農機快速導航系統設計—基于圖像邊緣檢測和3D深度視頻幀內編碼

鄭 冰，趙 陽，葛東林

(1.河南工業職業技術學院，河南 南陽 473000；2. 河南中光學集團有限公司，河南 南陽 473000)

0 引言

當前車輛導航應用的最新技術是立體測量技術。該技術利用視覺差方法建立三維特征信息，從而完成車輛的位置和導航線的特征信息獲取，為車輛快速導航提供保障[1-3]。將該方法應用在農機導航系統中，不僅可以有效提高農機導航的速度，且可以滿足一些精度要求較高的作業需求[4-5]。但是，在實際立體視覺導航過程中會產生大量的特征點，在特征提取和匹配過程中，計算量較大，從而達不到數據處理的時效性[6-9]。另外，由于農機作業環境的復雜性，其立體視覺導航系統容易受到外界光線、濕度等氣候因素的影響，農機導航的效率并不高[10-12]。深度視頻編碼技術可以有效地對圖像進行壓縮，從而提高視頻的傳輸速度[13-15]。采用圖像邊緣檢測技術可以提取圖像的關鍵信息，完成導航線的提取，將這兩種技術使用在農機導航系統中，對實現快速實時導航功能具有重要的意義[16-17]。

1 基于三維視頻編碼技術的農機導航方法

農機自主導航技術主要是依賴于計算機視覺方法，計算機視覺表示方法主要可以分為3種：基于表面的表示方法、基于體積的表示方法和基于紋理的表示方法[18-19]。其中，基于表面的表示方法又可以分為多邊形網格、點建模和線建模等方法，最常用的是網格法。網格法具有靈活性好和高效性等優點，可以采用圖像向量合成3D視覺模型，清晰地表達目標的細節，而細節的提取可以依據邊緣檢測技術[20]。

深度視頻通過邊緣檢測和幀內預測，進行編碼，將圖像以較小的容量進行存儲和傳輸，從而提高視頻的傳送速度[21]，如圖1所示。在深度圖像進行編碼和解碼時，采用門限值的方法，設定圖像的清晰度閾值，深度視頻內編碼中重要的是深度視頻編碼濾波器，目前常用的是自適應濾波器，可以有效去除噪聲的同時，重建出質量較高的補償圖像。其應用在農機快速導航系統中實現的流程如圖2所示。

圖1 深度視頻內編碼技術Fig.1 The depth video coding technology

圖2 基于三維視頻編碼技術的農機導航流程圖Fig.2 Agricultural machinery navigation flow chart based on 3D video coding technology

基于三維視頻編碼技術實現農機導航需要解決的兩個主要問題是視頻編碼和導航線提取，由農機導航流程可知，深度視頻可以通過對采集視頻進行紋理和深度估計后通過視頻編碼獲取，導航線可以通過深度視頻解碼后，利用邊緣檢測技術提取導航線獲取。

2 圖像邊緣檢測和深度視頻幀內編碼算法

邊緣檢測主要是利用邊緣檢測算子，將圖像的實質和背景分離，得到有用的信息，實現圖像主要特征因素的提取[22]。在進行圖像邊緣檢測前，需要對圖像進行濾波和增強處理，如圖3所示。

圖3 圖像邊緣檢測處理Fig.3 Image edge detection processing

邊緣檢測實際上是提取出有用信息特征和非有用信息之間的連線，提取方法一般都是基于微分運算的，其依據是圖像的灰度變化。圖像的灰度變化可以用函數逼近方法來檢測，假設圖像函數為f(x,y)，梯度向量為

(1)

其中，梯度向量G(x,y)的方向與圖像函數的最大變化率有關，梯度的幅度值為

(2)

在實際運算時，梯度的幅值一般用絕對值來近似。即

|G(x,y)|=|Gx|+|Gy|

(3)

或

|G(x,y)|≈max(|Gx|,|Gy|)

(4)

由向量分析可知，梯度的方向定義為

(5)

其中，a角是相對x軸的角度。為了提高邊緣檢測的速度和質量，引入了Sobe1算子，這種算子主要是以f(x,y)為中心，在其3×3鄰域上計算x和y方向的偏導數，即

(6)

實際上，式(6)中應用了f(x,y)鄰域圖像強度的加權平均值，其梯度大小為

(7)

或絕對值

g(x,y)=|sx|+|sy|

(8)

通過以上計算后，可以得到導航視頻圖像的梯度值g(x,y)。在進行導航線提取時，可以設定一定的閾值門限TH，通過判斷來提取導航線邊界。其中，卷積和求積過程為

(9)

其中，fi(j,k)為模板卷積法邊緣檢測的輸出；l=[L/2]，L為窗口寬度。

對于深度視頻的幀內編碼，可以采用16×16的宏塊進行劃分，其劃分的原理如圖4所示。

通過幀內預測算法對視頻進行深度編碼后進行傳輸，可以有效提高傳輸效率，傳輸完成后將解碼的視頻利用PC機進行邊緣檢測，最終可以得到壟的位置和實時的導航線。

圖4 深度視頻幀內編碼預測算法Fig.4 The prediction algorithm of depth video of intra frame coding

3 農機導航系統測試

基于深度視頻幀內編碼的農機導航系統可以通過實時提取導航線，獲取具體作物壟的位置，達到自主導航的目的；并且由于導航的實時性，可以有效防止外界的干擾，提高作業的精確性，特別適用于作業精度要求較高的多行作業[23-26]。

圖5表示多行耕地播種作業裝置。工作時，如果導航出現偏差，將會導致大面積的播種作業質量下降，因此需要采用導航精度較高的實時導航系統，基于深度視頻內編碼和圖像邊緣檢測技術，將進行農機導航設計，如圖6所示。

圖5 多行耕地播種裝置Fig.5 Multi row farmland sowing device

在農機導航系統中使用了高清相機和PC處理器作為3D視頻的獲取裝置和處理裝置，利用PC處理器可以采用編程的方式對視頻進行處理，從而實現深度視頻幀內編碼和邊緣檢測方法。

圖6 基于深度視頻幀內編碼的快速導航裝置設計示意圖Fig.6 The schematic design of rapid navigation device based on depth video intra frame coding

農機導航的作業測試情境如圖7所示。在測試過程中，利用導航拖拉機牽引的方式進行多行間作業，作業過程中主要測試了實時壟位置標定和導航線的提前，通過實驗測試，得到了如圖8所示的試驗結果。

圖7 作業測試情境Fig.7 The task test situation

圖8 實時導航線提取結果Fig.8 The line extraction results of real-time navigation

采用邊緣檢測算子，利用邊緣檢測技術將深度內編碼視頻進行導航線提取，得到了如圖8所示的實時導航線。由圖8可以看出：導航線的位置標定基本都處于壟中間，導航線位置較為準確，可以滿足多行作業的精度要求。

4 結論

在農機快速導航系統的設計過程中，本研究主要克服了導航在特征匹配過程中運算量大、導航精度和時效性不高的問題，將深度視頻幀內編碼技術和Sobe1算子引入到了快速導航系統中，有效提高了導航的時效性和導航精度。對農機快速導航系統進行了測試，測試項目主要是針對農機導航精度要求較高的多行耕地作業，并采用3D視頻編碼技術和邊緣檢測技術提取了實時導航線。試驗結果表明：本系統可以實時快速地提取壟間導航線，導航線位置標記較為準確，驗證了系統的高效性和可靠性，為農機快速導航系統的設計提供了參考。

參考文獻：

[1] 張志斌,潘華穩,李琛,等.一種基于平均壟間距的視覺導航壟線識別算法[J].計算機工程與應用,2011,47(22):191-194.

[2] 李景彬,陳兵旗,劉陽,等.采棉機視覺導航路線圖像檢測方法[J].農業工程學報,2013,29(11):11-19.

[3] 李進,陳杰平,徐朝勝,等.基于動態圖像閾值的智能車輛路徑導航[J].農業機械學報,2013,44(4):39-44.

[4] 許國瑞,崔天時,李曉莉.農業機器人行走方向識別及仿真[J].農機化研究,2013,35(2):181-184.

[5] 安秋,李志臣,姬長英,等.基于光照無關圖的農業機器人視覺導航算法[J].農業工程學報,2009,25(11): 208-212.

[6] 胡煉,羅錫文,曾山,等.基于機器視覺的株間機械除草裝置的作物識別與定位方法[J].農業工程學報,2013,29(10):12-18.

[7] 繩偉光,蔣劍飛,何衛鋒.高性能DSP的發展現狀與未來趨勢[J].中國集成電路,2011,413(4):20-25.

[8] 丁有源,汪安民.基于多核任務并行處理的DSP軟硬件設計[J].單片機與嵌入式系統應用,2012,158(8): 43-45.

[9] 張旭飛,張燕,梁棟.基于PLC的椰子切割機的設計與控制研究[J].農機化研究,2012,34(3):199-202.

[10] 顧寶興,姬長英,王海青,等.智能移動水果采摘機器人設計與試驗[J].農業機械學報,2012,43(6):153- 160.

[11] 李文鳳,彭智勇,李德毅，等.不確定性Top-k查詢處理[J],軟件學報,2012,23(6):1542-1560.

[12] 張曉輝,李瑩,王華勇,等.應用特征聚合進行中文文本分類的改進KNN算法[J].東北大學學報,2003,24 (3):229-233.

[13] 王海青,姬長英,顧寶興,等.基于機器視覺和支持向量機的溫室黃瓜識別[J].農業機械學報,2012, 43(3):163-167.

[14] 王輝,毛文華,劉剛,等.基于視覺組合的蘋果作業機器人識別與定位[J].農業機械學報,2012,43(12): 165-170.

[15] 魏澤鼎,賈俊國,王占永.基于視覺傳感器的棉花果實定位方法[J].農機化研究,2012,34(6):66-68,112.

[16] 高春城.我國農業發展的資源環境問題與展望[J].當代生態農業,2013,3(4):151-154.

[17] 萬寶瑞.當前我國農業發展的趨勢與建議[J].農業經濟問題,2014,4(1):110-114.

[18] 徐茂,鄧蓉.國內外設施農業發展比較[J].北京農學院學報,2014,29(2):75-79.

[19] 趙其國.當前我國農業發展中存在的深層次問題及對策[J].生態環境學報,2013,22(6):911-915.

[20] 肖仁鵬,馬鑫,劉四新,等.椰子自動剝衣機的設計[J].食品與機械,2012(1):142-143.

[21] 李明,KenjiImou,劉仲華,等.農業機械全方位視覺定位系統的定位算法[J].農業工程學報,2013,29 (2):52-59.

[22] 熊俊濤,鄒湘軍,陳麗娟,等.采摘機械手對擾動荔枝的視覺定位[J].農業工程學報,2012,28(14):36-41.

[23] 郭杰鋒,陳桂林.結構元素選取對基于形態學紅外點目標檢測的影響[J].半導體光電,2009, 30(3): 469- 472.

[24] 呂繼東,趙德安,姬偉,等.采摘機器人振蕩果實動態識別[J].農業機械學報,2012,43(5):173-196.

[25] 張志斌,羅錫文,臧英,等.基于顏色特征的綠色作物圖像分割算法[J].農業工程學報,2011,27(7): 183-189.

[26] 李茗萱,張漫,孟慶寬,等.基于掃描濾波的農機具視覺導航基準線快速檢測方法[J].農業工程學報,2013,29(1):41-47.

AbstractID:1003-188X(2018)05-0181-EA