沈陽理工大學自動化與電氣工程學院 明 宇

隨著無人機技術(shù)的不斷發(fā)展，植保無人機被廣泛的應(yīng)用在農(nóng)業(yè)植保中，逐漸取代人工植保。植保無人機在農(nóng)田中進行植保任務(wù)時，農(nóng)田中存在樹木、房子、電線桿等障礙物，對植保無人機的安全飛行構(gòu)成了威脅，影響植保無人機的植保任務(wù)，因此植保無人機需要具有避障功能，規(guī)避障礙物。本文研究了一種基于視覺的植保無人機避障，使用MATLAB軟件進行了仿真，通過仿真實驗，由該方法可以實現(xiàn)植保無人機的避障功能。

1.引言

在田地中植保無人機實施藥物噴灑時，田地中具有一些障礙物，例如樹木、房子、電線桿等，植保無人機很容易撞到這些障礙物，不僅影響植保無人機的植保任務(wù)，植保無人機還可能會撞毀，因此植保無人機需要具有自主避障功能。

目前，無人機避障的方法有：超聲波避障、紅外線避障、激光雷達避障和視覺避障。超聲波避障原理簡單，但是其測量范圍短、精度低；紅外線避障與超聲波避障原理大致相同，但光波易受到其它光源的影響，使得其測量準確度降低；激光雷達避障測量范圍廣，精度較好，但激光雷達傳感器價格昂貴，體積大；視覺避障中無人機通過視覺傳感器可以得到周圍景象豐富的信息，具有實時性好、功率損失較低、測量范圍較遠、花費較低等優(yōu)點，可以使植保無人機有效的實現(xiàn)植保工作。

本文研究了一種基于視覺的植保無人機避障，在植保無人機上搭載攝像機采集視頻圖像，通過圖像預處理、圖像分割、障礙物檢測、避障策略等方法實現(xiàn)避障功能，避開障礙物。

2.相關(guān)理論

2.1 圖像預處理

無人機上的視覺傳感器由于受到外部環(huán)境和傳感器本身等因素的影響，采集得到的視頻圖像不僅對比度較差，并且具有噪聲，降低了圖像的品質(zhì)，對圖像分割、障礙物檢測的分析處理造成了干擾，因此對于得到的視頻圖像，應(yīng)該實行預處理。圖像的預處理包含圖像的灰度化、圖像的直方圖均衡化、中值濾波。

無人機上的視覺傳感器采集到的視頻圖像為彩色圖像，不適合直接用于圖像處理，應(yīng)該對其采用彩色圖像灰度化方法，將其轉(zhuǎn)換為灰度圖像。

直方圖均衡化屬于非線性變換，若原始圖像的像素點的灰度值主要聚集于一個很小的灰度區(qū)間內(nèi)，通過直方圖均衡化可以將其拉伸到一個較大的灰度區(qū)間，幾乎涵蓋整個灰度范圍，如果原始圖像像素分布差異較大，通過直方圖均衡化可以使像素分布均勻，使得圖像的對比度得到了改善，圖像變得愈加明晰，提高了圖像的品質(zhì)。

中值濾波屬于非線性濾波方式，它采用一定形狀的二維模板在圖像中滑動，使模板的核心位于圖像中的任意一個像素點上，獲得模板下的像素值，由低到高排列它們，模板核心下的像素值用它們的中值替代以達到去噪效果。

2.2 圖像分割

邊緣是圖像最基本的特征，本文用Canny邊緣檢測算子對圖像進行分割。

Canny邊緣檢測算子屬于一階微分算子，它是進行邊緣檢測時使用率很高的算法。若圖像中具有噪聲，邊緣檢測會受到干擾，需要進行去噪處理。為了對圖像 f (x, y)去噪，使用高斯函數(shù)G(x, y)與其進行卷積，如公式（1），公式（2）所示：

h(x, y)為去噪后的圖像，通過使用Sobel算子與經(jīng)過高斯平滑后的圖像h(x, y)進行卷積來求得圖像中每一個像素點在x方向與y方向的梯度，，如公式（3）所示：

再計算出梯度的幅值與方向。為了避免檢測到偽邊緣，非極大值抑制方法被應(yīng)用，使得邊緣變得清晰。盡管經(jīng)過非極大值抑制，但是圖像中仍然存在一些偽邊緣點，這是由于噪聲等原因造成的，為了消除這些影響，同時避免邊緣的漏檢，雙閾值方法被應(yīng)用。

圖1 采集到的圖像

圖2 彩色圖像灰度化

圖3 圖像的直方圖均衡化

圖4 灰度圖像直方圖

圖5 直方圖均衡化后直方圖

圖6 圖像中值濾波

圖7 Canny邊緣檢測

圖8 第一幅圖像特征點檢測

圖9 第二幅圖像特征點檢測

圖10 無人機避障的MATLAB仿真

3.視覺避障算法

3.1 障礙物檢測

圖像中存在某些像素點，它們具有獨特的性質(zhì)，可以體現(xiàn)出圖像的本質(zhì)特征，這樣的像素點叫做圖像的特征點。通過尋找圖像的特征點，能夠完成對障礙物的檢測，本文采用SURF特征檢測算法來實現(xiàn)對障礙物的檢測。SURF特征檢測算法是一種具有快速魯棒性的檢測算法，它是在SIFT特征檢測算法的基礎(chǔ)上發(fā)展起來的，與SIFT特征檢測算法的原理大致相同，既繼承了SIFT特征檢測算法所具有的尺度不變、旋轉(zhuǎn)不變等特點，又大幅度提高了算法的實時性，使得它在數(shù)字圖像處理、計算機視覺等領(lǐng)域中被廣泛應(yīng)用。SURF算法的步驟包括：生成積分圖像、構(gòu)建尺度空間；計算Hessian矩陣進行特征點定位；生成特征描述符。

3.2 避障策略

本文采用垂直避障和左右避障這兩種避障方式來實現(xiàn)植保無人機規(guī)避障礙物的功能。

對于垂直避障方式，植保無人機根據(jù)障礙物的高度信息調(diào)整其飛行高度越過障礙物。該方式需要預先得知植保無人機的最大飛行高度。當解算出的障礙物的高度小于植保無人機能夠飛行的高度，并且這個高度小于最大飛行高度時，啟動無人機垂直避障方式。

當障礙物的高度高于植保無人機所能飛行的最大飛行高度時，就不能采用垂直避障方式，這時就需要采用左右避障方式，從障礙物的側(cè)面飛過障礙物。當植保無人機距離障礙物左邊界較近時，從左邊通過；當植保無人機距離障礙物右邊界較近時，從右邊通過。

4.實驗結(jié)果及分析

本文使用了MATLAB軟件對植保無人機避障流程實現(xiàn)仿真，圖1為植保無人機上的視覺傳感器采集到的視頻圖像，圖2為經(jīng)過圖像的灰度化得到的灰度圖像，直方圖均衡化后的圖像如圖3所示，圖4、圖5為原始圖像與直方圖均衡化后的直方圖，圖6為經(jīng)過中值濾波得到的圖像，Canny邊緣檢測算子檢測到的邊緣圖像如圖7所示，圖8、圖9為對相鄰兩幀圖像進行特征點檢測，植保無人機的避障仿真效果如圖10所示。

由圖3可見圖像通過直方圖均衡化后，對比度得到了加強，觀看效果有所提高，由圖4可見原始圖像中各像素出現(xiàn)的頻率明顯不同，有的像素級出現(xiàn)的頻率相差很大。 由圖5可見采用直方圖均衡化后圖像的直方圖變得平緩，各像素出現(xiàn)的頻率較平均，相差較小。圖10中黃色箭頭為無人機飛行線路，藍色物體為障礙物，由圖10可見植保無人機可以按照避障策略規(guī)避障礙物。

5.結(jié)束語

為了實現(xiàn)基于視覺的植保無人機的避障，本文簡要的介紹了與實現(xiàn)避障有關(guān)的圖像預處理、圖像分割、障礙物檢測、避障策略等方法，并且使用了MATLAB軟件對它們進行了仿真分析，結(jié)果可以看到植保無人機可以避過障礙物，實現(xiàn)了避障功能。