[发明专利]一种多目标融合的智能农用机械路径规划方法

说明书

技术领域

本发明涉及农用机械自动化，具体涉及一种多目标融合的智能农用机械路径规划方法。

背景技术

国外农机业多年的发展经验表明，采用智能化、自动化的作业方式是农业发展的必然趋势，是发展高效节本农业的有效途径。世界农业发达国家在采用了高度自动化的作业机械后不仅提高了工作效率，降低了作业成本，而且还提高了其农产品在国际市场上数量和价格的相对优势。我国农机业要想在国际上立足，就必须缩小我国与农业发达国家在农业机械装备方面的差距，这样国外自动化、智能化程度很高的农机装备才不会完全占领我国市场，也避免我国农机行业陷入困境。近年来，随着我国改革开放政策的不断深入，我国科学技术方面也取得了突飞猛进的发展，为我国实现农业生产自动化、智能化打下了基础。

多目标优化问题一直是科学研究和工程应用中非常重要的研究课题。进化算法具有解决多目标优化问题的优势，因其不存在对优化问题先验知识方面的要求，可以同时搜索到优化问题的多个解，具有处理大问题空间的能力，能够克服传统多目标优化方法存在的弊端。

在中国专利CN201310121591.3(一种考虑目标节点时效性的多目标路径规划方法)中公开了一种考虑搜索机器人目标节点时效性的多目标路径规划装置和方法，通过包含路线规划和路径生成在内的两阶段解耦，使用多目标遗传算法来实现考虑路径消耗和节点时效性两个优化目标的路线规划，从而有助于提高有操作者监督的移动机器人的搜索性能，特别是在路径搜索需要考虑节点时效性问题时可以获得更好的搜索表现。此发明在解决多目标优化问题上提供了一种思路，但应用在智能农用机械路径规划上则还需要考虑完成作业任务的同时保证路径较短且耗油量较少并保证在遇到障碍物时能够迅速避开，本专利的关键点就在于此。

发明内容

为了达到上述目标，克服现有技术的不足，本发明提出一种基于多目标融合的智能农用机械路径规划方法，从而实现农机在未知劳作环境中做出智能决策，实现在完成作业任务的同时保证路径较短且耗油量较少并保证在遇到障碍物时能够迅速避开的目的，能够大大的提高工作效率。

首先需清楚，此处最优路径规划要求满足四个条件：在边界工作环境约束内(即要达到全覆盖)、能动态避障、路径最短以及油耗最低，其中全覆盖、路径最短以及油耗最低均可通过最优路径规划实现，则本申请的解决思路可归结为通过找最优路径与动态避障相融合的方法来进行农机路径规划。

本申请的基于多目标融合的智能农用机械路径规划方法，步骤如下：

a)、通过无人机航拍照片，生成gis地图；

b)、根据作业区块边界特征生成供农机使用的导航地图，结合精确定位技术对导航地图中静态障碍进行定位，生成栅格地图；

c)、在形成的栅格地图上设置起点、目标点；

d)、根据起点、目标点进行路径规划：

d-1、从起点到目标点1为直线路段，采用A*算法与Dijkstra算法相结合来进行静态避障从而确定最优直线路径；

d-2、从目标点1到目标点2为转弯路段，采用最优控制理论来确定最佳转弯路径；

d-3、从目标点2到目标点3为直线路段重复步骤d-1，从目标点3到目标点4为转弯路段重复步骤d-2，按此方法依次规划路径直至到达最终目标点，最终生成一个最优路径电子地图；

e)、在按规划路径作业过程中采用深度学习系统识别障碍物，并设置农机与障碍物的安全距离；

若遇到动态障碍物，如果满足安全距离则进行鸣笛示警；

若障碍物未躲避，则采用上述d-1步骤中静态避障方法避开障碍物，解除障碍物后继续按原路径作业。

本发明首先通过对农田环境进行路径规划，其中综合了全覆盖、最短路径与最低油耗包括静态避障，使得规划较为全面，提高了工作效率的同时，也节约了成本。同时，引入了深度学习理论，采用深度学习识别系统对图像进行处理，实时监测作业地块周围环境，若遇到动态障碍物能够及时避开。采用路径规划与动态避障相融合的作业方法，使得农机在农田自主作业的时候，大大的提高了其全局掌控性，整体上能够高效，安全地完成作业。

附图说明

图1是本发明实施例的栅格地图示意图：

图2是本发明A*算法与Dijkstra算法相结合的方法流程图：

图3是本发明农业机械的运动模型示意图；

图4是具体避障方法-最短切线法的附图；

图5是基于深度学习系统的动态避障流程图示意图；

图6是本发明基于多目标融合的智能农用机械路径规划方法流程图示意图。

具体实施方式