基于圖像邊緣檢測的機器人避障方案設計

丁嘉　牛鳳蓮

摘 要：避障技術是機器人運動控制的關鍵性技術之一。作者提出了一種結合超聲波測距和圖像邊緣檢測算法的避障方案，在行駛過程中利用超聲波避障實現對障礙物的檢測，利用圖像處理方法得到障礙物的邊緣信息，從而獲得可行的行駛路徑。

關鍵詞：超聲波傳感器；避障；圖像邊緣檢測

中圖分類號： TP242 文獻標識碼： A 文章編號： 1673-1069（2016）26-147-2

0 引言

進入21世紀后，我國機器人技術研究和發展十分迅速。避障技術是機器人運動控制的一個關鍵性技術。由于野外環境復雜多變，障礙物眾多，給機器人行進增加了不小難度。本文采用超聲波避障和基于圖像邊緣檢測結合的綜合處理手法，為機器人避障功能實現和路徑選擇提供了一種新的實現方案。其具體操作流程是，當機器人下地并調整方向后，首先對正前方的目標進行圖像采集和處理，進行首次路徑規劃；在進行過程中，同時進行超聲波測距避障和圖像處理操作，利用超聲波避障技術實現對障礙物的檢測，利用圖像處理獲取外界信息對初始路徑進行必要補充和調整，從而獲得合理的行駛路徑。

1 超聲波避障

超聲波避障是指通過超聲波測距獲得障礙物與己方距離，并確定目標大致方位和距離的方法。超聲波發生器T在某一時刻發出一個超聲波信號，遇到被測物體后反射回來被超聲波接收器R接收到。這樣，只要計算出從發出超聲波信號到接收到返回信號所用的時間，就可計算出超聲波發生器與反射物體的距離。

本文采用超聲波陣列測距法，即在機器人前端等間距水平布設5組小型超聲波傳感器收發探頭（編號A-E）。實際遠距離超聲波收發探頭的波束角為6度或12度，假定收割機母型為福田RC20型，查詢資料得知其寬度為240cm，若忽略超聲波模塊本身的寬度，可知每套探頭的間距D為60cm，故可以根據波束角12度和三角函數計算出該方式的盲區距離L為：L==459.2cm

這意味著在459.2cm外，該法布設的探頭將對機器人車體前方實現水平方向上的全覆蓋。在行進過程中，各探頭將采用輪詢方式工作，即按A到E的順序，循環啟動探頭，不斷探測前方，如有障礙物則會產生回波，接收探頭接收后即會提供障礙物距離的大致數據。為保證機器人有一定的轉彎半徑，超聲波探頭模塊應當選擇探測距離在4-20米左右的型號，比如7ML1127-1BA50等。

當機器人正面存在障礙物（如電線桿等）時，在輪詢過程中各探頭所提供的測距數據一定會存在一個檢測距離的最小值。假定A或B探頭所獲得的數據中存在最小值，意味著車體正前方靠左側位置存在障礙物，此時機器人應從右側繞行，反之亦然。

2 基于圖像邊緣檢測的路徑算法

2.1 檢測原理

在實際農田環境中往往還存在一些負高度（以超聲波傳感器安裝的水平高度作為參考零高度）的障礙物，這種障礙物難以被超聲波測距避障系統發現，因而必須采用機器人視覺處理技術，利用CCD相機或攝像頭對圖像進行采集和分析，來協助系統規劃出最合適的路徑。其技術流程如圖1所示：

圖像邊緣檢測是提取圖像特征、識別障礙物進而規劃路徑的重要手段。進行圖像識別、分析時，首先要做圖像邊緣檢測。待檢測到圖像邊緣后，我們可認為圖像邊緣即為障礙物的邊緣，據此規劃機器人行動路徑。其工作流程是，首先在圖像最下一行的中心點開始向兩邊檢測，計算兩側發生顏色變化時的像素點數，如兩邊相等，則認為現在方向剛好是路徑中間，如不等，則表示機器人行進方向偏向路徑一邊，需要調整機器人的行進方向，使機器人位于路徑中心，并記錄下該點，然后再檢測上一行，這樣循環反復，可以在圖像中虛擬出一條路徑線路來。

2.2 檢測算法

本次所采用的檢測算法是依據數學形態學四種基礎運算膨脹、腐蝕、開和閉基礎上獲得的改進型雙結構元素多尺度形態學邊緣檢測算子，根據文獻2所提供數據，其數學定義是：

式中，A表示小尺度結構元素，其優點是能將圖像的邊緣特征保持住，但對于噪聲處理表現不理想；B為大尺度結構元素，其對噪聲處理效果較好，但容易丟失邊緣信息。因此在本次仿真設計中，圖像邊緣將被視為障礙物邊緣，因此需要保留較多邊緣數據，故A選擇9*9結構；而農田環境比較廣袤，B采用3X3結構。

2.3 仿真結果

本次選用的是一張稻田場景彩色圖像，如圖2所示。圖3是利用Matlab轉換獲得的灰度圖像。灰度圖像相比彩色圖像更容易進行技術分析處理，其數據量和技術難度要小得多。在本次設計中并不需要自動分析作物是否成熟，因而使用灰度圖像已經夠用了。

算子處理結果

從以上的仿真結果可以看出，傳統的各邊緣算子（圖4、5所示）在處理實際圖像時效果比較差，而采用了改進型雙結構元素多尺度形態學邊緣檢測算子后（圖6所示），圖像邊緣處理效果要遠遠好于傳統算子。在此基礎上，采用前述對比法，系統可以發現在正前方右側存在障礙物。規劃的路徑示意圖如圖7所示，黑色實線即規劃路徑示意。

在實際行駛過程中，先用超聲波進行不斷掃描，確保障礙物被發現時，距離機器人大于4.59米。一旦發現障礙物，則換用圖像采集方式，用攝像頭對前景進行拍照，根據采集數據修正路徑后繼續行駛。

3 結論

超聲波避障對于正高度障礙物比較有效，而圖像采集與路徑規劃則對負高度障礙物有很好的識別能力，同時可以作為超聲波避障的有益補充。從仿真的結果看，本文提出的方案具有基本的技術可行性，下一步需要借助嵌入式或其他平臺，將算法用硬件語言實現，以裝備實際機器人并進行進一步的測試。

參 考 文 獻

[1] 趙珊，崔天時.農業機器人避障算法的研究[J].北京：農機化研究，2014（1）.

[2] 王東霞，許偉昶.基于改進的數學形態學邊緣檢測算法研究[J].上海：實驗室研究與探索，2014（2）.

[3] 張德豐.Matlab數字圖像處理[M].北京：機械工業出版社，2012，3.