馬 馳

（楊凌職業(yè)技術(shù)學(xué)院，陜西 楊凌 712100）

0 引言

隨著我國科學(xué)技術(shù)的不斷發(fā)展，精細(xì)農(nóng)業(yè)憑借其資源消耗低、環(huán)境污染小的特點已成為我國農(nóng)業(yè)現(xiàn)代化、信息化發(fā)展的必然趨勢。為了達(dá)到避障和導(dǎo)航的目的，必須對環(huán)境進(jìn)行感知，在完全或不完全的情況下利用感應(yīng)器獲得周圍的環(huán)境信息，如障礙物的大小、形狀、位置等。其中，自主導(dǎo)航技術(shù)在精細(xì)農(nóng)業(yè)中占有重要地位，目前應(yīng)用最廣泛的有GPS 技術(shù)、多傳感器融合技術(shù)和機(jī)器視覺技術(shù)。這類技術(shù)具有較高的性價比，同時也能最大限度地減少因干擾造成的影響，因此在近年來一直是導(dǎo)航領(lǐng)域的一個熱門課題[1]。

基于農(nóng)業(yè)機(jī)械的運動規(guī)律，可以根據(jù)障礙物的位置、大小等信息，給出一種新的避障算法?；趩握系K物避障算法，根據(jù)農(nóng)機(jī)工作平臺的安全運行面積來確定避障路徑，可幫助農(nóng)機(jī)在有障礙物的情況下順利地進(jìn)行作業(yè)。國內(nèi)外的專家、學(xué)者對農(nóng)業(yè)機(jī)械的導(dǎo)航技術(shù)進(jìn)行了較深入的探討。歐美地區(qū)發(fā)展較快，瑞典學(xué)者BjprnAs-trand 等提出了一種基于Hough 變換的具有很強(qiáng)魯棒性的作物行識別方法，該方法可以有效地克服雜草的干擾，實現(xiàn)較好的避障效果，但僅能對規(guī)則平直的作物行進(jìn)行定位[2]。比利時學(xué)者V. Leemans 等對兩種基于機(jī)器視覺的導(dǎo)航算法進(jìn)行了對比：第一個試驗采用Hough 變換與遞推濾波相結(jié)合，取得了良好的效果；第二次試驗所獲得的影像包含若干平行，在此基礎(chǔ)上結(jié)合行距等先驗知識提出了一種新的Hough 轉(zhuǎn)換方法，該方法可以較好地檢驗種子行的真實性和準(zhǔn)確性，同時也能為后續(xù)避障工作的開展提供一定的基礎(chǔ)[3]。當(dāng)前，我國學(xué)者針對機(jī)器視覺的農(nóng)業(yè)機(jī)械避障導(dǎo)航算法的研究也在不斷地深入當(dāng)中，并獲得了良好的效果。中國農(nóng)大李茗萱、張漫等針對目前的導(dǎo)航路抽取算法存在的外部干擾、處理速度緩慢等問題提出了一種新的導(dǎo)航路抽取方法。該方法基于傳統(tǒng)的圖像處理技術(shù)，能夠保證農(nóng)業(yè)機(jī)械運行時達(dá)到較好的避障和線路的提取效果。但總的來說，由于當(dāng)前我國農(nóng)業(yè)種植的特點以及農(nóng)田環(huán)境結(jié)構(gòu)性的多樣性影響，導(dǎo)致針對機(jī)器視覺的農(nóng)業(yè)機(jī)械避障導(dǎo)航算法的研究還存在一定的不足，無論是理論還是實踐方面還有較大的發(fā)展空間。因此，本研究將以機(jī)器視覺的農(nóng)業(yè)機(jī)械避障導(dǎo)航算法為出發(fā)點，提出一種新的提取算法模式，以期為精細(xì)化農(nóng)業(yè)種植工作的開展提供一定的指導(dǎo)。

1 圖像采集設(shè)備和系統(tǒng)標(biāo)定原理

1.1 圖像采集設(shè)備及材料

本研究所使用的影像采集裝置是陜西維視數(shù)字圖像技術(shù)有限公司的MV-VD030SC 型工業(yè)攝影機(jī)及AFT-0814MP 鏡頭，所獲取的影像尺寸為640×480，可設(shè)定不同的顏色。用于圖像處理的電腦是Intel（R）核心（TM）i3，具有3.1 GHz 的主頻和2 G 內(nèi)存；采用Microsoft Visual C++6.0 對算法進(jìn)行了研究，并對其進(jìn)行優(yōu)化。

1.2 機(jī)械避障導(dǎo)航系統(tǒng)的標(biāo)定

機(jī)器視覺技術(shù)是一種綜合技術(shù)，其目的是利用攝影機(jī)將世界坐標(biāo)中的物體轉(zhuǎn)化成影像坐標(biāo)，并通過校準(zhǔn)確定其位置關(guān)系，然后對影像進(jìn)行正確的處理，從而獲得所需的資料，并將其反饋給對應(yīng)坐標(biāo)中的目標(biāo)[4]。攝像機(jī)標(biāo)定常用坐標(biāo)系如圖1所示。

圖1 攝像機(jī)標(biāo)定常用坐標(biāo)系

機(jī)器視覺中包含了XW、YW、ZW、相機(jī)坐標(biāo)系（X、Y軸分別與照相機(jī)坐標(biāo)系的x、y軸平行），影像像素坐標(biāo)系的原點位于影像的左上方，以像素表示。

1）分析世界坐標(biāo)與攝像機(jī)坐標(biāo)之間的轉(zhuǎn)換關(guān)系如下：

2）分析坐標(biāo)系與攝像機(jī)坐標(biāo)系之間的轉(zhuǎn)換關(guān)系如下：

3）將公式（2）中的物理坐標(biāo)系直接轉(zhuǎn)換為圖像坐標(biāo)系，具體關(guān)系如下：

綜合上述幾點關(guān)系的轉(zhuǎn)換，得出物點P與圖像像素坐標(biāo)系點Pr的轉(zhuǎn)換關(guān)系如下：

4）總結(jié)世界坐標(biāo)系與圖像坐標(biāo)之間的關(guān)系如下：

2 圖像處理及避障導(dǎo)航數(shù)據(jù)的提取

2.1 算法原理

農(nóng)作物種植中的水稻品種具有明顯的壟溝效應(yīng)，但不同地區(qū)的綠色植物和土壤背景差異較大。首先，通過綠線算法可以有效地對圖像中的有效信息進(jìn)行有效利用，同時還可以對目標(biāo)和背景進(jìn)行初步識別，從而減少大量的數(shù)據(jù)，方便后續(xù)的處理。其次，在灰度圖像中，由于使用了灰度值的特性，所以使用二值化技術(shù)可以更清晰地提取出農(nóng)作物的數(shù)據(jù)。再次，通過一系列的形態(tài)學(xué)方法，從二值化圖像中提取出真實的導(dǎo)航軌跡，并對導(dǎo)航線進(jìn)行校正。最后，將可靠的導(dǎo)航信息反饋給計算機(jī)，實現(xiàn)真實的實時導(dǎo)航[5]。

2.2 圖像處理及導(dǎo)航數(shù)據(jù)提取

2.2.1 灰度化

與灰色圖像相比，彩色圖像含有更多的有用信息。為提高后期處理的速度，首先要對圖像進(jìn)行灰度化處理。綜合本研究農(nóng)業(yè)種植的實際情況，選擇以麥田為實驗對象，麥田和農(nóng)田有很大的區(qū)別，莊稼行的綠色特性十分顯著，而土壤則是棕紅色。常規(guī)灰度處理如圖2 所示，處理之后的效果并不明顯，加上原始圖像中的植物線條明顯模糊，因此不宜使用。

圖2 常規(guī)灰度處理

利用傳統(tǒng)的超綠因子對農(nóng)作物和農(nóng)田的色彩特性進(jìn)行了灰度處理，超綠因子處理如圖3 所示。雖然該方法可以更好地區(qū)分目標(biāo)和背景，但是其效果并不理想。通過試驗和分析，在考慮了顏色空間的R、G、B 成分的基礎(chǔ)上，提出了一種基于0 R—1.8 G—8 B的新的超綠因子來實現(xiàn)彩色圖像的灰度處理。試驗結(jié)果表明，該方法比一般的灰度化方法效果顯著提高，識別度高、噪聲小，能夠為后續(xù)的處理提供極大的便利。

圖3 超綠因子處理

2.2.2 圖像分割

Otsu 是一種典型的圖像分割方法，具有運算量小、不受圖像亮度等因素影響、自動性強(qiáng)等特點。在圖像分割中閾值法具有運算量小、運算速度快等特點。由于前期的灰度化效果較好，因此兩種方法的處理結(jié)果是一樣的。這些模型都能將目標(biāo)和背景區(qū)域區(qū)分開來，且噪聲對其影響很小。然而，在處理速度上，使用門限方法要比Otsu 方法快得多，所以本研究使用了205 的閾值灰度化方法，以提升后續(xù)避障運行的實際效果。

2.2.3 避障導(dǎo)航線提取

由于作物的非結(jié)構(gòu)性特征，在不同的行間存在著較多的小雜音，而在作物行中也存在著少量的小孔噪聲[6]。但由于這些噪聲與作物的行區(qū)相比比較小，因此可以通過形態(tài)學(xué)的方法進(jìn)行濾波，選擇合適的形態(tài)學(xué)處理模板可以有效避免或排除作物行間的有用信息[7-8]。采用3×3 矩形模板對二值圖像進(jìn)行分析，確定了腐蝕、膨脹、開、關(guān)運算的結(jié)構(gòu)、運算順序和運算次數(shù)，得到了連續(xù)、無噪聲的農(nóng)作物行目標(biāo)。在避障導(dǎo)航線提取的過程中，為了保證導(dǎo)航數(shù)據(jù)提取的精準(zhǔn)度，需要對現(xiàn)有提取出來的圖像信息進(jìn)行優(yōu)化，即可得到最終的數(shù)據(jù)信息[9]。

在田間導(dǎo)航的研究中，已有大量的研究人員對農(nóng)作物的全部數(shù)據(jù)進(jìn)行了提取。主要作物行的精細(xì)化提取圖像信息結(jié)果如圖4 所示，由于攝像機(jī)位于機(jī)器的中部，所以在正常步行過程中所拍到的影像也是對稱的。因此，在保證導(dǎo)航信息精度的基礎(chǔ)上，選取了兩排最關(guān)鍵的兩行作物作為導(dǎo)航參考。如果發(fā)生了偏移，則中間兩排作物的位置也會發(fā)生較大的改變。在此基礎(chǔ)上，利用改進(jìn)的Hough 轉(zhuǎn)換算法，實現(xiàn)了作物行的線性擬合；Hough 轉(zhuǎn)換參數(shù)θ空間從0°～180°的變化范圍改為45°～135°的縮減計算區(qū)域，減少了計算量，但保證了測量的準(zhǔn)確性。由于相機(jī)的角度不同，農(nóng)田中的平行作物會出現(xiàn)一些傾斜，需要校正。

圖4 精細(xì)化提取圖像信息

2.3 避障導(dǎo)航信息反饋及航線提取

攝像機(jī)應(yīng)位于兩個目標(biāo)線的正中央，一般情況下以圖像中心為導(dǎo)航點。在導(dǎo)航線修正后利用兩導(dǎo)航路的縱軸和影像中心縱坐標(biāo)之差，求出了兩導(dǎo)航路的偏移幅值。導(dǎo)航點的偏移是以像素為單位進(jìn)行的，利用三坐標(biāo)系間的對應(yīng)關(guān)系進(jìn)行轉(zhuǎn)化，可以得到實際的距離，并為農(nóng)業(yè)機(jī)械避障導(dǎo)航校正提供依據(jù)[10]。

3 實驗結(jié)論分析

本研究使用機(jī)器視覺的農(nóng)業(yè)機(jī)械避障導(dǎo)航算法對田間農(nóng)作物進(jìn)行實驗分析，在路線規(guī)劃模塊中引入了相對距離和方向信息，實現(xiàn)了實時的路障規(guī)避。在確定了避障路線后，采用純跟蹤算法跟蹤該避障路線，從而實現(xiàn)了避障目的。本研究采用慢速實驗對田間農(nóng)作物中的障礙物進(jìn)行檢測，速度分別為0.5 m/s、1.0 m/s進(jìn)行試驗，實驗行走路徑如圖5所示。

圖5 實驗行走路徑

實驗中，GPS 接收機(jī)采用RTK 法在障礙物上測量了障礙物的中心點位，其坐標(biāo)為：@=4 787.3 m，Y=3 316.9 m。由于拖拉機(jī)在行駛時，地面坐標(biāo)系統(tǒng)下障礙物中心點的測量存在誤差。因此，所測得的中心坐標(biāo)（X=4 787.5 m，Y=3 316.7 m）的最大誤差為0.28 m時，試驗車速0.5 m/s，符合避障試驗的需要。

文中所提出的障礙物檢測方法可以有效地進(jìn)行障礙物的識別與擬合，盡管有一些錯誤，但大部分都能用算法進(jìn)行過濾，從而證明了算法的正確性。實驗中，GPS 接收機(jī)采用RTK 法在障礙物上測量了障礙物的中心點，其坐標(biāo)為：@=4 786.94 m，Y=3 317.79 m。在障礙物的實時探測中，最大誤差為0.36 m 時試驗車速1.0 m/s。在1.0 m/s 的車速下，由于機(jī)械在農(nóng)田中高速行駛會產(chǎn)生較大的振動，從而降低了對障礙的探測準(zhǔn)確率。

在兩種不同車速下進(jìn)行了現(xiàn)場測試，結(jié)果證明本研究所提出的障礙物探測方法能夠達(dá)到測試的目的。最終結(jié)果表明，本文所提出的障礙物檢測方法能夠在不同的車速情況下，對障礙物的方向和形狀進(jìn)行精確的識別，具有很好的適用性。

4 結(jié)語

1）基于機(jī)器視覺的農(nóng)業(yè)機(jī)械避障導(dǎo)航算法能夠較好地克服農(nóng)業(yè)種植過程中出現(xiàn)的障礙物的干擾[11]，準(zhǔn)確地提取出農(nóng)田中的作物行駛方向和距離，為以后的處理打下了良好的基礎(chǔ)。

2）通過對主要作物行的抽取，可以降低運算量，加快運算速度，并不會對機(jī)械避障導(dǎo)航信息的抽取造成影響，同時Hough 變換的優(yōu)化和快速的運算能力也得到了極大的提高[12-13]。

3）本研究提出了一種基于平均的方法，能夠得到障礙物的位置及形狀信息，通過采用平均法獲得障礙物的距離、形狀等信息，但由于存在一定的噪聲干擾，導(dǎo)致檢測結(jié)果產(chǎn)生了很大的誤差。

4）目前對于障礙物的檢測只考慮了靜態(tài)障礙物的情況，并且只考慮了離航向最近的障礙物為有效障礙物，動態(tài)路徑規(guī)劃時僅根據(jù)此障礙物進(jìn)行關(guān)鍵點選擇。如果田間障礙物情況分布復(fù)雜，該方式可能無法得到一條安全的避障路徑，在后續(xù)的研究中應(yīng)對田間多障礙、動態(tài)障礙進(jìn)行考慮。

5）在某些特定的條件下（如雜草太多、天氣惡劣），該方法無法有效地提取出農(nóng)作物的行間以及障礙信息。目前已有的研究僅限于障礙物導(dǎo)航路的抽取，因此需要進(jìn)一步改進(jìn)算法的自動機(jī)制和反饋機(jī)制。