果园机器人导航线规划方法技术

本申请涉及果园机器人导航线规划方法

【技术实现步骤摘要】
果园机器人导航线规划方法、装置、设备及介质


[0001]本申请涉及农业种植领域，尤其涉及一种果园机器人导航线规划方法
、
相应的装置
、
电子设备及计算机可读存储介质
。

技术介绍

[0002][0003]目前，对于果园果实的采摘，主要依靠人力采摘，其工作效率低，大大浪费人力物力，果园自动化中的果园机器人的相关研究势在必行，而导航作为果园机器人研究的最关键的组成部分之一
、
机器人运行行走采摘的基础，它的相关研究就越来越具有实际的背景意义
。
传统的果园机器人由于户外环境的变化，在光线不足或极强的光照条件下，深度传感器可能难以准确获取深度信息从而导致深度图像的质量下降，最终可能导致导航效果下降
。
[0004]适应现有技术中对于果园果实的采摘，主要依靠人力采摘，其工作效率低，大大浪费人力物力以及传统的果园机器人由于户外环境的变化，在光线不足或极强的光照条件下，深度传感器可能难以准确获取深度信息从而导致深度图像的质量下降，最终可能导致导航效果下降等问题，本申请人出于解决该问题的考虑作出相应的探索
。

技术实现思路

[0005]本申请的目的在于解决上述问题而提供一种果园机器人导航线规划方法
、
相应的装置
、
电子设备及计算机可读存储介质
。
[0006]为满足本申请的各个目的，本申请采用如下技术方案：
[0007]适应本申请的目的之一而提出的一种果园机器人导航线规划方法，包括：
[0008]响应导航线规划指令，基于三维激光雷达获取果园周围各个目标物体相对应的点云数据，基于高斯滤波算法以及直通滤波算法对所述各个目标物体相对应的点云数据进行滤波处理，确定所述果园中果树相对应的点云数据；
[0009]将所述果树相对应的点云数据投影至二维平面以确定所述果树相对应的二维点云数据，基于聚类算法对所述果树相对应的二维点云数据进行聚类，确定所述果树相对应的点云数据聚类簇，将各个所述点云数据聚类簇的平均值作为各个果树相对应的坐标；
[0010]基于树列划分算法对所述各个果树相对应的坐标进行划分，确定所述三维激光雷达中激光雷达两侧果树树列中各个果树相对应的坐标；
[0011]基于最小二乘法对所述激光雷达两侧果树树列中各个果树相对应的坐标进行拟合处理，确定激光雷达两侧果树树列相对应的拟合线，根据所述激光雷达两侧果树树列相对应的拟合线确定果园机器人相对应的导航线，以完成果园机器人的导航线规划
。
[0012]可选的，基于高斯滤波算法以及直通滤波算法对所述各个目标物体相对应的点云数据进行滤波处理，确定所述果园中果树相对应的点云数据的步骤
,
包括：
[0013]确定各个目标物体相对应的点云数据，基于高斯滤波算法的权重对预设半径范围
内的所述点云数据中的每个点以及周围的点进行加权平均，确定所述各个目标物体的点云数据中的各个点相对应的加权平均值；
[0014]根据所述点云数据中的各个点相对应的加权平均值确定所述各个目标物体的新点云数据；
[0015]基于直通滤波算法对所述各个目标物体的新点云数据进行滤波处理，确定所述果园中果树相对应的点云数据
。
[0016]可选的，基于高斯滤波算法的权重对预设半径范围内的所述点云数据中的每个点以及周围的点进行加权平均，确定所述各个目标物体的点云数据中的各个点相对应的加权平均值的步骤，包括：
[0017]所述高斯滤波算法为其中，所述
p
new
为目标物体的新点云数据的三维坐标，所述
p
i
是原始点云数据中在预设半径
r
内的邻近点，所述
w
i
是邻近点的权重，所述
N
是邻近点的数量
。
[0018]可选的，基于树列划分算法对所述各个果树相对应的坐标进行划分，确定所述三维激光雷达中激光雷达两侧果树树列中各个果树相对应的坐标的步骤，包括：
[0019]S1、
确定各个点云数据相对应的三维坐标以及激光雷达坐标，基于欧几里得公式根据所述各个点云数据相对应的三维坐标以及激光雷达坐标计算确定各个点云数据聚类簇距离激光雷达的欧式距离，并将所述欧式距离从小到大进行排序，所述欧几里得公式为所述各个点云数据相对应的三维坐标为
(x
j
,y
j
,z
j
),
所述激光雷达坐标为
(x0,y0,z0)
；
[0020]S2、
选定距离最小的四个点，基于纵坐标的正负性将所述距离最小的四个点分为两组，将每组中的横坐标值较小的那个点确定为激光雷达两侧果树树列相对应的起始点，所述起始点分别为
s
11
＝
(x
11
,y
11
)、s
21
＝
(x
21
,y
21
)
，另外两个点分别为
s
12
＝
(x
12
,y
12
)、s
22
＝
(x
22
,y
22
)
；其中，
s
11
、s
12
为
y
轴正方向的点集；
s
21
、s
22
为
y
轴负方向的点集；
[0021]S3、
计算出激光雷达两侧果树树列相对应的初始果树的斜率
k1、k2，所述
k1、k2分别为
[0022]S4、
计算所述初始果树的偏角
[0023]S5、
计算激光雷达两侧果树树列相对应的起始点纵坐标之间的距离
D
，基于所述激光雷达两侧果树树列相对应的起始点纵坐标之间的距离
D
计算确定计算确定
[0024]S6、
按点的距离从小到大进行遍历，对于当前的遍历的点
p
j
＝
(x
j,
y
j
)
，如果有
y
j
的绝对值小于
D
，那么跳转到下一步骤，否则令
j
＝
j+1
后再重复当前步骤
S6。
[0025]可选的，基于树列划分算法对所述各个果树相对应的坐标进行划分，确定所述三维激光雷达中激光雷达两侧果树树列中各个果树相对应的坐标的步骤，包括：
[0026]S7、
如果
y
j
大于0，则否则计算
[0027]S8、
如果
y
j
大于0，
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种果园机器人导航线规划方法，其特征在于，包括：响应导航线规划指令，基于三维激光雷达获取果园周围各个目标物体相对应的点云数据，基于高斯滤波算法以及直通滤波算法对所述各个目标物体相对应的点云数据进行滤波处理，确定所述果园中果树相对应的点云数据；将所述果树相对应的点云数据投影至二维平面以确定所述果树相对应的二维点云数据，基于聚类算法对所述果树相对应的二维点云数据进行聚类，确定所述果树相对应的点云数据聚类簇，将各个所述点云数据聚类簇的平均值作为各个果树相对应的坐标；基于树列划分算法对所述各个果树相对应的坐标进行划分，确定所述三维激光雷达中激光雷达两侧果树树列中各个果树相对应的坐标；基于最小二乘法对所述激光雷达两侧果树树列中各个果树相对应的坐标进行拟合处理，确定激光雷达两侧果树树列相对应的拟合线，根据所述激光雷达两侧果树树列相对应的拟合线确定果园机器人相对应的导航线，以完成果园机器人的导航线规划
。2.
根据权利要求1所述的果园机器人导航线规划方法，其特征在于，基于高斯滤波算法以及直通滤波算法对所述各个目标物体相对应的点云数据进行滤波处理，确定所述果园中果树相对应的点云数据的步骤
,
包括：确定各个目标物体相对应的点云数据，基于高斯滤波算法的权重对预设半径范围内的所述点云数据中的每个点以及周围的点进行加权平均，确定所述各个目标物体的点云数据中的各个点相对应的加权平均值；根据所述点云数据中的各个点相对应的加权平均值确定所述各个目标物体的新点云数据；基于直通滤波算法对所述各个目标物体的新点云数据进行滤波处理，确定所述果园中果树相对应的点云数据
。3.
根据权利要求2所述的果园机器人导航线规划方法，其特征在于，基于高斯滤波算法的权重对预设半径范围内的所述点云数据中的每个点以及周围的点进行加权平均，确定所述各个目标物体的点云数据中的各个点相对应的加权平均值的步骤，包括：所述高斯滤波算法为其中，所述
p
new
为目标物体的新点云数据的三维坐标，所述
p
i
是原始点云数据中在预设半径
r
内的邻近点，所述
w
i
是邻近点的权重，所述
N
是邻近点的数量
。4.
根据权利要求1所述的果园机器人导航线规划方法，其特征在于，基于树列划分算法对所述各个果树相对应的坐标进行划分，确定所述三维激光雷达中激光雷达两侧果树树列中各个果树相对应的坐标的步骤，包括：
S1、
确定各个点云数据相对应的三维坐标以及激光雷达坐标，基于欧几里得公式根据所述各个点云数据相对应的三维坐标以及激光雷达坐标计算确定各个点云数据聚类簇距离激光雷达的欧式距离，并将所述欧式距离从小到大进行排序，所述欧几里得公式为所述各个点云数据相对应的三维坐标为
(x
j
,y
j
,z
j
),
所述激光雷达坐标为
(x0,y0,z0)
；
S2、
选定距离最小的四个点，基于纵坐标的正负性将所述距离最小的四个点分为两组，将每组中的横坐标值较小的那个点确定为激光雷达两侧果树树列相对应的起始点，所述起始点分别为
s
11
＝
(x
11
,y
11
)、s
21
＝
(x
21
,y
21
，另外两个点分别为
s
12
＝
(x
12
,y
12
)、s
22
＝
(x
22
,y
22
)
；其中，
s
11
、s
12
为
y
轴正方向的点集；
s
21
、s
22
为
y
轴负方向的点集；
S3、
计算出激光雷达两侧果树树列相对应的初始果树的斜率
k1、k2，所述
k1、k2分别为
S4、
计算所述初始果树的偏角
S5、
计算激光雷达两侧果树树列相对应的起始点纵坐标之间的距离
D
，基于所述激光雷达两侧果树树列相对应的起始点纵坐标之间的距离
D
计算确定计算确定
S6、
按点的距离从小到大进行遍历，对于当前的遍历的点
p
j
＝

【专利技术属性】
技术研发人员：彭红星，勾智宇，
申请(专利权)人：华南农业大学，
类型：发明
国别省市：