張新昌

(南京鐵道職業(yè)技術(shù)學(xué)院，南京 210031)

0 引言

近年來，我國對于農(nóng)業(yè)領(lǐng)域智能控制的應(yīng)用加大了研發(fā)力度，尤其在農(nóng)業(yè)機器人的應(yīng)用方面。同時，虛擬現(xiàn)實技術(shù)(簡稱VR技術(shù))在國內(nèi)外的機械、設(shè)計、影視、建筑等行業(yè)均得到了迅速的發(fā)展，如利用VR仿真技術(shù)對采摘機器人進行虛擬仿真，利用遠程監(jiān)控方法對割草機器人進行實時監(jiān)控，通過智能核心算法對圖像的識別與機器人準確定位，利用核心工作原理實現(xiàn)VR場景裝配可視化及生產(chǎn)遙控等。圖1為某試驗基地農(nóng)業(yè)機器人作用場景，為了充分發(fā)揮當(dāng)前計算機的虛擬技術(shù)水平，進一步提高農(nóng)業(yè)機器人的應(yīng)用廣泛性與便捷性，在當(dāng)前研究理論的基礎(chǔ)上，將VR技術(shù)與農(nóng)業(yè)機器人操作環(huán)節(jié)進行結(jié)合，展開深層次的探討。

1 機器人概述

農(nóng)業(yè)機器人主要分為施肥機器人、除草機器人、采摘機器人及分揀果實機器人等，旨在提高農(nóng)業(yè)生產(chǎn)收益率，降低人工勞動率。其通過氣動機構(gòu)與電機旋轉(zhuǎn)機構(gòu)、CCD攝像頭等設(shè)備實現(xiàn)在保證蘑菇完好性的狀態(tài)下完成采摘作業(yè)；在自然場景下通過R-G色差定位及約束算法實現(xiàn)蘋果目標匹配，通過測試所需作業(yè)空間，配備壓力傳感器、光電傳感器等實現(xiàn)蘋果高效率采摘。這其中大多數(shù)采用了以圖像信息處理為基礎(chǔ)的模式識別技術(shù)和以適合運動控制的智能算法為精準動作技術(shù)，關(guān)鍵核心技術(shù)集中在識別、定位、感應(yīng)與控制方向。圖2為VR技術(shù)在農(nóng)業(yè)機器人的核心應(yīng)用構(gòu)成，可表述為：通過用戶對農(nóng)業(yè)機器人進行3D場景建模，建立與現(xiàn)實世界一致度為90%以上的虛擬作業(yè)環(huán)境，進而在中心控制模塊、傳感器模塊的作用下進行檢測與反饋動作，做出實時調(diào)整與同步控制。

圖1 農(nóng)業(yè)機器人作業(yè)場景外觀圖Fig.1 Appearance diagram of the operation scene of the agricultural robot

圖2 VR技術(shù)在農(nóng)業(yè)機器人上的核心應(yīng)用構(gòu)成Fig.2 Core application composition of VR technology in agricultural robots

為實現(xiàn)VR技術(shù)與農(nóng)業(yè)機器人操作可靠銜接，設(shè)定基于VR技術(shù)的農(nóng)業(yè)機器人操作控制流程(見圖3)，將這一應(yīng)用過程依據(jù)實際工作需求劃分為任務(wù)層、狀態(tài)層與綜合控制層3個層次。任務(wù)層主要從VR視覺與定位、農(nóng)業(yè)機器人靠近作物、進行作業(yè)操作和返回至指定位置4個動作環(huán)節(jié)展開，狀態(tài)層針對運動軌跡的生成與調(diào)節(jié)、算法與反應(yīng)等操作起到良好銜接的效果，綜合控制體現(xiàn)了VR特征與操作決策、數(shù)據(jù)處理與行為控制等指令。

2 作業(yè)設(shè)計

2.1 數(shù)學(xué)模型建立

選定農(nóng)業(yè)機器人運動的位姿，結(jié)合VR作業(yè)場景的特征，在農(nóng)業(yè)機器人執(zhí)行動作坐標系(見圖4)下，設(shè)(X,Y,P)為農(nóng)業(yè)機器人運動坐標系，(x0,y0,o)為虛擬場景全局坐標系，對其操作執(zhí)行核心環(huán)節(jié)建立運動模型。

圖3 基于VR技術(shù)的農(nóng)業(yè)機器人操作控制流程簡圖Fig.3 Brief diagram of operation control process of the agricultural robot based on the VR technology

圖4 農(nóng)業(yè)機器人執(zhí)行動作坐標系Fig.4 Coordinate system of the operating actions of the agricultural robot

農(nóng)業(yè)機器人運動臂沿直線運動時，有

(1)

農(nóng)業(yè)機器人運動臂有彎度運動時，有

(2)

式中θ—農(nóng)業(yè)機器人運動角度(rad)；

vL—農(nóng)業(yè)機器人運動線速度(m/s)；

vR—農(nóng)業(yè)機器人運動角速度(rad/s)；

l—農(nóng)業(yè)機器人運動輪距離(m)；

t—農(nóng)業(yè)機器人動作時間(s)。

利用圖像變換矩陣理論，得

(3)

(4)

(5)

(6)

式中ai—農(nóng)業(yè)機器人運動臂長度(m)；

di—農(nóng)業(yè)機器人關(guān)節(jié)偏移量(m)；

αi—農(nóng)業(yè)機器人運動臂旋轉(zhuǎn)角度(rad)；

θi—農(nóng)業(yè)機器人關(guān)節(jié)彎曲角度(rad)；

i—農(nóng)業(yè)機器人運動臂編號；

C—余弦三角函數(shù)；

S—正弦三角函數(shù)。

2.2 VR建模設(shè)計

構(gòu)建VR環(huán)境，主要從農(nóng)業(yè)機器人本體和周圍場景兩大部分展開設(shè)計，首先通過三維繪圖軟件SolidWoks實現(xiàn)農(nóng)業(yè)機器人核心部件尺寸的精確測量與配合測定，然后通過3DMAX完成作業(yè)場景的真實渲染。

建立如圖5所示的農(nóng)業(yè)機器人在VR場景下的物理模型，并給出主要關(guān)鍵設(shè)計步驟，通過動作建模與場景設(shè)置實現(xiàn)VR作業(yè)平臺的合理搭建，進行應(yīng)用探討。VR場景農(nóng)業(yè)機器人操作建模設(shè)計如表1所示。

2.3 VR軟件控制

通過采用OpenGL實現(xiàn)硬件設(shè)置與軟件控制的準確銜接，軟件控制程序主要依據(jù)VC++編程理論展開。通過對農(nóng)業(yè)機器人操作控制平臺進行合理劃分，分別形成虛擬場景、控制操作、路徑規(guī)劃、碰撞檢測與智能通訊5個核心控制執(zhí)行程序，主要流程框圖如圖6所示。

圖5 農(nóng)業(yè)機器人在虛擬場景下的物理模型Fig.5 Physical model of the agricultural robot in virtual scene表1 VR場景農(nóng)業(yè)機器人操作建模設(shè)計Table 1 Agricultural robot operation modeling design under the VR scene

序號主要步驟設(shè)計名稱格式匹配主要實現(xiàn)功能1作業(yè)場景設(shè)置3DMAX建模obj.文件實現(xiàn)VR渲染效果2農(nóng)業(yè)機器人建模SolidWoks建模wrl.文件實現(xiàn)機器人尺寸精確度3VR作業(yè)平臺搭建農(nóng)業(yè)采摘操作執(zhí)行EON Studio環(huán)境實現(xiàn)完美融合

圖6 VR技術(shù)下的農(nóng)業(yè)機器人操作軟件控制框圖Fig.6 Operating software control block diagram of the agricultural robot under VR technology

VR技術(shù)路徑的規(guī)劃利用農(nóng)業(yè)機器人運動函數(shù)庫、采集信息分析與傳遞、中心控制綜合決策與智能通訊模塊等功能實現(xiàn)VR技術(shù)路徑的規(guī)劃，此次給出部分程序代碼如下：

Void Rotation::RMiddle(GLfloat array[ ])

{

for(int i = 0; i < MINSIZE; i++)

{

if(array[i]！= RMemberAngle[i])

{

RFreeN[i] = array[i] - RMemberAngle[i];

If(RFreeN[i] >= 0.0f && RFreeN[i] <0.1f‖

RFreeN[i] < 0.0f && RFreeN[i] > -0.1f)

{

RMemberAngle[i] = array[i];

if(if continue == 1)rcontinuous = 1;

}

RMemberAngle[i] += RFreeN[i] 160.0f;

}

}

}

3 應(yīng)用試驗

3.1 場景設(shè)置

進行VR場景下的農(nóng)業(yè)機器人操作試驗，該平臺包括硬件連線與軟件調(diào)控系統(tǒng)。通過一系列的條件變換，獲取VR試驗的目標參數(shù)，鑒于此，設(shè)置基礎(chǔ)條件為：

1)將攝像頭、壓力傳感器、超聲波傳感器、運動控制器及智能接口等調(diào)試好；

2)圖像識別、傳輸信息、動作監(jiān)測等各環(huán)節(jié)的程序編制準確；

3)視頻捕捉與VR操作協(xié)調(diào)完整，整個VR作業(yè)場景連貫性好。

圖7為VR場景下農(nóng)業(yè)機器人操作實現(xiàn)過程。將行為建模與運動軌跡規(guī)劃同步輸入，在核心控制算法和指令動作反應(yīng)算法的信息融合之下，進行機器人的運動避障、移動、采摘、回歸原位等系列具體操作。

3.2 試驗分析

進行試驗，針對農(nóng)業(yè)機器人從移動-定位-抓取-歸位一整套操作流程進行監(jiān)測并記錄數(shù)據(jù)，共6次，如表2所示。由表2可知：基于此操作系統(tǒng)進行的試驗，動作路徑長度控制在200～300cm范圍內(nèi)，其間選取的監(jiān)測關(guān)鍵控制點數(shù)為35～45個范圍內(nèi)，路徑的避障率可達83%以上，農(nóng)業(yè)機器人的動作執(zhí)行效果良好。

圖7 VR場景下農(nóng)業(yè)機器人操作試驗Fig.7 Operation test of the agricultural robot under the VR scene表2 VR場景下農(nóng)業(yè)機器人操作數(shù)據(jù)統(tǒng)計Table 2 Operation data statistics of agricultural robots in VR scene

序號動作路徑長度/cm關(guān)鍵控制點數(shù)/個避障效果動作執(zhí)行效果1234.4636Y成功2282.1343Y成功3221.4934Y成功4278.1742Y成功5263.7840N失敗6253.8639Y成功

試驗過程選取關(guān)鍵參數(shù)進行效果分析，形成如表3所示的農(nóng)業(yè)機器人VR試驗效果表。由表3可知：在X向定位精度和Y向定位精度同時設(shè)定目標值為95%的基礎(chǔ)上，經(jīng)換算處理的VR環(huán)境下指標分別為97.25%和96.75%，滿足設(shè)計要求；選定農(nóng)業(yè)機器人的準確避障率和路徑執(zhí)行準確率均符合96%的設(shè)計要求；經(jīng)換算處理的VR環(huán)境下指標分別為96.95%和97.05%，整體應(yīng)用效果滿足設(shè)計目標，表明對農(nóng)業(yè)機器人操作應(yīng)用VR技術(shù)的做法可行。

表3 農(nóng)業(yè)機器人VR試驗效果Table 3 Test results of the agricultural robot in VR scene %

4 結(jié)論

1)通過將VR技術(shù)與農(nóng)業(yè)機器人作業(yè)原理有效結(jié)合，對機器人操作場景進行模擬，創(chuàng)造一個接近現(xiàn)實的逼真作業(yè)環(huán)境。

2)根據(jù)農(nóng)業(yè)機器人操作機理，建立運動部件的數(shù)學(xué)模型，通過SolidWorks形成三維建模并優(yōu)化處理后導(dǎo)入3DMax進行場景加載與虛化，參數(shù)與核心算法進行后臺控制，實現(xiàn)VR試驗仿真。

3)基于VR技術(shù)的農(nóng)業(yè)機器人操作過程平臺搭建，實現(xiàn)了機器人操作的可視化與準確化，VR試驗下的機器人避障率和路徑執(zhí)行準確率均可達到95%以上。該應(yīng)用研究可為基于VR技術(shù)的其他智能設(shè)備改進提供一定思路。