基于聚類算法對象提取的快速定位采摘機器人設計

王　政，張微微，張　賓，白向偉，汪小志

(1.河北工程技術學院，石家莊　050091;2.武漢理工大學，武漢　430070)

?

基于聚類算法對象提取的快速定位采摘機器人設計

王政1，張微微1，張賓1，白向偉1，汪小志2

(1.河北工程技術學院，石家莊050091;2.武漢理工大學，武漢430070)

摘要：為了提高采摘機器人的定位速度，對機器人的機器視覺系統進行了改進，設計了一種基于聚類算法和視頻對象提取技術的快速定位機器人。該機器人視頻對象圖像提取過程中，在完成圖像進行濾波后，引入了Lab彩色空間聚類算法，有效地降低了圖像的色彩數和噪聲，實現了圖像對象的量化處理，大大提高了果實定位和采摘的效率。為了驗證設計的快速定位采摘機器人的可靠性，對機器人的采摘性能進行了測試，測試項目主要包括圖像處理和果實定位。通過測試發現：快速定位機器人可以有效地實現圖像聚類中心的提取，并對聚類中心進行編碼，每次定位用時少、定位速度高且果實采摘的準確性累計概率較高，符合高精度、高效率果實采摘機器人的設計需求。

關鍵詞：采摘機器人；視頻對象；聚類算法；定位速度；機器視覺

0引言

機器人視覺技術是近年研究最熱門的課題之一，為了提高采摘機器人的果實識別性能，越來越多的采摘機器人開始采用雙目視覺系統對果實進行定位。機器人雙目視覺系統人眼觀察物體的方式很相似，利用兩臺相隔一定距離的兩臺攝像機所獲取的圖像的差異，運用三角測距原理得到果實的有關位置的三維信息，這就是所謂的雙目視覺系統。但是，由于雙目視覺系統得到的視頻數據較大，如果單純對果實視頻圖像進行提取，得到的果實彩色圖像數據量較大，并且包含噪聲也比較多，不利于果實信息的提取。基于此，需要通過處理算法對圖像進行量化，提高圖像的處理速度，從而提高機器人對果實的定位速度。

1總體設計

視頻對象提取快速定位果實采摘機器人的數據主要包括機器視覺系統、機械手執行末端、手腕等關鍵和行走機構。其中，機器視覺系統主要由彩色攝像頭和圖像處理卡組成，可以識別成熟的果實；機械手執行末端主要是使用膠手指和氣動吸嘴，腕關節可以把果實摘取而不損傷果實；行走機構可以保證機器人在田間自由行走，其總體設計如圖1所示。

圖1　視頻對象提取定位機器人總體設計

設計原理：使用視頻采集技術采集果實的視頻，然后利用聚類算法對視頻圖像進行色彩聚類，得到果實的質心位置，并建立一個位置識別數據庫；最后對各個位置參考點發出動作指令，使用PC機對執行末端進行變頻調速。其中，位置識別數據庫的建立流程如圖2所示。

在機器人進行定位時，利用RSSI定位技術對果實的位置進行預測，將得到的位置矢量和數據庫中的位置進行比較，從而得到最佳的匹配結果。

圖2　位置識別數據庫的創建流程

2結構和控制算法設計

為了實現果實采摘機器人的快速定位，需要對果實采摘機器人的視覺系統進行改進，將2個攝像頭安裝于末端執行器上，組成定位系統，機器視覺系統如圖3所示。

1.攝像頭　A 2.攝像頭B　3.激光發生器　4.機械爪

機器視覺系統的改進在于使用一種視頻對象處理方法，可以實時地實現視頻對象的提取，高效地完成果實的定位。其中，攝像頭A安置在機械手的正下方，攝像頭B安置在機械手的側端，兩個攝像頭使用CMOS攝像頭；其分辨率為1 024×680，可以拍攝視頻的范圍為1 760mm×1 320mm。圖4為機器人的定位過程示意圖。

1.機械爪　2.壟面　3.草莓果實　4.果柄　5.爪鉗

其以作業面向壟面建立笛卡爾坐標系，壟面向右方為X軸正方向，壟面的下方為Y軸正方向，壟面的垂直方向為Z軸正方向；在Z方向上，目標與爪鉗根部的坐標差值，即為末端執行器與目標的距離D。機器人定位過程中，首先利用雙攝像頭獲得果實視頻信息，然后從視頻中提取果實對象圖像，從而確定其在平面內的位置和姿態，并利用圖像信息調整機器人的位置和姿態，使機器人接近果實；然后利用不斷的定位過程對果實進行追蹤，從而完成果實的采摘。機器人的位置和姿態控制主要有兩種方案，一是利用正運動學，二是逆運動學。對于果實目標的鎖定，需要根據雙攝像頭得到的視頻來提取果實對象，在提取果實對象前需要對視頻進行處理，得到降低圖像的色彩數便于提取。目前，色彩控制主要使用的是RGB、HSL、YUV和Lab，與人眼視覺特征比較匹配的是Lab色彩空間。其中，L表示色彩的亮度，其取值范圍為[0,100]；a表示色彩的紅綠程度，其取值范圍為[-128,127]；b表示色彩的黃藍程度，其取值范圍為[-128,127]；Lab空間是基于XYZ空間的，從XYZ空間到Lab空間的變換為

(1)

(2)

(3)

當ΔS>5時，顏色間是存在區別的。對圖像進行濾波后，可以利用聚類算法對色彩進行聚類，其中質心的表達式可以表示為

ci=∑x(n)/∑1，x(n)∈Ci

(4)

其中，x(n)表示像素點，失真度的表達式為

Di=∑‖x(n)-ci‖2，x(n)∈Ci

(5)

根據Fisher判斷準則，對于每個點x0(n)都可以得到的m(n)值，假設

Tn=dm(n)-1

(6)

每個像素點的權重可以表示為

vn=exp(-T(n))

(7)

則質心的表達式可以改進為

ci=∑v(n)x(n)/∑v(n)，x(n)∈Ci

(8)

將失真度也引入權重的概念，表達式改為

Di=∑v(n)‖x(n)-ci‖2，x(n)∈Ci

(9)

根據質心位置可以對果實圖像進行定位，機器人可以通過位置和姿態的調整來實現機器人作業軌跡和圖像軌跡的重合。為了實現位置和姿態調整，將輸出力矩、輸出精度、規格重量、供電電壓、等各方面規格進行綜合考慮，選用了松下公司的交流伺服電機，如圖5所示。

圖5　交流伺服電機

圖5中，主要考慮的參數包括電池容量、輸出功率和轉矩、最大轉矩、額定和最大電流以及最高轉速，其參數的具體選擇如表1所示。

表1　伺服電機性能參數表

為了滿足定位執行末端伺服電機的需要，通過計算對伺服電機的性能參數進行了設計，變速箱的設計如圖6所示。

圖6　減速箱設計示意圖

伺服電機在工作時，需要實現低轉速大力矩的輸出，因此減速箱的設計也需要配合這一力學性能，根據機器人結構和力學性能進行綜合考慮，選擇了HMK型減速箱。

3果實采摘機器人測試

為了驗證設計的視頻對象提取快速定位機器人的有效性和可靠性，對機器人的性能進行了測試，測試項目包括圖像處理和果實定位。機器人果實采摘測試的場景如圖7所示。

圖7　機器人測試場景圖

在機器人上裝有機器視覺系統，在頭部安裝有高清攝像頭，在機身部位安裝了圖像處理系統，可以有效地實現聚類算法的視頻對象提取。通過對象提取和聚類中心計算，得到了如圖8所示的果實定位圖像。

對蘋果圖像進行編碼，利用不同的編碼可以實現果實的自動軌跡跟蹤。為了驗證聚類算法的優越性，對不使用聚類算法和使用聚類算法的RSSI定位進行測試，得到了如圖9所示的結果對比曲線。

圖8　果實提取圖像聚類中心編碼結果圖

圖9　聚類算法機器人作業精度隨作業時間變化曲線

由圖9可以看出：隨著作業時間的增加，定位追蹤軌跡逐漸和圖像軌跡靠攏，定位精度逐漸增加，而聚類算法的定位精度要明顯比不使用聚類算法的好。

表2表示使用聚類算法和不使用聚類算法機器人每次定位用時結果對比曲線。由表2可以看出：使用聚類算法后，機器人定位的時間明顯縮短，從而提高了機器人的作業效率。

表2　每次定位時間比較

4結論

1)依據聚類算法和視頻提取技術，對果實采摘機器人的視覺系統進行了改進，并在視頻對象提取過程中引入了Lab色彩空間的聚類算法，在圖像濾波后可以有效地計算果實質心的位置，完成果實的定位，提高了機器人的定位速度和定位精度。

2)對采摘機器人的圖像處理性能和果實采摘性能分別進行了測試。通過測試發現：利用聚類算法可以有效地提取果實的聚類中心，可以完成聚類中心的編碼。使用聚類算法后，果實的定位時間有了較大幅度的縮短，果實采摘的作業精度較高，從而驗證了聚類算法在果實視頻對象提取中的可靠性，為采摘機器人實現快速果實定位的研究提供了較有價值的參考。

參考文獻：

[1]司永勝,喬軍,劉剛,等.基于機器視覺的蘋果識別和形狀特征提取[J].農業機械學報,2009,40(8):161-165.

[2]周俊,劉銳,張高陽.基于立體視覺的水果采摘機器人系統設計[J].農業機械學報,2010,41(6):158-162.

[3]李理,殷國富,劉柯岐.田間果蔬采摘機器人視覺傳感器設計與試驗[J].農業機械學報,2010,41(5): 152- 157.

[4]張凱良,楊麗,張鐵中.草莓采摘位置機器視覺與激光輔助定位方法[J].農業機械學報,2010,41(4):151- 156.

[5]蔡健榮,周小軍,王鋒,等.柑橘采摘機器人障礙物識別技術[J].農業機械學報,2009,40(11):171-175.

[6]馬如奇,郝雙暉,鄭偉峰,等.基于 MATLAB 與 ADAMS 的機械臂聯合仿真研究[J]. 機械設計與制造,2010(4):93-95.

[7]谷鳴宇,秦榮榮,楊達意. 機械手動力學的 ADAMS 與 MATLAB 聯合仿真研究方法[J]. 機械設計,2008(6): 227-228.

[8]鐘灶生, 薛方正, 敬成林.分布式電源在仿人機器人控制系統中的應用[J].傳感器與微系統,2011,30(2): 139-143.

[9]姬國釗, 張世偉, 王奇斌, 等. 真空吸盤式爬壁清洗機器人的研究與開發[J]. 機械研究與應用, 2009, 22(4): 5-8.

[10]袁夫彩, 陸念力, 曲秀全. 水下船體清刷機器人磁吸附機構的設計與研究[J]. 中國機械工程, 2008, 19(4): 388-391.

[11]王宇, 范欽鈺, 趙亞東, 等. 基于仿生學的四足行走機構[J]. 電子設計工程, 2011,19(17): 27-30.

[12]阮鵬, 俞志偉, 張昊, 等. 基于ADAMS的仿壁虎機器人步態規劃及仿真[J]. 機器人,2010, 32(4): 499-504.

[13]俞志偉, 李宏凱, 張曉峰, 等. 仿壁虎腳趾結構設計及粘附運動性能測試[J]. 機械工程學報, 2011, 47(21): 7-13.

[14]王洪光, 姜勇, 房立金, 等. 雙足爬壁機器人壁面凹過渡步態規劃研究[J]. 智能系統學報, 2007, 2(4): 40-45.

[15]薛勝雄, 任啟樂, 陳正文, 等. 磁隙式爬壁機器人的研制[J]. 機械工程學報, 2011,47(21): 37-42.

[16]李志海, 付宜利, 王樹國. 四輪驅動滑動吸盤爬壁機器人的動力學研究[J]. 機器人,2010, 32 (5): 601-607.

[17]蔣煥煜,彭永石,申川，等. 基于雙目立體視覺技術的成熟番茄識別與定位[J] .農業工程學報，2008, 24(8):279-283.

[18]蔡健榮,李玉良,范軍，等. 成熟柑橘的圖像識別及空間定位研究[J].微計算機信息.2007, 23(12-1): 224-225, 314.

[19]司永勝,喬軍,劉剛，等.基于機器視覺的蘋果識別和形狀特征提取[J] .農業機械學報，2009, 40(8):208-213.

[20]吳修文,馮曉霞,孫康嶺,等.農用機器人導航電子地圖的研究[J]. 農業裝備與車輛工程,2010(3):40-42.

[21]謝志勇,張鐵中.基于 RGB 彩色模型的草莓圖像色調分割算法[J].中國農業大學學報,2006,1l(1): 84-86.

[22]祖迪,韓建達,談大龍.動態多障礙物環境下目標追蹤的路徑規劃方法[J].高技術通訊,2006,12(2):136- 142.

[23]趙鵬,趙德安.雙目立體視覺在果樹采摘機器人中的應用[J].農機化研究,2009,31(1):212-214.

[24]彭熙偉,陳建萍.液壓技術的發展動向[J].液壓與氣動, 2007(3):1-4.

[25]黃興.液壓傳動技術發展動態[J].裝備制造技術,2006 (1):36-39.

[26]曹玉寶.液壓傳動技術在聯合收割機中的應用拖拉機與農用運輸車,2008(4):4-5.

Design for Fast Locating and Picking Robot Based on Clustering Algorithm and Object Extraction

Wang Zheng1, Zhang Weiwei1, Zhang Bin1, Bai Xiangwei1, Wang Xiaozhi2

(1.Hebei Polytechnic Institute,Shijiazhuang 050091, China; 2.Wuhan University of Technology,Wuhan 430070,China)

Abstract：In order to improve the picking robot localization speed, machine vision system of the robot was improved to design a clustering algorithm and a video object extraction technique based on the rapid positioning robot.After the completion of image filtering,the robot image video object extraction process was introduced into the lab color space, and it used clustering algorithm to reduce the image color and noise, which can realize the quantification of object image processing, thereby greatly improved fruit location and picking efficiency. In order to verify the reliability of the design of the fast positioning picking robot, the robot's picking performance is tested,which included image processing and fruit location. It was found by test that the rapid positioning robot can effectively realize the extraction of image clustering center, and code of the cluster center, fewer in each location, high positioning speed, fruit picking accuracy of cumulative probability is higher,which meet the design requirements of the precision and high efficiency fruit picking machine.

Key words：picking robot; video object; clustering algorithm; locating speed; machine vision

文章編號：1003-188X(2016)07-0045-05

中圖分類號：S225.93；TP242

文獻標識碼：A

作者簡介：王政(1982-), 男，河北辛集人，講師。通訊作者：汪小志(1981-)，女，武漢人，副教授，博士研究生，(E-mail)wangxiaozhi@ncu.edu.cn。

基金項目：湖北省自然科學基金項目(2014CFC1079);湖北省自然科學基金計劃面上項目(2013CFB418)

收稿日期：2015-07-12