一种搬运机器人的路径规划方法

本发明涉及路径规划，具体涉及一种搬运机器人的路径规划方法。

背景技术：

1、随着农业智能化的发展，农业搬运机器人在农业生产中的应用日益广泛。然而，农田环境复杂多变，包括地形起伏、作物分布不均、障碍物（如农具、石块等）随机出现等情况，这给搬运机器人的路径规划带来了挑战。传统的路径规划方法在静态或相对简单的环境中表现良好，但在农田这种动态变化的环境中，不能考虑农田特殊的地形情况，其效率和适应性受到限制。

技术实现思路

1、本发明为了解决以上问题，提出了一种搬运机器人的路径规划方法。

2、本发明的技术方案是：一种搬运机器人的路径规划方法包括以下步骤：

3、s1、获取农田的实景图，并根据实景图确定田埂区域，作为路径规划基础区域；

4、s2、获取货物的搬运起点和搬运终点，在路径规划基础区域中为搬运起点和搬运终点生成自适应规划函数；

5、s3、利用自适应规划函数为搬运机器人生成搬运路径。

6、进一步地，s2包括以下子步骤：

7、s21、获取货物的搬运起点和搬运终点；

8、s22、将路径规划基础区域划分为若干个规划节点，并在货物的搬运起点设置移动粒子；

9、s23、根据货物的搬运起点和搬运终点，计算移动粒子在每个规划节点的移动耦合方程；

10、s24、根据移动粒子在每个规划节点的移动耦合方程，得到优化移动值；

11、s25、利用优化移动值，生成自适应规划函数。

12、上述进一步方案的有益效果是：在本发明中，用移动粒子模拟移动机器人的实时位置，根据移动粒子在每个规划节点的电能消耗情况以及规划节点来确定移动优化值，再根据规划起点与搬运起点的距离构建整个路径规划基础区域的自适应规划函数，该函数用来参与s3的路径规划。

13、进一步地，s23中，移动粒子在第i个规划节点的移动耦合方程yi的表达式为：

14、；

15、式中，a表示规划节点的障碍权重，b表示规划节点的作物倒伏权重，hstar_i表示移动粒子从货物的搬运起点至第i个规划节点的电能消耗值，hend_i表示移动粒子从第i个规划节点至货物的搬运终点的电能消耗值，hi-1_i表示移动粒子从第i-1个规划节点至第i-1个规划节点的电能消耗值，hi_i+1表示移动粒子从第i个规划节点至第i+1个规划节点的电能消耗值。

16、规划节点的地势若不平坦或存在作物倒伏在田埂处都会影响搬运机器人的搬运效率，故需考虑这两个因素。规划节点的障碍权重用于表征该规划节点处是否存在低洼或起伏地势，若存在则障碍权重可取2，若不存在则障碍权重可取1。规划节点的作物倒伏权重用于表征该规划节点周围是否存在作物倒伏的情况，若存在则作物倒伏权重可取2，若不存在则作物倒伏权重可取1。电能消耗值指搬运机器人以最短路径从一个点行驶至另一个点的电池电量变化。

17、进一步地，s24中，优化移动值y*的计算公式为：

18、；

19、式中，η表示正则化系数，y表示规划节点的移动耦合方程，||·||f表示f范数运算，hstar_end表示移动粒子从货物的搬运起点至搬运终点的电能消耗值，h0表示搬运机器人的初始电能值。

20、搬运机器人的电能值通常指的是其电池或电源系统所能提供的电能总量，这决定了机器人在单次充电或供电后能够持续工作的时间。

21、进一步地，s25中，自适应规划函数z的表达式为：

22、；

23、式中，di表示第i个规划节点与搬运起点的直线距离，i表示规划节点的个数，y*表示优化移动值，e表示指数。

24、进一步地，s3包括以下子步骤：

25、s31、利用自适应规划函数计算规划泛化值；

26、s32、将规划泛化值作为支持向量机的惩罚因子，利用支持向量机在路径规划基础区域中生成初始搬运路径；

27、s33、基于初始搬运路径，生成搬运路径。

28、上述进一步方案的有益效果是：在本发明中，支持向量机可以用于提取和描述路径，可以使用非线性支持向量机分类器提取出安全的路径，并使用数学方法（如三次多项式、贝塞尔曲线等）对路径进行描述和拟合。relocate局部搜索算子是一种用于路径优化的启发式算法，用于调整和优化已生成的路径，使其更加高效和符合实际需求。

29、进一步地，s31中，规划泛化值g的计算公式为：

30、；

31、式中，z表示自适应规划函数，c表示常数。

32、进一步地，s33中，利用relocate局部搜索算子对初始搬运路径进行优化处理，生成搬运路径。

33、本发明的有益效果是：本发明公开了一种搬运机器人的路径规划方法，考虑农田特殊的地形环境，对农田的路径规划基础区域进行节点划分，确定移动粒子在各个节点移动的自适应规划函数；利用适用性强的自适应规划函数生成最终的搬运路径，因此本发明的路径规划方法使搬运机器人能够更好地适应复杂多变的农田环境，提高了搬运机器人的灵活性和可靠性。

技术特征：

1.一种搬运机器人的路径规划方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的搬运机器人的路径规划方法，其特征在于，所述s2包括以下子步骤：

3.根据权利要求2所述的搬运机器人的路径规划方法，其特征在于，所述s23中，移动粒子在第i个规划节点的移动耦合方程yi的表达式为：

4.根据权利要求2所述的搬运机器人的路径规划方法，其特征在于，所述s24中，优化移动值y*的计算公式为：

5.根据权利要求2所述的搬运机器人的路径规划方法，其特征在于，所述s25中，自适应规划函数z的表达式为：

6.根据权利要求1所述的搬运机器人的路径规划方法，其特征在于，所述s3包括以下子步骤：

7.根据权利要求6所述的搬运机器人的路径规划方法，其特征在于，所述s31中，规划泛化值g的计算公式为：

8.根据权利要求6所述的搬运机器人的路径规划方法，其特征在于，所述s33中，利用relocate局部搜索算子对初始搬运路径进行优化处理，生成搬运路径。

技术总结
本发明公开了一种搬运机器人的路径规划方法，涉及路径规划技术领域，包括以下步骤：S1、获取农田的实景图，并根据实景图确定田埂区域，作为路径规划基础区域；S2、获取货物的搬运起点和搬运终点，在路径规划基础区域中为搬运起点和搬运终点生成自适应规划函数；S3、利用自适应规划函数为搬运机器人生成搬运路径。本发明利用适用性强的自适应规划函数生成最终的搬运路径，因此本发明的路径规划方法使搬运机器人能够更好地适应复杂多变的农田环境，提高了搬运机器人的灵活性和可靠性。

技术研发人员：庞智,曾令培,杨健,张廷婷,刘朝阳
受保护的技术使用者：成都农业科技职业学院
技术研发日：
技术公布日：2025/2/13