CN115202352A - 果园运输机器人的路径规划方法、装置、系统及存储介质 - Google Patents
果园运输机器人的路径规划方法、装置、系统及存储介质 Download PDFInfo
- Publication number
- CN115202352A CN115202352A CN202210839343.1A CN202210839343A CN115202352A CN 115202352 A CN115202352 A CN 115202352A CN 202210839343 A CN202210839343 A CN 202210839343A CN 115202352 A CN115202352 A CN 115202352A
- Authority
- CN
- China
- Prior art keywords
- path
- orchard
- target navigation
- navigation path
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 67
- 239000002420 orchard Substances 0.000 title claims abstract description 66
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 230000008569 process Effects 0.000 claims abstract description 18
- 230000006870 function Effects 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 6
- 235000013399 edible fruits Nutrition 0.000 description 16
- 238000010586 diagram Methods 0.000 description 7
- 241000196324 Embryophyta Species 0.000 description 6
- 238000004590 computer program Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
- 238000003466 welding Methods 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, 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
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- 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
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
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)
Abstract
本申请涉及果园运输机器人的路径规划方法、装置、系统及存储介质，包括：采用基于内点的最小二乘法拟合果园运输机器人的目标导航路径；在所述运输机器人行走过程中，实时确定所述果园运输机器人的实际行走路径与所述目标导航路径之间的偏差；基于所述偏差，实时调整所述果园运输机器人的移动方向，以使所述果园机器人沿所述目标导航路径行走。可以解决现有的果园运输机器人因受周围环境影响，导致实际得到的导航路径与预想的有偏差，影响导航结果的问题。
Description
技术领域
本发明涉及果园运输机器人的路径规划方法、装置、系统及存储介质，属于自行走设备技术领域。
背景技术
随着农村劳动力的减少，在农业种植时无法投入太多人工进行工作。目前果园中人工采摘、运输的方式缺少科学合理的辅助工具，采摘、运输工作效率较低，且人工成本较高，同时，由于人工作业效率低，容易导致果蔬过剩的问题，从而降低收益。
随着社会的不断发展，机器人在各个行业和领域均有广泛的应用，从生产线上的机械手到焊接工艺中的自动焊接机械臂，无一不发挥着重要的作用，不仅给企业提高了生产效率，同时在一些重复枯燥的生产岗位上，减少了人工失误的几率。
在果园运输领域，也可以采用机器人来作业，而果园一般都地处偏僻，运输环境较差，通过机器人自动运输过程中，在进行路径导航的数据采集时，会有很多其他的干扰，例如周围的杂草、或其他物体等，从而导致得到的导航路线与实际需要的导航路线有偏差，影响导航结果。
发明内容
本发明的目的在于提供一种果园运输机器人的路径规划方法、装置、系统及存储介质，可以解决现有的果园运输机器人因受周围环境影响，导致实际得到的导航路径与预想的有偏差，影响导航结果的问题。
为达到上述目的，本发明提供如下技术方案：
第一方面，提供一种果园运输机器人的路径规划方法，包括：
采用基于内点的最小二乘法拟合果园运输机器人的目标导航路径；
在所述运输机器人行走过程中，实时确定所述果园运输机器人的实际行走路径与所述目标导航路径之间的偏差；
基于所述偏差，实时调整所述果园运输机器人的移动方向，以使所述果园机器人沿所述目标导航路径行走。
第二方面，提供一种无人驾驶的果园运输机器人的路径规划装置，包括：
路径拟合模块，用于采用基于内点的最小二乘法拟合果园运输机器人的目标导航路径；
偏差确定模块，用于在所述运输机器人行走过程中，实时确定所述果园运输机器人的实际行走路径与所述目标导航路径之间的偏差；
路径调整模块，用于基于所述偏差，实时调整所述果园运输机器人的移动方向，以使所述果园机器人沿所述目标导航路径行走。
第三方面，提供一种无人驾驶的果园运输机器人的路径规划系统，包括：处理器和存储器，所述存储器中存储有程序，所述程序由所述处理器加载并执行，以实现第一方面所述的无人驾驶的果园运输机器人的路径规划方法的步骤。
第四方面，提供一种计算机可读存储介质，所述存储介质中存储有程序，所述程序在被处理器执行时，用以实现第一方面所述的无人驾驶的果园运输机器人的路径规划方法的步骤。
本发明的有益效果在于：本申请目标导航路径通过基于内点的最小二乘法来进行拟合得到，从而避免了因为人、杂草以及激光雷达自身的噪音对导航路径拟合的影响。而且本申请实施例利用运输机器人的实际行走路径与目标导航路径之间的偏差角的关系，在运输机器人移动的时候不断地调整机器人的移动方向，使之沿着目标导航路径行走，可以实现对运输机器人行走路径的实时调整，保证运输机器人不会偏航。另外，在运输机器人移动的过程中，能够通过2D激光雷达的点云数据，检测到目标导航路径上是否有人或者其他农机等障碍物的存在，以使运输机器人根据障碍物的情况调整动作，以避免发生危险。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。
附图说明
图1为本申请实施例提供的实现路径规划方法的系统架构图；
图2为本申请实施例提供的路径规划方法的流程图；
图3为本申请实施例提供的拟合目标导航路径的方法流程图；
图4为本申请实施例提供的运输机器人实际行走路线与目标导航路径的位置偏差示意图；
图5为本申请实施例提供的路径规划装置结构框图；
图6为本申请实施例提供的路径规划系统结构框图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
图1是实现本申请实施例的路径规划方法的系统架构图，如图1所示，该系统架构包括2D激光雷达101、导航系统102和执行机构103。其中，2D激光雷达101安装在运输机器人上，用于对两侧果树进行激光扫描，得到激光点云数据，导航系统102获取激光点云数据，拟合目标导航路径，并根据运输机器人的实际行走路径与目标导航路径的偏差，输出控制参数给执行机构103，以调整运输机器人的移动方向，使运输机器人沿目标导航路径行走。
本申请实施例的路径规划方法以导航系统102为执行主体，具体路径规划方法将在下文进行详细说明。
图2是本申请实施例的路径规划方法流程图，参见图1，该路径规划方法包括：
S201：采用基于内点的最小二乘法拟合果园运输机器人的目标导航路径。
具体地，该目标导航路径指的是果园运输机器人行走过程中的导航路线。本申请实施例中的目标导航路径，例如，可以是果园运输机器人前方两侧果树对应的中线构成的移动路径，其中，中线是由两侧果树中每两颗相对的果树的中点的连线。
在一种实施方式中，可以通过2D激光雷达对两侧果树进行扫描，获得点云数据，根据点云数据确定两侧各果树的位置坐标，从而确定两侧果树对应的各中点位置坐标，从而可以确定两侧果树的中线，得到目标导航路径。通过激光雷达扫描得到的点云数据确定位置坐标，属于本领域技术人员的公知技术，在此不再赘述。
基于上述确定目标导航路径的方法，在无人、无草的时候，2D激光雷达可以只扫描两侧果树的数据，但是在目标导航路径的范围内，如果有人和杂草的时候，就会对2D激光雷达扫描的点云数据产生影响。
同时，对于2D激光雷达自身来说，也会有噪点产生，同样会对扫描的点云数据产生一定的影响。此时，通过上述实施方式得到的中点数据也会有部分噪点，导致得到的目标导航路径存在有偏差。
针对上述问题，可选地，本申请实施例采用基于内点的最小二乘法来拟合目标导航路径。具体为：
首先，通过随机采样一致(RANSAC)算法得到符合目标导航路径上的内点。
然后，利用最小二乘法将得到的所述内点进行拟合，得到所述果园运输机器人的目标导航路径。具体拟合过程，将在下文进行详细描述。
本申请实施例通过上述的基于内点的最小二乘法拟合目标导航路径，避免了因为人、杂草以及激光雷达自身的噪音对目标导航路径拟合的影响，提高了拟合的准确性。
图3给出了本申请实施例拟合目标导航路径的方法流程图，可选地，本实施例通过基于内点的最小二乘法算法，将激光点云原始中点集中筛选的内点进行直线拟合，得到目标导航路径。如图3所示，本申请实施例拟合目标导航路径的步骤包括：
S301：获取激光点云原始中点集。
具体地，本实施例通过2D激光雷达扫描两侧果树，得到激光点云数据，根据激光点云数据，可以得到激光点云原始中点集。因为2D激光雷达扫描获取的激光点云数据中可能包含杂草或者其他机械、人等的点云数据。
因此得到的原始中点集中可能包含噪点，需要进一步的通过随机采样一致算法得到内点。
S302：随机选取原始中点集的两个中点位置坐标，根据预先构建的目标导航路径的拟合模型，得到模型参数。
具体地，本实施例目标导航路径的理想状态为位于两侧果树中间的一条直线，拟合模型的目标函数为y＝k*x+b，其中k表示斜率，b表示截距，k和b即为拟合模型迭代更新的模型参数。
随机选取原始中点集中的两个点
和
输入拟合模型的目标函数中，计算得到k和b的值，即
本实施例只考虑斜率存在的情况。
S303：根据所述模型参数，分别得到两个原始中点对应的拟合值与对应原始中点位置的偏差。
具体地，根据S302计算得到的k和b的值，得到更新后的拟合值yi_estimate，即
将yi_estimate和
作差，得到拟合值与原始中点位置的偏差Δyi。
S304：当所述偏差小于偏差阈值时，计算两个原始中点对应的误差平方和，如果误差平方和小于设定阈值，则确定为内点。
具体地，将Δyi与σ进行比较，σ为预设的偏差阈值，如果
的值小于σ，则根据误差平方和公式，将误差平方和δ小于预设值的点确定为内点，其中abs()为绝对值函数。误差平方和公式如下：
S305：将得到的内点输入误差平方和公式，基于最小误差平方和，迭代更新模型参数，直至达到最大迭代次数，得到目标函数对应的目标导航路径。
具体地，将得到的内点输入误差平方和公式，并对k和b分别进行求导，使误差平方和δ最小，得到：
根据上述两个方程，求解k和b，可得更新后的模型参数k和b：
根据上述步骤，对模型参数k和b进行迭代更新，直至达到最大迭代次数，得到最小误差平方和δ时，得到的k和b对应的目标函数指示的直线即为目标导航路径。
S202：在所述运输机器人行走过程中，实时确定所述果园运输机器人的实际行走路径与所述目标导航路径之间的偏差。
具体地，参见图4，L1～L5指示的是左侧的一行果树，R1～R5指示的是右侧的一行果树，C1～C5指示的是每两颗相对的果树对应的中点位置，C1～C5所在的直线为目标导航路径。
本实施例以运输机器人当前的位置作为出发点，初始的移动方向可以按照预先设定的初始方向行走，例如，本实施例可以运输机器人的中心线指示的移动方向作为初始移动方向。
如图4所示，本实施例中，运输机器人的中心线指的是2D激光雷达所在位置与运输机器人的前后边缘位置处的点的连线，该前后边缘位置处的点为与该2D激光雷达正对的位置点。
当然，对于初始移动方向也可以根据运输机器人的位置以及实时行走方向来选择，本申请实施例在此不做限定。
如图4，运输机器人初始的移动方向所在的路线，即为其初始的实际行走路径，运输机器人的实际行走路径和目标导航路径之间的偏差有三种情况，即：向目标导航路径的左侧偏离超过预定角度，向目标导航路径的右侧偏离超过预定角度，与目标导航路径重叠或偏离角度在预设范围内。
针对上述三种情况，本实施例确定偏差的具体方式为：
实时检测所述运输机器人的位置信息，以及所述运输机器人的移动方向；
确定所述果园运输机器人的实际行走路径与所述目标导航路径之间的偏差，所述偏差指示所述果园运输机器人的实际行走路径偏离所述目标导航路径的角度以及偏离方向。
S203：基于所述偏差，实时调整所述果园运输机器人的移动方向，以使所述果园机器人沿所述目标导航路径行走。
具体地，如果实际行走路径为图4所示的向左或向右偏离超过预设角度范围，则根据偏离的方向和角度的大小，输出控制参数(包括转动方向、转动角度)，调整果园运输机器人的移动方向和需要转动的角度。如果偏离角度未超过预设角度范围或者正好与目标导航路径重合，则控制果园运输机器人径直移动，不需要进行调整。
本实施例通过比较运输机器人的实际行走路径与拟合得到的目标导航路径之间的夹角以及偏离方向，调整运输机器人的电机，通过差速运动的方式使运输机器人沿着既定的目标导航路径行走。
果园运输机器人在行走过程中，如果其运行前方的目标导航路径上有障碍物，例如，有人或者其他的农用机械等，就有发生碰撞的危险。
基于此，作为进一步地实施方式，本申请实施例的方法还包括：
S204：在所述运输机器人行走过程中，检测所述目标导航路径上是否有障碍物，如果有，则执行S205；否则执行S206；
S205：停止移动，等待障碍物移开；
S206：判定所述障碍物是否移开，若移开，则进入S207；否则，执行S205；
S207：控制所述运输机器人沿着当前的目标导航路径继续行走；
S208：判定是否达到目标位置，如果到达，则执行S209；否则，执行S207。
S209：停止移动。
本申请实施例的运输机器人在移动的过程中，2D激光雷达一直处于工作的状态，根据2D激光雷达扫描得到的点云数据，通过目标检测，可以识别出检测到的目标物，例如，是果树还是其他的障碍物，例如人、其他农用机或别的障碍物等。具体的目标识别算法可以采用现有的算法，属于本领域技术人员比较熟知的技术，在此不再赘述。
当2D激光雷达的检测范围内，检测到人或其他农机(移动的物体)在拟合的目标导航路径上时，输出控制信号，以控制运输机器人立刻停在原地，等障碍物离开2D激光雷达的检测范围后，再输出控制信号，控制运输机器人继续沿着当前的目标导航路径行走，直至到达目标位置为止。
在进一步地实施方式中，如果前方障碍物为固定障碍物，不能自行移动，那么就需要人工搬动。此时，如果运输机器人在预定时间段内一直没有检测到障碍物被搬离，则可以转动方向，以绕行。如果障碍物较大，无法绕行，则发出报警信号，以提醒工作人员来处理。
综上所述，本申请实施例的目标导航路径通过基于内点的最小二乘法来进行拟合得到，从而避免了因为人、杂草以及激光雷达自身的噪音对导航路径拟合的影响。而且本申请实施例利用运输机器人的实际行走路径与目标导航路径之间的偏差角的关系，在运输机器人移动的时候不断地调整机器人的移动方向，使之沿着目标导航路径行走，可以实现对运输机器人行走路径的实时调整，保证运输机器人不会偏航。另外，在运输机器人移动的过程中，能够通过2D激光雷达的点云数据，检测到目标导航路径上是否有人或者其他农机等障碍物的存在，以使运输机器人根据障碍物的情况调整动作，以避免发生危险。
图5是本申请一个实施例提供的路径规划装置的结构示意图，如图5所示，所述路径规划装置包括：
路径拟合模块，用于拟合果园运输机器人的目标导航路径；
偏差确定模块，用于在所述运输机器人行走过程中，实时确定所述果园运输机器人的实际行走路径与所述目标导航路径之间的偏差；
路径调整模块，用于基于所述偏差，实时调整所述果园运输机器人的移动方向，以使所述果园机器人沿所述目标导航路径行走。
进一步步地，所述路径拟合模块包括：
数据获取单元，用于获取2D激光雷达扫描的激光点云数据；
随机采样一致算法单元，用于对所述激光点云数据，采用随机采样一致算法得到符合目标导航路径的内点；
最小二乘法单元，用于利用最小二乘法将得到的所述内点进行拟合，得到所述果园运输机器人的目标导航路径。
上述实施例提供的路径规划装置与路径规划方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
需要说明的是：上述实施例中提供的路径规划装置在进行路径规划时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要将上述功能分配由不同的功能模块完成，即将路径规划装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。
图6是本申请一个实施例提供的路径规划系统的结构框图，如图6所示，本实施例所述路径规划系统可以是桌上型计算机、笔记本电脑、掌上电脑以及云端服务器等计算设备，该计算机设备可以包括，但不限于，处理器和存储器。其中，
处理器可以包括一个或多个处理核心，比如：4核心处理器、6核心处理器等。处理器可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central Processing Unit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器还可以包括AI(ArtificialIntelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。所述处理器是所述计算机设备的控制中心，利用各种接口和线路连接整个计算机设备的各个部分。
存储器可以包括高速随机存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡、闪存卡(Flash Card)、至少一个磁盘存储器件、内存器件、或其他易失性固态存储器件。
所述存储器上存储有计算机程序，所述计算机程序可在所述处理器上运行，所述处理器执行所述计算机程序时，实现本申请实施例中如图1-图3相关实施例中的所有或部分实施步骤，和/或文本中描述的其他内容。
本领域技术人员可以理解，图6仅仅是本申请实施例的一种可能的实现方式，其他实施方式中，还可以包括更多或更少的部件，或者组合某些部件，或者不同部件，本实施例对此不作限定。
可选地，本申请还提供有一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时用于实现图2所示的路径规划方法的步骤。
可选地，本申请还提供有一种计算机程序产品，该计算机程序产品包括计算机可读存储介质，所述计算机可读存储介质中存储有程序，所述程序由处理器加载并执行以实现图2所示的路径规划方法的步骤。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种果园运输机器人的路径规划方法，其特征在于，包括：
采用基于内点的最小二乘法拟合果园运输机器人的目标导航路径；
在所述运输机器人行走过程中，实时确定所述果园运输机器人的实际行走路径与所述目标导航路径之间的偏差；
基于所述偏差，实时调整所述果园运输机器人的移动方向，以使所述果园机器人沿所述目标导航路径行走。
2.根据权利要求1所述的方法，其特征在于，所述拟合果园运输机器人的目标导航路径，包括：
获取2D激光雷达扫描的激光点云数据；
对所述激光点云数据，采用随机采样一致算法得到符合目标导航路径的内点；
利用最小二乘法将得到的所述内点进行拟合，得到所述果园运输机器人的目标导航路径。
3.根据权利要求2所述的方法，其特征在于，所述利用最小二乘法将得到的内点进行拟合，得到所述果园运输机器人的目标导航路径，包括：
获取激光点云原始中点集；
随机选取原始中点集的两个中点位置坐标，根据预先构建的目标导航路径的拟合模型，得到模型参数；
根据所述模型参数，分别得到两个原始中点对应的拟合值与对应原始中点位置的偏差；
当所述偏差小于偏差阈值时，计算两个原始中点对应的误差平方和，如果误差平方和小于设定阈值，则确定为内点；
将得到的内点输入误差平方和公式，基于最小误差平方和，迭代更新模型参数，直至达到最大迭代次数，得到目标函数对应的目标导航路径。
4.根据权利要求1所述的方法，其特征在于，所述实时确定所述果园运输机器人的实际行走路径与所述目标导航路径之间的偏差，包括：
实时检测所述运输机器人的实际行走路径，以及所述运输机器人的移动方向，确定所述果园运输机器人的实际行走路径与所述目标导航路径之间的偏差，所述偏差指示所述果园运输机器人的实际行走路径偏离所述目标导航路径的角度以及偏离方向。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
在所述运输机器人行走过程中，若检测到所述目标导航路径上预设范围内有障碍物，则控制所述运输机器人停止移动。
6.根据权利要求4所述的方法，其特征在于，所述控制运输机器人停止移动后，还包括：
若检测到所述障碍物移开，则控制所述运输机器人沿着当前的目标导航路径继续行走，直至到达目标位置。
7.一种果园运输机器人的路径规划装置，其特征在于，包括：
路径拟合模块，用于采用基于内点的最小二乘法拟合果园运输机器人的目标导航路径；
偏差确定模块，用于在所述运输机器人行走过程中，实时确定所述果园运输机器人的实际行走路径与所述目标导航路径之间的偏差；
路径调整模块，用于基于所述偏差，实时调整所述果园运输机器人的移动方向，以使所述果园机器人沿所述目标导航路径行走。
8.根据权利要求7所述的装置，其特征在于，所述路径拟合模块包括：
数据获取单元，用于获取2D激光雷达扫描的激光点云数据；
随机采样一致算法单元，用于对所述激光点云数据，采用随机采样一致算法得到符合目标导航路径的内点；
最小二乘法单元，用于利用最小二乘法将得到的所述内点进行拟合，得到所述果园运输机器人的目标导航路径。
9.一种果园运输机器人的路径规划系统，其特征在于，包括：处理器和存储器，所述存储器中存储有程序，所述程序由所述处理器加载并执行，以实现如权利要求1-6任一项所述的无人驾驶的果园运输机器人的路径规划方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述存储介质中存储有程序，所述程序在被处理器执行时，用以实现如权利要求1-6任一项所述的无人驾驶的果园运输机器人的路径规划方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210839343.1A CN115202352A (zh) | 2022-07-18 | 2022-07-18 | 果园运输机器人的路径规划方法、装置、系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210839343.1A CN115202352A (zh) | 2022-07-18 | 2022-07-18 | 果园运输机器人的路径规划方法、装置、系统及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115202352A true CN115202352A (zh) | 2022-10-18 |
Family
ID=83582070
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210839343.1A Pending CN115202352A (zh) | 2022-07-18 | 2022-07-18 | 果园运输机器人的路径规划方法、装置、系统及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115202352A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117908557A (zh) * | 2024-03-19 | 2024-04-19 | 山东省农业机械科学研究院 | 一种多功能农业巡检机器人 |
-
2022
- 2022-07-18 CN CN202210839343.1A patent/CN115202352A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117908557A (zh) * | 2024-03-19 | 2024-04-19 | 山东省农业机械科学研究院 | 一种多功能农业巡检机器人 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110927740B (zh) | 一种移动机器人定位方法 | |
| Bonadies et al. | An overview of autonomous crop row navigation strategies for unmanned ground vehicles | |
| CN109755995B (zh) | 基于ros机器人操作系统的机器人自动充电对接方法 | |
| Libby et al. | Deployment of a point and line feature localization system for an outdoor agriculture vehicle | |
| CN109255302A (zh) | 目标物识别方法及终端、移动装置控制方法及终端 | |
| CN112171675B (zh) | 一种移动机器人的避障方法、装置、机器人及存储介质 | |
| CN111015656A (zh) | 一种机器人主动避障的控制方法、装置及存储介质 | |
| Quan et al. | AGV localization based on odometry and LiDAR | |
| CN113218408B (zh) | 适用于多地形的多传感器融合的2Dslam方法及其系统 | |
| CN113050636A (zh) | 一种叉车自主拾取托盘的控制方法、系统及装置 | |
| CN115202352A (zh) | 果园运输机器人的路径规划方法、装置、系统及存储介质 | |
| CN113112491A (zh) | 一种悬崖检测方法、装置、机器人及存储介质 | |
| CN114764249A (zh) | 实时避障路径规划方法、系统、设备及介质 | |
| van Marrewijk et al. | Evaluation of a boxwood topiary trimming robot | |
| Jiang et al. | Obstacle detection and tracking for intelligent agricultural machinery | |
| Xu et al. | Potential gap: A gap-informed reactive policy for safe hierarchical navigation | |
| 洪梓嘉 et al. | Field boundary distance detection method in early stage of planting based on binocular vision | |
| Amokrane et al. | Active disturbance rejection control for unmanned tracked vehicles in leader–follower scenarios: Discrete-time implementation and field test validation | |
| Zeng et al. | An Indoor 2D LiDAR SLAM and Localization Method Based on Artificial Landmark Assistance | |
| CN112857379A (zh) | 一种基于改进的Gmapping-SLAM地图更新方法及系统 | |
| CN114415661B (zh) | 基于压缩三维空间点云的平面激光slam与导航方法 | |
| CN114115263B (zh) | 用于agv的自主建图方法、装置、移动机器人及介质 | |
| CN114740867A (zh) | 基于双目视觉的智能避障方法、装置、机器人及介质 | |
| Kuo et al. | A hybrid approach to RBPF based SLAM with grid mapping enhanced by line matching | |
| CN112214018A (zh) | 机器人路径规划方法及装置 |
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 |