農(nóng)業(yè)機(jī)械視覺導(dǎo)航研究現(xiàn)狀及分析

張 豪， 郭 輝,2*， 韓長杰,2， 趙曉偉

(1.新疆農(nóng)業(yè)大學(xué)機(jī)械交通學(xué)院，新疆烏魯木齊 830052；2.新疆農(nóng)業(yè)工程裝備創(chuàng)新設(shè)計(jì)重點(diǎn)實(shí)驗(yàn)室，新疆烏魯木齊 830052)

農(nóng)業(yè)機(jī)械視覺導(dǎo)航研究現(xiàn)狀及分析

張 豪1， 郭 輝1,2*， 韓長杰1,2， 趙曉偉1

(1.新疆農(nóng)業(yè)大學(xué)機(jī)械交通學(xué)院，新疆烏魯木齊 830052；2.新疆農(nóng)業(yè)工程裝備創(chuàng)新設(shè)計(jì)重點(diǎn)實(shí)驗(yàn)室，新疆烏魯木齊 830052)

由于農(nóng)業(yè)機(jī)械的自主導(dǎo)航技術(shù)越來越成熟，因此可以代替人員進(jìn)行高溫、高濕及有毒的工作。為了深入研究自主導(dǎo)航方法，對自主導(dǎo)航技術(shù)進(jìn)行了綜述，并分析了視覺導(dǎo)航系統(tǒng)的基本組成模塊及其優(yōu)勢。根據(jù)視覺信息的基本處理過程，重點(diǎn)對圖像處理、定位與跟蹤等方面進(jìn)行了介紹，又從節(jié)約資源的角度介紹了動力輸出的控制，并討論了一些國內(nèi)外的研究現(xiàn)狀。最后，闡述了未來自主導(dǎo)航技術(shù)的難點(diǎn)及發(fā)展趨勢。

自主導(dǎo)航；圖像處理；定位；跟蹤；動力輸出

近30年來，由于電子信息技術(shù)的快速發(fā)展，使視覺導(dǎo)航的研究成為自主導(dǎo)航領(lǐng)域研究的熱點(diǎn)。隨著農(nóng)業(yè)機(jī)械智能化的要求越來越高，自主導(dǎo)航在現(xiàn)代智能農(nóng)業(yè)機(jī)械中占據(jù)重要地位。農(nóng)業(yè)機(jī)械自主導(dǎo)航有著廣泛的應(yīng)用前景，在自動農(nóng)藥噴灑、中耕除草、收割作業(yè)、插秧種植等方面都有廣泛的用途[1-3]。農(nóng)業(yè)機(jī)械自主導(dǎo)航在經(jīng)歷沿田壟和農(nóng)作物行的機(jī)械觸桿導(dǎo)航、預(yù)埋電纜導(dǎo)航、電磁導(dǎo)航、無線電導(dǎo)航、激光導(dǎo)航和慣性導(dǎo)航等多種方式的發(fā)展后，目前對農(nóng)業(yè)機(jī)械的導(dǎo)航主要集中在視覺導(dǎo)航，視覺導(dǎo)航具有靈活性、快速性和準(zhǔn)確性的特點(diǎn)。20世紀(jì)80年代，美國開始對基于視覺的自主導(dǎo)航的研究，我國在自主導(dǎo)航的研究起步較晚，規(guī)模也較小，但在短期的時間內(nèi)也取得了許多碩果。

目前，農(nóng)業(yè)機(jī)械自主導(dǎo)航的研究主要集中在導(dǎo)航路徑的規(guī)劃、導(dǎo)航控制方法和導(dǎo)航硬件系統(tǒng)的選擇。導(dǎo)航路徑的規(guī)劃主要研究如何從攝像機(jī)采集的圖像信息中快速準(zhǔn)確地提取出路徑參數(shù)并規(guī)劃導(dǎo)航路徑，在很大程度上是對圖像處理算法的研究；導(dǎo)航控制方法是實(shí)時調(diào)整當(dāng)前位置，保證行駛路徑與規(guī)劃路徑重合；導(dǎo)航硬件系統(tǒng)是對組成結(jié)構(gòu)的研究，加大對信息獲取的能力。由于田間的環(huán)境比較復(fù)雜，往往存在路面的凹凸不平、導(dǎo)航路徑上存在較大且無法避免的障礙物，自主導(dǎo)航機(jī)械要通過這樣的復(fù)雜環(huán)境需要較大的動力。實(shí)時控制動力輸出的大小可以達(dá)到最大化節(jié)約能源的目的，對于能源短缺的今天具有重要的意義。

1 視覺導(dǎo)航的主要關(guān)鍵技術(shù)

與GPS導(dǎo)航相比，機(jī)器視覺導(dǎo)航具有以下優(yōu)點(diǎn)：①信息收集得比較豐富，目標(biāo)信息完整，范圍廣；②機(jī)器視覺導(dǎo)航比GPS更加靈活；③實(shí)時性和精確度也有較大提高。視覺導(dǎo)航技術(shù)的基礎(chǔ)是機(jī)器視覺，但是與機(jī)器視覺又有所不同，主要表現(xiàn)在機(jī)器視覺的基礎(chǔ)上增加了實(shí)時定位跟蹤技術(shù)。一般視覺導(dǎo)航有信息獲取、信息處理和定位跟蹤3個部分構(gòu)成，具體工作原理如圖1所示。在構(gòu)成視覺導(dǎo)航的4個部分中，視覺圖像處理和定位跟蹤是視覺導(dǎo)航工作的核心部分。

1.1 圖像處理在拍攝自然環(huán)境下的圖像時由于光照、陰影、拍攝的角度及道路兩旁的雜草等都會使采集的圖像信息比較復(fù)雜，要將有用的信息提取出來難度很大。因此，應(yīng)對復(fù)雜的圖像進(jìn)行圖像預(yù)處理、圖像的特征提取等特殊化處理，將導(dǎo)航路徑凸顯出來。

1.1.1視覺圖像的預(yù)處理。由CCD攝像機(jī)采集的圖像背景復(fù)雜，不易分辨出導(dǎo)航路徑且未經(jīng)過處理的圖像含有大量的噪聲，需要進(jìn)行平滑濾波消除或減少這種強(qiáng)噪聲的干擾。目前常用的圖像平滑濾波有均值濾波、中值濾波、順序統(tǒng)計(jì)濾波和自適應(yīng)濾波等。2000年，James S·Walker等[4]提出自適應(yīng)樹小波萎縮法將1種小波收縮與小波變換的統(tǒng)計(jì)特性結(jié)合起來的圖像去噪新方法，去噪效果良好；2006年，A.L.Cunha等[5]提出了具備平移不變性的、非抽取的輪廓變換，通過對金字塔分解和方向?yàn)V波器均不采取下采樣來實(shí)現(xiàn)。

1.1.2視覺圖像特征的提取。視覺圖像特征提取是對圖像信息分類的重要方法，也是進(jìn)行決策的基礎(chǔ)。在農(nóng)田中進(jìn)行路徑提取主要是邊緣檢測和閾值分割。邊緣是劃分目標(biāo)物與背景的重要標(biāo)志，圖像的邊緣檢測就是利用1幅圖像的不同區(qū)域像素點(diǎn)的灰度值不同，將目標(biāo)區(qū)域和背景區(qū)域分割開。目前，常用的邊緣檢測有微分邊緣檢測和模板匹配邊緣等。1998年，德國博士Steger利用Hessian矩陣確定圖像中線條邊緣的法線方向，然后通過求解法線方向的極值點(diǎn)得到線條邊緣的子像素級位置。閾值分割是根據(jù)圖像中不同區(qū)域像素點(diǎn)的灰度值不同，通過選取合適的閾值可以將圖像分成目標(biāo)和背景2個部分。圖像的閾值分割方法有很多，主要有整體閾值法、雙閾二值化、動態(tài)閾值化和局部二值化等。無論視覺圖像的預(yù)處理還是圖像的閾值分割和邊緣檢測，其處理結(jié)果將關(guān)系到后期的視覺定位和跟蹤。因此，在進(jìn)行圖像處理時一定要選取最優(yōu)的算法，為保證后期的視覺定位和跟蹤的順利進(jìn)行奠定基礎(chǔ)。

1.2 視覺定位和跟蹤視覺定位和跟蹤主要是完成對圖像中的目標(biāo)區(qū)域和導(dǎo)航路徑中的障礙物進(jìn)行定位，使移動平臺能夠自主地按照目標(biāo)路徑移動，工作流程如圖2所示。在農(nóng)田中常用的定位和跟蹤識別方法有基于作物特征的導(dǎo)航方法、基于田壟特征的道路識別方法和基于Hough變換的識別方法等。基于特征的視覺導(dǎo)航方法是通過跟蹤圖像中的特征區(qū)域(像素值、形狀特征等)獲取輪廓信息。倫冠德[6]通過Hough變換和圖像增強(qiáng)技術(shù)，完成了田間路徑的定位和跟蹤。周俊等[7]提出了1種以強(qiáng)化學(xué)習(xí)為基礎(chǔ)使機(jī)器人不斷適應(yīng)動態(tài)變化的導(dǎo)航環(huán)境，構(gòu)建離散的環(huán)境狀態(tài)，并制定了自主導(dǎo)航學(xué)習(xí)Q值，取得了較好的效果。

2 農(nóng)業(yè)車輛視覺導(dǎo)航的研究現(xiàn)狀

2.1 國內(nèi)研究現(xiàn)狀目前，國內(nèi)研究較少，主要集中在理論研究和方法探索的基礎(chǔ)上，主要采用Hough變換測出圖像中的位置和方向角誤差對車輛進(jìn)行姿態(tài)估計(jì)[8]。張衛(wèi)等[9]根據(jù)農(nóng)田作物行的特征信息，采用定位基準(zhǔn)線的圖像處理方法，用Hough提取定位基準(zhǔn)線和導(dǎo)航參數(shù)，研究表明該方法可以有效提取農(nóng)業(yè)車輛的導(dǎo)航路徑。王豐元等[10]提出采用梯度算法提取目標(biāo)物的邊界，然后利用Hough提取導(dǎo)航路徑，并在復(fù)雜的農(nóng)田中進(jìn)行了試驗(yàn)驗(yàn)證。袁佐云等[11]對于目前導(dǎo)航路徑的難以定位的困難問題，提出了垂直投影投影法路徑定位思想。

2.2 國外研究現(xiàn)狀國外研究的起步較早，現(xiàn)在已經(jīng)取得了很大的成就，主要采用Hough變換、模型匹配、虛交點(diǎn)分析和統(tǒng)計(jì)分析等方法，然后通過相機(jī)的標(biāo)定參數(shù)和幾何關(guān)系得到車輛的位置。Will等[12]用2臺CASE拖拉機(jī)視覺導(dǎo)航平臺，在試驗(yàn)中完成了17 km/h的直線行走和10 km/h的曲線跟蹤。韓國Cho[13]依靠視覺導(dǎo)航和超聲波傳感器研制了自動農(nóng)藥噴灑機(jī)，在實(shí)際的應(yīng)用中完成了自主導(dǎo)航和避障。日本Kubota等[14]研制了噴藥、除草和移栽等農(nóng)業(yè)機(jī)器人，其導(dǎo)航理論是激光測距和視覺導(dǎo)航。

3 存在問題及發(fā)展趨勢

3.1 多傳感器相結(jié)合在農(nóng)業(yè)機(jī)械視覺導(dǎo)航中，存在受光照不均勻、作物缺失和雜草等外界干擾的影響較大，單一的視覺信號越來越難以滿足精確自主導(dǎo)航的要求，因受環(huán)境變化的影響較大，檢測導(dǎo)航信息的穩(wěn)定性也受到較大影響。近年來，隨著電子技術(shù)的快速發(fā)展，多傳感器信息融合技術(shù)被廣泛應(yīng)用到自主平臺的導(dǎo)航研究中，利用多傳感器探測到的環(huán)境信息具有互補(bǔ)性和實(shí)時性等特點(diǎn)。通過GPS及其他傳感器得到的多種導(dǎo)航信息融合，可以有效提高導(dǎo)航的精度和可靠性，解決田間地頭轉(zhuǎn)彎和大面積缺苗等無有效導(dǎo)航特征情景下的導(dǎo)航問題，實(shí)現(xiàn)完全意義的自主導(dǎo)航。

3.2 數(shù)學(xué)理論的應(yīng)用Hough變換作為一種直線檢測算法，具有魯棒性、受噪聲和缺苗影響較小等特點(diǎn)，適合農(nóng)田這種非結(jié)構(gòu)化的路徑規(guī)劃，但是Hough是一種全局檢測算法，計(jì)算量較大，不能滿足實(shí)時性的需求[15]?；趧討B(tài)窗口和Hough變換相結(jié)合的處理算法可以解決計(jì)算速度較慢的問題。今后應(yīng)當(dāng)繼續(xù)尋找圖像處理的新方法，將數(shù)學(xué)中的多尺度理論、小波變換和現(xiàn)代時間序列與農(nóng)業(yè)工程中的隨機(jī)現(xiàn)象相結(jié)合，提高農(nóng)田中對路徑的提取的效率和精度。

3.3 動力輸出控制電子和信息技術(shù)的發(fā)展，為快速獲取和處理地面上物體的三維圖、地面的坡度和凹凸程度等信息提供了技術(shù)基礎(chǔ)。國內(nèi)外眾多學(xué)者研究農(nóng)業(yè)機(jī)械的自主導(dǎo)航都是將動力輸出控制在某一固定的值，具有以下缺點(diǎn)：①當(dāng)前進(jìn)阻力較小時，造成燃油消耗較高，浪費(fèi)資源；②當(dāng)前進(jìn)阻力較大時，導(dǎo)致機(jī)器打滑或熄火。農(nóng)田中基于圖像處理快速的獲取規(guī)劃路徑中障礙物的模型信息和在進(jìn)行自主導(dǎo)航深耕作業(yè)時準(zhǔn)確獲取土壤阻力信息對實(shí)時改變動力的輸出具有重要的意義。對障礙物的模糊信息獲取，只需要獲得其長、寬、高信息建立模型，分析需要多大的動力才能越過障礙物。機(jī)器視覺是從攝像機(jī)獲取的圖像信息出發(fā)，通過攝像機(jī)參數(shù)和機(jī)器語言，推算導(dǎo)航路徑上物體的大小和形狀等特征信息，并估算需要多大的動力可以使平臺順利越過障礙物。因此，機(jī)器視覺的主要任務(wù)就是利用計(jì)算機(jī)實(shí)現(xiàn)對空間物體的描述和識別，也就是解決三維點(diǎn)與二維圖像點(diǎn)的對應(yīng)關(guān)系問題。目前，基于機(jī)器視覺原理獲取三維信息已經(jīng)成為三維信息獲取領(lǐng)域的技術(shù)主流。為了定量獲取物體三維信息提出了多種技術(shù)：接觸法、雷達(dá)法、逐層切片恢復(fù)形體方法、幾何光學(xué)聚焦法、莫爾條紋法、從運(yùn)動恢復(fù)形狀、從輪廓恢復(fù)形狀、單目視覺法和立體視差法[16-17]。三維重建流程如圖3所示。

3.4 圖像處理算法的改進(jìn)為了進(jìn)一步提高圖像處理的精確性和快速性，一些人工智能的算法被運(yùn)用到視覺導(dǎo)航的圖像處理的研究中。具有代表性的就是最優(yōu)解策略和遺傳算法，前者將能量函數(shù)作為目標(biāo)函數(shù)，經(jīng)過能量的進(jìn)化過程產(chǎn)生能量函數(shù)的最小值，典型的有神經(jīng)網(wǎng)絡(luò)、模擬退火算法；后者是模擬生物學(xué)的自然選擇和遺傳機(jī)理的隨機(jī)搜索優(yōu)化方法，從1組初始值(即1個群體)出發(fā)進(jìn)行繁衍優(yōu)化，包括3個基本步驟：選擇、交叉和變異。相對于遍歷搜索策略，人工智能算法可以改變搜索的空間，提高算法的運(yùn)行速度。

4 小結(jié)

以CCD攝像機(jī)作為傳感器的視覺導(dǎo)航是一種體積小、能耗低、便于控制、廉價(jià)和可靠的導(dǎo)航方案，在多個領(lǐng)域得到了廣泛應(yīng)用，尤其在進(jìn)入21世紀(jì)后，隨著傳感器的微型化和計(jì)算機(jī)處理能力的提高,導(dǎo)航技術(shù)在各個領(lǐng)域的應(yīng)用也在不斷提升和完善。同時，視覺導(dǎo)航也將與其他導(dǎo)航方式一起，融合發(fā)展出集各種導(dǎo)航方式優(yōu)點(diǎn)為一體并能克服單一導(dǎo)航缺點(diǎn)的導(dǎo)航方式。我國是一個能源匱乏的國家，自主導(dǎo)航動力輸出實(shí)時控制的研究具有重要的意義。

[1] 管敘軍,王新龍.視覺導(dǎo)航技術(shù)發(fā)展綜述[J].航空兵器,2014(5):3-8，14.

[2] 王先敏,曾慶化,熊智,等.視覺導(dǎo)航技術(shù)的發(fā)展及其研究分析[J].信息與控制,2010(5):607-613.

[3] 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(3):9-11.

[4] WALKER J S，CHEN Y J.Image denoising using tree base wavelet subband correlation and shrinking [J].Optical Engineering, 2000, 39(11): 2900-2908.

[5] DA CUNHA A L，ZHOU J，DO M N.The nonsubsampled contourlet transform theory, design, and application [J].IEEE Transactions on Image Processing, 2006,15(10): 3089-3101.

[6] 倫冠德.農(nóng)業(yè)機(jī)械視覺導(dǎo)航系統(tǒng)技術(shù)研究[J].農(nóng)機(jī)化研究,2007(9):235-237.

[7] 周俊,陳欽,梁泉.基于強(qiáng)化學(xué)習(xí)的農(nóng)業(yè)移動機(jī)器人視覺導(dǎo)航[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2014(2):53-58.

[8] 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].農(nóng)業(yè)工程學(xué)報(bào),2004(1):160-165.

[9] 張衛(wèi),杜尚豐.機(jī)器視覺對農(nóng)田中定位基準(zhǔn)線的識別[J].中國農(nóng)業(yè)大學(xué)學(xué)報(bào),2006(4):75-77，88.

[10] 王豐元,周一鳴,孫壯志.車輛引導(dǎo)路線檢測的計(jì)算機(jī)視覺技術(shù)初探[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),1998(1):2-6.

[11] 袁佐云,毛志懷,魏青.基于計(jì)算機(jī)視覺的作物行定位技術(shù)[J].中國農(nóng)業(yè)大學(xué)學(xué)報(bào),2005(3):69-72.

[12] WILL J，STOMBAUGH T，BENSO E.Development of a flexible platform for agricultural automatic guidance research [J].ASAE, 1998,32(2):156-164.

[13] CHO S I，KI N H.Autonomous speed sprayer guidance using machine vision and fuzzy logic [J].ASAE, 1999,42(4):1137-1143.

[14] HATA S，TAKAI M，KOBAYASI T.Crop-row detection by color line sensor [C]//Proceedings International Conference for Agricultural Machinery and Process Engineering, 1993：19-22.

[15] 張衛(wèi),杜尚豐.Hough變換在農(nóng)田機(jī)械視覺導(dǎo)航中的應(yīng)用[J].儀器儀表學(xué)報(bào),2005(S1):706-707.

[16] 羅桂娥.雙目立體視覺深度感知與三維重建若干問題研究[D].長沙：中南大學(xué),2012.

[17] 劉剛,司永勝,馮娟.農(nóng)林作物三維重建方法研究進(jìn)展[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2014(6):38-46，19.

Analysis on Visual Navigation and Dynamic Control of Agricultural Machinery

ZHANG Hao1, GUO Hui1,2*, HAN Chang-jie1,2et al

(1.Mechanical College of Transportation, Xinjiang Agricultural University, Urumqi, Xinjiang 830052; 2.Xinjiang Key Laboratory of Agricultural Engineering Equipment Innovation Design, Urumqi, Xinjiang 830052)

Because agricultural machinery autonomous navigation technology becomes more and more mature, so, it can be replaced the man to be used in high temperature, high humidity and toxic work.In order to study the autonomous navigation method, the autonomous navigationtechnology was reviewed.The basic building blocks of visual navigation system and its advantages were studied.According to the basic processing of visual information, image processing, positioning and tracking and other aspects were made a detailed description, and from the perspective of resource conservation, control of power output was introduced, andsome researches at home and abroad were discussed.Finally, the difficulties and development trend of the future autonomous navigation technology were described briefly.

Autonomous navigation; Image processing; Positioning; Tracking; Power output

張豪(1989- )，男，河南駐馬店人，碩士研究生，研究方向：農(nóng)業(yè)自動化設(shè)備研究。*通訊作者，副教授，博士，碩士生導(dǎo)師，從事機(jī)械設(shè)計(jì)與試驗(yàn)工作。

2015-03-20

S 126

A

0517-6611(2015)13-354-03