CN114128695A - 一种履带式自主精准变量风送喷雾机器人结构及其路径规划和变量喷雾方法 - Google Patents

Abstract

本发明公开一种履带式自主精准变量风送喷雾机器人结构及其路径规划和变量喷雾方法。履带式移动底盘1上固定有支架2，支架2上固定有电池3、中央处理器4、水泵5和水箱7；支架2上设有变量喷雾***6；所述变量喷雾***由风机61、涵道62和喷头63组成。数据采集模块8由导航模块81和激光雷达82组成。中央处理器4用于处理数据采集模块8的数据并控制履带车移动底盘1的前进速度和方向、变量喷雾***6的喷雾量和喷雾时间、风机的风量和风速。本发明实现了精准的变流量和变风量的变量喷雾。提高了喷雾的穿透性和喷雾效率。

Description

一种履带式自主精准变量风送喷雾机器人结构及其路径规划 和变量喷雾方法

技术领域

本发明涉及一种喷雾机器人，更具体地说是一种履带式自主精准变量风送喷雾机器人结构及其路径规划和变量喷雾方法。

背景技术

喷药作业是农业生产中重要的一个生产环节，为保证产品质量，在作物生长期内需多次喷洒农药；目前应用的自动化的农药喷洒装置大都只能实现定量喷药而不能实现精准变量喷药，存在重喷、漏喷和误喷等污染浪费的现象。针对这一问题，设计能实现精准变量喷药的自主喷雾机器人。

发明内容

本发明的目的在于设计一种履带式自主精准变量风送喷雾机器人，适用于喷药作业，能够高精度的实现对植株靶标有无、大小、形状和密度等特征的检测，从而进行适量、均匀、精准对靶地变量喷雾，提高农药使用效率，节药成本、降低对环境的污染和操作者的安全隐患。

为实现上述目的，本发明的技术方案如下：

一种履带式自主精准变量风送喷雾机器人结构，包括履带车移动底盘(1)、***支架(2)、变量喷雾***(6)、电池(3)、水泵(5)、水箱(7)、数据采集模块(8)；履带车移动底盘(1)上固定有***支架(2)，***支架(2)上固定有电池(3)、中央处理器(4)、水泵(5)、变量喷雾***(6)、水箱(7)、数据采集模块(8)；所述变量喷雾***(6)由风机(61)、涵道(62)和竖直方向设置的喷杆的喷嘴(63)组成，风机(61)和喷嘴(63)置于涵道(62)内，通过风机(61)实时调节风速和风量提高药液喷洒的穿透性和喷洒范围；数据采集模块(8)由导航模块(81)和激光雷达(82)组成；药液存放于水箱(7)之中，依次连接水泵(5)和喷嘴(63)并将药液喷洒到植株冠层，电池(3)用于为水泵(5)、中央处理器(4)和风机(61)供电；中央处理器(4)和数据采集模块(8)电连接，用于处理数据采集模块(8)获得的数据并进行处理并进行路径规划和为靶标植株体积检测算法提供算力。

进一步，所述履带车底盘(1)用于喷雾机器人结构的转向以及姿态、位置调整，并为作业***提供搭载平台。

进一步，所述***支架(2)分为上下两层，下层使用螺栓螺母将其固定在履带车移动底盘(1)上，并搭载有变量喷雾***(3)、电池(4)、水箱(7)；上层与下层用平板分隔以防水，上层搭载有变量喷雾***(6)和数据采集模块(8)；所述***支架(2)由铝型材和铝板通过金属脚件连接而成，给整个***提供支撑和承重的作用同时也减轻了平台的重量。

进一步，所述水箱(7)固定在***支架(2)上，所述水泵(5)用螺栓螺母固定于***支架下层，所述水泵(5)共5个，其中大水泵1个小水泵4个，大水泵用于给四个小水泵供水，小水泵用于控制各自相连的两个在同一涵道内的喷嘴(63)的流量大小；所述喷嘴(63)通过管夹固定以涵道(62)内的空心杆上；所述喷嘴(63)共8个，4个涵道(62)内各2个，风机(61)为4个，所述涵道(62)左右各放置2个，外部通过贯穿2个涵道的碳管(66)固定与***支架(2)上，在竖直方向上等距排列，每个涵道(62)内固定1个风机(61)，通过控制风机(61)转速实现对风速和风量的控制。

进一步，所述电池(3)为锂电池，将其固定于***支架(2)下层，为水泵(5)、中央处理器(4)、风机(61)和数据采集模块(8)提供电力。

进一步，所述数据采集模块(8)由3台导航模块(81)和激光雷达(82)组成；激光雷达(82)分为前激光雷达(821)、上激光雷达(822)和后激光雷达(823)，前激光雷达(821)和上激光雷达(822)通过前固定板固定于***支架(2)前端，后激光雷达(823)通过后固定板固定于***支架(2)后端；

所述前激光雷达(821)水平倒立放置，用于检测机器人前方障碍物；上激光雷达(822)竖直放置，用于扫描机器人两侧植株冠层的体积；后激光雷达(823)水平放置，用于检测机器人后方障碍物。

进一步，所述中央处理器(4)，固定于***支架(2)下层；所述中央处理器(4)为英伟达8-corecarmelarmv8.264-bitcpu,处理器，通过驱动模块和风机(61)、水泵(5)电连接。

一种履带式自主精准变量风送喷雾机器人结构的路径规划方法，步骤如下：

步骤1，利用导航模块(81)获取喷雾机器人的经度纬度和高度的位置信息和机器人姿态信息，根据利用纯跟踪算法对根据果园实际情况规划好的路径进行纯跟踪算法进行跟踪，若g为路径上的一个路径点，l_d表示的是中心点C点到g点的距离，即前视距离；车轮距为l，转弯半径为R，履带车瞬时线速度为V_c，左轮瞬时线速度V_l，右轮瞬时线速度V_r，瞬时角速度为ω_c，α表示的是目前车身姿态和目标点g之间的夹角；

步骤2，由正弦公式可得：

步骤3，根据曲率公式，可将曲率表示为：

步骤4，又根据履带车运动模型可得转弯半径R：

两式结合得：

步骤5，通过控制V_c和ω_c来控制履带车的运动轨迹，k为系数，将前视距离表示为与车辆纵向速度的线性函数，即

l_d＝kV_c

步骤6，通过使用最大，最小前视距离来约束前视距离，越大的前视距离意味着轨迹的追踪越平滑，小的前视距离会使得追踪更加精确，但同时也会带来震荡；为了更好的确定前视距离，引入PSO算法(粒子群算法)，在此引入变量θ为航向误差，表示车***姿与轨迹之间的夹角，本文采用横向误差e_l与航向误差θ的均方根之和作为粒子群寻优的主要参考，横向误差e_l的评价参数为：

航向误差θ的评价参数为：

由上两式为基础设计适应度函数

F＝λF₁+(1-λ)F₂

其中N为工作时长，M为采样时刻，λ为权重，所设计的适应度函数，F能够根据横向误差调整横向误差和航向误差的决策权重，具有良好的适应性，在基于PSO算法的纯追踪模型中，当横向误差e_l较大时，前视距离l_d主要通过横向误差e_l进行决策；当横向误差l_d较小时，前视距离l_d主要通过航向误差θ进行决策，故设计权重：

λ＝log_a((e_l+1)/U)(U≥(e_lmax+1)/a)

式中α为权重函数的底数，U为调整参数，e_lmax为最大横向误差。

一种履带式自主精准变量风送喷雾机器人结构的变量喷雾方法，步骤如下：

步骤A，利用激光雷达对植株冠层进行扫描，通过处理冠层数据进行变量喷雾控制，进行靶标植株体积检测方法为：

上激光雷达(822)向上扫描，将采集到的点云数据进行聚类处理，拟合植株树干，根据激光雷达返回的距离数据处理得到植株树干到激光雷达的距离l，其中激光雷达的角度分辨率为0.225°，相邻两个点云数据间存在如下数据关系：

其中β_i和β_i+1为相邻点云对应的角度，l_i和l_i+1为两相邻点云所采集到的距离值，d_i和d_i+1为树冠外侧与树干间的距离，h为两相邻点云在竖直方向上的距离；

步骤B，计算两相邻点云间与树干间覆盖的近似于梯形的面积：

又根据二维激光雷达的扫描频率为25Hz，则可计算相邻两点云间植株冠层的体积V_i′：

其中Δt为扫描一帧所需的时间，W为一帧激光雷达扫描的宽度，v为机器人前进的速度；

步骤C，根据植株冠层的体积控制变量喷雾***(6)中的流量和风量大小，同时考虑到上激光雷达(822)与喷头之间有距离，因此需要控制变量喷雾***(6)对处理得到的喷雾控制信息进行延时喷雾，可得延时时间t：

其中上激光雷达(822)与喷嘴(63)在机器人前进方向上的距离为x，机器人前进的速度为v。

传统人工喷药有喷药均匀性差、作业过程中存在重喷、漏喷、误喷等现象的缺点，且作业效率低、药物利用率低，并且作业人员在作业环境中易中毒。传统的机械作业易损坏植株，故障率高，易造成农药用量在病虫害严重的区域用量不足等问题。针对这些问题，本方案有“精准高效、绿色环保”的特点。便捷的手机端远程监控和控制交互界面能够真正实现无人化作业；履带车底盘提高了机器人的环境适应性；变量喷雾***实现了精准的变量送风和变量喷雾，提高了喷药的效率、药物利用率和喷药的穿透性。

本发明采用的方案以履带车底盘为移动平台的自主精准变量风送喷雾机器人，主要应用于果园，适用于大多数道路。

附图说明

图1为本发明左前视图；

图2为本发明左后视图；

图3为本发明变量喷雾***结构示意图；

图4为前侧二维激光雷达结构示意图；

图5为后侧二维激光雷达结构示意图；

图6为路径规划示意图；

图7为植株靶标体积计算示意图；

其中：1-履带车移动底盘；2-***支架；3-电池；4-中央处理器；5-水泵；6-变量喷雾***；61-风机；62-涵道；63-喷头；64-管夹；65-固定件；66-碳管；7-水箱；8-数据采集模块；81-导航模块；82-激光雷达；821-前激光雷达；822-上激光雷达；823-后激光雷达；841-前固定板；842-后固定板。

具体实施方式

下面结合示意图具体说明所发明的一种自主精准变量风送喷雾机器人。

本发明的一种履带式自主精准变量风送喷雾机器人结构的路径规划方法，步骤如下：

步骤1，利用导航模块(81)获取喷雾机器人的经度纬度和高度的位置信息和机器人姿态信息，根据利用纯跟踪算法对根据果园实际情况规划好的路径进行纯跟踪算法进行跟踪，若g为路径上的一个路径点，l_d表示的是中心点C点到g点的距离，即前视距离；车轮距为l，转弯半径为R，履带车瞬时线速度为V_c，左轮瞬时线速度V_l，右轮瞬时线速度V_r，瞬时角速度为ω_c，α表示的是目前车身姿态和目标点g之间的夹角；

步骤2，由正弦公式可得：

步骤3，根据曲率公式，可将曲率表示为：

步骤4，又根据履带车运动模型可得转弯半径R：

两式结合得：

步骤5，通过控制V_c和ω_c来控制履带车的运动轨迹，k为系数，将前视距离表示为与车辆纵向速度的线性函数，即

l_d＝kV_c

步骤6，通过使用最大，最小前视距离来约束前视距离，越大的前视距离意味着轨迹的追踪越平滑，小的前视距离会使得追踪更加精确，但同时也会带来震荡；为了更好的确定前视距离，引入PSO算法(粒子群算法)，在此引入变量θ为航向误差，表示车***姿与轨迹之间的夹角，本文采用横向误差e_l与航向误差θ的均方根之和作为粒子群寻优的主要参考，横向误差e_l的评价参数为：

航向误差θ的评价参数为：

由上两式为基础设计适应度函数

F＝λF₁+(1-λ)F₂

其中N为工作时长，M为采样时刻，λ为权重，所设计的适应度函数，F能够根据横向误差调整横向误差和航向误差的决策权重，具有良好的适应性，在基于PSO算法的纯追踪模型中，当横向误差e_l较大时，前视距离l_d主要通过横向误差e_l进行决策；当横向误差l_d较小时，前视距离l_d主要通过航向误差θ进行决策，故设计权重：

λ＝log_a((e_l+1)/U)(U≥(e_lmax+1)/a)

式中α为权重函数的底数，U为调整参数，e_lmax为最大横向误差。

本发明的一种履带式自主精准变量风送喷雾机器人结构的变量喷雾方法，步骤如下：

步骤A，利用激光雷达对植株冠层进行扫描，通过处理冠层数据进行变量喷雾控制，进行靶标植株体积检测方法为：

上激光雷达(822)向上扫描，将采集到的点云数据进行聚类处理，拟合植株树干，根据激光雷达返回的距离数据处理得到植株树干到激光雷达的距离l，其中激光雷达的角度分辨率为0.225°，相邻两个点云数据间存在如下数据关系：

其中β_i和β_i+1为相邻点云对应的角度，l_i和l_i+1为两相邻点云所采集到的距离值，d_i和d_i+1为树冠外侧与树干间的距离，h为两相邻点云在竖直方向上的距离；

步骤B，计算两相邻点云间与树干间覆盖的近似于梯形的面积：

又根据二维激光雷达的扫描频率为25Hz，则可计算相邻两点云间植株冠层的体积V_i′：

其中Δt为扫描一帧所需的时间，W为一帧激光雷达扫描的宽度，v为机器人前进的速度；

步骤C，根据植株冠层的体积控制变量喷雾***(6)中的流量和风量大小，同时考虑到上激光雷达(822)与喷头之间有距离，因此需要控制变量喷雾***(6)对处理得到的喷雾控制信息进行延时喷雾，可得延时时间t：

其中上激光雷达(822)与喷嘴(63)在机器人前进方向上的距离为x，机器人前进的速度为v。

如图1、图2所示，一种自主精准变量风送喷雾机器人左前与左后结构视图，它主要由履带车移动底盘(1)、***支架(2)、电池(3)、中央处理器(4)、水泵(5)、变量喷雾***(6)、水箱(7)、数据采集模块(8)组成整体框架，并包括以下部分：81-导航模块；82-激光雷达；821-前激光雷达；822-上激光雷达；823-后激光雷达。

履带车移动底盘(1)采用PID控制来控制运动轨迹，通过控制履带车移动底盘两条履带的转速实现转向和速度控制，进一步控制履带车移动底盘的运动轨迹。履带车通过性较强且可以原地转向，可以在路况较差和空间紧迫的环境作业。***支架(2)由铝型材和铝板通过金属脚件连接而成，在保证支架强度的前提下极大地减轻了机器人重量。中央处理器(4)对前激光雷达(821)和后激光雷达(823)实时扫描所得点云数据进行处理，实现实时避障和局部路径规划。同时，两个激光雷达(821、823)还用于机器人的定位、避障和姿态调节；竖直放置的激光雷达(822)辅助变量喷雾。变量喷雾***(6)根据喷嘴前方植株的冠层体积和距离实现精准的变流量变风量的变量喷雾。

如图3所示，变量喷雾***结构示意图，涵道(62)内部通过贯穿涵道的碳管(66)与杆上的管夹与电机固定，涵道通过碳管(66)上的管夹(64)与固定在铝型材上的固定件(65)固定在***支架(2)上；风机(61)通过电调控制风速和风量。喷嘴(63)通过自身的管夹固定在贯穿涵道的杆上。通过控制水泵(5)的抽水量大小从而控制喷嘴(63)的流量大小。变量喷雾***(6)共4组，机器人左右两侧各2组。

如图4和图5所示，为前侧二维激光雷达示意图和后侧二维激光雷达示意图，前侧二维激光雷达包括向前扫描的前激光雷达(821)和向上扫描的上激光雷达(822)，后侧二维激光雷达为向后扫描的后激光雷达(823)，通过螺栓螺母固定在激光板上，，继而通过螺母固定在***支架(2)前端和后端。搭载英伟达8-corecarmelarmv8.264-bitcpu处理器作为中央处理器(4)，完全能够满足三台二维激光雷达的点云计算和导航规划算法所需的算力和存储需求。机器人以主流的机器人软件框架ROS(Robot Operation System)作为当前开发环境。基于ROS开发的冠层点云体积处理算法和航规划集合ROS***优点，具有模块化的特点。本方案充分利用前后两台激光(821、823)，同时用于定位、位姿估计以及局部轨迹规划。喷雾机器人根据前后两台二维激光雷达(821、823)的数据，实时调整行驶路线及自身姿态，使喷雾机器人遇植株保持一定安全距离和喷雾距离，同时能够实现作业过程中的避障功能。

如图6所示，g为路径上的一个路径点，l_d表示的是中心点C点到g点的距离，即前视距离。转弯半径为R。履带车瞬时线速度为V_c，V_l为左轮线速度，V_r为右轮线速度，瞬时角速度为ω_c。α表示的是目前车身姿态和目标点g之间的夹角。

如图7所示，l为植株树干到激光雷达的距离，β_i和β_i+1为相邻点云对应的角度，l_i和l_i+1为两相邻点云所采集到的距离值，d_i和d_i+1为树冠外侧与树干间的距离，h为两相邻点云在竖直方向上的距离，S_i两相邻点云间与树干间覆盖的近似于梯形的面积。

Claims (9)

1.一种履带式自主精准变量风送喷雾机器人结构，其特征在于，包括履带车移动底盘(1)、***支架(2)、变量喷雾***(6)、电池(3)、水泵(5)、水箱(7)、数据采集模块(8)；履带车移动底盘(1)上固定有***支架(2)，***支架(2)上固定有电池(3)、中央处理器(4)、水泵(5)、变量喷雾***(6)、水箱(7)、数据采集模块(8)；所述变量喷雾***(6)由风机(61)、涵道(62)和竖直方向设置的喷杆的喷嘴(63)组成，风机(61)和喷嘴(63)置于涵道(62)内，通过风机(61)实时调节风速和风量提高药液喷洒的穿透性和喷洒范围；数据采集模块(8)由导航模块(81)和激光雷达(82)组成；药液存放于水箱(7)之中，依次连接水泵(5)和喷嘴(63)并将药液喷洒到植株冠层，电池(3)用于为水泵(5)、中央处理器(4)和风机(61)供电；中央处理器(4)和数据采集模块(8)电连接，用于处理数据采集模块(8)获得的数据并进行处理并进行路径规划和为靶标植株体积检测算法提供算力。

2.根据权利要求1所述的一种履带式自主精准变量风送喷雾机器人结构，其特征在于，所述履带车底盘(1)用于喷雾机器人结构的转向以及姿态、位置调整，并为作业***提供搭载平台。

3.根据权利要求1所述的一种履带式自主精准变量风送喷雾机器人结构，其特征在于，所述***支架(2)分为上下两层，下层使用螺栓螺母将其固定在履带车移动底盘(1)上，并搭载有变量喷雾***(3)、电池(4)、水箱(7)；上层与下层用平板分隔以防水，上层搭载有变量喷雾***(6)和数据采集模块(8)；所述***支架(2)由铝型材和铝板通过金属脚件连接而成，给整个***提供支撑和承重的作用同时也减轻了平台的重量。

4.根据权利要求1所述的一种履带式自主精准变量风送喷雾机器人结构，其特征在于，所述水箱(7)固定在***支架(2)上，所述水泵(5)用螺栓螺母固定于***支架下层，所述水泵(5)共5个，其中大水泵1个小水泵4个，大水泵用于给四个小水泵供水，小水泵用于控制各自相连的两个在同一涵道内的喷嘴(63)的流量大小；所述喷嘴(63)通过管夹固定以涵道(62)内的空心杆上；所述喷嘴(63)共8个，4个涵道(62)内各2个，风机(61)为4个，所述涵道(62)左右各放置2个，外部通过贯穿2个涵道的碳管(66)固定与***支架(2)上，在竖直方向上等距排列，每个涵道(62)内固定1个风机(61)，通过控制风机(61)转速实现对风速和风量的控制。

5.根据权利要求1所述的一种履带式自主精准变量风送喷雾机器人结构，其特征在于，所述电池(3)为锂电池，将其固定于***支架(2)下层，为水泵(5)、中央处理器(4)、风机(61)和数据采集模块(8)提供电力。

6.根据权利要求1所述的一种履带式自主精准变量风送喷雾机器人结构，其特征在于，所述数据采集模块(8)由3台导航模块(81)和激光雷达(82)组成；激光雷达(82)分为前激光雷达(821)、上激光雷达(822)和后激光雷达(823)，前激光雷达(821)和上激光雷达(822)通过前固定板固定于***支架(2)前端，后激光雷达(823)通过后固定板固定于***支架(2)后端；

所述前激光雷达(821)水平倒立放置，用于检测机器人前方障碍物；上激光雷达(822)竖直放置，用于扫描机器人两侧植株冠层的体积；后激光雷达(823)水平放置，用于检测机器人后方障碍物。

7.根据权利要求1所述的一种履带式自主精准变量风送喷雾机器人结构，其特征在于，所述中央处理器(4)，固定于***支架(2)下层；所述中央处理器(4)为英伟达8-corecarmelarmv8.264-bitcpu,处理器，通过驱动模块和风机(61)、水泵(5)电连接。

8.根据权利要求1所述的一种履带式自主精准变量风送喷雾机器人结构的路径规划方法，其特征在于，步骤如下：

步骤1，利用导航模块(81)获取喷雾机器人的经度纬度和高度的位置信息和机器人姿态信息，根据利用纯跟踪算法对根据果园实际情况规划好的路径进行纯跟踪算法进行跟踪，若g为路径上的一个路径点，l_d表示的是中心点C点到g点的距离，即前视距离；车轮距为l，转弯半径为R，履带车瞬时线速度为V_c，左轮瞬时线速度V_l，右轮瞬时线速度V_r，瞬时角速度为ω_c，α表示的是目前车身姿态和目标点g之间的夹角；

步骤2，由正弦公式可得：

步骤3，根据曲率公式，可将曲率表示为：

步骤4，又根据履带车运动模型可得转弯半径R：

两式结合得：

步骤5，通过控制V_c和ω_c来控制履带车的运动轨迹，k为系数，将前视距离表示为与车辆纵向速度的线性函数，即

l_d＝kV_c

步骤6，通过使用最大，最小前视距离来约束前视距离，越大的前视距离意味着轨迹的追踪越平滑，小的前视距离会使得追踪更加精确，但同时也会带来震荡；为了更好的确定前视距离，引入PSO算法(粒子群算法)，在此引入变量θ为航向误差，表示车***姿与轨迹之间的夹角，本文采用横向误差e_l与航向误差θ的均方根之和作为粒子群寻优的主要参考，横向误差e_l的评价参数为：

航向误差θ的评价参数为：

由上两式为基础设计适应度函数：

F＝λF₁+(1-λ)F₂

其中N为工作时长，M为采样时刻，λ为权重，所设计的适应度函数，F能够根据横向误差调整横向误差和航向误差的决策权重，具有良好的适应性，在基于PSO算法的纯追踪模型中，当横向误差e_l较大时，前视距离l_d主要通过横向误差e_l进行决策；当横向误差l_d较小时，前视距离l_d主要通过航向误差θ进行决策，故设计权重：

λ＝log_a((e_l+1)/U) (U≥(e_lmax+1)/a)

式中α为权重函数的底数，U为调整参数，e_lmax为最大横向误差。

9.根据权利要求1所述的一种履带式自主精准变量风送喷雾机器人结构的变量喷雾方法，其特征在于，步骤如下：

步骤A，利用激光雷达对植株冠层进行扫描，通过处理冠层数据进行变量喷雾控制，进行靶标植株体积检测方法为：

上激光雷达(822)向上扫描，将采集到的点云数据进行聚类处理，拟合植株树干，根据激光雷达返回的距离数据处理得到植株树干到激光雷达的距离l，其中激光雷达的角度分辨率为0.225°，相邻两个点云数据间存在如下数据关系：

其中β_i和β_i+1为相邻点云对应的角度，l_i和l_i+1为两相邻点云所采集到的距离值，d_i和d_i+1为树冠外侧与树干间的距离，h为两相邻点云在竖直方向上的距离；

步骤B，计算两相邻点云间与树干间覆盖的近似于梯形的面积：

又根据二维激光雷达的扫描频率为25Hz，则可计算相邻两点云间植株冠层的体积V_i′：

其中Δt为扫描一帧所需的时间，W为一帧激光雷达扫描的宽度，v为机器人前进的速度；

步骤C，根据植株冠层的体积控制变量喷雾***(6)中的流量和风量大小，同时考虑到上激光雷达(822)与喷头之间有距离，因此需要控制变量喷雾***(6)对处理得到的喷雾控制信息进行延时喷雾，可得延时时间t：

其中上激光雷达(822)与喷嘴(63)在机器人前进方向上的距离为x，机器人前进的速度为v。

Images