獼猴桃采摘機器人視覺導航路徑方法研究

楊筱慧

關鍵詞：機器人視覺技術;獼猴桃;導航路徑

目前，我國“三農”問題比較突出，耗用大量勞動力在種植、追肥、采摘/收割等環節，如何提高農業生產效率成為當前重要研究內容。獼猴桃果樹園采摘環境較為復雜，除了果子所處位置變化多端以外，園區還存在一些障礙物，加大了機械化采摘難度。為了彌補傳統采摘的不足，本研究選取機器人視覺技術作為研究工具，探究采摘導航路徑方法。

一、獼猴桃采摘機器人視覺導航路徑生成系統框架結構

本研究將獼猴桃采摘劃分為三步，分別是目標識別、路徑規劃、自行行走，在嵌入式操作系統的控制下，按照這個順序生成導航路徑，準確采摘獼猴桃，躲避障礙物。如圖1所示為機器人視覺導航路徑生成系統框架結構。

通過整理獼猴桃采摘現場調研數據，確定果園環境特征，設定機器人行走空間與行走方式，在相應裝置的作用下，有效識別和控制，從而形成完整的導航路徑生成體系。其中，獼猴桃目標的識別采用圖像處理技術，通過對圖像采取預處理，而后經過圖像分割，從獲取單個獼猴桃圖像，借助坐標系推理出獼猴桃的位置信息。關于路徑的生成，選取最小二乘法作為研究工具，經過一系列計算分析，得到導航路徑。

二、信息采集與圖像處理

（一）圖像預處理

利用相機拍攝到獼猴桃園林環境圖片以后，需要將獼猴桃從圖片背景中拆分開來，從而得到果實具體位置信息，作為路徑生成依據。在提取圖形信息之前，需要對圖像采取預處理，使得圖像與背景分離開來。目前，應用比較多的方法包括RGB空間色彩劃分、HSV空間分析。前者中的B分量、G分量、R分量都無法使獼猴桃與地面上的雜草分開，面對生長于棚架中的獼猴桃樹來說，樹干、樹葉與草地已經混為一體，采用此方法無法將其分開。HGV空間分析方法，通過觀察H分量應用效果可知，該方法能夠較為清晰地拆分開樹葉與雜草，抑制陰影對圖像識別的影響。V分量樹形信息提取難度較大，s分量中草地特征與枝葉特征相似，并且行壟圖像與樹干圖像都很模糊?？傮w來看，HGV空間分析法比較適合應用到獼猴桃圖像預處理中。

在此基礎上，對圖像采取濾波處理。利用同態濾波方法，濾除獼猴桃樹干圖像信息。由于單次圖像濾除，無法去除所有的獼猴桃樹干以外的雜物，所以采取多次濾波處理，在不同光照環境完成濾波操作，最終得到獼猴桃樹干及獼猴桃圖像信息。

（二）圖像分割

經過濾波處理后，可以將獼猴桃樹及果實與背景初步區分開來，但是還沒有得到準確的獼猴桃樹及果實位置信息。為了得到準確的導航路徑圖像信息，本研究采用圖分割方法，去除背景圖像，得到獼猴桃樹及果實圖像。通過構建坐標系，得到果園中果樹種植地理位置信息、高度信息，除此之外，還包括果實在枝干位置的信息。目前，應用比較多的圖像分割方法為閾值分割法，通過設定最佳閾值范圍，縮小圖像所處位置范圍。

采用同態濾波方法對果園圖像加以濾波處理，得到大部分樹干灰度值為0，并每一幅圖像中分布著個別樹干圖像，灰度值范圍10～35。本研究結合實際情況，選取8幅圖像作為研究對象，計算平均灰度值為3.80，設定門限閾值為30。考慮到圖像存在噪聲，為了盡可能降低噪聲，本研究通過調整相機的拍攝角度，在采集果實圖像時，盡可能躲避枝葉，從而降低圖像處理難度，提高圖像處理效率。

三、基于特征目標提取的導航路徑生成

（一）導航基準線的生成

本研究采用連續邊緣提取方法，從圖像信息中提取果樹樹干圖像信息，即在前文提出的圖像處理方法應用基礎上，將圖像中的樹干信息聯系到一起，形成導航基準線。合理設定采摘機器人與樹干的距離，依據樹干分布地理位置，按照設定的機器人行走控制距離，生成果實采摘導航基準線?？紤]到果樹生長情況存在不確定性，沿著中間位置行走可能觸碰到樹干，所以本文對樹干導航基準線的生成方法進行重點探究。以下為基準線生成流程：

第一步：將已經分割成功的圖像采用連通標記方法，記錄各個區域樹干數量，用m表示，并標記區域屬性;

第二步：依據連通區域形狀特征，包圍最小外接矩形框，獲取位于左上角頂點對應的像素坐標，記為（i，j）。除此之外，還可以得到矩形像素寬和長，分別記為y，x;

第三步：設計空矩陣，記為w，設定連通區域列為4，記為[m×4];

第四步：在空矩陣w中存放屬性數據，按照列順序存儲，作為矩陣數據調用支撐;

第五步：依據矩陣w參數數值，計算底邊中點像素坐標，記為（i+x，j+x）。其中，特征目標點取值為中點，該點就是地面與果樹的交點。

（二）基于最小二乘法的導航路徑生成

實際上，機器人采摘獼猴桃的過程，需要機器人走到獼猴桃果樹前，用圖像采集裝置收集果實圖像信息，經過圖像信息處理，得到獼猴桃果實具體位置坐標信息。根據坐標位置數據信息，下發采摘命令，完成精準采摘操作。導航路徑作為獼猴桃果實智能采摘的一部分，是以獼猴桃果樹樹干作為路徑生成依據，在智能控制下，令機器人行走到果樹前采集果實圖像信息。所以，這個導航路徑的生成，應該是以果樹樹干作為目標進行探究，本研究采用最小二乘法作為研究工具，設計以下路徑生成流程：

首先，利用照相機拍攝果園環境獼猴桃果樹原始圖像信息，并對圖像采取灰度化處理及濾波處理，使得圖像更加清晰，與背景區分開。其次，按照區域分布不同，將獼猴桃果樹樹干圖像與背景圖像拆分開，并采取去噪處理，從中提取特征目標。最后，以樹干與地面的交點作為特征點，采用最小二乘法擬合路徑，完成路徑信息的提取，生成獼猴桃采摘導航路徑。

四、測試結果分析

為了檢驗本文設計的采摘機器人導航路徑方案是否有效，本研究將上述方案投入到實踐應用中，選取某獼猴桃果樹種植區域作為實驗基地，將調試好的機器人運送至該區域，重點測試果樹樹干圖像處理與導航路徑生成偏差情況，觀察測試結果，判斷設計方案可行性。

（一）果樹樹干圖像處理測試結果

本次測試以某區域獼猴桃果樹為圖形采集對象，利用照相機拍攝如圖2左側的結果，結果圖像處理，得到圖2右側結果。其中，處理對象為右側一列果樹。

觀察圖2中的測試結果可知，本研究方案可以從復雜的獼猴桃果園環境中提取果樹樹干信息較為全面，得到了樹干圖像信息，并且樹干圖像較為清晰，可以提高導航基準線生成精準度的提升。

（二）基于果樹樹干的機器人采摘果實導航路徑生成偏差情況

導航路徑生成精度的高低關鍵在于樹干與地面的交點部署是否準確，如果擬合路徑中點坐標誤差控制在±0.5cm以內，對機器人手臂采摘果實效果影響較小，則認為當前方案可以生成精準度較高的導航路徑。測試結果如下表所示。

上表中測試結果顯示，3個交點的坐標誤差均在允許范圍之內。因此，本研究方案可以生成精準度較高的導航路徑。

五、總結

本文以獼猴桃果實采摘為例，選取機器人視覺技術作為研究工具，探究該種類果實機器人采摘路徑生成方法?？紤]到機器人的行走路徑與果樹的樹干有關，需要機器人行走到果樹前采集果實圖像信息。因此，本研究利用最小二乘法計算果樹與地面的交點，從而確定采摘導航路徑。測試結果表明，本研究方案生成的導航路徑在誤差允許范圍之內。