余 娜 ，晁 陽 ，孫小春 ，卿 笛

（楊凌職業(yè)技術(shù)學(xué)院，陜西 咸陽 712100）

農(nóng)業(yè)搬運機(jī)器人是農(nóng)業(yè)現(xiàn)代化發(fā)展的必然產(chǎn)物，機(jī)器人在運輸過程中需要多個傳感器協(xié)作完成障礙物識別的搬運過程。為了有效提升機(jī)器人故障檢測和識別的性能，需要充分利用現(xiàn)代軟件計算的優(yōu)勢，采集障礙物的表征信息，為機(jī)器識別提供檢測依據(jù)。為了有效提升障礙物表征信息采集的準(zhǔn)確性和精細(xì)性，課題組基于障礙物圖像檢索的方法開發(fā)了一種機(jī)器視覺障礙物特征提取優(yōu)化系統(tǒng)[1]。將數(shù)據(jù)庫中采集到的圖像特征進(jìn)行表示后，通過相似度測量，可提升障礙物識別的精確性?；诋?dāng)前搬運機(jī)器人障礙物檢測的研究現(xiàn)狀，即采用單目視覺處理的方法進(jìn)行障礙物識別、機(jī)器人自主定位與障礙物檢測，將檢測的障礙物信息插入采集的障礙物特征地圖中，從而實現(xiàn)搬運機(jī)器人自主定位和自動檢測的效果。文章在當(dāng)前研究的基礎(chǔ)上，利用內(nèi)容圖像檢索（CBIR,Content Based Image Retrieval）方法優(yōu)化搬運機(jī)器人障礙物圖像檢測性能，并且通過實驗檢測了機(jī)器人在運行過程中對故障識別的有效性[2]。

1 CBIR系統(tǒng)優(yōu)化設(shè)計

搬運機(jī)器人的CBIR 系統(tǒng)主要是依靠現(xiàn)代機(jī)器視覺等技術(shù)實現(xiàn)障礙物圖像數(shù)據(jù)的采集和傳輸處理。將采集的障礙物圖像數(shù)據(jù)發(fā)送到控制服務(wù)器中，保障障礙物信息的準(zhǔn)確采集和管理。采集意向信息之后，機(jī)器人的機(jī)器視覺識別系統(tǒng)在運行過程中不斷進(jìn)行圖像捕捉，并向外界展示障礙物的實際信息，為后續(xù)其他處理做準(zhǔn)備[3]?；诖?，為了有效檢索匹配采集的圖像，對機(jī)器人的CBIR 系統(tǒng)進(jìn)行優(yōu)化，CBIR 系統(tǒng)優(yōu)化結(jié)構(gòu)圖如圖1所示。

圖1 CBIR 系統(tǒng)優(yōu)化結(jié)構(gòu)圖

為了提升固體障礙物識別功能，需要確保機(jī)器視覺采集的圖像數(shù)量和質(zhì)量。該系統(tǒng)構(gòu)建了多方位障礙物圖像信息采集攝像頭，可將采集的圖像與數(shù)據(jù)庫中的圖像特征進(jìn)行對比，文中的數(shù)據(jù)庫留存了搬運機(jī)器人搬運路徑途中的固體障礙物圖像，并且將多個角度采集到的圖像進(jìn)行了編號[4]。同時，為了方便處理，系統(tǒng)將采集到的RGB 圖像轉(zhuǎn)換為灰度圖像，通過優(yōu)化后的距離度量方法來減少檢索過程誤差。目前常用的距離度量方法有巴特查里亞、余弦、歐幾里德、卡方等集中計算方法，而文章中優(yōu)化的CBIR 系統(tǒng)采用的方法是對圖像間的最小距離進(jìn)行度量并排名，計算獲得的結(jié)果可以用于對比分析檢測圖像與數(shù)據(jù)庫圖像。

2 障礙物邊緣特征提取優(yōu)化

2.1 障礙物邊緣特征提取概述

搬運機(jī)器人的搬運路徑在進(jìn)行障礙物的邊緣特征提取之前，需要去除不符合障礙物邊緣的其他干擾特征。在提取障礙物邊緣特征時，對圖像進(jìn)行預(yù)處理，避免圖像檢測在各種不同的外部條件和隨機(jī)干擾的環(huán)境下，導(dǎo)致機(jī)器視覺識別系統(tǒng)采集的圖像產(chǎn)生噪聲和圖像失真的情況，從而影響視覺系統(tǒng)的精確性。首先需要對采集圖像進(jìn)行對比度增強(qiáng)，提升圖像的平滑性。而障礙物的邊緣特征圖像采集有著不連續(xù)性局部特征的特點，不規(guī)則的局部特征是局部亮度變化最大的圖像部分[5]。通常來說，在捕捉障礙物的場景圖像之后，經(jīng)過一系列的紋理特征提取就可以提取出邊緣輪廓。這些輪廓對搬運機(jī)器人運行路徑中的障礙物識別和定位具有重要的作用。

為了優(yōu)化檢測邊緣性能，采用基于邊緣圖像像素的灰度級差異方法，提取圖像的輪廓，通過將圖像邊緣所包裹的像素清空，并且保留圖像的輪廓。邊緣檢測算法通過四個維度算子優(yōu)化圖像強(qiáng)度的一階數(shù)和二階數(shù)，改善圖像噪聲邊緣效率。同時，需要增強(qiáng)障礙物輪廓點邊緣強(qiáng)度的變化，并且通過圖像檢測和位置檢測，確定障礙物邊緣檢測的精細(xì)度[6]。

2.2 固體障礙物特征提取算法2.2.1檢測低噪聲圖像邊緣算法

為了檢測采集圖像的低噪聲邊緣，利用Gabor 小波濾波提升噪聲檢測邊緣的效率，進(jìn)一步提高邊緣檢測的分辨率。該算法通過短期傅里葉變換與高斯窗口結(jié)合，并且通過Gabor 濾波器過濾采集圖像的紋理進(jìn)行數(shù)字信號變換，進(jìn)而提升障礙物識別的精確度。Gabor 小波濾波器數(shù)字信號轉(zhuǎn)換的方法為：

其中，s(t)表示數(shù)字信號；(b,a)分別表示的是轉(zhuǎn)化因子和膨脹因子；h(t)表示基本小波[7]。

小波濾波器將信號s(t)分解為小波函數(shù)集，并且通過轉(zhuǎn)化因子及膨脹因子在時空域及頻域中提升圖像的分辨率。小波濾波器的二維函數(shù)為：其中，φ 表示高斯分布在x 軸及y 軸方向的變體；ω0表示正弦曲線的頻率；θ 則表示正弦曲線的方向。

該函數(shù)表現(xiàn)形式體現(xiàn)了Gabor 基本函數(shù)表征為一個二維的高斯，通過該頻率范圍值以及方向為θ 的正弦曲線的包圍和調(diào)制功能來確定濾波器的參數(shù)。由于掩碼尺寸的大小會影響圖像檢索的精度，因此需要以適合的濾波器大小來確定障礙物的位置[8]。根據(jù)該基本函數(shù)選定的濾波組件來構(gòu)建空間域濾波器，并且濾波器的每對元素可以通過正弦曲線的實部和虛部實現(xiàn)優(yōu)化。在同一中頻級過濾時，濾波器的輸出是對圖像中所有卷積像素的虛實濾波器掩碼平均卷積進(jìn)行輸出調(diào)節(jié)，其計算公式為：

其中，ζ 表示濾波器輸出調(diào)節(jié)的大?。籖ave表示Gabor濾波器掩碼對圖像區(qū)域進(jìn)行卷積的結(jié)果；Iave是利用濾波器虛掩碼對圖像區(qū)域進(jìn)行卷積的結(jié)果。

綜上，利用Gabor 濾波器進(jìn)行圖像特征提取，提升搬運機(jī)器人在運輸過程中對障礙物形狀和位置的評估和定位精確度，以提高搬運機(jī)器人運輸?shù)母咝訹9]。

2.2.2 評估方法

通過濾波器將采集的圖像進(jìn)行數(shù)字編碼，為算法計算提供數(shù)據(jù)支持，并為后期圖像噪聲消除、提升采集圖像質(zhì)量提供強(qiáng)有力的支持。為了檢測該方法對搬運機(jī)器人運輸?shù)挠行?，在文章的CBIR 系統(tǒng)中設(shè)定5 種距離，將這5 種距離分為低、中、滿、淹沒和溢出5 種情況。將Gabor 小波濾波器采集的障礙物圖像通過數(shù)字轉(zhuǎn)化之后，將該數(shù)據(jù)與系統(tǒng)數(shù)據(jù)庫中的障礙物圖像進(jìn)行檢索對比，從而獲取構(gòu)建的CBIR 系統(tǒng)對障礙物識別的精細(xì)度和準(zhǔn)確性[10]。

主要采用準(zhǔn)確率和召回率的加權(quán)調(diào)和平均數(shù)進(jìn)行比較的方法，與采集圖像的檢索數(shù)量和質(zhì)量進(jìn)行對比，從而檢測系統(tǒng)利用Gabor 濾波器對障礙物圖像邊緣檢測的有效性，有效提升搬運機(jī)器人的視覺識別系統(tǒng)性能。通過公式（4）、公式（5）、公式（6）可以分別計算出系統(tǒng)的準(zhǔn)確率、召回率以及F1 測度。

其中，R 表示召回率，na表示檢索出相關(guān)圖像的數(shù)量；nb表示數(shù)據(jù)庫中相關(guān)圖像的數(shù)量；A表示準(zhǔn)確率；nall表示檢索圖像的總數(shù)[11]。

3 CBIR系統(tǒng)優(yōu)化實驗結(jié)果

為了驗證CBIR 系統(tǒng)對搬運機(jī)器人障礙物識別的精確度，利用MATLAB 仿真平臺對該系統(tǒng)性能進(jìn)行仿真實驗，將200 個障礙物圖像邊緣檢測精確度進(jìn)行對比。經(jīng)過仿真實驗，幾種相似度距離的檢索率如表1所示。

表1 不同方法下的障礙物機(jī)器視覺識別檢索率對比

從表1 可以看出，文章利用小波濾波器優(yōu)化的CBIR 系統(tǒng)的對比結(jié)果優(yōu)于其他方法的平均檢索率，甚至在過濾器到障礙物距離的測算中，前20 張圖像之間的檢索率均保持在98%以上。該方法有效提升了CBIR 系統(tǒng)的性能，并且促使搬運機(jī)器人在不同位置下均可以對運輸路徑上存在的固體障礙物進(jìn)行定位識別，有效提升其識別系統(tǒng)的精確度，為系統(tǒng)數(shù)據(jù)庫中障礙物圖像特征對比提供高質(zhì)量圖像數(shù)據(jù)。

4 結(jié)語

綜上所述，為了提升當(dāng)前農(nóng)業(yè)現(xiàn)代化發(fā)展過程中搬運機(jī)器人的故障識別和檢測CBIR 系統(tǒng)性能，課題組從提升障礙物圖像采集的數(shù)量和質(zhì)量入手，使用Gabor 小波濾波器對采集圖像的邊緣信息進(jìn)行數(shù)字化采集，以優(yōu)化采集圖像的質(zhì)量，提升采集圖像與數(shù)據(jù)庫圖像對比效果的準(zhǔn)確性。同時，以MATLAB平臺為仿真工具，與其他邊緣檢測特征提取方法進(jìn)行對比，即將文章優(yōu)化的CBIR 系統(tǒng)的度量方法得到的距離結(jié)果與其他邊緣檢測特征提取方法得到的距離結(jié)果進(jìn)行對比。并且根據(jù)平均檢索率對采集的圖像數(shù)量和質(zhì)量進(jìn)行比較發(fā)現(xiàn)，農(nóng)業(yè)搬運機(jī)器人在復(fù)雜的工作環(huán)境下，也可以保障采集的圖像與數(shù)據(jù)庫中的每張圖像實現(xiàn)精細(xì)的特征提取，確保采集圖像與數(shù)據(jù)庫的圖像可以進(jìn)行相似度對比。總的來說，文章優(yōu)化的CBIR 系統(tǒng)可以對障礙物圖像的紋理特征進(jìn)行精細(xì)化提取，并且在不同距離下均具有良好的障礙物檢測性能。