王偉+褚凌慧+李超藝+李昕達(dá)

摘 要： 以高新技術(shù)解決溫室作業(yè)問題，將一種基于云計算的溫室移動機(jī)器人路徑規(guī)劃應(yīng)用于農(nóng)間巡視任務(wù)，而行走路徑的選擇則選用改進(jìn)蟻群算法來進(jìn)行完成。首先，該云端運(yùn)算利用網(wǎng)絡(luò)使電腦與移動機(jī)器人彼此合作，由伺服器端收集溫室環(huán)境相關(guān)數(shù)據(jù)信息；再通過云中的存儲與計算資源，結(jié)合優(yōu)化后的蟻群算法計算出機(jī)器人的行走路徑；最終發(fā)送至移動機(jī)器人完成溫室環(huán)境的路徑規(guī)劃。實(shí)驗(yàn)結(jié)果表明，通過利用云計算后臺資源使該算法在信息素更新路徑變更的情況下能夠找到最短的路徑數(shù)據(jù)，同時對路徑的各項性能都有所提高，其中包括折彎次數(shù)、跳數(shù)、路徑長度等。從而滿足了移動機(jī)器人在溫室環(huán)境下完成可避障的最優(yōu)路徑選擇任務(wù)。

關(guān)鍵詞： 云端運(yùn)算； 移動機(jī)器人； 蟻群算法； 路徑規(guī)劃

中圖分類號： TN911?34； TP39 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2017）04?0053?04

Clould computing based path planning for greenhouse mobile robot

WANG Wei， CHU Linghui， LI Chaoyi， LI Xinda

（Northeast Forestry University， Harbin 150040， China）

Abstract： In order to adopt a high technology to solve the problem of greenhouse operations， cloud computing based path planning for the greenhouse mobile robot is used to implement the path selection for the patrol task in the field by means of the improved ant colony algorithm. Cloud computing is used to realize cooperation between computer and the mobile robot by means of network. A server is employed to collect the related data of the greenhouse environment. In combination with the optimized ant colony algorithm， the walking path of the robot is calculated by means of the cloud storage and computing resources， and transmitted to the mobile robot to complete the path planning of greenhouse environment. The experimental results show that the algorithm can find the shortest path by taking advantage of the clould background resources under the condition of the path change due to pheromone update， the mobile robot can complete the optimal path selection and avoid obstacles in the greenhouse， and the various performance of the path are improved， including the bending times， hop times and path length.

Keywords： cloud computing； mobile robot； ant colony algorithm； path planning

隨著科學(xué)技術(shù)的日新月異和市場競爭環(huán)境的加劇，機(jī)器人的應(yīng)用范圍也從軍事及醫(yī)療逐步向農(nóng)產(chǎn)業(yè)進(jìn)軍，并在其領(lǐng)域內(nèi)分擔(dān)著許多工作[1]。對于解決溫室農(nóng)田作物問題，現(xiàn)已出現(xiàn)很多不同性質(zhì)的農(nóng)業(yè)機(jī)器人，如：日本科技人員研制的自行走番茄收獲機(jī)器人、美國伊利諾伊大學(xué)研究的用于田間巡視螞蟻機(jī)器人等。這些機(jī)器人雖然有著各自特有的特異功能，但涉及到所選的行走路線會影響工作效率及運(yùn)作成本的問題時，卻使人們產(chǎn)生深省。溫室移動機(jī)器人要在田間進(jìn)行檢測與作業(yè)，必須對農(nóng)田環(huán)境具有全局和局部搜索能力。全方位的巡視任務(wù)下至機(jī)器人操作系統(tǒng)使之高效地完成全域路徑規(guī)劃。本研究將采用云端計算（Cloud Computing）的概念來指揮機(jī)器人在農(nóng)田間的巡視和路徑選擇，以滿足機(jī)器人在溫室環(huán)境存在障礙物的情況下，通過后臺的改進(jìn)蟻群算法輸入來規(guī)劃一條從起始點(diǎn)到目標(biāo)點(diǎn)可避障的最短路徑。

1 云計算服務(wù)

云計算[2]是一種在互聯(lián)網(wǎng)籠罩下虛擬的計算服務(wù)模式。這種模式將客戶所需的信息和軟硬件資源以共享的方式按需分配給管理設(shè)備和計算機(jī)。它是一種將多態(tài)計算和網(wǎng)絡(luò)技術(shù)發(fā)展融合的“新一代的信息服務(wù)模式”?！霸啤笨煽醋魇且恍┚薮蟮姆?wù)器聚集，其自我管理和系統(tǒng)維護(hù)的性能為存儲服務(wù)器，計算服務(wù)器提供有序的監(jiān)管。云計算無需人為參與，是由軟件來自行操作管理。因此可支持推動農(nóng)業(yè)在溫室環(huán)境層面和應(yīng)對變化層面上的敏捷性，在激烈動態(tài)變化的農(nóng)業(yè)中生存和發(fā)展。

在本設(shè)計中，若溫室機(jī)器人要完成行走路徑問題時，無需該機(jī)器人盲目地、無規(guī)則地巡航，而是機(jī)器人通過將高清攝像頭安放在云臺上使之360°無死角地獲取溫室環(huán)境及植被照片，再將其上傳到服務(wù)器端，檢索出環(huán)境信息的相關(guān)圖片，由云數(shù)據(jù)庫中強(qiáng)大的計算功能來算出機(jī)器人避開障礙物的行走路徑，在利用數(shù)據(jù)庫龐大的存儲功能將信息保存在共享數(shù)據(jù)庫中，以便機(jī)器人循環(huán)檢索，減少開發(fā)人員的日后開發(fā)時間，如圖1所示。

2 溫室環(huán)境及建模

云可看作是一個規(guī)模龐大無比的資源池，池中有操控機(jī)器人在溫室環(huán)境下作業(yè)的不同池層，如存儲層、計算層、共享層等物理資源，它作為后臺服務(wù)的主要方式，首先，縱觀溫室地形及植被分部情況；其次，通過聯(lián)網(wǎng)數(shù)據(jù)處理得知溫室環(huán)境構(gòu)造來判斷行走路徑。

2.1 柵格模擬環(huán)境模型

柵格法是將實(shí)體三維環(huán)境空間虛擬化為二維獨(dú)立柵格空間[3]，如圖2所示。

柵格單元的大小決定了反饋給后臺地理數(shù)據(jù)的精度。一般將含有植被的領(lǐng)域歸為障礙區(qū)，傳感器則會將感測到障礙區(qū)域位置報告給后臺服務(wù)器端，并命這些柵格為禁止柵格，用黑色柵格表示（其中邊界區(qū)域可看為障礙區(qū)域）；沒有植被的領(lǐng)域則歸為自由區(qū)域，可以自由通行，用白色柵格表示，如圖3所示。圖3中，S為機(jī)器人出發(fā)的起始位置；T為所要到達(dá)的目的地。溫室移動機(jī)器人需在環(huán)境空間內(nèi)完成從S到T的無碰最優(yōu)路徑。設(shè)該二維空間由u行v列組成，障礙物所在的位置可用一個二維數(shù)組矩陣map（u，v）表示，如下：

（1）

柵格化之后的移動機(jī)器人工作環(huán)境是將每個單元格視為一個質(zhì)點(diǎn)，機(jī)器人可沿其所在位置臨界的8個單元格移動，如圖4所示。機(jī)器人所經(jīng)路徑穿過的單元格視為路徑節(jié)點(diǎn)，所以柵格的大小會影響最優(yōu)路徑的精確值。為了使機(jī)器人每次的運(yùn)動方向都更加接近尋優(yōu)路徑直至到達(dá)目標(biāo)點(diǎn)，而不是背道而馳，即路線迂回。預(yù)先以禁忌表的方式對螞蟻選擇下一節(jié)點(diǎn)的概率進(jìn)行限制，即除去經(jīng)過節(jié)點(diǎn)和迂回節(jié)點(diǎn)。假設(shè)在第i條路徑中搜索當(dāng)前節(jié)點(diǎn)為u，在數(shù)據(jù)庫中可快速地找到所需節(jié)點(diǎn)資源。令u的下一個可行節(jié)點(diǎn)集合為V，那么v為V中的任意節(jié)點(diǎn)。所以一個鏈路節(jié)點(diǎn)可以有多種連接方式到達(dá)下一鏈路，在云數(shù)據(jù)庫的流動性、可伸縮性、大范圍性等特點(diǎn)下契合運(yùn)用。

3 路徑規(guī)劃方法

本研究所提出路徑規(guī)劃方法的整個流程是讀取攝像頭拍攝到的地圖信息，至規(guī)劃導(dǎo)航的階段時再利用已經(jīng)訓(xùn)練好的蟻群算法網(wǎng)絡(luò)。整體的結(jié)構(gòu)是以優(yōu)化蟻群算法的判斷為主，伺服器端將從起點(diǎn)到終點(diǎn)避開障礙物的所有路徑完成后會派給機(jī)器人，機(jī)器人從中選擇最近路徑，最終依據(jù)這個規(guī)劃好的路徑工作即可。

3.1 蟻群優(yōu)化算法

蟻群算法（Ant Colony Optimization，ACO）結(jié)合溫室環(huán)境而言，是一種用來在農(nóng)田間中尋求最優(yōu)路徑的概率型算法[4?5]。它是由意大利學(xué)者M(jìn).Dorigo等人提出的一種基于信息正反饋原理的新型模擬進(jìn)化算法，其靈感來源于蟻群在尋找食物過程時，通過分泌一種名為信息素的交流覓食信息，從而使群體螞蟻快速找到目標(biāo)所在。如圖3所示，令螞蟻的巢窩為S點(diǎn)，食物所在地為T點(diǎn)位置，在S，T點(diǎn)之間存在一些障礙物。從螞蟻出發(fā)覓食一刻就注定不同螞蟻在各條路徑下所留下的信息素濃度各有差異，而隨著時間的變化和路徑的長短也會使?jié)舛认陆档拇笮‘a(chǎn)生差異，最終整個蟻群依賴信息素濃度選擇出兩點(diǎn)的最優(yōu)路徑[6]。

考慮到螞蟻在釋放信息素的同時，會涉及到信息素濃度隨時間揮發(fā)的問題，不妨令（0<<1）表示信息素消失程度。這樣，在t時刻螞蟻滿足一次循環(huán)后，將各條連接路徑上的信息變量作以下調(diào)整：

（2）

（3）

式中：為第只螞蟻在本次循環(huán)中留在路徑上的信息素；為在本次循環(huán)中路徑上的信息素增量。為第只螞蟻經(jīng)過路徑的總長度，為常數(shù)，如下：

（4）

對于式（2）～式（4）而言，可以看出蟻群算法在開始搜索時，由于各路徑幾率平等、信息素分布均勻，會使該算法在起初具有一定的盲目搜索性，容易陷入局部最優(yōu)情況。

3.2 改進(jìn)蟻群算法搜索策略

傳統(tǒng)算法在云端服務(wù)器中存在大量搜索、計算等問題，為避免陷入局部最優(yōu)達(dá)到全局搜索的目的，本研究將信息素存儲在模型離散節(jié)點(diǎn)中，每個離散節(jié)點(diǎn)都有信息素的值與之對應(yīng)，將上面信息素的更新分為局部更新和全局更新兩部分。局部更新的目的是提高螞蟻探尋未經(jīng)途點(diǎn)的概率，以致完成全局搜索的任務(wù)。信息素更新公式為：

（5）

式中：為點(diǎn)（，）上所帶的信息素值；為信息素的衰減系數(shù)。全局更新是指當(dāng)螞蟻完成一條路徑的搜索時，以該路徑的長度作為評價值，從數(shù)據(jù)庫系統(tǒng)中通過計算、存儲選擇路徑集合中最短路徑，來增加最短路徑上各個節(jié)點(diǎn)的信息數(shù)值。信息素更新公式為：

（6）

在信息素更新公式的基礎(chǔ)上，對信息素衰減系數(shù)采用自適應(yīng)調(diào)節(jié)策略。通過改變的值來提高算法的全局性。

4 云計算調(diào)用算法路徑仿真

將“云”作為虛擬的管理服務(wù)模式，來掌控整個溫室環(huán)境和機(jī)器人的運(yùn)作，潛在的模式里面包括了由若干節(jié)點(diǎn)和數(shù)據(jù)信息組成的云數(shù)據(jù)庫，來提供計算和調(diào)用。本研究結(jié)合云端計算是將多種互聯(lián)的應(yīng)用、位置坐標(biāo)、蟻群算法優(yōu)化數(shù)值等資源信息有效的結(jié)合起來實(shí)現(xiàn)不同層次階梯的虛擬化，僅需連接上網(wǎng)絡(luò)即可快速地從中找到實(shí)驗(yàn)所需資源，即從起點(diǎn)S到終點(diǎn)T的一條無障礙最優(yōu)路線。將仿真結(jié)果進(jìn)行對比顯示，如圖5、圖6所示。

由局部最優(yōu)和全局最優(yōu)路徑的信息素更新代替之前機(jī)器人所經(jīng)路徑的全部更新，這不但減少了局部最優(yōu)的概率、增加了反饋效果，從圖5、圖6可看出機(jī)器人在障礙環(huán)境下的跳數(shù)與轉(zhuǎn)折次數(shù)也隨之減少；同時根據(jù)目標(biāo)點(diǎn)適當(dāng)?shù)恼{(diào)整基本啟發(fā)函數(shù)，通過圖7、圖8可看出此改進(jìn)方法對算法的收斂速度也有一定的提高，與標(biāo)準(zhǔn)蟻群算法相比，優(yōu)化后的算法收斂的代數(shù)在17代左右，此后最短距離將不再發(fā)生變化，這并不是該算法收斂過早，而是在最初將信息素傳送至服務(wù)器端時，就提供了相對可靠的數(shù)據(jù)使得前期搜索加快。

綜合圖7、圖8，本文對標(biāo)準(zhǔn)蟻群算法和改進(jìn)蟻群算法進(jìn)行了比較，兩種算法的最優(yōu)性能見表1。

仿真結(jié)果與數(shù)據(jù)證明了云數(shù)據(jù)庫調(diào)用改進(jìn)蟻群算法的有效性，快速地解決了移動機(jī)器人在溫室中的路徑規(guī)劃問題。

5 結(jié) 論

就一種基于云計算的溫室移動機(jī)器人路徑規(guī)劃而言，主要通過伺服器端的資料運(yùn)算處理，運(yùn)用改進(jìn)后的蟻群算法調(diào)用最優(yōu)行走路徑，最終將演算好的數(shù)據(jù)傳送到溫室移動機(jī)器人。通過對信息素更新的改進(jìn)及啟發(fā)函數(shù)的調(diào)整，使螞蟻前期搜索時間縮短，改善了行走路徑的質(zhì)量。將云計算技術(shù)與蟻群算法結(jié)合起來，優(yōu)化了搜索性能，提高機(jī)器人在溫室環(huán)境下的工作效率，為農(nóng)田業(yè)的發(fā)展提供了新思路。

參考文獻(xiàn)

[1] 徐揚(yáng)生，閻鏡予.機(jī)器人技術(shù)的新發(fā)展[J].集成技術(shù)，2012（1）：1?5.

[2] 張建勛，谷志民，鄭超.云計算研究進(jìn)展綜述[J].計算機(jī)應(yīng)用研究，2010，27（2）：429?433.

[3] 魯慶.基于柵格法的移動機(jī)器人路徑規(guī)劃研究[J].電腦與信息技術(shù)，2007，15（6）：24?27.

[4] DORIGO M， STUTZLE T. Ant colony optimization [M]. Cambrige： MIT Press， 2009： 29?41.

[5] 史恒亮，唐振民，劉傳領(lǐng)，等.基于蟻群優(yōu)化算法的云數(shù)據(jù)庫動態(tài)路徑規(guī)劃[J].計算機(jī)科學(xué)，2010，37（5）：143?147.

[6] Wang J，Cho J，Lee S， et al. Real Time Services for Future Cloud Computing Enabled Vehicle Networks[C].Wireless Communications and Signal Processing.Nanjing，2011：1?5.

[7] 文明波，丁治明.適用于云計算的面向查詢數(shù)據(jù)庫數(shù)據(jù)分布策略[J].計算機(jī)科學(xué)，2010，37（9）：168?172.

[8] 李磊，葉濤，譚民.移動機(jī)器人技術(shù)研究現(xiàn)狀與未來[J].機(jī)器人，2002，24（5）：475?480.

[9] 鄧高峰，張學(xué)萍，劉彥萍.一種障礙物環(huán)境下機(jī)器人路徑規(guī)劃的蟻群粒子群算法[J].控制理論與應(yīng)用，2009，26（8）：879?883.

[10] BI Xiaojun， LUO Guangxin. The improvement of ant colony algorithm based on the inver?over operator [C]// Proceedings of IEEE International Conference on Mechatronics and Automation. Harbin： IEEE Press， 2007： 2383?2387.

[11] 陳全，鄧倩妮.云計算及其關(guān)鍵技術(shù)[J].計算機(jī)應(yīng)用，2009，29（9）：2562?2567.