割草機器人自動控制系統(tǒng)
——基于智能視覺和人工算法

馬耀鋒,李紅麗

(鄭州工程技術(shù)學院,鄭州 450044)

0 引言

對于移動機器人而言,傳統(tǒng)的路徑規(guī)劃指點到點的最優(yōu)路徑規(guī)劃,其目標是尋求一條從起始點到終點的無碰撞的最優(yōu)路徑,該路徑大多是點到點的線段序列。割草機器人的路徑規(guī)劃是基于全區(qū)域覆蓋運行的路徑規(guī)劃,全區(qū)域覆蓋的路徑規(guī)劃目標是產(chǎn)生一條有效路徑來覆蓋工作環(huán)境的每塊可達區(qū)域。因此,在進行作業(yè)區(qū)域目標識別時與傳統(tǒng)的移動機器有所不同,為了實現(xiàn)割草機器人作業(yè)目標識別和路徑規(guī)劃的全區(qū)域覆蓋,需要設(shè)計智能視覺系統(tǒng),并采用人工智能算法來求解機器人的移動路徑,從而得到較高的割草作業(yè)效率和精度。

1 割草機器人的發(fā)展現(xiàn)狀及總體設(shè)計

隨著經(jīng)濟發(fā)展和城市建設(shè)步伐的不斷加快,城市區(qū)域的綠化程度也大大提高,公園、足球場地和高爾夫場地等草坪面積也逐年增加,這些草坪均需要進行維護,其中以草坪的割草作業(yè)最為繁重。草坪的割草修剪工作不僅枯燥,而且工作量大、重復性高,作業(yè)過程中會消耗大量的人力和物力。為了降低草坪維護的勞動強度,割草機器人應(yīng)運而生,但其智能化程度還不高,相對于普通的割草機器人,智能割草機器人主要有以下幾個方面的優(yōu)勢:

1)與傳統(tǒng)的人工作業(yè)機器人相比,智能化機器人不需要人工干預或者操作,本身搭載了微處理器,可以結(jié)合傳感器采集的信息對環(huán)境進行判斷,并動態(tài)規(guī)劃作業(yè)路徑,實現(xiàn)自主作業(yè)。

2)具有更加靈敏的傳感單元和控制單元,對環(huán)境的監(jiān)測范圍廣、控制精度較高,在進行作業(yè)時不容易造成安全事故。

3)采用自動控制系統(tǒng),可以返回預定地點補充能源,并使用清潔能源,相比傳統(tǒng)的割草機器人具有更小的噪音,因此更加環(huán)保。

圖1為Friendly Machines公司的研發(fā)Robomow割草機器人。在進行作業(yè)區(qū)域識別時,用戶需要在草坪的邊界和障礙物位置增加電纜,以防止機器人誤入,并通過電纜信號進行導航。在遇到?jīng)]有設(shè)置電纜的障礙物時,主要通過超聲檢測來簡單避開障礙物,而沒有智能化的視覺系統(tǒng),使控制系統(tǒng)過于復雜,且對于作業(yè)區(qū)域邊界的檢測精度也不高。

圖1 Friendly Machines公司的 RobomowFig.1 Robomow of friendly machines company。

如圖2所示,相對于以電纜和超聲獲取信號,采用智能視覺設(shè)計割草機器人將具有更高的作業(yè)區(qū)域識別精度,從而提高作業(yè)效率。工作時,智能視覺系統(tǒng)可以將信息傳送到核心處理器,處理器通過圖像處理后對作業(yè)區(qū)域進行識別;識別完成后,可以發(fā)出信號控制電機驅(qū)動器進行割草,控制直流電機進行行走作業(yè),從而實現(xiàn)自主化割草作業(yè)。

圖2 基于智能視覺的割草機器人Fig.2 Mowing robot based on intelligent vision。

2 割草機器人控制系統(tǒng)設(shè)計

割草機器人智能視覺系統(tǒng)主要是采用光電轉(zhuǎn)換裝置實現(xiàn)機器視覺功能。在進行待收割草的信息采集時,利用光電轉(zhuǎn)換裝置可以將采集到的雜草圖像信號轉(zhuǎn)換為視覺系統(tǒng)可以處理的信號;在進行待割雜草的信號采集時,選用CCD相機和圖像傳感器作為采集設(shè)備,在采集信號的同時還可以對信號進行處理和轉(zhuǎn)換。

采用智能視覺裝置初次采集到的圖像一般是彩色圖像,不能直接被智能視覺系統(tǒng)進行目標檢測時所識別,因此需要將彩色圖像轉(zhuǎn)換為灰度圖像,并對圖像進行分割和邊緣檢測。在進行圖像處理時可以采用Roberts算子,該算子可以有效檢測出圖像灰度或圖像中色彩比較突出的部位,通過圖像色彩梯度的變化,來對圖像進行分割和邊緣檢測。假設(shè)利用CCD相機采集雜草得到的圖像色彩分布為一個函數(shù)f(x,y,λx,y),對于一個像素點(x,y),其色彩變化在x,y方向的表達為

(1)

在數(shù)字圖像中,fx、fy可用x、y方向的差分(Δx,Δy)表示,即

(2)

(3)

其中,p、q為階數(shù);s為整個圖像的區(qū)域。

將圖像進行二值化處理后,可得f(x,y)=1,則零界矩m00可以表示為

(4)

零階矩就是圖像目標區(qū)域的面積,其一階矩為

(5)

區(qū)域的質(zhì)心(xc,yc)表示為

(6)

為了使質(zhì)心區(qū)域能夠被更好地識別,可以采用人工聚類分析算法。基本步驟如下:

(7)

其中,Nj為第j個聚類域Sj中所包含的樣本個數(shù)。

將節(jié)點的均值向量作為新的聚類中心,利用聚類準則使函數(shù)值最小,則

(8)

通過人工算法對質(zhì)心位置進行分類后,便可以利用智能視覺對質(zhì)心點位置進行識別,從而得到作業(yè)區(qū)域。整個硬件系統(tǒng)采用自動化控制裝置,總體的框架如圖3所示。

圖3 割草機智能視覺系統(tǒng)硬件基本框架結(jié)構(gòu)Fig.3 The hardware basic framework of intelligent。

vision system for mower

割草機智能視覺系統(tǒng)主要由5部分組成,包括智能視覺處理器、CCD相機采集設(shè)備、伺服控制系統(tǒng)、圖像數(shù)據(jù)存儲器和遠程控制系統(tǒng)。在進行割草區(qū)域目標識別時,首先利用CCD相機對目標作業(yè)區(qū)域的信息進行采集,然后通過光電轉(zhuǎn)換裝置將信號傳送給智能視覺處理器,處理器實現(xiàn)對圖像數(shù)據(jù)的保存、遠程監(jiān)測和伺服控制系統(tǒng)的控制。其中,作業(yè)區(qū)域目標的檢測采用反饋調(diào)節(jié)的方式,其流程如圖4所示。

圖4 目標作業(yè)區(qū)域識別反饋調(diào)節(jié)Fig.4 Feedback regulation of target operating area recognition。

割草機作業(yè)區(qū)域圖像信息采集完成后,利用智能視覺處理系統(tǒng)進行圖像處理,得到質(zhì)心位置;通過對質(zhì)心位置的聚類分析,識別得到作業(yè)區(qū)域,最后進行割草作業(yè)。在進行割草機作業(yè)區(qū)域的識別時,采用了反饋調(diào)節(jié)的方式。當作業(yè)區(qū)域識別失敗時,可以利用反饋調(diào)節(jié)的方式重新進行圖像處理,最終得到作業(yè)目標區(qū)域。

3 割草機器人控制系統(tǒng)測試

為了驗證基于智能視覺和人工算法在割草機器人控制系統(tǒng)上使用的可行性,以不規(guī)則區(qū)域的割草人路徑規(guī)劃為例,對控制系統(tǒng)的路徑規(guī)劃能力進行了測試。農(nóng)業(yè)除草機器人的作業(yè)路徑規(guī)劃如圖5所示。路徑規(guī)劃時,可以將農(nóng)作物田壟作為導航線。與一般的農(nóng)業(yè)除草機器人有所不同,割草機器人的作業(yè)面積一般較大,且作業(yè)區(qū)間并不規(guī)則。

圖5 農(nóng)業(yè)除草機器人路徑規(guī)劃示意圖Fig.5 The path planning of agricultural weeding robot。

在進行路徑規(guī)劃時,除草機器人主要以農(nóng)作物田壟為依據(jù),而割草機器人的作業(yè)區(qū)域較為隨意,并且一般都存在障礙物。為了實現(xiàn)割草機器人的自主路徑規(guī)劃,采用第2節(jié)中的智能視覺系統(tǒng)對路徑進行規(guī)劃,得到的路線結(jié)果如圖6所示。

圖6 割草機器人作業(yè)區(qū)域識別Fig.6 The working area recognition of mowing robot。

圖6中,由于有障礙物存在,因此在進行割草區(qū)域路徑規(guī)劃時首先要對作業(yè)區(qū)域進行區(qū)域劃分。本次以其中的一個區(qū)域為例,通過求取質(zhì)心位置和人工聚類分析算法,成功得到了作業(yè)路徑規(guī)劃線路。

為了驗證基于聚類算法和智能視覺系統(tǒng)的割草機的優(yōu)越性,將其與普通的割草機器人進行了路徑規(guī)劃時間對比,如表1所示。由表1可以看出:采用智能視覺系統(tǒng)的割草機器人規(guī)劃時間明顯縮短,從而提高了作業(yè)區(qū)域的定位效率。

表1 路徑規(guī)劃時間對比Table 1 Time comparison of path planning。

將智能視覺系統(tǒng)割草機器人的作業(yè)區(qū)域識別覆蓋率與其他割草機器人進行了對比,結(jié)果如表2所示。由表2可知:采用人工聚類算法可以明顯提高作業(yè)區(qū)域識別的覆蓋率精度,從而提高割草機器人總體的作業(yè)精度。

表2 覆蓋精確度對比Table 2 The comparison of coverage accuracy。

4 結(jié)論

為了提高割草機器人作業(yè)目標區(qū)域識別的效率和精度,將智能視覺和人工聚類智能算法引入到了機器人控制系統(tǒng)的設(shè)計上。工作時,利用CCD相機采集和轉(zhuǎn)換信號后,通過處理器計算質(zhì)心位置,并對位置進行聚類分析,從而可以有效分解、識別作業(yè)目標區(qū)域,以及進行路徑的規(guī)劃。對控制系統(tǒng)的性能就行了測試,試結(jié)果表明:基于智能視覺和聚類算法的機器人控制系統(tǒng)的效率和精度均較高,可以滿足智能割草機器人控制系統(tǒng)的設(shè)計需求。