馬志艷 ，湯有勝，楊光友

(湖北工業(yè)大學 農(nóng)業(yè)機械工程研究設計院，武漢 430000)

?

基于視覺的茶作物行間行走路徑規(guī)劃研究

馬志艷 ，湯有勝，楊光友

(湖北工業(yè)大學 農(nóng)業(yè)機械工程研究設計院，武漢 430000)

以茶作物為對象，提出了一種基于視覺的作物行間行走路徑規(guī)劃方法。對實時彩色作物圖像用2G-R-B算法灰度化，分離作物和背景，通過固定閾值二值化圖像，采用形態(tài)運算去除干擾。以區(qū)域內(nèi)作物的比例變化為判別壟間壟頭依據(jù)。對于壟間，利用漫水填充算法分離出壟溝，通過最小二乘法擬合導航線，得到壟間行走時候的導航控制參數(shù)；對于壟頭，先分離出轉彎一側的作物，采用圓形模型擬合壟頭處輪廓，通過擬合的圓來規(guī)劃出轉彎時候路徑。試驗結果表明：該算法能準確提取導航線，處理一幀圖像約為150ms左右，可滿足導航的要求。

圖像處理；農(nóng)業(yè)導航；農(nóng)田機械；路徑規(guī)劃

0 引言

農(nóng)業(yè)機械的自動導航是現(xiàn)代化智能農(nóng)業(yè)的重要組成部分，主要集中在機器視覺和GPS或北斗導航這兩種最具發(fā)展前途的方式上[1]。機器視覺因成本低、工作性能優(yōu)異、適用性廣等特點，成為近年來導航技術的研究熱點，國內(nèi)外學者就農(nóng)機導航技術進行了深入研究。Searcy 等[2]首先將 Hough 變換應用到農(nóng)機導航特征提取中來，提出一種基于 Hough 變換的作物行參數(shù)提取方法。刁智華等[3]將 Hough 變換參數(shù)θ空間范圍縮小到45°～135°，提高了算法的速度。Sogaard等[4]首先提出垂直投影法，該法提取的特征點數(shù)目可隨圖像高度變化而變化，原理簡單，特征點精確，應用廣泛;孫元義等[ 5]、馬紅霞等[6]采用該法獲取導航基準線候選點，再采用Hough變換將導航定位點擬合成導航基準線。籍穎等[7]、曹倩等[8]、姜國權等[9]采用基于垂直投影的窗口移動法提取更多的導航特征點[10-12]。由于茶田自然環(huán)境的復雜性和非結構性，目前的視覺導航算法還不夠成熟，許多理論上可行的方案在應用于自然環(huán)境時適應性和精度都不是很理想，雜草、光照、陰影等對路徑識別影響很大。本文提出了一種基于機器視覺的作物壟間和壟頭行走路徑規(guī)劃算法，為農(nóng)業(yè)機械提供可靠的導航線[13-14]。

1 試驗環(huán)境與原理

1.1 圖像采集環(huán)境與試驗設備

由于茶作物田間呈現(xiàn)出較明顯的壟溝特征，使其具有進行視覺導航的優(yōu)良條件。試驗圖像采集于湖北英山某自然種植茶作物田間，茶株生長2～3年，茶株高度40cm左右，壟寬50cm左右，壟頭通常呈現(xiàn)半圓形，半徑約25cm。采集時，相機距地面70cm，俯視角為30°，移動速度約1.5m/s，幀率為25fps，采集RGB彩色640x480圖像，采集圖像時土壤為黑色，有石塊、雜草、光照不均及陰影等干擾。計算機主頻為3.0GHz、內(nèi)存為2G。

1.2 理論基礎

綠色植物與土壤等背景有較明顯的色彩差異，常采用超綠算法或轉化到其他顏色空間對拍攝的圖像進行灰度化處理。茶葉為常綠作物，故提出先采用2G-R-B[15]分割因子加大茶作物圖像權重，突出綠色植物的特性，以分離作物和背景，得到固定閾值二值化灰度圖像；其次，通過漫水填充算法從預處理圖像中得到導航區(qū)域，進一步提取導航特征離散點，擬合出導航線。跟蹤過程中通過檢測關鍵位置的色彩變化，判斷是否處于壟頭：是，則通過漫水填充算法提取轉彎一側的作物，獲取作物邊緣；采用圓形模型，通過最小二乘法擬合邊緣。通過擬合圓來規(guī)劃壟頭路徑。

2 試驗方法

2.1 壟間路徑規(guī)劃

2.1.1 作物和背景的分割

試驗中采集的原始幀圖像如圖1(a)所示，其背景存在光照不均、雜草及陰影等干擾。為增加圖像處理速度，并突出背景和作物的區(qū)別，將其灰度化，圖1(b)采用加權平均法灰度化；圖1(c)為取lab空間a通道數(shù)據(jù)灰度化[16]；圖1(d)為采用超綠算法灰度化，超綠因子為2G-R-B。加權法灰度化和lab空間灰度化效果不理想，超綠算法可以很好地突出背景和作物的區(qū)別，且對光照不均，陰影有一定的抑制作用。

(a) 原圖

(b) RGB加權灰度化

(c) lab空間a通道數(shù)據(jù)灰度化

(d) 2G-R-B灰度化

2.1.2 圖像分割

試驗中，分別采用了自動閾值分割和固定閾值分割兩種算法對灰度化圖像進行了二值化處理，其效果分別如圖2(a)和2(b)所示。采用基于全局的最大類間差法的自動閾值分割算法，其分割閾值為34，采用固定閾值分割，閾值為0。兩種方法均能較好地分割作物和背景，且對噪音表現(xiàn)出較好地抑制作用，但采用固定閾值法處理速度要比最大類間差法快很多，故選用固定閾值算法。

(a) 最大類間差法分割

(b) 固定閾值分割

(c) 形態(tài)學運算去除噪音點

(d) 漫水填充分離出導航路徑存在區(qū)域

二值化后由于茶葉作物的非結構化特征及雜草等干擾，作物行間存在大量小孔噪音，這些小孔噪音大部分面積較小，可以通過形態(tài)學算法濾除。采用3×3形態(tài)模板進行腐蝕、膨脹操作去除大部分噪音，效果如圖2(c)所示。由于面積較大的噪音無法通過形態(tài)學運算去除，采用漫水填充算法分離出導航區(qū)域，漫水填充算法種子位置由程序自動生成，采用多次填充得到穩(wěn)定的導航區(qū)域。采用漫水填充算法分離的結果如圖2(d)所示。

2.1.3 導航特征點獲取

得到導航區(qū)域圖像信息后，在統(tǒng)計分析的基礎上得到能夠表現(xiàn)茶壟方向特征的導航離散點，即取圖像每行白色像素的中點為導航特征點。其結果如圖3(a)灰色曲線所示；對導航特征點進行最小二乘法擬合即可得到導航線，如圖3(b)白色直線所示。

2.2 壟頭路徑規(guī)劃

2.2.1 壟頭判斷

當行走至壟頭時，不能根據(jù)壟間邊緣得到導航區(qū)域和導航線，故壟間行走算法失效。因此，在對拍攝的每張圖像進行處理時，需要判斷是否行走至壟頭。試驗中，將涵蓋右轉彎過程的330幀連續(xù)圖像進行分析，通過觀察圖像中右上長方形區(qū)域Rect(540,0, 100,240)和左下長方形區(qū)域Rect(0,240,100,240)綠色植物所占比例變化情況，可以發(fā)現(xiàn)：轉彎開始和結束時左下區(qū)域和右上區(qū)域綠色植物所占比例都是急劇變化，轉彎結束后，左下區(qū)域和右上區(qū)域綠色植物所占比例均大于60%。因此，算法中采用右上和左下區(qū)域綠色植物所占比例來判斷右轉彎是否開始和結束，左轉彎同理。圖4為右轉彎判別過程：(a)為進行右轉彎時的統(tǒng)計區(qū)域，其比例變化情況見(b)和(c)所示。

(a)導航特征點

(b) 擬合得到的直線

(a) 統(tǒng)計區(qū)域示意圖

(b) 左下區(qū)域綠色植物所占比例變化圖

(c) 右上區(qū)域綠色植物所占比例變化圖

2.2.2 壟頭路徑提取

行走到壟頭，對圖像進行灰度化、二值化和濾波處理，其算法同2.1.1和2.1.2，濾波后圖像如圖5(a)所示。采用漫水填充算法分離出壟頭區(qū)域，漫水填充算法種子位置由程序自動生成，采用多次填充得到穩(wěn)定的壟頭區(qū)域，結果如圖5(b)所示。獲取填充后轉彎一側的作物邊緣，結果如圖5(c)所示。通常壟頭呈現(xiàn)半圓形，故可采用圓形擬合壟頭邊緣，采用最小二乘法擬合邊緣得到半徑為R、圓心為P的圓，結果如圖5(c)所示。

(a) 濾波后的二值化圖像

(b) 漫水填充分割右下側農(nóng)作物

(c) 右下側農(nóng)作物邊緣和擬合的圓

(d) 最終得到的導路徑

該圓亦為壟頭行走時的轉彎基準。根據(jù)經(jīng)驗值，導航線偏離作物邊緣100個像素，進一步得到半徑為R+100，圓心為P的圓，該圓即壟頭行走路徑，結果如圖5(d)所示。

3 結論

以茶作物為研究對象，提出一種基于視覺的茶園行間行走路徑規(guī)劃算法，分為壟間和壟頭兩種情況。根據(jù)區(qū)域內(nèi)的作物比例變化判斷當前位置處于壟頭還是壟間，分別采用不同的方法提取導航線，壟間行走時準確提取一幀圖像中的導航線平均耗時172ms，壟頭時候行走時提取一幀圖像中的導航線平均耗時141ms，滿足導航的實時性和準確性要求。該算法能較好地克服陰影、雜草、光照不均等干擾，試驗結果表明，該方法具有一定的可行性。

[1] 盧韶芳.劉大維 自主式移動機器人導航研究現(xiàn)狀及其相關技術[J] .農(nóng)業(yè)機械學報,2002(2):112-116.

[2] Searcy S W, Reid J F. Detecting crop rows using the Hough Transform[C]// ASAE Annual Meeting. St. Joseph, MI,1986.

[3] 刁智華，王會丹，宋寅卯. 基于機器視覺的農(nóng)田機械導航線提取算法研究[J].農(nóng)機化研究，2015,37(2):35-39,45.

[4] Sogaard H T, Olsen H J. Determination of crop rows by image analysis without segmentation[J]. Computers and Electronics in Agriculture, 2003, 38(2): 141-158.

[5] 孫元義，張紹磊，李偉. 棉田噴藥農(nóng)業(yè)機器人的導航路徑識別[J]. 清華大學學報：自然科學版，2007，47(2)：206-209.

[6] 馬紅霞, 馬明建, 馬娜，等. 基于Hough變換的農(nóng)業(yè)機械視覺導航基準線識別[J]. 農(nóng)機化研究，2013，35(4)：37-43.

[7] 籍穎，劉剛，申?。跈C器視覺技術獲取導航基準線的方法[J]．光學學報，2009，29( 12) : 3362-3366．

[8] 曹倩，王庫，李寒．基于機器視覺的旱田多目標直線檢測方法[J]．農(nóng)業(yè)工程學報2010，26 ( 增1) : 187-191．

[9] 姜國權，柯杏，杜尚豐，等．基于機器視覺和隨機方法的作物行提取算法[J]．農(nóng)業(yè)機械學報，2008，39( 11) : 85-88，93．

[10] 胡靜濤，高 雷，白曉平，等. 農(nóng)業(yè)機械自動導航技術研究進展[J]. 農(nóng)業(yè)工程學報，2015，31(10)：1-10.

[11] 劉陽，高國琴.農(nóng)業(yè)機械視覺導航基準線識別研究進展[JA].農(nóng)機化研究，2015，37(5)：1-13.

[12] 高雷，胡靜濤，白曉平，等.面向精準農(nóng)業(yè)應用的農(nóng)機自動導航控制系統(tǒng)研究[C]// 2010 International Conference on Broadcast Technology and Multimedia Communication，重慶2010：315-322.

[13] 王新忠，韓旭，毛罕平，等.基于最小二乘法的溫室番茄壟間視覺導航路徑檢測[J].農(nóng)業(yè)機械學報，2012，43(6)：161-166.

[14] J M Guerrero, M Guijarro, M Montalvo, et al. Automatic expert system based on images for accuracy crop row detection[J]. Expert Systems with Applications, 2013, 40: 656-664．

[15] 于國英，張曉麗．行播作物農(nóng)田圖像邊界提取研究[J]安徽農(nóng)業(yè)科技，2012，40( 4) : 2157-2159．

[16] 孫元義，張紹磊，李偉．棉田噴藥農(nóng)業(yè)機器人的導航路徑識別[J]．清華大學學報: 自然科學版，2007，47( 2):206-209．

Research of Tea Garden Path Planning Based on Machine Vision

Ma Zhiyan, Tang Yousheng , Yang Guangyou

(Research and Design Institute of Agricultural Machinery, Hubei University of Technology, Wuhan 430068,China)

A method of path-planning based on machine vision for tea crop walking is proposed in this paper. After grizzled with the 2G - R - B processing, the tea crop in the color images is distinguished from background. The binary image with expectations is obtained by the fixed threshold and morphological operations. By calculating the proportion change of tea plants in the fixed areas, the location of agricultural machine can be determined. If it is in the middle of crop line, the navigation area can be segmented out with flood water filling algorithm to get navigation discrete points, with which the navigation line is fitted through the method of least squares. If it is at the end of crop line, the edge of crop segmented out by flood water filling algorithm on the turning side is extracted, the route is planned through the circle fitted on the basis of the edge. Experimental results show that the proposed method takes about 150ms to obtain the navigation line. It can satisfy the requirements of real-time and accuracy of navigation.

image processing; agriculture navigation; farm machinery; path planning

2015-12-11

國家自然科學基金項目(51174084)；武漢市科技局科技攻關項目(2015020202010129)

馬志艷(1976-)，男，武漢人，副教授，博士，(E-mail)13260642395@163.com。

湯有勝(1991-)，男，湖北英山人，碩士研究生，(E-mail)1144260320@qq.com。

S127；TP391.41

A

1003-188X(2017)01-0202-05