一行种植行的起点，该过程中不进行种植作业，避免在人行道上种上蔬菜；进而，种植机器人再次旋转90°使前进方向朝向-X轴方向后，再次启动种植作业直到到达该种植行的终点；如此循环，直到完成所有种植行的种植作业。
因此，当把各路径点的位姿数据和相应的标记信息（该标记信息可以是数字信息，例如，标记信息为1表示对应的路径点为作业点，标记信息为0表示对应的路径点为非作业点，但不限于此）一同加载到种植机器人的控制系统后，种植机器人可在沿规划的路径移动的同时，根据各路径点的标记信息控制种植作业机构的启闭，无需额外向种植机器人发送控制信号以控制种植作业机构的启闭，可使种植机器人离线自动完成种植作业。
进一步地，该种植机器人路径规划装置还包括：
记录模块，用于按照计算的先后顺序，把各路径点的路径点数据记录在一个文本文件中；所述路径点数据包括路径点的位姿数据和标记信息。
种植机器人工作时，可直接加载该文本文件，从而可提取各路径点的位姿数据和标记信息，进而可开始自动种植作业。方便生成的路径信息的保存和调用。
例如，在文本文件中，每个路径点的路径点数据记录为一行信息，有多少个路径点就有多少行信息，每行信息从左到右依次为X坐标值、Y坐标值、姿态角度、标记信息。但不限于此。
由上可知，该种植机器人路径规划装置，通过获取初始参数；所述初始参数包括种植机器人的长度数据和宽度数据、安全距离数据、人行道宽度下限数据和种植带宽度数据；获取大棚内侧的矩形区域的长度数据和宽度数据；根据所述矩形区域的宽度数据、所述种植带宽度数据、所述安全距离数据和所述人行道宽度下限数据计算种植带行数和人行道宽度数据；根据所述种植带行数、所述种植机器人的长度数据和宽度数据、所述安全距离数据、所述人行道宽度数据和所述矩形区域的长度数据计算多个路径点的位姿；所述多个路径点依次连接可形成一条蛇形路径，且所述种植机器人沿所述蛇形路径移动时与所述矩形区域边界的最近距离等于所述安全距离数据；从而在保证种植机器人的安全性的同时，有利于提高大棚环境中蔬菜的覆盖率。
请参阅图4，本申请实施例还提供一种电子设备100，包括处理器101和存储器102，存储器102中存储有计算机程序，处理器101通过调用存储器102中存储的计算机程序，用于执行如上述的种植机器人路径规划方法的步骤。
其中，处理器101与存储器102电性连接。处理器101是电子设备100的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或调用存储在存储器102内的计算机程序，以及调用存储在存储器102内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体监控。
存储器102可用于存储计算机程序和数据。存储器102存储的计算机程序中包含有可在处理器中执行的指令。计算机程序可以组成各种功能模块。处理器101通过调用存储在存储器102的计算机程序，从而执行各种功能应用以及数据处理。
在本实施例中，电子设备100中的处理器101会按照如下的步骤，将一个或一个以上的计算机程序的进程对应的指令加载到存储器102中，并由处理器101来运行存储在存储器102中的计算机程序，从而实现各种功能：获取初始参数；所述初始参数包括种植机器人的长度数据和宽度数据、安全距离数据、人行道宽度下限数据和种植带宽度数据；获取大棚内侧的矩形区域的长度数据和宽度数据；根据所述矩形区域的宽度数据、所述种植带宽度数据、所述安全距离数据和所述人行道宽度下限数据计算种植带行数和人行道宽度数据；根据所述种植带行数、所述种植机器人的长度数据和宽度数据、所述安全距离数据、所述人行道宽度数据和所述矩形区域的长度数据计算多个路径点的位姿；所述多个路径点依次连接可形成一条蛇形路径，且所述种植机器人沿所述蛇形路径移动时与所述矩形区域边界的最近距离等于所述安全距离数据。
由上可知，该电子设备，通过获取初始参数；所述初始参数包括种植机器人的长度数据和宽度数据、安全距离数据、人行道宽度下限数据和种植带宽度数据；获取大棚内侧的矩形区域的长度数据和宽度数据；根据所述矩形区域的宽度数据、所述种植带宽度数据、所述安全距离数据和所述人行道宽度下限数据计算种植带行数和人行道宽度数据；根据所述种植带行数、所述种植机器人的长度数据和宽度数据、所述安全距离数据、所述人行道宽度数据和所述矩形区域的长度数据计算多个路径点的位姿；所述多个路径点依次连接可形成一条蛇形路径，且所述种植机器人沿所述蛇形路径移动时与所述矩形区域边界的最近距离等于所述安全距离数据；从而在保证植种机器人的安全性的同时，有利于提高大棚环境中蔬菜的覆盖率。
本申请实施例还提供一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时运行如上述的种植机器人路径规划方法的步骤，以实现以下功能：获取初始参数；所述初始参数包括种植机器人的长度数据和宽度数据、安全距离数据、人行道宽度下限数据和种植带宽度数据；获取大棚内侧的矩形区域的长度数据和宽度数据；根据所述矩形区域的宽度数据、所述种植带宽度数据、所述安全距离数据和所述人行道宽度下限数据计算种植带行数和人行道宽度数据；根据所述种植带行数、所述种植机器人的长度数据和宽度数据、所述安全距离数据、所述人行道宽度数据和所述矩形区域的长度数据计算多个路径点的位姿；所述多个路径点依次连接可形成一条蛇形路径，且所述种植机器人沿所述蛇形路径移动时与所述矩形区域边界的最近距离等于所述安全距离数据。
其中，存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器（Static Random Access Memory, 简称SRAM），电可擦除可编程只读存储器（Electrically Erasable Programmable Read-Only Memory, 简称EEPROM），可擦除可编程只读存储器（Erasable Programmable Read Only Memory, 简称EPROM），可编程只读存储器（Programmable Red-Only Memory, 简称PROM），只读存储器（Read-OnlyMemory, 简称ROM），磁存储器，快闪存储器，磁盘或光盘。
综上所述，虽然本发明已以优选实施例揭露如上，但上述优选实施例并非用以限制本发明，本领域的普通技术佩戴人员，在不脱离本发明的精神和范围内，均可作各种更动与润饰，其方案与本发明实质上相同。

Claims (10)

1.一种种植机器人路径规划方法，其特征在于，包括步骤：
A1.获取初始参数；所述初始参数包括种植机器人的长度数据和宽度数据、安全距离数据、人行道宽度下限数据和种植带宽度数据；
A2.获取大棚内侧的矩形区域的长度数据和宽度数据；
A3.根据所述矩形区域的宽度数据、所述种植带宽度数据、所述安全距离数据和所述人行道宽度下限数据计算种植带行数和人行道宽度数据；
A4.根据所述种植带行数、所述种植机器人的长度数据和宽度数据、所述安全距离数据、所述人行道宽度数据和所述矩形区域的长度数据计算多个路径点的位姿；所述多个路径点依次连接可形成一条蛇形路径，且所述种植机器人沿所述蛇形路径移动时与所述矩形区域边界的最近距离等于所述安全距离数据；
所述蛇形路径包括多段横向路径段和多段纵向路径段，所述横向路径段与所述矩形区域的长度方向平行，所述纵向路径段与所述矩形区域的宽度方向平行，任意两段相邻的所述横向路径段的同一方向的端部之间连接有一段所述纵向路径段，且同一段所述横向路径段的每一端最多与一段所述纵向路径段连接；所述横向路径段的段数与所述种植带行数相等。
2.根据权利要求1所述的种植机器人路径规划方法，其特征在于，步骤A4包括：
A401.以所述矩形区域的其中一个角点为原点，以所述矩形区域的长度方向为Y轴方向，以所述矩形区域的宽度方向为X轴方向，构建参考坐标系；
A402.基于所述参考坐标系，循环执行以下步骤：
B1.根据以下公式计算第r段横向路径段的第一个所述路径点的位姿：
Figure 349856DEST_PATH_IMAGE001
；
Figure 577838DEST_PATH_IMAGE002
；
Figure 427982DEST_PATH_IMAGE003
；
其中，r为编号且初始值为1，
Figure 595658DEST_PATH_IMAGE004
、
Figure 873056DEST_PATH_IMAGE005
分别为第r段横向路径段的第一个路径点的X坐标值和Y坐标值，
Figure 994858DEST_PATH_IMAGE006
为第r段横向路径段的第一个路径点的姿态角度，W1为所述种植机器人的宽度数据，L1为所述种植机器人的长度数据，D为所述安全距离数据，L2为所述矩形区域的长度数据，N为所述人行道宽度数据；
B2.根据以下公式计算第r段横向路径段的第二个所述路径点的位姿：
Figure 648693DEST_PATH_IMAGE007
；
Figure 936455DEST_PATH_IMAGE008
；
Figure 650333DEST_PATH_IMAGE009
；
其中，
Figure 633333DEST_PATH_IMAGE010
、
Figure 857903DEST_PATH_IMAGE011
分别为第r段横向路径段的第二个路径点的X坐标值和Y坐标值，
Figure 171DEST_PATH_IMAGE012
为第r段横向路径段的第二个路径点的姿态角度；
B3.判断编号r+1是否大于所述种植带行数，若是，则结束循环，若否，则执行后续步骤；
B4.根据以下公式计算第r段纵向路径段的第一个所述路径点的位姿：
Figure 884951DEST_PATH_IMAGE013
；
Figure 479880DEST_PATH_IMAGE014
；
Figure 242562DEST_PATH_IMAGE015
；
其中，
Figure 114703DEST_PATH_IMAGE016
、
Figure 170384DEST_PATH_IMAGE017
分别为第r段纵向路径段的第一个路径点的X坐标值和Y坐标值，
Figure 987030DEST_PATH_IMAGE018
为第r段纵向路径段的第一个路径点的姿态角度；
B5.根据以下公式计算第r段纵向路径段的第二个路径点的位姿：
Figure 317517DEST_PATH_IMAGE019
；
Figure 404684DEST_PATH_IMAGE020
；
Figure 896845DEST_PATH_IMAGE021
；
其中，
Figure 200788DEST_PATH_IMAGE022
、
Figure 69386DEST_PATH_IMAGE023
分别为第r段纵向路径段的第二个路径点的X坐标值和Y坐标值，
Figure 650541DEST_PATH_IMAGE024
为第r段纵向路径段的第二个路径点的姿态角度；
B6.根据以下公式计算第r段纵向路径段的第三个路径点的位姿：
Figure 80647DEST_PATH_IMAGE025
；
Figure 871886DEST_PATH_IMAGE026
；
Figure 544175DEST_PATH_IMAGE027
；
其中，
Figure 979836DEST_PATH_IMAGE028
、
Figure 813800DEST_PATH_IMAGE029
分别为第r段纵向路径段的第三个路径点的X坐标值和Y坐标值，
Figure 582080DEST_PATH_IMAGE030
为第r段纵向路径段的第三个路径点的姿态角度；
B7.根据以下公式更新编号r：r=r+1。
3.根据权利要求2所述的种植机器人路径规划方法，其特征在于，步骤A4之后，还包括：
A5.把各横向路径段的第一个路径点标记为作业点，把各横向路径段的第二个路径点标记为非作业点，把各纵向路径段的第一个路径点标定为作业点，把各纵向路径段的第二个路径点和第三个路径点标定为非作业点；
其中，被标定为作业点的路径点表示从本路径点开始到下一个路径点为止，种植机器人需要在移动过程中进行种植作业；被标定为非作业点的路径点表示从本路径点开始到下一个路径点为止，种植机器人不需要在移动过程中进行种植作业。
4.根据权利要求3所述的种植机器人路径规划方法，其特征在于，步骤A5之后，还包括：
A6.按照计算的先后顺序，把各路径点的路径点数据记录在一个文本文件中；所述路径点数据包括所述路径点的位姿数据和标记信息。
5.根据权利要求1所述的种植机器人路径规划方法，其特征在于，步骤A2包括：
A201.加载大棚的二维点云地图；所述二维点云地图包含所述大棚内部的在一个水平面上的扫描点点云；
A202.对所述二维点云地图进行灰度化处理，得到灰度图像；
A203.对所述灰度图像进行滤波去噪声处理；
A204.采用canny算子对滤波去噪声处理后的灰度图像进行边缘检测，得到边缘轮廓像素点的位置数据；
A205.把所述滤波去噪声处理后的灰度图像还原为彩色图像；
A206.根据所述边缘轮廓像素点的位置数据，对所述彩色图像中的边缘轮廓像素点的像素值进行二值化处理；
A207.根据所述边缘轮廓像素点的横向像素值梯度和纵向像素值梯度确定四个角点的位置；
A208.以所述四个角点为一个矩形区域的四个顶点，根据所述四个角点的坐标计算所述矩形区域的长度数据和宽度数据。
6.根据权利要求1所述的种植机器人路径规划方法，其特征在于，步骤A3包括：
根据以下公式计算种植带行数：
Figure 792482DEST_PATH_IMAGE031
；
Figure 472862DEST_PATH_IMAGE032
；
Figure 477727DEST_PATH_IMAGE033
；
其中，K为所述种植带行数，W2为所述矩形区域的宽度数据，D为所述安全距离数据，N1为所述人行道宽度下限数据，H为所述种植带宽度数据，int为向下取整函数，n为
Figure 213864DEST_PATH_IMAGE034
的整数部分，mod为取余数函数，M为
Figure 227957DEST_PATH_IMAGE034
的余数；
根据以下公式计算所述人行道宽度数据：
Figure 497264DEST_PATH_IMAGE035
；
其中，N为人行道宽度数据。
7.一种种植机器人路径规划装置，其特征在于，包括：
第一获取模块，用于获取初始参数；所述初始参数包括种植机器人的长度数据和宽度数据、安全距离数据、人行道宽度下限数据和种植带宽度数据；
第二获取模块，用于获取大棚内侧的矩形区域的长度数据和宽度数据；
第一计算模块，用于根据所述矩形区域的宽度数据、所述种植带宽度数据、所述安全距离数据和所述人行道宽度下限数据计算种植带行数和人行道宽度数据；
规划模块，用于根据所述种植带行数、所述种植机器人的长度数据和宽度数据、所述安全距离数据、所述人行道宽度数据和所述矩形区域的长度数据计算多个路径点的位姿；所述多个路径点依次连接可形成一条蛇形路径，且所述种植机器人沿所述蛇形路径移动时与所述矩形区域边界的最近距离等于所述安全距离数据；
所述蛇形路径包括多段横向路径段和多段纵向路径段，所述横向路径段与所述矩形区域的长度方向平行，所述纵向路径段与所述矩形区域的宽度方向平行，任意两段相邻的所述横向路径段的同一方向的端部之间连接有一段所述纵向路径段，且同一段所述横向路径段的每一端最多与一段所述纵向路径段连接；所述横向路径段的段数与所述种植带行数相等。
8.根据权利要求7所述的种植机器人路径规划装置，其特征在于，所述规划模块用于在计算多个路径点的位姿的时候：
以所述矩形区域的其中一个角点为原点，以所述矩形区域的长度方向为Y轴方向，以所述矩形区域的宽度方向为X轴方向，构建参考坐标系；
基于所述参考坐标系，循环执行以下步骤：
B1.根据以下公式计算第r段横向路径段的第一个所述路径点的位姿：
Figure 673030DEST_PATH_IMAGE001
；
Figure 896463DEST_PATH_IMAGE002
；
Figure 448668DEST_PATH_IMAGE003
；
其中，r为编号且初始值为1，
Figure 979006DEST_PATH_IMAGE004
、
Figure 325674DEST_PATH_IMAGE005
分别为第r段横向路径段的第一个路径点的X坐标值和Y坐标值，
Figure 66097DEST_PATH_IMAGE006
为第r段横向路径段的第一个路径点的姿态角度，W1为所述种植机器人的宽度数据，L1为所述种植机器人的长度数据，D为所述安全距离数据，L2为所述矩形区域的长度数据，N为所述人行道宽度数据；
B2.根据以下公式计算第r段横向路径段的第二个路径点的位姿：
Figure 923456DEST_PATH_IMAGE007
；
Figure 167356DEST_PATH_IMAGE008
；
Figure 825870DEST_PATH_IMAGE009
；
其中，
Figure 522431DEST_PATH_IMAGE010
、
Figure 416438DEST_PATH_IMAGE011
分别为第r段横向路径段的第二个路径点的X坐标值和Y坐标值，
Figure 547467DEST_PATH_IMAGE012
为第r段横向路径段的第二个路径点的姿态角度；
B3.判断编号r+1是否大于所述种植带行数，若是，则结束循环，若否，则执行后续步骤；
B4.根据以下公式计算第r段纵向路径段的第一个路径点的位姿：
Figure 501516DEST_PATH_IMAGE013
；
Figure 826319DEST_PATH_IMAGE014
；
Figure 117491DEST_PATH_IMAGE015
；
其中，
Figure 476929DEST_PATH_IMAGE016
、
Figure 431240DEST_PATH_IMAGE017
分别为第r段纵向路径段的第一个路径点的X坐标值和Y坐标值，
Figure 367972DEST_PATH_IMAGE018
为第r段纵向路径段的第一个路径点的姿态角度；
B5.根据以下公式计算第r段纵向路径段的第二个路径点的位姿：
Figure 338202DEST_PATH_IMAGE019
；
Figure 647086DEST_PATH_IMAGE020
；
Figure 411780DEST_PATH_IMAGE021
；
其中，
Figure 101387DEST_PATH_IMAGE022
、
Figure 875308DEST_PATH_IMAGE023
分别为第r段纵向路径段的第二个路径点的X坐标值和Y坐标值，
Figure 773119DEST_PATH_IMAGE024
为第r段纵向路径段的第二个路径点的姿态角度；
B6.根据以下公式计算第r段纵向路径段的第三个路径点的位姿：
Figure 630086DEST_PATH_IMAGE025
；
Figure 789014DEST_PATH_IMAGE026
；
Figure 960102DEST_PATH_IMAGE027
；
其中，
Figure 509157DEST_PATH_IMAGE028
、
Figure 146812DEST_PATH_IMAGE029
分别为第r段纵向路径段的第三个路径点的X坐标值和Y坐标值，
Figure 279853DEST_PATH_IMAGE030
为第r段纵向路径段的第三个路径点的姿态角度；
B7.根据以下公式更新编号r：r=r+1。
9.一种电子设备，其特征在于，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，用于执行如权利要求1-6任一项所述的种植机器人路径规划方法的步骤。
10.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时运行如权利要求1-6任一项所述的种植机器人路径规划方法的步骤。
CN202111083739.XA 2021-09-16 2021-09-16 种植机器人路径规划方法、装置、电子设备和存储介质 Active CN113534823B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111083739.XA CN113534823B (zh) 2021-09-16 2021-09-16 种植机器人路径规划方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111083739.XA CN113534823B (zh) 2021-09-16 2021-09-16 种植机器人路径规划方法、装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN113534823A true CN113534823A (zh) 2021-10-22
CN113534823B CN113534823B (zh) 2021-12-14

Family

ID=78123226

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111083739.XA Active CN113534823B (zh) 2021-09-16 2021-09-16 种植机器人路径规划方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN113534823B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116382306A (zh) * 2023-06-05 2023-07-04 华侨大学 全覆盖作业农机的轨迹跟踪控制方法、装置、设备及介质

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN205121337U (zh) * 2015-10-16 2016-03-30 西华大学 一种适应于大棚种植的节能型特种机器人系统
CN106338994A (zh) * 2016-10-11 2017-01-18 山东农业大学 一种温室物流植保机器人控制系统及方法
CN108717294A (zh) * 2018-05-02 2018-10-30 江苏农林职业技术学院 一种视觉导航的设施大棚管理机器人及其控制方法
CN109947114A (zh) * 2019-04-12 2019-06-28 南京华捷艾米软件科技有限公司 基于栅格地图的机器人全覆盖路径规划方法、装置及设备
CN109964596A (zh) * 2019-04-01 2019-07-05 华南农业大学 一种基于智能机器人的水稻直播装置与方法
CN110715665A (zh) * 2019-11-15 2020-01-21 南京农业大学 一种田间作物表型监测机器人及其导航方法
CN110793524A (zh) * 2019-09-27 2020-02-14 南京航空航天大学 一种割草机路径规划的方法
CN110928320A (zh) * 2020-02-10 2020-03-27 上海高仙自动化科技发展有限公司 路径生成方法及生成装置、智能机器人及存储介质
CN111290388A (zh) * 2020-02-25 2020-06-16 苏州科瓴精密机械科技有限公司 路径追踪方法、系统，机器人及可读存储介质
CN111552300A (zh) * 2020-06-09 2020-08-18 南开大学 一种基于实例分割和路径规划的农作物采摘系统
CN111580514A (zh) * 2020-05-07 2020-08-25 中国船舶重工集团公司第七一六研究所 基于联合编队的移动机器人最优路径覆盖方法
CN111596654A (zh) * 2020-04-17 2020-08-28 国网湖南省电力有限公司 基于改进d星路径规划算法的电缆沟机器人导航避障方法
US20200338733A1 (en) * 2019-04-24 2020-10-29 X Development Llc Robot motion planning
CN111880534A (zh) * 2020-07-17 2020-11-03 桂林电子科技大学 一种基于栅格地图的二次路径规划方法
CN112218518A (zh) * 2018-05-25 2021-01-12 托罗公司 具有困境避免和障碍物避开路径计划的自主地面维护机器
CN112407283A (zh) * 2020-11-24 2021-02-26 广东技术师范大学 基于多层次协同的无人机喷施作业方法和装置
WO2021057909A1 (zh) * 2019-09-27 2021-04-01 苏州宝时得电动工具有限公司 自主机器人及其行走路径规划方法、装置和存储介质
CN112857368A (zh) * 2019-11-12 2021-05-28 苏州宝时得电动工具有限公司 一种割草机导航方法、装置和割草机

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN205121337U (zh) * 2015-10-16 2016-03-30 西华大学 一种适应于大棚种植的节能型特种机器人系统
CN106338994A (zh) * 2016-10-11 2017-01-18 山东农业大学 一种温室物流植保机器人控制系统及方法
CN108717294A (zh) * 2018-05-02 2018-10-30 江苏农林职业技术学院 一种视觉导航的设施大棚管理机器人及其控制方法
CN112218518A (zh) * 2018-05-25 2021-01-12 托罗公司 具有困境避免和障碍物避开路径计划的自主地面维护机器
CN109964596A (zh) * 2019-04-01 2019-07-05 华南农业大学 一种基于智能机器人的水稻直播装置与方法
CN109947114A (zh) * 2019-04-12 2019-06-28 南京华捷艾米软件科技有限公司 基于栅格地图的机器人全覆盖路径规划方法、装置及设备
US20200338733A1 (en) * 2019-04-24 2020-10-29 X Development Llc Robot motion planning
CN110793524A (zh) * 2019-09-27 2020-02-14 南京航空航天大学 一种割草机路径规划的方法
WO2021057909A1 (zh) * 2019-09-27 2021-04-01 苏州宝时得电动工具有限公司 自主机器人及其行走路径规划方法、装置和存储介质
CN112857368A (zh) * 2019-11-12 2021-05-28 苏州宝时得电动工具有限公司 一种割草机导航方法、装置和割草机
CN110715665A (zh) * 2019-11-15 2020-01-21 南京农业大学 一种田间作物表型监测机器人及其导航方法
CN110928320A (zh) * 2020-02-10 2020-03-27 上海高仙自动化科技发展有限公司 路径生成方法及生成装置、智能机器人及存储介质
CN111290388A (zh) * 2020-02-25 2020-06-16 苏州科瓴精密机械科技有限公司 路径追踪方法、系统，机器人及可读存储介质
CN111596654A (zh) * 2020-04-17 2020-08-28 国网湖南省电力有限公司 基于改进d星路径规划算法的电缆沟机器人导航避障方法
CN111580514A (zh) * 2020-05-07 2020-08-25 中国船舶重工集团公司第七一六研究所 基于联合编队的移动机器人最优路径覆盖方法
CN111552300A (zh) * 2020-06-09 2020-08-18 南开大学 一种基于实例分割和路径规划的农作物采摘系统
CN111880534A (zh) * 2020-07-17 2020-11-03 桂林电子科技大学 一种基于栅格地图的二次路径规划方法
CN112407283A (zh) * 2020-11-24 2021-02-26 广东技术师范大学 基于多层次协同的无人机喷施作业方法和装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116382306A (zh) * 2023-06-05 2023-07-04 华侨大学 全覆盖作业农机的轨迹跟踪控制方法、装置、设备及介质
CN116382306B (zh) * 2023-06-05 2023-09-05 华侨大学 全覆盖作业农机的轨迹跟踪控制方法、装置、设备及介质

Also Published As

Publication number Publication date
CN113534823B (zh) 2021-12-14

Similar Documents

Publication Publication Date Title
US11709058B2 (en) Path planning method and device and mobile device
Cop et al. Delight: An efficient descriptor for global localisation using lidar intensities
CN106843216B (zh) 一种基于回溯搜索的生物激励机器人完全遍历路径规划方法
AU2015404580B2 (en) Condition detection using image processing
US20170032509A1 (en) Inventory, growth, and risk prediction using image processing
CN110096059A (zh) 自动驾驶方法、装置、设备及存储介质
CN105989601B (zh) 基于机器视觉的农业agv玉米行间导航基准线提取方法
CN113534823B (zh) 种植机器人路径规划方法、装置、电子设备和存储介质
CN107390679A (zh) 存储设备、激光导航叉车
US20220192174A1 (en) Agricultural sprayer with real-time, on-machine target sensor
Özaslan et al. Towards fully autonomous visual inspection of dark featureless dam penstocks using MAVs
CN107870621B (zh) 在未知复杂海底地形环境中的自主水下机器人避碰方法
Zaenker et al. Viewpoint planning for fruit size and position estimation
CN110827329A (zh) 一种无人船自主泊岸方法、计算机设备及存储介质
CN110705385B (zh) 一种障碍物角度的检测方法、装置、设备及介质
JP2021504262A (ja) 着地面上のコンテナのための着地ソリューションを生成するための方法およびシステム背景
Beinschob et al. Advances in 3d data acquisition, mapping and localization in modern large-scale warehouses
CN116503850A (zh) 一种识别吊物轮廓的方法、装置、设备及可读存储介质
CN109143167B (zh) 一种障碍信息获取装置及方法
CN115151954A (zh) 可行驶区域检测的方法和装置
Ho et al. Optical flow for self-supervised learning of obstacle appearance
CN116678395A (zh) 基于2d激光与视觉边缘线动态融合的养殖巡检机器人导航方法与系统
Asensio et al. Goal directed reactive robot navigation with relocation using laser and vision
Ma et al. A probabilistic framework for stereo-vision based 3d object search with 6d pose estimation
US20220019231A1 (en) Methods and systems for detection of agricultural spraying errors

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