一种基于自主导航的畜禽信息感知机器人与地图构建方法技术

本发明专利技术公开了一种基于自主导航的畜禽信息感知机器人与地图构建方法。包括四轮小车和自主导航系统、运动模块、信息采集模块，自主导航系统包括激光雷达、RGB‑D相机、惯性测量单元和里程计和主控模块；运动模块包括直流电机组、推杆电机和微控制器；信息采集模块包括热成像仪、环境检测传感器模组和无线传输模块；控制机器人在室内工作环境移动，同时利用激光雷达、RGB‑D相机、惯性测量单元和里程计获取移动过程的周围环境信息，进行数据处理得到定位位置，构建全局地图。本发明专利技术能提高机器人的定位精度，满足应用需求；克服了对饲养人员的严重依赖性，实现对养殖环境的自动检测，具有效率高、经济效益高、适用性广等优点。

An Autonomous Navigation-based Animal Information Perception Robot and Map Construction Method

The invention discloses a livestock and poultry information sensing robot and a map construction method based on Autonomous navigation. It includes four-wheeled car and autonomous navigation system, motion module and information acquisition module. Autonomous navigation system includes lidar, RGB_D camera, inertial measurement unit and odometer and main control module. Motion module includes DC motor set, push rod motor and microcontroller. Information acquisition module includes thermal imager, environment detection sensor module and wireless transmission module to control the machine. People move in the indoor working environment. At the same time, they use lidar, RGB D camera, inertial measurement unit and odometer to get the environmental information of the moving process, and process the data to get the location and build the global map. The invention can improve the positioning accuracy of the robot, meet the application requirements, overcome the serious dependence on the feeder, realize the automatic detection of the breeding environment, and has the advantages of high efficiency, high economic efficiency and wide applicability.

【技术实现步骤摘要】
一种基于自主导航的畜禽信息感知机器人与地图构建方法
本专利技术涉及一种针对畜禽的智能农业装备和方法，具体涉及一种基于自主导航的畜禽信息感知机器人与地图构建方法。
技术介绍
随着社会的不断发展，集约化、规模化和智能化是养殖业发展的必然趋势。这种养殖结构一方面可以有效提高生产力，节约社会资源，降低成本，带来更高的社会经济效益；另一方面也符合动物福利的要求，是实施标准化生产、提高畜产品质量的必要基础。动物行为、环境因子等信息是规模养殖生产过程的重要指标，如何高效采集并管理这些信息为精准化、智能化养殖生产带来新的挑战。目前我国畜禽业主要采用人工巡检、定点监测和移动式巡检的方式进行信息采集。人工巡检需要饲养员每天定时进行巡视和检查，其劳动强度高、监测效率低且具有一定危险性也不符合动物福利要求。定点监测是在固定位置安装检测设备，其成本高、监测参数少、灵活性差，有较大的局限性。移动式巡检主要将巡检设备放置在轨道上，通过遥控等方式控制其在轨道的运动。但轨道的铺设难度大、成本高、适用性低，不便在现有养殖环境进行二次铺轨。随着养殖行业逐渐向大型集约化、规模化的生产模式进行转型，相对结构化的畜禽舍构造在国内得到了迅速推广，这也使得机器人技术可以在畜禽养殖行业中可以得到广泛的应用。近年来也有相关学者不断尝试将机器人技术、人工智能技术、信息处理技术等应用到畜禽养殖行业，但仍需要饲养员进入禽舍近距离发出控制信号，智能程度较低，应用潜力不大。而畜禽舍内相对结构化的环境为机器人技术的应用提供便利条件，使得智能机器人自主导航技术能更好地完成畜禽舍中的任务。但畜禽舍的对称式结构，也导致了定位过程的对称模式，使得机器人无法确定当前的唯一位姿，无法准确匹配所监测的动物信息、环境信息与机器人在禽舍内的相对位置。
技术实现思路
为了克服现存技术的弊端和解决
技术介绍
中存在的问题，为有效解决畜禽舍环境对称结构下，基于激光传统自主导航存在对称模式下的唯一定位问题，本专利技术提供了一种基于自主导航的畜禽信息感知机器人与地图构建方法，用机器人技术完全代替饲养人员在工作环节的功能，实现全自动养殖生产。为了实现本专利技术的目的，本专利技术的具体技术方案如下：一、一种基于自主导航的畜禽信息感知机器人：包括四轮小车和安装在四轮小车上的自主导航系统、运动模块、信息采集模块，四轮小车上方设有升降云台；所述的自主导航系统包括用于获取周围环境信息的激光雷达、RGB-D相机、惯性测量单元和里程计以及用于信息处理和控制的主控模块；激光雷达、RGB-D相机、惯性测量单元、里程计和主控模块均固定安装在四轮小车上，激光雷达、RGB-D相机、惯性测量单元、里程计均连接到主控模块；所述的运动模块包括用于控制机器人行进的直流电机组、用于控制升降云台上下升降移动的推杆电机以及控制直流电机组进而推杆电机转速转向的微控制器；直流电机组包括安装于四轮小车底部四角的四个直流电机，四个直流电机的输出轴连接到四轮小车底部四角的四个车轮，推杆电机固定于四轮小车底部上，推杆电机输出端经传动结构连接到升降云台，推杆电机运行带动升降云台上下升降运动；所述的信息采集模块包括用于采集动物行为信息的热成像仪、用于采集环境信息的环境检测传感器模组和用于数据传输的无线传输模块；热成像仪置于升降云台底部的两侧，环境检测传感器模组置于升降云台上。还包括和电源管理模块，电源管理模块连接到激光雷达、RGB-D相机、惯性测量单元、里程计、主控模块、直流电机组、推杆电机和微控制器。所述的直流电机组和推杆电机均连接到微控制器，微控制器和主控模块连接，由主控模块接收周围环境信息进而控制直流电机组和推杆电机运行，进而控制四轮小车的移动和升降云台的升降，并使用SLAM进行地图自主构建和导航。所述的热成像仪和环境检测传感器模组和无线传输模块电连接，无线传输模块连接到外部无线接收器，外部无线接收器接收热成像仪和环境检测传感器模组采集的环境感知信息进行存储和处理。所述的环境检测传感器模组包括有多种传感器，包括但不限于声音传感器、温度传感器、湿度传感器、光照强度传感器、硫化氢传感器、氨气传感器、二氧化碳传感器。二、一种自主导航地图自主构建方法：步骤S1：控制机器人在室内工作环境移动，同时利用激光雷达、RGB-D相机、惯性测量单元和里程计获取移动过程的周围环境信息，包括障碍物距离信息、图像及深度信息、局部坐标系下的位姿信息和里程计信息，位姿信息包括第一实时全局坐标，里程计信息包括第二实时全局坐标、速度、航向角和车轮的角速度；步骤S2：主控模块接收周围环境信息进行处理，通过坐标变换得到机器人在世界坐标系下的实时全局坐标；世界坐标系是以环境为坐标原点的三维立体坐标系；局部坐标系是以四轮小车为坐标原点的三维立体坐标系。步骤S3：将机器人在世界坐标系下的定位全局坐标、速度、航向角以及角速度作为卡尔曼滤波器的状态向量；所述全局坐标由第一实时全局坐标、第二实时全局坐标和里程计信息处理获得；步骤S4：根据状态向量构建卡尔曼滤波器的状态模型，根据里程计的观测模型、惯性测量单元的观测模型以及激光雷达的观测模型构建卡尔曼滤波器的观测模型，根据卡尔曼滤波算法对状态模型和观测模型进行求解获得t时刻下状态向量的全局最优解；步骤S5：结合RGB-D相机采集的图像信息和蒙特卡罗即时定位与地图构建算法，确定步骤S4所述的卡尔曼滤波器的状态模型和观测模型下所述状态向量的全局最优解；S501：机器人在地图待构建区域移动，通过激光雷达采集的障碍物距离信息判断机器人移动过程中是否转弯和是否有障碍物，通过RGB-D相机采集的图像信息判断是否有拍到特征道路标记；激光雷达、惯性测量单元和里程计对在地图待构建区域采集到的信息数据进行特征匹配得到世界坐标系下的位姿，所述位姿是机器人在世界坐标系下的全局坐标及航向角；S502：作以下判断处理：当机器人移动过程中无转弯、无障碍物或RGB-D相机没有拍到特征道路标记时，则卡尔曼滤波器的状态模型的控制向量为世界坐标系下的位姿；当机器人移动过程中有转弯、有障碍物或RGB-D相机拍到特征道路标记时，则卡尔曼滤波器的状态模型的控制向量为状态向量的最优解；步骤S6：对卡尔曼滤波器的状态模型和观测模型进行迭代求解得到定位位置，进而构建获得全局地图。所述的步骤S4，具体为：S401：t时刻，状态向量Xc(t)构建为Xc(t)＝[xt，yt，θt，vt，ωt]T，其中，xt、yt为机器人在世界坐标系下的定位全局坐标，θt为航向角，vt为速度，ωt为角速度，T为矩阵转置；S402：按照以下构建卡尔曼滤波器状态模型：Xc(t+1)＝f(Xc(t+1))+Wt其中，Xc(t)表示t时刻的状态向量，f(Xc(t))为t时刻的状态向量Xc(t)的非线性状态转移函数，Wt为卡尔曼滤波器过程噪声，Δt为相邻两个时刻之间的时间间隔；S403：将卡尔曼滤波器拆分为各自并列独立的第一子滤波器和第二子滤波器的两部分，其中：第一子滤波器的观测模型为Zt+1＝h1Xc(t)+W1(t)，具体为：其中，ZLas为激光雷达的观测模型，ZIMU为惯性测量单元的观测模型，W1(t)为激光雷达与惯性测量单元的噪声，h1为第一子滤波器的观测矩阵；第二子滤波器的观测模型为Z2(t+1)＝h2Xc(t)+W2(t)本文档来自技高网...

【技术保护点】
1.一种基于自主导航的畜禽信息感知机器人，其特征在于：包括四轮小车(3)和安装在四轮小车(3)上的自主导航系统、运动模块、信息采集模块，四轮小车(3)上方设有升降云台(7)；所述的自主导航系统包括用于获取周围环境信息的激光雷达(10)、RGB‑D相机(9)、惯性测量单元(5)和里程计以及用于信息处理和控制的主控模块(12)；激光雷达(10)、RGB‑D相机(9)、惯性测量单元(5)、里程计和主控模块(12)均固定安装在四轮小车(3)上，激光雷达(10)、RGB‑D相机(9)、惯性测量单元(5)、里程计均连接到主控模块(12)；所述的运动模块包括用于控制机器人行进的直流电机组(1)、用于控制升降云台(7)上下升降移动的推杆电机(4)以及控制直流电机组(1)进而推杆电机(4)转速转向的微控制器(2)；直流电机组(1)包括安装于四轮小车(3)底部四角的四个直流电机，四个直流电机的输出轴连接到四轮小车(3)底部四角的四个车轮，推杆电机(4)固定于四轮小车(3)底部上，推杆电机(4)输出端经传动结构连接到升降云台(7)，推杆电机(4)运行带动升降云台(7)上下升降运动；所述的信息采集模块包括用于采集动物行为信息的热成像仪(6)、用于采集环境信息的环境检测传感器模组(8)和用于数据传输的无线传输模块(11)；热成像仪(6)置于升降云台(7)底部的两侧，环境检测传感器模组(8)置于升降云台(7)上。...

【技术特征摘要】
1.一种基于自主导航的畜禽信息感知机器人，其特征在于：包括四轮小车(3)和安装在四轮小车(3)上的自主导航系统、运动模块、信息采集模块，四轮小车(3)上方设有升降云台(7)；所述的自主导航系统包括用于获取周围环境信息的激光雷达(10)、RGB-D相机(9)、惯性测量单元(5)和里程计以及用于信息处理和控制的主控模块(12)；激光雷达(10)、RGB-D相机(9)、惯性测量单元(5)、里程计和主控模块(12)均固定安装在四轮小车(3)上，激光雷达(10)、RGB-D相机(9)、惯性测量单元(5)、里程计均连接到主控模块(12)；所述的运动模块包括用于控制机器人行进的直流电机组(1)、用于控制升降云台(7)上下升降移动的推杆电机(4)以及控制直流电机组(1)进而推杆电机(4)转速转向的微控制器(2)；直流电机组(1)包括安装于四轮小车(3)底部四角的四个直流电机，四个直流电机的输出轴连接到四轮小车(3)底部四角的四个车轮，推杆电机(4)固定于四轮小车(3)底部上，推杆电机(4)输出端经传动结构连接到升降云台(7)，推杆电机(4)运行带动升降云台(7)上下升降运动；所述的信息采集模块包括用于采集动物行为信息的热成像仪(6)、用于采集环境信息的环境检测传感器模组(8)和用于数据传输的无线传输模块(11)；热成像仪(6)置于升降云台(7)底部的两侧，环境检测传感器模组(8)置于升降云台(7)上。2.根据权利要求1所述的一种基于自主导航的畜禽信息感知机器人，其特征在于：还包括和电源管理模块(13)，电源管理模块(13)连接到激光雷达(10)、RGB-D相机(9)、惯性测量单元(5)、里程计、主控模块(12)、直流电机组(1)、推杆电机(4)和微控制器(2)。3.根据权利要求1所述的一种基于自主导航的畜禽信息感知机器人，其特征在于：所述的直流电机组(1)和推杆电机(4)均连接到微控制器(2)，微控制器(2)和主控模块(12)连接，由主控模块(12)接收周围环境信息进而控制直流电机组(1)和推杆电机(4)运行，进而控制四轮小车(3)的移动和升降云台(7)的升降，并使用SLAM进行地图自主构建和导航。4.根据权利要求1所述的一种基于自主导航的畜禽信息感知机器人，其特征在于：所述的热成像仪(6)和环境检测传感器模组(8)和无线传输模块(11)电连接，无线传输模块(11)连接到外部无线接收器，外部无线接收器接收热成像仪(6)和环境检测传感器模组(8)采集的环境感知信息进行存储和处理。5.根据权利要求1所述的一种基于自主导航的畜禽信息感知机器人，其特征在于：所述的环境检测传感器模组(8)包括有多种传感器，包括但不限于声音传感器、温度传感器、湿度传感器、光照强度传感器、硫化氢传感器、氨气传感器、二氧化碳传感器。6.应用于权利要求1-5任一所述畜禽信息感知机器人的一种自主导航地图自主构建方法，其特征在于：方法包括以下步骤：步骤S1：控制机器人在室内工作环境移动，同时利用激光雷达、RGB-D相机、惯性测量单元和里程计获取移动过程的周围环境信息，包括障碍物距离信息、图像及深度信息、局部坐标系下的位姿信息和里程计信息，位姿信息包括第一实时全局坐标，里程计信息包括第二实时全局坐标、速度、航向角和车轮的角速度；步骤S2：主控模块接收周围环境信息进行处理，通过坐标变换得到机器人在世界坐标系下的实时全局坐标；步骤S3：将机器人在世界坐标系下的定位全局坐标、速度、航向角以及角速度作为卡尔曼滤波器的状态向量；所述全局坐标由第一实时全局坐标、第二实时全局坐标和里程计信息处理获得；步骤S4：根据状态向量构建卡尔曼滤波器的状态模型，根据里程计的观测模型、惯性测量单元的观测模型以及激光雷达的观测模型构建卡尔曼滤波器的观测模型，根据卡尔曼滤波算法对状态模型和观测模型进行求解获得t时刻下状态向量的全局最优解；步骤S5：结合RGB-D相机采集的图像信息和蒙特卡罗即时定位与地图构建算法，确定步骤S4所述的卡尔曼滤波器的状态模型和观测模型下所述状态向量的全局最优解；S501：机器人在地图待构建区域移动，通过激光雷达采集的障碍物距离信息判断机器人移动过程中是否转弯和是否有障碍物，通过RGB-D相机采集的图像信息判断是否有拍到特征道路标记；激光雷达、惯性测量单元和里程计对在地图待构建区域采集到的信息数据进行特征匹配得到世界坐标系下的位姿；S502：作以下判断处理：当机器人移动过程中无转弯、无障碍物或RGB-D相机没有拍到特征道路标...

【专利技术属性】
技术研发人员：林涛，任国强，林智贤，徐金凡，蒋焕煜，丁冠中，应义斌，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33