基于遠景標志的機器人移動距離視覺測量*

張大偉 ，胡 波 ，梁 磊

（1.廣西科技大學自動化學院，廣西 柳州 545616；2.柳州職業技術學院機電工程學院，廣西 柳州 545006）

0 引言

隨著種植環境的標準化與結構化發展，我國農業生產將走向規?；途毣痆1-2]。農機具的精準定位和導航均與農用機器人的田間移動距離精確測量有關，并且在復雜的農田環境下農用機器人的采摘系統也依賴于精確的移動距離測量。

目前對于農用機器人的移動距離測量方法中以多傳感器融合測量方法和機器視覺測量方法居多，李晨陽等使用里程計與激光雷達信息相互融合的方法對農業機器人移動距離進行測量，將測量誤差控制在0.39 m，較為精確地完成了機器人移動距離測量[3]。陳劭等利用RGB-D 相機對移動機器人移動過程進行圖像采集，利用特征點的匹配方法完成對移動機器人的定位，經過實驗，此方法的定位誤差為0.024 5 m，滿足了移動機器人快速定位的需求[4]。季宇寒等利用激光雷達與編碼器的信息相互融合對巡檢機器人進行導航定位，此方法可以將巡檢機器人的位置測量誤差控制在5 cm 以下，滿足巡檢導航定位要求[5]。肖正邦提出利用LiDAR 和攝像頭的數據進行融合，提取圖像中的深度信息對農業機器人進行定位，此方法有效解決了農業機器人在復雜環境中行走及定位檢測的問題[6]。張凱龍等在農用車輛上安裝車牌，利用深度學習的方法對車牌特征進行檢測，根據集合關系模型，對車輛距離完成檢測[7]。趙榮陽等通過單目視覺構建農業機器人導航系統，使農用機器人自主完成導航和定位工作，測量精度較高，滿足了農業機器人的應用需求[8]。黃沛琛等提出一種基于單目視覺的農業機械導航定位算法，將農機的實時位姿信息與姿態閾值濾波器信息相融合，對農業機械移動距離與位置求解，該算法可以實現農業機械的自動定位，在短距離范圍內具有一定的可靠性[9]。但是無法避免的是，利用傳感器融合的方法測量距離成本較高[10]，并且傳感器還存在累計誤差[11]，無法完成在大視場環境下的測量。

目前國內的種植環境更加趨向標準化，并且種植環境可塑化是標準環境最大的優勢，所以為了在進一步提高測量精度的同時提高測量方法的適應性和穩定性，本文提出將遠景標志物放置在標準化種植環境中，利用機器視覺測量農用機器人的移動距離，實現對農用機器人田間移動距離的精確測量，并通過田間實驗對此視覺測量方法進行分析驗證。

1 遠景標志物圖像角點坐標變化規律研究

1.1 實驗環境搭建

在標準化種植環境中，放置遠景標志物作為對標準化種植環境的進一步改進，其角點信息的魯棒性及穩定性可以為農機視覺位姿檢測、精確導航等方面提供有利幫助[12]。實驗環境示意圖如圖1 所示，在室內環境中，選用黑白格標定板作為標志物放置在遠處，將帶有攝像頭和水平儀的圖像采集裝置放置在設定的世界坐標系原點處，根據所建立世界坐標系，圖像采集裝置對遠處放置的標志物進行圖像采集，并將圖像采集裝置沿Xw軸移動不同距離后進行圖像采集，完成模擬機器人移動真值的測量。其中，Ow、Zw、Yw及Xw分別為世界坐標系的原點、Z軸、Y軸及X軸；像素點坐標在圖像坐標系下表示，u 為標志物角點圖像坐標的橫坐標值，v為標志物角點圖像坐標的縱坐標值。

圖1 實驗環境示意圖

1.2 角點圖像坐標的變化規律

對所采集的圖像經過圖像預處理后，提取圖像中的遠景標志物的角點圖像坐標，并對所提取的角點圖像坐標根據模擬機器人距離標志物的遠近進行排序，以此得到角點圖像坐標的變化圖。圖像中標志物角點圖像坐標縱坐標值變化規律如圖2 所示，對圖像中的角點提取后發現，攝像頭的移動距離與角點坐標的縱坐標值變化成正比，即攝像頭移動的距離逐漸增大，所提取的角點像素點縱坐標值也逐漸增大，由此說明圖像坐標的變化和模擬機器人與遠景標志物的距離存在相關關系。

圖2 角點圖像坐標縱坐標值變化規律圖

2 田間環境下農用機器人移動距離的視覺測量

2.1 實驗環境介紹

實際田間環境在廣西壯族自治區柳州廣西科技大學柳東校區南門對面的小型種植田，在田壟間放置米尺以測量模擬機器人移動真值，在田壟起始點與田壟末尾分別放置模擬機器人與遠景標志物，標志物大小為100 cm×100 cm，使用?？低旳7 型攝像頭進行圖像采集，分辨率為1 920×1 080，圖像儲存設備為PC 端，圖像共采集19 張，模擬農用機器人移動范圍為0～2.2 m。

2.2 數據集的建立

將室外所采集的圖像中的角點進行提取，首先將圖像進行預處理操作，包括圖像的灰度化及角點的排序和提取，并將所提取的角點坐標作為數據集，處理結果圖如圖3所示。

圖3 角點提取圖

2.3 距離預測模型建立

在模擬機器人移動距離的預測方法中，經過實驗證明，像素點的變化是線性的，并且像素點面積的變化與距離的變化也是線性化的，故計算每一個距離下所采集圖像中遠景標志物相鄰角點的像素面積，并將其作為輸入對模擬移動機器人的移動距離進行測量，像素點面積示意圖如圖4 所示。

圖4 像素點面積示意圖

根據像素點面積示意圖可明顯得出像素點面積計算式，如式（1）、式（2）、式（3）所示。

其中，U、V為標志物角點相鄰角點的橫縱坐標值，Δx為橫坐標差值，Δy 為縱坐標差值，S 為像素點面積。故使用線性回歸方程對移動距離進行預測，預測方程如下，式（4）為面積預測式。

其中，S 為像素點面積值，L 為所預測距離值，a0、a1、a2、a3均為預測模型系數。

利用測試數據對所建立的模型進行可靠程度檢驗，檢驗結果如圖5 所示，根據圖示可知，測試數據中模擬機器人移動距離的真值與模型所預測移動距離值幾乎重合，故此預測模型的可靠程度較高，可以作為本次實驗的預測模型。

圖5 模型檢驗圖

2.4 移動距離的預測結果及分析

為驗證此方法可以在實際環境中對模擬移動機器人的移動距離進行精確測量，將三組測試數據輸入建立好的模型，并以實際距離與預測距離的誤差值及準確度作為檢測標準，所得到的預測結果即為距離測量結果，經過測試后得到預測結果，如表1所示。

表1 預測結果表

由表1 可知，利用像素點面積作為輸入對農用機器人的移動距離視覺測量的最小誤差為0.4 cm，最大誤差不超過7 cm，測量精度均在95%以上，但由于在田間環境下壟間道路不平的原因，模擬移動機器人的移動距離越遠，測量誤差就越大，在實驗過程中發現利用黑白格標定板作為遠景標志物能夠有效地避免標志物反光因素的影響。

3 結論

本文針對在標準化農田種植環境中使用圖像處理方法對農用機器人移動距離測量精確度不高的問題，提出利用遠景標志物的像素點面積作為輸入，建立一元三次回歸預測模型對農用移動機器人移動距離進行視覺測量的方法，經過實際場景下的實驗，得出以下結論：

1）標準化農田種植環境是更趨向科學化的，而利用遠景標志物作為改進標準農田種植環境的方法，不但符合標準化農田建設的需求，增加了視覺測量的視場范圍，解決了視覺測量范圍局限性的問題，并且有效增加了傾角測量范圍。

2）精度方面，實驗中所采用的以黑白格標定板作為遠景標志物，對農用機器人在田間移動距離進行測量的方法最小誤差為0.4 cm，最大誤差不超過7 cm，測量精度均在95%以上。利用黑白格標定板作為遠景標志物進一步改進標準化種植環境，對模擬移動機器人的移動距離測量方法具有很好的魯棒性和適用性。利用遠景標志物完成對農業機器人移動距離的測量，有助于農機發展更加科學化及精細化。