基于GPS和機器視覺的組合導航定位方法研究

邊云龍

摘 要：基于GPS和機器視覺的組合導航是一種比較新式的農業機械導航定位方法。在該組合中，GPS可以獲得導航車的位置、航行方向、以及航行速度等信息看，機器視覺通過現代圖像技術，獲得導航基準線，得到特征點。通過組合導航可以有效提高導航系統的精準性，提高工作效率，彌補單一傳感器的不足，從而構建成多功能導航系統。對GPS和機器視覺組合導航進行研究，在組合導航中采用HOUGH直線擬合方法對已知點進行擬合，提高了系統的處理效率。通過UKF方法進行濾波處理，可以減小標準偏差，值得在實踐中推廣。

關鍵詞：GPS；機器視覺；導航定位方法

隨著科學技術的提高，農業機械導航技術得到了較大的發展。基于GPS和機器視覺的組合導航是一種比較新式的農業機械導航定位方法。在該組合中，GPS可以獲得導航車的位置、航行方向、以及航行速度等信息看，機器視覺通過現代圖像技術，獲得導航基準線，得到特征點，本文將對組合導航的試驗準備和方法進行闡述，探討試驗結果，希望為組合導航的更好應用提供幫助。

1 組合導航試驗準備和方法概述

在導航系統中，由于技術限制每一種傳感器都有其自身的局限性，而通過不同傳感器的有效組合，可以有效彌補單一傳感器的不足，是未來導航的主要應用模式。而GPS和機器視覺是導航系統中主要的兩種傳感器，其中GPS導航在確定基準線方面存在一定不足，而機器視覺雖然較高的定位精度，但進行圖像處理時可能會出現失誤情況，而將GPS和機器視覺進行組合導航可以有效改進單獨導航的不足，實現優化互補。

本研究將應用UKF濾波算法對該組合導航進行試驗和分析。目前應用較多的是Kalman算法，該算法是一種傳感器信息融合算法，這種算法可以根據不同時間信息做出研究對象的線性估計，對于傳感器的實時融合技術非常合適。但Kalman算法具有一定的局限性，該方法對線性濾波具有較好效果，對于非線性系統則達不到要求。而UKF濾波算法對于非線性系統具有和好的適應性。UKF算法主要通過UT變換將參數轉變成具有統計特性，在進行系統估計從而滿足非線性要求。

1.1 試驗準備

本研究采用四輪電瓶車作為研究對象。該四輪電瓶車是直流電機驅動模式，安裝了轉向步進電機和角度傳感器，可以進行自動速度調節。GPS接收設備的定位精度在1.5cm，輸出定位信息的格式是NMEA-0183標準格式，在本研究中采用VTG進行數據的輸出工作。機器視覺傳感器的輸出圖像為彩色圖像，格式為.bmp，幀頻可以調整，電子快門的曝光時間在20μs左右。

1.2 試驗方法分析

組合導航定位系統的設計圖示如圖1所示。在組合導航定位系統中，GPS主要確定農機的位置、行駛的角度和速度進行確定，機器視覺對圖像進行預處理，從而獲得位置坐標。同時系統對兩個傳感器的處理結果進行匯總和分析，通過UKF濾波算法的得到最終試驗數據。

1.2.1 機器視覺方法分析

機器視覺定位對于導航基準線的獲得具有重要幫助，同時還可以對特征點進行明確。在進行機器視覺定位時，首先系統將彩色圖像進行灰度變換，之后對對象進行分割，對圖像進行去噪處理，通過直線擬合方式從候選點中確定特征點。其中在對農田環境進行圖像處理時，要采用符合圖像特色的彩色模型，具體來說，可以根據農田特點選擇2G-R-B特征加強對比度。在進行圖像分割時，要對時間和效果因素進行考量，根據最大類間方差算法進行圖像處理，作物設定為白像素。如果分割后圖像出現較多的噪聲點，要通過腐蝕算法進行去噪處理。圖像預處理完成時，要選擇具有代表性的作物作為候選點。在本研究中，通過垂直投影法確定了候選點。同時，要對兩點間的灰度差進行計算和確定，避免出現邊界灰度值跳躍現象。在做直線擬合時，本試驗采用HOUGH變換法進行擬合工作。最后選擇導航路徑中的一個點，該點確定為特征點，并在坐標系中進行精確記錄。

1.2.2 傳感器配準方法

組合導航系統的坐標圖包含大地坐標系和視覺坐標系，其中大地坐標系的信息作為GPS輸出信息，通過投影進行轉化，變成北-東平面坐標系。該坐標作為組合系統坐標圖的主坐標，對另兩個坐標系進行統一。在試驗中，攝像機光心會在地面上有投影點，將該點作為視覺坐標系的原點。在坐標系中，X軸代表駕駛方向。

上文中計算的特征點就為該坐標系的目標點，在實際操作中要根據攝像機的內外參數進行調整，將圖像坐標進行轉換，從而符合導航車的視覺坐標系，而大地坐標系的位置分布則根據GPS取得。

UKF算法可以對系統方程進行有效處理。首先進行UT變換，通過這種變換可以進行濾波估計處理，從而有效減小產生的估計差錯。

1.2.3 多傳感器信息模式

對組合系統模型分析，以及通過UKF算法可以得到時間為k時的狀態向量：

其中，（Xv，k，Yv，k）代表的是坐標系中的大地位置坐標，（uv，k，vv，k）代表的是導航車的速度分量。考慮到GPS以及視覺輸出情況，k時間的量測向量為：

2 試驗結果探討

2.1 圖像處理分析

上面介紹了圖像處理的辦法，為了檢驗應用該種圖像處理產生的效果，特在某農業示范基地進行驗證。在本試驗中，對小麥圖像分析，圖像的分辨率為640×480，類型為.bmp。在本試驗中采集20組圖像，通過C語言對圖像進行處理。在UKF算法下，圖像處理所用的平均時間為123ms，符合視覺導航要求。為了進一步進行驗證，選擇一幅圖像進行處理，結果見圖2。從圖2中可以看到，通過UKF算法可以有效提高圖像質量，降低圖像中玉米桿的影響，從而對作物邊界進行清晰界定。

2.2 導航定位分析

為了確定組合導航定位情況，對組合導航的定位效果進行了驗證，該試驗選擇在某大學園區內進行。在驗證設備方面，攝像機的安裝位置要在導航車的正前方，在支架上固定好。在本試驗中攝像機和地面之間的距離為0.94m，和大地夾角呈45°角左右。保持前視距離為1.70m，為了模擬出農作物，在地面上布置了長為17m寬度為12m的綠色帶條。

在試驗中，要將各個傳感器保持開啟狀態，從而確定噪聲協方差矩陣。當導航車開始運行后，一般可以在20m左右得到傳感器傳出的數據，技術人員要以此作為計算依據，進行定位偏差的計算。同時對于計算結果要適時進行調整，調整時要以所得計算結果為主，同時根據經驗進行細微調整。

試驗的具體過程為：首先在導航車頂安裝GPS天線，接受信息數據。技術人員駕駛導航車，在鋪好的綠色帶條上勻速前進，保持前進速度為0.6m/s，將該綠色帶條當作農作物行進行數據采集工作。導航車的形式方向為東西向行駛，在大地坐標系上表現為X軸向行駛，本試驗一共采集了5組數據，對一組數據展開研究，進行最終定位效果。

可以看出，在通過UKF法進行濾波后，視覺定位中野值點的影響變弱，定位曲線也更加平滑。同時KF算法相比，UKF算法更加符合要求，濾波效果更加出色，并且數據的標準偏差也較小。表1為UKF和KF兩種方法的定位數據準偏差比較。

3 結語

隨著科學技術的發展，組合導航技術的發展和應用也越來越成熟。通過組合導航可以有效提高導航系統的精準性，提高工作效率，彌補單一傳感器的不足，從而構建成多功能導航系統。本文對GPS和機器視覺組合導航進行研究，在組合導航中采用HOUGH直線擬合方法對已知點進行擬合，提高了系統的處理效率。通過UKF方法進行濾波處理，可以減小標準偏差。可見使用GPS和機器視覺組合定位可以有效避免視覺信息丟失的情況，有效提高定位精度，值得在實踐中推廣應用。

參考文獻

[1] 陳艷，張漫，馬文強，劉兆祥，籍穎.基于GPS和機器視覺的組合導航定位方法[J].農業工程學報，2011，03：126-130.

[2] 周建軍，王秀，張睿，劉剛，馬偉，馮青春.農機車載GPS和DR組合導航系統定位方法！[J].農業機械學報，2012，S1：262-265.

[3] 胡靜濤，高雷，白曉平，李逃昌，劉曉光.農業機械自動導航技術研究進展[J].農業工程學報，2015，10：1-10.