一种基于全覆盖算法的无人移动平台路径规划方法

1.本发明涉及无人移动平台路径规划技术领域，具体涉及一种基于全覆盖算法的无人移动平台路径规划方法。


背景技术：

2.随着人工智能技术的快速发展，无人车技术逐渐成熟，并应用于一些限定的场景，如环卫、山矿开采、物流等领域，我国作为农业大国，种植面积大，且我国农业的机械化水平低，农民人口减少，负担日益增大，在已经到来的5g时代里，加强农业机械化、自动化、智能化势在必行，因此，将无人车技术应用于我国农业具有很大的前景，将无人车技术应用在农业上是转变我国农业生产模式的开端，农民的双手得到解放，有利于提高农业生产效率。
3.将无人车运用到农田中会降低人工劳动量，但是农田里存在的一些障碍物影响无人车的移动，并且在无人车移动播种的过程中，由于无人车移动的速度以及播种机的播种频率不成正比关系，导致种子在农田中分布极不均匀，进而达不到避开农田中的障碍物时并且寻求出无人车最优路径的使用初衷，该基于全覆盖算法的无人移动平台路径规划方法的适用性变差，因此需要进行结构创新来解决具体问题。


技术实现要素：

4.本发明需要解决的技术问题是提供一种基于全覆盖算法的无人移动平台路径规划方法，其中一种目的是为了具备无人车对农田能够寻求出最优路径，解决无人车不能避开农田中障碍物的问题；其中另一种目的是为了解决播种机的种子分布不均匀问题，以达到种子在农田中能够均匀分布的效果。
5.为解决上述技术问题，本发明所采用的技术方案是：一种基于全覆盖算法的无人移动平台路径规划方法：
6.第一方面，本发明提供一种基于全覆盖算法的无人移动平台，包括农田面积、视觉系统、车载计算机、控制器、自动驾驶系统和播种机，该基于全覆盖算法的无人移动平台包括以下步骤：
7.步骤一：移动，根据车载计算机通过视觉系统对自动驾驶系统发出指令，控制其移动方向，实现自动驾驶；
8.步骤二：播种，在自动驾驶的过程中根据车辆行驶速度，经信号处理后传递给播种控制器，实现自动播种；
9.步骤三：运动轨迹，在无人移动平台在移动的过程中，根据车载传感器获取实时运动轨迹信息，车载计算机对其进行修正，在向控制器传递指令，控制无人移动平台的移动。
10.优选的，该基于全覆盖算法的无人移动平台包括无人移动平台排种速度分析，播种机播种的频率与车行驶的速度是成正比关系，在低速的情况下，通过测量车速传感器输出的脉冲信号的周期，计算得到播种器播种的频率。
11.第二方面，本发明提供一种基于全覆盖算法的无人移动平台路径规划方法，该基
于全覆盖算法的无人移动平台路径规划方法包括全覆盖算法的路径规划和局部区域全覆盖算法设计。
12.优选的，所述全覆盖算法的路径规划包括农田环境建模和移动平台进行全覆盖路径规划算法设计，完成对移动平台全覆盖路径规划。
13.优选的，所述农田环境建模包括以下方法：
14.1)、可视图法，将障碍物用多边形表示，起点、终点以及多边形的各个顶点用直线相连接，前提是这些连接线不与多边形相交；
15.2)、栅格法，将工作环境分割成大小相同的栅格，然后在每个栅格里记录栅格所占空间的信息，最后从起点所在的栅格开始搜索通往终点所在的栅格的路径，栅格之间的连线不能与障碍物所在的栅格有交点；
16.3)、自由空间法，使用多边形表示障碍物，在作顶点到其余障碍物顶点且与障碍物没有交点的连线，以及该顶点到空间边界的垂线，并保留有效的连线，取各个连线的中点，然后连接各个中点，保留与障碍物没有交点的连接线，为备择路径。
17.优选的，所述局部区域全覆盖算法设计包括bcd局部区域全覆盖算法，所述bcd局部区域全覆盖算法包括以下步骤：
18.s1、农田栅格划分，对农田进行区域划分，每个子区域都不包含障碍物，过每个障碍物x轴方向最大坐标点，做垂直于x轴的直线，直线与农田的边界或者障碍物相交，完成将区域分割成若干个子区域；
19.s2、栅格路径规划，使用bcd局部区域覆盖算法对每块子区域进行路径规划，完成子区域内的全覆盖，再将各个子区域相连接，完成整块农田的全覆盖路径规划。
20.优选的，所述bcd局部区域全覆盖算法流程包括以下步骤：
21.a、移动平台加载农田环境模型，设置参数移动平台当前的位置p0、栅格的边长l；
22.b、移动平台获取的所在位置附件栅格区域的信息，并及时更新覆盖后的农田信息；
23.c、若农田栅格为未覆盖或障碍物栅格，则该栅格为不可行区域，根据移动平台所在位置以及附件栅格信息，确定移动平台可以行驶的方向；
24.d、根据bcd算法的优先准则，按优先级最高的方向行，每行驶一个栅格的距离l时，都回到所述b中；
25.e、直到一个区域完成覆盖或未完成覆盖但达到该区域的死点位置。若区域完成覆盖，则判断是否已经完成整块农田的覆盖，若已完成整个农田的覆盖，则算法结束。若未完成局部区域的完全覆盖，但已达局部区域的死点位置，则选择下个区域离死点最近的点为区域入口，进入下一个区域。完成所有局部区域的初次覆盖；
26.f、进行成本计算，算出距离完成初步覆盖时移动平台到各区域未覆盖部分最近的西南角的栅格，该栅格即为二次覆盖的入口，按照bcd运算的优先法则，完成剩余部分的覆盖。
27.由于采用了上述技术方案，本发明相对现有技术来说，取得的技术进步是：
28.1、本发明提供一种基于全覆盖算法的无人移动平台路径规划方法，通过设计精妙，采用车载传感器和视觉系统的配合，在控制无人移动平台移动的同时能够收集前方是否存在障碍物，方便无人移动平台在避开障碍物，并且能够寻找出覆盖农田的最优路径，并
且采用了全区域覆盖算法在避开农田中的障碍物的同时又能覆盖农田的路径最优路径，有利于提高无人移动平台在农田的移动性。
29.2、本发明提供一种基于全覆盖算法的无人移动平台路径规划方法，通过采用步进电机和播种器的组合设置，可以实现根据不同地段的各个要求以及车速的变化来实时改变播种的速度，有利于提高农业播种的精确度的要求，并且步进电机与播种器成正比的关系，使得水稻种子的分布更加均匀。
附图说明
30.图1为本发明的无人移动平台的方案流程图；
31.图2为本发明的无人移动平台结构示意图；
32.图3为本发明的无人移动平台最小转弯半径和播种器长度关系图；
33.图4为本发明的bcd算法流程图；
34.图5为本发明的bcd定义的行驶方向图。
具体实施方式
35.下面结合实施例对本发明做进一步详细说明：一种基于全覆盖算法的无人移动平台路径规划方法：
36.第一方面，本发明提供一种基于全覆盖算法的无人移动平台，包括农田面积、视觉系统、车载计算机、控制器、自动驾驶系统和播种机，该基于全覆盖算法的无人移动平台包括以下步骤：
37.步骤一：移动，根据车载计算机通过视觉系统对自动驾驶系统发出指令，控制其移动方向，实现自动驾驶；
38.步骤二：播种，在自动驾驶的过程中根据车辆行驶速度，经信号处理后传递给播种控制器，实现自动播种；
39.步骤三：运动轨迹，在无人移动平台在移动的过程中，根据车载传感器获取实时运动轨迹信息，车载计算机对其进行修正，在向控制器传递指令，控制无人移动平台的移动。
40.进一步的，该基于全覆盖算法的无人移动平台包括无人移动平台排种速度分析，播种机播种的频率与车行驶的速度是成正比关系，在低速的情况下，通过测量车速传感器输出的脉冲信号的周期，计算得到播种器播种的频率。
41.实施例1
42.如图1
‑
3所示，在无人移动平台实际的工作过程中，由于路况、移动平台的位置、速度、加速度的变化，初步形成的运动轨迹是理想状态下的，难以符合实际运动学要求，因此，需要车载传感器获取实时运动轨迹的信息，车载计算机对其进行修正，再向控制器传递更精准的指令，以满足运动学要求，为了使播下的种子均匀分布，移动平台的车速应选择低速行驶。
43.本发明中无人移动平台排种速度为：v＝3.6πd/tk，其中，v表示无人移动平台前进的速度，d为车轮的直径单位为m，t为所测得的车速传感器的脉冲信号的周期，k为车速传感器中光栅轮孔的个数，车速单位为km/h，调查得到，平均公顷地需要水稻种子为40～60kg，用微分的思想，把农田分为s/lx段，x表示趋于无穷大的数，则每段耗时
44.t＝s/lxv(1)
45.t＝1000q/xqn(2)
46.上式中，s(m2)表示无障碍的播种面积，q(kg)表示需水稻种子的重量，l(m)表示播种机的宽度即每次直行时播种器所覆盖的区域的宽度，l的长度是最小转弯半径的2倍，v(m/s)表示移动平台行驶的瞬时速度，q(g/s)表示播种器播种速度，n表示播种器的数量，联立(1)、(2)得到播种器的排种速度为
47.q＝1000xqlv/nxs＝1000qlv/ns
48.ω＝2πq/m＝2000πlvq/nsm
49.m(g)表示播种器旋转一周所排种的重量，ω表示(rad/s)表示每一瞬间播种器的转速。
50.如表中为无人移动平台行驶速度、播种量和步进电机之间的关系，可知当播种机的行驶速度和步进电机的转速相对较高时，播种量也随之升高，并且播种机行驶速度为3km/h时，步进电机的转速越高播种量也有一定的提升，总的来说，播种机播种的频率与步进电机的转速成正比关系。
[0051][0052]
第二方面，本发明提供一种基于全覆盖算法的无人移动平台路径规划方法，该基于全覆盖算法的无人移动平台路径规划方法包括全覆盖算法的路径规划和局部区域全覆盖算法设计。
[0053]
进一步的，全覆盖算法的路径规划包括农田环境建模和移动平台进行全覆盖路径规划算法设计，完成对移动平台全覆盖路径规划。
[0054]
进一步的，农田环境建模包括以下方法：
[0055]
1)、可视图法，将障碍物用多边形表示，起点、终点以及多边形的各个顶点用直线相连接，前提是这些连接线不与多边形相交；
[0056]
2)、栅格法，将工作环境分割成大小相同的栅格，然后在每个栅格里记录栅格所占空间的信息，最后从起点所在的栅格开始搜索通往终点所在的栅格的路径，栅格之间的连线不能与障碍物所在的栅格有交点；
[0057]
3)、自由空间法，使用多边形表示障碍物，在作顶点到其余障碍物顶点且与障碍物没有交点的连线，以及该顶点到空间边界的垂线，并保留有效的连线，取各个连线的中点，然后连接各个中点，保留与障碍物没有交点的连接线，为备择路径。
[0058]
进一步的，局部区域全覆盖算法设计包括bcd局部区域全覆盖算法，所述bcd局部区域全覆盖算法包括以下步骤：
[0059]
s1、农田栅格划分，对农田进行区域划分，每个子区域都不包含障碍物，过每个障碍物x轴方向最大坐标点，做垂直于x轴的直线，直线与农田的边界或者障碍物相交，完成将区域分割成若干个子区域；
[0060]
s2、栅格路径规划，使用bcd局部区域覆盖算法对每块子区域进行路径规划，完成子区域内的全覆盖，再将各个子区域相连接，完成整块农田的全覆盖路径规划。
[0061]
进一步的，bcd局部区域全覆盖算法流程包括以下步骤：
[0062]
a、移动平台加载农田环境模型，设置参数移动平台当前的位置p0、栅格的边长l；
[0063]
b、移动平台获取的所在位置附件栅格区域的信息，并及时更新覆盖后的农田信息；
[0064]
c、若农田栅格为未覆盖或障碍物栅格，则该栅格为不可行区域，根据移动平台所在位置以及附件栅格信息，确定移动平台可以行驶的方向；
[0065]
d、根据bcd算法的优先准则，按优先级最高的方向行，每行驶一个栅格的距离l时，都回到所述b中；
[0066]
e、直到一个区域完成覆盖或未完成覆盖但达到该区域的死点位置。若区域完成覆盖，则判断是否已经完成整块农田的覆盖，若已完成整个农田的覆盖，则算法结束。若未完成局部区域的完全覆盖，但已达局部区域的死点位置，则选择下个区域离死点最近的点为区域入口，进入下一个区域。完成所有局部区域的初次覆盖；
[0067]
f、进行成本计算，算出距离完成初步覆盖时移动平台到各区域未覆盖部分最近的西南角的栅格，该栅格即为二次覆盖的入口，按照bcd运算的优先法则，完成剩余部分的覆盖。
[0068]
实施例2
[0069]
本发明中的可视图法操作方便，其原理是把障碍物用多边形表示，起点、终点以及多边形的各个顶点用直线相连接，前提是这些连接线不与多边形相交，优点是原理简单，它的缺点就是一旦图中表示障碍物的多边形数量增多，其连线也会增多，因此路径规划也会变得更加复杂，于静态环境时候效率较高，但障碍物是移动的，多边形的顶点位置也会发生变化，进而连线发生变化，此时路径规划的效率就会降低很多。
[0070]
本发明中的栅格法是目前应用最为广泛的一种环境建模方法，其应用较其他方法也更为成熟，他的工作原理就是将工作环境分割成大小相同的栅格，然后在每个栅格里记录栅格所占空间的信息，最后从起点所在的栅格开始搜索通往终点所在的栅格的路径，栅
格之间的连线不能与障碍物所在的栅格有交点，栅格法的优点是便于路径规划的设计，其路径搜索的速率和精准度与所取的栅格的大小有关，栅格越小，路径搜索越精准，但栅格数目增多，在搜索路径时，速率会降低，反之，栅格越大，搜索的速率提高了，但是搜索的路径却不是最优路径，其缺点是适合搜索大范围的空间，因此，使用栅格法时，确定合适的栅格大小尤为重要。
[0071]
本发明中自由空间法的原理简单，因此得到广泛应用，缺点是一旦障碍物增多，计算量将会陡增，难度加大，效率降低。
[0072]
实施例3
[0073]
如图4
‑
5所示，本发明中使用bcd局部区域覆盖算法对每块子区域进行路径规划，完成子区域内的全覆盖，再将各个子区域相连接，完成整块农田的全覆盖路径规划，bcd局部区域覆盖的原理很简单，方便在农田里实现，它的原理和牛在农田里耕地很相似，优先south和north方向直行，当遇到障碍物时候，改变行驶方向，沿west和east方向行驶设定的距离，再在优先的方向上行驶至障碍物，这样循环，直至车辆行驶至死点位置，则完成本次局部区域的全覆盖。
[0074]
上文一般性的对本发明做了详尽的描述，但在本发明基础上，可以对之做一些修改或改进，这对于技术领域的一般技术人员是显而易见的。因此，在不脱离本发明思想精神的修改或改进，均在本发明的保护范围之内。