一种采摘机器人路径规划方法、系统、电子设备及介质技术方案

本发明专利技术公开一种采摘机器人路径规划方法、系统、电子设备及介质，涉及工业采摘技术领域。所述方法包括：获取初始数据；所述初始数据包括采摘机器人当前位置数据和被采摘物中心位置数据；根据所述初始数据和改进蚁群遗传融合算法确定最优采摘路径；所述改进蚁群遗传融合算法是根据蚁群优化算法、遗传优化算法和准均匀B样条插值算法构建的；所述蚁群优化算法采用改进的初始信息素分布；所述改进的初始信息素分布是由不同欧氏距离的移动路线和信息素权重系数构建的；所述移动路线为所述初始数据在采摘环境地图中的机器人当前节点与目标节点的路径；所述遗传优化算法包括选择、交叉、变异和剔除算子。本发明专利技术能够提高机器人采摘效率。率。率。

【技术实现步骤摘要】
一种采摘机器人路径规划方法、系统、电子设备及介质


[0001]本专利技术涉及工业采摘
，特别是涉及一种采摘机器人路径规划方法、系统、电子设备及介质。

技术介绍

[0002]随着科技的发展，采摘机器人在农业种植业应用越来越多。水果采摘过程中使用机器人多传感器信息融合技术，融合多个传感器实时获取的相关信息，规划出一条能使采摘机器人从初始位置到已知目标水果点的位置的路径。在路径规划中常见的算法包括快速扩展随机数(RRT)算法、深度学习、遗传算法和蚁群算法。水果采摘是农业种植链环节最耗时、费力的一个环节，具有采摘季节性强、劳动强度大、费用高等特点。因此，改进水果采摘机器人的路径规划方法，对于提高采摘机器人采摘效率、降低成本有重要意义。
[0003]蚁群算法(Ant Clony Optimization，ACO)是一种模拟自然界中蚂蚁觅食行为的仿生算法。ACO算法具有并行性、鲁棒性强、易实现等优点，可以有效解决采摘机器人路径规划问题，但是ACO算法仍存在收敛速度慢、易陷入局部最优、路径不平滑等问题。

技术实现思路

[0004本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种采摘机器人路径规划方法，其特征在于，包括：获取初始数据；所述初始数据包括采摘机器人当前位置数据和被采摘物中心位置数据；根据所述初始数据和改进蚁群遗传融合算法确定最优采摘路径；所述改进蚁群遗传融合算法是根据蚁群优化算法、遗传优化算法和、准均匀B样条插值算法构建的；所述蚁群优化算法采用改进的初始信息素分布；所述改进的初始信息素分布是由不同欧氏距离的移动路线和信息素权重系数构建的；所述移动路线为所述初始数据在采摘环境地图中采摘机器人当前节点与目标节点的路径；所述遗传优化算法包括选择、交叉、变异和剔除算子；所述剔除算子是基于路径任意连续相邻三个节点连接，直线距离最短构建的；所述准均匀B样条插值算法用于对最优路径中拐点进行平滑处理。2.根据权利要求1所述的采摘机器人路径规划方法，其特征在于，在根据所述初始数据和改进蚁群遗传融合算法确定最优采摘路径之前，还包括：利用栅格法，根据所述初始数据和设定障碍物构建采摘环境地图。3.根据权利要求1所述的采摘机器人路径规划方法，其特征在于，所述改进的初始信息素分布具体表示为：其中，τ
ij
(t0)是表示改进的初始信息素分布；c是信息素权重系数，且c>0；d
ig
为移动路线对应当前节点i与目标节点g的欧氏距离。4.根据权利要求1所述的采摘机器人路径规划方法，其特征在于，根据所述初始数据和改进蚁群遗传融合算法确定最优采摘路径，具体包括：将所述初始数据输入所述蚁群优化算法中，在第一设定迭代运算次数内进行初步路径规划，得到多个初步规划路径；将各所述初步规划路径作为所述遗传优化算法的初始种群，在第二设定迭代运算次数内依次进行选择、交叉、变异和剔除算子，得到最优采摘路径。5.根据权利要求4所述的采摘机器人路径规划方法，其特征在于，将所述初始数据输入所述蚁群优化算法中，在第一设定迭代运算次数内进行初步路径规划，得到多个初步规划路径，具体包括：根据所述初始数据和状态转移概率公式，确定当前迭代次数的最优初步规划路径，并对所述最优初步规划路径的全局信息素进行更新，输出第一设定迭代运算次数内的所有初步规划路径。6.根据权利要求4所述的采摘机器人路径规划方法，其特征在于，所述状态转移概率公式表示为：
其中，为t...

【专利技术属性】
技术研发人员：刘洺辛，崔超阳，刘海涛，
申请(专利权)人：广东海洋大学，
类型：发明
国别省市：