農(nóng)機(jī)快速導(dǎo)航系統(tǒng)設(shè)計(jì)—基于圖像邊緣檢測(cè)和3D深度視頻幀內(nèi)編碼

鄭 冰，趙 陽，葛東林

(1.河南工業(yè)職業(yè)技術(shù)學(xué)院，河南 南陽 473000；2. 河南中光學(xué)集團(tuán)有限公司，河南 南陽 473000)

0 引言

當(dāng)前車輛導(dǎo)航應(yīng)用的最新技術(shù)是立體測(cè)量技術(shù)。該技術(shù)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(dǎo)航線的特征信息獲取，為車輛快速導(dǎo)航提供保障[1-3]。將該方法應(yīng)用在農(nóng)機(jī)導(dǎo)航系統(tǒng)中，不僅可以有效提高農(nóng)機(jī)導(dǎo)航的速度，且可以滿足一些精度要求較高的作業(yè)需求[4-5]。但是，在實(shí)際立體視覺導(dǎo)航過程中會(huì)產(chǎn)生大量的特征點(diǎn)，在特征提取和匹配過程中，計(jì)算量較大，從而達(dá)不到數(shù)據(jù)處理的時(shí)效性[6-9]。另外，由于農(nóng)機(jī)作業(yè)環(huán)境的復(fù)雜性，其立體視覺導(dǎo)航系統(tǒng)容易受到外界光線、濕度等氣候因素的影響，農(nóng)機(jī)導(dǎo)航的效率并不高[10-12]。深度視頻編碼技術(shù)可以有效地對(duì)圖像進(jìn)行壓縮，從而提高視頻的傳輸速度[13-15]。采用圖像邊緣檢測(cè)技術(shù)可以提取圖像的關(guān)鍵信息，完成導(dǎo)航線的提取，將這兩種技術(shù)使用在農(nóng)機(jī)導(dǎo)航系統(tǒng)中，對(duì)實(shí)現(xiàn)快速實(shí)時(shí)導(dǎo)航功能具有重要的意義[16-17]。

1 基于三維視頻編碼技術(shù)的農(nóng)機(jī)導(dǎo)航方法

農(nóng)機(jī)自主導(dǎo)航技術(shù)主要是依賴于計(jì)算機(jī)視覺方法，計(jì)算機(jī)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(wǎng)格、點(diǎn)建模和線建模等方法，最常用的是網(wǎng)格法。網(wǎng)格法具有靈活性好和高效性等優(yōu)點(diǎn)，可以采用圖像向量合成3D視覺模型，清晰地表達(dá)目標(biāo)的細(xì)節(jié)，而細(xì)節(jié)的提取可以依據(jù)邊緣檢測(cè)技術(shù)[20]。

深度視頻通過邊緣檢測(cè)和幀內(nèi)預(yù)測(cè)，進(jìn)行編碼，將圖像以較小的容量進(jìn)行存儲(chǔ)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(jìn)行編碼和解碼時(shí)，采用門限值的方法，設(shè)定圖像的清晰度閾值，深度視頻內(nèi)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(yīng)濾波器，可以有效去除噪聲的同時(shí)，重建出質(zhì)量較高的補(bǔ)償圖像。其應(yīng)用在農(nóng)機(jī)快速導(dǎo)航系統(tǒng)中實(shí)現(xiàn)的流程如圖2所示。

圖1 深度視頻內(nèi)編碼技術(shù)Fig.1 The depth video coding technology

圖2 基于三維視頻編碼技術(shù)的農(nóng)機(jī)導(dǎo)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(shù)實(shí)現(xiàn)農(nóng)機(jī)導(dǎo)航需要解決的兩個(gè)主要問題是視頻編碼和導(dǎo)航線提取，由農(nóng)機(jī)導(dǎo)航流程可知，深度視頻可以通過對(duì)采集視頻進(jìn)行紋理和深度估計(jì)后通過視頻編碼獲取，導(dǎo)航線可以通過深度視頻解碼后，利用邊緣檢測(cè)技術(shù)提取導(dǎo)航線獲取。

2 圖像邊緣檢測(cè)和深度視頻幀內(nèi)編碼算法

邊緣檢測(cè)主要是利用邊緣檢測(cè)算子，將圖像的實(shí)質(zhì)和背景分離，得到有用的信息，實(shí)現(xiàn)圖像主要特征因素的提取[22]。在進(jìn)行圖像邊緣檢測(cè)前，需要對(duì)圖像進(jìn)行濾波和增強(qiáng)處理，如圖3所示。

圖3 圖像邊緣檢測(cè)處理Fig.3 Image edge detection processing

邊緣檢測(cè)實(shí)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(yùn)算的，其依據(jù)是圖像的灰度變化。圖像的灰度變化可以用函數(shù)逼近方法來檢測(cè)，假設(shè)圖像函數(shù)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(shù)的最大變化率有關(guān)，梯度的幅度值為

(2)

在實(shí)際運(yùn)算時(shí)，梯度的幅值一般用絕對(duì)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(duì)x軸的角度。為了提高邊緣檢測(cè)的速度和質(zhì)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(jì)算x和y方向的偏導(dǎo)數(shù)，即

(6)

實(shí)際上，式(6)中應(yīng)用了f(x,y)鄰域圖像強(qiáng)度的加權(quán)平均值，其梯度大小為

(7)

或絕對(duì)值

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

(8)

通過以上計(jì)算后，可以得到導(dǎo)航視頻圖像的梯度值g(x,y)。在進(jìn)行導(dǎo)航線提取時(shí)，可以設(shè)定一定的閾值門限TH，通過判斷來提取導(dǎo)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(cè)的輸出；l=[L/2]，L為窗口寬度。

對(duì)于深度視頻的幀內(nèi)編碼，可以采用16×16的宏塊進(jìn)行劃分，其劃分的原理如圖4所示。

通過幀內(nèi)預(yù)測(cè)算法對(duì)視頻進(jìn)行深度編碼后進(jìn)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(jī)進(jìn)行邊緣檢測(cè)，最終可以得到壟的位置和實(shí)時(shí)的導(dǎo)航線。

圖4 深度視頻幀內(nèi)編碼預(yù)測(cè)算法Fig.4 The prediction algorithm of depth video of intra frame coding

3 農(nóng)機(jī)導(dǎo)航系統(tǒng)測(cè)試

基于深度視頻幀內(nèi)編碼的農(nóng)機(jī)導(dǎo)航系統(tǒng)可以通過實(shí)時(shí)提取導(dǎo)航線，獲取具體作物壟的位置，達(dá)到自主導(dǎo)航的目的；并且由于導(dǎo)航的實(shí)時(shí)性，可以有效防止外界的干擾，提高作業(yè)的精確性，特別適用于作業(yè)精度要求較高的多行作業(yè)[23-26]。

圖5表示多行耕地播種作業(yè)裝置。工作時(shí)，如果導(dǎo)航出現(xiàn)偏差，將會(huì)導(dǎo)致大面積的播種作業(yè)質(zhì)量下降，因此需要采用導(dǎo)航精度較高的實(shí)時(shí)導(dǎo)航系統(tǒng)，基于深度視頻內(nèi)編碼和圖像邊緣檢測(cè)技術(shù)，將進(jìn)行農(nóng)機(jī)導(dǎo)航設(shè)計(jì)，如圖6所示。

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

在農(nóng)機(jī)導(dǎo)航系統(tǒng)中使用了高清相機(jī)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(duì)視頻進(jìn)行處理，從而實(shí)現(xiàn)深度視頻幀內(nèi)編碼和邊緣檢測(cè)方法。

圖6 基于深度視頻幀內(nèi)編碼的快速導(dǎo)航裝置設(shè)計(jì)示意圖Fig.6 The schematic design of rapid navigation device based on depth video intra frame coding

農(nóng)機(jī)導(dǎo)航的作業(yè)測(cè)試情境如圖7所示。在測(cè)試過程中，利用導(dǎo)航拖拉機(jī)牽引的方式進(jìn)行多行間作業(yè)，作業(yè)過程中主要測(cè)試了實(shí)時(shí)壟位置標(biāo)定和導(dǎo)航線的提前，通過實(shí)驗(yàn)測(cè)試，得到了如圖8所示的試驗(yàn)結(jié)果。

圖7 作業(yè)測(cè)試情境Fig.7 The task test situation

圖8 實(shí)時(shí)導(dǎo)航線提取結(jié)果Fig.8 The line extraction results of real-time navigation

采用邊緣檢測(cè)算子，利用邊緣檢測(cè)技術(shù)將深度內(nèi)編碼視頻進(jìn)行導(dǎo)航線提取，得到了如圖8所示的實(shí)時(shí)導(dǎo)航線。由圖8可以看出：導(dǎo)航線的位置標(biāo)定基本都處于壟中間，導(dǎo)航線位置較為準(zhǔn)確，可以滿足多行作業(yè)的精度要求。

4 結(jié)論

在農(nóng)機(jī)快速導(dǎo)航系統(tǒng)的設(shè)計(jì)過程中，本研究主要克服了導(dǎo)航在特征匹配過程中運(yùn)算量大、導(dǎo)航精度和時(shí)效性不高的問題，將深度視頻幀內(nèi)編碼技術(shù)和Sobe1算子引入到了快速導(dǎo)航系統(tǒng)中，有效提高了導(dǎo)航的時(shí)效性和導(dǎo)航精度。對(duì)農(nóng)機(jī)快速導(dǎo)航系統(tǒng)進(jìn)行了測(cè)試，測(cè)試項(xiàng)目主要是針對(duì)農(nóng)機(jī)導(dǎo)航精度要求較高的多行耕地作業(yè)，并采用3D視頻編碼技術(shù)和邊緣檢測(cè)技術(shù)提取了實(shí)時(shí)導(dǎo)航線。試驗(yàn)結(jié)果表明：本系統(tǒng)可以實(shí)時(shí)快速地提取壟間導(dǎo)航線，導(dǎo)航線位置標(biāo)記較為準(zhǔn)確，驗(yàn)證了系統(tǒng)的高效性和可靠性，為農(nóng)機(jī)快速導(dǎo)航系統(tǒng)的設(shè)計(jì)提供了參考。

參考文獻(xiàn)：

[1] 張志斌,潘華穩(wěn),李琛,等.一種基于平均壟間距的視覺導(dǎo)航壟線識(shí)別算法[J].計(jì)算機(jī)工程與應(yīng)用,2011,47(22):191-194.

[2] 李景彬,陳兵旗,劉陽,等.采棉機(jī)視覺導(dǎo)航路線圖像檢測(cè)方法[J].農(nóng)業(yè)工程學(xué)報(bào),2013,29(11):11-19.

[3] 李進(jìn),陳杰平,徐朝勝,等.基于動(dòng)態(tài)圖像閾值的智能車輛路徑導(dǎo)航[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2013,44(4):39-44.

[4] 許國瑞,崔天時(shí),李曉莉.農(nóng)業(yè)機(jī)器人行走方向識(shí)別及仿真[J].農(nóng)機(jī)化研究,2013,35(2):181-184.

[5] 安秋,李志臣,姬長(zhǎng)英,等.基于光照無關(guān)圖的農(nóng)業(yè)機(jī)器人視覺導(dǎo)航算法[J].農(nóng)業(yè)工程學(xué)報(bào),2009,25(11): 208-212.

[6] 胡煉,羅錫文,曾山,等.基于機(jī)器視覺的株間機(jī)械除草裝置的作物識(shí)別與定位方法[J].農(nóng)業(yè)工程學(xué)報(bào),2013,29(10):12-18.

[7] 繩偉光,蔣劍飛,何衛(wèi)鋒.高性能DSP的發(fā)展現(xiàn)狀與未來趨勢(shì)[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(wù)并行處理的DSP軟硬件設(shè)計(jì)[J].單片機(jī)與嵌入式系統(tǒng)應(yīng)用,2012,158(8): 43-45.

[9] 張旭飛,張燕,梁棟.基于PLC的椰子切割機(jī)的設(shè)計(jì)與控制研究[J].農(nóng)機(jī)化研究,2012,34(3):199-202.

[10] 顧寶興,姬長(zhǎng)英,王海青,等.智能移動(dòng)水果采摘機(jī)器人設(shè)計(jì)與試驗(yàn)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),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(xué)報(bào),2012,23(6):1542-1560.

[12] 張曉輝,李瑩,王華勇,等.應(yīng)用特征聚合進(jìn)行中文文本分類的改進(jìn)KNN算法[J].東北大學(xué)學(xué)報(bào),2003,24 (3):229-233.

[13] 王海青,姬長(zhǎng)英,顧寶興,等.基于機(jī)器視覺和支持向量機(jī)的溫室黃瓜識(shí)別[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),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(yè)機(jī)器人識(shí)別與定位[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),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(shí)定位方法[J].農(nóng)機(jī)化研究,2012,34(6):66-68,112.

[16] 高春城.我國農(nóng)業(yè)發(fā)展的資源環(huán)境問題與展望[J].當(dāng)代生態(tài)農(nóng)業(yè),2013,3(4):151-154.

[17] 萬寶瑞.當(dāng)前我國農(nóng)業(yè)發(fā)展的趨勢(shì)與建議[J].農(nóng)業(yè)經(jīng)濟(jì)問題,2014,4(1):110-114.

[18] 徐茂,鄧蓉.國內(nèi)外設(shè)施農(nóng)業(yè)發(fā)展比較[J].北京農(nóng)學(xué)院學(xué)報(bào),2014,29(2):75-79.

[19] 趙其國.當(dāng)前我國農(nóng)業(yè)發(fā)展中存在的深層次問題及對(duì)策[J].生態(tài)環(huán)境學(xué)報(bào),2013,22(6):911-915.

[20] 肖仁鵬,馬鑫,劉四新,等.椰子自動(dòng)剝衣機(jī)的設(shè)計(jì)[J].食品與機(jī)械,2012(1):142-143.

[21] 李明,KenjiImou,劉仲華,等.農(nóng)業(yè)機(jī)械全方位視覺定位系統(tǒng)的定位算法[J].農(nóng)業(yè)工程學(xué)報(bào),2013,29 (2):52-59.

[22] 熊俊濤,鄒湘軍,陳麗娟,等.采摘機(jī)械手對(duì)擾動(dòng)荔枝的視覺定位[J].農(nóng)業(yè)工程學(xué)報(bào),2012,28(14):36-41.

[23] 郭杰鋒,陳桂林.結(jié)構(gòu)元素選取對(duì)基于形態(tài)學(xué)紅外點(diǎn)目標(biāo)檢測(cè)的影響[J].半導(dǎo)體光電,2009, 30(3): 469- 472.

[24] 呂繼東,趙德安,姬偉,等.采摘機(jī)器人振蕩果實(shí)動(dòng)態(tài)識(shí)別[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),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(nóng)業(yè)工程學(xué)報(bào),2011,27(7): 183-189.

[26] 李茗萱,張漫,孟慶寬,等.基于掃描濾波的農(nóng)機(jī)具視覺導(dǎo)航基準(zhǔn)線快速檢測(cè)方法[J].農(nóng)業(yè)工程學(xué)報(bào),2013,29(1):41-47.

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