王　政，張微微，張　賓，白向偉，汪小志

(1.河北工程技術(shù)學(xué)院，石家莊　050091;2.武漢理工大學(xué)，武漢　430070)

?

基于聚類算法對(duì)象提取的快速定位采摘機(jī)器人設(shè)計(jì)

王政1，張微微1，張賓1，白向偉1，汪小志2

(1.河北工程技術(shù)學(xué)院，石家莊050091;2.武漢理工大學(xué)，武漢430070)

摘要：為了提高采摘機(jī)器人的定位速度，對(duì)機(jī)器人的機(jī)器視覺系統(tǒng)進(jìn)行了改進(jìn)，設(shè)計(jì)了一種基于聚類算法和視頻對(duì)象提取技術(shù)的快速定位機(jī)器人。該機(jī)器人視頻對(duì)象圖像提取過(guò)程中，在完成圖像進(jìn)行濾波后，引入了Lab彩色空間聚類算法，有效地降低了圖像的色彩數(shù)和噪聲，實(shí)現(xiàn)了圖像對(duì)象的量化處理，大大提高了果實(shí)定位和采摘的效率。為了驗(yàn)證設(shè)計(jì)的快速定位采摘機(jī)器人的可靠性，對(duì)機(jī)器人的采摘性能進(jìn)行了測(cè)試，測(cè)試項(xiàng)目主要包括圖像處理和果實(shí)定位。通過(guò)測(cè)試發(fā)現(xiàn)：快速定位機(jī)器人可以有效地實(shí)現(xiàn)圖像聚類中心的提取，并對(duì)聚類中心進(jìn)行編碼，每次定位用時(shí)少、定位速度高且果實(shí)采摘的準(zhǔn)確性累計(jì)概率較高，符合高精度、高效率果實(shí)采摘機(jī)器人的設(shè)計(jì)需求。

關(guān)鍵詞：采摘機(jī)器人；視頻對(duì)象；聚類算法；定位速度；機(jī)器視覺

0引言

機(jī)器人視覺技術(shù)是近年研究最熱門的課題之一，為了提高采摘機(jī)器人的果實(shí)識(shí)別性能，越來(lái)越多的采摘機(jī)器人開始采用雙目視覺系統(tǒng)對(duì)果實(shí)進(jìn)行定位。機(jī)器人雙目視覺系統(tǒng)人眼觀察物體的方式很相似，利用兩臺(tái)相隔一定距離的兩臺(tái)攝像機(jī)所獲取的圖像的差異，運(yùn)用三角測(cè)距原理得到果實(shí)的有關(guān)位置的三維信息，這就是所謂的雙目視覺系統(tǒng)。但是，由于雙目視覺系統(tǒng)得到的視頻數(shù)據(jù)較大，如果單純對(duì)果實(shí)視頻圖像進(jìn)行提取，得到的果實(shí)彩色圖像數(shù)據(jù)量較大，并且包含噪聲也比較多，不利于果實(shí)信息的提取?；诖?，需要通過(guò)處理算法對(duì)圖像進(jìn)行量化，提高圖像的處理速度，從而提高機(jī)器人對(duì)果實(shí)的定位速度。

1總體設(shè)計(jì)

視頻對(duì)象提取快速定位果實(shí)采摘機(jī)器人的數(shù)據(jù)主要包括機(jī)器視覺系統(tǒng)、機(jī)械手執(zhí)行末端、手腕等關(guān)鍵和行走機(jī)構(gòu)。其中，機(jī)器視覺系統(tǒng)主要由彩色攝像頭和圖像處理卡組成，可以識(shí)別成熟的果實(shí)；機(jī)械手執(zhí)行末端主要是使用膠手指和氣動(dòng)吸嘴，腕關(guān)節(jié)可以把果實(shí)摘取而不損傷果實(shí)；行走機(jī)構(gòu)可以保證機(jī)器人在田間自由行走，其總體設(shè)計(jì)如圖1所示。

圖1　視頻對(duì)象提取定位機(jī)器人總體設(shè)計(jì)

設(shè)計(jì)原理：使用視頻采集技術(shù)采集果實(shí)的視頻，然后利用聚類算法對(duì)視頻圖像進(jìn)行色彩聚類，得到果實(shí)的質(zhì)心位置，并建立一個(gè)位置識(shí)別數(shù)據(jù)庫(kù)；最后對(duì)各個(gè)位置參考點(diǎn)發(fā)出動(dòng)作指令，使用PC機(jī)對(duì)執(zhí)行末端進(jìn)行變頻調(diào)速。其中，位置識(shí)別數(shù)據(jù)庫(kù)的建立流程如圖2所示。

在機(jī)器人進(jìn)行定位時(shí)，利用RSSI定位技術(shù)對(duì)果實(shí)的位置進(jìn)行預(yù)測(cè)，將得到的位置矢量和數(shù)據(jù)庫(kù)中的位置進(jìn)行比較，從而得到最佳的匹配結(jié)果。

圖2　位置識(shí)別數(shù)據(jù)庫(kù)的創(chuàng)建流程

2結(jié)構(gòu)和控制算法設(shè)計(jì)

為了實(shí)現(xiàn)果實(shí)采摘機(jī)器人的快速定位，需要對(duì)果實(shí)采摘機(jī)器人的視覺系統(tǒng)進(jìn)行改進(jìn)，將2個(gè)攝像頭安裝于末端執(zhí)行器上，組成定位系統(tǒng)，機(jī)器視覺系統(tǒng)如圖3所示。

1.攝像頭　A 2.攝像頭B　3.激光發(fā)生器　4.機(jī)械爪

機(jī)器視覺系統(tǒng)的改進(jìn)在于使用一種視頻對(duì)象處理方法，可以實(shí)時(shí)地實(shí)現(xiàn)視頻對(duì)象的提取，高效地完成果實(shí)的定位。其中，攝像頭A安置在機(jī)械手的正下方，攝像頭B安置在機(jī)械手的側(cè)端，兩個(gè)攝像頭使用CMOS攝像頭；其分辨率為1 024×680，可以拍攝視頻的范圍為1 760mm×1 320mm。圖4為機(jī)器人的定位過(guò)程示意圖。

1.機(jī)械爪　2.壟面　3.草莓果實(shí)　4.果柄　5.爪鉗

其以作業(yè)面向壟面建立笛卡爾坐標(biāo)系，壟面向右方為X軸正方向，壟面的下方為Y軸正方向，壟面的垂直方向?yàn)閆軸正方向；在Z方向上，目標(biāo)與爪鉗根部的坐標(biāo)差值，即為末端執(zhí)行器與目標(biāo)的距離D。機(jī)器人定位過(guò)程中，首先利用雙攝像頭獲得果實(shí)視頻信息，然后從視頻中提取果實(shí)對(duì)象圖像，從而確定其在平面內(nèi)的位置和姿態(tài)，并利用圖像信息調(diào)整機(jī)器人的位置和姿態(tài)，使機(jī)器人接近果實(shí)；然后利用不斷的定位過(guò)程對(duì)果實(shí)進(jìn)行追蹤，從而完成果實(shí)的采摘。機(jī)器人的位置和姿態(tài)控制主要有兩種方案，一是利用正運(yùn)動(dòng)學(xué)，二是逆運(yùn)動(dòng)學(xué)。對(duì)于果實(shí)目標(biāo)的鎖定，需要根據(jù)雙攝像頭得到的視頻來(lái)提取果實(shí)對(duì)象，在提取果實(shí)對(duì)象前需要對(duì)視頻進(jìn)行處理，得到降低圖像的色彩數(shù)便于提取。目前，色彩控制主要使用的是RGB、HSL、YUV和Lab，與人眼視覺特征比較匹配的是Lab色彩空間。其中，L表示色彩的亮度，其取值范圍為[0,100]；a表示色彩的紅綠程度，其取值范圍為[-128,127]；b表示色彩的黃藍(lán)程度，其取值范圍為[-128,127]；Lab空間是基于XYZ空間的，從XYZ空間到Lab空間的變換為

(1)

(2)

(3)

當(dāng)ΔS>5時(shí)，顏色間是存在區(qū)別的。對(duì)圖像進(jìn)行濾波后，可以利用聚類算法對(duì)色彩進(jìn)行聚類，其中質(zhì)心的表達(dá)式可以表示為

ci=∑x(n)/∑1，x(n)∈Ci

(4)

其中，x(n)表示像素點(diǎn)，失真度的表達(dá)式為

Di=∑‖x(n)-ci‖2，x(n)∈Ci

(5)

根據(jù)Fisher判斷準(zhǔn)則，對(duì)于每個(gè)點(diǎn)x0(n)都可以得到的m(n)值，假設(shè)

Tn=dm(n)-1

(6)

每個(gè)像素點(diǎn)的權(quán)重可以表示為

vn=exp(-T(n))

(7)

則質(zhì)心的表達(dá)式可以改進(jìn)為

ci=∑v(n)x(n)/∑v(n)，x(n)∈Ci

(8)

將失真度也引入權(quán)重的概念，表達(dá)式改為

Di=∑v(n)‖x(n)-ci‖2，x(n)∈Ci

(9)

根據(jù)質(zhì)心位置可以對(duì)果實(shí)圖像進(jìn)行定位，機(jī)器人可以通過(guò)位置和姿態(tài)的調(diào)整來(lái)實(shí)現(xiàn)機(jī)器人作業(yè)軌跡和圖像軌跡的重合。為了實(shí)現(xiàn)位置和姿態(tài)調(diào)整，將輸出力矩、輸出精度、規(guī)格重量、供電電壓、等各方面規(guī)格進(jìn)行綜合考慮，選用了松下公司的交流伺服電機(jī)，如圖5所示。

圖5　交流伺服電機(jī)

圖5中，主要考慮的參數(shù)包括電池容量、輸出功率和轉(zhuǎn)矩、最大轉(zhuǎn)矩、額定和最大電流以及最高轉(zhuǎn)速，其參數(shù)的具體選擇如表1所示。

表1　伺服電機(jī)性能參數(shù)表

為了滿足定位執(zhí)行末端伺服電機(jī)的需要，通過(guò)計(jì)算對(duì)伺服電機(jī)的性能參數(shù)進(jìn)行了設(shè)計(jì)，變速箱的設(shè)計(jì)如圖6所示。

圖6　減速箱設(shè)計(jì)示意圖

伺服電機(jī)在工作時(shí)，需要實(shí)現(xiàn)低轉(zhuǎn)速大力矩的輸出，因此減速箱的設(shè)計(jì)也需要配合這一力學(xué)性能，根據(jù)機(jī)器人結(jié)構(gòu)和力學(xué)性能進(jìn)行綜合考慮，選擇了HMK型減速箱。

3果實(shí)采摘機(jī)器人測(cè)試

為了驗(yàn)證設(shè)計(jì)的視頻對(duì)象提取快速定位機(jī)器人的有效性和可靠性，對(duì)機(jī)器人的性能進(jìn)行了測(cè)試，測(cè)試項(xiàng)目包括圖像處理和果實(shí)定位。機(jī)器人果實(shí)采摘測(cè)試的場(chǎng)景如圖7所示。

圖7　機(jī)器人測(cè)試場(chǎng)景圖

在機(jī)器人上裝有機(jī)器視覺系統(tǒng)，在頭部安裝有高清攝像頭，在機(jī)身部位安裝了圖像處理系統(tǒng)，可以有效地實(shí)現(xiàn)聚類算法的視頻對(duì)象提取。通過(guò)對(duì)象提取和聚類中心計(jì)算，得到了如圖8所示的果實(shí)定位圖像。

對(duì)蘋果圖像進(jìn)行編碼，利用不同的編碼可以實(shí)現(xiàn)果實(shí)的自動(dòng)軌跡跟蹤。為了驗(yàn)證聚類算法的優(yōu)越性，對(duì)不使用聚類算法和使用聚類算法的RSSI定位進(jìn)行測(cè)試，得到了如圖9所示的結(jié)果對(duì)比曲線。

圖8　果實(shí)提取圖像聚類中心編碼結(jié)果圖

圖9　聚類算法機(jī)器人作業(yè)精度隨作業(yè)時(shí)間變化曲線

由圖9可以看出：隨著作業(yè)時(shí)間的增加，定位追蹤軌跡逐漸和圖像軌跡靠攏，定位精度逐漸增加，而聚類算法的定位精度要明顯比不使用聚類算法的好。

表2表示使用聚類算法和不使用聚類算法機(jī)器人每次定位用時(shí)結(jié)果對(duì)比曲線。由表2可以看出：使用聚類算法后，機(jī)器人定位的時(shí)間明顯縮短，從而提高了機(jī)器人的作業(yè)效率。

表2　每次定位時(shí)間比較

4結(jié)論

1)依據(jù)聚類算法和視頻提取技術(shù)，對(duì)果實(shí)采摘機(jī)器人的視覺系統(tǒng)進(jìn)行了改進(jìn)，并在視頻對(duì)象提取過(guò)程中引入了Lab色彩空間的聚類算法，在圖像濾波后可以有效地計(jì)算果實(shí)質(zhì)心的位置，完成果實(shí)的定位，提高了機(jī)器人的定位速度和定位精度。

2)對(duì)采摘機(jī)器人的圖像處理性能和果實(shí)采摘性能分別進(jìn)行了測(cè)試。通過(guò)測(cè)試發(fā)現(xiàn)：利用聚類算法可以有效地提取果實(shí)的聚類中心，可以完成聚類中心的編碼。使用聚類算法后，果實(shí)的定位時(shí)間有了較大幅度的縮短，果實(shí)采摘的作業(yè)精度較高，從而驗(yàn)證了聚類算法在果實(shí)視頻對(duì)象提取中的可靠性，為采摘機(jī)器人實(shí)現(xiàn)快速果實(shí)定位的研究提供了較有價(jià)值的參考。

參考文獻(xiàn)：

[1]司永勝,喬軍,劉剛,等.基于機(jī)器視覺的蘋果識(shí)別和形狀特征提取[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2009,40(8):161-165.

[2]周俊,劉銳,張高陽(yáng).基于立體視覺的水果采摘機(jī)器人系統(tǒng)設(shè)計(jì)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2010,41(6):158-162.

[3]李理,殷國(guó)富,劉柯岐.田間果蔬采摘機(jī)器人視覺傳感器設(shè)計(jì)與試驗(yàn)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2010,41(5): 152- 157.

[4]張凱良,楊麗,張鐵中.草莓采摘位置機(jī)器視覺與激光輔助定位方法[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2010,41(4):151- 156.

[5]蔡健榮,周小軍,王鋒,等.柑橘采摘機(jī)器人障礙物識(shí)別技術(shù)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2009,40(11):171-175.

[6]馬如奇,郝雙暉,鄭偉峰,等.基于 MATLAB 與 ADAMS 的機(jī)械臂聯(lián)合仿真研究[J]. 機(jī)械設(shè)計(jì)與制造,2010(4):93-95.

[7]谷鳴宇,秦榮榮,楊達(dá)意. 機(jī)械手動(dòng)力學(xué)的 ADAMS 與 MATLAB 聯(lián)合仿真研究方法[J]. 機(jī)械設(shè)計(jì),2008(6): 227-228.

[8]鐘灶生, 薛方正, 敬成林.分布式電源在仿人機(jī)器人控制系統(tǒng)中的應(yīng)用[J].傳感器與微系統(tǒng),2011,30(2): 139-143.

[9]姬國(guó)釗, 張世偉, 王奇斌, 等. 真空吸盤式爬壁清洗機(jī)器人的研究與開發(fā)[J]. 機(jī)械研究與應(yīng)用, 2009, 22(4): 5-8.

[10]袁夫彩, 陸念力, 曲秀全. 水下船體清刷機(jī)器人磁吸附機(jī)構(gòu)的設(shè)計(jì)與研究[J]. 中國(guó)機(jī)械工程, 2008, 19(4): 388-391.

[11]王宇, 范欽鈺, 趙亞?wèn)|, 等. 基于仿生學(xué)的四足行走機(jī)構(gòu)[J]. 電子設(shè)計(jì)工程, 2011,19(17): 27-30.

[12]阮鵬, 俞志偉, 張昊, 等. 基于ADAMS的仿壁虎機(jī)器人步態(tài)規(guī)劃及仿真[J]. 機(jī)器人,2010, 32(4): 499-504.

[13]俞志偉, 李宏凱, 張曉峰, 等. 仿壁虎腳趾結(jié)構(gòu)設(shè)計(jì)及粘附運(yùn)動(dòng)性能測(cè)試[J]. 機(jī)械工程學(xué)報(bào), 2011, 47(21): 7-13.

[14]王洪光, 姜勇, 房立金, 等. 雙足爬壁機(jī)器人壁面凹過(guò)渡步態(tài)規(guī)劃研究[J]. 智能系統(tǒng)學(xué)報(bào), 2007, 2(4): 40-45.

[15]薛勝雄, 任啟樂, 陳正文, 等. 磁隙式爬壁機(jī)器人的研制[J]. 機(jī)械工程學(xué)報(bào), 2011,47(21): 37-42.

[16]李志海, 付宜利, 王樹國(guó). 四輪驅(qū)動(dòng)滑動(dòng)吸盤爬壁機(jī)器人的動(dòng)力學(xué)研究[J]. 機(jī)器人,2010, 32 (5): 601-607.

[17]蔣煥煜,彭永石,申川，等. 基于雙目立體視覺技術(shù)的成熟番茄識(shí)別與定位[J] .農(nóng)業(yè)工程學(xué)報(bào)，2008, 24(8):279-283.

[18]蔡健榮,李玉良,范軍，等. 成熟柑橘的圖像識(shí)別及空間定位研究[J].微計(jì)算機(jī)信息.2007, 23(12-1): 224-225, 314.

[19]司永勝,喬軍,劉剛，等.基于機(jī)器視覺的蘋果識(shí)別和形狀特征提取[J] .農(nóng)業(yè)機(jī)械學(xué)報(bào)，2009, 40(8):208-213.

[20]吳修文,馮曉霞,孫康嶺,等.農(nóng)用機(jī)器人導(dǎo)航電子地圖的研究[J]. 農(nóng)業(yè)裝備與車輛工程,2010(3):40-42.

[21]謝志勇,張鐵中.基于 RGB 彩色模型的草莓圖像色調(diào)分割算法[J].中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào),2006,1l(1): 84-86.

[22]祖迪,韓建達(dá),談大龍.動(dòng)態(tài)多障礙物環(huán)境下目標(biāo)追蹤的路徑規(guī)劃方法[J].高技術(shù)通訊,2006,12(2):136- 142.

[23]趙鵬,趙德安.雙目立體視覺在果樹采摘機(jī)器人中的應(yīng)用[J].農(nóng)機(jī)化研究,2009,31(1):212-214.

[24]彭熙偉,陳建萍.液壓技術(shù)的發(fā)展動(dòng)向[J].液壓與氣動(dòng), 2007(3):1-4.

[25]黃興.液壓傳動(dòng)技術(shù)發(fā)展動(dòng)態(tài)[J].裝備制造技術(shù),2006 (1):36-39.

[26]曹玉寶.液壓傳動(dòng)技術(shù)在聯(lián)合收割機(jī)中的應(yīng)用拖拉機(jī)與農(nóng)用運(yùn)輸車,2008(4):4-5.

Design for Fast Locating and Picking Robot Based on Clustering Algorithm and Object Extraction

Wang Zheng1, Zhang Weiwei1, Zhang Bin1, Bai Xiangwei1, Wang Xiaozhi2

(1.Hebei Polytechnic Institute,Shijiazhuang 050091, China; 2.Wuhan University of Technology,Wuhan 430070,China)

Abstract：In order to improve the picking robot localization speed, machine vision system of the robot was improved to design a clustering algorithm and a video object extraction technique based on the rapid positioning robot.After the completion of image filtering,the robot image video object extraction process was introduced into the lab color space, and it used clustering algorithm to reduce the image color and noise, which can realize the quantification of object image processing, thereby greatly improved fruit location and picking efficiency. In order to verify the reliability of the design of the fast positioning picking robot, the robot's picking performance is tested,which included image processing and fruit location. It was found by test that the rapid positioning robot can effectively realize the extraction of image clustering center, and code of the cluster center, fewer in each location, high positioning speed, fruit picking accuracy of cumulative probability is higher,which meet the design requirements of the precision and high efficiency fruit picking machine.

Key words：picking robot; video object; clustering algorithm; locating speed; machine vision

文章編號(hào)：1003-188X(2016)07-0045-05

中圖分類號(hào)：S225.93；TP242

文獻(xiàn)標(biāo)識(shí)碼：A

作者簡(jiǎn)介：王政(1982-), 男，河北辛集人，講師。通訊作者：汪小志(1981-)，女，武漢人，副教授，博士研究生，(E-mail)wangxiaozhi@ncu.edu.cn。

基金項(xiàng)目：湖北省自然科學(xué)基金項(xiàng)目(2014CFC1079);湖北省自然科學(xué)基金計(jì)劃面上項(xiàng)目(2013CFB418)

收稿日期：2015-07-12