一种多目标融合的智能农用机械路径规划方法与流程

本发明涉及农用机械自动化，具体涉及一种多目标融合的智能农用机械路径规划方法。

背景技术：

国外农机业多年的发展经验表明，采用智能化、自动化的作业方式是农业发展的必然趋势，是发展高效节本农业的有效途径。世界农业发达国家在采用了高度自动化的作业机械后不仅提高了工作效率，降低了作业成本，而且还提高了其农产品在国际市场上数量和价格的相对优势。我国农机业要想在国际上立足，就必须缩小我国与农业发达国家在农业机械装备方面的差距，这样国外自动化、智能化程度很高的农机装备才不会完全占领我国市场，也避免我国农机行业陷入困境。近年来，随着我国改革开放政策的不断深入，我国科学技术方面也取得了突飞猛进的发展，为我国实现农业生产自动化、智能化打下了基础。

多目标优化问题一直是科学研究和工程应用中非常重要的研究课题。进化算法具有解决多目标优化问题的优势，因其不存在对优化问题先验知识方面的要求，可以同时搜索到优化问题的多个解，具有处理大问题空间的能力，能够克服传统多目标优化方法存在的弊端。

在中国专利cn201310121591.3(一种考虑目标节点时效性的多目标路径规划方法)中公开了一种考虑搜索机器人目标节点时效性的多目标路径规划装置和方法，通过包含路线规划和路径生成在内的两阶段解耦，使用多目标遗传算法来实现考虑路径消耗和节点时效性两个优化目标的路线规划，从而有助于提高有操作者监督的移动机器人的搜索性能，特别是在路径搜索需要考虑节点时效性问题时可以获得更好的搜索表现。此发明在解决多目标优化问题上提供了一种思路，但应用在智能农用机械路径规划上则还需要考虑完成作业任务的同时保证路径较短且耗油量较少并保证在遇到障碍物时能够迅速避开，本专利的关键点就在于此。

技术实现要素：

为了达到上述目标，克服现有技术的不足，本发明提出一种基于多目标融合的智能农用机械路径规划方法，从而实现农机在未知劳作环境中做出智能决策，实现在完成作业任务的同时保证路径较短且耗油量较少并保证在遇到障碍物时能够迅速避开的目的，能够大大的提高工作效率。

首先需清楚，此处最优路径规划要求满足四个条件：在边界工作环境约束内(即要达到全覆盖)、能动态避障、路径最短以及油耗最低，其中全覆盖、路径最短以及油耗最低均可通过最优路径规划实现，则本申请的解决思路可归结为通过找最优路径与动态避障相融合的方法来进行农机路径规划。

本申请的基于多目标融合的智能农用机械路径规划方法，步骤如下：

a)、通过无人机航拍照片，生成gis地图；

b)、根据作业区块边界特征生成供农机使用的导航地图，结合精确定位技术对导航地图中静态障碍进行定位，生成栅格地图；

c)、在形成的栅格地图上设置起点、目标点；

d)、根据起点、目标点进行路径规划：

d-1、从起点到目标点1为直线路段，采用a*算法与dijkstra算法相结合来进行静态避障从而确定最优直线路径；

d-2、从目标点1到目标点2为转弯路段，采用最优控制理论来确定最佳转弯路径；

d-3、从目标点2到目标点3为直线路段重复步骤d-1，从目标点3到目标点4为转弯路段重复步骤d-2，按此方法依次规划路径直至到达最终目标点，最终生成一个最优路径电子地图；

e)、在按规划路径作业过程中采用深度学习系统识别障碍物，并设置农机与障碍物的安全距离；

若遇到动态障碍物，如果满足安全距离则进行鸣笛示警；

若障碍物未躲避，则采用上述d-1步骤中静态避障方法避开障碍物，解除障碍物后继续按原路径作业。

本发明首先通过对农田环境进行路径规划，其中综合了全覆盖、最短路径与最低油耗包括静态避障，使得规划较为全面，提高了工作效率的同时，也节约了成本。同时，引入了深度学习理论，采用深度学习识别系统对图像进行处理，实时监测作业地块周围环境，若遇到动态障碍物能够及时避开。采用路径规划与动态避障相融合的作业方法，使得农机在农田自主作业的时候，大大的提高了其全局掌控性，整体上能够高效，安全地完成作业。

附图说明

图1是本发明实施例的栅格地图示意图：

图2是本发明a*算法与dijkstra算法相结合的方法流程图：

图3是本发明农业机械的运动模型示意图；

图4是具体避障方法-最短切线法的附图；

图5是基于深度学习系统的动态避障流程图示意图；

图6是本发明基于多目标融合的智能农用机械路径规划方法流程图示意图。

具体实施方式

要实现农用机械的智能化，其一大关键技术就是路径规划与导航，但就目前国内对于农机路径规划方面主要涉及的是单一目标，比如在完成作业任务的同时采用最短路径算法外加避障，这样的情况下就忽略了油耗问题，使得总成本不太理想。而本发明通过将农用机械最短路径规划方法、农用机械避障方法和农用机械最低油耗运动路径规划方法相结合，从而完美解决上述不足，即智能农用机械路径规划上考虑完成作业任务的同时保证路径较短且耗油量较少并保证在遇到障碍物时能够迅速避开的方案。

具体的，本发明应用对象为农用机械，工作地点为农田。结合附图做如下详细说明。

结合图6，本申请的基于多目标融合的智能农用机械路径规划方法，步骤如下：

a)、通过无人机航拍照片，生成gis地图；

b)、根据作业区块边界特征生成供农机使用的导航地图，结合精确定位技术对导航地图中静态障碍进行定位，生成栅格地图如图1；

c)、在形成的栅格地图上设置起点、目标点；

d)、根据起点、目标点进行路径规划：

d-1、从起点到目标点1为直线路段，采用a*算法与dijkstra算法相结合来进行静态避障从而确定最优直线路径；

d-2、从目标点1到目标点2为转弯路段，采用最优控制理论来确定最佳转弯路径；

d-3、从目标点2到目标点3为直线路段重复步骤d-1，从目标点3到目标点4为转弯路段重复步骤d-2，按此方法依次规划路径直至到达最终目标点，最终生成一个最优路径电子地图；

e)、在按规划路径作业过程中采用深度学习系统识别障碍物，并设置农机与障碍物的安全距离；

若遇到动态障碍物，如果满足安全距离则进行鸣笛示警；

若障碍物未躲避，则采用上述d-1步骤中静态避障方法避开障碍物，解除障碍物后继续按原路径作业。

结合图2，步骤d-1中a*算法与dijkstra算法相结合用来确定最优直线路径的方法步骤为：

1)、录入栅格地图信息，记录每个区域的可通或不可通状态。

2)、将栅格地图初始化，即所有区域记录均为未搜索区域，并为农机的本次行程设定起点与目标点。

3)、搜索当前节点周围的八个节点，去除不可通节点和已扩展节点后将其余节点入临时表，并将当前节点入关闭表。

4)、计算临时表中中所存节点f值(从出发点到目标点的估价函数值)并依据估计路径长短排序，选出路径最短的前两个节点(如有重复单次选取)，其余点入开放表。

5)、检测步骤4)中选出的节点是否包含目标点：

若包含，将目标点放入关闭表，其余点放入开放表，继续步骤6)；

若不包含，比较节点f值与最大估计值k的大小。若选出节点f值均大于k,选出节点作为当前节点继续步骤3)；若存在节点f值小于k，将f值小于k的节点作为当前节点继续步骤3)，其余点入开放表。

6)、将已包含目标点和一批较优节点的关闭表单独提取出来，将起点放入最短节点集合，其余点入待算节点集合。

7)、从待算节点集合中选出距离最短的节点n放入最短节点集合并将n从待算节点集合移除。

8)、重新计算待算节点集合各个节点到起始点的距离，因为n已选取，则需要用n来更新各个节点的距离。

9)、重复步骤7)、8)，当待测节点集合为空时，即已选择出一条起点到终点的最短路径。

关于a*与dijkstra算法相结合，可详细参照申请号为201710966489.1的《一种基于dijkstra算法的农用机械最短路径规划的方法》。

最优控制理论(optimalcontroltheory)，是现代控制理论的一个主要分支，着重于研究使控制系统的性能指标实现最优化的基本条件和综合方法。最优控制理论是研究和解决从一切可能的控制方案中寻求最优解的一门学科。本申请用最优控制理论确定最佳转弯路径，其方法步骤为：

结合图3，将农业机械如拖拉机模拟为一个两轮的车辆模型，建立车辆运动方程公式：

x,y为拖拉机后轮中心点的坐标(m)，θ为拖拉机横摆角(rad)，α为拖拉机转向角(rad)，v为拖拉机速度(m/s)，l为拖拉机轴距(m)；

1)、以转向角为控制量u，横摆角为控制量z，后轮坐标x,y的状态方程为

2)、设初始时间t0＝0，终端时间为tf，设初始时刻为t0，则各状态量为x＝0，y＝0，z＝0；终端时刻为tf时，各状态量z＝π，x＝0，y＝d(农业机械机组一次作业的宽幅)；约束条件为|u|≤α,x≥0,小车向左拐；

3)、根据约束条件建立评价函数公式

式中γ1,γ2,h(x(t))为罚函数，其中

当j<10^-3时为最优路径；由于状态函数为非线性函数，所以通过不断改变tf，利用二次变分法求解。

基于深度学习的农机自动避障方法，其中主要为图像信息的收集，深度学习系统对收集到的图像进行识别，然后将得到的结果匹配对应的设定好的输出，如果没有识别依然能通过它强大的在线学习系统做出合适的处理。结合图5，基于深度学习的动态避障方法步骤：

1)、农业机械按设定好的路径作业，并利用携带的摄像机进行摄像；

2)、通过卷积神经网络中的卷积层与池化层组成的卷积组，逐层提取特征，最终通过若干个全连接层完成分类；

3)、将提取到的图像特征与数据库内的图像数据进行比较，筛选出与采集到的图像最匹配的图像数据，由此判断出农机所处的环境信息；

4)、若检测到障碍物，利用农业机械所装的传感器探测与障碍物之间的最短距离；

首先要判断障碍物类型：

如果静态障碍物，则选用改进优化后的a*及dijkstra算法相结合，来实现局部的避障路径规划；

如果是动态障碍物，鸣笛提醒或者减速至驻车等待，若超过一定时间障碍物不做出反应，则按静态障碍物处理。

局部的避障路径规划步骤如下：

(1)发现障碍物时，根据所需精度以及农机的最宽宽度，按特定距离划分限制搜索区域，并在区域内，沿着农机前进方向建立局部栅格地图；

(2)根据传感信息，确定障碍物大小及在局部栅格地图中的位置；

(3)根据农机宽幅，速度，最小转弯半径信息，确定与障碍物最小安全距离，在原农机运动轨迹上，最大障碍接近点，确定为局部避障路径起始点a；以农机原运动轨迹上，最小障碍接近点，确定为局部避障终止点b；

(4)根据栅格划分图形用a*与dijkstra算法相结合，搜索局部规划栅格，确定a点到b点路径；

(5)将最短距离集合的点连接形成最优路径。

(6)见图4,采用具体的避障方法最短切线法对得到的最优路径进行拟合，从而得到更加合理的路径。

5)、解除障碍物后继续按原路径作业。

本发明实现了农机在未知劳作环境中做出智能决策，实现了在完成作业任务的同时保证路径较短且耗油量较少并保证在遇到障碍物时能够迅速避开的目的。