陳加棟, 邱白晶, 管賢平,周海涯

(江蘇大學 現(xiàn)代農業(yè)裝備與技術教育部重點實驗室，江蘇 鎮(zhèn)江 212013)

?

基于二維激光傳感器無人直升機作業(yè)邊界探測

陳加棟, 邱白晶, 管賢平,周海涯

(江蘇大學 現(xiàn)代農業(yè)裝備與技術教育部重點實驗室，江蘇 鎮(zhèn)江 212013)

無人機噴霧作業(yè)邊界探測識別是無人直升機噴霧的重要內容，如果噴霧最大噴幅超過目標區(qū)域，會導致藥液流失，造成環(huán)境的嚴重污染。為此，基于無人直升機平臺，選取二維激光掃描傳感器、姿態(tài)傳感器等傳感器搭建了一套二維激光掃描探測系統(tǒng)。該系統(tǒng)利用二維激光傳感器探測無人直升機距離作物冠層和田埂的高度，計算冠層和田埂距離差值，并把高度差值作為分割閾值，實現(xiàn)無人直升機作業(yè)邊界的提取，同時進行了田間試驗驗證。

無人直升機；二維激光掃描；邊界探測；田間試驗

0 引言

無人直升機相比于其它植保機械，適用于小區(qū)域、大田內精準施藥和丘陵及山區(qū)的農作物病蟲害防治，而且尺寸小、質量輕，不需要專用起降場地與跑道，是一種非常適合我國農作物病蟲害防治的施藥機械[1-3]。

無人機與LIDAR結合，在地形測繪、環(huán)境監(jiān)測及三維城市建模等領域有廣泛的發(fā)展[4]。2000年，Elberink 等[5]將離散點云數(shù)據(jù)內插為規(guī)則格網(wǎng)，通過各點與鄰近點的高程值來分析各點的高程紋理特征，利用非監(jiān)督分類的方法分割不同的地物點。2003年，Krzystek[6]利用局部最低點構建TIN模型，以高差臨界值判別地面及地物點，再利用有限元法調整地面模型并加密地面點。這種使用離散點或不規(guī)則三角網(wǎng)的方法有較高精度的成果，避免了內插格網(wǎng)帶來的誤差；但計算的難度較高，花費的時間也較多。2004年，Wijesoma W S[7]提出了一種利用激光測距儀結合Kalman 濾波進行道路的提取與跟蹤的算法；但算法計算過程復雜，其實際應用受到限制。2006年，Cremean L B[8]提出了基于神經網(wǎng)絡的方法進行道路的分割與跟蹤。此方法首先提取道路的高度、色彩和紋理等特征信息訓練神經網(wǎng)絡，然后進行道路的檢測。2008年，于春和[9]提出了一種道路邊界檢測算法，算法依據(jù)激光獲得的高度差，對邊界深度數(shù)據(jù)的進行提取。試驗結果表明：該算法可靠性強，能夠準確完成道路邊界檢測任務。2011年，劉梓等[10]利用3D激光雷達檢測道路高度跳變特性來提取特征，該算法能夠準確完成道路邊界檢測任務。2011年，侯學勇[11]提出了全局搜索及雙閾值的算法對數(shù)據(jù)點進行歸類并檢測道路邊界。實驗結果表明：該算法能夠檢測出路邊及障礙物邊界，能夠為自主移動機器人提供安全可行的區(qū)域。

由于小型無人直升機作業(yè)時載重限制，進行低空作業(yè)時使用二維激光傳感器替代LIDAR系統(tǒng)，不僅能夠達到測繪目標，而且降低了系統(tǒng)的花銷，對無人機操作者更安全[12]。

本文在前人研究的基礎上，針對小型無人直升機平臺，選取二維激光掃描探測系統(tǒng)，利用無人直升機低空、低速作業(yè)條件下機載二維激光掃描數(shù)據(jù)高程差作為分割依據(jù)，提出作業(yè)邊界分割算法，并對算法進行了驗證。

1 探測系統(tǒng)組成

1.1 農用遙控無人直升機平臺

平臺采用漢和CD-15型超低空飛行植保無人直升機，起飛質量35kg，飛行高度1～30m，可以超低空、低空、中高空飛行，飛行速度為0～8m/s。

1.2 二維激光掃描傳感器

如圖1所示：二維激光掃描傳感器采用HOKUYO公司的UTM-30LX-EW 2D激光掃描測距傳感器。激光由波長905nm的半導體激光二極管產生，激光安全等級1級。傳感器外形如圖1所示，具體參數(shù)如表1所示。

傳感器體積小，長寬高為 62mm×62mm×87.5mm，質量僅210g。

(a) 傳感器外形圖 (b) 掃描儀參數(shù)圖

參數(shù)名稱單位數(shù)值最大測量范圍m30掃描角度(°)270角度分辨率(°)0．25掃描頻率Hz40響應時間ms25距離分辨率mm30波長nm905數(shù)據(jù)接口USB2．0供電電壓V12±10%

1.3 姿態(tài)傳感器

為了獲取無人機飛行姿態(tài)，采用XSENS MTi-30 AHRS姿態(tài)傳感器，靜態(tài)翻滾/俯仰角精度為0.2°，動態(tài)翻滾/俯仰角精度為0.5°，偏航角精度為1.0°，外形尺寸57mm×42mm×23mm，質量52g。

2 探測系統(tǒng)安裝及坐標系轉換

2.1 探測系統(tǒng)安裝

探測系統(tǒng)安裝位置如圖2所示。將二維激光距離傳感器安裝在無人直升機左右對稱面上且在噴霧系統(tǒng)之前，保證二維激光距離傳感器的激光掃描平面與無人直升機前進方向垂直，且對應1/2掃描平面的一根掃描線垂直于地面向下；姿態(tài)傳感器安裝在二維激光距離傳感器測量的范圍外。在二維激光距離傳感器和姿態(tài)傳感器與無人直升機機身固定處加裝吸振緩沖裝置且二維激光距離傳感器和姿態(tài)傳感器安裝完成后，保證整個系統(tǒng)的重心在無人直升機左右對稱面上。

1.噴頭 2.噴桿 3.激光掃描測距傳感器 4.姿態(tài)傳感器

2.2 坐標系轉換

測量姿態(tài)傳感器的安裝位置與二維激光距離傳感器安裝位置的距離及轉角信息，利用轉換矩陣[13]對二維激光信號進行校正，將激光信號、姿態(tài)信號轉換到以激光發(fā)射點為原點、無人直升機前進方向為X軸、Z軸垂直向下，XYZ組成右手直角坐標的無人直升機坐標系下。

3 激光傳感器系統(tǒng)的標定

激光測距儀受到光照、溫度和被測物體表面反射性能的影響，測距存在誤差。為了盡可能符合實際情況，在白天正常光照、常溫環(huán)境下，以地面作為激光的照射點，分別在距離該照射點0.5～3.5m的范圍內，以0.5m為步長選取測量點，每個測量點測量3次求平均值。由于實際操作中激光發(fā)射點距離地面的尺寸H測量比較困難，而激光發(fā)射點距離安裝位置的尺寸a為固定值，b、H、a存在關系：b=H+a。所以，試驗時通過控制尺寸b來實現(xiàn)對尺寸H的控制。得到測距數(shù)據(jù)如表2所示，系統(tǒng)標定示意圖如圖3所示。

表2 標定結果

圖3 系統(tǒng)標定示意圖

用最小二乘法對數(shù)據(jù)進行曲線擬合，得到擬合函數(shù)表達式為f(x)=0.997 4x-0.003；擬合相關系數(shù)R2=1。擬合結果如圖4所示。

圖4 擬合結果

4 算法描述及算法流程圖

直立水稻和田埂存在高度差，可以利用二維激光傳感器獲得的高度差值作為分割閾值，將激光信號進行分割，從而實現(xiàn)作業(yè)邊界的探測。

4.1 掃描角度及濾波中值的確定

對數(shù)據(jù)進行坐標系轉換?？紤]飛機飛行過程中的振動對測量的影響，對數(shù)據(jù)進行中值濾波處理，濾波中值選6～10，獲得一幀激光信號值L(i)。

4.2 閾值提取

對所獲取的激光距離信號進行閾值提取，閾值提取算法如下：

1) 根據(jù)水稻和田埂的高度特征，分別提取不同飛行速度、不同飛行高度下水稻和田埂的特征差值范圍及水稻田埂間的特征差值。由于激光掃描頻率為40Hz，獲取的數(shù)據(jù)量較大，所以數(shù)據(jù)處理時需要對激光采集是數(shù)據(jù)進行提取，提取的數(shù)據(jù)應能夠反映探測對象的特征。具體提取方法如下：當飛機以0.5m/s速度飛行時，每隔0.5s提取一幀激光數(shù)據(jù)；以1.5m/s速度飛行時，每隔0.2s提取一幀激光數(shù)據(jù)；以2.5m/s速度飛行時，以0.1s提取一幀激光數(shù)據(jù)。

2) 將不同飛行高度H及不同飛行速度V下對應水稻和田埂間的特征差值進行擬合，得到擬合函數(shù)f(H,V)。

3)根據(jù)結合擬合結果f(H,V)，根據(jù)公式T=f(H,V)確定邊界提取閾值T的大小。

4) 最終確定閾值T。

圖5 掃描角度計算

4.3 邊界分割

無人直升機作業(yè)邊界提取，具體邊界分割算法如下：

1)對L(i)逐一判斷第i個點和第i+1個點的特征差值h(j)。

2)判斷h(j)與閾值T的大?。寒攈(j)≥T，記錄此點的值以及所對應的角度。當h(j)

3)以h(j)為分割點，將激光信號L(i)分割為不同的區(qū)間，從而依據(jù)所分割的區(qū)間及區(qū)間所對應的地貌情況結合掃描角度對應的實際距離，保證最大噴幅在區(qū)間內，從而確定作業(yè)區(qū)域。

4.4 算法流程圖

對一幀激光數(shù)據(jù)進行邊界識別算法的具體流程圖如圖6所示。

圖6 數(shù)據(jù)處理流程圖

5 算法驗證與數(shù)據(jù)處理

為了驗證算法的可行性及算法的精度，對無人直升機田間試驗的水稻和田埂數(shù)據(jù)進行了算法的驗證。

試驗選取飛行速度0.5m/s、飛行高度為3m、飛行距離為4m時的一段時間內激光數(shù)據(jù)進行處理。

飛行過程中由激光記錄水稻及田埂的距離信息。姿態(tài)傳感器記錄無人直升機飛行的姿態(tài)角度。運用上一節(jié)提到的算法，利用飛行姿態(tài)數(shù)據(jù)對激光數(shù)據(jù)進行校正。田間試驗如圖7所示。

圖7 田間試驗圖

6 算法驗證結果分析

根據(jù)無人直升機田間試驗結果，分別提取不同速度、不同高度下水稻及田埂的高度特征閾值，并計算水稻和田埂的特征差值，對所得數(shù)據(jù)進行擬合。擬合函數(shù)為

f(H,V)=174.2-11.2H+62.9V+28.03H2+

4.735HV-6.475V2

擬合相關系數(shù)為R2= 0.8514。

由試驗參數(shù)：飛行速度0.5m/s，飛行高度為3m，計算水稻和田埂的高度特征差閾值T=129.8mm。對L(i)逐一判斷第i個點和第i+1個點的高度差值h(j)，判斷h(j)與閾值T的大小。

若h(j)≥T，記錄此點的值以及所對應的角度；若h(j)

以h(j)為分割點，將激光信號L(i)分割為不同的區(qū)間。以掃描角度對應實際距離為X軸，h(j)為Y軸繪圖，h(j)信號如圖8(a)所示，局部放大圖如圖8(b)所示。

(b) 局部放大圖

由圖8可知：高度差值h(j)最大出現(xiàn)在距離激光發(fā)射原點1.1m處，以此處為激光信號的分割點，可以將信號分割為水稻和田埂。

根據(jù)以上邊界識別算法，對4m長采樣區(qū)間內的兩次激光數(shù)據(jù)進行處理，結果如圖9所示。

由圖9知：信號分割點出現(xiàn)在距離激光中心右側1m附近，數(shù)據(jù)的方差為0.27m，與實際田間測量結果略有偏差。對兩次試驗的激光信號進行分割的過程中，在激光發(fā)射原點的左邊存在許多誤判點，這是由于田間作物隨機因素造成的，造成分割算法出現(xiàn)錯誤。

圖9 算法分割結果

7 結論

1)基于無人直升機平臺搭建了二維激光掃描系統(tǒng)。該系統(tǒng)通過激光測距儀和陀螺儀獲取無人直升機距離作物冠層信號和無人直升機姿態(tài)信號，并對激光進行了標定，擬合函數(shù)為f(x)=0.997 4x-0.003，擬合相關系數(shù)R2=1。

2)針對無人直升機作業(yè)邊界，提出了利用激光信號高度差作為分割閾值，可實現(xiàn)作業(yè)邊界的提取。

3)田間試驗表明：信號分割點出現(xiàn)在1m附近，方差0.27m。在分割的過程中，由于田間作物隨機因素使激光發(fā)射原點的左邊存在許多誤判點，造成分割算法出現(xiàn)錯誤。

[1] 茹煜, 周宏平. 航空靜電噴霧技術研究綜述[J].云南農

業(yè)大學學報,2006,21(5):29-32.

[2] S Edward Law.Agricultural electrostatic spray application: a review of significant research and development during the 20th century[J].Journal of Electrostatics,2001,25(42):51-52.

[3] Kirk I W, Hoffmann W C, Carlton J B. Aerial electrostatic spray system performance[J].Transactions of the ASAE,2001,44(5): 1089-1092.

[4] 侯峰.LIDAR詳細介紹及其應用舉例綜述[J].科技廣場，2014(4)：95-100.

[5] Elberink S O，Mass H.G. The use of anisotropic height texture measures for the segmentation of airborne laser scanner data[C]// IAPRS，vol.33, part B3, Amsterdam, 2000：678-684.

[6] Krzystek P.Filtering of Laser Scanning Data in Forest Areas Using Finite Elements[C]//Workshop: 3-D reconstruction from airborne laser scanner and InSAR data, 2003.

[7] Wijesoma W S, Kodagoda K R S, Balasuriya A P.Roadboundary detection and tracking using ladar sensing[J].IEEE Transactions on Robotics and Automation, 2004, 20(3)：456-464.

[8] Cremean L B，Murray R M． Model-based estimation of off-highway road geometry using single-axis ladar and inertial sensing[C]//Proceedings of the IEEE International Conference on Robotics and Automation. Pasadena, TX, USA，2006: 1661-1666.

[9] 于春和.基于激光雷達的道路邊界檢測[J].電子器件, 2008, 31(3):756-762.

[10] 劉梓, 唐振民, 任明武.基于3D激光雷達的實時道路邊界檢測算法[J].華中科技大學學報：自然科學版，2011, 39(2):351-354.

[11] 侯學勇,劉士榮.基于二維激光測距儀的道路可行區(qū)域提取[J].東南大學學報：自然科學版,2011, 41(S1):88-41.

[12] David Anthony, Sebastian Elbaum.On Crop Height Estimation with UAVs Intelligent Robots and Systems (IROS 2014) [C]//2014 IEEE/RSJ International Conference on. IEEE, 2014: 4805-4812.

[13] 辛麒.基于機載激光雷達數(shù)據(jù)構建DEM的精度分析[D].西安：長安大學，2009.

Detection of Boundary of Unmanned Helicopter Based on 2D Laser Sensor

Chen Jiadong， Qiu Baijing， Guan Xianping， Zhou Haiya

(Key Laboratory of Modern Agricultural Equipment and Technology, Ministry of Education, Jiangsu University,Zhenjiang 212013, China)

The detection and recognition of the boundary of the UAV spray operation is an important part of the spraying of the unmanned helicopter. If the maximum spray range exceeds the target area, it will lead to the loss of the liquid medicine,which will lead to the serious pollution of the environment. In this paper, based on the platform of unmanned helicopter, the 2D laser scanning sensor, gyroscope and other sensors are selected to build a set of laser scanning detection system. The system using a 2D laser sensor detection the crop canopy and the ridge height. The canopy and ridge distance difference is calculated. The height difference is used as the segmentation threshold to realize the extraction of the boundary of the unmanned helicopter operation. Field experiment was carried out to detect the boundary detection algorithm.

unmanned helicopter；2D laser scanning；boundary detection；field experiment

2016-05-25

江蘇省科技支撐(農業(yè)部分)計劃項目(BE2014374)；鎮(zhèn)江市重點研發(fā)計劃項目(NY2015016)；低空低量航空植保關鍵技術及裝備研發(fā)項目(NZXT01201403)

陳加棟(1989-)，男，江蘇鎮(zhèn)江人，碩士研究生，(E-mail) cjdong2007@126.com。

邱白晶(1961-)，男，江蘇鎮(zhèn)江人，教授，博士，(E-mail)qbj@ujs.edu.cn。

S251；S494

A

1003-188X(2017)07-0010-06