【技术实现步骤摘要】
本专利技术涉及无人机遥感、深度学习、自主导航以及机器人开发等领域，具体而言涉及一种基于遥感语义地图的苹果园巡检机器人自动导航方法。
技术介绍
1、自动导航技术已经成为农业自动化发展的关键核心技术，而非结构化环境的智能感知是自动导航技术的必备条件。其中，环境智能感知的最大目的之一就是构建高精度的全局先验地图，以指导农业机器人进行自主定位、路径规划与任务分配。而目前环境地图的构建技术主要包括：1）卫星遥感技术，其所建地图范围大，但精度为米级别，只能面向人类驾驶员；2）无人机遥感技术，其遥感正射影像地图具有精度高、地图更新实时性好等优点，但无法直接自动搜索环境中的可行驶道路，不能直接应用于地面机器人；3）gnss打点测绘技术，其费时费力、效率低下等缺点突出，不适用于农业非结构化复杂大场景下的环境地图构建；4）以激光雷达、视觉传感器为主的slam建图技术，多适用于小范围内的结构化环境，用于非结构化复杂大场景下则存在雷达/视觉里程计鲁棒性差、计算负载过大、建图卡顿等问题。
2、随着机器人技术的迅速发展，越来越多的机器人开始投入应用到果园的自动巡检环节中。针对在非结构化复杂的苹果园环境中进行大尺度自动导航，存在环境地图构建效率低、精度差等问题，本专利技术利用无人机遥感进行地图绘制，提出了一种基于遥感语义地图的苹果园巡检机器人自动导航方法，具有良好的先进性，可实现巡检机器人在非结构化苹果园中进行安全、精准的大尺度导航作业。
技术实现思路
1、本专利技术目的在于提供一种基于遥感语义地图
2、为达到上述目的，结合附图1~4，本专利技术提出一种基于遥感语义地图的苹果园巡检机器人自动导航方法，具体包括：
3、s1、现代标准苹果园的无人机遥感数据获取
4、为保证在建立的苹果园地图中，场景识别精度能够满足机器人安全巡检要求，本专利技术使用无人机采集苹果开花时期的现代标准苹果园的rgb正射影像，在此时期，苹果园地面杂草较少、可行驶道路明显，且苹果树树列与周围环境存在显著区分。
5、s2、苹果园场景的语义分割
6、本专利技术采用u-net语义分割网络为基础，融合空洞空间卷积池化金字塔（aspp）、并发空间和通道压缩与通道激励注意力机制模块（scse），提出了一种改进的u-net网络，进一步提高苹果园环境信息的语义分割精度。本专利技术改进的语义分割模型主要实现将果园环境信息分割为可行驶道路、树列、背景三类。将训练文件裁剪为256×256大小的图像，但由于图像像素较高，256×256大小的图像所包含语义信息并不充分，进行网络训练并不能很好的关联当前像素点与周围像素点之间的关系，因此本专利技术对aspp做了进一步调整，扩大了aspp的多尺度特征提取幅度，膨胀系数由初始的[6，12，18]修改为[6，16，36]，同时保留初始aspp，将改进的aspp用于u-net主干网络vgg16的浅层特征提取层，用于扩大感知视野并起到降采样的作用，而将原始aspp置于vgg16的第3、4特征提取层，缩小多尺度的感知视野，进一步提取图像的深层特征信息。进一步的，为更有效地捕捉特征之间的关系、提高网络性能，本专利技术引入scse模块来关注不同通道维度的重要性以及特定空间区域的表征能力。通过网络训练得到苹果园场景的语义分割模型，并且基于该模型进行苹果园场景识别，得到果园的语义分割图像。
7、s3、导航栅格地图的构建
8、为使苹果园的语义分割图像能够作为ros中可用的导航栅格地图，进一步的需要对语义分割图像进行像素值修改，使其能够满足ros地图要求的格式。本专利技术依据已存在的ros中slam地图格式，当其map.yaml文件中地图元数据occupied_thresh参数值为0.65、free_thresh参数值为0.196时，对应的map地图像素中障碍物的灰度值为0、空白区域的灰度值为254、其他区域为205，由此可确定语义分割图像中可行驶道路、树列、背景三类对应的灰度值，进一步的，借助cuda工具分别将语义分割图像中的可行驶道路、树列、背景的灰度值更改为254、205、0，初步得到导航栅格地图。
9、s4、果园中机器人的定位：
10、得到所述的苹果园导航栅格地图后，进一步的，为实现地面机器人在该地图上的路径规划以及导航，需完成机器人在栅格地图中的定位。已知的，所述机器人在栅格地图中的定位涉及像素坐标系（pixel）、地图坐标系（map）、全局坐标系（world）与地理坐标系（global）之间的相对转换；首先，本专利技术借助pix4d软件进行无人机航拍数据的拼接，可知无人机正射影像的拼接方向是“上北下南，左西右东”，所以图像中所述的pixel坐标系与global坐标系的坐标轴是水平对齐的；为进一步方便机器人在栅格地图中的定位，本专利技术以图像中一地面控制点为坐标原点，来设定map坐标系与world坐标系，坐标轴方向对齐一致（即所述map坐标系与world坐标系为同一坐标系）。同时，所述机器人在地图中定位的global坐标系通常为横轴墨卡托坐标系（utm），而机器人本体传感器获得是gps经纬度定位数据，所以本专利技术还需进一步的，实现utm坐标系与gps坐标系的相互转换。
11、s5、路径规划与自主导航：
12、本专利技术中所述机器人在栅格地图中，实现定位的坐标系间转换关系为。本专利技术利用开源可视化工具rviz进行地图显示与导航打点，而所述rviz中通过鼠标点击获得是像素坐标，进一步的，所述路径规划算法在本专利技术栅格地图中规划的路径也是基于像素坐标系，为实现机器人在真实地理坐标系下的导航，本专利技术需实现像素坐标系下目标路径在地理坐标系下的转换，对应的转换关系为；将所述的目标路径转换为gps地理坐标系，机器人可直接通过gps定点导航算法实现在真实世界中的自主导航。
13、本专利技术提供了一种基于遥感语义地图的苹果园巡检机器人自动导航方法，由于采用上述技术方案，本专利技术取得的有益效果是：
14、①利用无人机遥感正射影像，构建了苹果园场景的语义分割网络，实现果园环境的语义分类，进一步的将语义分割图像改进为ros可用的导航栅格地图，快速高效地完成苹果园大场景下的环境地图构建；
15、②构建了机器人导航系统中像素坐标系、地图坐标系、全局坐标系与地理坐标系间的相对转换关系，可准确实现机器人在栅格地图中的定位、地理坐标系下的导航；
16、③本专利技术提出的一种基于遥感语义地图的苹果园巡检机器人自动导航方法，以果园实际环境为基础，将果园场景分为可行驶道路、树列、背景，并生成了ros可用的导航栅格地图，所述可行驶道路区域进一步指导机器人进行路径规划，所述树列区域可进一步作为多机器人进行任务分配的任务量判断依据，对标准苹果园下的多机器人协同作业具有重要的引用参考本文档来自技高网...
【技术保护点】
1.一种基于遥感语义地图的苹果园巡检机器人自动导航方法，其特征在于，所述定位功能实现的坐标系转换模型计算公式为：
2.一种基于遥感语义地图的苹果园巡检机器人自动导航方法，其特征在于，所述路径规划实现的坐标系转换模型计算公式为：
【技术特征摘要】
1.一种基于遥感语义地图的苹果园巡检机器人自动导航方法，其特征在于，所述定位功能实现的坐标系转换模型计算公式为：
...
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。