基于激光雷达检测实现机器人垄行识别引导的方法及系统与流程

本发明涉及基于激光雷达检测实现机器人垄行识别引导的方法及系统。
背景技术：
：传统的且较为经典的路径识别方式是采用机器视觉，机器视觉对于障碍物的识别是基于特征识别方法。但是，非结构化道路环境比较复杂，没有特定的识别标志，无法提供障碍物准确的距离信息。因此，机器视觉对非结构化道路中障碍物的检测与路径的识别变得无能为力。技术实现要素：本发明的目的就是为了解决上述问题，提供一种基于激光雷达检测实现机器人垄行识别引导的方法及系统，它利用激光雷达采集垄行环境信息，经解码、滤波、坐标变换、边界拟合、导航中心线提取等过程，实现垄行区域的局部路径规划。并以求取的轨迹偏差及航向偏差作为控制器的输入量，以理论速度及理论航向角作为输出量，进而控制执行机构。为了实现上述目的，本发明采用如下技术方案：基于激光雷达检测实现机器人垄行识别引导的方法，包括如下步骤：步骤(1)：植保机器人搭载的激光雷达采集垄行左右两侧距植保机器人的距离及极角；步骤(2)：滤波处理：设定临界值，采用极值滤波法去除采集到的距离中的干扰信息；步骤(3)：坐标变换；建立经过滤波处理后的距离与机器人位置的几何坐标关系，进行坐标变换，将极坐标转化为直角坐标；步骤(4)：经坐标变换后，将数据分为两类：将垄行左右两侧的距离进行分为两类，一侧为一类；步骤(5)：两侧边界拟合：利用分类数据分别对垄行左右两侧边界包络线进行直线拟合，得到垄行两侧边界直线方程；步骤(6)：两侧边界线的中心线拟合：据获取的垄行两侧边界直线方程拟合垄行中心线的直线方程；步骤(7)：以垄行中心线作为导航线，计算机器人的航向偏差和轨迹偏差；通过航向偏差和轨迹偏差实现对机器人垄行识别的引导。基于激光雷达检测实现机器人垄行识别引导的方法，还包括：步骤(8)：以求取的航向偏差及轨迹偏差作为机器人的PID控制器的输入量，PID控制器处理后输出理论行驶速度Vd及理论偏转角γd；PID控制器依据理论行驶速度Vd及理论偏转角γd对机器人进行控制；同时，植保机器人将速度传感器获得的实际速度V及转角传感器获得的实际转角θ，输入至PID控制器，实现机器人速度及偏转角的反馈，重复步骤(1)-步骤(8)直至完成机器人垄行识别引导。所述步骤(1)与步骤(2)之间还包括：步骤(10)：字符编码和解码：为提高信息的传输速率，对采集到的距离进行编码处理；所述步骤(10)的步骤为：在激光雷达内部，采集到的每一个距离，都是用18位的二进制表示，将每6位做为一组，分别加上30H，然后统一发送；激光雷达为获得实际的距离，对接收数据进行解码，分别减去30H，然后每三组组合成一个距离值。所述步骤(2)的临界值是指：垄行的行间距L与机器人宽度D的差值的绝对值。所述步骤(2)的干扰信息是指：大于临界值的距离以及小于垄行间距1/3的距离。所述步骤(3)将极坐标转化为直角坐标的转换过程如公式(1)所示：x=ρcosαy=ρsinα---(1)]]>其中，α为激光雷达检测的角度范围；ρ为极坐标系下激光雷达采集到的距离值；x为经过坐标变换后获得的直角坐标系下的横坐标值；y为经过坐标变换后获得的直角坐标系下的纵坐标值。所述步骤(5)的直线拟合的公式为：y1=k1*x1+b1y2=k2*x2+b2---(2)]]>k1为一侧垄行拟合后的直线的斜率；b1为一侧垄行拟合后的直线的截距；x1为一侧垄行拟合后的直线上的点的横坐标，y1为一侧垄行拟合后的直线上的点的纵坐标；k2为另一侧垄行拟合后的直线的斜率；b2为另一侧垄行拟合后的直线的截距；x2为另一侧垄行拟合后的直线上的点的横坐标，y2为另一侧垄行拟合后的直线上的点的纵坐标。所述步骤(6)的步骤为：步骤(61)先求取垄行中心线的斜率k3：k3＝(k1+k2)/2；(3)步骤(62)边界线的平行度判断：若两条边界直线平行，则b3＝(b1+b2)/2；(4)b3为求取的垄行中心线的截距；若两条边界直线不平行，则求取两条直线的交点坐标(x3,y3)：b3＝y3-x3*k3；(5)k3为垄行中心线的斜率；b3为求取的垄行中心线的截距；(x3,y3)为拟合的两条边界线的交点坐标值；综上，垄行中心线的直线方程为：y'＝k3*x'+b3；(6)；其中，x'为垄行中心线的点的横坐标，y'为为垄行中心线的点的纵坐标。所述步骤(7)计算航向偏差的公式为：Δψ＝arctank3(7)所述步骤(7)计算轨迹偏差的公式为：Δd=|b3|/(k3)2+1---(8)]]>输出航向偏差Δψ及轨迹偏差的值Δd。基于激光雷达检测实现机器人垄行识别引导的系统，包括：数据采集单元：植保机器人搭载的激光雷达采集垄行左右两侧距植保机器人的距离及极角；滤波处理单元：设定临界值，采用极值滤波法去除采集到的距离中的干扰信息；坐标变换单元：建立经过滤波处理后的距离与机器人位置的几何坐标关系，进行坐标变换，将极坐标转化为直角坐标；数据分类单元：经坐标变换后，将数据分为两类：将垄行左右两侧的距离进行分为两类，一侧为一类；边界拟合单元：两侧边界拟合：利用分类数据分别对垄行左右两侧边界包络线进行直线拟合，得到垄行两侧边界直线方程；中心线拟合单元：两侧边界线的中心线拟合：据获取的垄行两侧边界直线方程拟合垄行中心线的直线方程；偏差计算单元：以垄行中心线作为导航线，计算机器人的航向偏差和轨迹偏差；通过航向偏差和轨迹偏差实现对机器人垄行识别的引导。基于激光雷达检测实现机器人垄行识别引导的方法，还包括：控制单元：以求取的航向偏差及轨迹偏差作为机器人的PID控制器的输入量，PID控制器处理后输出理论行驶速度Vd及理论偏转角γd；PID控制器依据理论行驶速度Vd及理论偏转角γd对机器人进行控制；同时，植保机器人将速度传感器获得的实际速度V及转角传感器获得的实际转角θ，输入至PID控制器，实现机器人速度及偏转角的反馈，直至完成机器人垄行识别引导。所述数据采集单元与滤波处理单元之间还包括：字符编码和解码单元：为提高信息的传输速率，对采集到的距离进行编码处理。本发明的有益效果：1、路径识别方法较为简单、高效；2、提高了路径导航的精度；3、提高了环境适应能力，全天候适应性强；4、激光雷达是靠旋转的反光镜将激光发射出去并通过测量发射光和从物体表面反射光之间的时间差来测距。激光雷达可同时获取极角与极距两个量，并且测量的角度范围比较大，测量时间满足运动的实时性要求。由于激光雷达拥有全天候适应性强，灵敏度及分辨率高，信息量丰富等特点。附图说明图1是激光雷达采集垄行环境信息示意图；图2是激光雷达数据采集及处理流程图；图3是提取垄行边界线及中心线的包络线示意图；图4是垄行中心线与运动控制关系示意图；图5机器人硬件连接图。具体实施方式下面结合附图与实施例对本发明作进一步说明。激光雷达测距作为环境感知的先决条件，其每隔一定的角度检测一个距离值，并且采集的环境信息以极坐标的方式表示。采集的垄行环境信息在直角坐标系中表示如图1所示。借助于激光雷达传感器进行局部路径规划，基于激光雷达数据采集及处理流程图如图2所示。本发明采用激光雷达采集周围环境信息。连接好硬件、上电启动之后，激光雷达首先完成初始化过程，然后控制器向激光雷达周期性发出指令，获取激光雷达采集的数据；为提高数据的传输效率，通常会设定传输协议，因此在控制器接收到数据后，需要完成数据的解码。在完成数据采集及解析的基础之上，由于受到外界恶劣环境的影响，会出现很多的噪声点。这些点并不属于有用的障碍物信息点，需对采集的信号进行滤波处理。筛选有效的数据信息，去除干扰信息。采用极值滤波的方法去除其他垄行对本垄行数据采集的干扰。以垄行的行距L与机器人宽度D的差值作为滤波的临界值。滤波后，为建立垄行采集数据与机器人的几何坐标关系，首先需进行坐标变换，将极坐标转化为直角坐标(α为激光雷达检测的角度范围)。转换过程如公式(1)所示：x=ρcosαy=ρsinα---(1)]]>经坐标变换后，将此数据分为两类，如将-30度到60度的距离值作为垄行的一侧，将120度到210度作为垄行的另一侧，分别进行垄行左右两侧边界包络线的直线拟合。并求取直线方程分别为：y1=k1*x1+b1y2=k2*x2+b2---(2)]]>提取垄行两侧边界线之后，据获取的两条直线方程拟合垄行中心线方程：1)先求取垄行中心线的斜率：k3＝(k1+k2)/2(3)2)边界线的平行度判断：若拟合的两条边界直线平行，则b3＝(b1+b2)/2(4)；若两条边界直线不平行，可求取两条直线的交点坐标，设为(x3,y3)。因垄行中心线必经过两条直线的交点，所以可求得：b3＝y3-x3*k3(5)；综上，求得垄行中心线的直线方程为：y'＝k3*x'+b3(6)。最后，需确定激光雷达相对于垄行中心线的位姿，两者之间的几何坐标关系如图3所示：航向偏差：Δψ＝arctank3(7)横向偏差：Δd=|b3|/(k3)2+1---(8)]]>输出航向偏差Δψ及横向偏差的值Δd。如图3和4所示，获取Δψ及Δd的值后，将其作为基于运动模型的PID控制器的输入量，经控制器处理后输出理论行驶速度Vd及理论偏转角γd的控制信号，并对机器人进行运动控制。同时采集机器人的实际速度V及实际转角α，将这些采集的数据输入至STM32单片机，经PID控制器处理后，实现机器人速度及偏转角的反馈控制。如图5所示，机器人与激光雷达、转角传感器、速度传感器和STM32单片机连接，所述STM32单片机上设有PID控制器。上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。当前第1页1 2 3