楊筱慧

關鍵詞：機器人視覺技術;獼猴桃;導航路徑

目前，我國“三農”問題比較突出，耗用大量勞動力在種植、追肥、采摘/收割等環(huán)節(jié)，如何提高農業(yè)生產效率成為當前重要研究內容。獼猴桃果樹園采摘環(huán)境較為復雜，除了果子所處位置變化多端以外，園區(qū)還存在一些障礙物，加大了機械化采摘難度。為了彌補傳統(tǒng)采摘的不足，本研究選取機器人視覺技術作為研究工具，探究采摘導航路徑方法。

一、獼猴桃采摘機器人視覺導航路徑生成系統(tǒng)框架結構

本研究將獼猴桃采摘劃分為三步，分別是目標識別、路徑規(guī)劃、自行行走，在嵌入式操作系統(tǒng)的控制下，按照這個順序生成導航路徑，準確采摘獼猴桃，躲避障礙物。如圖1所示為機器人視覺導航路徑生成系統(tǒng)框架結構。

通過整理獼猴桃采摘現(xiàn)場調研數(shù)據(jù)，確定果園環(huán)境特征，設定機器人行走空間與行走方式，在相應裝置的作用下，有效識別和控制，從而形成完整的導航路徑生成體系。其中，獼猴桃目標的識別采用圖像處理技術，通過對圖像采取預處理，而后經過圖像分割，從獲取單個獼猴桃圖像，借助坐標系推理出獼猴桃的位置信息。關于路徑的生成，選取最小二乘法作為研究工具，經過一系列計算分析，得到導航路徑。

二、信息采集與圖像處理

（一）圖像預處理

利用相機拍攝到獼猴桃園林環(huán)境圖片以后，需要將獼猴桃從圖片背景中拆分開來，從而得到果實具體位置信息，作為路徑生成依據(jù)。在提取圖形信息之前，需要對圖像采取預處理，使得圖像與背景分離開來。目前，應用比較多的方法包括RGB空間色彩劃分、HSV空間分析。前者中的B分量、G分量、R分量都無法使獼猴桃與地面上的雜草分開，面對生長于棚架中的獼猴桃樹來說，樹干、樹葉與草地已經混為一體，采用此方法無法將其分開。HGV空間分析方法，通過觀察H分量應用效果可知，該方法能夠較為清晰地拆分開樹葉與雜草，抑制陰影對圖像識別的影響。V分量樹形信息提取難度較大，s分量中草地特征與枝葉特征相似，并且行壟圖像與樹干圖像都很模糊?？傮w來看，HGV空間分析法比較適合應用到獼猴桃圖像預處理中。

在此基礎上，對圖像采取濾波處理。利用同態(tài)濾波方法，濾除獼猴桃樹干圖像信息。由于單次圖像濾除，無法去除所有的獼猴桃樹干以外的雜物，所以采取多次濾波處理，在不同光照環(huán)境完成濾波操作，最終得到獼猴桃樹干及獼猴桃圖像信息。

（二）圖像分割

經過濾波處理后，可以將獼猴桃樹及果實與背景初步區(qū)分開來，但是還沒有得到準確的獼猴桃樹及果實位置信息。為了得到準確的導航路徑圖像信息，本研究采用圖分割方法，去除背景圖像，得到獼猴桃樹及果實圖像。通過構建坐標系，得到果園中果樹種植地理位置信息、高度信息，除此之外，還包括果實在枝干位置的信息。目前，應用比較多的圖像分割方法為閾值分割法，通過設定最佳閾值范圍，縮小圖像所處位置范圍。

采用同態(tài)濾波方法對果園圖像加以濾波處理，得到大部分樹干灰度值為0，并每一幅圖像中分布著個別樹干圖像，灰度值范圍10～35。本研究結合實際情況，選取8幅圖像作為研究對象，計算平均灰度值為3.80，設定門限閾值為30。考慮到圖像存在噪聲，為了盡可能降低噪聲，本研究通過調整相機的拍攝角度，在采集果實圖像時，盡可能躲避枝葉，從而降低圖像處理難度，提高圖像處理效率。

三、基于特征目標提取的導航路徑生成

（一）導航基準線的生成

本研究采用連續(xù)邊緣提取方法，從圖像信息中提取果樹樹干圖像信息，即在前文提出的圖像處理方法應用基礎上，將圖像中的樹干信息聯(lián)系到一起，形成導航基準線。合理設定采摘機器人與樹干的距離，依據(jù)樹干分布地理位置，按照設定的機器人行走控制距離，生成果實采摘導航基準線。考慮到果樹生長情況存在不確定性，沿著中間位置行走可能觸碰到樹干，所以本文對樹干導航基準線的生成方法進行重點探究。以下為基準線生成流程：

第一步：將已經分割成功的圖像采用連通標記方法，記錄各個區(qū)域樹干數(shù)量，用m表示，并標記區(qū)域屬性;

第二步：依據(jù)連通區(qū)域形狀特征，包圍最小外接矩形框，獲取位于左上角頂點對應的像素坐標，記為（i，j）。除此之外，還可以得到矩形像素寬和長，分別記為y，x;

第三步：設計空矩陣，記為w，設定連通區(qū)域列為4，記為[m×4];

第四步：在空矩陣w中存放屬性數(shù)據(jù)，按照列順序存儲，作為矩陣數(shù)據(jù)調用支撐;

第五步：依據(jù)矩陣w參數(shù)數(shù)值，計算底邊中點像素坐標，記為（i+x，j+x）。其中，特征目標點取值為中點，該點就是地面與果樹的交點。

（二）基于最小二乘法的導航路徑生成

實際上，機器人采摘獼猴桃的過程，需要機器人走到獼猴桃果樹前，用圖像采集裝置收集果實圖像信息，經過圖像信息處理，得到獼猴桃果實具體位置坐標信息。根據(jù)坐標位置數(shù)據(jù)信息，下發(fā)采摘命令，完成精準采摘操作。導航路徑作為獼猴桃果實智能采摘的一部分，是以獼猴桃果樹樹干作為路徑生成依據(jù)，在智能控制下，令機器人行走到果樹前采集果實圖像信息。所以，這個導航路徑的生成，應該是以果樹樹干作為目標進行探究，本研究采用最小二乘法作為研究工具，設計以下路徑生成流程：

首先，利用照相機拍攝果園環(huán)境獼猴桃果樹原始圖像信息，并對圖像采取灰度化處理及濾波處理，使得圖像更加清晰，與背景區(qū)分開。其次，按照區(qū)域分布不同，將獼猴桃果樹樹干圖像與背景圖像拆分開，并采取去噪處理，從中提取特征目標。最后，以樹干與地面的交點作為特征點，采用最小二乘法擬合路徑，完成路徑信息的提取，生成獼猴桃采摘導航路徑。

四、測試結果分析

為了檢驗本文設計的采摘機器人導航路徑方案是否有效，本研究將上述方案投入到實踐應用中，選取某獼猴桃果樹種植區(qū)域作為實驗基地，將調試好的機器人運送至該區(qū)域，重點測試果樹樹干圖像處理與導航路徑生成偏差情況，觀察測試結果，判斷設計方案可行性。

（一）果樹樹干圖像處理測試結果

本次測試以某區(qū)域獼猴桃果樹為圖形采集對象，利用照相機拍攝如圖2左側的結果，結果圖像處理，得到圖2右側結果。其中，處理對象為右側一列果樹。

觀察圖2中的測試結果可知，本研究方案可以從復雜的獼猴桃果園環(huán)境中提取果樹樹干信息較為全面，得到了樹干圖像信息，并且樹干圖像較為清晰，可以提高導航基準線生成精準度的提升。

（二）基于果樹樹干的機器人采摘果實導航路徑生成偏差情況

導航路徑生成精度的高低關鍵在于樹干與地面的交點部署是否準確，如果擬合路徑中點坐標誤差控制在±0.5cm以內，對機器人手臂采摘果實效果影響較小，則認為當前方案可以生成精準度較高的導航路徑。測試結果如下表所示。

上表中測試結果顯示，3個交點的坐標誤差均在允許范圍之內。因此，本研究方案可以生成精準度較高的導航路徑。

五、總結

本文以獼猴桃果實采摘為例，選取機器人視覺技術作為研究工具，探究該種類果實機器人采摘路徑生成方法。考慮到機器人的行走路徑與果樹的樹干有關，需要機器人行走到果樹前采集果實圖像信息。因此，本研究利用最小二乘法計算果樹與地面的交點，從而確定采摘導航路徑。測試結果表明，本研究方案生成的導航路徑在誤差允許范圍之內。