高遮擋環(huán)境下玉米植保機(jī)器人作物行間導(dǎo)航研究

劉 路 潘艷娟 陳志健 王玉偉 李亞偉 陳黎卿

(1.安徽農(nóng)業(yè)大學(xué)工學(xué)院， 合肥 230036； 2.安徽省智能農(nóng)機(jī)裝備工程實(shí)驗(yàn)室， 合肥 230036)

0 引言

玉米作為我國(guó)主糧作物之一，后期植保是一項(xiàng)重要環(huán)節(jié)。在玉米植株生長(zhǎng)中后期，植株形態(tài)復(fù)雜，枝葉的相互交錯(cuò)對(duì)可通行區(qū)域的遮擋嚴(yán)重，影響了植保機(jī)器人作物行間自主導(dǎo)航行駛的通過(guò)性[1-3]。因此，玉米作物中后期植保機(jī)器人導(dǎo)航方法被廣泛研究[4]。

目前復(fù)雜環(huán)境農(nóng)作物的三維信息獲取主要有立體相機(jī)、深度相機(jī)和激光雷達(dá)3種方式。其中，立體相機(jī)和深度相機(jī)能夠快速、準(zhǔn)確、高效地獲取作物表征信息，然而在室外光照強(qiáng)烈的環(huán)境中存在相機(jī)過(guò)曝導(dǎo)致感知的信息缺失[5-9]。激光雷達(dá)根據(jù)回波檢測(cè)原理可以獲得精準(zhǔn)的作物點(diǎn)云數(shù)據(jù)，可以直觀地觀測(cè)出物體形狀和結(jié)構(gòu)特征[10-17]。張漫等[18]結(jié)合激光雷達(dá)傳感器對(duì)玉米植株三維點(diǎn)云表面特征進(jìn)行二次濾波處理，通過(guò)點(diǎn)云濾波去除植株表面的無(wú)效噪點(diǎn)，優(yōu)化了三維玉米植株點(diǎn)云的識(shí)別和植株特征提取。ZHANG等[19]通過(guò)多傳感器融合的方式，將二維雷達(dá)與三維雷達(dá)相結(jié)合，進(jìn)行目標(biāo)障礙物的識(shí)別和小型植保機(jī)器人行駛路徑的規(guī)劃。薛金林等[20]利用激光雷達(dá)在無(wú)行距果樹(shù)樹(shù)林中進(jìn)行導(dǎo)航性能測(cè)試，基于激光雷達(dá)獲得的樹(shù)行信息，結(jié)合模糊控制算法進(jìn)行導(dǎo)航路徑計(jì)算。三維激光雷達(dá)受光照的影響小，可以提供作物的三維表征信息，使復(fù)雜高遮擋環(huán)境可通行區(qū)域識(shí)別具有可行性[21-24]。

本文將一種植保機(jī)器人頂端搭載的16線激光雷達(dá)[25-26]作為感知單元，并通過(guò)點(diǎn)云濾波聚類實(shí)現(xiàn)玉米主干區(qū)域識(shí)別并提取機(jī)器人可通行區(qū)域，最終擬合導(dǎo)航線。在激光雷達(dá)獲取玉米植株表型三維點(diǎn)云數(shù)據(jù)基礎(chǔ)上，研究葉片與主干點(diǎn)云地面投影的分布規(guī)律及K-means聚類特性，通過(guò)置信區(qū)間對(duì)聚類獲得中心點(diǎn)進(jìn)行分析，剔除玉米作物行中心分析的離群點(diǎn)，優(yōu)化所識(shí)別的主干區(qū)域，最終實(shí)現(xiàn)高遮擋環(huán)境下可通行區(qū)域的識(shí)別。

1 識(shí)別系統(tǒng)組成與點(diǎn)云樣本

1.1 系統(tǒng)組成

移動(dòng)機(jī)器人由三輪驅(qū)動(dòng)機(jī)器人底盤、VLP-16激光雷達(dá)、工控機(jī)組成，其采集系統(tǒng)硬件平臺(tái)如圖1所示。植保機(jī)器人感知系統(tǒng)配置4GB獨(dú)立顯卡、16GB內(nèi)存、core i7處理器的工控機(jī)，使用VLP-16激光雷達(dá)搭載移動(dòng)機(jī)器人作為傳感器。

圖1 植保機(jī)器人平臺(tái)實(shí)物圖Fig.1 Crop protection vehicle platform1.三維激光雷達(dá)傳感器 2.前輪轉(zhuǎn)向電機(jī) 3.GNSS導(dǎo)航模塊 4.鋰電池 5.底層控制處理器 6.工控機(jī)

大田環(huán)境中，機(jī)器人全局定位采用GNSS導(dǎo)航系統(tǒng)，局部環(huán)境感知主要采用3D激光雷達(dá)。機(jī)械化玉米種植每隔固定距離預(yù)留植保機(jī)器人進(jìn)出約80 cm操作行，機(jī)器人設(shè)計(jì)寬度為60 cm。GNSS導(dǎo)航系統(tǒng)根據(jù)操作行分布，規(guī)劃?rùn)C(jī)器人完整田塊植保作業(yè)行駛路徑，由于GNSS導(dǎo)航系統(tǒng)無(wú)法感知實(shí)際玉米植株位置，并且玉米冠層對(duì)于GNSS信號(hào)遮擋嚴(yán)重，差分信息穩(wěn)定性差，因此玉米壟間導(dǎo)航主要使用3D激光雷達(dá)感知機(jī)器人局部環(huán)境信息，實(shí)現(xiàn)植株局部防碰撞下的導(dǎo)航行駛。

VLP-16激光雷達(dá)有效測(cè)量距離100 m，垂直視場(chǎng)角度為±15°，當(dāng)激光束遇到障礙物時(shí)，反饋距離與坐標(biāo)信號(hào)等信息，激光雷達(dá)工作原理示意圖如圖2所示。機(jī)器人近端被測(cè)玉米植株高度方向信息有丟失，遠(yuǎn)端玉米植株雖然高度方向所獲得信息增加，但由于被近端玉米葉片遮擋同樣會(huì)造成植株形態(tài)信息的殘缺，給感知定位增加了難度。

圖2 雷達(dá)工作原理示意圖Fig.2 Schematic of LiDAR working principle1.三維激光雷達(dá) 2.移動(dòng)機(jī)器人平臺(tái) 3.地面 4.玉米植株

1.2 點(diǎn)云樣本及數(shù)據(jù)分析

玉米植株主干部分點(diǎn)云分布集中，而四周分布比較零散，覆蓋范圍較大，如圖3所示。由于玉米植株枝葉點(diǎn)云交織，中間可通行區(qū)域遮擋嚴(yán)重，可通行操作行中感知到大量點(diǎn)云信息，較難直接獲取空白可通行區(qū)域。機(jī)器人行駛過(guò)程中，由于植株葉片在壟間屬于非剛性障礙，碰撞并不會(huì)造成玉米植株損壞，可以通過(guò)分析玉米主干區(qū)域位置來(lái)限定機(jī)器人行駛邊界，解決植保機(jī)器人可通行區(qū)域的遮擋問(wèn)題。

圖3 數(shù)據(jù)信息采集Fig.3 Data acquisition

2 玉米識(shí)別和聚類

2.1 玉米點(diǎn)云預(yù)處理

圖4 玉米植株點(diǎn)云投影圖Fig.4 Point cloud projection of maize plants

如圖3b所示，激光雷達(dá)所采集的點(diǎn)云中地面、雜草等無(wú)關(guān)點(diǎn)較多。針對(duì)植保機(jī)器人導(dǎo)航路徑需求，僅提取行駛前進(jìn)方向兩側(cè)植株所在區(qū)域點(diǎn)云信息，本文提取的點(diǎn)云為傳感器所在垂直面與前方4.5 m范圍內(nèi)點(diǎn)云。首先，根據(jù)點(diǎn)云下采樣算法不改變點(diǎn)云分布特性，使用體素化網(wǎng)格方法實(shí)現(xiàn)下采樣降低點(diǎn)云密度，減少了數(shù)據(jù)計(jì)算量，達(dá)到精簡(jiǎn)點(diǎn)云目的；再利用隨機(jī)采樣一致性(RANSAC)算法將地面與非地面點(diǎn)云進(jìn)行分割，減少玉米植株聚類的干擾因素。最后基于直通濾波算法對(duì)某一維度進(jìn)行篩選過(guò)濾，實(shí)現(xiàn)空間上分割以提取玉米植株點(diǎn)云區(qū)域，結(jié)果如圖4a所示。通過(guò)預(yù)處理，玉米點(diǎn)云數(shù)據(jù)較好地提取出玉米作物行玉米點(diǎn)云信息，為玉米作物行中心區(qū)域識(shí)別提供了基礎(chǔ)。

2.2 K-means算法提取主干區(qū)域

實(shí)際玉米植株之間存在葉片交叉，清晰分辨出每一株玉米主干的位置較為困難。向地面投影激光雷達(dá)掃描玉米植株獲得的點(diǎn)云，統(tǒng)計(jì)投影面上點(diǎn)數(shù)量。如圖4b所示，靠近激光雷達(dá)處主干區(qū)域垂直方向點(diǎn)更加密集，然而葉片重疊處點(diǎn)云也十分密集；前進(jìn)方向越遠(yuǎn)處點(diǎn)云信息越稀疏，主干區(qū)域點(diǎn)云密度也逐步下降。因此，根據(jù)每株植株點(diǎn)云地面投影云團(tuán)具有主干區(qū)域密集、葉片區(qū)域稀疏特點(diǎn)，通過(guò)垂直投影后點(diǎn)云聚類分類植株點(diǎn)云團(tuán)，并確定聚類中心。

通過(guò)K-means算法對(duì)玉米植株進(jìn)行垂直投影后中心主干聚類。點(diǎn)云集合S中任意點(diǎn)與鄰近點(diǎn)之間的歐氏距離為

(1)

式中xi、yi——點(diǎn)坐標(biāo)值

空間點(diǎn)歐氏距離越小，兩個(gè)數(shù)據(jù)相似度越高。對(duì)玉米植株所產(chǎn)生的點(diǎn)云數(shù)量的估計(jì)設(shè)置k值。對(duì)每個(gè)樣本點(diǎn)計(jì)算到這k個(gè)中心點(diǎn)的距離，將樣本點(diǎn)歸到與之距離最小的那個(gè)中心點(diǎn)的簇。

(2)

式中h——激光雷達(dá)基準(zhǔn)線離地高度

lp——估算的玉米株間距

經(jīng)過(guò)聚類之后k個(gè)聚類的中心點(diǎn)為

(3)

算法的聚類準(zhǔn)則為

(4)

2.3 聚類誤差分析

圖5 玉米識(shí)別與聚類Fig.5 Corn identification and clustering

由于VLP-16型線激光雷達(dá)采集點(diǎn)云密度大，且玉米植株枝葉分布較茂盛，在枝葉遮擋嚴(yán)重或在目標(biāo)沒(méi)有特征的環(huán)境下，存在近端枝葉數(shù)據(jù)點(diǎn)密度大于遠(yuǎn)端枝干數(shù)據(jù)點(diǎn)密度，導(dǎo)致近端聚類中心點(diǎn)分布密度大。如圖5b所示，提取玉米主干的過(guò)程中出現(xiàn)錯(cuò)誤的聚類點(diǎn)，左行第1株玉米點(diǎn)云上出現(xiàn)多個(gè)聚類中心點(diǎn)，使通過(guò)聚類中心點(diǎn)擬合得到的行線與圖5實(shí)際植株行線相比存在較大誤差。

為提高分析精確度，根據(jù)玉米作物成行種植特性引入置信區(qū)間，去除所估計(jì)玉米主干區(qū)域離群的聚類點(diǎn)，以遠(yuǎn)端主干區(qū)域點(diǎn)為參考，去除近端枝葉錯(cuò)誤聚類所得聚類中心點(diǎn)，減少遠(yuǎn)離實(shí)際行線的枝葉中心聚類點(diǎn)對(duì)行線擬合的影響。具體如下：

將每個(gè)點(diǎn)到由聚類點(diǎn)擬合直線y=ax+b的距離Li(a,b)作為樣本，且符合L～N(μ,σ2)。所有聚類點(diǎn)到直線的距離均值為

(5)

式中Li——聚類點(diǎn)到直線的距離

聚類點(diǎn)到擬合直線的距離樣本方差為

(6)

(7)

式中α——顯著性水平

聯(lián)立式(6)、(7)計(jì)算可以得到聚類中心區(qū)域點(diǎn)范圍為

根據(jù)置信上下限對(duì)聚類中心點(diǎn)進(jìn)行區(qū)間劃分，在區(qū)間外的聚類點(diǎn)記為離群點(diǎn)。以圖5中左排玉米為例，根據(jù)實(shí)際需求取置信度為95%。如圖6a所示，虛線外側(cè)圓圈點(diǎn)不在置信區(qū)間內(nèi)，將其去除。

圖6 K-means聚類主干點(diǎn)基于正態(tài)分布的置信區(qū)間Fig.6 Confidence interval of K-means cluster main points based on normal distribution

2.4 導(dǎo)航線規(guī)劃方法

機(jī)器人在已知玉米局部中心區(qū)域基礎(chǔ)上規(guī)劃導(dǎo)航線，主要使規(guī)劃路徑盡可能避開(kāi)玉米主干。本文使用RBF路徑規(guī)劃方法[7]。作物在作物行外的場(chǎng)景如圖7所示，對(duì)比Hough中心線提取和RBF情況下計(jì)算出來(lái)的路徑軌跡。中心線提取的方法雖然導(dǎo)航線在出現(xiàn)秸稈超出作物行時(shí)向左偏移，但是由于車身寬度的原因，車輛與超出秸稈發(fā)生碰撞的概率很大。而使用RBF的方法，在此處有航向角的偏轉(zhuǎn)，使得移動(dòng)植保機(jī)器人順利通過(guò)的幾率明顯增加。

圖7 Hough中心線提取和RBF路徑規(guī)劃Fig.7 Hough centerline extraction and RBF path planning

3 試驗(yàn)

通過(guò)置信區(qū)間優(yōu)化K-means聚類主干點(diǎn)方法，在實(shí)際農(nóng)田作物行中有效識(shí)別出植保機(jī)器人可通行區(qū)域，為更精確分析該方法在多種玉米種植密度下的植保機(jī)器人可通行區(qū)域識(shí)別精度，本試驗(yàn)通過(guò)布置標(biāo)定好行距和株距的玉米植株，模擬真實(shí)場(chǎng)景開(kāi)展精度分析試驗(yàn)。經(jīng)過(guò)調(diào)研，安徽地區(qū)機(jī)械化種植玉米作物的大田每隔5 m或10 m預(yù)留70～80 cm作業(yè)行，種植玉米株間距20～30 cm，布置模擬試驗(yàn)如圖8所示，調(diào)節(jié)行間距與株間距研究不同行間距與株間距對(duì)該方法識(shí)別精度的影響。為更好實(shí)現(xiàn)模擬場(chǎng)景真實(shí)性，試驗(yàn)中調(diào)整傳感器感知高度，使其所采集點(diǎn)云形態(tài)與真實(shí)環(huán)境保持一致，所采集對(duì)比點(diǎn)云如圖9所示。通過(guò)對(duì)比基于K-means聚類獲取的玉米主干定位與模擬植株真實(shí)位置，分析玉米主干定位誤差。

圖8 模擬試驗(yàn)Fig.8 Simulation experiment

圖9 真實(shí)環(huán)境與模擬試驗(yàn)點(diǎn)云對(duì)比Fig.9 Comparison of real environment and test point cloud

模擬試驗(yàn)場(chǎng)景下植株聚類方法定位位置與真實(shí)位置對(duì)比如圖10所示，當(dāng)被測(cè)植株距離雷達(dá)越遠(yuǎn)時(shí)，測(cè)量的玉米主干誤差有所增加。根據(jù)兩側(cè)所求得主干中心區(qū)域，并通過(guò)中心區(qū)域圈定可通信區(qū)域規(guī)劃獲得導(dǎo)航線。通過(guò)對(duì)比，行距70～80 cm寬度內(nèi)變化對(duì)中心區(qū)域識(shí)別誤差影響較小，試驗(yàn)中導(dǎo)航線最大誤差7.67 cm，最小誤差0.6 cm，平均誤差4.1 cm。

圖10 玉米分布結(jié)果對(duì)比Fig.10 Comparison of corn distribution

根據(jù)上述試驗(yàn)方法，調(diào)整玉米行間距與株距，控制植保機(jī)器人在壟間多次行駛采集數(shù)據(jù)，分析植保機(jī)器人在作物行中不同位置的玉米植株主干區(qū)域定位與真實(shí)位置誤差。如圖11所示，選取試驗(yàn)中典型的4個(gè)位置誤差數(shù)據(jù)。如表1所示，近端玉米定位與路徑規(guī)劃誤差小，距離越遠(yuǎn)誤差越大。

圖11 誤差變化曲線Fig.11 Error analysis curves

表1 玉米行間誤差分布Tab.1 Inter row error distribution of corn cm

多次試驗(yàn)結(jié)果表明，采用K-means算法引入置信度來(lái)估計(jì)玉米主干位置，與玉米主干實(shí)際可通行區(qū)域進(jìn)行對(duì)比，X軸方向4.5 m前視范圍內(nèi)平均誤差均保持在±5 cm以內(nèi)，最大誤差為7.67 cm。由于機(jī)器人寬度限制，移動(dòng)平臺(tái)行駛速度與前視距離成正比、與感知規(guī)劃時(shí)間成反比。感知系統(tǒng)3～3.5 m前視距離最大誤差3.55 cm，當(dāng)前系統(tǒng)感知響應(yīng)平均用時(shí)2 s，滿足機(jī)器人設(shè)計(jì)的最大移動(dòng)1 m/s速度需求。誤差來(lái)源主要由于葉片分布不規(guī)則，且玉米葉片面積較大激光雷達(dá)感知點(diǎn)較密集，導(dǎo)致聚類中心受葉片伸展影響較大。作物行間玉米葉片重疊會(huì)影響兩側(cè)植株信息完整性，同樣給玉米主干區(qū)域分析帶來(lái)干擾。除此之外，車載激光雷達(dá)振動(dòng)和傾斜會(huì)造成整體點(diǎn)云的偏移，也會(huì)導(dǎo)致主干區(qū)域整體偏移。

4 結(jié)論

(1)在K-means算法基礎(chǔ)上引入置信區(qū)間優(yōu)化主干區(qū)域聚類結(jié)果，通過(guò)分析機(jī)器人前進(jìn)方向上的玉米植株三維點(diǎn)云數(shù)據(jù)，研究葉片與主干點(diǎn)云地面投影的分布規(guī)律，設(shè)置置信區(qū)間獲取K-means聚類中心點(diǎn)，剔除玉米壟間的離群點(diǎn)，基于此方法提出一種高遮擋環(huán)境下玉米中后期壟間行走小型植保機(jī)器人可通行區(qū)域識(shí)別方法。

(2)近端玉米定位與路徑規(guī)劃誤差小，距離越遠(yuǎn)誤差越大。植保機(jī)器人的設(shè)計(jì)寬度為60 cm，通過(guò)試驗(yàn)，感知系統(tǒng)3～3.5 m前視距離最大誤差3.55 cm，當(dāng)前系統(tǒng)感知響應(yīng)平均用時(shí)2 s，滿足機(jī)器人設(shè)計(jì)的最大移動(dòng)1 m/s速度需求。該誤差基本能使移動(dòng)機(jī)器人保持在80 cm左右寬度作物行內(nèi)正常行駛。

(3)該方法誤差來(lái)源較多，主要由于葉片分布不規(guī)則，且玉米葉片面積較大，激光雷達(dá)感知點(diǎn)較密集，以及作物行間玉米葉片重疊會(huì)影響兩側(cè)植株信息完整性，導(dǎo)致聚類中心受葉片伸展影響較大。此外，車載激光雷達(dá)振動(dòng)和傾斜會(huì)造成整體點(diǎn)云的偏移，也會(huì)導(dǎo)致主干區(qū)域整體偏移。