除草機器人視覺導航中路面檢測方法研究—基于DSP圖像深度處理

高 霞

(長江職業學院,武漢 430074)

0 引言

計算機技術的發展和DSP芯片的出現,為圖像處理提供了強大的工具,特別是DSP處理器的出現,使得圖像嵌入式實時處理得以實現。除草機器人是當前農業一種新型的作業工具,其自主作業過程主要依靠視覺導航系統。為了提高導航系統的作業水平,擬將DSP嵌入式處理器安裝在除草機器人的視覺導航系統中,結合深度圖像技術,實現對視覺系統采集圖像的實時處理,從而有效提高視覺系統的圖像處理速度和精度。隨著多核DSP處理技術的發展,DSP處理器逐漸可以實現大規模數據的處理,這對于現代農機導航系統的研究意義深刻。

1 基于DSP的圖像處理技術

Digital Signal Processor(數字信號處理器)是一種專門用來實時、快速處理數字信號的器件,相比微處理器而言,其擁有更快的處理速度,且通用性廣泛,可以處理各種數字信號,因此被廣泛的應用在各種領域,包括車載導航系統、醫療系統以及軍事航天系統等。在圖像數字化處理方面,DSP的應用非常廣泛,面對相對復雜的圖像,DSP高速處理器具有很大的優勢。目前,DSP主要被應用在嵌入式系統中,不過隨著DSP處理任務的日益復雜,單核的DSP系統已經無法滿足大規模計算的需求,DSP處理器正向著多核處理器發展。

除草機器人是現代化農機中一個新產品,其工作效率和作業質量與機器視覺導航系統具有密切的聯系。為了提高除草機器人的自動化作業水平,將DSP圖像處理技術應用在機器人機器視覺導航系統中,并通過實驗驗證其可行性。實驗流程框架如圖1所示。

圖1 基于DSP圖像處理的導航視覺系統實驗流程Fig.1 The experimental process of navigation vision system based on DSP image processing

本次主要采用CCS和MatLab來集成實驗環境。首先,利用PC機將采集得到的除草田壟的圖像轉換為CCS的.dat數據文件,將數據下載到外存儲器上;然后,將輸入傳送到DSP處理器對圖像進行深度處理;最后,利用CCS將圖像提取出來,轉換到MatLab軟件中進行驗證。

2 除草機器人視覺圖像處理

圖像分為彩色圖像和灰度圖像:對于彩色圖像而言,圖像深度主要是其每個像素可能有的顏色數,決定了圖像中最多可能的顏色數;對于灰度圖像而言,圖像深度是指其每個像素可能有的灰度級數,決定了圖像中最大灰度等級。在除草機器人導航視覺系統中,為了提高圖像的處理效率,一般采用灰度圖像,圖像深度處理基于圖像的灰度變換。圖像灰度變化可以使圖像的動態范圍擴大,增加清晰度和對比度,使圖像重要信息部分更加明顯,從而提取路面的導航線。

圖像的灰度變換主要包括兩種,一種是線性變換,另一種是非線性變換。線性變換主要是采用一個函數對灰度圖像中的每個像素點做線性擴展,從而改變原圖像的視覺效果。假設原圖像f(i,j)的灰度范圍為[a,b],通過圖像線性變換后的圖像為f'(i,j),其灰度范圍為[a′,b′],f(i,j)和f′(i,j)之間存在下列關系,即

(1)

線性變換還有另一種方式:假設圖像的灰度值大部分在[a,b]范圍內,少部分像素在小于a和大于b的區間,這種情況下可以做如下變換,即

(2)

通過這個變換將小于灰度級a和大于灰度級b的像素強行壓縮為a′和b′,雖然會丟失一部分信息,但會更容易得到圖像的特征信息,對于農田路面中心導航線的提取有利。

非線性變換是將原始圖像f(i,j)的灰度范圍[a,b]通過自然對數變換到區間[a′,b′],最后得到變換圖像f′(i,j),其公式為

(3)

(4)

其中,k表示視覺導航系統采集得到的圖像對應的總灰度級數。在此可以通過直方圖均衡化增加圖像的灰度值動態范圍,直方圖極大值附近對比度增強,極小值附近對比度降低,其變換函數為

(5)

其中,S=T(r)。T是變換函數,在進行變換時需要滿足以下條件:①T(r)在0≤r≤k-1范圍內是個單調函數;②對0≤r≤k-1有0≤T(r)≤k-1。 除草機器人實際作業過程中,受到作業環境的影響,采集的圖像會有缺失或者損壞部分,而圖像深度處理可以修補這些缺陷,從而提高導航的準確性。對于普通圖像而言,其修補原理為

(6)

其中,(x,y)表示空白點,(i,j)表示參考點,(i,j)的權重為w(i,j),I(i,j)表示點(i,j)彩色信息,I(x,y)表示填補空白點(x,y)的取值。對于普通圖像,由于不區分前景圖像和后景圖像,容易造成圖像信息混亂;而深度圖像可以區分,在進行修補時可以對前景參考點的影響進行過濾,其公式為

(7)

其中,D(i,j)表示深度加權因子。其具體步驟為:首先判斷像素是否為空白點(見圖2),是空白點則進行修補;然后對圖像中的每個像素都進行此操作;最后通過深度處理,可以得到除草機器人實際行走路面特征圖。

圖2 農田路面特征提取過程Fig.2 The feature extraction process of farmland road surface

通過圖像的修補和深度處理,可以得到路面的基本特征,然后采用一定的方法得到采摘機器人實際行走的位置導航線,從而實現自主行走。

3 除草機器人視覺導航系統測試

為了驗證DSP圖像深度處理技術在除草機器人導航系統中使用的可行性,以機器人農田路面導航線的提取為實驗目的展開研究。圖3所示是法國公司研究的一款除草機器人,機器人可以自主識別行走路線,實現自主作業。

圖3 除草機器人作業示意圖Fig.3 The sketch diagram of weeding robot operation

在除草機器人導航系統中,采用DSP圖像深度處理可以提取農田路面行走導航線,根據農田的特點,通過提取田壟中值截距作為導航線。通過除草機器人機器視覺的圖像采集可以得到田壟左半部分的N個點(xi,yi),i=1,2,3…N,加上相鄰左側田壟的線方程為

(8)

其中,a、b分別表示直線L在x、y軸上的截距。任意選擇采集圖像上的兩個像素點p(xi,yi),p(xj,yj),過兩點做直線并計算在x、y軸上的截距,則

(9)

對于N個點,相應的可以做出N(N-1)/2條直線,并到兩組截距值{aij}、{bij}。對截距取中值,可得

(10)

式(10)所得的a、b就是對整個集合{aij}、{bij}的中值估計。通過將點進行擬合,便可以得到除草機器人的導航位置線。

導航位置線提取過程如圖4所示。根據前述的導航位置線提取原理,可以通過采集兩側田壟位置線,然后利用中值截距計算方法得到擬合點,通過直線擬合便可以得到導航線。為了驗證方法的可行性,進行了如圖5所示的實驗。

圖4 導航位置線提取過程Fig.4 The extraction process of navigation position line

圖5 農田路面導航位置線監測實驗Fig.5 The position line Monitoring Experiment of farmland road navigation

按照農田田壟農作物的特點進行了農田模擬作業場景的布置,然后利用基于DSP深度圖像處理的導航視覺系統對圖像進行了采集,并利用導航位置線進行了提取,得到了如圖6所示的結果。

圖6 農田路面導航位置線監測結果Fig.6 The position line Monitoring Result of farmland road navigation

通過DSP圖像深度處理,可以得到透明度明顯的灰度圖像;然后,通過中值截距計算原理得到了導航位置線的擬合點;通過直線擬合,最終可以得到除草機器人的導航位置線。

4 結論

為了提高除草機器人視覺導航系統的圖像處理速度與精度,將DSP處理器引入到了導航系統的設計上,并結合圖像深度處理技術對導航系統進行了升級改造。為了驗證方案的可行性,采用MatLab軟件和CSS集成了仿真環境,對導航系統的圖像處理水平進行了實驗測試,主要測試其對導航線的識別能力,導航位置線的提取采用農田田壟中值截距方法。實驗結果表明:采用DSP處理器和深度圖像處理技術可以有效地識別農田導航位置線,識別精度較高,可以滿足除草機器人的設計需求。