邱富軍

(瀘州職業(yè)技術(shù)學(xué)院 電子工程系，四川 瀘州 646005)

0 引言

隨著科技的進(jìn)步和農(nóng)業(yè)的迅猛發(fā)展，智能控制已不斷融入各種生產(chǎn)與服務(wù)中。其中，智能割草機(jī)器人的發(fā)展尤為迅速，已從起初的最低端智能割草機(jī)發(fā)展到目前可實(shí)現(xiàn)環(huán)境感知、路徑規(guī)劃和行為控制的高端自動化智能割草作業(yè)。為此，國內(nèi)外學(xué)者從各個方面、多個角度進(jìn)行了深層次的試驗(yàn)與研究，主要從智能割草機(jī)器人本身的機(jī)構(gòu)控制水平及不斷改進(jìn)傳感器等關(guān)鍵部件的計(jì)算精度與速度方面展開。丁毅等學(xué)者從割草機(jī)器人GPS/DR組合導(dǎo)航系統(tǒng)方面展開相關(guān)深入研究[1-2]；劉立強(qiáng)等基于Open CV系統(tǒng)的模擬實(shí)驗(yàn)方法對除草機(jī)器人圖像處理技術(shù)[3]進(jìn)行探討；袁路路基于FPGA神經(jīng)網(wǎng)絡(luò)[4]的方法對智能軌跡控制割草機(jī)器人設(shè)計(jì)。本文從智能割草機(jī)器人的作業(yè)場景入手，從改善智能機(jī)器人視覺識別角度出發(fā)，通過對圖像紋理特征分析，找出能較好適應(yīng)智能割草機(jī)器人進(jìn)行草地分界線提取的一種算法，為進(jìn)一步更精準(zhǔn)、自動實(shí)現(xiàn)路徑規(guī)劃與作業(yè)提供支撐。

1 紋理特征理論與方法

紋理[5]是圖像存在的分子級特征，難以確切描述和定量化，是智能機(jī)器人模擬人類視覺提取元素之一，也是重要的視覺線索。在進(jìn)行草地圖像分割與處理分析過程中，紋理的相關(guān)特征及信息的準(zhǔn)確識別顯得格外重要，通過利用各種單一分析方法或者多種方法相結(jié)合對草地圖像中存在的紋理特征信息進(jìn)行有效分類、分割并提取分析，有助于找出更符合實(shí)際場景的圖像紋理信息。目前，圖像紋理分析方法的分類如圖1所示。

圖1 圖像紋理分析方法分類

各類圖像紋理方法的出發(fā)點(diǎn)不同，但是目標(biāo)都是從多種角度使得分析更加精確化、更加符合草地的整體布局情況，通過智能割草機(jī)器人的有效識別，并進(jìn)行高效率安全工作，達(dá)到自動割草作業(yè)的目標(biāo)。

選取何種分析方法進(jìn)行圖像紋理特征處理及提取方法優(yōu)劣的判別主要取決于以下幾個參數(shù)：

1)紋理特征維數(shù)的劃分多少；

2)紋理劃分后差別的明顯程度；

3)圖像紋理分析劃分效果如何；

4)下一步算法的適用性及準(zhǔn)確度；

5)指導(dǎo)實(shí)際應(yīng)用的可采納性。

其中，1)、2)兩個步驟在進(jìn)行圖像特征提取過程中所起作用最為關(guān)鍵，針對維數(shù)較多、紋理劃分后差別較不明顯的圖像，處理難度加大，同時(shí)劃分效果3)決定后續(xù)采取哪一種算法4)；各個步驟緊密結(jié)合，最終可獲取較為優(yōu)化的應(yīng)用于實(shí)際草地場景5)的提取算法；之后進(jìn)行符合實(shí)際的路徑規(guī)劃，實(shí)現(xiàn)智能割草機(jī)器人的自動割草作業(yè)。

2 提取算法試驗(yàn)過程

2.1 圖像分割理論提取算法

圖像分割理論提取是第一步，通過智能機(jī)器人的攝像頭傳入機(jī)器人圖像處理及控制系統(tǒng)，經(jīng)過一系列處理后依照采集的圖像紋理特征相關(guān)信息進(jìn)行準(zhǔn)確分割，采用適用性較強(qiáng)的提取算法，繼而控制智能機(jī)器人有效識別草地分界線，區(qū)分未割草區(qū)域與已割草區(qū)域，實(shí)現(xiàn)全區(qū)域、全覆蓋的割草作業(yè)；同時(shí)，在此作業(yè)過程中融合其他自動控制技術(shù)有效規(guī)避障礙物，實(shí)現(xiàn)全程自動作業(yè)。下面針對圖像分割理論提取算法做簡要介紹。

首先，針對智能割草機(jī)器人工作區(qū)域的界定，選取高端攝像頭，簡易攝像頭工作區(qū)域原理如圖2、圖3所示。由于攝像頭工作范圍自身存在缺陷，因此配備超聲波傳感器與紅外傳感器進(jìn)行實(shí)時(shí)監(jiān)測。超聲波傳感器對于50m之外草地范圍進(jìn)行掃描傳輸回機(jī)器人控制，紅外線傳感器對于10～50m之內(nèi)草地范圍進(jìn)行掃描傳輸回機(jī)器人，以減少工作過程中出現(xiàn)盲區(qū)的范圍，實(shí)現(xiàn)最大限度的草地割草作業(yè)。

圖2 智能割草機(jī)器人前端攝像頭工作區(qū)域

圖像的顏色模型表征一種視覺效果，RGB模型是紅、綠、藍(lán)3種基色調(diào)組成的混合體，HSI模型表征色調(diào)、飽和度和亮度，其機(jī)理如圖4所示。

圖3 USB前置攝像頭成像

圖4 平面的HSI顏色模型機(jī)理

兩種模型之間的轉(zhuǎn)換公式為

根據(jù)人眼識別草地機(jī)理，作用于機(jī)器人攝像頭，對HSI模型關(guān)鍵區(qū)間進(jìn)行選取時(shí)，選H[80，160]、S[10，100],上下限可輕微調(diào)整，但必須符合圖像采集原則，如圖5所示。

在進(jìn)行草地圖像特征攝取時(shí)，智能機(jī)器人需要進(jìn)行預(yù)處理，主要步驟如下

1)草地圖像灰度化處理；

2)草地圖像平滑化處理；

3)草地圖像邊緣檢測；

4)草地圖像紋理特征提取。

在進(jìn)行圖像特征灰度化處理時(shí)，選取圖像特征提取算法SIFT和SUSAN的有效融合[6]：SIFI算法在對極值點(diǎn)進(jìn)行檢測時(shí)，選用高斯圖像金字塔方式，構(gòu)成差分尺度空間，可較好適應(yīng)草地圖像復(fù)雜特性；SUSAN算法對草地圖像邊角識別、計(jì)算及敏感程度更高、更精確。

圖5 實(shí)驗(yàn)樣本對應(yīng)的直方圖(H值、S值)

SIFT模擬圖像的尺度特征，主要是依據(jù)空間尺度理論并通過高斯相關(guān)函數(shù)實(shí)現(xiàn)變換，具體公式表述為

L(x,y,δ)=G(x,y,δ)×I(x,y)

其中，(x,y)為坐標(biāo)點(diǎn)；δ為尺度因子。

為了進(jìn)一步提高特征提取的穩(wěn)定性，將DOG算子改進(jìn)為

D(x,y,δ)=[G(x,y,kδ)-G(x,yδ)]×I(x,y)

=L(x,y,kδ)-L(x,y,δ)

2.2 簡要試驗(yàn)過程

建立進(jìn)行草地圖像紋理分割圖提取及工作的簡圖(見圖6)，包括處理器、攝像頭及PC終端設(shè)施等試驗(yàn)平臺。同時(shí)，遵循利用智能割草機(jī)器人進(jìn)行割草作業(yè)時(shí)草地與背景分界線的提取算法，其試驗(yàn)流程圖如圖7所示。

圖6 草地圖像算法簡圖

圖7 基于提取算法的草地與背景分界線流程圖

將草地原彩色圖像轉(zhuǎn)換為HIS模型之后，要進(jìn)一步對圖片的灰度值分布進(jìn)行統(tǒng)計(jì)分析，確定偏離角度、偏離距離的最佳值選擇；另一方面，主體與客體、目標(biāo)與背景(即草地區(qū)域與非草地區(qū)域的分界線)是圖像紋理特征變化最為集中的關(guān)鍵部分，目標(biāo)通過選取相關(guān)特征參數(shù)來確定最優(yōu)的圖像紋理分割二值圖，為最終獲取草地分界線而服務(wù)。

根據(jù)不同的作業(yè)場地，篩選出合適的特征值，并統(tǒng)計(jì)換分、計(jì)算、對比不同大小的歷遍窗口分割效果，來顯示出所需要的、用于智能機(jī)器人辨識的紋理特征；繼而通過對不同灰度級的圖像紋理分割進(jìn)行大小形狀及其他關(guān)鍵特征信息的統(tǒng)計(jì)比較，選出最優(yōu)的符合實(shí)際作業(yè)場景的草地邊界分割圖；之后對所獲得的圖像進(jìn)行相關(guān)后處理，包括膨脹腐蝕、輪廓雜質(zhì)剔除等；此時(shí)基于圖像紋理分割圖的提取算法最符合實(shí)際，為劃分出最優(yōu)的草地分界線做準(zhǔn)備，實(shí)現(xiàn)智能割草機(jī)器人路徑優(yōu)化與精準(zhǔn)度。

進(jìn)行提取草地分界線，此環(huán)節(jié)主要將人眼對于事物的成像及邊緣化、差異化的判斷機(jī)理運(yùn)用于智能割草機(jī)器人。邊緣檢測算法[7]流程主要是通過對原始圖像進(jìn)行濾波處理之后進(jìn)入平滑處理，并增強(qiáng)梯度或含零點(diǎn)圖像，從而檢測出邊界點(diǎn)。濾波處理[8]環(huán)節(jié)運(yùn)用算法及主要代碼如下：

e2=entropyfilt (i2)；

e2im=mat2gray (e2);

figure; subplot (121)

imshow (e2im);

bw2=im2bw (e2im, graythresh (e2im));

subplot (122); imshow (bw2)

mask2= bwareaopen (bw2, 1000);

figure; imshow (mask 2);

texture1=i ;

texture1 (～mask2)=0;

texture2=i ;

texture2(mask2)=0;

figure; subpot(121)

imshow (texture1);

subplot (122)

imshow (texture2);

boundary=bwperim (mask2);

segmentresults(boundary)=255;

figure; imshow(segmentresults);

邊緣檢測算法理論模型建立如下，即

卷積得

在生成的最優(yōu)紋理特征圖基礎(chǔ)之上，提出一種基于紋理分割圖的草地分界線提取，并最大限度實(shí)現(xiàn)擬合的算法：智能割草機(jī)器人前端攝像頭依據(jù)圖像紋理特征上黑色像素點(diǎn)的密集程度和分布情況對已割草地和未割區(qū)域進(jìn)行初步識別，筆者通過計(jì)算機(jī)語言O(shè)pen CV[9]將特征二值圖的整體進(jìn)行等寬度均勻分割。該編程語言編寫靈活，計(jì)算速度較快，并加入輪廓?dú)v遍器統(tǒng)計(jì)相關(guān)算法，找出包含黑色像素點(diǎn)最多的輪廓?dú)v遍器IMAX，如圖8所示。

圖8 IMAX輪廓分割示意圖

相當(dāng)于一種微分思想，對于分割寬度L的確定必須結(jié)合最終的分界線擬合因素綜合而定；采取輪廓?dú)v遍器長度結(jié)合具體紋理復(fù)雜程度、黑色像素點(diǎn)集中分散程度呈變動的方法進(jìn)行輪廓?dú)v遍，才可達(dá)到最佳分割和擬合效果，最終實(shí)現(xiàn)提取草地分界線的目標(biāo)，如圖9所示。

圖9 提取的像素點(diǎn)擬合效果

3 分析與評價(jià)

通過將所得到的虛擬分界節(jié)點(diǎn)連線并與實(shí)際試驗(yàn)圖像映射[10]，得出明顯草地紋理特征差別較大的草地分界線。實(shí)驗(yàn)原理及相關(guān)實(shí)際模擬有效，使得智能割草機(jī)器人在識別障礙、躲避障礙和自動回歸充電功能的同時(shí)，將草地分界線功能優(yōu)化和完善，這對傳感器控制及智能機(jī)器人的相關(guān)硬件設(shè)備部件的功能性提出較高要求。此次改進(jìn)之處在于：模擬人的視覺識別圖像機(jī)理，對智能割草機(jī)器人的攝像頭從攝取圖像、處理圖像、分析圖像各個環(huán)節(jié)進(jìn)行各步驟最優(yōu)化提取分割算法，達(dá)到最優(yōu)化采集草地圖像信息及融合PC機(jī)的集中控制處理功能；提出一種基于圖像紋理分割圖的草地分界線提取算法，很好地進(jìn)行分割點(diǎn)坐標(biāo)擬合，擬合效果如圖9所示；通過精確擬合出草地區(qū)域與非草地區(qū)域兩者的分界線，提高了智能機(jī)器人識別分界線的水平，并可用于后序完善、優(yōu)化智能機(jī)器人作業(yè)路徑。

4 結(jié)論

從數(shù)字圖像處理應(yīng)用及分析轉(zhuǎn)換技術(shù)、智能機(jī)器人前端攝像頭功能優(yōu)化等方面入手，對草地的圖像采集流程進(jìn)行優(yōu)化，并進(jìn)行草地顏色空間和模型的轉(zhuǎn)換，從而提高對智能割草機(jī)器人的圖像紋理提取分割的實(shí)用性。同時(shí)，結(jié)合各類草地場景的分析算法[11-12]，提出一種基于圖像紋理分割的草地分界線提取算法，不可避免會有一定的缺陷，但對于提高智能移動割草機(jī)器人的圖像提取、路徑規(guī)劃[13]及高效作業(yè)具有促進(jìn)作用，可為相關(guān)學(xué)者對智能機(jī)器人的控制進(jìn)行更深入研究提供一定參考。

參考文獻(xiàn)：

[1] 丁毅,邱白晶,周寧,等.割草機(jī)器人GPS/DR組合導(dǎo)航系統(tǒng)的研究[J].農(nóng)機(jī)化研究,2006(4):68-71.

[2] 賀濤,肖勇.割草機(jī)器人工作原理及試驗(yàn)研究—基于GPS/DR組合導(dǎo)航系統(tǒng)[J]. 農(nóng)機(jī)化研究,2017,39(8):191-194.

[3] 周寧邱,白晶,丁毅,等. 割草機(jī)器人避障行為的研究—基于傳感器測距及模糊控制技術(shù)[J].農(nóng)機(jī)化研究,2006(3):169-174.

[4] 袁路路, 張娓娓. 智能軌跡控制割草機(jī)器人設(shè)計(jì)—基于FPGA神經(jīng)網(wǎng)絡(luò)[J].農(nóng)機(jī)化研究,2017,39(4):212-216.

[5] 章毓晉. 圖像分割[M].北京:科學(xué)出版社, 2001.

[6] 童逸舟.基于圖像處理的智能割草機(jī)器人路徑規(guī)劃研究[D].杭州：浙江理工大學(xué),2016.

[7] 韓琳,楊明.基于小波變換的紋理特征提取分析[J].電腦知識與技術(shù),2007(11):1395-1422.

[8] 刑明.基于數(shù)字圖像處理的草坪場景分析算法研究[D].杭州:浙江理工大學(xué)，2016.

[9] 劉立強(qiáng),蔡曉華,吳澤全. 基于Open CV的除草機(jī)器人圖像處理技術(shù)[J]. 農(nóng)機(jī)化研究,2013,35(12):162-165.

[10] 鄭鑫.具有路徑規(guī)劃功能的智能割草機(jī)研制[D].南京：東南大學(xué)，2014.

[11] 陳天華. 數(shù)字圖像處理[M].北京：清華大學(xué)出社,2007.

[12] 李謙, 蔡曉華. 機(jī)器視覺在除草機(jī)器人中的應(yīng)用[J].農(nóng)機(jī)化研究,2014,36(7):204-206,231.

[13] 毛可駿,周平.基于機(jī)器視覺的自主插秧機(jī)導(dǎo)航信息的提取研究[J].農(nóng)機(jī)化研究，2009，31(5)：63-66.