基于K—means算法的溫室移動(dòng)機(jī)器人導(dǎo)航路徑識(shí)別

王睿

摘 要 溫室移動(dòng)機(jī)器人出現(xiàn)的問題有視覺導(dǎo)航受光源干擾、識(shí)別能力很差兩方面，首先，分離顏色空間3個(gè)分量，用色調(diào)分量H進(jìn)行圖像處理的方式來降低光源對視覺導(dǎo)航造成的影響，色調(diào)分量H要選用和光照無關(guān)的。把在溫室環(huán)境中圖像具有顏色特點(diǎn)的信息，用K-means算法計(jì)算對圖像進(jìn)行分解，將道路信息與農(nóng)作物信息進(jìn)行群分析，再對干擾信息與圖像中存在多余或重復(fù)的部分進(jìn)行觀察處理，且可獲得全面、完整的道路信息，與原常用的方法進(jìn)行對比，可降低對信息把握不完整造成的Hough變換直接進(jìn)行合并計(jì)算量較大且占據(jù)內(nèi)存大的問題，以此來提高溫室移動(dòng)機(jī)器人在工作時(shí)自主導(dǎo)航、路徑識(shí)別的準(zhǔn)確、快速、時(shí)效性。研究結(jié)果表示，本文在改變光照與復(fù)雜路線的條件下使用的方法在溫室作業(yè)中可有效降低光源對自主導(dǎo)航的影響，對于光照不均條件下具有很好的抵抗性，提取的路徑信息高達(dá)94.5%。且平均每幅圖像處理時(shí)間降低了52.98%，對路徑識(shí)別能力提升了不少。此次研究對溫室移動(dòng)機(jī)器人導(dǎo)航路徑識(shí)別的準(zhǔn)確性與時(shí)效性做出了參考。

【關(guān)鍵詞】機(jī)器人 K-means 溫室

運(yùn)用溫室移動(dòng)機(jī)器人進(jìn)行自動(dòng)作業(yè)，可以大量節(jié)省勞動(dòng)力，能避免在勞動(dòng)時(shí)出現(xiàn)中暑、中毒等不確定因數(shù)。自主導(dǎo)航路徑識(shí)別是機(jī)器人必備技術(shù)。當(dāng)代機(jī)器人主要是依靠衛(wèi)星定位與紅外線實(shí)現(xiàn)的視覺導(dǎo)航2個(gè)設(shè)備，但視覺導(dǎo)航比衛(wèi)星定位要精確、實(shí)用性高、靈活多變。機(jī)器視覺分為2種，立體與單目視覺，立體視覺的配置要求較高，算法也比較復(fù)雜，對于空間匹配精確無法實(shí)現(xiàn)，而單目視覺相對于立體視覺實(shí)用性要高很多，因此，本文針對于溫室移動(dòng)機(jī)器人的路徑識(shí)別采用單目視覺進(jìn)行研究。

1 圖像數(shù)據(jù)收集與選取顏色空間

1.1 圖像數(shù)據(jù)收集

本次研究是用單目視覺導(dǎo)航獨(dú)立四驅(qū)移動(dòng)機(jī)器人作為研究對象，在其正前方安裝型號(hào)為羅技c525cm的攝像頭，方向可以自由調(diào)節(jié)，使其采集的圖像更全面，分辨率為1280×1024像素，是其更清晰、精確。

1.2 選取顏色空間

顏色空間對于機(jī)器視覺來說，分為RGB、HSI、CMY三類。

RGB（紅、藍(lán)、綠）顏色空間表示顏色、明暗度，因此很多顏色相近的在RGB顏色空間中差別可能非常大，反而顏色不同的在RGB顏色空間中差別不是很大。采集自然條件下的圖像容易受到陽關(guān)太強(qiáng)、農(nóng)作物互相遮擋出現(xiàn)相對較暗面積等不確定因素影響，故物體光暗程度對RGB是至關(guān)重要的，所以不適合用本次研究。

CMY（青、黃、品紅）顏色空間就是用白色中和RGB顏色空間中的顏色就會(huì)得到CMY顏色空間里對應(yīng)的顏色，因此也不適用本次研究。

HSI（色調(diào)H、飽和度S、亮度I）顏色空間；其中物體光暗程度和亮度I有關(guān)，與色調(diào)H、飽和度S無關(guān)，HSI顏色空間的算法相對來說要簡便一點(diǎn)，在進(jìn)行圖像收集與處理時(shí)非常具有針對性，故運(yùn)用HSI進(jìn)行本次研究會(huì)非常適合。

對機(jī)器人采集回來的圖像處理后得到的HSI空間進(jìn)行觀察，可以發(fā)現(xiàn)途中有噪聲的地方比較多，要對圖像進(jìn)一步優(yōu)化。

2 閾值分割與導(dǎo)航路線選取

（1）閾值確定是閾值分割的關(guān)鍵，而閾值是可以通過分析灰度圖像來確定，當(dāng)雙峰情況出現(xiàn)在直方圖中的時(shí)候，就可以選其峰值兩點(diǎn)中間為最佳閾值。這種方法的要求很高，物體和背景很難用一個(gè)閾值將其完全分開，受到太陽光照程度的影響，之前的閾值就不能使用。必須要重新確定閾值。

（2）為了把效果進(jìn)行對比，本次研究把色調(diào)效果圖與原始灰度效果圖進(jìn)行了圖像分割。其結(jié)果表明色調(diào)效果圖存在3個(gè)波谷，2個(gè)波峰；進(jìn)行閾值分割后的效果圖中2種信息相互混雜，信息不清楚，存在很多噪聲點(diǎn)，對后面的圖像信息提取造成了影響。為了解決信息不清楚、存在很多噪聲點(diǎn)，對后面的圖像信息提取造成了影響的問題，本次研究將對圖像進(jìn)行K-means算法分割。

（3）K-means算法具有對大數(shù)據(jù)處理速度快、簡便、效率高等特點(diǎn)，如果密集度約大，其特點(diǎn)就會(huì)越明顯。為了結(jié)果的準(zhǔn)確性及對路徑識(shí)別的精確性，故本次研究選取K-means算法作為分割算法。

3 結(jié)果

（1）在同一條件下分別對3種光源強(qiáng)度采集20幅效果圖像信息，用RGB顏色空間與本次研究提出的處理方法進(jìn)行信息收集，然后對2種方法獲取回來的信息進(jìn)行比較、分析，得出本次提出的方法對導(dǎo)航路徑識(shí)別與降低光源影響程度信息的有效信息。再對得到的數(shù)據(jù)進(jìn)行轉(zhuǎn)換，證明該算法對導(dǎo)航路徑識(shí)別是有效的。

（2）通過上述方法進(jìn)行試驗(yàn)，得出結(jié)果采用本文提出的方法，對溫室機(jī)器人自動(dòng)作業(yè)的需求是可以滿足的。本次研究的結(jié)果在光照強(qiáng)度不同的位置上獲得了顯著的成果，所以本次試驗(yàn)對溫室機(jī)器人自主作業(yè)具有重大意義。

4 結(jié)論

為解決單目視覺導(dǎo)航移動(dòng)機(jī)器人在不同光照下影響的嚴(yán)重性，研究出了用HSI顏色空間作為圖像處理的方法，使其對光照作用的影響降低到最小。針對溫室機(jī)器人路徑識(shí)別問題，采用圖像進(jìn)行分割時(shí)插入K-means算法對其進(jìn)行分割，得到使道路與背景完全分離的信息，再經(jīng)轉(zhuǎn)換后，獲得單目視覺導(dǎo)航移動(dòng)機(jī)器人控制的數(shù)據(jù)參數(shù)。在研究后，數(shù)據(jù)參數(shù)表現(xiàn)為：在光照強(qiáng)度大的情況下，抽取色調(diào)分量作為圖像研究對象，可以提升路徑識(shí)別對光照強(qiáng)度不定情況下的穩(wěn)定性。在道路與背景比較混雜的環(huán)境進(jìn)行作業(yè)時(shí)，用更為精確的K-means算法對圖像進(jìn)行閾值分割，可以更有效的提取道路信息，道路信息提取率高達(dá)94.5%。在圖像進(jìn)行轉(zhuǎn)換時(shí)，采用Hough變換會(huì)節(jié)省很多計(jì)算時(shí)間與內(nèi)存。在整個(gè)過程中，平均每幅圖像處理時(shí)間降低了52.98%，對路徑識(shí)別的速度提升了很多，對系統(tǒng)的實(shí)用性、時(shí)效性得到更多地滿足。

參考文獻(xiàn)

[1]高國琴，李明.基于K-means算法的溫室移動(dòng)機(jī)器人導(dǎo)航路徑識(shí)別[J].農(nóng)業(yè)工程學(xué)報(bào)，2014，30（07）：25-33.

[2]謝守勇，鮑安紅，管在林等.溫室移動(dòng)機(jī)器人導(dǎo)航和避障模糊控制[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2002，33（02）：74-76.

[3]庭鍇，楊明，楊汝清.基于單目視覺的移動(dòng)機(jī)器人導(dǎo)航算法研究進(jìn)展[J].控制與決策，2010，25（01）：1-7.

[4]楊為民，李天石，賈鴻社.農(nóng)業(yè)機(jī)械機(jī)器視覺導(dǎo)航研究[J].拖拉機(jī)與農(nóng)用運(yùn)輸車，2004，20（01）：13-18.

[5]姜國權(quán)，何曉蘭，杜尚豐等.機(jī)器視覺在農(nóng)業(yè)機(jī)器人自主導(dǎo)航系統(tǒng)中的研究進(jìn)展[J].農(nóng)機(jī)化研究，2008（03）：9-11.

作者單位

吉林化工學(xué)院 吉林省吉林市 132102endprint