Deformation Method with Constraints on Normal Curvature for Wheeled Robots in Precision Agriculture Based on Second-Order Cone Programming

封面

如何引用文章

全文:

开放存取 开放存取
受限制的访问 ##reader.subscriptionAccessGranted##
受限制的访问 订阅存取

详细

В точном земледелии является актуальной задача построения путей сельскохозяйственных роботов, покрывающих трехмерный участок ландшафта. Если для их реализации используются колесные роботы с рулением поворотом передних колес, то нормальная кривизна траекторий должна быть ограничена некоторой величиной, определяемой характеристиками этих машин. В работе рассмотрен метод деформации представленных однородными кубическими B-сплайнами путей для учета препятствий. Предложена оптимизационная задача, позволяющая производить расчет путей с минимизацией пропусков в покрытии. Данная задача является выпуклой и принадлежит к классу конического программирования второго порядка, что обуславливает возможность ее вычислительно эффективного решения. Приведены примеры вычислений.

关键词

作者简介

Т. Tormagov

Email: tormagov@phystech.edu

参考

  1. Gilimyanov R.F., Pesterev A.V., Rapoport L.B. Smoothing curvature of trajectories constructed by noisy measurements in path planning problems for wheeled robots // J. Comput. Syst. Sci. Int. 2008. V. 47. No. 5. P. 812–819.
  2. Jin J., Tang L. Optimal Coverage Path Planning for Arable Farming on 2D Surfaces // Trans. ASABE. St. Joseph, MI: ASABE, 2010. V. 53. No. 1. P. 283–295.
  3. Jin J., Tang L. Coverage path planning on three-dimensional terrain for arable farming // J. F. Robot. 2011. V. 28. No. 3. P. 424–440.
  4. Hameed I.A., La Cour-Harbo A., Osen O.L. Side-to-side 3D coverage path planning approach for agricultural robots to minimize skip/overlap areas between swaths // Rob. Auton. Syst. Elsevier. 2016. Vol. 76. P. 36–45.
  5. Tormagov T., Rapoport L. Coverage Path Planning for 3D Terrain with Constraints on Trajectory Curvature Based on Second-Order Cone Programming / Advances in Optimization and Applications Ed. Olenev N.N. et al. Cham: Springer International Publishing, 2021. P. 258–272.
  6. Galvez A., Iglesias A., Puig-Pey J. Computing parallel curves on parametric surfaces // Appl. Math. Model. 2014. V. 38. No. 9–10. P. 2398–2413.
  7. Тормагов Т.А., Генералов А.А., Шавин М.Ю., Рапопорт Л.Б. Задачи управления движением автономных колесных роботов в точном земледелии // Гироскопия и навигация. 2022. Т. 30, 1 (116). С. 39–60.
  8. Tormagov T.A., Generalov A.A., Shavin M.Y., Rapoport L.B. Motion Control of Autonomous Wheeled Robots in Precision Agriculture // Gyroscopy Navig. 2022. V. 13. No. 1. P. 23–35.
  9. Chichkanov I., Shawin M. Algorithm for Finding the Optimal Obstacle Avoidance Maneuver for Wheeled Robot Moving Along Trajectory // 2022 16th International Conference on Stability and Oscillations of Nonlinear Control Systems (Pyatnitskiy’s Conference). Moscow: IEEE, 2022. P. 1–3.
  10. Latombe J.-C. Robot Motion Planning. Boston, MA: Springer US, 1991.
  11. Choset H., Pignon P. Coverage Path Planning: The Boustrophedon Cellular Decomposition / Field and Service Robotics Ed. Zelinsky A. London: Springer London, 1998. P. 203–209.
  12. Acar E.U., Choset H., Rizzi A.A. et al. Morse Decompositions for Coverage Tasks // Int. J. Rob. Res. 2002. V. 21. No. 4. P. 331–344.
  13. Hart P., Nilsson N., Raphael B. A Formal Basis for the Heuristic Determination of Minimum Cost Paths // IEEE Trans. Syst. Sci. Cybern. 1968. V. 4. No. 2. P. 100–107.
  14. Stentz A. Optimal and efficient path planning for unknown and dynamic environments // Int. J. Robot. Autom. Int Association of Science and Technology for Development, 1995. V. 10. No. 3. P. 89–100.
  15. Chuang J.-H. Potential-based modeling of three-dimensional workspace for obstacle avoidance // Proceedings IEEE International Conference on Robotics and Automation. IEEE Comput. Soc. Press. 1993. P. 19–24.
  16. Гилимьянов Р.Ф., Рапопорт Л.Б. Метод деформации пути в задачах планирования движения роботов при наличии препятствий // Проблемы управления. 2012. № 1. С. 70–76.
  17. Gilimyanov R.F., Rapoport L.B. Path Deformation Method for Robot Motion Planning Problems in the Presence of Obstacles // Autom. Remote Control. 2013. V. 74. No. 12. P. 70–76.
  18. Lobo M.S., Vandenberghe L., Boyd S. et al. Applications of second-order cone programming // Linear Algebra Appl. North-Holland, 1998. V. 284. No. 1–3. P. 193–228.
  19. Boyd S., Vandenberghe L. Convex Optimization. Cambridge: Cambridge University Press, 2004.
  20. O’Donoghue B., Chu E., Parikh N. et al. Conic Optimization via Operator Splitting and Homogeneous Self-Dual Embedding // J. Optim. Theory Appl. 2016. V. 169. No. 3. P. 1042–1068.
  21. Domahidi A., Chu E., Boyd S. ECOS: An SOCP solver for embedded systems // 2013 European Control Conference. 2013. P. 3071–3076.
  22. Vahdanjoo M., Zhou K., Sorensen C.A.G. Route Planning for Agricultural Machines with Multiple Depots: Manure Application Case Study // Agronomy. 2020. V. 10, No. 10. P. 1608.
  23. Conesa-Munoz J., Bengochea-Guevara J., Andujar D., et al. Route planning for agricultural tasks: A general approach for fleets of autonomous vehicles in site-specific herbicide applications // Comput. Electron. Agric. Elsevier B.V., 2016. V. 127. P. 204–220.
  24. Dierckx P. An Algorithm for Surface-Fitting with Spline Functions // IMA J. Numer. Anal. 1981. V. 1, No. 3. P. 267–283.
  25. Cressie N. The origins of kriging // Math. Geol. Kluwer Academic Publishers-Plenum Publishers, 1990. V. 22, No. 3. P. 239–252.
  26. Пестерев A.В., Гилимьянов Р.Ф. Планирование пути для колесного робота // Тр. ИСА РАН. 2006. № 25. С. 205–212.
  27. Diamond S., Boyd S. CVXPY: A Python-embedded modeling language for convex optimization // J. Mach. Learn. Res. 2016. V. 17, No. 83. P. 1–5.
  28. Agrawal A., Verschueren R., Diamond S. et al. A rewriting system for convex optimization problems // J. Control Decis. 2018. V. 5, No. 1. P. 42–60.
  29. Junjie P., Dingwei W. An Ant Colony Optimization Algorithm for Multiple Travelling Salesman Problem // First International Conference on Innovative Computing, Information and Control — Volume I (ICICIC’06). IEEE. 2006. V. 1. P. 210–213.

补充文件

附件文件
动作
1. JATS XML

版权所有 © The Russian Academy of Sciences, 2024

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».