西兰花选择性收获机械臂的时间与路径最优运动规划：提升采收效率的智能算法创新

本文针对西兰花异步成熟特性导致的采收难题，创新性提出时间与路径双优（TOPO）运动规划算法。通过柔性边缘检测与均匀采样策略提升BIT算法性能，结合马尔可夫优化器实现路径平滑与缩短。实验表明TOPO较RRT、FMT*等主流算法规划时间减少50–73%，路径长度缩短4–11%，单株采收时间降至11秒内，成功率达97%，为农业机器人精准采收提供关键技术支撑。

　　

Highlight

总体流程

本研究整体工作流程如图1所示，主要分为三部分：(1) 针对西兰花选择性收获执行器运动过程的问题，我们改进了BIT*算法的采样策略与轨迹优化过程，提出TOPO运动规划算法。(2) 简化西兰花采收环境，建立2D与3D仿真环境并进行多算法对比。(3) 通过原型实验验证算法在实际采收场景中的有效性。

2D仿真与讨论

四种算法的二维路径规划结果如图7所示。第一行为简单工作环境，第二行为复杂工作环境。绿色线段表示路径扩展过程，灰色粒子表示随机生成的采样点，黄色虚线椭圆代表采样区域的更新边界，红色实线为最终路径。

如图所示，TOPO算法的搜索过程更具方向性，在复杂环境中能快速收敛至最优路径。相比RRT产生的迂回轨迹和FMT的冗余采样，TOPO通过自适应采样区域调整和边缘检查优化，显著提升了搜索效率与路径质量。

结论与展望

本研究聚焦运动规划中的速度与安全问题，通过发挥BIT*算法优势并采用多种改进策略，创新性提出TOPO算法以提升规划速度、路径长度与成功率。通过运动规划仿真和实验室原型实验验证了算法有效性。结果表明TOPO算法可将路径规划时间降低50%至73%，缩短路径长度4%–11%，并将采收单株西兰花的操作时间控制在11秒以内，为选择性采收机器人的高效作业提供关键技术支撑。