基于单目视觉的农业机器人导航系统研究

　　摘要:机器人在农业生产、农产品运输等方面的应用程度，已逐渐成为农业智慧化水平的体现，而受农业环境复杂性的限制，机器人的导航路径规划及定位精度问题，仍是制约农业机器人应用的主要因素之一。为此，设计了一种基于单目视觉的农业机器人导航系统，通过摄像头采集农业机器人工作环境信息，建立机器人的视觉导航地图;采用级联分类器区域检测结合颜色标定的方法，使用户能够根据具体环境，自主规划机器人运动路径，实现机器人的实时定位与导航。实验结果表明:农业机器人沿用户自主规划的无轨道路径，可自动完成导航定位工作，并在路径各目标点获得了亚米级的定位精度，满足农业机器人的应用需求。

　　关键词:路径规划;单目视觉;视觉导航地图;区域检测;颜色标定

　　0引言物联网、人工智能、机器视觉等技术的广泛应用，有效地解决了农业人工成本日益增加问题，加速了农业的规模化发展[1]。其中，农业机器人在农产品种植、管理、采摘及运输服务等方面的应用[2-3]，不仅缓解了农业劳动力不足的问题[4]，还大大降低了农业生产过程中高温、高湿环境对人体的伤害[5]，提高了工作效率。

　　机器人论文范例： 工业机器人产业的发展现状分析及产业对策研究

　　在野外农业机器人通常可以采用GPS实现精准导航与定位，而在农业大棚、农产品仓储等室内环境下，受GPS定位精度大幅下降的影响，农业机器人的应用往往需要室内定位与导航技术的支持。为此，设计了一种基于单目视觉的农业机器人导航系统，通过单目摄像头采集农业机器人工作环境信息[6]，实现了农业机器人的运动路径的用户自主规划、自动定位与导航。

　　1系统结构设计

　　农业机器人导航系统主要包括应用系统主控端与机器人下位机控制端两部分，负责农业机器人的导航 地图建立、路径规划、机器人位置识别及运动状态信息更新等工作，从而保障机器人沿用户自主规划路径移动。应用系统主控端通过摄像头获取农业机器人工作环境图像，建立机器人的视觉导航地图，实现农业机器人的位置识别;根据用户的规划路径及起始位置信息，计算机器人的下一步运动状态信息(方向、姿态、速度等)，并通过网络通信模块将运动状态的控制信息发送至机器人下位机控制端，由下位机控制端实现机器人按用户规划路径运动的控制操作。与此同时，下位机控制端将机器人当前的运行状态信息(方向、姿态、速度等)，通过数据帧反馈至应用系统主控端，以辅助主控端动态修正机器人的运动控制指令。

　　2农业机器人结构设计

　　2.1农业机器人运动模型

　　农业机器人采用3轮全向移动方式，通过3个相互成120°钝角的麦克纳姆轮(Mecanum)构成机器人的底盘移动装置，利用机器人水平运动速度与各运动轮之间的速度分解关系[7]，使得农业机器人能够遵循导航系统主控应用端的指令，沿用户自主规划的路径运动。其中，运动路径由包含起点与终点在内的多个分散目标点构成，主控端动态更新机器人运动的控制指令，以减小机器人运动过程中产生的累积偏差。

　　2.2下位机控制端硬件设计

　　下位机控制端主要负责接收主控应用端的控制指令、机器人运动路径引导、运动差速调控、状态检测等，包括通信模块、微处理器、电源模块、存储模块、电机驱动模块及速度调节模块等。

　　导航定位系统的主控端通过通信模块，将机器人的实时定位信息、运动方向、速度等计算结果，发送至下位机微处理器，由下位机控制速度调节模块、电机驱动模块，调整机器人运动状态[9]。系统采用32位的STM32F103作为下位机微处理器，接收、执行应用系统主控端的命令信息并检测机器人运动状态;微处理器根据命令信息，调节机器人各运动轮的直流电机驱动信号，利用双路PWM信号的不同占空比与电机转速的对应关系，达到控制机器人各运动轮速度的目的。电源模块为机器人下位机控制端的各个模块，提供持续、稳定的工作电压。

　　3农业机器人单目视觉定位与导航

　　农业机器人导航系统利用单目摄像头，获取机器人工作环境的视频序列，构建机器人定位及导航的视觉地图;在视觉地图中对机器人运动状态，进行实时定位与跟踪，并将机器人当前位置的定位结果与用户自定义的路径信息一起，作为机器人动态控制的输入数据，计算得到机器人接下来的运动方向和速度，实现机器人从路径起点到终点的自动导航。

　　3.1单目视觉定位原理

　　机器人自动导航过程中，定位的准确性是评判系统性能的主要指标之一。当导航系统利用单目摄像头采集到农业机器人工作环境图像后，利用透视变换完成三维运行环境的二维图像映射，实现世界坐标系与图像坐标系的转换[10]。此外，考虑到机器人自身的高度问题，系统将机器人的顶部作为标定平面，构建视觉导航地图。

　　3.2农业机器人的定位跟踪

　　实时的位置信息获取是机器人自动导航的关键技术之一[13]，设计的基于单目视觉的农业机器人导航系统，采用了级联分类区域检测结合颜色标定的方法，以实现机器人的实时定位。系统首先通过Adaboost级联分类器，检测机器人的位置区域框，再通过计算框内标定颜色块中心位置，获得机器人的实时定位信息。

　　Adaboost级联分类器的核心是迭代[14]，主要包括离线训练和在线检测两部分。其中，离线训练阶段利用采集到的机器人正、负样本，根据Haar特征生成弱分类器，并将弱分类器按各自的权重联合[15]，形成强分类器，再将各级强分类器级联，生成农业机器人导航系统所需的级联分类器[16];在线检测阶段使用训练生成的级联分类器，实现视觉导航系统内机器人的检测与识别，获得导航地图中机器人的外接矩形框及位置的相关参数值。

　　由于像素坐标下，Adaboost级联分类器在线检测阶段，获得的机器人外接矩形区域大小不固定，若直接以此区域中心为机器人定位坐标，则可能产生较大的误差波动。因此，系统在机器人位置区域检测的基础上，结合颜色块标定法，完成了机器人的识别与跟踪，并以颜色块的中心坐标为机器人的导航定位信息。

　　针对颜色块标定的识别与跟踪，农业机器人导航系统选择了RGB模型，其丰富而广泛的色彩空间，能够较好地满足机器人跟踪过程中因环境、光照引起的颜色变化需求[17-18]。机器人导航系统颜色块标定的识别和跟踪算法步骤如下:1)初始化:根据标定块的颜色、大小，初始化颜色块RGB值及半径阈值r，并以初始RGB值为基准，设置标定块的RGB颜色范围。

　　4实验验证与分析

　　为了验证导航地图精度，在实验室依次测量30个验证点的实际坐标，并在导航地图内计算其相应的坐标值。对比验证点坐标的测量值与计算值得到:导航地图中定位误差的最大值为7cm，最小值为0，平均值为3.2cm;其定位误差小于3cm的累计概率达到60%，定位误差小于6cm的累计概率达到90%以上，较好地满足了机器人应用中的定位需求。此外，实验记录机器人在路径上7个目标点的导航定位坐标计算值及实际测量坐标值，得到机器人在各目标点定位误差的最大值为7.6cm，最小值为4.2cm，平均值为6.1cm。对比导航地图精度验证结果得到:导航定位中机器人在各目标点的定位效果，与导航地图精度亦密切相关，且定位误差仅略大于地图精度误差。

　　5结论

　　基于单目视觉的农业机器人导航系统，利用透视变换完成机器人三维运行环境的二维图像映射，实现了世界坐标系与图像坐标系的转换，建立导航地图。系统选择中心控制方式，由主控端负责机器人运动路径自主规划、位置识别、运动状态更新等计算工作，采用区域检测结合颜色标定的方法，实现了机器人的实时定位与导航。实验验证表明:基于单目视觉的农业机器人导航系统，具有良好的定位精度，满足农业机器人的运行需求。

　　参考文献:

　　[1]兰玉彬，王天伟，陈盛德，等.农业人工智能技术:现代农业科技的翅膀[J].华南农业大学学报，2020，41(6):1-13.

　　[2]王宝梁，索明何，刘大诚.基于开放式结构的多功能农业机器人设计[J].中国农机化学报，2019，40(3):179-184.

　　[3]王飞涛，樊春春，李兆东，等.机器人在设施农业领域应用现状及发展趋势分析[J].中国农机化学报，2020，41(3):93-98，120.

　　[4]闫全涛，李丽霞，邱权，等.小型移动式农业机器人研究现状及发展趋势[J].中国农机化学报，2019，40(5):178-186.

　　作者：赵荣阳1，吴桂云2，梁家海1，王青青1，姜重然2，王斌2

转载请注明来自发表学术论文网：http://www.fbxslw.com/dzlw/27956.html