李海林， 吳開華， 王文杰, 王 朔, 孫學(xué)超, 陳 念

(杭州電子科技大學(xué) 生命信息與儀器工程學(xué)院，浙江 杭州 310018)

0 引 言

自動避障技術(shù)作為無人機(jī)安全飛行和智能飛行的關(guān)鍵技術(shù)之一，受到越來越多的關(guān)注。對威脅飛機(jī)飛行安全的障礙物有效準(zhǔn)確地檢測與識別，是實(shí)現(xiàn)無人機(jī)自動避障的前提。黃豐、黎順泰等人于2015年提出了一種基于超聲波的無人機(jī)避障檢測方法[1]。但超聲波信號容易受風(fēng)速、氣流、水霧等影響，并不適用于植保無人機(jī)室外作業(yè)環(huán)境下的障礙物檢測。此外，機(jī)器視覺技術(shù)[2～5]也是國內(nèi)外常見的障礙物檢測手段之一，但自然光成像技術(shù)難以在夜晚使用，且圖像數(shù)據(jù)量比較大也給實(shí)時檢測帶來了較大的難度。激光技術(shù)用于障礙物檢測，目前多被應(yīng)用于地面的移動機(jī)器人平臺[6～8]。激光信號不易受氣流等外界因素影響，能夠滿足植保無人機(jī)室外環(huán)境下對于障礙物檢測的要求，且激光位移傳感器能夠在夜間工作，可以適應(yīng)植保無人機(jī)的夜間作業(yè)。

本文針對植保無人機(jī)的應(yīng)用場景，以植保無人機(jī)作業(yè)環(huán)境下最常見障礙物中的樹木和電線桿為研究對象，以滿足植保無人機(jī)對于避障檢測模塊的指標(biāo)要求(7000mm內(nèi)感知障礙物的存在，距離值誤差不超過±250mm，角度誤差不超過±5.0°)為標(biāo)準(zhǔn)。提出了一種基于激光位移傳感器的障礙物檢測和模式識別方法，建立樹木和電線桿兩個類別的分類器，并通過實(shí)驗(yàn)驗(yàn)證了有效性。

1 檢測原理

激光位移傳感器發(fā)出激光脈沖，當(dāng)激光脈沖碰到障礙物后，激光位移傳感器的接收器會接收到反饋的激光脈沖信號，如圖1(a)。通過發(fā)射與接收激光脈沖的時間差，可以計(jì)算出障礙物的距離值。激光位移傳感器連續(xù)不停的發(fā)射激光脈沖，由旋轉(zhuǎn)的光學(xué)機(jī)構(gòu)將激光脈沖按一定角度間隔(角度分辨率ε，(°))發(fā)射至激光位移傳感器掃描角度內(nèi)的各個方向而形成一個二維空間中的掃描線序列，如圖1(b)。

圖1 激光位移傳感器原理示意

當(dāng)某條激光脈沖未碰到障礙物時，激光位移傳感器的接收器接收不到該條激光脈沖的反饋信號，該條激光脈沖所對應(yīng)的距離值取0，如圖2中的a～e以及i～k。圖2中的f～h三條激光脈沖探測到樹木，所對應(yīng)的距離值不為0。依此從數(shù)據(jù)序列中提取出與圖2中的樹木所對應(yīng)的數(shù)據(jù)塊，經(jīng)后續(xù)算法處理后可得到樹木的平均角度、平均距離及寬度。

圖2 激光位移傳感器的檢測原理示意

2 數(shù)據(jù)處理

2.1 數(shù)據(jù)塊提取

激光位移傳感器掃描一次得到一個數(shù)據(jù)序列如圖3。其中θ為激光位移傳感器的角度量程(ξ1…ξ2)，(°)；Xi為距離值，mm；N為每次探測的數(shù)據(jù)總個數(shù)(X0,X1,…，XN-1)。

圖3 激光位移傳感器數(shù)據(jù)序列示意

假定圖3的這N個數(shù)據(jù)中X0～Xn-1全部取0，Xn，Xm取非0值，Xm+1～XN-1全部取0，稱Xn～Xm之間m-n+1個距離值為一個數(shù)據(jù)塊，記為數(shù)據(jù)塊Xn～Xm。α,β為數(shù)據(jù)塊的起始角度和結(jié)束角度，即在傳感器的α～β方向存在一個障礙物，并且有式(1)、式(2)成立

N=θ/ε+1

(1)

β-α=(m-n)ε

(2)

式中n與m為數(shù)據(jù)塊Xn～Xm的下標(biāo)。圖3中的數(shù)據(jù)塊Xn～Xm對應(yīng)圖2中的樹木。

2.2 障礙物基本參數(shù)計(jì)算

以平均角度Ф(°)、平均距離S(mm)和寬度B(mm)作為障礙物的基本參數(shù)。

將數(shù)據(jù)塊Xn～Xm的中心所在的角度α+(β-α)/2作為該數(shù)據(jù)塊所對應(yīng)障礙物的平均角度，即有

Φ=α+(β-α)/2

(3)

將Xn～Xm之間所有非0的Xi求一個算術(shù)平均值,作為這個數(shù)據(jù)塊所對應(yīng)的障礙物的平均距離,即有

S=∑Xi/ψ

(4)

式中ψ為數(shù)據(jù)塊Xn～Xm中非0數(shù)據(jù)的個數(shù)，即有效數(shù)據(jù)個數(shù)。

利用圖4中角度、距離和寬度的三角關(guān)系，計(jì)算出數(shù)據(jù)塊所對應(yīng)的障礙物的寬度

B=2Stan((m-n)ε/2π/180)

(5)

圖4 障礙物角度與距離及寬度之間的關(guān)系

3 模式識別

3.1 特征選擇

模式識別的依據(jù)是激光位移傳感器探測在不同類型障礙物上所產(chǎn)生數(shù)據(jù)塊的不同特征，根據(jù)特征的不同，可以判斷出與該數(shù)據(jù)塊所對應(yīng)障礙物的類型[9]。對于圖3中的數(shù)據(jù)塊Xn～Xm來說，特征由Xn～Xm之間的這m-n+1個距離值的不同取值情況所決定。

最終選擇以下4個特征用于模式識別分類器的設(shè)計(jì):

1)寬度特征B：數(shù)據(jù)塊所對應(yīng)障礙物的寬度，計(jì)算方法如式(5)。

2)最大間隙特征δ：如果數(shù)據(jù)塊Xn～Xm內(nèi)部存在一個或連續(xù)多個Xi取值為0，則稱該數(shù)據(jù)塊有一個數(shù)據(jù)間隙，此時數(shù)據(jù)塊離散，δi為數(shù)據(jù)間隙中取值為0的Xi的個數(shù)，特征δ為數(shù)據(jù)塊內(nèi)部所有δi中的最大值，當(dāng)數(shù)據(jù)塊內(nèi)部所有的Xi都取非0值，稱數(shù)據(jù)塊是連續(xù)的，此時δ=δi=0，δ的計(jì)算方法如式(6)

(6)

3)跳變次數(shù)特征：數(shù)據(jù)塊Xn～Xm內(nèi)部所有相鄰的非零的Xi之間，發(fā)生距離值取值相差過大的次數(shù)，即數(shù)據(jù)塊內(nèi)部發(fā)生(Xi+1-Xi)>的次數(shù)，計(jì)算方法式(7)

(7)

4)方差特征S2：數(shù)據(jù)塊Xn～Xm中所有非零Xi的方差，計(jì)算方法如式(8)

(8)

式中Xi為非零距離值。

3.2 分類器建立和訓(xùn)練

對樹木和柱狀物兩種類別建立和訓(xùn)練分類器，步驟如下：

1)置步數(shù)k=1,令增量C為常量，且C>0,分別賦予初始增廣權(quán)向量w(1)各分量較小的任意值。

2)輸入訓(xùn)練模式xk，計(jì)算判別函數(shù)wT(k)xk。

3)調(diào)整增廣權(quán)向量，如果wT(k)xk<0,則w(k+1)=w(k)+Cxk;如果wT(k)xk>0,則w(k+1)=w(k)。

4)如果k

通過對訓(xùn)練集200組數(shù)據(jù)的訓(xùn)練得到權(quán)向量w={1/300,1/6,1/3,12,-3.75}，則有與其對應(yīng)的判別函數(shù)成立

g(x)=1/300B+1/6δ+1/3+12S2-3.75

(9)

由此可見，樹木和柱狀物體這兩個類別是線性可分的。對于任意一組來自樹木或者電線桿的探測數(shù)據(jù)，將該組數(shù)據(jù)的各項(xiàng)特征值代入判別函數(shù)g(x)中，如果g(x)>0，則認(rèn)為這組數(shù)據(jù)來自于樹木，若g(x)<0，則認(rèn)為該組數(shù)據(jù)來自于電線桿。g(x)對于測試集(400組來自樹木，400組來自電線桿)的模式識別情況如表1。統(tǒng)計(jì)結(jié)果總量800組數(shù)據(jù)，準(zhǔn)確識別794組，準(zhǔn)確率99.25%。如表2。

表1 測試集模式識別記錄表

表2 測試集識別準(zhǔn)確率統(tǒng)計(jì)表

4 實(shí)驗(yàn)驗(yàn)證

4.1 實(shí)驗(yàn)準(zhǔn)備

避障主控模塊采用研揚(yáng)PICO—CV01工控機(jī)。傳感器為SICK TIM系列激光位移傳感器,通過安裝支架與飛機(jī)平臺連接,如圖5。傳感器與工控機(jī)采用12 V供電，工控機(jī)、供電電池、電源線等置于控制盒中,工控機(jī)和激光位移傳感器之間基于TCP/IC協(xié)議通信。

圖5 植保無人機(jī)結(jié)構(gòu)設(shè)計(jì)示意

選取空曠實(shí)驗(yàn)場地，如圖6。飛機(jī)高度設(shè)定為2 500 mm。

圖6 實(shí)驗(yàn)場景

4.2 實(shí)驗(yàn)過程

圖6中分別在距離樹木3 000，5 000，7 000，9 500 mm 處以及60°，90°和120°同的角度，對樹木進(jìn)行方位、距離檢測和模式識別。將探測值與設(shè)定值逐一對比，并計(jì)算探測值與設(shè)定值之間的誤差，同時計(jì)算每組數(shù)據(jù)的各項(xiàng)數(shù)據(jù)特征以及判別函數(shù)g(x)取值，實(shí)驗(yàn)數(shù)據(jù)如表3。

表3 實(shí)驗(yàn)數(shù)據(jù)

表3為經(jīng)重復(fù)進(jìn)行50次得到600組障礙物數(shù)據(jù)，g(x)對于這600組樹木數(shù)據(jù)的模式準(zhǔn)確識別587組，準(zhǔn)確率達(dá)97.83 %。

4.3 實(shí)驗(yàn)分析

因樹木不規(guī)則的外形,無法確切給出確切的平均角度和平均距離值。實(shí)驗(yàn)前以樹干為基準(zhǔn)，將樹干與機(jī)載傳感器之間的距離作為表3中的設(shè)定距離，樹干與機(jī)載傳感器之間的夾角作為表3中的設(shè)定角度。從表3中可以看出距離值誤差，隨著樹木與激光位移傳感器之間設(shè)定距離值的增大而增大。這是因?yàn)閭鞲衅鞯慕嵌确直姒攀枪潭ǖ?，?dāng)樹木與傳感器之間的距離不斷增大時，得到的數(shù)據(jù)規(guī)模(即數(shù)據(jù)塊的數(shù)據(jù)總個數(shù)m-n+1)會逐漸減小，有效數(shù)據(jù)個數(shù)ψ隨之減小，當(dāng)ψ較小時，通常會造成S與設(shè)定距離值之間誤差的增大。但總體上當(dāng)傳感器與樹木之間的距離小于等于7 000 mm時，誤差穩(wěn)定在±200 mm范圍內(nèi)，滿足本文距離值誤差不超過±250 mm的要求。

樹木有一定的體積，為了方便處理采用平均角度來表示其方位。根據(jù)式(3)計(jì)算得到的障礙物的平均角度Ф是障礙物所在真實(shí)方位的一個近似描述，Ф與設(shè)定角度之間的誤差在±4.0°范圍內(nèi)，滿足本文角度誤差±5.0°的要求。外形不規(guī)則的樹木(見圖6)作為探測對象，從相同距離的不同角度看，樹木的寬度不同。導(dǎo)致了當(dāng)激光位移傳感器從某一方位探測該樹木時，會得到一個數(shù)據(jù)規(guī)模相對較小的數(shù)據(jù)塊。當(dāng)數(shù)據(jù)量較少時，樹木寬度與電線桿的寬度比較接近，樹木的其他特征(δ，，S2)也不明顯，此時會有一定的幾率將樹木誤判為電線桿。實(shí)驗(yàn)中樹木的枝葉較少，出現(xiàn)了將其誤判為電線桿的情況，但這樣的樹木外形上與電線桿比較接近，將其誤判為電線桿，最終并不影響植保無人機(jī)對于這類樹木的成功躲避。

5 結(jié)束語

本文基于激光位移傳感器，為植保無人機(jī)提出了一種用于自動避障的檢測方法。研究了障礙物的方位檢測和距離檢測，完成了模式識別的設(shè)計(jì)，并對檢測和識別效果進(jìn)行了實(shí)驗(yàn)驗(yàn)證。實(shí)驗(yàn)結(jié)果表明：該檢測方法能夠較準(zhǔn)確地探測出障礙物所在距離和方位，距離和角度的檢測誤差滿足植保無人機(jī)避障對于避障檢測的要求，并且在驗(yàn)證實(shí)驗(yàn)中對于樹木模式識別的準(zhǔn)確率達(dá)到了97 %。本文方法為植保無人機(jī)后續(xù)更高效、更精準(zhǔn)避障功能的實(shí)現(xiàn)提供了基礎(chǔ)。

[1] 黃 豐,黎順泰,翁南華.微輕型無人機(jī)的避障飛行技術(shù)研究[J].中國電業(yè):技術(shù)版,2015(11):229-233.

[2] 王 宇,劉泓濱,李華文.機(jī)器視覺的災(zāi)后救援機(jī)器人越障系統(tǒng)設(shè)計(jì)[J].傳感器與微系統(tǒng),2016,35(4):79-81.

[3] 張博翰,蔡志浩,王英勛.電動VTOL飛行器雙目立體視覺導(dǎo)航方法[J].北京航空航天大學(xué)學(xué)報(bào),2011,37(7):882-887.

[4] Huh K,Park J,Hwang J,et al.A stereo vision-based obstacle detection system in vehicles[J].Optics and Lasers in Engineering,2008,46(2): 168-178.

[5] Toulminet G,Bertozzi M,Mousset S,et al.Vehicle detection by means of stereo vision-based obstacles features extraction and monocular pattern analysis[J].IEEE Transactions on Image Processing,2006,15(8): 2364-2375.

[6] 許增樸,許敬華,王永強(qiáng),等.激光傳感器掃描邊緣系統(tǒng)定位方法研究[J].傳感器與微系統(tǒng),2016,35(2):49-51.

[7] 李云翀,何克忠.基于激光雷達(dá)的室外移動機(jī)器人避障與導(dǎo)航新方法[J].機(jī)器人,2006,28(3):275-278.

[8] 田國會,王家超,段 朋.病房巡視機(jī)器人復(fù)雜環(huán)境下的避障技術(shù)研究[J].華中科技大學(xué)學(xué)報(bào):自然科學(xué)版,2013,41(s1):312-315.

[9] 邊肇祺.模式識別 [M].2版.北京：清華大學(xué)出版社,2000:83-92.