周真真，李燕杰，閆瑞雪

( 1.石家莊科技工程職業(yè)學院 信息工程系，石家莊 050800；2.天津農(nóng)學院 計算機與信息工程學院，天津 300384)

?

基于OFDM信道和遠程監(jiān)控的果園采摘機器人設(shè)計

周真真1，李燕杰2，閆瑞雪1

( 1.石家莊科技工程職業(yè)學院 信息工程系，石家莊 050800；2.天津農(nóng)學院 計算機與信息工程學院，天津 300384)

隨著網(wǎng)絡(luò)和遠程控制技術(shù)的發(fā)展，基于移動互聯(lián)網(wǎng)的智能機器人成為未來機器人的發(fā)展方向。到目前為止，采摘機器人還很少采用移動互聯(lián)網(wǎng)進行遠程監(jiān)控，如果將移動互聯(lián)網(wǎng)應(yīng)用到果園采摘機器人的設(shè)計上，將會大幅度地提高采摘機器人的實時在線控制水平，提高多機器人編隊控制能力。為此，提出了一種基于OFDM信道估計和遠程監(jiān)控網(wǎng)絡(luò)的果園采摘機器人設(shè)計方法，并結(jié)合果實圖像的分割、歸一化、細化和增強技術(shù)，提高機器人果實圖像的識別能力。通過夜間對采摘機器人平臺的測試發(fā)現(xiàn)：機器人在加入信噪比的干擾信號情況下，采用OFDM傳輸系統(tǒng)的機器人信號發(fā)送端和接收端的信號吻合程度很高，誤碼率很低，為新式智能遠程控制采摘機器人的研究提供了較有價值的參考。

OFDM信道；遠程控制；采摘平臺；機器人；抗干擾

0 引言

隨著網(wǎng)絡(luò)技術(shù)的飛速發(fā)展，傳統(tǒng)的機器人控制技術(shù)與先進的網(wǎng)絡(luò)通訊技術(shù)不斷融合，使基于網(wǎng)絡(luò)的機器人控制技術(shù)也得以不斷發(fā)展。遠程控制技術(shù)可以使人們通過簡單的終端機完全控制網(wǎng)絡(luò)另一端的被控機，從而實現(xiàn)了另一端被控機信息的獲取和強大的控制功能。由于采摘機器人作業(yè)環(huán)境的復(fù)雜性，依靠有線網(wǎng)絡(luò)對機器人進行遠程控制是不現(xiàn)實的；而傳統(tǒng)的無線移動網(wǎng)絡(luò)由于傳輸速度和距離的限制，在采摘機器人遠程控制上的應(yīng)用也受到限制。而基于4G移動通信和OFDM傳輸系統(tǒng)的無線網(wǎng)絡(luò)不僅傳輸效率高，而且抗干擾能力也非常強，將其應(yīng)用在采摘機器人的遠程控制系統(tǒng)中，具有重要的現(xiàn)實意義。

1 采摘機器人果實圖像信息匹配

果實圖像識別是采摘機器人進行采摘作業(yè)的主要依據(jù)，也是遠程控制中主要的檢測對象。采用OFDM技術(shù)可以使用當前的移動4G網(wǎng)絡(luò)實現(xiàn)圖像等信息數(shù)據(jù)的傳輸，因此在傳輸數(shù)據(jù)之前必須獲得準確的圖像。采摘機器人識別果實的簡化模型如圖1所示。

以黃瓜采摘為例，對采摘機器人的遠程通信信道進行設(shè)計。在果實采摘過程中，除了果實之外還有較多的干擾信號，因此在進行圖像識別時需要對圖像進行處理，在進行通信時需要選擇抗干擾性能較強的OFDM通信技術(shù)。機器人對果實目標的識別過程是對果實圖像信息匹配的過程，主要包括黃瓜果實圖像的灰度化、圖像分割、歸一化、增強和細化、特征提取和特征匹配，具體步驟如下文。

圖1 采摘機器人簡化模型Fig.1 The simplified model of picking robot

1.1 圖像灰度化

圖像灰度化處理是將彩色圖像轉(zhuǎn)換為灰度圖像的操作。一般采摘機器人采集到的果實圖像為24位的真彩圖像，因此需要利用轉(zhuǎn)換公式將其轉(zhuǎn)換為8位灰度圖像，其公式為

C=xR+yG+zB,x+y+z=1

(1)

其中，R、G、B表示顏色的3個基本元素；x、y、z表示顏色的基本系數(shù)，表示轉(zhuǎn)換后的一種顏色。果實圖像灰度化后，需要在復(fù)雜的采摘環(huán)境中將圖像分割出來。

1.2 圖像分割

利用圖像分割技術(shù)可以將果實區(qū)域分割成為一系列有意義的特征圖像，本次圖像分割采用Sobel算子。該算子是一種微分算子，利用臨近像素區(qū)域的梯度來計算圖像中的每個像素的梯度，然后利用閾值分割取舍的方法，提取特征圖像的邊緣，其表達式為

M=sqrt(sx×sx+sy×sy)

(2)

sx與sy可以采用如下卷積模板來計算，有

(3)

通過圖像分割得到的圖像邊緣還存在一定的不連續(xù)性，因此要對邊緣進行連通和細化處理，從而得到平滑的果實圖像。

1.3 歸一化

為了得到尺寸統(tǒng)一的果實圖像，需要對圖像進行歸一化處理，假設(shè)圖像在X軸和Y軸方向的縮放比例分別為fx、fy，則原始圖像f(x,y)中對應(yīng)點(x0,y0)進行歸一化處理后在新圖像g(x,y)中的對應(yīng)點為 (x1,y1)，其縮放公式為

x1=fx×x0，y1=fy×y0

(4)

果實圖像在歸一化處理之后，灰度值分布在[0,255]范圍內(nèi)，灰度歸一化處理的公式為

(5)

1.4 圖像增強

為了進一步提高采集到的果實圖像的質(zhì)量、降低噪聲、增強果實圖像和背景的對比度，在空間區(qū)域需要對圖像進行增強處理。首先確定果實圖像的大小，然后將分割出的果實特征圖像創(chuàng)建擴充矩陣，將分塊內(nèi)的每個像素的灰度值與擴充矩陣灰度值和特定灰度閾值進行比較，從而區(qū)分背景區(qū)域和特征區(qū)域，增強特征區(qū)域的區(qū)分度。

1.5 圖像二值化與細化

對果實圖像二值化可以進一步提高圖像的質(zhì)量，將像素點劃分為前景值點和背景值點。其中，前景值點灰度值為255，背景點的灰度值為0，便可以得到果實圖像的二值圖。本次選用的二值化和細化的算法為Niblack算法，該算法是一種簡單且有效的局部動態(tài)閾值算法，在r×r鄰域內(nèi)，通過相鄰像素的方差和均值來實現(xiàn)二值化，其計算公式為

T(x,y)=m(x,y)+k×s(x,y)

(6)

其中，T(x,y)表示像素點的閾值；m(x,y)表示像素點的均值；s(x,y)表示像素點的標準差；k表示修正系數(shù)。假設(shè)像素點(i,j)處的灰度值為f(i,j)，則

(7)

(8)

經(jīng)過二值化處理后的果實圖像，經(jīng)過再次的細化增強后，便可以進行圖像特征的提取。

2 OFDM信道遠程傳輸和抗干擾原理

為了驗證OFDM信道的遠程傳輸抗干擾性，需要建立遠程網(wǎng)絡(luò)的OFDM信道，并建立調(diào)制和解調(diào)機制。通過FFT/IFFT變化，查看接收端和發(fā)射端信合的吻合程度，如果沒有出現(xiàn)誤碼率，則說明系統(tǒng)的抗干擾性能很高。

2.1 信源發(fā)生器設(shè)計

為了簡化信號測試方案，發(fā)射信號采用[0,1)均勻分布的隨機數(shù)信號，并設(shè)置信號0.5，隨機等概的產(chǎn)生0和1。

2.2 調(diào)制和解調(diào)

調(diào)制和解調(diào)采用QPSK(四相絕對移相調(diào)制)，該方法利用載波的相位信號表征數(shù)字信息，每個載波表示兩個比特的信息，一個四進制碼表示雙比特碼元。一般習慣將雙比特碼元的前一個比特用a表示，后一個比特用b表示，ab一般是按照格雷碼排列的，如表1所示。

表1 雙比特碼元與載波相位的關(guān)系Table 1 The relationship between two bit code and carrier phase

每個載波先給都有一個對應(yīng)的雙比特元碼，其矢量關(guān)系如圖2所示。

圖2 QPSK符號的矢量圖Fig.2 The vector diagram of QPSK symbol

其中，s表示經(jīng)過調(diào)制后的信號，調(diào)制信號可以使用調(diào)相法和相位選擇發(fā)產(chǎn)生。

QPSK的公式為

(9)

2.3 插入和去除循環(huán)前綴

為了對OFDM符號進行隔離，將符號后的Ng個樣點復(fù)制到前面，其長度比最大的時延大，保證了OFDM符號子載波之間的正交性，從而避免了碼間串擾問題。

2.4 FFT/IFFT

FFT是離散傅里葉變換的快速算法，可大大降低計算次數(shù)，在信道建立和測試過程中，直接使用FFT和FFT函數(shù)對數(shù)據(jù)進行傅立葉(逆)變換，以提高計算的速度。

3 OFDM信道遠程控制的采摘機器人測試

為了驗證OFDM移動通信技術(shù)在采摘機器人遠程控制設(shè)計上使用的可行性，以采摘機器人的果實識別和成功采摘信號傳輸為測試項目，對信號的傳輸性能進行了測試。

基于OFDM移動通信技術(shù)的采摘機器人對夜間果實采摘也具有較強的適應(yīng)能力，這是由于移動信號不受光線的干擾，因此可以產(chǎn)生較強的遠程監(jiān)測效果。夜間果實圖像如圖3所示。

為了保證實驗的可靠性，采用傳統(tǒng)的通信信道和OFDM兩種技術(shù)，將信道噪聲的信噪比設(shè)置為8dB，首先通過信號源繪制出發(fā)射端的波形，其形狀如圖4所示。

圖3 夜間果實圖像Fig.3 The fruit images at night

圖4 傳統(tǒng)信道發(fā)送端波形Fig.4 The waveform of traditional channel transmission

圖4表示使用傳統(tǒng)的通信信道利用信號源發(fā)送信號得到的發(fā)送端波形，將發(fā)送端和接收端進行對比便可以得到接受端的誤碼率：如果誤碼率較大，說明信道抗干擾能力差；如果誤碼率較低，則說明信道的抗干擾能力較弱。

由圖5可得發(fā)送端的信號編碼為10101110010101 1 11001，由圖6得到的接收端信號為編碼為10101110010101 0 11001，因此從第15個采樣點出現(xiàn)了錯誤，誤碼率較高，信道的抗干擾性能較弱。

圖5 傳統(tǒng)信道接收端波形Fig.5 The waveform of traditional channel receiver

圖6表示使用OFDM技術(shù)后得到的接收端的波形。由圖6可以看出：接收端的信號編碼為10101110010101 111001，和發(fā)送端完全相同，其誤碼率為0，信道的抗干擾能力較強。OFDM傳輸系統(tǒng)抗傳輸?shù)亩鄰礁蓴_的能力很強，只有在信道干擾十分嚴重的情況下，才會出現(xiàn)誤碼。為了進一步驗證OFDM系統(tǒng)的優(yōu)越性，對多個采摘機器人遠程傳輸網(wǎng)絡(luò)的數(shù)據(jù)傳輸速率進行了測試，得到了如圖7所示的結(jié)果。

圖6 使用OFDM技術(shù)接收端波形

Fig.6 The receiver waveform by using OFDM technology

圖7 多采摘機器人場景信號傳輸速率測試Fig.7 The signal transmission rate test of multi picking robot

由圖7可以看出：采用OFDM技術(shù)可以明顯提高多采摘機器人網(wǎng)絡(luò)的信號傳輸速率，從而可以提高采摘機器人的控制效率。

4 結(jié)論和討論

為了提高采摘機器人的遠程通信和控制能力，將移動4G和OFDM技術(shù)應(yīng)用到了采摘機器人的優(yōu)化設(shè)計中，并結(jié)合果實圖像的分割、歸一化、細化和增強技術(shù)，提高機器人果實圖像的識別能力。由夜間采摘機器人平臺的測試發(fā)現(xiàn)：采用OFDM后，機器人信道的抗干擾能力較強，且相對于傳統(tǒng)的信道其通信速率較高。4G和OFDM移動通信技術(shù)在機器人中的應(yīng)用將改變機器人智能化研究的新格局，采摘機器人的更新?lián)Q代能否跟上現(xiàn)代通信技術(shù)的步伐，決定了未來農(nóng)業(yè)機器人實用性和市場價值。隨著本課題的深入，將會進一步對采摘機器人的遠程控制做實質(zhì)性的探究，以發(fā)掘現(xiàn)代通信技術(shù)在農(nóng)業(yè)機器人中的重要價值。

[1] 魏澤鼎,賈俊國,王占永.基于視覺傳感器的棉花果實定位方法[J].農(nóng)機化研究,2012,34(6):66-68.

[2] 王文慶,張濤,龔娜.基于多傳感器融合的自主移動機器人測距系統(tǒng)[J].計算機測量與控制,2013, 21(2):343-345.

[3] 王海青,姬長英,顧寶興,等.基于機器視覺和支持向量機的溫室黃瓜識別[J].農(nóng)業(yè)機械學報,2012, 43(3):163-167.

[4] 王輝,毛文華,劉剛,等.基于視覺組合的蘋果作業(yè)機器人識別與定位[J].農(nóng)業(yè)機械學報,2012,43 (12):165-170.

[5] 蔡健榮,孫海波,李永平,等.基于雙目立體視覺的果樹三維信息獲取與重構(gòu)[J].農(nóng)業(yè)機械學報,2012, 43(3):153-156.

[6] 李立君,李昕,高自成,等.基于偏好免疫網(wǎng)絡(luò)的油茶果采摘機器人圖像識別算法[J].農(nóng)業(yè)機械學報, 2012,43(12):209-213.

[7] Jose J, Ashikhmin A, Whiting P, et al.Channel estimation and linear precoding in multiuser multiple-antenna TDD systems [J].IEEE Trans. Veh. Technol., 2011, 60(5):2102-2116.

[8] Jose J, Ashikhmin A, Marzetta T, et al.Pilot contamination and precoding in multi-cell TDD systems [J].IEEE Trans. Wireless Commun, 2011, 10(8):2640-2651.

[9] Caire G，Shamai S(Shitz). On the achievable throughput of a multiantenna Gaussian broadcast channel [J].IEEE Trans. Inf. Theory, 2003, 49(7): 1691-1706.

[10] Viswanath P，Tse D N C. Sum capacity of the vector Gaussian broadcast channel and uplink-downlink duality [J].IEEE Trans. Inf. Theory, 2003, 49(8):1912-1921.

[11] Yu W，Cioffi J M. Sum capacity of Gaussian vector broadcast channels [J].IEEE Trans. Inf. Theory, 2004, 50(9):1875-1892.

[12] 姬江濤,鄭治華,杜蒙蒙.農(nóng)業(yè)機器人的發(fā)展現(xiàn)狀及趨勢[J].農(nóng)機化研究,2014，36(12):1-4.

[13] 喬永亮,何東鍵,趙川源,等.基于多光譜圖像和SVM的玉米田間雜草識別[J].農(nóng)機化研究, 2013，35(8):30-34.

[14] 姬長英,周俊.農(nóng)業(yè)機械導(dǎo)航技術(shù)發(fā)展分析[J].農(nóng)業(yè)機械學報,2014,45(9):44-54.

[15] 孟慶寬,何潔,仇瑞承，等.基于機器視覺的自然環(huán)境下作物行識別與導(dǎo)航線提取[J].光學學報，2014,34(7):1-7.

[16] 劉金龍,鄭澤鋒,丁為民，等.對靶噴霧紅外探測器的設(shè)計與探測距離測試[J].江蘇農(nóng)業(yè)科學,2013,41 (7):368-370.

[17] 高國琴,李明.基于K-means 算法的溫室移動機器人導(dǎo)航路徑識別[J].農(nóng)業(yè)工程學報,2014,30 (7):25-33.

[18] 方莉娜,楊必勝.車載激光掃描數(shù)據(jù)的結(jié)構(gòu)化道路自動提取方法[J].測繪報,2013,42(2):260-267.

[19] 熊愛武.基于車載激光云點數(shù)據(jù)的道路模型重建[J].地理信息世界,2013,20(6):86-88.

[20] 馬锃宏,李南,王漢斌,等.溫室株間電驅(qū)鋤草控制系統(tǒng)設(shè)計與試驗[J].農(nóng)業(yè)機械學報，2015,46(1): 89-93.

[21] 張二鵬,馬锃宏,耿長興,等.溫室懸掛噴施機跨壟作業(yè)控制系統(tǒng)設(shè)計[J].中國農(nóng)業(yè)大學學報，2013, 18(6):170-174.

[22] 馬锃宏,李南,李濤,等.缽體苗帶式供苗移栽機的設(shè)計與試驗[J].中國農(nóng)業(yè)大學學報，2015,20(3): 216-222.

[23] 張春龍,黃小龍,劉衛(wèi)東,等.苗間鋤草機器人信息獲取方法的研宄[J].農(nóng)業(yè)工程學報,2012,28(9): 142-146.

[24] 胡煉,羅錫文,曾山,等.基于機器視覺的株間機械除草裝置的作物識別與定位方法[J].農(nóng)業(yè)工程學報,2013,29(10):12-18.

[25] 朱鳳武,于豐華,鄒麗娜,等.農(nóng)業(yè)機器人研究現(xiàn)狀及發(fā)展趨勢[J].2013,3(6):10-13.

[26] 吳巖,杜立宇,高明和,等.農(nóng)業(yè)面源污染現(xiàn)狀及其防治措施[J].農(nóng)業(yè)環(huán)境與發(fā)展，2011(1):64-67.

Design of Orchard Picking Robot Based on OFDM Channel and Remote Monitoring

Zhou Zhenzhen1, Li Yanjie2, Yan Ruixue1

(1.Department of Information Engineering, Shijiazhuang Vocational College of Scientific and Technical Engineering, Shijiazhuang 050800,China; 2.College of Computer and Information Engineering,Tianjin Agricultural University, Tianjin 300384,China)

With the development of network and remote control technology and intelligent robot based on mobile Internet become the development direction of the robot in the future, and so far, picking robot also rarely used mobile Internet remote monitoring, if the mobile Internet applications to the orchard picking machine design, will greatly improve the picking robot real-time online control level, improve multi robot formation control ability. Accordingly, this study proposed a based on OFDM channel estimation and remote monitoring network of orchard picking robot design method, and combined with the fruit image segmentation, normalization, refinement and enhancement techniques, improve the ability to identify the robot fruit image. Through the night of picking robot platform test, it is found that the robot in joined the signal-to-noise ratio of the interference signal by OFDM transmission system of robot signal transmitting end and receiving end of the signal are consistent high and low bit error rate, the new intelligent remote control picking robot research provides a valuable reference.

OFDM channel; remote control; picking platform; robot; anti-interference

2016-01-26

天津市高等學?？萍及l(fā)展基金計劃項目(20140812)

周真真(1982-)，女，河北邯鄲人，講師，碩士，(E-mail)zhouzz1982@sina.com。

S225.93；TP242.3

A

1003-188X(2017)03-0229-05