基于ARMCortex?A8平臺的噴藥機器人路徑檢測與仿真

任金波　郭翰林　洪瑛杰　張翔　林建

摘 要： 為了實現機器視覺在農業中的應用，研究了噴藥機器人在植物道路中進行識別及路徑檢測的方法。以植物栽培中的道路為研究對象，采用HSV空間的S分量來實現道路圖像灰度化，用Otsu算法進行二值化處理，將道路從綠色植物背景中分離出來，采用形態學濾波器對圖像進行濾波操作。由于圖像視野盡頭道路彎曲的不確定性和道路盡頭樹木干擾等問題，提出將圖像的前1/4行以黑色填充的方法和算法，使圖像處理時減少不確定因素的干擾，提高導航線提取精度，最后利用霍夫變換得出噴藥機器人在植物道路中的行走路徑。結果表明，噴藥農業機器人在植物道路中可準確識別到行走路徑；道路識別時，處理一副像素450×310的圖像平均耗時0.053 s；路徑檢測中，處理一副像素450×310的圖像平均耗時0.062 s，可快速采集并完成圖像處理，滿足農業機器人導航的實時性要求。

關鍵詞： 噴藥機器人； 圖像處理； 道路識別； 路徑檢測； 形態學濾波器

中圖分類號： TN830.1?34； TP391.9 文獻標識碼： A 文章編號： 1004?373X（2017）22?0156?03

Abstract： In order to realize the application of machine vision in agriculture， the methods of spraying robots road recognition and path detection in plants are studied in this paper. Taking the road in plants as the research object， the component S of HSV space is adopted to realize the graying of road image. The graying image collected is binarized with Otsu algorithm， the road is separated from the green plant background， and then the image is filtered by morphological filter. Because of the problems such as the uncertainty of the curved road at the end of the image vision and the interference of the trees at the end of the road， the method that the first 1/4 lines of the image are filled with black is proposed to reduce the interference of the uncertain factors in the image processing and improve the extraction precision of the navigation line. The spraying robot′s walking path in plants is obtained with Hough transformation. The results show that the spraying robot can accurately identify the walking path in plants； when identifying the road， it takes the average time of 0.053 s to process an image with 430 × 310 pixel； in the path detection， it takes the average time of 0.062 s to process an image with 430 × 310 pixel. That means it can quickly capture and complete the image processing， and meet the requirement of real?time navigation for agricultural robots.

Keywords： spraying robot； image processing； road recognition； path detection； morphological filter

機器視覺是一種利用機器代替人眼進行觀察、測量與判斷的技術，首先利用攝像機獲取目標圖像，然后通過計算機算法將圖像進行數字化處理和顏色、形狀和尺寸等的測量與判別[1?2]。機器視覺技術因其非破壞性、精度高、速度快等特點，在現代農業生產中得到廣泛應用[3]。視覺導航技術是機器視覺在導航領域的具體應用，其關鍵技術環節之一就是利用圖像處理精確可靠地識別行走路徑[4?5]。噴藥是植物生長過程中的必要環節，噴藥工作勞動強度大、嚴重危害工人健康，因而采用視覺導航技術實現噴藥機器人自主噴灑作業具有重大現實意義。

1 噴藥機器人結構

噴藥機器人結構如圖1所示，前行走輪安置在前輪轉向軸上，轉向電機控制前輪轉向軸達到控制前行走輪轉向的目的。攝像頭固定在支撐架上，車體支架上有溶液箱和圖像處理裝置，溶液箱上裝有噴藥支架和噴藥頭，圖像處理裝置上設有顯示屏。當圖像處理系統得到的轉向控制參數傳給轉向電機時，可實現機器人行走路徑自動導航，同時兩側噴頭自動噴藥。

2 道路檢測裝置

2.1 ARM Cortex?A8平臺裝置結構

圖像處理裝置采用飛思卡爾公司產品的基于ARM Cortex?A8架構的高擴展性多核系列應用處理平臺 i.MX6，其整體結構如圖2所示。endprint

軟件開發單元在Visual Studio 2010平臺進行程序的開發、編寫，通過Arm?linux?gcc完成程序的交叉編譯，并進行移植到開發板。ARM Cortex?A8圖像分析系統主要對圖像進行運算、分析，獲得對目標路徑的方位信息，提取出路徑的擬合點信合，導航線信息，并進行導航偏角和偏移量的參數計算，并將參數傳輸到導航控制系統，為實現機器人路徑導航自主作業奠定基礎。

2.2 圖像處理

圖像處理主要包括利用噴藥機器人在植物道路中采集圖像，對圖像進行灰度化二值化處理以分割出路徑，濾波（突出特征）并提取路徑擬合點，采取Hough變換提取導航路徑直線等；最后在i.MX6處理平臺完成導航線偏角和偏移量參數計算等，其流程如圖3所示。

2.2.1 圖像采集

受雨水、光照強度、石粒、雜草、灌木叢樹條交叉纏繞、道路路面不平等自然環境和障礙物干擾、遮擋等影響，采集到的道路圖像信息復雜。實地采集圖像信息時，為使最后處理的路徑清晰，盡量選在天氣晴好、光照均勻、植物生長層次分明的道路上進行圖像拍攝，以多角度、多方位、多道路識別的方法取得各類需要處理的圖像素材。

2.2.2 圖像灰度化

圖像灰度化是將彩色圖像轉化為灰度圖像的過程。彩色數字圖像可有多種色彩空間模型來表達[6?7]，在計算機圖像處理中，常采用RGB 模型和HSV 模型。首先需要將采集到的道路圖片由RGB模型轉換為HSV顏色空間模型，由于道路圖像在空間轉換過程中，H分量會出現大量的不穩定點和奇異點，不利于圖像后續處理。因此本文采用通過調節HSV空間的S分量來實現圖像的灰度化處理。

2.2.3 圖像二值化

圖像二值化是將整個圖像呈現出明顯的黑白效果，使圖像中數據量減少，從而凸顯出目標的輪廓[8]。目前，Otsu算法被認為是圖像分割中閾值選取的最佳算法，計算簡單，不受圖像亮度和對比度的影響，在數字圖像處理上得到了廣泛應用[9?10]。根據圖像視野盡頭道路彎曲的不確定性和樹木干擾等問題，提出將圖像的前[14]行采用黑色填充的方法和算法，使圖像處理時減少不確定因素的干擾，使得前部分預行駛的導航線更好地反映道路的走勢特征，提高導航線提取的精度。

2.2.4 濾波（突出特征）

圖像經Otsu算法進行二值化處理后，由于噪聲影響，植物區域會出現較多噪聲塊，道路區域出現噪聲孔，需要消除圖像中的噪聲成分，即需對圖像進行濾波操作。

2.2.5 提取特征點

植物道路圖像較為豐富，采集圖像需要實時處理，圖像處理提取特征點中具體算法過程為：構造一空表矩陣T，由[34]行開始逐行掃描圖像，分別以左列及右列開始記錄像素的0，1突變位置，然后找突變點坐標的中間值，即可得到路徑的中間擬合點。由于圖像存在噪聲干擾，尤其存在黑色空洞時，而根據算法的選點原則，并結合統計學的規律考慮并不會影響整體結果。

2.2.6 提取導航路徑

霍夫變換（Hough Transform）于1962年由Paul Hough次提出[11]，后于1972年由Richard Duda和Peter Hart推廣使用[12]。霍夫變換可以從圖像中分離出具有共同特征的幾何要素。將算法提取的系列特征點經過霍夫變換后，可得噴藥機器人的導航路徑。

3 實驗仿真

3.1 植物園彎曲道路仿真

為了驗證算法的有效性，并分析道路識別及路徑檢測的準確性和實時性，在植物園中對不同的彎曲道路采用多角度、多方位、多視角進行拍攝采集，取得多幅圖像，圖像尺寸為450×310像素。實驗中提取3幀圖像進行處理以進行對比，如圖4所示。提取的特征點圖像如圖5所示，最終得到噴藥機器人的路徑導航線如圖6所示，其圖像處理耗時見表1。

3.2 花圃平整道路仿真

在花圃中以不同拍攝角度采集花圃種植道路圖像進行對比試驗檢測導航路徑，實驗同樣提取3幀圖像進行處理，圖像尺寸為450×310像素，如圖7所示。提取的特征點圖像如圖8所示，最終得到噴藥機器人的路徑導航線如圖9所示，其圖像處理耗時見表2。

從表1和表2可以看出，道路識別最少用時僅需0.049 s，路徑檢測最少用時僅需0.063 s，所采用的圖像處理算法靈敏，可有效保證噴藥機器人實時正常工作。 同時該算法減少了路徑盡頭的道路彎曲和樹木雜草等不確定因素的干擾。檢測到的導航線在噴藥機器人預行駛的時間范圍內，能夠反映路徑的走勢特征，使農藥機器人根據導航線獲取導航偏角和偏距，控制行走輪實現噴藥機器人的自動駕駛。

4 結 論

本文根據植物道路采集圖像，采用HSV空間的S分量將圖像灰度化，使用Otsu算法進行二值化處理，用形態學濾波器對圖像進行濾波操作。提出了將圖像的前1/4行以黑色填充的方法和算法，以減少圖像視野盡頭道路彎曲的不確定性和道路盡頭樹木干擾等問題，提高了導航線提取精度，最后利用霍夫變換得出噴藥機器人在植物道路中的行走路徑。通過采集多幅植物園和花圃中道路圖像進行實驗驗證后，顯示算法簡單可靠，可快速采集并實時完成圖像處理，為噴藥機器人自主工作行走提供依據。

參考文獻

[1] 趙曉霞.計算機視覺技術在農業中的應用[J].科技情報開發與經濟，2004（4）：124?126.

[2] 王文靜.機器視覺技術在現代農業中的應用[J].現代農業科技，2014（8）：335.

[3] 刁智華，王會丹，魏偉.機器視覺在農業生產中的應用研究[J].農機化研究，2014（3）：206?211.

[4] 周俊，姬長英.基于知識的視覺導航農業機器人行走路徑識別[J].農業工程學報，2003（6）：101?105.

[5] 成瑩，丁偉，丁向美，等.基于機器視覺的自走式噴藥機械的田間路徑識別研究[J].農業科技與裝備，2010（8）：29?31.

[6] 章毓晉.圖像工程（上）：圖像處理和分析[M].北京：清華大學出版社，2001.

[7] 阮秋琦.數字圖像處理學[M].北京：電子工業出版社，2001.

[8] 唐靈潔.車牌識別系統的研究[D].太原：中北大學，2013：20?24.

[9] 侯殿福.車窗檢測技術研究[D].北京：北京交通大學，2011：17?19.

[10] 袁媛，李淼，陳晟，等.復雜背景黃瓜葉部病害圖像分割方法[J].農業機械學報，2013（10）：233?237.

[11] HOUGH V， PAUL C. A method and means for recognizing complex patterns： US1771560A [P]. 1962?12?18.

[12] DUDA R O， HART P E. Use of the Hongh transform to detect lines and curves in pictures [J]. ACE Communications， 1972， 18（2）： 120?122.endprint