CN106647765B - 一种基于割草机器人的规划平台 - Google Patents

Abstract

本发明适用于机器人领域，提供了一种基于割草机器人的规划平台，包括：图像边界识别装置，用于获取待规划区域的图像，并对图像进行处理，以识别待规划区域的边界，并将处理后形成的边界图像信息输出至控制装置；定位装置，用于采集平台的主定位数据，形成第一定位信息，输出至控制装置；惯性装置，用于采集平台运动过程中的惯性数据，将惯性数据处理为平台的第二定位信息，输出至控制装置；控制装置，对边界图像信息、第二定位信息及第一定位信息进行处理，形成待规划区域的地图，根据地图进行路径规划，并根据所规划的路径控制平台运动。本发明对作业场地的要求低，施工量较少，减少设备的复杂度，降低了成本，而且割草效率、割草覆盖率较高。

Description

一种基于割草机器人的规划平台

技术领域

本发明属于机器人领域，尤其涉及一种基于割草机器人的规划平台。

背景技术

我国随着经济的发展，草坪的面积在迅速增加，而草坪必须定期进行割草打理，否则会影响草坪整体的美观，而且定期割草还能促进草的分蘖，使得草坪更密实，避免昆虫、蛇等动物的栖息影响人的健康。

目前对割草区域进行边界识别的一种常用方案是：在草坪边界以及障碍物的四周埋设导线，导线的两端连接充电站，充电站对导线通一定频率的交流电，使得导线产生电磁信号。当割草机器人靠近导线时能够感应到电磁信号从而能够识别边界。还有的是在边界上设置信号发射装置，当割草机器人靠近边界时接收到发射装置的信号从而识别边界。但这种方式需要施工埋设导线，对于草坪面积比较大，边界比较复杂的情况，工程量比较大；若草坪边界情况发生改变，需要重新进行施工，原有的导线可能无法再用，灵活性差；对于边界比较长的情况，需要使用大量导线，成本比较高，而且使用时需要一直通电，不节能环保；受充电站供电限制以及导线本身内阻等的限制，铺设导线的总长度是有限的，对于总边界长度比较大的应用受到限制。

另一种方案是：对于在边界上设置信号发射装置，其同样需要一定的施工，而且信号发射装置本身的成本比较高，信号发射装置的维护成本也比较高。如果信号发射装置采用电池供电，则需要定期更换电池，若采用线缆供电，则线缆本身的铺设需要比较大的工程。

因此，现有的割草机器人存在的普遍缺点是：施工量比较大、灵活性差、铺设与维护成本高，而且无法进行准确、智能化的割草作业。

发明内容

本发明实施例提供一种基于割草机器人的规划平台，旨在解决施工量比较大、灵活性差、铺设与维护成本高，而且无法准确、智能化的割草作业的问题。

本发明实施例是这样实现的，一种基于割草机器人的规划平台，平台包括：图像边界识别装置、惯性装置、定位装置，以及控制装置；

图像边界识别装置，可用于获取待规划区域的图像，并对图像进行处理，以识别待规划区域的边界，并将处理后形成的边界图像信息输出至控制装置；

惯性装置，可用于采集平台运动过程中的惯性数据，将惯性数据处理为平台的第二定位信息，并输出至控制装置；

定位装置，可用于采集平台的主定位数据，并形成第一定位信息，输出至控制装置；

控制装置，可对边界图像信息、第二定位信息及第一定位信息进行处理，形成待规划区域的地图，根据地图进行路径规划，并根据所规划的路径控制平台运动。

本发明实施例通过图像识别的方式确定待规划区域的边界，并通过惯性装置与定位装置的组合来获得定位信息，从而形成待规划区域的地图，并进行路径规划和移动控制；采用了本发明的基于割草机器人的规划平台，草坪不用埋设导线，对作业场地的要求进一步降低，施工量较少，减少应用割草机器人的复杂度，大大减少了铺设与维护的成本，而且设备可自动识别割草区域的边界，并自动生成地图并规划运动路径，使得割草机器人能够构建草坪的地图以及确定自身的位置，大大提高割草机器人的割草效率以及提升割草覆盖率。

附图说明

图1是本发明实施例提供的一种实施环境图；

图2是本发明实施例提供的一种基于割草机器人的规划平台的结构图；

图3是本发明实施例提供的另一种基于割草机器人的规划平台的结构图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例通过图像识别的方式确定待规划区域的边界，并通过惯性装置与定位装置的组合来获得定位信息，从而形成待规划区域的地图，并进行路径规划和移动控制；采用了本发明的基于割草机器人的规划平台，草坪不用埋设导线，对作业场地的要求进一步降低，施工量较少，减少应用割草机器人的复杂度，大大减少了铺设与维护的成本，而且设备可自动识别割草区域的边界，并自动生成地图并规划运动路径，使得割草机器人能够构建草坪的地图以及确定自身的位置，大大提高割草机器人的割草效率以及提升割草覆盖率。

如图1所示，在本发明的一个具体实施环境中，基于割草机器人的规划平台可通过图像边界识别的方法沿着边界以一定的方向(比如逆时针)移动，在移动过程中通过定位计算与修正计算实时对机器人进行定位，同时记录边界的位置信息，形成边界路径；当割草机器人走完完整的一圈后即完成对整个草地/草坪的地图绘制。

图中的充电站可提供电能补充，以保证规划平台的续航。

图2示出了本发明实施例提供的一种基于割草机器人的规划平台的结构图，该平台包括：图像边界识别装置1、定位装置2、惯性装置3，以及控制装置4。

其中，图像边界识别装置1，可用于获取待规划区域的图像，并对图像进行处理，以识别待规划区域的边界，并将处理后形成的边界图像信息输出至控制装置4。这里的边界图像信息至少包括已经识别出来的边界的相关位置信息。可以理解的，本发明中的待规划区域主要指草坪，草坪的边界主要包括：草坪区域和非草坪区域(如围墙、篱笆、水泥地等)的过渡地带；或者割过的草坪区域与没割过的草坪区域的交接处；或者割过草的草坪区域与未割过草的草坪区域之间的界线等。针对上述各种状态的边界，图像边界识别装置均可以进行识别，并将识别到的边界图像信息输出至控制装置4进行进一步处理。

定位装置2，可用于采集平台的主定位数据，并形成第一定位信息，输出至控制装置4。

惯性装置3，可用于采集平台运动过程中的惯性数据，将惯性数据处理为平台的第二定位信息，并输出至控制装置4。

控制装置4，可对边界图像信息、第二定位信息及第一定位信息进行处理，形成待规划区域的地图，根据地图进行路径规划，并根据所规划的路径控制平台运动。

在本发明实施例中，这里所说的控制装置4可以是但不限于微处理器或微控制器，如意法半导体公司的STM32f4微控制器等，当然还可以是其他类型的单片机或者DSP、FPGA等，具体不作限定。

如图3所示，在本发明的一个实施例中，控制装置4进一步还包括：修正单元41与规划处理单元42。

其中，修正单元41，其与惯性装置及定位装置耦接，用于将第二定位信息及第一定位信息按预设的修正算法进行处理，以获得包含平台的位置信息的第三定位信息。

规划处理单元42，其根据修正单元的第三定位信息以及图像边界识别装置的边界图像信息构建待规划区域的地图，并进行路径规划，以及控制平台按所规划的路径运动。

在本发明实施例中，修正单元41与规划处理单元42可以是控制装置4上的集成模块，也可以是分别独立的芯片，其功能可以通过软件、硬件或者其结合来实现，在具体的实现形式上不作限定。

本发明实施例提供的基于割草机器人的规划平台，对作业场地的要求进一步降低，施工量较少，大大减少了铺设与维护的成本，而且设备可自动识别割草区域的边界，并自动生成地图并规划运动路径，运行灵活，且定位准确，智能化程度较高。

作为本发明的一个具体实施例，图像边界识别装置1采用视觉边界识别的方式对草坪的边界进行识别，其包括：图像采集单元11以及图像处理单元12。

其中，图像采集单元11，用于获取待规划区域的图像。图像处理单元12，用于对待规划区域的图像进行预处理、有效信息提取及计算，形成边界图像信息，并输出至控制装置。

可以理解，图像采集单元11可以是摄像头，例如CCD摄像头或CMOS摄像头等。例如，在具体的实施环境中，可将CCD摄像头或CMOS摄像头安装在割草机器人的上部，以一定的频率对机器人前方区域进行图像采集。

其中，图像处理单元12对图像采集单元11所采集的图像进行预处理，例如滤波，详细地，可以包括畸变修正、去噪音以及图像增强等。

当然作为本发明的一个重要功能模块，图像处理单元12还用于对图像进行有效信息的提取和计算。详细地，有效信息的提取可以是特征信息提取，这里主要针对草坪的边界对应的图像进行捕捉和提取，图像处理单元12会获取图像当中的颜色信息、明暗度信息等，并按预设规则进行处理。例如，图像处理单元12可以对图像中的颜色信息进行统计，并计算颜色的分布情况，例如，草地的主色为绿色，可以区别于环境中的其他物体，因此，可以在RGB色彩模式下，计算绿色在所有颜色当中出现的概率，并根据其概率分布判断是否为草坪边界。当然，在本发明中，还可以通过草坪的纹理来判断是否为边界，例如，图像处理单元12对图像中的明暗度信息进行统计，并计算明暗度的分布情况，根据该分布情况来进一步判断该图像是否包含草坪的边界信息。其次，图像处理单元12还可以计算待规划区域(草坪)的边界与规划平台的相对位置。

在本发明实施例中，定位装置2可用于采集平台的主定位数据，形成第一定位信息，并输出至控制装置4，以通过控制装置4进行处理；定位装置2采集的主定位数据可确定规划平台的位置信息，控制装置4根据此数据可确定规划平台所处的位置并进行记录以便于后续的地图构建和路径规划。

在本发明的一种实施例中，定位装置2为GPS定位单元201，主定位数据为GPS定位数据。其中，GPS定位单元201可实时采集平台当前的GPS定位数据，将该GPS定位数据处理为包含该平台的位置信息的第一定位信息，并输出至控制装置4的修正单元41。

在本发明的另一种实施例中，定位装置2为双目定位单元202，其可采集预设于待规划区域的边界上的标志物的图像信息，其中，主定位数据为预设于待规划区域的边界上的标志物的图像信息。因此，双目定位单元202可用于获取并识别预设于待规划区域的边界上的标志物的图像信息，并形成至少包含平台的位置信息的第一定位信息，以输出至控制装置的修正单元41。

在本发明的一个实施例中，在规划平台中进一步引入惯性装置3，以对规划平台的运动状态信息进行采集与处理。

在常规的机器人中，一般不会采用惯性***作为一种独立的定位手段，因为惯性***固有的积分累积误差，只能保证短时间的定位精度，若没有相应的辅助定位方法，或没有对应的累计误差修正措施，无法在一般的机器人中独立作为定位装置来使用。而本发明引入惯性装置3，利用了惯性装置3短时间定位精度高、数据稳定连续的特性，恰好可以解决规划平台通过GPS定位单元201或双目定位单元202进行定位时，可能会出现的短时间定位干扰。具体的，例如通过GPS定位单元201进行定位时，可能会出现GPS信号不佳或局部区域干扰偏大的情况(如多径效应等)，可能会导致定位的不稳定，导致***无法正常工作。或者，通过双目定位单元202进行定位时，由于通过摄像头进行图像采集经常会出现拍摄视野被其他物体(如树木)遮挡，导致无法正常捕捉到标识物。

因此，基于上述原因，本发明实施例中通过惯性装置3与GPS定位单元201或双目定位单元202进行组合定位，使得即使出现上述的一些非正常因素时，***也能够获得精度较高、稳定的定位信息。

在本发明的一个实施例中，惯性装置3包括：

惯性数据采集单元31，用于采集规划平台在运动过程中形成的惯性数据；以及

惯性数据处理单元32，用于对惯性数据进行处理，以形成包含规划平台的运动状态信息及位置信息的第二定位信息，并输出至控制装置4。

在本发明实施例中，惯性数据包括但不限于：加速度数据、角速度数据以及地磁数据。相应地，惯性数据采集单元31，可以是惯性传感器，其可包括：

用于获取平台的加速度数据的加速度采集模块，可以是加速度传感器，例如MEMS加速度计等；

用于获取平台的角速度数据的角速度采集模块，可以是角速度传感器，例如MEMS陀螺仪等；以及

用于获取平台的地磁数据的地磁采集模块，可以是磁力传感器，例如MEMS磁力计等。

以上的惯性数据采集单元31的各模块实现了对规划平台的加速度、地磁，以及角速度进行测量，并且测量得到的数据进一步发送至惯性数据处理单元32，惯性数据处理单元32进一步将这些数据处理为包含规划平台的朝向信息、姿态信息、速度信息的第二定位信息，因此，这里的惯性数据处理单元32还包括：

数据融合模块，用于对惯性数据进行融合处理，以得到包含平台的朝向信息、姿态信息、速度信息以及位置信息的第二定位信息，并将第二定位信息输出至修正单元41，以与第一定位信息进行融合、修正处理，以获得稳定的、较高定位精度的第三定位信息，并输出至规划处理单元42。

对于数据或信息的融合、修正处理，详细的，当采用GPS定位装置201时，例如，可通过对经处理过的加速度数据进行二次积分得到平台基于惯性测量的位置信息，以及基于GPS定位装置201测量得到的基于GPS定位数据的位置信息，以及以一定的数据融合算法融合两个位置信息得到平台的准确位置信息。

又例如，当采用双目定位装置202时，例如，可通过对经处理过的加速度进行二次积分得到平台基于惯性测量的位置信息，以及基于双目测距得到基于双目摄像头的位置信息，以及以一定的数据融合算法融合两个位置信息得到机器人的位置信息。

以下举例说明本发明实施例所采用的一种将惯性数据与GPS定位数据进行融合的计算方法：

1、状态预测：

X(k|k-1)＝AX(k-1|k-1)+BU(k)

式中，X(k|k-1)为基于上一时刻状态对当前状态的预测，U(k)为当前的输入，在本实施例中，状态采用水平面上两个方向的位置和速度，输入为经过修正的水平面上的加速度，即

X＝(P_x P_y V_x V_y)^T

U＝(a_x a_y)^T

A为状态转移矩阵，B为控制输入矩阵，Δt为采样时间间隔

2、误差预测：

P(k|k-1)＝AP(k-1|k-1)A^T+Q(k)

式中，P(k|k-1)为基于上一时刻误差对当前误差的预测估计，Q(k)为***过程的误差协方差矩阵，根据***的过程模型确定。

3、卡尔曼增益计算：

式中，Kg(k)为当前时刻的卡尔曼增益矩阵，H为观测矩阵，R(k)为观测误差协方差矩阵，这里我们选定观测向量为GPS测量的水平面上的位置和速度，则：

Y＝(P_x P_y V_x V_y)^T

因状态矢量与观测矢量一致，观测矩阵为单位矩阵，观测误差协方差矩阵根据GPS的测量误差确定。

4、状态更新：

X(k|k)＝X(k|k-1)+Kg(k)(Y(k)-HX(k|k-1))

5、误差更新：

P(k|k)＝(I-Kg(k)H)P(k|k-1)

式中，I为单位矩阵。

当然上述只是举例说明本发明可采用的一种计算规则，用于体现本发明实施例所提供的方案的可实现性，具体不作限定。

然后，规划处理单元42获取到第三定位信息，根据第三定位信息以及图像边界识别装置1的边界图像信息构建待规划区域的地图，并进行路径规划，以及控制平台按所规划的路径运动。

因此，本发明实施例通过图像识别的方式确定待规划区域的边界，并通过惯性辅助定位装置来获得准确的定位信息，从而形成待规划区域的地图，并进行路径规划和移动控制；采用了本发明的基于割草机器人的规划平台，草坪不用埋设导线，对作业场地的要求进一步降低，施工量较少，减少应用割草机器人的复杂度，大大减少了铺设与维护的成本，而且设备可自动识别割草区域的边界，并自动生成地图并规划运动路径，使得割草机器人能够构建草坪的地图以及确定自身的位置，大大提高割草机器人的割草效率以及提升割草覆盖率。

在本发明的一个优选实施例中，控制装置4还包括：

多任务控制单元，若当前的待规划区域已经作业完毕，根据预设的任务信息及待规划区域的定位信息，控制平台移动至下一个未执行过作业的待规划区域。例如，搭载本规划平台的割草机器人完成某一块草坪的割草作业后，如果任务列表中的任务信息还有其他草坪的割草任务，割草机器人依据该草坪的GPS定位信息，自动前往下一个草坪执行割草作业，直到所有的割草作业都完成，智能化程度高，用户体验好。

在本发明的一个优选实施例中，控制装置4还包括：

电量控制单元，在平台作业过程中，若电量不足，根据预设的充电站的位置信息，及平台的定位信息前往充电站进行充电。

在本发明的一种实施例中，定位装置2为GPS定位单元201，则搭载有上述发明实施例中提供的规划平台的割草机器人，其通过图像边界识别与定位的实施步骤举例如下：

A1.割草机器人启动后，先根据GPS定位单元201确定自身的位置，然后检测是否有当前草坪的地图，如果没有，则执行步骤B1，否则执行步骤C1；

B1.割草机器人沿某个固定方向(比如北)寻找边界，找到边界后沿着边界往一定方向(比如逆时针)走一圈，边走边记录边界的位置信息。完成一圈后，控制装置4判断该边界是草坪的外边界还是草坪内障碍物(比如中央花坛等)的边界。判断方法为根据割草机器人是在封闭边界内还是封闭边界的外部，如果在封闭边界内部，则表明该边界为草坪的外边界，否则该边界为草坪内障碍物的边界。若找到的边界为障碍物的边界，则割草机器人改变方向(比如朝南)，重复步骤B1，直到找到草坪的外边界；

C1.割草机器人根据草坪的形状进行割草路径规划，然后根据规划好的路径执行割草作业；

优选的，还进一步包含如下两个步骤：

D1.割草机器人完成某一块草坪的割草作业后，如果任务列表中还有其他草坪的割草任务，割草机器人依据该草坪的GPS坐标，自动前往下一个草坪执行割草作业，直到所有的割草作业都完成；

E1.在割草机器人执行割草任务过程中，若有电量不足，会根据记录的充电站的位置自动前往充电。

在本发明的另一种实施例中，定位装置2为双目定位单元202，则搭载有上述发明实施例中提供的规划平台的割草机器人，其通过图像边界识别与定位的实施步骤举例(例子中标杆数目为2根)如下：

A2.割草机器人启动后，先检测是否有当前草坪的地图，如果没有，则执行步骤B2，否则执行步骤C2；

B2.割草机器人的双目摄像头云台旋转扫描一圈，寻找标杆(这里以标杆作为标识物)，找到标杆后走向最近的一根标杆，然后根据双目测距原理测量与另外一根杆的距离。然后通过图像边界识别的方法沿着边界以一定的方向(比如逆时针)行走，在行走过程中通过定位计算与修正单元实时对机器人进行定位，同时记录边界的位置信息；当割草机器人走完完整的一圈后即完成对整个草坪的地图绘制；

C2.割草机器人根据草坪的形状进行割草路径规划，然后根据规划好的路径执行割草作业；

优选的，还进一步包含如下两个步骤：

D2.在割草机器人执行割草任务过程中，若有电量不足，会根据记录的充电站的位置自动前往充电。

以上仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于割草机器人的规划平台，其特征在于，平台包括：图像边界识别装置、惯性装置、定位装置，以及控制装置；

图像边界识别装置，可用于获取待规划区域的图像，并对图像进行处理，以识别待规划区域的边界，并将处理后形成的边界图像信息输出至控制装置；

定位装置，可用于采集平台的主定位数据，形成第一定位信息，并输出至控制装置；

惯性装置，可用于采集平台运动过程中的惯性数据，将惯性数据处理为平台的第二定位信息，并输出至控制装置；

控制装置，可对边界图像信息、第二定位信息及第一定位信息进行处理，形成待规划区域的地图，根据地图进行路径规划，并根据所规划的路径控制平台运动；

所述控制装置包括多任务控制单元，其用于若当前的待规划区域已经作业完毕，根据预设的任务信息及待规划区域的定位信息，控制平台移动至下一个未执行过作业的待规划区域，直到所有的割草作业完成；

所述控制装置还用于：

当割草机器人沿某个固定方向寻找边界时，找到边界时沿着边界往一定方向走一圈，边走边记录边界的位置信息；完成一圈后，根据割草机器人在封闭边界内时，判断该边界为待规划区域的外边界；当根据割草机器人在封闭边界外部时，判断该边界为待规划区域内障碍物的边界，并控制割草机器人改变方向，直到找到待规划区域的外边界。

2.如权利要求1的平台，其特征在于，控制装置包括：

修正单元，与惯性装置及定位装置耦接，用于将第二定位信息及第一定位信息按预设的修正算法进行处理，以获得包含平台的位置信息的第三定位信息；

规划处理单元，根据修正单元的第三定位信息以及图像边界识别装置的边界图像信息构建待规划区域的地图，并进行路径规划，以及控制平台按所规划的路径运动。

3.如权利要求1的平台，其特征在于，边界识别装置包括：图像采集单元以及图像处理单元；

图像采集单元，用于获取待规划区域的图像；以及

图像处理单元，用于对待规划区域的图像进行预处理、有效信息提取及计算，形成边界图像信息，并输出至控制装置。

4.如权利要求2的平台，其特征在于，定位装置包括GPS定位单元，主定位数据为GPS定位数据；

GPS定位单元，用于采集平台的GPS定位数据，将GPS定位数据处理为包含平台的位置信息的第一定位信息，并输出至控制装置的修正单元。

5.如权利要求2的平台，其特征在于，定位装置包括双目定位单元，其可采集预设于待规划区域的边界上的标志物的图像信息；

双目定位单元，用于获取并识别预设于待规划区域的边界上的标志物的图像信息，并形成至少包含平台的位置信息的第一定位信息，以输出至控制装置的修正单元。

6.如权利要求1的平台，其特征在于，惯性装置包括：

惯性数据采集单元，用于采集平台运动过程中形成的惯性数据；以及

惯性数据处理单元，用于对惯性数据进行处理，以形成包含平台的运动状态信息及位置信息的第二定位信息，并输出至控制装置。

7.如权利要求6的平台，其特征在于，惯性数据包括：加速度数据、角速度数据以及地磁数据；

惯性数据采集单元包括：

用于获取平台的加速度数据的加速度采集模块；

用于获取平台的角速度数据的角速度采集模块；以及

用于获取平台的地磁数据的地磁采集模块。

8.如权利要求2或6的平台，其特征在于，运动状态信息包括：朝向信息、姿态信息、速度信息；

惯性数据处理单元包括：

数据融合模块，用于对惯性数据进行融合处理，以得到包含平台的朝向信息、姿态信息、速度信息以及位置信息的第二定位信息，并将第二定位信息输出至修正单元。

9.如权利要求1的平台，其特征在于，控制装置还包括：

电量控制单元，在平台作业过程中，若电量不足，根据预设的充电站的位置信息，及平台的定位信息前往充电站进行充电。

Images