System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于智能拖拉机领域,特别涉及一种用于智能拖拉机的路径规划方法。
技术介绍
1、当下,农业生产效率的提高成为了迫切的需求。传统的农业生产方式劳动强度大,效率低下,无法满足现代社会的需求。因此,需要引入更高效的农业生产工具,以提高农业生产效率。传统的农业拖拉机需要人工驾驶,意味着农民需要长时间的在田地里工作,劳动强度大且效率相对较低,更重要的是由于是人工操作,所以在耕作、播种、施肥等环节的精度都不够高,无法根据作物的实际生长情况,进行精确的管理和调整,可能会导致资源的浪费,或者作物生长的不均匀,严重时甚至会损坏作物的生长。
2、随着人工智能、云计算、大数据、物联网等技术的发展,农业机械设备的智能化成为可能。智能拖拉机就是将这些先进技术应用到农业生产中,通过自动化、智能化的方式,提高农业生产效率,降低劳动强度。目前的智能拖拉机通常配备了gps或其他类型的导航和定位系统,能够精确地知道它在田地中的位置。这样,它就可以按照预设的路径进行作业,避免重复耕作或遗漏地块。并且智能拖拉机的一个重要特点就是能够自动驾驶。通过预设的路径,智能拖拉机可以自动进行耕作、播种、施肥等农业活动,无需人工驾驶。
3、现有的农机作业路径规划大多围绕单一问题(如路由问题、掉头问题或避障问题)进行算法优化和仿真测试,尚无法满足无人驾驶农机应用需求。而且当前大多数地图构建是基于单激光摄像头,单个激光雷达存在点云信息稀疏,鲁棒性不足等问题,
技术实现思路
1、针对现有的智能拖拉机存在点云信
2、本专利技术所采用的技术方案具体如下:
3、一种用于智能拖拉机的路径规划方法,具体步骤如下:
4、步骤一:生成农田轮廓的点云地图;
5、步骤二:根据农田轮廓的点云地图拟合出的农田边缘的几何模型,并进行分类;
6、步骤三:根据分类结果对作业路径进行规划。
7、其中,步骤一生成农田轮廓的点云地图的方法如下:
8、1)由对称安装在智能拖拉机上的两个激光雷达分别进行扫描获取激光反射测量点pr的坐标;
9、2)对点云特征提取,进行数据清洗;
10、3)将两个激光雷达的点云数据从各自的雷达坐标系匹配到以两雷达中点为坐标原点的世界坐标系中;
11、4)按照激光雷达时间戳将两雷达所获取的点云数据进行融合;
12、5)令智能拖拉机绕作业地点边缘轮廓遍历一至两周后构建起农田轮廓的点云地图。
13、进一步的,步骤二中根据农田轮廓的点云地图拟合出的农田边缘的几何模型,并进行分类的方法如下:
14、选择最近一次转弯前点云作为参考点云,选择次近转弯前点云为比较点云,然后利用cloudcompare计算横向距离l和纵向距离h;同时计算
15、
16、看其值是否小于预设值,若小于预设值,该边近似为直线,以l作为边长,若大于该边近似为斜线,以为边长,角α(α∈(0,180°))为拖拉机行进方向与农田地头夹角;以此类推拟合出农田边缘的几何模型。
17、根据我国的实际情况,农田几何形状以矩形和梯形为主,根据所拟合出的农田边缘的几何模型进行分类,如下:
18、
19、其中,β(β∈(0,180°))为另一地头与拖拉机作业方向逆时针夹角。
20、进一步的,步骤三中根据分类结果对作业路径进行规划的方法为:
21、拖拉机作业总行数表示如下:
22、
23、式中,la表示与拖拉机作业方向为角α的地边长度,lβ表示与拖拉机作业方向夹角为β的地边长度;k表小农田作业行编码集合,从左到右顺序编号k=1,2,3……,w为拖拉机作业幅宽。
24、由于拖拉机作业需且仅需遍历所有行一次,使用数列x表示拖拉机遍历的次序。
25、x={v1,…,vn},vn∈k
26、拖拉机在一行作业结束进入下一行时需要在地头转弯,不同行间转弯采取的转弯方式可能不同,主要分为ω型转弯和u型转弯,
27、因此根据转弯类型计算转弯距离l方法如下:
28、
29、拖拉机在梯形农田地头转弯距离l包含两部分,即直行距离l1(dij)及转弯距离l2(dij)两部分,地头转弯总距离计算方法如下:
30、l(dij)=l1(dij)+l2(dij)=|dij|wcotθ+l2(dij),i≠j
31、式中,θ即角β。
32、根据上述,给定任意农田的作业行遍历序列地头转弯总距离h可表示为
33、
34、作业路径规划目标为寻找较优拖拉机作业路径序列,将其归结为旅行商问题,定义决策变量:
35、
36、式中,xij为拖拉机是否从农田行vi到达vj的决策变量。
37、目标函数表示为
38、
39、对于上式,其约束为:
40、
41、t为作业行总行数;
42、采用模拟退火算法进行求解,具体步骤为:
43、1)使用安德鲁算法将农田行的位置v={vi,1≤i≤n}视为个点集来生成凸包,在凸包的基础上,使用三角形tsp法,通过反复随机添加一个点与已知的点集连接,使得添加该点后,增加的两条路径减去一条路径的总代价最小,直到哈密顿回路包括所有点集的点,最后将得到的哈密顿回路中的拖拉机作业路径序列作为模拟退火算法的初始解,并设定初始温度;
44、2)对旧解进行扰动操作,不断的以一定的概率对旧解的农田行进行调换,当随机调换操作达到扰动操作的次数v时停止,视为得到了一个新解;其中随机调换操作指的是,对于当前的解随机选择其中两节点位置进行互换,进行扰动操作的次数v服从参数为w的幂律分布;
45、f(v)=0.9v-w-1,v→∞
46、f(v)为其概率密度,w为该算法的超参数,一般取值在[1,2];
47、3)计算扰动前后的能量增量δe:
48、δe=e(xnew)-e(xold)
49、e(xnew)和e(xold)分别表示新解与旧解能量值;
50、若δe≤0则扰动后的解比扰动前的解更优,视为完成了一次择优操作;δe>0则根据模拟退火算法的metropolis准则判断是否接受新解,即生成一个0~1之间的随机数,若其小于p,则接受新解,完成了一次择优操作;
51、
52、本文档来自技高网...
【技术保护点】
1.一种用于智能拖拉机的路径规划方法,其特征在于,该方法的具体步骤如下:
2.根据权利要求1所述的用于智能拖拉机的路径规划方法,其特征在于,步骤三中作业路径规划目标模拟退火算法求解步骤具体如下:
3.根据权利要求1所述的用于智能拖拉机的路径规划方法,其特征在于,步骤一中第2)步,对点云特征提取,进行数据清洗的方法为:
4.根据权利要求1所述的用于智能拖拉机的路径规划方法,其特征在于,步骤一中第3)步将两个激光雷达的点云数据从各自的雷达坐标系匹配到以两雷达中点为坐标原点的世界坐标系中;匹配进行坐标变换时,操作表示如下:
5.根据权利要求4所述的用于智能拖拉机的路径规划方法,其特征在于,旋转矩阵R和平移向量t采用迭代最邻近点算法将两点云中的每个点进行逐一对应,以最短欧式距离作为误差函数,完成两顿点云间的匹配,根据其关系计算求解两帧间的位姿变换;通过不断地迭代优化,使求解的位姿变换满足收敛精度,其计算流程如下:
【技术特征摘要】
1.一种用于智能拖拉机的路径规划方法,其特征在于,该方法的具体步骤如下:
2.根据权利要求1所述的用于智能拖拉机的路径规划方法,其特征在于,步骤三中作业路径规划目标模拟退火算法求解步骤具体如下:
3.根据权利要求1所述的用于智能拖拉机的路径规划方法,其特征在于,步骤一中第2)步,对点云特征提取,进行数据清洗的方法为:
4.根据权利要求1所述的用于智能拖拉机的路径规划方法,其特征在于,步骤一中第...
【专利技术属性】
技术研发人员:李伟峰,杜伟,洪林振昊,叶艺超,高镇海,张兵,刘远航,王凤州,姚鹏举,朱乐凯,
申请(专利权)人:吉林大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。