CN107976998A - 一种割草机器人地图创建与路径规划***及方法 - Google Patents
一种割草机器人地图创建与路径规划***及方法 Download PDFInfo
- Publication number
- CN107976998A CN107976998A CN201711115983.3A CN201711115983A CN107976998A CN 107976998 A CN107976998 A CN 107976998A CN 201711115983 A CN201711115983 A CN 201711115983A CN 107976998 A CN107976998 A CN 107976998A
- Authority
- CN
- China
- Prior art keywords
- grid
- mowing robot
- obstacle
- algorithm
- taboo
- 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
- 238000013439 planning Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000004891 communication Methods 0.000 claims abstract description 21
- 244000025254 Cannabis sativa Species 0.000 claims abstract description 8
- 239000003016 pheromone Substances 0.000 claims description 23
- 238000005457 optimization Methods 0.000 claims description 19
- 241000257303 Hymenoptera Species 0.000 claims description 15
- 238000000638 solvent extraction Methods 0.000 claims description 15
- 238000010276 construction Methods 0.000 claims description 13
- 238000013461 design Methods 0.000 claims description 6
- 238000010845 search algorithm Methods 0.000 claims description 4
- 238000013316 zoning Methods 0.000 claims description 4
- 239000003086 colorant Substances 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 230000009191 jumping Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 abstract description 6
- 238000011161 development Methods 0.000 abstract description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 10
- 238000012423 maintenance Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000009966 trimming Methods 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
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
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种割草机器人地图创建与路径规划***及方法,所述***包括设置在割草机器人机体上的驱动机械结构、刀具机械结构、传感***、遥控模块、通讯模块、触控模块;所述驱动机械结构用于驱动割草机器人行动,所述刀具机械结构配置不同形状刀片,所述通讯模块用于割草机器人的有线或无线通讯;所述传感***配置多种传感器用于避障和定位;所述遥控模块用于人为控制割草机器人。本发明能够把人从枯燥的劳动中解放出来,给现代社会生产和生活节约了大量的人力资源,符合社会发展的趋势和需要。
Description
技术领域
本发明涉及一种割草机器人地图创建与路径规划***及方法,属于机器人领域。
背景技术
随着社会经济的发展,绿化覆盖进程逐渐加快,无论是城市还是乡村,都有大量的公园草坪、足球场草坪、高尔夫球场、公共绿地以及一般家庭绿地。这些草坪都需要进行定期修剪、维护,以及特殊节日的草坪艺术形状的构造。而传统的人工维护作业量大,需要消耗大量的人力、资金和时间;同时,草坪维护工作单调,劳动强度高,充满噪声污染,众多因素使得从业人员的工作效率低。为了解决传统人工割草带来的诸多不便与危害,近些年来越来越多的研究机构和科技公司都致力于开发可自主工作的智能割草机器人。
全覆盖路径规划是自主割草机器人的一个热点研究方向,对于提高机器人的工作效率起着至关重要的作用。
中国专利号:CN201110056133.7,公开了一种基于协作协进化和多种群遗传算法的多机器人路径规划***,将最短路径、平滑度和安全距离作为路径适应度函数的三个目标,每个机器人采用这些适应度函数,通过遗传算法优化得到最优路径。
中国专利号:CN201110056133.7,公开了一种移动机器人的路径规划方法。该方法采用鱼群算法对机器人神经网络结构的控制器进行优化。机器人在模板地图里进行训练,然后借助于神经网络的泛化性能达到壁障和到达目标点的目的。
然而,自主割草机器人所处的工作环境多变,诸如可能在不同形状的草坪工作,且草坪内可能包含的各种花木、假山、雕塑等障碍物。同时,割草机器人需要面向不同的客户需求,诸如需要在草坪上修剪出特定的艺术图案等。因此,如何在无碰撞且满足客户需求的情况下,合理进行地图构建、图案设计,以及规划出最佳的全覆盖路径等都是尚未解决的难题。
发明内容
本发明的目的是为了解决上述问题,提供一种割草机器人地图创建与路径规划***及方法,是基于双层启发式优化的割草机器人地图创建与全覆盖路径规划***和方法。
本发明的技术方案如下:
一种割草机器人地图创建与路径规划***,所述***包括设置在割草机器人机体上的驱动机械结构、刀具机械结构、传感***、遥控模块、通讯模块、触控模块;
所述驱动机械结构用于驱动割草机器人行动,所述刀具机械结构配置不同形状刀片,所述通讯模块用于割草机器人的有线或无线通讯;所述传感***配置多种传感器用于避障和定位;所述遥控模块用于人为控制割草机器人。
上述***还包括安全保护模块,所述安全保护模块用于工作中发生意外情况下能及时切断电源,防止电机及驱动电路被烧毁;或当草过长或过于浓密,刀具机械结构无法运行时,进行超负荷保护。
一种割草机器人地图创建与路径规划方法,利用上述的***,其步骤在于:
(1)、地图构建
针对有障碍物的目标草地,割草机器人首先对其进行建模,确定割草机器人机体所在的位置;
(2)、图案设计
根据不同需求,自由设计不同形状和深浅颜色搭配的草坪图案;
(3)、路径规划
割草机器人采用分层分区策略将已建模的环境分成若干网格区域,采用双层启发式优化算法对高层网格进行路径规划和对低层网格进行全覆盖路径,实现割草机器人自主最佳路径的规划。
上述步骤(1)中对有障碍物的目标草地进行建模的步骤如下:
(4a)、将草地的障碍物进行几何化处理,将其近似为几何多边形的形状;
(4b)、建立坐标系,横轴记为[0,α],纵轴记为[0,β],将每个障碍物分别映射到横轴与纵轴,分别记为[αi,αj]与[βi,βj]。
上述步骤(3)中的采用分层分区策略将已建模的环境分成若干网格区域的步骤如下:
割草机器人采用分层分区策略将已建模的环境分成若干子区域,包含对整个工作区域进行上层粗网格分区处理,对每个粗网格进行下层细网格化处理;
对于上层粗网格的构建,根据割草机器人所选择的刀具半径,实际工作环境***的长度和宽度,以及工作环境内非可行区域的障碍物的大小,对整个工作区域进行粗网格分区;
(5a)、假设割草机器人的圆形刀具的半径为γ,每一个子区域的长与宽满足条件Sx,Sy∈[θ1γ,θ2γ],Sx表示区域的长度,Sy表示区域的宽度,其中θ1与θ2是根据实际的草地情况而选取的权值;
(5b)、采用以下的分区规则:当障碍物的长与宽大于上界值θ2γ时,根据θ2γ的长度对区域进行划分;当障碍物的长与宽在边界值θ1γ与θ2γ内时,根据障碍物投影值横轴与纵轴的长度对区域进行划分;当障碍物的长与宽小于下界值θ1γ时,这个子区域不进行划分;
对于下层细网格的构建,在上层网格建立好的基础上进行,采用栅格法进行建模,把机器人的工作空间分解成一系列具有二值信息的网格单元,对于每一个粗网格,将栅格的大小定为机器人的自身的尺寸γ,且假设机器人的行走速度是固定的,建立的栅格被分为自由栅格和障碍栅格,无障碍物的栅格被称为自由栅格,而包含障碍物则称为障碍栅格。
上述步骤(3)中的采用双层启发式优化算法是基于蚁群算法进行全局路径规划的,其步骤如下:
(6a)、参数初始化设置
假设蚁群中蚂蚁的总数量为m,迭代次数为t,蚂蚁的数量为k,信息的重要度α,启发式函数的重要度β,信息素挥发因子ρ,信息素释放量Q;
(6b)、循环次数t=t+1;
(6c)、蚂蚁的禁忌表索引号k=1;
(6d)、蚂蚁数目k=k+1;
(6e)、蚂蚁个体根据状态转移概率公式计算的概率选择元素并前进,起始点的概率分布根据如下公式进行计算:
其中tij是节点i和节点j之间的信息素挥发量,ηij是启发式函数;
(6f)、修改禁忌表指针,即选择好之后将蚂蚁移动到新的节点,并把该节点移动到该蚂蚁个体的禁忌表中;
(6g)、若集合中节点未遍历完,即k<m,则跳转到步骤(6d),否则执行步骤(6h);
(6h)、更新信息素,信息素更新公式如下:
其中Δtij表示所有蚂蚁在路径上释放的信息素的总和;
(6i)、如果达到最大迭代次数maxgen,算法终止,输出最优路径bestTour和最优路径长度bestLength;否则,转至步骤(6b)。
上述步骤(3)中的采用双层启发式优化算法是基于禁忌搜索算法进行局部路径规划的,其步骤如下:
(7a)、给定算法参数,随机产生初始解x0,计算出它的目标函数值,初始化当前点x=x0,最优点xbest=x0,f(xbest)=f(x0),并且置禁忌表为空;
(7b)、判断算法终止条件是否满足;若是,则结束算法并输出优化结果;否则,继续以下步骤(7c);
(7c)、利用当前解x的邻域函数产生其所有或若干邻域解,并从中确定若干候选解;
(7d)、对候选解判断藐视准则是否满足;若成立,则用满足藐视准则的最佳状态y替代x成为新的当前解,即x=y,同时更新最优点xbest=y,f(xbest)=f(y),并用与y对应的禁忌对象替换最早进入禁忌表的禁忌对象,同时用y替换“best so far”状态,然后转步骤(7f);否则,继续以下步骤(7e);
(7e)、判断候选解对应的各对象的禁忌属性,选择候选解集中非禁忌对象对应的最佳状态y为新的当前解,同时用与之对应的禁忌对象替换最早进入禁忌表的禁忌对象元素;
(7f)、判断算法终止条件是否满足,若是,则结束算法并输出最优化结果,否则转至步骤(7c)。
本发明所达到的有益效果:
基于双层启发式优化的割草机器人地图创建与全覆盖路径规划方法以其自动化工作的特征,把人从枯燥的劳动中解放出来,给现代社会生产和生活节约了大量的人力资源,符合社会发展的趋势和需要。其优点在于:第一,适合各种形状的草坪,能够对草坪中出现的各种景观障碍物进行妥善处理;第二,能够构造出各种艺术形状的草坪,丰富人们的生活;第三,通过双层启发式优化,规划出最佳的全覆盖割草路径。本发明优点众多,可以广泛应用于公园草坪、足球场草、高尔夫球场,公共绿地以及一般家庭绿地等。
附图说明
图1总体结构图;
图2割草机器人示意图;
图3割草环境建模示意图;
图4艺术图案设计示意图;
图5工作环境分区示意图;
图6分区环境网格化示意图;
图7基于蚁群算法的全局路径规划流程图;
图8基于禁忌搜索算法的局部路径规划流程图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
如图2所示,一种割草机器人地图创建与路径规划***,***包括设置在割草机器人机体上的驱动机械结构、刀具机械结构、传感***、遥控模块、通讯模块、触控模块;
驱动机械结构用于驱动割草机器人行动,譬如如图2中割草机器人可以采用包含四个车轮的轮式机构驱动,有2个驱动轮和2个导向轮。
刀具机械结构配置不同形状刀片,各种刀片的自由切换和高度调节。譬如图2中割草机器人配置了圆形刀具,用圆形虚线表示,其半径为γ,三种高度可以调节。
通讯模块用于割草机器人的有线或无线通讯;割草机器人的通讯模块可以是有线通讯,也可以是无线通讯,诸如gsm通信模块,wifi通讯,gprs无线传输模块,蓝牙模块等。通讯设备通过CDMA/3D/4D基站,与外界设备相连接,这些设备包括手机、电脑或平板等。
传感***配置多种传感器用于避障和定位;这些传感器感知设备分布在割草机器人的不同位置,如图2所示,在图中用不同形状的图形表示。这些传感器可以是GPS定位***、摄像头、超声波传感器、红外传感器、温度传感器、热释电红外传感器、接触传感器、碰撞传感器等。
遥控模块在某些意外或是特殊情况下,便于人为控制割草机器人。
作为优选方案,上述***还包括安全保护模块,安全保护模块用于工作中发生意外情况下能及时切断电源,防止电机及驱动电路被烧毁;或当草过长或过于浓密,刀具机械结构无法运行时,进行超负荷保护。
如图1所示,一种割草机器人地图创建与路径规划方法,利用上述的***,其步骤在于:
(1)、地图构建
针对有障碍物的目标草地,割草机器人首先对其进行建模,确定割草机器人机体所在的位置;如图2所示,通过手机GPS定位,在行进过程中记录割草环境的边界和非可行区域,通过无线或有线通讯将整个工作环境地图转送到割草机器人的机体。
如图3所示的实施例中:割草机器人在工作人员遥控操作下行进,借助于机器人机体携带的检测位置和角度的传感器,记录出工作区域的边界,图中已用黑色边框表示。将移动机器人遥控到其它位置,如各种花木、假山、雕塑等障碍物,引导机器人记录障碍物边沿,图中已用灰色边框表示。
(2)、图案设计根据不同需求,自由设计不同形状和深浅颜色搭配的草坪图案。如图4的实施例中,采用一种刀具,搭配三种不同高度(高度A,高度B和高度C),形成浅灰、灰和深灰不同深浅,并在草坪中设计了五角星图案。
(3)、路径规划
割草机器人采用分层分区策略将已建模的环境分成若干网格区域,采用双层启发式优化算法对高层网格进行路径规划和对低层网格进行全覆盖路径,实现割草机器人自主最佳路径的规划。
上述步骤(1)中对有障碍物的目标草地进行建模的步骤如下:
(4a)、将草地的障碍物进行几何化处理,将其近似为几何多边形的形状;
(4b)、建立坐标系,横轴记为[0,α],纵轴记为[0,β],将每个障碍物分别映射到横轴与纵轴,分别记为[αi,αj]与[βi,βj]。
上述步骤(3)中的采用分层分区策略将已建模的环境分成若干网格区域的步骤如下:
割草机器人采用分层分区策略将已建模的环境分成若干子区域,包含对整个工作区域进行上层粗网格分区处理,对每个粗网格进行下层细网格化处理;
对于上层粗网格的构建,根据割草机器人所选择的刀具半径,实际工作环境***的长度和宽度,以及工作环境内非可行区域的障碍物的大小,对整个工作区域进行粗网格分区;如图5所示的实施例中,这里每个子区域就是S1~S16。
(5a)、假设割草机器人的圆形刀具的半径为γ,每一个子区域的长与宽满足条件Sx,Sy∈[θ1γ,θ2γ],Sx表示区域的长度,Sy表示区域的宽度,其中θ1与θ2是根据实际的草地情况而选取的权值;
(5b)、采用以下的分区规则:当障碍物的长与宽大于上界值θ2γ时,根据θ2γ的长度对区域进行划分;当障碍物的长与宽在边界值θ1γ与θ2γ内时,根据障碍物投影值横轴与纵轴的长度对区域进行划分;当障碍物的长与宽小于下界值θ1γ时,这个子区域不进行划分;
β的值如图5的纵坐标。我们选取α=β=500,γ=0.2,θ1=5,θ2=10,如图5所示,例如0与β1之间的距离小于5γ,因此这个子区域不需要进行划分,又如β3与β6之间的距离大于10γ,所以这个子区域按10γ进行划分而不是β6。
如图6所示,S1~S16上层粗网格,G1~G11下层的细网格。对于下层细网格的构建,在上层网格建立好的基础上进行,采用栅格法进行建模,把机器人的工作空间分解成一系列具有二值信息的网格单元,对于每一个粗网格,将栅格的大小定为机器人的自身的尺寸γ,且假设机器人的行走速度是固定的,建立的栅格被分为自由栅格和障碍栅格,无障碍物的栅格被称为自由栅格,而包含障碍物则称为障碍栅格。通过这些栅格表示是否有障碍物,这就使问题变得简单浅显。栅格法的主要问题是圈定栅格的大小,如果过大,分辨率较低,表示障碍物不精确,但是可以减少规划的时间;如果过小,分辨率变高,表示障碍物就精确,但是增加了路径规划的时间。所以在利用栅格法建立环境模型时,一定要确定一个较为合适的栅格大小。在如图6的实施例中,为了实现草地的全区域覆盖,在每一个上层粗网格区域中将栅格的大小略小于机器人圆形刀具的半径长度γ
如图7所示,上述步骤(3)中的采用双层启发式优化算法是基于蚁群算法进行全局路径规划的,假设蚁群中蚂蚁的总数量为m,所有节点之间的信息素用矩阵pheromone表示,最优路径长度为bestLength,最优路径为bestTour。每只蚂蚁都有自己的内存,内存中用一个列表来存储该蚂蚁已经访问过的节点,表示其在以后的搜索中将不能访问这些节点;还有用另外一个允许访问的节点表来存储它还可以访问的节点;另外还用一个矩阵来存储它在一个循环(或者迭代)中给所经过的路径释放的信息素;还有另外一些数据,例如一些控制参数用于辅助计算信息素挥发、下一个节点选中概率等等,该蚂蚁行走完全程的总成本或距离(tourLength)等。假定算法总共运行maxgen次,当前迭代次数为t。
其步骤如下:
(6a)、参数初始化设置
蚂蚁的数量为k,信息的重要度α,启发式函数的重要度β,信息素挥发因子ρ,信息素释放量Q;
(6b)、循环次数t=t+1;
(6c)、蚂蚁的禁忌表索引号k=1;
(6d)、蚂蚁数目k=k+1;
(6e)、蚂蚁个体根据状态转移概率公式计算的概率选择元素并前进,起始点的概率分布根据如下公式进行计算:
其中tij是节点i和节点j之间的信息素挥发量,ηij是启发式函数;
(6f)、修改禁忌表指针,即选择好之后将蚂蚁移动到新的节点,并把该节点移动到该蚂蚁个体的禁忌表中;
(6g)、若集合中节点未遍历完,即k<m,则跳转到步骤(6d),否则执行步骤(6h);
(6h)、更新信息素,信息素更新公式如下:
其中Δtij表示所有蚂蚁在路径上释放的信息素的总和;
(6i)、如果达到最大迭代次数maxgen,算法终止,输出最优路径bestTour和最优路径长度bestLength;否则,转至步骤(6b)。
如图8所示,上述步骤(3)中的采用双层启发式优化算法是基于禁忌搜索算法进行局部路径规划的,其步骤如下:
(7a)、给定算法参数,随机产生初始解x0,计算出它的目标函数值,初始化当前点x=x0,最优点xbest=x0,f(xbest)=f(x0),并且置禁忌表为空;
(7b)、判断算法终止条件是否满足;若是,则结束算法并输出优化结果;否则,继续以下步骤(7c);
(7c)、利用当前解x的邻域函数产生其所有或若干邻域解,并从中确定若干候选解;
(7d)、对候选解判断藐视准则是否满足;若成立,则用满足藐视准则的最佳状态y替代x成为新的当前解,即x=y,同时更新最优点xbest=y,f(xbest)=f(y),并用与y对应的禁忌对象替换最早进入禁忌表的禁忌对象,同时用y替换“best so far”状态,然后转步骤(7f);否则,继续以下步骤(7e);
(7e)、判断候选解对应的各对象的禁忌属性,选择候选解集中非禁忌对象对应的最佳状态y为新的当前解,同时用与之对应的禁忌对象替换最早进入禁忌表的禁忌对象元素;
(7f)、判断算法终止条件是否满足,若是,则结束算法并输出最优化结果,否则转至步骤(7c)。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (7)
1.一种割草机器人地图创建与路径规划***,其特征在于所述***包括设置在割草机器人机体上的驱动机械结构、刀具机械结构、传感***、遥控模块、通讯模块、触控模块;
所述驱动机械结构用于驱动割草机器人行动,所述刀具机械结构配置不同形状刀片,所述通讯模块用于割草机器人的有线或无线通讯;所述传感***配置多种传感器用于避障和定位;所述遥控模块用于人为控制割草机器人。
2.根据权利要求1所述的一种割草机器人地图创建与路径规划***,其特征在于:所述***还包括安全保护模块,所述安全保护模块用于工作中发生意外情况下能及时切断电源,防止电机及驱动电路被烧毁;或当草过长或过于浓密,刀具机械结构无法运行时,进行超负荷保护。
3.一种割草机器人地图创建与路径规划方法,其特征在于利用权利要求1所述的***,其步骤在于:
(1)、地图构建
针对有障碍物的目标草地,割草机器人首先对其进行建模,确定割草机器人机体所在的位置;
(2)、图案设计
根据不同需求,自由设计不同形状和深浅颜色搭配的草坪图案;
(3)、路径规划
割草机器人采用分层分区策略将已建模的环境分成若干网格区域,采用双层启发式优化算法对高层网格进行路径规划和对低层网格进行全覆盖路径,实现割草机器人自主最佳路径的规划。
4.根据权利要求3所述的一种割草机器人地图创建与路径规划方法,其特征在于:所述步骤(1)中对有障碍物的目标草地进行建模的步骤如下:
(4a)、将草地的障碍物进行几何化处理,将其近似为几何多边形的形状;
(4b)、建立坐标系,横轴记为[0,α],纵轴记为[0,β],将每个障碍物分别映射到横轴与纵轴,分别记为[αi,αj]与[βi,βj]。
5.根据权利要求3所述的一种割草机器人地图创建与路径规划方法,其特征在于:所述步骤(3)中的采用分层分区策略将已建模的环境分成若干网格区域的步骤如下:
割草机器人采用分层分区策略将已建模的环境分成若干子区域,包含对整个工作区域进行上层粗网格分区处理,对每个粗网格进行下层细网格化处理;
对于上层粗网格的构建,根据割草机器人所选择的刀具半径,实际工作环境***的长度和宽度,以及工作环境内非可行区域的障碍物的大小,对整个工作区域进行粗网格分区;
(5a)、假设割草机器人的圆形刀具的半径为γ,每一个子区域的长与宽满足条件Sx,Sy∈[θ1γ,θ2γ],Sx表示区域的长度,Sy表示区域的宽度,其中θ1与θ2是根据实际的草地情况而选取的权值;
(5b)、采用以下的分区规则:当障碍物的长与宽大于上界值θ2γ时,根据θ2γ的长度对区域进行划分;当障碍物的长与宽在边界值θ1γ与θ2γ内时,根据障碍物投影值横轴与纵轴的长度对区域进行划分;当障碍物的长与宽小于下界值θ1γ时,这个子区域不进行划分;
对于下层细网格的构建,在上层网格建立好的基础上进行,采用栅格法进行建模,把机器人的工作空间分解成一系列具有二值信息的网格单元,对于每一个粗网格,将栅格的大小定为机器人的自身的尺寸γ,且假设机器人的行走速度是固定的,建立的栅格被分为自由栅格和障碍栅格,无障碍物的栅格被称为自由栅格,而包含障碍物则称为障碍栅格。
6.根据权利要求3所述的一种割草机器人地图创建与路径规划方法,其特征在于:所述步骤(3)中的采用双层启发式优化算法是基于蚁群算法进行全局路径规划的,其步骤如下:
(6a)、参数初始化设置
假设蚁群中蚂蚁的总数量为m,迭代次数为t,蚂蚁的数量为k,信息的重要度α,启发式函数的重要度β,信息素挥发因子ρ,信息素释放量Q;
(6b)、循环次数t=t+1;
(6c)、蚂蚁的禁忌表索引号k=1;
(6d)、蚂蚁数目k=k+1;
(6e)、蚂蚁个体根据状态转移概率公式计算的概率选择元素并前进,起始点的概率分布根据如下公式进行计算:
<mrow>
<mi>P</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mo>&lsqb;</mo>
<msub>
<mi>t</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<msup>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mi>&alpha;</mi>
</msup>
<mo>&rsqb;</mo>
<mo>*</mo>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msub>
<mi>&eta;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mi>&beta;</mi>
</msup>
</mrow>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>s</mi>
<mo>&Element;</mo>
<mi>a</mi>
<mi>l</mi>
<mi>l</mi>
<mi>o</mi>
<mi>w</mi>
</mrow>
</munder>
<mo>&lsqb;</mo>
<msub>
<mi>t</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<msup>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mi>&alpha;</mi>
</msup>
<mo>&rsqb;</mo>
<mo>*</mo>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msub>
<mi>&eta;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mi>&beta;</mi>
</msup>
</mrow>
</mfrac>
</mrow>
其中tij是节点i和节点j之间的信息素挥发量,ηij是启发式函数;
(6f)、修改禁忌表指针,即选择好之后将蚂蚁移动到新的节点,并把该节点移动到该蚂蚁个体的禁忌表中;
(6g)、若集合中节点未遍历完,即k<m,则跳转到步骤(6d),否则执行步骤(6h);
(6h)、更新信息素,信息素更新公式如下:
<mrow>
<msub>
<mi>t</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>&rho;</mi>
<mo>)</mo>
</mrow>
<msub>
<mi>t</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>&Delta;t</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>,</mo>
<msub>
<mi>&Delta;t</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msubsup>
<mi>&Delta;t</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>k</mi>
</msubsup>
</mrow>
其中Δtij表示所有蚂蚁在路径上释放的信息素的总和;
(6i)、如果达到最大迭代次数maxgen,算法终止,输出最优路径bestTour和最优路径长度bestLength;否则,转至步骤(6b)。
7.根据权利要求3所述的一种割草机器人地图创建与路径规划方法,其特征在于:所述步骤(3)中的采用双层启发式优化算法是基于禁忌搜索算法进行局部路径规划的,其步骤如下:
(7a)、给定算法参数,随机产生初始解x0,计算出它的目标函数值,初始化当前点x=x0,最优点xbest=x0,f(xbest)=f(x0),并且置禁忌表为空;
(7b)、判断算法终止条件是否满足;若是,则结束算法并输出优化结果;否则,继续以下步骤(7c);
(7c)、利用当前解x的邻域函数产生其所有或若干邻域解,并从中确定若干候选解;
(7d)、对候选解判断藐视准则是否满足;若成立,则用满足藐视准则的最佳状态y替代x成为新的当前解,即x=y,同时更新最优点xbest=y,f(xbest)=f(y),并用与y对应的禁忌对象替换最早进入禁忌表的禁忌对象,同时用y替换“best so far”状态,然后转步骤(7f);否则,继续以下步骤(7e);
(7e)、判断候选解对应的各对象的禁忌属性,选择候选解集中非禁忌对象对应的最佳状态y为新的当前解,同时用与之对应的禁忌对象替换最早进入禁忌表的禁忌对象元素;
(7f)、判断算法终止条件是否满足,若是,则结束算法并输出最优化结果,否则转至步骤(7c)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711115983.3A CN107976998A (zh) | 2017-11-13 | 2017-11-13 | 一种割草机器人地图创建与路径规划***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711115983.3A CN107976998A (zh) | 2017-11-13 | 2017-11-13 | 一种割草机器人地图创建与路径规划***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107976998A true CN107976998A (zh) | 2018-05-01 |
Family
ID=62013373
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711115983.3A Pending CN107976998A (zh) | 2017-11-13 | 2017-11-13 | 一种割草机器人地图创建与路径规划***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107976998A (zh) |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109238298A (zh) * | 2018-09-26 | 2019-01-18 | 上海联适导航技术有限公司 | 一种无人驾驶带避障的路径规划方法 |
CN109634276A (zh) * | 2018-12-13 | 2019-04-16 | 中联重科股份有限公司 | 农用车辆无人驾驶控制方法、***及该农用车辆 |
CN109634287A (zh) * | 2019-01-22 | 2019-04-16 | 重庆润通智能装备有限公司 | 割草机路径规划方法及*** |
CN110083152A (zh) * | 2019-04-08 | 2019-08-02 | 浙江亚特电器有限公司 | 用于智能割草机的多草坪工作方法 |
CN110320919A (zh) * | 2019-07-31 | 2019-10-11 | 河海大学常州校区 | 一种未知地理环境中的巡回机器人路径优化方法 |
CN110702121A (zh) * | 2019-11-23 | 2020-01-17 | 赣南师范大学 | 面向山地果园机械的最优路径模糊规划方法 |
CN110928316A (zh) * | 2019-12-25 | 2020-03-27 | 洛阳智能农业装备研究院有限公司 | 一种基于prec算法的智能除草机器人路径规划方法 |
CN111060116A (zh) * | 2019-12-04 | 2020-04-24 | 江西洪都航空工业集团有限责任公司 | 一种基于视觉的草场自主建图*** |
US20200159589A1 (en) * | 2018-11-21 | 2020-05-21 | Samsung Electronics Co., Ltd. | System and method for dynamic scheduling of distributed deep learning training jobs |
WO2020147158A1 (zh) * | 2019-01-14 | 2020-07-23 | 傲基科技股份有限公司 | 割草机器人及其控制方法、控制装置、可读存储介质 |
WO2021031441A1 (zh) * | 2019-08-16 | 2021-02-25 | 苏州科瓴精密机械科技有限公司 | 路径规划方法、***,机器人及可读存储介质 |
CN112445212A (zh) * | 2019-08-16 | 2021-03-05 | 苏州科瓴精密机械科技有限公司 | 路径规划方法、***,机器人及可读存储介质 |
CN112462763A (zh) * | 2020-11-18 | 2021-03-09 | 河北工业大学 | 一种基于栅格地图的割草机器人路径规划方法 |
CN112673799A (zh) * | 2019-10-18 | 2021-04-20 | 南京德朔实业有限公司 | 自行走割草***和户外行走设备 |
CN112703881A (zh) * | 2020-12-30 | 2021-04-27 | 格力博(江苏)股份有限公司 | 智能割草机及其控制方法、***和存储介质 |
CN113848925A (zh) * | 2021-09-30 | 2021-12-28 | 天津大学 | 一种基于slam的无人碾压动态路径自主规划方法 |
CN113924857A (zh) * | 2020-07-10 | 2022-01-14 | 苏州宝时得电动工具有限公司 | 一种自动割草机、割草***及割草地图的处理方法 |
CN114096930A (zh) * | 2019-09-19 | 2022-02-25 | 苏州宝时得电动工具有限公司 | 自移动设备及其自动移动和工作的方法 |
WO2022222678A1 (zh) * | 2021-04-23 | 2022-10-27 | 南京泉峰科技有限公司 | 智能割草***及智能割草设备 |
CN115413472A (zh) * | 2022-09-22 | 2022-12-02 | 珠海格力电器股份有限公司 | 除草机控制方法、装置、存储介质及除草机 |
WO2024060340A1 (zh) * | 2022-09-21 | 2024-03-28 | 常州汇邦电子有限公司 | 一种联动割草机组及联动割草方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101091428A (zh) * | 2006-10-20 | 2007-12-26 | 大连理工大学 | 一种自动割草机器人 |
CN102662400A (zh) * | 2012-05-10 | 2012-09-12 | 慈溪思达电子科技有限公司 | 割草机器人的路径规划算法 |
CN103823466A (zh) * | 2013-05-23 | 2014-05-28 | 电子科技大学 | 一种动态环境下移动机器人路径规划方法 |
US8989946B2 (en) * | 2009-12-17 | 2015-03-24 | Deere & Company | System and method for area coverage using sector decomposition |
CN106662452A (zh) * | 2014-12-15 | 2017-05-10 | 美国 iRobot 公司 | 割草机器人的地图构建 |
CN106647765A (zh) * | 2017-01-13 | 2017-05-10 | 深圳拓邦股份有限公司 | 一种基于割草机器人的规划平台 |
CN107102643A (zh) * | 2017-06-19 | 2017-08-29 | 江西洪都航空工业集团有限责任公司 | 一种大型智能割草机器人p‑d型路径规划算法 |
CN107314773A (zh) * | 2017-08-18 | 2017-11-03 | 广东宝乐机器人股份有限公司 | 移动机器人的地图创建方法及基于该地图的路径规划方法 |
-
2017
- 2017-11-13 CN CN201711115983.3A patent/CN107976998A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101091428A (zh) * | 2006-10-20 | 2007-12-26 | 大连理工大学 | 一种自动割草机器人 |
US8989946B2 (en) * | 2009-12-17 | 2015-03-24 | Deere & Company | System and method for area coverage using sector decomposition |
CN102662400A (zh) * | 2012-05-10 | 2012-09-12 | 慈溪思达电子科技有限公司 | 割草机器人的路径规划算法 |
CN103823466A (zh) * | 2013-05-23 | 2014-05-28 | 电子科技大学 | 一种动态环境下移动机器人路径规划方法 |
CN106662452A (zh) * | 2014-12-15 | 2017-05-10 | 美国 iRobot 公司 | 割草机器人的地图构建 |
CN106647765A (zh) * | 2017-01-13 | 2017-05-10 | 深圳拓邦股份有限公司 | 一种基于割草机器人的规划平台 |
CN107102643A (zh) * | 2017-06-19 | 2017-08-29 | 江西洪都航空工业集团有限责任公司 | 一种大型智能割草机器人p‑d型路径规划算法 |
CN107314773A (zh) * | 2017-08-18 | 2017-11-03 | 广东宝乐机器人股份有限公司 | 移动机器人的地图创建方法及基于该地图的路径规划方法 |
Non-Patent Citations (3)
Title |
---|
JINGYU WANG 等: "Double Heuristic Optimization Based on Hierarchical Partitioning for Coverage Path Planning of Robot Mowers", 《2016 12TH INTERNATIONAL CONFERENCE ON COMPUTATIONAL INTELLIGENCE AND SECURITY (CIS)》 * |
陈晓江 等: "《数值分析》", 31 October 2013, 武汉理工大学出版社 * |
高尚: "《分布估计算法及其应用》", 31 January 2016, 国防工业出版社 * |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109238298A (zh) * | 2018-09-26 | 2019-01-18 | 上海联适导航技术有限公司 | 一种无人驾驶带避障的路径规划方法 |
US20200159589A1 (en) * | 2018-11-21 | 2020-05-21 | Samsung Electronics Co., Ltd. | System and method for dynamic scheduling of distributed deep learning training jobs |
US11693706B2 (en) * | 2018-11-21 | 2023-07-04 | Samsung Electronics Co., Ltd. | System and method for dynamic scheduling of distributed deep learning training jobs |
CN109634276A (zh) * | 2018-12-13 | 2019-04-16 | 中联重科股份有限公司 | 农用车辆无人驾驶控制方法、***及该农用车辆 |
CN109634276B (zh) * | 2018-12-13 | 2021-05-25 | 中联重科股份有限公司 | 农用车辆无人驾驶控制方法、***及该农用车辆 |
WO2020147158A1 (zh) * | 2019-01-14 | 2020-07-23 | 傲基科技股份有限公司 | 割草机器人及其控制方法、控制装置、可读存储介质 |
CN109634287A (zh) * | 2019-01-22 | 2019-04-16 | 重庆润通智能装备有限公司 | 割草机路径规划方法及*** |
CN110083152A (zh) * | 2019-04-08 | 2019-08-02 | 浙江亚特电器有限公司 | 用于智能割草机的多草坪工作方法 |
CN110320919A (zh) * | 2019-07-31 | 2019-10-11 | 河海大学常州校区 | 一种未知地理环境中的巡回机器人路径优化方法 |
CN110320919B (zh) * | 2019-07-31 | 2022-05-20 | 河海大学常州校区 | 一种未知地理环境中的巡回机器人路径优化方法 |
WO2021031441A1 (zh) * | 2019-08-16 | 2021-02-25 | 苏州科瓴精密机械科技有限公司 | 路径规划方法、***,机器人及可读存储介质 |
CN112445212A (zh) * | 2019-08-16 | 2021-03-05 | 苏州科瓴精密机械科技有限公司 | 路径规划方法、***,机器人及可读存储介质 |
CN114096930B (zh) * | 2019-09-19 | 2023-11-07 | 苏州宝时得电动工具有限公司 | 自移动设备及其自动移动和工作的方法 |
CN114096930A (zh) * | 2019-09-19 | 2022-02-25 | 苏州宝时得电动工具有限公司 | 自移动设备及其自动移动和工作的方法 |
CN112673799A (zh) * | 2019-10-18 | 2021-04-20 | 南京德朔实业有限公司 | 自行走割草***和户外行走设备 |
CN110702121A (zh) * | 2019-11-23 | 2020-01-17 | 赣南师范大学 | 面向山地果园机械的最优路径模糊规划方法 |
CN110702121B (zh) * | 2019-11-23 | 2023-06-23 | 赣南师范大学 | 面向山地果园机械的最优路径模糊规划方法 |
CN111060116A (zh) * | 2019-12-04 | 2020-04-24 | 江西洪都航空工业集团有限责任公司 | 一种基于视觉的草场自主建图*** |
CN110928316A (zh) * | 2019-12-25 | 2020-03-27 | 洛阳智能农业装备研究院有限公司 | 一种基于prec算法的智能除草机器人路径规划方法 |
CN113924857A (zh) * | 2020-07-10 | 2022-01-14 | 苏州宝时得电动工具有限公司 | 一种自动割草机、割草***及割草地图的处理方法 |
CN112462763A (zh) * | 2020-11-18 | 2021-03-09 | 河北工业大学 | 一种基于栅格地图的割草机器人路径规划方法 |
CN112703881B (zh) * | 2020-12-30 | 2022-06-17 | 格力博(江苏)股份有限公司 | 智能割草机及其控制方法、***和存储介质 |
CN112703881A (zh) * | 2020-12-30 | 2021-04-27 | 格力博(江苏)股份有限公司 | 智能割草机及其控制方法、***和存储介质 |
WO2022222678A1 (zh) * | 2021-04-23 | 2022-10-27 | 南京泉峰科技有限公司 | 智能割草***及智能割草设备 |
CN113848925A (zh) * | 2021-09-30 | 2021-12-28 | 天津大学 | 一种基于slam的无人碾压动态路径自主规划方法 |
WO2024060340A1 (zh) * | 2022-09-21 | 2024-03-28 | 常州汇邦电子有限公司 | 一种联动割草机组及联动割草方法 |
CN115413472A (zh) * | 2022-09-22 | 2022-12-02 | 珠海格力电器股份有限公司 | 除草机控制方法、装置、存储介质及除草机 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107976998A (zh) | 一种割草机器人地图创建与路径规划***及方法 | |
US10238026B2 (en) | System for monitoring and controlling activities of at least one gardening tool within at least one activity zone | |
EP3999928B1 (en) | Sensor fusion for localization and path planning | |
US11493923B2 (en) | Path planning method and system for lawn mower | |
CN107544540B (zh) | 一种应用于旋翼无人机的航线规划方法 | |
CN109597420B (zh) | 一种智能割草机边界自动闭合处理***及方法 | |
CN110799030A (zh) | 基于图像处理控制土壤工作装置的方法及相关*** | |
AU2022204569B2 (en) | Method for multi-agent dynamic path planning | |
CN206411514U (zh) | 一种基于二维码定位的智能仓储移动机器人*** | |
CA3171571A1 (en) | Horticulture aided by autonomous systems | |
CN204700886U (zh) | 机器人*** | |
Zhang et al. | Path planning based quadtree representation for mobile robot using hybrid-simulated annealing and ant colony optimization algorithm | |
CN107745383A (zh) | 一种机器人控制方法和机器人 | |
JP2020129363A (ja) | 表現を生成するための方法およびそのような表現に基づいて自律デバイスに動作を学習させるためのシステム | |
CN110928316A (zh) | 一种基于prec算法的智能除草机器人路径规划方法 | |
CA3171575A1 (en) | Horticulture aided by autonomous systems | |
CN107703847A (zh) | 一种集控器选址方法及传感器监控*** | |
CN114740849B (zh) | 基于行人步行决策规则的移动机器人自主导航方法及装置 | |
CN114326743B (zh) | 一种工作地图生成方法、检测装置及园林*** | |
CN110533211A (zh) | 蔬菜立体栽培智能优化管理方法 | |
CN114237301B (zh) | 一种空地一体化植保作业***与方法 | |
KR102666421B1 (ko) | 농기계의 작업범위 및 작업시간 최적화 시스템 | |
Wang et al. | Neural networks-based terrain acquisition of unmarked area for robot mowers | |
CN115413472A (zh) | 除草机控制方法、装置、存储介质及除草机 | |
Xie et al. | Hybrid genetic ant colony optimization algorithm for full-coverage path planning of gardening pruning robots |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180501 |
|
RJ01 | Rejection of invention patent application after publication |