[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN107703945A - 一种多目标融合的智能农用机械路径规划方法 - Google Patents

一种多目标融合的智能农用机械路径规划方法 Download PDF

Info

Publication number
CN107703945A
CN107703945A CN201711036801.3A CN201711036801A CN107703945A CN 107703945 A CN107703945 A CN 107703945A CN 201711036801 A CN201711036801 A CN 201711036801A CN 107703945 A CN107703945 A CN 107703945A
Authority
CN
China
Prior art keywords
path
obstacle
node
point
target point
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201711036801.3A
Other languages
English (en)
Inventor
万忠政
任金梅
黄健
王梦洁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Luoyang Kelon Creative Technology Ltd
Original Assignee
Luoyang Kelon Creative Technology Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Luoyang Kelon Creative Technology Ltd filed Critical Luoyang Kelon Creative Technology Ltd
Priority to CN201711036801.3A priority Critical patent/CN107703945A/zh
Publication of CN107703945A publication Critical patent/CN107703945A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Electromagnetism (AREA)
  • Guiding Agricultural Machines (AREA)

Abstract

本发明的基于多目标融合的智能农用机械路径规划方法，涉及农用机械自动化，实施为：a)、通过照片生成gis地图；b)、生成导航地图，同时对静态障碍进行定位，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、目标点进行直线及转弯路段的路径规划：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，满足安全距离则进行鸣笛示警；若障碍物未躲避，则采用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。实现了农机在未知劳作环境中做出智能决策，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，大大的提高工作效率。

Description

一种多目标融合的智能农用机械路径规划方法
技术领域
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。
发明内容
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(optimal control theory)，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。

Claims (5)

1.一种基于多目标融合的智能农用机械路径规划方法，其特征是：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。
2.根据权利要求1所述的基于多目标融合的智能农用机械路径规划方法，其特征是：
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。
3.根据权利要求1所述的基于多目标融合的智能农用机械路径规划方法，其特征是：步骤d-2中用最优控制理论确定最佳转弯路径，其方法步骤为：
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：
<mrow> <mfrac> <mrow> <mi>d</mi> <mi>&amp;theta;</mi> </mrow> <mrow> <mi>d</mi> <mi>t</mi> </mrow> </mfrac> <mo>=</mo> <mfrac> <mi>v</mi> <mi>l</mi> </mfrac> <mi>t</mi> <mi>a</mi> <mi>n</mi> <mi>&amp;alpha;</mi> </mrow>
<mrow> <mfrac> <mrow> <mi>d</mi> <mi>x</mi> </mrow> <mrow> <mi>d</mi> <mi>t</mi> </mrow> </mfrac> <mo>=</mo> <mi>v</mi> <mi>c</mi> <mi>o</mi> <mi>s</mi> <mi>&amp;theta;</mi> </mrow>
<mrow> <mfrac> <mrow> <mi>d</mi> <mi>y</mi> </mrow> <mrow> <mi>d</mi> <mi>t</mi> </mrow> </mfrac> <mo>=</mo> <mi>v</mi> <mi>sin</mi> <mi>&amp;theta;</mi> </mrow>
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
<mrow> <mfrac> <mrow> <mi>d</mi> <mi>z</mi> </mrow> <mrow> <mi>d</mi> <mi>t</mi> </mrow> </mfrac> <mo>=</mo> <mfrac> <mi>v</mi> <mi>l</mi> </mfrac> <mi>tan</mi> <mi>u</mi> </mrow>
<mrow> <mfrac> <mrow> <mi>d</mi> <mi>x</mi> </mrow> <mrow> <mi>d</mi> <mi>t</mi> </mrow> </mfrac> <mo>=</mo> <mi>v</mi> <mi>cos</mi> <mi>Z</mi> </mrow>
<mrow> <mfrac> <mrow> <mi>d</mi> <mi>y</mi> </mrow> <mrow> <mi>d</mi> <mi>t</mi> </mrow> </mfrac> <mo>=</mo> <mi>v</mi> <mi>sin</mi> <mi>Z</mi> </mrow>
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
<mrow> <mi>J</mi> <mo>=</mo> <mo>&amp;lsqb;</mo> <msup> <mrow> <mo>(</mo> <mi>z</mi> <mo>(</mo> <msub> <mi>t</mi> <mi>f</mi> </msub> <mo>)</mo> <mo>-</mo> <mi>&amp;pi;</mi> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>+</mo> <msup> <mrow> <mo>(</mo> <mi>x</mi> <mo>(</mo> <msub> <mi>t</mi> <mi>f</mi> </msub> <mo>)</mo> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>+</mo> <msup> <mrow> <mo>(</mo> <mi>y</mi> <mo>(</mo> <msub> <mi>t</mi> <mi>f</mi> </msub> <mo>)</mo> <mo>-</mo> <mi>d</mi> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>&amp;rsqb;</mo> <mo>+</mo> <munderover> <mo>&amp;Integral;</mo> <msub> <mi>t</mi> <mn>0</mn> </msub> <msub> <mi>t</mi> <mi>f</mi> </msub> </munderover> <mo>&amp;lsqb;</mo> <mfrac> <msub> <mi>&amp;gamma;</mi> <mn>1</mn> </msub> <mrow> <msubsup> <mi>&amp;alpha;</mi> <mi>m</mi> <mn>2</mn> </msubsup> <mo>-</mo> <msup> <mi>u</mi> <mn>2</mn> </msup> </mrow> </mfrac> <mo>+</mo> <msub> <mi>&amp;gamma;</mi> <mn>2</mn> </msub> <mi>H</mi> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mn>2</mn> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> <mi>d</mi> <mi>t</mi> </mrow>
式中γ1,γ2,H(x(t))为罚函数，其中
<mrow> <mi>H</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mo>-</mo> <mi>x</mi> <msup> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mn>3</mn> </msup> <mo>,</mo> <mi>x</mi> <mo>&lt;</mo> <mn>0</mn> </mtd> </mtr> <mtr> <mtd> <mn>0</mn> <mo>,</mo> <mi>x</mi> <mo>&amp;GreaterEqual;</mo> <mn>0</mn> </mtd> </mtr> </mtable> </mfenced> </mrow>
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。
4.根据权利要求1所述的基于多目标融合的智能农用机械路径规划方法，其特征是：步骤e)中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；
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；
5)、解除障碍物后继续按原路径作业。
5.根据权利要求4所述的基于多目标融合的智能农用机械路径规划方法，其特征是：
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)采用最短切线法避障方法对得到的最优路径进行拟合，从而得到更加合理的路径。
CN201711036801.3A 2017-10-30 2017-10-30 一种多目标融合的智能农用机械路径规划方法 Pending CN107703945A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711036801.3A CN107703945A (zh) 2017-10-30 2017-10-30 一种多目标融合的智能农用机械路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711036801.3A CN107703945A (zh) 2017-10-30 2017-10-30 一种多目标融合的智能农用机械路径规划方法

Publications (1)

Publication Number Publication Date
CN107703945A true CN107703945A (zh) 2018-02-16

Family

ID=61177102

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711036801.3A Pending CN107703945A (zh) 2017-10-30 2017-10-30 一种多目标融合的智能农用机械路径规划方法

Country Status (1)

Country Link
CN (1) CN107703945A (zh)

Cited By (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109099925A (zh) * 2018-08-31 2018-12-28 江苏大学 一种无人农机导航路径规划与作业质量评估方法与装置
CN109164808A (zh) * 2018-09-07 2019-01-08 农业部南京农业机械化研究所 一种智能农机自动对行装置
CN109471432A (zh) * 2018-11-08 2019-03-15 南京农业大学 一种自主导航农用车最短避障路径规划方法
CN109557928A (zh) * 2019-01-17 2019-04-02 湖北亿咖通科技有限公司 基于矢量地图和栅格地图的自动驾驶车辆路径规划方法
CN109717175A (zh) * 2019-03-06 2019-05-07 山东交通学院 果园智能自行走式喷雾系统及其控制方法
CN109885060A (zh) * 2019-01-18 2019-06-14 丰疆智能科技研究院(常州)有限公司 路径管理系统及其管理方法
CN110058563A (zh) * 2019-01-18 2019-07-26 丰疆智能科技研究院(常州)有限公司 作业监控系统及其监控方法
CN110209156A (zh) * 2019-04-09 2019-09-06 丰疆智能科技股份有限公司 自动收割机的行驶路径规划系统及其方法
CN110262518A (zh) * 2019-07-22 2019-09-20 上海交通大学 基于轨迹拓扑地图和避障的车辆导航方法、系统及介质
CN110794832A (zh) * 2019-10-21 2020-02-14 同济大学 一种基于强化学习的移动机器人路径规划方法
CN110825091A (zh) * 2019-11-29 2020-02-21 洛阳中科龙网创新科技有限公司 一种基于无人机的智能拖拉机智能选路方法及装置
CN110908387A (zh) * 2019-12-13 2020-03-24 齐鲁工业大学 一种动态环境水面无人艇路径规划方法、介质及电子设备
CN111462323A (zh) * 2020-05-06 2020-07-28 中国人民解放军国防科技大学 一种面向三维空间的动态欺骗路径规划方法及系统
CN111459169A (zh) * 2020-04-27 2020-07-28 四川智动木牛智能科技有限公司 基于轮式机器人的综合管廊巡检方法
CN112015176A (zh) * 2020-08-14 2020-12-01 合肥工业大学 一种无人驾驶拖拉机田间作业路径规划方法和装置
CN112230649A (zh) * 2019-06-28 2021-01-15 丰田自动车株式会社 机器学习方法及移动机器人
CN112525195A (zh) * 2020-11-20 2021-03-19 中国人民解放军国防科技大学 基于多目标遗传算法的飞行器航迹快速规划方法
CN113406960A (zh) * 2021-07-08 2021-09-17 浙江大学 一种农用无人车辆地头转向的实时路径规划与控制方法
CN113670306A (zh) * 2020-05-15 2021-11-19 广州汽车集团股份有限公司 一种基于深度强化学习的无人车的导航方法
CN113701780A (zh) * 2021-09-14 2021-11-26 成都信息工程大学 基于a星算法的实时避障规划方法
CN113821027A (zh) * 2021-08-27 2021-12-21 中国人民解放军军事科学院战争研究院 一种基于优先级的非完整自主体甲板协同调运路径规划方法
CN114326717A (zh) * 2021-12-13 2022-04-12 中国科学院计算技术研究所 一种智能农机转场与作业的融合路径规划方法及系统
CN114839976A (zh) * 2022-04-15 2022-08-02 华南农业大学 一种复杂边界农田的路径规划方法及农田机器操作系统
CN115268462A (zh) * 2022-08-23 2022-11-01 上海炙云新能源科技有限公司 一种智能农机轨迹规划生成方法
CN115509228A (zh) * 2022-09-27 2022-12-23 五邑大学 基于目标检测的农机避障方法、装置、农机、存储介质
CN116225031A (zh) * 2023-05-09 2023-06-06 南京泛美利机器人科技有限公司 一种面向人机协作场景的三体协同智能避障方法和系统
CN116360465A (zh) * 2023-05-31 2023-06-30 陕西耕辰科技有限公司 一种智慧农机卸粮控制方法、系统、存储介质和智慧农机
WO2023123117A1 (zh) * 2021-12-29 2023-07-06 广东美的白色家电技术创新中心有限公司 一种割草机器人避障方法和割草机器人
CN116400740A (zh) * 2023-06-06 2023-07-07 成都时代星光科技有限公司 全盲区环境下智能无人机趋向处理方法、系统和介质
CN118968426A (zh) * 2024-10-18 2024-11-15 青岛西海岸城市建设集团有限公司 一种应用于道路施工的数字化处理系统及方法
CN119022948A (zh) * 2024-08-15 2024-11-26 扬州大学 一种智能地块管理的农机作业规划方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101866181A (zh) * 2009-04-16 2010-10-20 中国农业大学 农用机械的导航方法、导航装置和农用机械
CN102167038A (zh) * 2010-12-03 2011-08-31 北京农业信息技术研究中心 农田地块全区域覆盖最优作业路径生成方法及装置
CN102749084A (zh) * 2012-07-10 2012-10-24 南京邮电大学 一种面向海量交通信息的路径选择方法
CN104850011A (zh) * 2015-05-22 2015-08-19 上海电力学院 一种障碍物环境中tsp避障最优路径规划方法
CN105182979A (zh) * 2015-09-23 2015-12-23 上海物景智能科技有限公司 一种移动机器人障碍物检测及避让方法和系统
CN106292704A (zh) * 2016-09-07 2017-01-04 四川天辰智创科技有限公司 规避障碍物的方法及装置
CN106681335A (zh) * 2017-01-22 2017-05-17 无锡卡尔曼导航技术有限公司 用于农机无人驾驶的避障路径规划及其控制方法
CN106909148A (zh) * 2017-03-10 2017-06-30 南京沃杨机械科技有限公司 基于农田环境感知的农机无人驾驶导航方法
CN106970615A (zh) * 2017-03-21 2017-07-21 西北工业大学 一种深度强化学习的实时在线路径规划方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101866181A (zh) * 2009-04-16 2010-10-20 中国农业大学 农用机械的导航方法、导航装置和农用机械
CN102167038A (zh) * 2010-12-03 2011-08-31 北京农业信息技术研究中心 农田地块全区域覆盖最优作业路径生成方法及装置
CN102749084A (zh) * 2012-07-10 2012-10-24 南京邮电大学 一种面向海量交通信息的路径选择方法
CN104850011A (zh) * 2015-05-22 2015-08-19 上海电力学院 一种障碍物环境中tsp避障最优路径规划方法
CN105182979A (zh) * 2015-09-23 2015-12-23 上海物景智能科技有限公司 一种移动机器人障碍物检测及避让方法和系统
CN106292704A (zh) * 2016-09-07 2017-01-04 四川天辰智创科技有限公司 规避障碍物的方法及装置
CN106681335A (zh) * 2017-01-22 2017-05-17 无锡卡尔曼导航技术有限公司 用于农机无人驾驶的避障路径规划及其控制方法
CN106909148A (zh) * 2017-03-10 2017-06-30 南京沃杨机械科技有限公司 基于农田环境感知的农机无人驾驶导航方法
CN106970615A (zh) * 2017-03-21 2017-07-21 西北工业大学 一种深度强化学习的实时在线路径规划方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
梁栋: "基于深度学习的目标识别研究及其多机器人编队应用", 《万方数据库平台》 *

Cited By (50)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109099925A (zh) * 2018-08-31 2018-12-28 江苏大学 一种无人农机导航路径规划与作业质量评估方法与装置
CN109099925B (zh) * 2018-08-31 2021-07-20 江苏大学 一种无人农机导航路径规划与作业质量评估方法与装置
CN109164808A (zh) * 2018-09-07 2019-01-08 农业部南京农业机械化研究所 一种智能农机自动对行装置
CN109164808B (zh) * 2018-09-07 2021-04-02 农业部南京农业机械化研究所 一种智能农机自动对行装置
CN109471432A (zh) * 2018-11-08 2019-03-15 南京农业大学 一种自主导航农用车最短避障路径规划方法
CN109471432B (zh) * 2018-11-08 2021-09-28 南京农业大学 一种自主导航农用车最短避障路径规划方法
CN109557928A (zh) * 2019-01-17 2019-04-02 湖北亿咖通科技有限公司 基于矢量地图和栅格地图的自动驾驶车辆路径规划方法
CN110058563B (zh) * 2019-01-18 2020-05-05 丰疆智能科技研究院(常州)有限公司 作业监控系统及其监控方法
CN109885060A (zh) * 2019-01-18 2019-06-14 丰疆智能科技研究院(常州)有限公司 路径管理系统及其管理方法
US12114588B2 (en) 2019-01-18 2024-10-15 Fj Dynamics Technology Academy (Chang Zhou) Co., Ltd Operation monitoring system and monitoring method
RU2763327C1 (ru) * 2019-01-18 2021-12-28 Фж Дайнемикс Текнолоджи Экедеми (Чан Чжоу) Ко., Лтд Система управления маршрутом и способ управления им
CN110058563A (zh) * 2019-01-18 2019-07-26 丰疆智能科技研究院(常州)有限公司 作业监控系统及其监控方法
EP3913454A4 (en) * 2019-01-18 2022-10-19 FJ Dynamics Technology Academy (Chang Zhou) Co., Ltd. ROUTE MANAGEMENT SYSTEM AND METHOD FOR MANAGING IT
WO2020147326A1 (zh) * 2019-01-18 2020-07-23 丰疆智能科技研究院(常州)有限公司 路径管理系统及其管理方法
AU2019422604B2 (en) * 2019-01-18 2023-06-29 Fj Dynamics Technology Academy (Chang Zhou) Co., Ltd Route management system and management method thereof
CN109717175A (zh) * 2019-03-06 2019-05-07 山东交通学院 果园智能自行走式喷雾系统及其控制方法
CN110209156A (zh) * 2019-04-09 2019-09-06 丰疆智能科技股份有限公司 自动收割机的行驶路径规划系统及其方法
CN112230649A (zh) * 2019-06-28 2021-01-15 丰田自动车株式会社 机器学习方法及移动机器人
CN112230649B (zh) * 2019-06-28 2024-01-09 丰田自动车株式会社 机器学习方法及移动机器人
CN110262518A (zh) * 2019-07-22 2019-09-20 上海交通大学 基于轨迹拓扑地图和避障的车辆导航方法、系统及介质
CN110794832A (zh) * 2019-10-21 2020-02-14 同济大学 一种基于强化学习的移动机器人路径规划方法
CN110825091A (zh) * 2019-11-29 2020-02-21 洛阳中科龙网创新科技有限公司 一种基于无人机的智能拖拉机智能选路方法及装置
CN110908387A (zh) * 2019-12-13 2020-03-24 齐鲁工业大学 一种动态环境水面无人艇路径规划方法、介质及电子设备
CN111459169A (zh) * 2020-04-27 2020-07-28 四川智动木牛智能科技有限公司 基于轮式机器人的综合管廊巡检方法
CN111459169B (zh) * 2020-04-27 2023-11-24 四川智动木牛智能科技有限公司 基于轮式机器人的综合管廊巡检方法
CN111462323A (zh) * 2020-05-06 2020-07-28 中国人民解放军国防科技大学 一种面向三维空间的动态欺骗路径规划方法及系统
CN111462323B (zh) * 2020-05-06 2023-04-18 中国人民解放军国防科技大学 一种面向三维空间的动态欺骗路径规划方法及系统
CN113670306A (zh) * 2020-05-15 2021-11-19 广州汽车集团股份有限公司 一种基于深度强化学习的无人车的导航方法
CN112015176A (zh) * 2020-08-14 2020-12-01 合肥工业大学 一种无人驾驶拖拉机田间作业路径规划方法和装置
CN112525195A (zh) * 2020-11-20 2021-03-19 中国人民解放军国防科技大学 基于多目标遗传算法的飞行器航迹快速规划方法
CN113406960A (zh) * 2021-07-08 2021-09-17 浙江大学 一种农用无人车辆地头转向的实时路径规划与控制方法
CN113821027A (zh) * 2021-08-27 2021-12-21 中国人民解放军军事科学院战争研究院 一种基于优先级的非完整自主体甲板协同调运路径规划方法
CN113821027B (zh) * 2021-08-27 2023-11-28 中国人民解放军军事科学院战争研究院 一种基于优先级的非完整自主体甲板协同调运路径规划方法
CN113701780A (zh) * 2021-09-14 2021-11-26 成都信息工程大学 基于a星算法的实时避障规划方法
CN113701780B (zh) * 2021-09-14 2023-08-29 成都信息工程大学 基于a星算法的实时避障规划方法
CN114326717B (zh) * 2021-12-13 2024-08-09 中国科学院计算技术研究所 一种智能农机转场与作业的融合路径规划方法及系统
CN114326717A (zh) * 2021-12-13 2022-04-12 中国科学院计算技术研究所 一种智能农机转场与作业的融合路径规划方法及系统
WO2023123117A1 (zh) * 2021-12-29 2023-07-06 广东美的白色家电技术创新中心有限公司 一种割草机器人避障方法和割草机器人
CN114839976A (zh) * 2022-04-15 2022-08-02 华南农业大学 一种复杂边界农田的路径规划方法及农田机器操作系统
CN115268462A (zh) * 2022-08-23 2022-11-01 上海炙云新能源科技有限公司 一种智能农机轨迹规划生成方法
CN115509228B (zh) * 2022-09-27 2024-12-24 五邑大学 基于目标检测的农机避障方法、装置、农机、存储介质
CN115509228A (zh) * 2022-09-27 2022-12-23 五邑大学 基于目标检测的农机避障方法、装置、农机、存储介质
CN116225031B (zh) * 2023-05-09 2024-05-28 南京泛美利机器人科技有限公司 一种面向人机协作场景的三体协同智能避障方法和系统
CN116225031A (zh) * 2023-05-09 2023-06-06 南京泛美利机器人科技有限公司 一种面向人机协作场景的三体协同智能避障方法和系统
CN116360465B (zh) * 2023-05-31 2023-09-01 陕西耕辰科技有限公司 一种智慧农机卸粮控制方法、系统、存储介质和智慧农机
CN116360465A (zh) * 2023-05-31 2023-06-30 陕西耕辰科技有限公司 一种智慧农机卸粮控制方法、系统、存储介质和智慧农机
CN116400740B (zh) * 2023-06-06 2023-09-08 成都时代星光科技有限公司 全盲区环境下智能无人机趋向处理方法、系统和介质
CN116400740A (zh) * 2023-06-06 2023-07-07 成都时代星光科技有限公司 全盲区环境下智能无人机趋向处理方法、系统和介质
CN119022948A (zh) * 2024-08-15 2024-11-26 扬州大学 一种智能地块管理的农机作业规划方法及系统
CN118968426A (zh) * 2024-10-18 2024-11-15 青岛西海岸城市建设集团有限公司 一种应用于道路施工的数字化处理系统及方法

Similar Documents

Publication Publication Date Title
CN107703945A (zh) 一种多目标融合的智能农用机械路径规划方法
JP6916551B2 (ja) Ｖ２ｘ通信及びイメージ処理を利用した情報融合によって自律走行の短期経路をプランニングするための方法及び装置｛ｍｅｔｈｏｄ ａｎｄ ｄｅｖｉｃｅ ｆｏｒ ｓｈｏｒｔ−ｔｅｒｍ ｐａｔｈ ｐｌａｎｎｉｎｇ ｏｆ ａｕｔｏｎｏｍｏｕｓ ｄｒｉｖｉｎｇ ｔｈｒｏｕｇｈ ｉｎｆｏｒｍａｔｉｏｎ ｆｕｓｉｏｎ ｂｙ ｕｓｉｎｇ ｖ２ｘ ｃｏｍｍｕｎｉｃａｔｉｏｎ ａｎｄ ｉｍａｇｅ ｐｒｏｃｅｓｓｉｎｇ｝
CN113705636B (zh) 一种自动驾驶车辆轨迹预测方法、装置及电子设备
JP2022016419A (ja) 軌跡予測方法及び装置
CN110928297B (zh) 基于多目标动态粒子群优化的智能公交车辆路径规划方法
CN109597087A (zh) 一种基于点云数据的3d目标检测方法
CN114005280A (zh) 一种基于不确定性估计的车辆轨迹预测方法
CN108519094A (zh) 局部路径规划方法及云处理端
CN111295666A (zh) 一种车道线检测方法、装置、控制设备及存储介质
Saleem et al. Steering angle prediction techniques for autonomous ground vehicles: a review
CN117346805B (zh) 一种非结构化环境的特种车辆自动驾驶路径规划方法
CN111582123A (zh) 一种基于信标识别与视觉slam的agv定位方法
Wang et al. Research on AGV task path planning based on improved A* algorithm
CN110986945A (zh) 基于语义高度地图的局部导航方法和系统
CN111098850A (zh) 一种自动停车辅助系统及自动泊车方法
CN116092038B (zh) 一种基于点云的大件运输关键道路空间通行性判定方法
CN116203973B (zh) 轨道ai巡检机器人智能控制系统
Muhammad et al. Novel Algorithm for Mobile Robot Path Planning in Constrained Environment.
CN111310919B (zh) 基于场景切分和局部路径规划的驾驶控制策略训练方法
Yoo et al. Gin: Graph-based interaction-aware constraint policy optimization for autonomous driving
CN115451987A (zh) 一种自动驾驶汽车的路径规划学习方法
Masmoudi et al. Autonomous car-following approach based on real-time video frames processing
CN114120270A (zh) 一种基于注意力和采样学习的点云目标检测方法
Ye et al. Neural network‐based semantic segmentation model for robot perception of driverless vision
CN116975781A (zh) 一种自动驾驶车辆行为决策系统和方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20180216

RJ01 Rejection of invention patent application after publication