于萬鵬

(遼源職業(yè)技術(shù)學(xué)院，吉林 遼源 136200)

0 引言

我國的農(nóng)業(yè)生產(chǎn)模式在新時期發(fā)生變化，從小規(guī)模的分散經(jīng)營開始轉(zhuǎn)向種植大戶的集中經(jīng)營。在這種形勢下，傳統(tǒng)農(nóng)業(yè)作業(yè)效率低和人力成本高的缺陷日益凸顯，已經(jīng)無法滿足時代發(fā)展的要求。大規(guī)模的集中經(jīng)營為農(nóng)業(yè)機械的應(yīng)用創(chuàng)造了條件，使農(nóng)業(yè)生產(chǎn)的機械化率得到了顯著提升。我國農(nóng)業(yè)機械研究起步較晚，設(shè)計經(jīng)驗與國外相比存在差距，總體性能也有待進一步加強。因此，利用現(xiàn)代技術(shù)改善機械的整體性能，提高自動化和智能化水平，對我國農(nóng)業(yè)的發(fā)展意義重大。

自動導(dǎo)航是農(nóng)業(yè)機械智能化的一個重要方面，可以降低操作人員的勞動強度，提高土地利用效率[1]。農(nóng)機自動導(dǎo)航的研究在20世紀(jì)80年代興起，采用的方法有機械觸桿導(dǎo)航、預(yù)埋電纜引導(dǎo)、無線電或激光導(dǎo)航、計算機視覺導(dǎo)航、衛(wèi)星導(dǎo)航等。在新技術(shù)的支撐下，導(dǎo)航精度不斷提高，機械作業(yè)范圍也擴展到播種、施肥、噴藥、整地、收割和起壟等方面，為多種作物的全程機械化生產(chǎn)奠定了基礎(chǔ)[2]。在上述的方法中，計算機視覺和衛(wèi)星定位是較為普遍和實用的農(nóng)機導(dǎo)航技術(shù)。

計算機視覺是利用專門的設(shè)備采集圖像，轉(zhuǎn)換為數(shù)字信號后由計算機對目標(biāo)特征進行分析和識別，提取所需的信息的技術(shù)。計算機視覺在農(nóng)業(yè)上最初用于采摘機器人，后來應(yīng)用到農(nóng)機自動導(dǎo)航上，通過視覺功能識別行走路徑和檢測障礙物[3]。與衛(wèi)星定位導(dǎo)航方法相比，計算機視覺的覆蓋范圍小，但由于采用了相對坐標(biāo)，因而靈活性更強，導(dǎo)航的精度更高[4]。孫元義等對棉田的自然環(huán)境背景圖像進行Lab色彩空間處理、最大方差閾值分割和Hough變換，識別機械行駛路徑，用于對噴藥機器人行走路線的控制[5]。徐建等采用均值去噪和Prewitte算子邊緣檢測分析玉米壟行圖像，實時、準(zhǔn)確地獲得了智能收獲機器人的行走路線[6]。高國琴針對溫室與田間環(huán)境的差異，設(shè)計了基于K-means算法的機器人導(dǎo)航路徑識別方法，對單幅圖像處理的時間大幅降低，顯著提高了路徑識別的速度[7]。

拖拉機是最常見的農(nóng)業(yè)機械，既可以用于農(nóng)業(yè)物資的運輸，也可以為其它的機械提供牽引動力。另外，拖拉機還可以作為新型農(nóng)機技術(shù)的測試平臺，驗證各種技術(shù)的實用性。拖拉機的自動導(dǎo)航是在定位的基礎(chǔ)上通過行進控制來實現(xiàn)的，具體表現(xiàn)為直線行駛和路線變更[8-10]。計算機視覺獲取的信息豐富，被動感知能力強，因此在拖拉機的行進控制上具有較大的優(yōu)勢，成為國內(nèi)外學(xué)者研究的重點。

周俊等較早開展了研究，對四輪拖拉機上計算機視覺技術(shù)的跟蹤路徑識別、機械位姿計算、系統(tǒng)實時性和魯棒性等多個方面進行了分析，所研制的原型機在快速行駛時都具有較好的路徑跟蹤效果[11]。代峰燕等基于簡化的運動學(xué)模型模糊控制方法，以機器視覺獲得的參數(shù)作為控制量輸入，實時輸出前輪轉(zhuǎn)角，可以較好地適應(yīng)拖拉機低速行駛時的控制要求[12]。計算機視覺導(dǎo)航相關(guān)研究大多針對普通環(huán)境，而在實際作業(yè)中陰影環(huán)境也是普遍存在的，會增加路徑識別難度。華希俊等對比分析普通環(huán)境和陰影環(huán)境的計算機視覺圖像特點，設(shè)計出一種相應(yīng)的路徑識別方法，增強了拖拉機對陰影環(huán)境的適應(yīng)能力[13]。另外，翟志強等為解決農(nóng)機導(dǎo)航系統(tǒng)開發(fā)周期長和成本增加的問題，提出了基于虛擬現(xiàn)實的拖拉機雙目視覺導(dǎo)航方法，為行進控制系統(tǒng)的改進提供了理論和實踐依據(jù)[14]。

本文基于計算機視覺，設(shè)計了一個拖拉機行進的控制系統(tǒng)，如圖1所示。系統(tǒng)對環(huán)境圖像進行計算機視覺分析，選用合適的處理方式和算法減少計算量；獲得導(dǎo)航路線后根據(jù)機械的3個初始狀態(tài)參數(shù)調(diào)整操向角，使拖拉機沿著導(dǎo)航路線行進，以增強對復(fù)雜環(huán)境的適應(yīng)能力。

圖1 行進控制系統(tǒng)的總體設(shè)計

1 系統(tǒng)設(shè)計

系統(tǒng)的搭載平臺為東方紅LX604型拖拉機，前后輪距分別是160cm和200cm，離地高度32cm，額定輸出功率45kW，行進速度在2.0～33.5km/h之間。該型拖拉機的最大牽引力達到22.5kN，可以為許多型號的農(nóng)業(yè)機械提供牽引動力。拖拉機的導(dǎo)向輪上安裝JLl8A3型霍爾傳感器和RB100LA型轉(zhuǎn)角傳感器，分別測量拖拉機的行進速度和導(dǎo)向輪的偏轉(zhuǎn)角度，采集的信號經(jīng)AD6673型轉(zhuǎn)換器轉(zhuǎn)換為數(shù)字信號后導(dǎo)入核心計算機進行分析。

計算機視覺的采集設(shè)備是尼康D810型相機，體積較小，采用防抖動處理安裝在拖拉機的前部。相機的拍攝俯角30°，拍攝頻率由系統(tǒng)根據(jù)機械的進行速度決定，相機采集的原始圖像經(jīng)天創(chuàng)UB570型圖像采集卡轉(zhuǎn)換為數(shù)字信號后由核心計算機分析。核心計算機是戴爾7040MT型臺式電腦，硬件包括Intel i7中央處理器、8GB的DDR4內(nèi)存及1TB的硬盤，安裝Windows10操作系統(tǒng)和視覺分析軟件MatLab工具箱。

計算機視覺分析識別拖拉機的行進路線后，根據(jù)機械與路徑之間的橫向距離偏差、航向偏差和導(dǎo)向輪轉(zhuǎn)角確定調(diào)整的角度，產(chǎn)生二位隨機信號；隨機信號經(jīng)DAC7631E型數(shù)模轉(zhuǎn)換器轉(zhuǎn)換為模擬信號后向液壓閥發(fā)出指令，驅(qū)動導(dǎo)向輪偏轉(zhuǎn)一定角度實現(xiàn)對拖拉機行進的控制。

2 計算機視覺分析

2.1 直線特征檢測

以油菜田為例，拍攝獲得的圖像主要由油菜和壟溝組成。其中，油菜為綠色，壟溝為褐色，二者之間的區(qū)別較為明顯，如圖2(a)所示。根據(jù)這個特點，利用圖像中自然特征的基線來對機械進行導(dǎo)航，以適應(yīng)復(fù)雜環(huán)境對分析算法魯棒性的要求。提取自然特征基線首先要進行直線特征檢測，從而得到導(dǎo)航的基準(zhǔn)。本文參考楊為民等的研究，采用Hough變換將圖像中的特征直線轉(zhuǎn)變?yōu)閰?shù)點，將距離邊界一定范圍內(nèi)的所有點相加實現(xiàn)對特征直線的檢測?；趫D像整體特性的Hough變換算法魯棒性較強，不會受到圖像噪音和直線中斷的影響，且能夠獲得亞像素級的特征精度。將原始圖像中的壟溝作為導(dǎo)航特征進行Hough變換，得到了參數(shù)的空間圖像，壟溝用連續(xù)的黑色區(qū)域顯示，形成明顯的導(dǎo)航路線，如圖2(b)所示。

2.2 圖像抽點簡化

當(dāng)圖像的視覺分析耗時超過0.2s時，導(dǎo)航的精確度和穩(wěn)定性都會大幅降低?；贖ough變換算法的參數(shù)檢測計算量很大，處理一幅正常大小的圖像也需要1s的時間，無法獲得理想的導(dǎo)航效果。在實際分析過程中，系統(tǒng)采集的圖像只有很小的部分包含導(dǎo)航特征，除此之外的其它部分屬于無效信息。這些信息會增加圖像的復(fù)雜程度和處理耗時，還會對目標(biāo)特征的檢測效果造成干擾。因此，設(shè)置興趣區(qū)(ROI)并僅對其中的圖像進行后續(xù)處理，減少圖像分析的計算量，提高導(dǎo)航實時性，如圖3(a)所示。ROI的具體設(shè)置過程是在得到起始導(dǎo)航特征后將上一幅圖像的相應(yīng)信息提取出來，以其中的直線特征為中心，按照一定的參數(shù)劃定ROI區(qū)域；然后，采用遞歸算法推動ROI跟隨導(dǎo)航特征移動，形成覆蓋路線的檢測帶。通過圖像抽點簡化之后，單幅圖像的處理時間可以控制在0.1s以內(nèi)。

2.3 導(dǎo)航特征檢測

目標(biāo)圖像中包含油菜和壟溝，都呈條帶狀，邊界清晰。拖拉機在田間沿著壟溝行進，因此以壟溝的邊界作為拖拉機導(dǎo)航的特征。首先對圖像進行預(yù)處理，包括直方圖分析和低通濾波，使導(dǎo)航特征區(qū)域的灰度和對比度都得到增強；然后過濾灰度變化過大的相鄰像素，消除背景噪音，利用聚類的閾值分割方法將導(dǎo)航特征從背景中提取出來，獲得了壟溝的兩條邊界線，如圖3(b)所示。采用Hough變換算法檢測壟溝的邊緣，提取同一水平線上兩個邊緣像素點的中心位置，形成一條連續(xù)的曲線(即拖拉機的行進路線)，如圖3(c)所示。

圖2 圖像的直線特征檢測

圖3 行進路線的提取

3 機械行進控制

計算機視覺分析得到導(dǎo)航路線后，還需要通過行進控制才能保證拖拉機按照規(guī)劃的路線行駛。拖拉機的行進控制是根據(jù)機械與規(guī)劃路線之間的橫向距離偏差、方向偏差和導(dǎo)向輪轉(zhuǎn)角這3個狀態(tài)參數(shù)，并結(jié)合機械自身速度所產(chǎn)生的誤差來確定合適的操向角，使拖拉機沿著導(dǎo)航路線行進。

拖拉機行進控制的關(guān)鍵是實時控制操向角，而機械當(dāng)前的位姿誤差和瞬時速度是重點參考的兩個因素。在獲得導(dǎo)航基準(zhǔn)后，拖拉機在系統(tǒng)的控制下沿著耗時最少和距離最短的路線行駛到達導(dǎo)航基準(zhǔn)。然后，根據(jù)拖拉機的位姿和速度調(diào)整角度，不斷地縮小實際路線與導(dǎo)航基準(zhǔn)的偏差，使機械姿態(tài)和速度逐步回到導(dǎo)航基準(zhǔn)線上來，最終實現(xiàn)拖拉機沿著導(dǎo)航路線行進。

4 試驗結(jié)果與分析

對系統(tǒng)的控制效果進行試驗，拖拉機在油菜田中行駛，以壟溝為導(dǎo)航特征規(guī)劃路線。拖拉機分別以兩個速度行駛，速度1為2m/s，速度2為3m/s。壟溝的導(dǎo)航路線用白色標(biāo)識，以細(xì)沙漏準(zhǔn)確記錄拖拉機的行駛路線，在導(dǎo)航路線上每隔1m測量兩個路線的偏差，評價行進控制的效果。

拖拉機以2m/s的速度行駛時，路線偏差從初始狀態(tài)下的1.37m迅速減少到0.3m以內(nèi)，隨后一直保持在很小的范圍內(nèi)；以3m/s的速度行駛時，路線偏差的減少相對較慢，但最終也能保持在很小的范圍內(nèi)，如圖4所示。試驗中，系統(tǒng)處理單幅圖像的耗時少于0.1s，可以滿足實時控制的要求。

圖4 系統(tǒng)對拖拉機的行進控制效果

5 結(jié)論

基于計算機視覺，設(shè)計了一種拖拉機行進的控制系統(tǒng)。系統(tǒng)對環(huán)境圖像進行計算機視覺分析，選用合適的處理方式和算法減少了計算量。系統(tǒng)經(jīng)過直線特征檢測、圖像抽點簡化和導(dǎo)航特征檢測后獲得導(dǎo)航路線，然后根據(jù)機械的3個初始狀態(tài)參數(shù)調(diào)整操向角，使拖拉機沿著導(dǎo)航路線行進。在試驗中，拖拉機以不同速度行駛時，路線偏差都能迅速減少，并一直保持在很小的范圍內(nèi)。系統(tǒng)處理單幅圖像的耗時少于0.1s，可以滿足實時控制的要求。安裝了該控制系統(tǒng)的拖拉機能夠按照導(dǎo)航路線行進，對復(fù)雜環(huán)境具有較強的適應(yīng)能力。