宋家慧，孔令美

(1.廣西機電職業(yè)技術(shù)學(xué)院 計算機與信息工程系，南寧　530007；2.廣東技術(shù)師范學(xué)院 天河學(xué)院信息與傳媒學(xué)院，廣州　510540)

?

采摘機器人視覺伺服策略研究—基于回歸數(shù)據(jù)挖掘的

宋家慧1，孔令美2

(1.廣西機電職業(yè)技術(shù)學(xué)院 計算機與信息工程系，南寧530007；2.廣東技術(shù)師范學(xué)院 天河學(xué)院信息與傳媒學(xué)院，廣州510540)

摘要：為了實現(xiàn)采摘機器人的準(zhǔn)確抓取控制、路徑識別和自主導(dǎo)航功能，提出了一種基于回歸數(shù)據(jù)挖掘計算模型的機器人視覺伺服控制系統(tǒng)。首先利用雙目相機獲取果實圖像，然后利用拉普拉斯變換和高斯濾波方法對圖片進行平滑和增強處理，并利用Canny算法對圖像邊緣進行檢測和分割處理，完成圖像的預(yù)處理。對圖像進行目標(biāo)識別，提取圖像的特征，并采用回歸數(shù)據(jù)挖掘方法對濾波圖像進行檢驗，最終通過計算得到果實圖像的中心位置，將中心位置利用控制器反饋給控制中心，控制中心發(fā)出指令，控制末端執(zhí)行器完成果實的采摘作業(yè)。對機器人視覺伺服系統(tǒng)進行了測試，結(jié)果表明：利用采摘機器人視覺伺服系統(tǒng)可以準(zhǔn)確地計算果實的中心位置，實測位置和計算位置的吻合程度較高，視覺伺服系統(tǒng)的計算的穩(wěn)定性較好。

關(guān)鍵詞：采摘機器人；回歸算法；數(shù)據(jù)挖掘；Canny算法；高斯濾波

0引言

視覺伺服策略是果蔬采摘機器人對果實識別和定位的一個重要問題。在果實采摘作業(yè)環(huán)境下，為了完成對果實的識別、抓取采摘和放置動作，需要利用視覺伺服系統(tǒng)獲取果實的位置信息。視覺系統(tǒng)首先在圖像背景中識別果實，然后得到目標(biāo)果實的中心位置，利用執(zhí)行末端抓取果實，割斷果柄，完成果實采摘作業(yè)。在特定的應(yīng)用場合，機器人的作業(yè)對象和環(huán)境是預(yù)先設(shè)定的，可以通過編程來實現(xiàn)機器人的自動化作業(yè)；但在采摘作業(yè)環(huán)境下，目標(biāo)物和作業(yè)場景是時刻變換的，這就需要借助機器視覺實現(xiàn)機器人的自主導(dǎo)航和機械手軌跡自動化控制。機器人視覺伺服系統(tǒng)的引入可以模仿人的視覺功能感知采摘環(huán)境，實現(xiàn)無接觸的位置測量，提高了機器人的智能化水平和自適應(yīng)學(xué)習(xí)能力。

1視覺伺服系統(tǒng)和機械結(jié)構(gòu)

采摘機器人視覺伺服系統(tǒng)的圖像采集相機安裝在機械手末端，機械手末端安裝有吸附結(jié)構(gòu)，可以將果實吸附，視覺相機安裝在執(zhí)行末端的果柄夾持位置，其機械結(jié)構(gòu)如圖1所示。

1.視覺相機　2.果實　3.吸盤　4.手指

工作時，果實主要靠吸盤裝置進行吸附，吸附裝置使用伺服控制系統(tǒng)控制；當(dāng)果柄切斷后，吸附裝置將果實放下。

圖2為果柄切割裝置的機械結(jié)構(gòu)圖。果柄的切割利用電熱絲加熱切割，并利用吸盤吸附果實；當(dāng)果柄切斷后，吸附裝置不再吸附果實，果實滑落到果箱內(nèi)。采摘機器人伺服視覺系統(tǒng)和總體結(jié)構(gòu)由6部分組成，包括雙目視覺相機、采摘末端執(zhí)行器、人機交互系統(tǒng)、硬件系統(tǒng)、移動模塊和控制器，如圖3所示。

圖3中，控制器負(fù)責(zé)回歸數(shù)據(jù)挖掘的運算、控制信號的接收和發(fā)送，以及協(xié)調(diào)各部件的工作；視覺相機安裝在機械手末端，通過姿態(tài)的調(diào)整，對果實圖像進行全方位的采集?？刂破骶哂泄麑嵨恢米R別和定位功能，其結(jié)構(gòu)原理設(shè)計如圖4所示。

1.固定架　2.電熱絲　3.切割墊板　4.夾持墊片　5.手指

1.移動平臺　2.傳感器　3.采摘機械臂

圖4　機器人系統(tǒng)控制器原理圖

圖4中，采摘機器人的視覺系統(tǒng)主要由路標(biāo)識別相機和雙目視覺相機組成，利用機器人伺服視覺系統(tǒng)可以控制機器人的移動。綜合考慮機器人的作業(yè)環(huán)境、作業(yè)要求和作業(yè)成本，采用四輪行走式機器人結(jié)構(gòu)，該機器人可以在壟間自主行走，實時進行圖像的采集和果實采摘作業(yè)。當(dāng)一個果實采摘完畢后，利用圖像采集得到下一個果實的位置，利用不斷的循環(huán)，完成果實的采摘任務(wù)。移動平臺的伺服控制結(jié)構(gòu)如圖5所示。

1.車底盤　2.同步帶輪　3.步進電機支架

圖5中，伺服控制系統(tǒng)主要使用步進電機實現(xiàn)移動距離和方向的精確控制，其控制精確度高、噪聲小、穩(wěn)定性好。伺服控制系統(tǒng)的硬件主要由5部分組成，包括控制核心、圖像采集模塊、電機驅(qū)動模塊、人機交互模型和電源模塊，如圖6所示。

圖6　硬件控制核心系統(tǒng)結(jié)構(gòu)

圖6中，采集模塊為CCD相機和圖像采集卡，采集卡將模擬信號轉(zhuǎn)換為數(shù)字信號，人機交互模塊由鍵盤構(gòu)成，電機驅(qū)動使用專用的驅(qū)動芯片L298N和光藕。

2視覺伺服回歸數(shù)據(jù)挖掘計算模型

在采摘過程中，由機器視覺伺服系統(tǒng)獲取的圖像往往含有大量的噪聲和畸變，圖像的質(zhì)量較差，使圖像的灰度不均勻，容易形成虛假的果實邊緣和輪廓，給圖像的分析帶來較大的困難，因此需要對圖像進行濾波操作。對于濾波效果的檢驗，使用回歸數(shù)據(jù)預(yù)測計算模型，可以有效地提高濾波的精度，提高果實圖像的識別準(zhǔn)確度。

假設(shè)果實的圖像是由灰度均勻的許多小塊圖像組成，圖像在相鄰位置具有較高的空間相關(guān)性；而噪聲是獨立疊加在圖像上，其均值為0。因此，可以利用圖像像素領(lǐng)域各像素的平均值代替原來的灰度值，實現(xiàn)圖像的平滑處理。假設(shè)某像素灰度值中心為f(i,j)，像素組成的點集為P，像素個數(shù)為N，利用鄰域方法進行濾波后，像素的f(i,j)輸出為

(1)

利用領(lǐng)域像素的平均g(i,j)代替了原理的灰度值f(i,j)，該方法可以有效地抑制噪聲，但同時也會使圖像變得模糊。為了盡量降低模糊造成的果實圖像失真，使用超限鄰域平均法，其表達式為

g(i,j)=

(2)

其中，T為設(shè)定閾值，當(dāng)像素平均值超過領(lǐng)域平均一定值后，才能將其作為噪聲處理，否則不處理。為了進一步提高濾波的效果，將圖像進行拉普拉斯變換，實現(xiàn)圖像的二階邊緣檢測。拉普拉斯變換通過尋找圖像二階微分過零點來檢測圖像邊緣，經(jīng)過微分算子形成了一個單峰函數(shù)，對函數(shù)進行微分，峰值處的微分值為0，峰值兩側(cè)的符號相反。在實際濾波過程中，首先對圖像進行高斯濾波，然后對濾波后的圖像二階求導(dǎo)，求導(dǎo)按照式(3)，則有

▽2[G(x,y)·f·(x,y)]

(3)

其中，f(i,j)為原圖像；G(i,j)為高斯函數(shù)。由微分和卷積交換順序可得

▽2[G(x,y)·f(x,y)]=▽2G(x,y)·f(x,y)

(4)

其中，▽2G(x,y)為拉普拉斯高斯算子。

(5)

其中，σ為關(guān)于原點對稱函數(shù)，其主瓣寬度為

(6)

在采摘數(shù)字圖像處理過程中，邊緣檢測信息容易丟失，會產(chǎn)生雙像素的邊緣，噪聲也會被加強。因此，可以使用Canny邊緣檢測對算法進一步加強，在噪聲抑制和邊緣檢測直接取得良好的平衡，其步驟為：

1)使用高斯濾波器進行濾波，然后將圖像中的噪聲去掉。

(7)

其中，f為濾波后的圖像。為了將果實圖像提取出來，對圖像進行閾值分割，利用二值化方法將圖像灰度值分別設(shè)置為255和0。假設(shè)全局閾值分割的原始圖像為f(i,j)，其閾值為T，通過圖像分割后可以得到

(8)

強閾值范圍內(nèi)的像素值置為1，范圍外的像素值置為0，其表達式為

(9)

利用逐步回歸分析法對圖像處理的效果進行檢驗，其具體步驟如下：

步驟6：通過上述步驟，查看濾波后像素值是否可以引入或者剔除，通過逐步回歸數(shù)據(jù)挖掘的方法不斷迭代計算，當(dāng)像素值無變量可引入，也無變量可剔除，計算結(jié)束；將所有標(biāo)準(zhǔn)化的量值轉(zhuǎn)換為回歸系數(shù)，求出常數(shù)項，回歸數(shù)據(jù)挖掘計算結(jié)束。

3系統(tǒng)測試

機器人視覺伺服系統(tǒng)可以自動計算果實中心，計算依據(jù)為上文中設(shè)計的回歸數(shù)據(jù)挖掘計算模型。為了驗證伺服系統(tǒng)計算的可靠性，在采摘機器人上安裝了伺服視覺系統(tǒng)，其作業(yè)過程如圖7所示。

圖7　采摘機器人采摘過程圖

圖7中，在機械手上安裝了高清相機可以對成熟果實圖像進行采集，將采集得到的圖像首先進行圖像處理，通過一系列計算可得到果實中心的提取結(jié)果，如圖8所示。

圖8　果實特征提取結(jié)果

圖8中，首先利用圖像濾波進行平滑處理，利用邊緣檢測得到果實的特征曲線；然后可以得到圖像具體位置的坐標(biāo)值，利用坐標(biāo)值確定果實位置中心，對果實進行準(zhǔn)確定位。

表1為視覺伺服系統(tǒng)對果實中心進行計算得到的果實位置的結(jié)果。將計算中心位置和實測位置進行對比可以發(fā)現(xiàn)：實測位置和計算位置的吻合程度比較高，從而驗證了視覺伺服系統(tǒng)果實中心計算的可靠性。

表1　視覺伺服系統(tǒng)果實中心計算

續(xù)表1

4結(jié)論

1)為了實現(xiàn)采摘機器人路徑識別和準(zhǔn)確抓取果實的功能，提高果實的自主識別和自主導(dǎo)航能力，提出了一種基于回歸數(shù)據(jù)挖掘計算的機器人伺服控制系統(tǒng)。該系統(tǒng)利用鄰域濾波、拉普拉斯變化和高斯濾波對圖像進行去噪處理，利用Canny算法提取果實的邊緣圖像，對果實目標(biāo)的中心位置進行準(zhǔn)確的計算，并使用回歸數(shù)據(jù)挖掘算法對圖像像素值進行篩選，提高了機器人目標(biāo)識別的準(zhǔn)確性。

2)對采摘機器人的視覺伺服系統(tǒng)進行了測試，通過測試得到了果實的中心位置坐標(biāo)。將計算得到的中心位置坐標(biāo)和實際測量得到的位置坐標(biāo)進行對比發(fā)現(xiàn)，實測位置和計算位置的吻合程度較高，從而驗證了伺服視覺系統(tǒng)計算的可靠性。

參考文獻：

[1]賀瑤,王文慶,薛飛.基于云計算的海量數(shù)據(jù)挖掘研究[J].計算機技術(shù)與發(fā)展,2013,23(2):69-72.

[2]丁巖,楊慶平,錢煜明.基于云計算的數(shù)據(jù)挖掘平臺架構(gòu)及其關(guān)鍵技術(shù)研究[J].中興通訊技術(shù), 2013,19(1): 53-60.

[3]李凱,常征.基于云計算的并行數(shù)據(jù)挖掘系統(tǒng)設(shè)計與實現(xiàn)[J].微計算機信息,2011, 27(6):121-123.

[4]孫廣路,齊浩亮.基于在線排序邏輯回歸的垃圾郵件過濾[J].清華大學(xué)學(xué)報,2013, 53(5):734-740.

[5]劉波濤.基于粗糙集的數(shù)據(jù)挖掘算法的研究[J].中國西部科技,2011,10(14):11-12.

[6]胡劍策,吳國平.改進的遺傳BP 神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)挖掘算法及應(yīng)用[J].微型機與應(yīng)用,2011(2):30.

[7]儲兵,吳陳,楊習(xí)貝.基于RBF 神經(jīng)網(wǎng)絡(luò)與粗糙集的數(shù)據(jù)挖掘算法[J].計算機技術(shù)與發(fā)展,2013,23(7):87-91.

[8]國剛,王毅.應(yīng)用BP神經(jīng)網(wǎng)絡(luò)迭代進行手寫體字母數(shù)字識別[J].人工智能及識別技術(shù),2008,4(6):1459-1460.

[9]黃斌,許舒人,蒲衛(wèi).基于MapReduce 的數(shù)據(jù)挖掘平臺設(shè)計與實現(xiàn)[J].計算機工程與設(shè)計,2013,34(2):495-501.

[10]俞慶生.基于云平臺的邏輯回歸模型構(gòu)建算法的設(shè)計與實現(xiàn)[J].科技通報, 2013,29(6):137-139.

[11]張建勛,古志民,鄭超.云計算研究進展綜述[J].計算機應(yīng)用研究, 2010, 27(2):429-433.

[12]袁挺,紀(jì)超,陳英,等.基于光譜成像技術(shù)的溫室黃瓜識別法[J].農(nóng)業(yè)機械學(xué)報, 2011,42(S1):172-176.

[13]馮青春,袁挺.黃瓜采摘機器人遠近景組合閉環(huán)定位方法[J].農(nóng)業(yè)機械學(xué)報,2011,42(2):154-157.

[14]王仲民,戈新良,唐智強.多傳感器信息融合技術(shù)研究現(xiàn)狀和發(fā)展趨勢[J].河北工業(yè)大學(xué)學(xué)報, 2003,32(2):30-35.

[15]張鐵中,楊麗,陳兵旗,等.農(nóng)業(yè)機器人技術(shù)研究進展[J].中國科學(xué),2010,40(S1):71-87.

[16]宋怡煥,饒秀勤.基于DT-CWT 和LS-SVM 的蘋果果梗/花萼和缺陷識別[J].農(nóng)業(yè)工程學(xué)報,2012,28(9):114-118.

[17]魏承,趙陽,田浩.空間機器人抓取漂浮目標(biāo)控制研究[J].航空學(xué)報,2010,31(3):632-637.

[18]王津京,趙德安,姬偉,等.采摘機器人基于支持向量機蘋果識別方法[J].農(nóng)業(yè)機械學(xué)報,2009,40(1):148-151.

[19]方勇純.機器人視覺伺服研究綜述[J].智能系統(tǒng)學(xué)報,2008,3(2):109-114.

[20]周昕,王小玉.機器學(xué)習(xí)在數(shù)據(jù)挖掘中的作用[J]. 電腦學(xué)習(xí), 2010(3):93-94.

[21]李洪欣,楊建中.基于兩參數(shù)的表冷器建模方法研究[J].建筑熱能通風(fēng)空調(diào),2009,28(6):15-17.

[22]孟慶山.水源熱泵機組變流量水系統(tǒng)節(jié)能優(yōu)化探討[J].制冷與空調(diào),2010,10(1):84-89.

[23]謝志勇,張鐵中,趙金英.基于 Hough 變換的成熟草莓識別技術(shù)[J].農(nóng)業(yè)機械學(xué)報,2007,38(3):106-109.

[24]王東,趙宇,王秀紅.一種改進的DFT迭代的MIMO-OFDM系統(tǒng)信道估計算法[J].應(yīng)用科技,2009, 3(3):19-22.

[25]徐文穎,張靜,董建萍.導(dǎo)頻信道估計中的插值算法[J].上海師范大學(xué)學(xué)報,2007,12(6):41-46.

[26]陳暉,陳曉光.基于直接判決導(dǎo)頻跟蹤的OFDM系統(tǒng)快時變信道估計[J].通信學(xué)報,2006,9(27):1-5.

[27]李文見,姬江濤.輪履復(fù)合式農(nóng)業(yè)機器人越避障控制研究[J].河南科技大學(xué)學(xué)報:自然科學(xué)版,2007(8):57- 59.

Research on Picking Robot Visual Servo Strategy—Based on Regression Data Mining

Song Jiahui1, Kong Lingmei2

(1.Department of Computer and Information Engineering,Guangxi Technological College of Machinery and Electricity,Nanning 530007, China;2.Information and Media Academy, Tianhe College of Guangdong Polytechnic Normal University，Guangzhou 510540, China)

Abstract：In order to realize the accurate grasp control of picking robot, realize the function of path recognition and autonomous navigation, a robot visual servo control system is proposed based on the regression data mining model. The robot visual servo system first uses the binocular camera to obtain the fruit image, then uses the Laplasse transform and Gauss filtering method to smooth and enhance the image processing, the image edge detection using Canny algorithm to detect and segment processing, complete image preprocessing. Image recognition, the feature extraction of the image, and the use of regression data mining method to test the filtering image, the center position of the fruit image is obtained by calculating the center position of the fruit. The test results can be seen from the test results, the center position of the fruit can be accurately calculated by using the visual servo system of the picking robot. The calculated center position and the measured position are found to be in good agreement with the measured position and location.

Key words：picking robot; regression algorithm; data mining; canny algorithm; gauss filter

中圖分類號：S225；TP391.41

文獻標(biāo)識碼：A

文章編號：1003-188X(2016)12-0081-05

作者簡介：宋家慧(1978-)，女，山東蒼山人，講師，碩士。通訊作者：孔令美(1976-)，女，山東齊河人，講師，碩士，(E-mail)sjh70klm@sina.cn。

基金項目：廣西高校科學(xué)技術(shù)研究項目(LX2014550)

收稿日期：2015-09-16