付全有 ,呂 青
(湖南農(nóng)業(yè)大學(xué),湖南 長(zhǎng)沙 410000)
隨著農(nóng)業(yè)現(xiàn)代化的推進(jìn),基于先進(jìn)技術(shù)的農(nóng)業(yè)機(jī)器人在提高生產(chǎn)效率、降低勞動(dòng)強(qiáng)度方面具有巨大的潛力。本研究旨在通過(guò)基于視覺(jué)與激光雷達(dá)融合的技術(shù)手段,深入研究棚內(nèi)農(nóng)業(yè)機(jī)器人的定位和障礙物檢測(cè),以實(shí)現(xiàn)機(jī)器人在農(nóng)業(yè)生產(chǎn)中的智能化、自主化作業(yè)[1-3]。具體而言,研究目的包括:探究視覺(jué)與激光雷達(dá)融合在棚內(nèi)農(nóng)業(yè)機(jī)器人中的應(yīng)用,提高機(jī)器人的感知能力和環(huán)境適應(yīng)性;建立高精度的定位系統(tǒng),以確保機(jī)器人在不同棚內(nèi)環(huán)境中實(shí)現(xiàn)準(zhǔn)確、穩(wěn)定的位置定位[4];設(shè)計(jì)先進(jìn)的障礙物檢測(cè)算法,使機(jī)器人能夠迅速、準(zhǔn)確地識(shí)別并規(guī)避棚內(nèi)農(nóng)業(yè)作業(yè)中的各類(lèi)障礙物;實(shí)現(xiàn)農(nóng)業(yè)機(jī)器人在復(fù)雜環(huán)境中的自主導(dǎo)航,提高農(nóng)業(yè)生產(chǎn)的自動(dòng)化水平。
本研究具有重要的理論和實(shí)際意義,通過(guò)視覺(jué)與激光雷達(dá)融合的定位技術(shù),機(jī)器人能夠更精準(zhǔn)地感知自身位置,從而實(shí)現(xiàn)農(nóng)業(yè)作業(yè)的高效、精準(zhǔn)執(zhí)行,提高生產(chǎn)效率[5]。通過(guò)深入研究基于視覺(jué)與激光雷達(dá)融合的棚內(nèi)農(nóng)業(yè)機(jī)器人定位和障礙物檢測(cè)技術(shù),本研究旨在為農(nóng)業(yè)現(xiàn)代化提供先進(jìn)的技術(shù)解決方案,為實(shí)現(xiàn)智能、高效、可持續(xù)的農(nóng)業(yè)生產(chǎn)方式奠定基礎(chǔ)[6]。
在基于視覺(jué)與激光雷達(dá)融合的棚內(nèi)農(nóng)業(yè)機(jī)器人定位與障礙物檢測(cè)研究中,軟件平臺(tái)的選擇對(duì)于整個(gè)系統(tǒng)的性能和效率具有決定性影響。研究團(tuán)隊(duì)選擇機(jī)器人操作系統(tǒng)(ROS)作為本研究的軟件平臺(tái)。ROS 的開(kāi)放性、靈活性和強(qiáng)大的社區(qū)支持使其成為實(shí)現(xiàn)復(fù)雜機(jī)器人系統(tǒng)的理想選擇[7]。在使用ROS 的過(guò)程中,可以利用其提供的RViz 工具進(jìn)行實(shí)時(shí)數(shù)據(jù)可視化,同時(shí),通過(guò)ROS 的消息傳遞機(jī)制,能夠高效地處理來(lái)自視覺(jué)傳感器和激光雷達(dá)的數(shù)據(jù)流。其運(yùn)行機(jī)制如圖1所示[8]。
圖1 ROS 運(yùn)行機(jī)制
傳感器融合是實(shí)現(xiàn)棚內(nèi)農(nóng)業(yè)機(jī)器人定位和障礙物檢測(cè)的核心技術(shù)。在本研究中采用了視覺(jué)傳感器(如攝像頭)和激光雷達(dá)(LiDAR)的組合,以實(shí)現(xiàn)更準(zhǔn)確和可靠的感知能力。傳感器融合是指利用多種傳感器的數(shù)據(jù),通過(guò)某種算法處理,以提高系統(tǒng)對(duì)環(huán)境的感知能力[9]。在農(nóng)業(yè)機(jī)器人的應(yīng)用中,這意味著更準(zhǔn)確的定位、更有效的障礙物檢測(cè)以及更高的作業(yè)效率。例如,激光雷達(dá)可以提供精確的距離測(cè)量,但在復(fù)雜的環(huán)境中可能受到限制;而攝像頭可以提供豐富的顏色和紋理信息,但可能受光線(xiàn)條件影響。通過(guò)融合這兩種傳感器的數(shù)據(jù),可以克服各自的限制,實(shí)現(xiàn)更全面的環(huán)境感知。
2.2.1傳感器選擇和集成
攝像頭:攝像頭作為視覺(jué)傳感器,能夠捕捉環(huán)境中的圖像,為機(jī)器人提供顏色和紋理信息。研究團(tuán)隊(duì)選用奧比中光的高清雙目攝像頭以捕獲更詳細(xì)的圖像數(shù)據(jù),如圖2所示。
圖2 雙目攝像頭
激光雷達(dá)(LiDAR):激光雷達(dá)用于測(cè)量機(jī)器人周?chē)鷮?duì)象的距離。研究團(tuán)隊(duì)選擇雷神A1 單線(xiàn)激光雷達(dá),以確保距離數(shù)據(jù)的準(zhǔn)確性和可靠性,如圖3所示。
圖3 激光雷達(dá)
2.2.2傳感器數(shù)據(jù)融合方法
研究團(tuán)隊(duì)采用基于卡爾曼濾波的融合算法??柭鼮V波算法可以有效整合來(lái)自攝像頭和激光雷達(dá)的數(shù)據(jù),提高定位和障礙物檢測(cè)的準(zhǔn)確性。在實(shí)際應(yīng)用中,首先利用激光雷達(dá)進(jìn)行初步的障礙物檢測(cè)和距離測(cè)量。然后,通過(guò)攝像頭捕獲的圖像數(shù)據(jù)對(duì)這些障礙物進(jìn)行進(jìn)一步的分析,如識(shí)別其形狀、大小和可能的類(lèi)型(如植物、固定物體等)。通過(guò)融合這兩種傳感器的數(shù)據(jù),機(jī)器人能夠在復(fù)雜的農(nóng)業(yè)環(huán)境中實(shí)現(xiàn)更準(zhǔn)確和詳細(xì)的障礙物檢測(cè),從而優(yōu)化其導(dǎo)航路徑。傳感器融合技術(shù)在提高棚內(nèi)農(nóng)業(yè)機(jī)器人的定位和障礙物檢測(cè)能力方面發(fā)揮了關(guān)鍵作用。通過(guò)結(jié)合攝像頭和激光雷達(dá)的優(yōu)勢(shì),能夠?qū)崿F(xiàn)更高效和準(zhǔn)確的環(huán)境感知。雖然傳感器融合技術(shù)帶來(lái)了更高的數(shù)據(jù)處理要求,但其帶來(lái)的性能提升使得投入的額外資源和努力也能獲得相應(yīng)結(jié)果。未來(lái),隨著傳感器技術(shù)和數(shù)據(jù)處理算法的進(jìn)一步發(fā)展,傳感器融合將在農(nóng)業(yè)機(jī)器人領(lǐng)域發(fā)揮更加重要的作用。
在棚內(nèi)農(nóng)業(yè)機(jī)器人的應(yīng)用中,精確的定位和有效的障礙物檢測(cè)是實(shí)現(xiàn)自動(dòng)化和智能化管理的關(guān)鍵。本研究采用了視覺(jué)與激光雷達(dá)融合的方法,以提升定位的準(zhǔn)確性和障礙物檢測(cè)的效率。該方法結(jié)合了視覺(jué)傳感器的豐富細(xì)節(jié)和激光雷達(dá)的高精度測(cè)距能力,實(shí)現(xiàn)了更為全面和可靠的環(huán)境感知。
2.3.1定位技術(shù)的實(shí)現(xiàn)
定位技術(shù)是機(jī)器人導(dǎo)航系統(tǒng)的核心。在本研究中,通過(guò)以下步驟實(shí)現(xiàn)精確定位。
數(shù)據(jù)融合策略:利用卡爾曼濾波算法融合來(lái)自視覺(jué)傳感器和激光雷達(dá)的數(shù)據(jù)。這種方法能夠有效平衡兩種傳感器在不同環(huán)境條件下的性能差異,實(shí)現(xiàn)更準(zhǔn)確的定位。
視覺(jué)定位:采用基于特征的方法從攝像頭捕獲的圖像中提取關(guān)鍵點(diǎn),如角點(diǎn)和邊緣,用于識(shí)別環(huán)境中的顯著特征。結(jié)合機(jī)器學(xué)習(xí)算法,如支持向量機(jī)(SVM),進(jìn)行特征匹配和環(huán)境地圖的構(gòu)建。
激光雷達(dá)定位:激光雷達(dá)提供高精度的距離測(cè)量,用于檢測(cè)周?chē)矬w的位置和大小。結(jié)合SLAM技術(shù),創(chuàng)建環(huán)境的3D 地圖,與視覺(jué)數(shù)據(jù)進(jìn)行對(duì)比和校正,提高定位精度[10]。
2.3.2障礙物檢測(cè)的實(shí)現(xiàn)
障礙物檢測(cè)對(duì)于確保機(jī)器人的安全運(yùn)行至關(guān)重要,采取以下措施實(shí)現(xiàn)高效的障礙物檢測(cè)。
視覺(jué)檢測(cè):利用深度學(xué)習(xí)技術(shù),如卷積神經(jīng)網(wǎng)絡(luò)(CNN),對(duì)攝像頭捕獲的圖像進(jìn)行分析,識(shí)別不同類(lèi)型的障礙物。通過(guò)圖像分割技術(shù)區(qū)分障礙物和背景,提高識(shí)別的準(zhǔn)確性。
激光雷達(dá)檢測(cè):激光雷達(dá)數(shù)據(jù)用于測(cè)量障礙物的精確位置和形狀,尤其是在光線(xiàn)不足或復(fù)雜背景下的性能優(yōu)于視覺(jué)傳感器。通過(guò)點(diǎn)云數(shù)據(jù)處理,如聚類(lèi)分析,區(qū)分不同障礙物和路徑規(guī)劃中的關(guān)鍵點(diǎn)。
數(shù)據(jù)融合和處理:將視覺(jué)和激光雷達(dá)數(shù)據(jù)融合,利用算法綜合兩種數(shù)據(jù)的優(yōu)勢(shì),提高障礙物檢測(cè)的準(zhǔn)確性和可靠性。在復(fù)雜環(huán)境中,如面對(duì)多種光照條件和不同類(lèi)型的障礙物時(shí),這種融合方法表現(xiàn)出更高的適應(yīng)性和效率。
為驗(yàn)證本文所提的基于視覺(jué)與激光雷達(dá)融合的定位和障礙物檢測(cè)性能,利用搭建的輪式機(jī)器人在草莓大棚內(nèi)選取2.5 m*3 m 的試驗(yàn)場(chǎng)地,試驗(yàn)時(shí)間為上午11:00,試驗(yàn)環(huán)境所用到的柵格地圖是利用Gmapping 算法構(gòu)建的。
輪式移動(dòng)機(jī)器人沿著設(shè)計(jì)的閉合路線(xiàn)行走,繞行方形路線(xiàn)一圈后回到起始位置,一共經(jīng)歷三次拐彎,拐彎以后的路線(xiàn)也均為直線(xiàn)行走,在此運(yùn)動(dòng)過(guò)程中,攝像頭拍攝的照片保存在系統(tǒng)中。整個(gè)過(guò)程分別采用單一相機(jī)定位運(yùn)動(dòng),記錄其軌跡線(xiàn);單一激光雷達(dá)定位運(yùn)動(dòng),記錄其軌跡線(xiàn);激光雷達(dá)和相機(jī)融合定位運(yùn)動(dòng),記錄其軌跡線(xiàn)。對(duì)比三個(gè)運(yùn)動(dòng)軌跡線(xiàn)發(fā)現(xiàn),采用單一激光雷達(dá)定位時(shí),漂移會(huì)比較嚴(yán)重。這是因?yàn)榧す饫走_(dá)的點(diǎn)云匹配過(guò)程一般都是一個(gè)較小角度的初始值,所以在直線(xiàn)行走時(shí)基本不會(huì)出現(xiàn)漂移,但是隨著拐彎次數(shù)的增多,漂移誤差也會(huì)增大。采用單一相機(jī)進(jìn)行定位時(shí),無(wú)論是直線(xiàn)還是拐彎,定位效果都很好,但是隨著試驗(yàn)時(shí)間的推進(jìn),強(qiáng)陽(yáng)光射進(jìn)棚內(nèi),相機(jī)拍攝的照片無(wú)法分清草莓土塊和道路,輪式機(jī)器人出現(xiàn)定位丟失問(wèn)題,軌跡終止。采用相機(jī)與激光雷達(dá)融合的方案進(jìn)行運(yùn)動(dòng)時(shí),運(yùn)動(dòng)軌跡定位誤差控制最好,定位軌跡與實(shí)際路線(xiàn)出入最小,且不會(huì)隨著強(qiáng)光條件干涉導(dǎo)致定位丟失,因?yàn)橐坏┫鄼C(jī)定位丟失,激光雷達(dá)點(diǎn)云圖像還能作為定位依據(jù)繼續(xù)行進(jìn)。
草莓采摘工人是棚內(nèi)機(jī)器人移動(dòng)過(guò)程中最常見(jiàn)的障礙物之一,因此必須對(duì)人進(jìn)行檢測(cè)。在試驗(yàn)場(chǎng)地檢測(cè)時(shí),分別在機(jī)器人正前方2 m、2.5 m 以及3 m 的地方布置假人模型進(jìn)行檢測(cè),該假人模型與普通成年男子體型相近。最后試驗(yàn)結(jié)果表明,基于視覺(jué)與激光雷達(dá)的障礙物檢測(cè)算法可以有效地去除環(huán)境背景,保留提取目標(biāo)障礙物區(qū)域。通過(guò)Canny算法獲取的邊緣信息,激光雷達(dá)特征信息提取正確。檢測(cè)過(guò)程中,在三個(gè)不同距離下測(cè)出的障礙物身高(假人身高180 cm)誤差都在5 cm 內(nèi),最小測(cè)量誤差為0.56 cm。雖然在不同的測(cè)量距離下,所得到的假人身高測(cè)量值出現(xiàn)一定波動(dòng),但波動(dòng)值都在可接受范圍內(nèi)。因此,基于視覺(jué)與激光雷達(dá)融合的障礙物檢測(cè)算法是可靠的。
本研究成功地探索了基于視覺(jué)與激光雷達(dá)融合的棚內(nèi)農(nóng)業(yè)機(jī)器人定位與障礙物檢測(cè)技術(shù)。通過(guò)綜合利用視覺(jué)傳感器和激光雷達(dá)的獨(dú)特優(yōu)勢(shì),不僅提升了定位的準(zhǔn)確性,還大幅度提高了障礙物檢測(cè)的效率和可靠性。采用SLAM 技術(shù)結(jié)合視覺(jué)與激光雷達(dá)數(shù)據(jù),可以有效突破單一傳感器在復(fù)雜農(nóng)業(yè)環(huán)境中的局限性。通過(guò)這種方法,機(jī)器人能夠在缺乏明顯地標(biāo)的棚內(nèi)環(huán)境中實(shí)現(xiàn)精確定位。在障礙物檢測(cè)方面則是結(jié)合深度學(xué)習(xí)和點(diǎn)云數(shù)據(jù)處理技術(shù),能夠顯著提高障礙物檢測(cè)的準(zhǔn)確性和魯棒性。
本研究在棚內(nèi)農(nóng)業(yè)機(jī)器人領(lǐng)域展現(xiàn)出巨大的應(yīng)用潛力。這種技術(shù)不僅可以應(yīng)用于作物的自動(dòng)化管理,如噴灑、修剪和收獲,還可以擴(kuò)展到其他領(lǐng)域,如智能物流、室內(nèi)導(dǎo)航和災(zāi)害救援等。此外,隨著技術(shù)的不斷進(jìn)步,該系統(tǒng)有望進(jìn)一步優(yōu)化,以適應(yīng)更多樣化的環(huán)境和更復(fù)雜的任務(wù)
綜上所述,本研究通過(guò)高效融合視覺(jué)與激光雷達(dá)技術(shù),能夠顯著提升棚內(nèi)農(nóng)業(yè)機(jī)器人的定位和障礙物檢測(cè)能力。這一成果不僅可以為農(nóng)業(yè)機(jī)器人技術(shù)的發(fā)展開(kāi)辟新的道路,也為相關(guān)領(lǐng)域的研究提供了有價(jià)值的參考和啟示。隨著技術(shù)的不斷進(jìn)步和優(yōu)化,期待未來(lái)能在智能農(nóng)業(yè)和其他領(lǐng)域看到更多此類(lèi)技術(shù)的應(yīng)用和發(fā)展。