（农业机械化工程专业论文）割草机器人视觉导航与跟踪控制研究.pdf

割草机器人视觉导航与跟踪控制研究 摘要 随着草坪业的发展，割草机器人具有自动驾驶功能，其有着广泛的应用价值。 目前自动割草的方法大多为用电缆将割草区域包围起来，通过传感器测出工作区 域的边界信息。本文采用c c d 视觉传感器检测出草坪与路面的边界，在基于视 觉的基础上对割草机器人进行导航控翩。 识别出草坪与路面的边界是研究的第一步。本文对草坪边界的灰度图像进行 边界识别的过程是：中值滤波处理，最小误差的阀值分割，目标图像的填充，边 界提取，直线拟合。仿真结果表明这些算法能够满足割草机器人导航控制系统的 要求。 跟踪控制技术是割草机器人研究中的另一个关键技术。因而，如何设计出一 种跟踪误差小、动态响应快、能适应多种复杂环境、且具有较好鲁棒性能的控制 系统是十分重要的。本文采用模糊控制中的拟人控制器对割草机器人进行控制。 各种复杂环境下的仿真计算结果表明，该控制系统使割草机器人具备对各种路径 跟踪的能力和抗噪声干扰的能力。 根据对割草机器人的任务要求，设计了边界识别和路径跟踪系统，试验结果 表明，在给定的割草机器人的起始速度为0 5 m s 、c c d 俯仰角为1 8 。、采集频率 为2h z 的情况下，跟踪误差在要求的范围内。 关键诃：割草机器人；边界识别；拟人控制 t h er e s e a r c ho fa nm o w i n gr o b o tb a s e do nv i s u a l n a v i g a t i o na n dt r a c k i n gc o t r o l a b s t r a e t f o l l o w i n gt h ed e v e l o p m e n to fl a w ni n d u s t r y , m o w i n gr o b o th a st h e a b i l i t yt o 出i v ea u t o m a t i c a l l y , a n di t c a l lb ea p p l i e di nm a n yf i e l d s a t p r e s e n tt h em e t h o d so fm o w i n ga l ef o c u s e do nb o u n d a r yi n f o r m a t i o n w h i c hi sd e t e r m i n a t e dw i t has e n s o rw h e nt h eb o u n d a r yi se n c i r c l e db ya c a b l e i nt h i s s t u d yt h eb o u n d a r yb e t w e e nl a w na n dr o a dw a s d e t e r m i n a t e db yc c dv i s u a ls e l ! l s o r , b a s e do nv i s i o nt h em o w i n gr o b o t w a sn a v i g a t i v ec o n t r o l e d a tf i r s tt h eb o u n d a r yb e t w e e nl a w na n dr o a dw a sd i s t i n g u i s h e di n t h i ss t u d y t h ep r o c e s so fm o n o c h r o m ei m a g e p r o c e s s i n gw a sa sf o l l o w s ： m e d i a nf i l t e r , m i n i m a le r r o rt h r e s h o l ds e g m e n t a t e ，f i l li nt h et a r g e ti m a g e 。 p i c ku pb o u n d e r ) , , s t r a i g h tl i n ef i t t h es i m u l a t i o nr e s u l t ss h o wt h a tt h e a l g o r i t h mf i tn a v i g a t i o nc o n t r o ls y s t e mo f t h em o w i n gr o b o l t r a c k i n gc o n t r o li sa n o t h e rk e yt e c h n i q u ea m o n gt h er e s e a r c h e so f m o w i n gr o b o t t h e r e f o r e ，i ti sv e r yi m p o r t a n tt od e s i g nac o n t r o ls y s t e m w h i c hh a st h e f o l l o w i n gc h a r a c t e r i s t i c s ：s m a l lt r a c k i n ge r r o r , q u i c k d y n a m i cr e s p o n s e ，a d a p t a b i l i t y t o c o m p l i c a t e dc i r c u m s t a n c e sa n d r o b u s t n e s sa n ds oo n b a s e do nt h i s ，p e r s o n i f i c a t i o nc o n t r o l l e ro ff u z z y c o n t r o lm e t h o d si sa d o p t e d t h es i m u l a t i o nr e s u l t si nv a r i o u sc o m p l e x c o n d i t i o ns h o wt h a tt h ec o n t r o ls y s t e mh a v et h ec o m p e t e n c eo fp a t h t r a c k i n ga n dr e s i s t i n gr a n d o mn o i s e 。 a c c o r d i n gt om i s s i o nd e m a n do ft h em o w i n gr o b o t ，as y m s t e mo f p a t ht r a c k i n ga n db o u n d a r yr e c o n g n i t i o nw a sd e s i g n e d t h ee x a m i n a t i o n r e s u l t ss h o wt h a tw h e nt h es t a r tv e l o c i t yw a s0 5 m s ，e l e v a t i o na n g l ew a s lg 。，a c q u i s i t i o nf r e q u e n c yw a s2 h z ，t r a c k i n ge r r o rw a sa l l o w a b l ew i t h i n ar a n g e k e yw o r d s ：m o w i n g r o b o t p e r s o n i f i c a t i o n b o u n a r yr e e o n g n i t i o n c o n t r o l l e r 独创性声明 本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研 究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他 人已经发表或撰写过的研究成果，也不包含为获得湖南农业大学或其它教育机构 的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均 已在论文中作了明确的说明并表示了谢意。 研究生签名。气k 强 时问： 乙1 年b 月l 嚣日 关于论文使用授权的说明 本人完全了解湖南农业大学有关保留、使用学位论文的规定，即：学校有权 保留送交论文的复印件和磁盘，允许论文被查阅和借阅，可以采用影印、缩印或 扫描等复制手段保存、汇编学位论文。同意湖南农业大学可以用不同方式在不同 媒体上发表、传播学位论文的全部或部分内容。 ( 保密的学位论文在解密后应遵守此协议) 研究生签名： 丢二寥 名：名磷 i 慨1 年b 月护 日搁：叩年彳月，矿日 第一章前言弟一早月| ji 1国内外研究割草机器人的现状 1 1 研究意义 草坪不仅能美化生活环境，还能减少太阳辐射，调节小气候，净化大气，保 持水土等。据不完全统计，我国5 0 0 个城市的近7 0 万公顷的绿地面积，约有l 7 为绿茵草坪。每年，我国草坪面积增加3 0 以上，草坪业在我国得至h 重视只 是近年间的事情，然而其发展速度之快与科研相对滞后产生了矛盾。割草也成为 了一个巨大的难题i l l ，割草机器人的出现是势之必然。 1 2 国外割草机器人的研究进展 国外从7 0 年代开始就有公司开始研制割草机器人，大多数性能相似，具有 自动割草、防盗、定时启动、自动返航等功能，智能主要体现在避障能力上。低 等智能的避障行为需要人工干预来避开障碍物：中等智能的避障行为表现在自主 地绕开障碍物，但不能完全保证覆盖所有区域，剩余的未割草坪由人工修剪；高 等智能避障行为表现在能够自主地全区域覆盖除障碍外所有的草坪，这种智能正 是目前所研究的目标，现在大多数的割草机器人为中等智能水平i ”。 f r i e n d l ym a c h i n e s 公司( 以色列) 设计的r o b o m o v 割草机器人采用的载 圈1 - 1 以色列的割荜撬器人 f i gl 一1b o w i n gr o b o ti ni s r a e l 体为三轮小车，双后轮独立驱 动，前轮导向( 如图1 1 所示) 。 采用的导航定位方法是用电 缆将障碍物边界事先包围起 来，割草机器人感应到电缆后 返回一段距离并转向为正向 形式，如此以一定策略反复迂 回，遇至4 障碍物后能通过超声 波传感器检测并简单的绕行 过去，但不能保证完全覆盖障 碍物外其他的区域，没有全局 地图的概念，对是否已经割完整块草坪没有感觉”1 。其他类似有专利有 u s 4 6 7 9 1 5 2 ，u s 4 8 0 0 9 7 8 ，u s 3 8 0 0 9 0 2 及法国专利2 6 3 1 4 6 6 ，其中专利u s 4 7 7 7 7 8 5 提供了一种导航新方法即沿未割及已割区域的边缘行走，从而完成导航任务”。 美国专利u s 4 9 1 9 2 2 4 产品采用蓄电池供电，能在预定时间启动，具有避障、 防盗及自动充电等功能，采用三根导线实现导航任务，当遇到下雨、湿地及电源 不足等以外情况时，返回车库，该专利用超声波来探测障碍，用震荡器及密码来 防止非法用户操作机器。 瑞典h u s q v a r n a 公司研制了太阳能割草机。清晨光线充足时，太阳能割草机 就可自动开始工作。它可避开花园中有阴影的地方，等至阴影离开后再回至这一 地区工作。围绕待割草地边界铺设导线，导线产生两种不同频率的信号嘞：一种 是安全信号，只要机器人在圈内，它就可探测至4 这个信号：另一种是接近信号， 机器人离开导线4 0 伽远时，它利甩地下的金属参考标志导航。类似的还有美国 路易斯安那州的室外生产公司生产出的w e e de a t e r 太阳能割草机器人“，可以 在阳光下割草，一旦在割草的草坪边界埋下导线，它便能全自动工作。 ，。 1 3 国内割草机器人的研究进展 国内对于割草机器人的研究发展比较迟，主要是理论方面的研究。南京理工 大学的李杏春硕士设计的移动割草机器人的行走机构与r o b o m o w 类似1 7 j ，采用基 于电缆及涡流传感器的导航方法即用电缆围出工作区域及障碍物的边界，通过涡 流传感器检测出工作区域范匿，从而控制机器人在电缆围出的工作区域范围内工 作。在路径规划当中应用有向图法构造区域模型，即将各个无障碍予区域表示成 一系列的结点，结点问用带有方向的直线段或弧线段连接；采用穿程法覆盖整块 区域，即以一定的搜索方式穿越全部结点区域；障碍通过测距传感器采用“盲人 摸墙”的绕行方法：根据测距传感器测得的障碍物距离，控制割草机器人沿障碍 物边界行走而使其避开障碍物。 到目前为止，明年四月以前国内第一台能实现产业化的智能割草机器人将推 入市场嘲。研发主创人员魏庆前是上海大学数码学院的二年级研究生。这个智能 机器人名为”k a k a m o w e r ，它可以在不确定环境中漫游；可以自动识别周围的环 2 境，遇到人或宠物时会自动绕行；当电量不足时，它会自动寻找自配充电座给 自己充电；遇到有高低落差的地方时，它还会走下坡路或向上爬坡以防跌落 或摔倒：下雨天时，它还会自动躲雨。此前，世界上第一批走进家庭和市场的割 草机器人是以色列的r o b o m o w ，丑翦已逐渐形成一项不小的产业。和 r o b o m o w 相比，这个机器人成本仅为它的1 1 3 ，但性能一点也不落后。 总的来说，实现自动割草的方法目前大多采用电缆将割草区域包围起来，通 过传感器检测出工作区域边界信息，然后以一定的策略控制割草机器人充满工作 区域。本研究的工作是通过c c d 视觉传感器检测出草坪与路面的边界，并基于视 觉的基础上对割苹机器人进行导航跟踪控制，从而减少了割草前在草坪铺设电缆 等前期准备工作，提高割草机器人的通用性和适应性。 2 割草机器人视觉导航跟踪控制系统结构 信号传输o 数据传输 图1 2 割草机器人视觉导航跟踪控制系统结构 + f i g l ，2 订錾k i n g 咖ls y s t e m c o 碰毡m 蚰n o f v i s u a l n a v i 班i o n o f t h e m o w i n g r o b o t 3 边缘检测算法的研究现状 3 1 经典的图像边界提取方法 3 1 1 微分法 传统的图像边缘检测方法大多归结为图像高频分量的增强过程，微分运算自 3 然就成了边界提取的主要手段。从而，人们最早提出了一阶微分边缘算子，如 r o b e r t 算子、s o b e l 算子、p r e w i t t 算子和k i r s h 算子等阻t o ，随即又产生了与 边界方向无关的二阶微分边缘检测算子，即l a p l a c i a n 算予“”1 边界提取的主 要问题是检测精度与抗噪性能之间的矛盾。 3 1 2 拟合法 拟合法就是首先对图像进行某种形式的拟合，从而根据拟合参数求得边界， p r e w i t t 首先提出用曲面拟合方法做图像边界检测“”。这种方法与传统的梯度法 相比具有更高的抗噪声能力。拟合法的实质是利用了图像的统计特性来检测边 界，因而计算量通常很大。但是图像统计量的求取中，常得到很多的中间结果。 这些结果可以直接用于以后的图像分类及景物分析等方面。因而在一些大的视觉 系统中，拟合法常常被采用。 3 2 基于能量最小化为准则的全局提取图像边界方法 3 2 1 松弛法 首先利用简单的基于邻域的边缘检测算子对图像作初始边缘检测，然后再利 用边缘问的空间分布关系来协调和增强初始检验结果，基于松弛技术的边界检测 法是这类方法的典型代表。松弛算法首先是为求联立方程的数值解而提出的， 1 9 7 6 年r o s e n f e l d 首次将松弛法引入图像处理领域“，并提出了一般模型。随 后，松弛法作了进一步的改善和进展，并将其应用于图像分割、模式分类及计算 机视觉等领域。边缘检钡i 问题实质上是确定图像中边缘点和非边缘点的两类别模 式分类问题，由于噪声、畸变等因素的影响，单纯的基于局部灰度信息的边缘分 类方法存在很大模糊性。利用景物边缘的空间分布信息，用这种方法包括人工智 能关于知识表达、自学习和推理等手段作进一步调整的思想已日益引起人们的重 视。 3 2 2 神经网络分析法 边缘检测属于早期视觉处理，从原理上讲更适于用神经网络。目前用于图像 边缘检测的神经网络有很多形式，p o g g i o 提出的正则化边缘检测模型是一个三层 前馈网络。，其价值函数的最小化可用h o p f i d d 网络来求解。对于噪声下的边 缘检测，l u 提出了一种多级神经网络法“，对所检测的象素取5 x 5 邻域，用一 个差分算子( 如s o b e t 算子) 计算各象素梯度大小和方向( 2 4 个梯度值，8 个方 4 向) ，结果送入第一级网络( 对应8 个方向有8 个n n ) 。其目的是根据邻域信息 决定对检测结果增强或抑制，结果送入第二级w m n e r t a k ea l l 网络，由此选出某 一方向存在边缘可能的最大值，并送入第三级判断所选结果与本点梯度阿的相容 性，最终绘出检测结果。这种方法实质上也是将边缘检测过程视为边缘模式的识 别过程，只是在算法实现上利用了神经网络。虽然目前已有的许多算法都可转化 为神经两络实现“”，如当判决价值函数为二次型时，其g u l e r 方程是一阶微分方 程组，可用阻容网络求解，但它们并未反应出神经网络系统的本质，真正的构造 模仿生物视觉系统的特征检测方法还有待进一步的研究。 3 ，3 现代信号处理技术提取图像边缘方法 3 3 1 基于小波与分形理论的边界检测方法 除了l o g 算子外，随着小波理论和分形理论的广泛应用，9 0 年代初期关于小 波理论的多尺度边界检测方法“田和基于分形特征的边界提取方法“竹也相继出现 基于小波理论的边界检测方法园小波理论时频分析的优越性优于一般的传统图 像边界检测方法，它可以检测出图像在不同尺度下的边界特征由于此法不具有 差分运算，抗噪能力较强，同时圆形摸板的选取使算法具有各向同性的特点，性 能较好。但在最小吸收核回值区的确定过程中，仍需采用阀值分解，无法避免噪 声影响。 3 ，3 2 基于数学形态学的图像边界提取方法 数学形态学是是一种非线性的滤波方法，数学形态学对图像的处理是基于填 放结构元素的概念，结构元素的选择和图像的某种信息有密切的关系，构造不同 的结构元素可完成不同的图像分析，并得到不同的结果。数学形态学首先被用来 处理二值图像，后来也被用来处理灰度图像，其最大的特点是能将复杂的形状迸 行分解，并将有意义的形状分量从无用的信息中提取出来。用数学形态学对图像 进行处理一般都要结合传统的图像分析法，由于其出现的时间比较晚，目前还不 是很成熟，但也有一些学者进行着这方面的研究探索，如文献【1 8 】综合应用改进 s o b e l 算子和图像数学形态学方法对医学图像进行目标边界的提取，通过使用最 基本的形态学腐蚀和膨胀方法，得到了较为满意的图像边界结果。 3 3 3 基于小波包分解的图像边界提取方法 基于小波包多分辨率图像边界提取方法是在小波函数对图像分解的基础 5 上发展起来的，小波包变换不仅对图像的低频予带进行分解，还对图像的高频子 带进行分解，选择的小波包尺度越大，小波系列对应的空间分辨率就越低。与小 波分解相比，小波包分解是一种更为精细的分解方法，可以根据信号的特性灵活 地选择分解方式，在各种不同分辨率下对各个子图像进行边界提取工作，尤其对 含噪图像，在提取图像边界时对噪声的抑帛4 效果更好。某些利用小波包变换进行 图像边界检测和分割的研究业已取得了良好的效果，例如运用小波包分解来对纹 理图像进行的分割，使用平衡小波包树方法来对图像进行分割，基于小波 包分解的白细胞胞核边界提取“”等。 4 跟踪控制算法的研究现状 4 1 控制理论的发展过程 关于控带4 理论和技术的发展过程般可分三个阶段阎。如图1 3 所示： 图1 3 控制理论和技术的发展过程 f i g1 3d e v e l o p e dp r o c e s so f c o n t r o | t h e o r ya n dt e c h n o l o g y 第一阶段为“经典控制理论”时期，时间为2 0 世纪4 0 - 6 0 年代。经典理论 主要以拉普拉斯交换为数学基础，系统的基本数学模型是传递函数，主要分析和 综合的方法有b o d e 图法、根轨迹法、劳斯( r o u t h ) 判据、奈奎斯特( n y q u i s t ) 稳定数据、p i d 控制等。经典控制理论虽然广泛应用在许多工程技术领域中， 但也存在着明显的局限性，主要表现在：用于单输入单输出线性时不变系统的经 典控制理论，难以适合处理区域交通智能车辆这样一个复杂的多输入多输出系 统；经典控制只采用外部描述方法讨论控制系统的输入输出关系，面难以揭示车 辆自主导航控制系统内部的特性；经典控制基本上是一种试凑法而不能提供最优 控制的方法和手段等。 第二阶段为“现代控制理论”时期，时间为2 0 世纪6 0 - 7 0 年代。现代控制 6 理论以状态空间模型为基础，研究系统内部的结构，提出可控性、可观测性概念 及一系列分析设计方法，如l o r ( l i n e a rq u a d r a t i cr e g u l a t o r ) 和l o g ( l i n e a r q u a d r a t i cg a u s s i a n ) 最优控制方法、e a l m a n 滤波器方法和极点配置法等。现代 控制理论克服了经典控制的许多局限性，适用于多输入多输出反馈控制系统，可 以实现最优控制规律，针对确定性系统现代控制理论表现出很大的优越性。 第三阶段，时间为2 0 世纪7 0 年代末至今。2 0 世纪7 0 年代末，控制理论向 着两个方向发展，一个方向是“大系统理论”，另一个方向是“智能控制理论”。 “大系统理论”解决实际问题的能力比较弱，没有得到进一步运用。2 0 世纪末， 基于模糊控制、人工神经网络、专家系统等智能控制系统在理论研究和实际应用 方面取得成功进展，许多学者把这些先进控制方法称为先进控带4 理论【”。 4 2 智能控制理论的基本内容【2 5 1 4 2 1 模糊逻辑控制 模糊逻辑控制理论于1 9 6 5 年由扎德教授首先提出。其基本思想是用机器去 模拟人对系统的控制，就是在被控对象的模糊模型的基础上运用模糊控带烯近似 推理等手段，实现系统控制的一种方法。模糊模型是用模糊语言和规则描述的一 个系统的动态特性及性能指标。3 0 多年来，模糊数学及应用发展十分迅速，至 今模糊控制已经成为智能控制的主要组成部分，也是实现智能控制的一种重要而 有效的形式。它的优点是无须建立数学模型；具有较强的鲁棒性；控制的实时性 较好；具有智能性。 4 2 2 神经网络智能控制 神经网络最早的研究是4 0 年代心理学家m c c u l l o e h 和数学家p i t t s 合作提 出的。神经网络控制是简单模拟人脑智力行为的一种新型控制方式和辩识方式。 应用最多的是b p 网络、h o p f i e d 网络、自组织神经网络、动态递归网络等。它 的优点是并行处理功能强、便于多变量系统的控制、具有自适应和自学习的特性 等。 4 2 3 专家智能控制 专家系统是指相当于专家处理知识和解决问题能力的计算机智能软件系统， 专家控制系统不同于离线的专家系统，它不仅是独立的决策者，而且是具有获得 反馈信息并能实时在线控制的系统。它始于6 0 年代中期，它的特点是能自动推 理、不断地监督生产过程等。 7 4 2 4 遗传算法 遗传算法是模拟自然进化过程的一种随机性全局优化方法，具有并行计算、 快速寻找全局最优解等特点，它可以和其他技术混合使用，用于智能控制的参数、 结构或环境的最优控制。 5 本文研究意图及内容 5 1 研究意图 限于基础设施和经济势力的影响，我国在导航与跟踪控制方面的研究与发达 国家有很大的差距，所以对于割草机器人来说，在一定时间内大范围开发、实施 割草机器人的应用还不太现实。但从学科发展以及市场竞争的角度看，超前研究 是很有必要的。针对现有割草机器人研究成果和所存在的不足，本文研究的主要 意图如下： 在基于视觉传感器c c d 的基础上先将割草机器人自动沿着草坪的边界割草 一圈，在行走过程中将行走到的每个坐标用定位系统记录下来，接着用极坐标递 减法( 或递加法) 继续跟踪第二圈，第三圈，甚至第n 圈。在这个导航过程中还会涉 及到避障的问题。 本文的研究部分就是在基于视觉传感器c c d 的基础上将割草机器人自动沿 着草坪的边界割草一圈。涉及到的知识有两大部分：一部分就是图像处理，即对 草坪边界的图像进行边界识别，以边界作为导航标志线，根据导航标志线确定割 草机器人的位置。一部分是控制跟踪，在确定割草机器人针对导航标志线所处位 置的基础上，设计出合适的控制模型，对割草机器人进行实时可靠控制。 5 2 研究内容 ( 1 ) 建立摄像机坐标与机器人坐标的量测模型；对由于俯仰角引起的畸变图像进 行矫正；确定c c d 摄像机安装的合适位置；确定割草机器人的行走方向。 ( 2 ) 在v i s u a lc + + 平台上对各种环境下的草坪边界图像进行边界识别。根据识 别出的边界计算出机器人相对于边界的位置偏差和方向偏差。 ( 3 ) 提出适合于割草机器人跟踪控制的控制算法，在m a t l a b 的环境下对机器人 的控制算法进行仿真，考察在不同速度和不同路径下的路径跟踪能力，并对仿真 结果进行分析。 ( 4 ) 设计边界识别与路径跟踪控制系统。通过实验，记录跟踪误差、检测路径跟 8 踪精度。 ( 5 ) 提出下一步的研究工作。 6 本章小结 本章主要介绍了国内外割草机器人的发展概况，视觉导航与跟踪控制这两个 关键技术问题的研究现状。论述了本课题的研究目的和意义、研究的意图及研究 的主要内容。 9 第二章基于单目视觉的量测模型的 建立及矫正 机器视觉也叫计算机视觉，是智能车辆环境感知系统中最重要的组成部分， 机器视觉能够提供几乎全部驾驶员所需要的驾驶信息，对智能车辆具有十分重要 的意义。尽管在目前硬件和软件技术条件下，机器视觉功能还处于初级水平，但 其潜在的应用价值引起了世界各国的高度重视，发达国家如美国、日本、德国、 法国等都投入了大量的人力物力进行研究，近年来已经在机器视觉的某些方面获 得了突破性的进展，机器视觉在实际车辆上的应用也已初现端倪，在车辆安全技 术、自动化技术等应用中也越来越显示出其重要价值i ”。而用于割草机器人的 视觉传感器c c d 必须要根据实际情况选取合适的摄像机成像模型，选择合适的视 野，选取合适的安装位置，防止图像的变形，否则影响导航的时实性和可靠性。 1 割草机器人的特点 割草机器人与前人研究过的自动引导车不同之处在于： ( 1 ) 跟踪路径不同：割草机器人必须紧紧沿着草坪与路面的边界跟踪，而且绝不 可以走出边界。而高速公路上的自动弓 导车是沿着白线跟踪，并且白线在自动弓 导车的中心。所以我们必须把摄像机贴紧封草祝器人的右侧纵讶面安装。 ( 2 ) 速度不同：割草机器人伴随割草动作，加上草坪的阻力，为了使机器人能够 按一定精度把草坪割漂亮，它的速度肯定比前人研究的自动弓 导车慢得多( 速度 选定见本章第三节) 。 ( 3 ) 行走方向不同：为了让割草机器人可以摆脱路上行人和树影等物体的干扰， 我们根据第三章所讲的边界识别法( 具体见第三章) ，割草机器人只能够紧贴边 界逆时针方向行走，所以摄像机里面的图像总是偏左方为目标图像( 草坪) 。而自 动引导车的行走方向是任意的。 2 摄像机模型和成像变换 2 1 摄像机模型 割草机器人c c d 摄像机的安装及获得的视野如图2 1 所示： i o 图2 1c c d 摄像机的安装及获得的视野 f i g2 1 黜h 1 9 a n dv i e wf i e l do f c c l ) v i d i c o a 由图2 i 所示，c c o 摄像机紧贴割革机器人右侧纵切面安装，在逆时针行走 的过程中，草坪在机器人的左方，路面在机器入的右方。c c d 摄像机所能摄取的 车辆前方的路面区域d f f d 为自动引导车的视野范围。视野参数包括；预瞄距 离a i ，预瞄范围d f f d ，e c d 摄像机的俯仰角，摄像机的镜头中心点到地面 的距离0 f i 。 2 2 成像变换 机器入坐标系z w 和摄像机坐标系x y , z , 的关系如图2 2 所示： 图2 2 机器人坐标系和摄像机坐标系的关系 f i 9 2 20 0 蛐妇o f r o b o tc o o r d i n a t ea n dv i d i c o nc o o r d m a t e 摄像机位于z 轴上方高h 处，倾角为，光轴o z c 位于r , 0z ，平面内，置与 o x 轴平行，参考轨线位于水平地面内，过 点的虚线平面垂直于摄像机,x,or,p 光轴虚线平面与地面之间的夹角为。先算出虚线平面和像平面像素点的关 系。 最常见的变换是几何透视变换，它的特点是随着3 加场景与摄像机之间距离 及摄像机倾角的变化，像平面上的投影也发生变化。摄像机坐标系中任一点的笛 卡尔坐标可以表示为矢量形式1 ： c 斗y 小 为尚 由上式可知：当z 一定时，x 与x 、y 与y 成固定比例关系。 摄像机时，应使摄像机光轴与割草机器人的纵切面处于同一平面。 2 3 图像畸变及恢复 2 3 1 图像畸变的特点 ( 2 1 ) 因此安装c c d 首先看图2 3 ，( a ) 为摄像机平面几乎平行于地平面的成像效果图，( b ) 为摄 像机平面与地平面成一定角度的成像效果图。如图所示： 图2 3 摄像机图像畸变的特点 f i g2 3 仃a i to f i m a g ea b e r r a t i o no f v i d i c o n 地板砖的边缘是构成的非常规则的四边形，所以对边之间是平行的。可以看 出，( a 图畸变很小，在像平面内基本平行。( b ) 图的畸变明显大于( a ) 图的畸变。 可以得出以下结论：畸变随着倾角的变大而交大，当为o 时，无畸变。所以 首先要解决畸变的问题，以免造成机器人因为畸变而偏离跟踪轨迹。 2 3 2 图像畸变的矫正 图像畸变矫正的原理是2 。1 ：从像平面上的任一点p ( x ，y ) ，得到垂直于 主光轴0 b 且与之相交于点b 的物平面朋m 的坐标p7 ( x ”，y ”) ，再得到对应 平d 肝口上的坐标p ( x ，y ) 。这样就完成了对图像畸变的矫正，如图2 4 所示。 d 2 4 ( a ) f 夕 ， 而 2 4 ( b 图2 4 图像矫正示意图 f i 9 2 4s k e t c h m a p o f i m a g er e c t i f i c a t i o n 图2 4 ( a ) 中的d f f l y 为摄像机所摄到的路面区域形状，b 点是d f f d 的对 角线交点，o b o 是主光轴o b 与地面的夹角，是等腰梯形两条边延长线的交 点。g b 垂直o b 于b ，m m 是垂直于主光轴的物平面。图2 4 ( b ) 是d f f d 经摄像机摄取后形成的图像。图像畸变矫正的过程可用下式表示 = 毪筹等黜 = 毪筹箸帮 = 华z “五 k = 毕副五 下标a b ：表示在图2 4 ( a 所示坐标系中的y 轴正半轴区域内的坐标； 下标b c ：表示图2 。4 ( a ) 所示坐标系中y 轴负半轴区域内的坐标； j ，：表示图像的纵坐标； ，：表示图像的横坐标； 见：表示g b 与h 的比值； 五；表示 1 与0 b 的比值； 石：表示b e 与w 的比值； 工：表示线段o b 的长度； 、j l i 冷 叫 柳斟 互 0 0 q ， c r n ：表示主光轴与物平面夹角的余角； ：表示摄像机镜头纵向视角之半； 3割草机器人视野的选择 预瞄范围与车辆行驶速度和车辆控制频率有关。驾驶员在高速行车时会出现 “管视m i ”现象，车速越高，这种现象越明显。割草机器人自主导航时，也会出现 类似现象。该现象是指在预瞄距离很大时，如果摄像机视场角( 包括水平视场角即 图2 1 中的么d o d 和垂直视场角即图2 1 中的么a o c ) 不变，则视野范围急剧 变大，结果造成图像中的有效路径信息急剧减少。如果视场角可变，则视场角应随 着车速的提高而减小。控帛4 频率对预瞄距离和视野范围的影响是控制频率越高， 需要的预瞄范围越小。 根据郭孔辉院士车辆预瞄理论嘲，车速与预瞄距离之间有下述关系 d = v x ( 1 2 - 1 4 ( 2 6 ) 根据这一公式以及驾驶员的经验可得到车辆不同车速时所需的预瞄距离。在1 0 k m h 以下，需要2 5 m 的预瞄距离；在4 0 k m h 左右时，需要l o 2 0 m 的预 瞄距离；当车速达到1 0 0km h 时，需要4 0 8 0 m 的预瞄距离。为适应这些情况， 在设计机器视觉系统时，国外智能车如m a r v e y e 的视觉系统采用了三焦距摄像机 刖( t r i f o c a l c a m e r a ) 。有的视觉系统采用固定焦距的多个摄像机，以得到合适 的视野范围。由于割草机器人的割革过程要求精细、到位，它的速度要求比较慢， 大约是0 5 m s ( 8 k i n h ) 以内。所以在割草机器人上采用的是用云台机构来固定 割草机器人的俯仰角0 。因为自动弓 导车行驶速度小于4 1 0 n l h ，c c d 俯仰角采用 2 0 度，可以得至b 较好的试验效果1 3 2 1 。由于割草机器人的行使速度约为1 8 k m l h ( o 5 m s ) 以内，所以c c d 俯仰角可以在2 0 度以下。 对于同一摄像机，它所摄取的图像像素点数日是一定值。因而对不同大小视 野的图像就具有不同的分辨率。本文所指的分辨率是指单位长度( c m ) 在图像上所 得到的像素个数。图像识别的准确性与其图像分辨率的大小密切相关。不同的路 况需要不同的分辨率。摄像机的分辨率，并不是越高越好。因为草坪与路面有相 当多的噪声，分辨率越高，对噪声的敏感性也越高。因而，对于分辨率的选择要根 据实际情况经试验加以确定。表2 i 所示为不同俯仰角( 2 0 度以下) 对割草机 器人的视野( 单位：c m ) 和线分辨率( 单位：p i x e l c m ) 。 1 4 表2 1 割草机器人不同俯仰角时视野范围及相应的线分辨率 t a b l e2 1v i e wa r e aa n dc o r r e s p o n d i n gl i n ed i s t i n g u i s ho f d i f f e r e n tp i t c h i n go f m o w i n gr o b o t 由表2 1 可知：c c d 在0 - 2 0 度的范围内变化，视野梯形上底线分辨率和纵向 线分辨率逐渐减小，预瞄距离、预瞄面积、下底线分辨率逐渐增大，这反映了路 面在摄得图像中的变形也很大，而且所有的参数只有小范围的变化。 由于视野大小不同时，图像的变形即畸变程度是不同的。为了使图像畸变足 够小、分辨率适当，本文选择18 的视野角度。表2 2 为= 18 ，h = 1 2 c m ， w = 8 c m , e h = 6 6 0 3 c m , d y = 8 6 0 1 c m f f 7 = 6 8 9 5 c m , a c = 6 3 9 1 c m ， g b = 3 0 6 2 c m ，o b = 1 5 8 m 时，任取像平面上的两点，根据( 2 2 ) 一( 2 5 ) 式，得到 的实际物平面d f f d 上这两点的坐标及构成直线的斜率k 表2 2 不同平面上的两点构成的直线斜率的比较 t a b l e 2 2t h es l o p eo f t h es t 嘶g h tc o m p a r i s o no nd i f f e r e n tp l a n e 由表2 2 可知，由于图像受到畸变的影响，中轴偏左的直线斜率偏小，中轴 偏右的直线斜率偏大，越靠近像平面内圆点的坐标产生的斜率畸变越小。根据本 文选择的视野范围、摄像机安装的倾斜角和高度、割草机器人运行速度，可以看 到畸变较小。符合割草机器人割草的要求。 4 实验结果 图2 5 原图像 f i g 2 5 o r i g i n a li m a g e 图2 6 经过畸变校正的图像 f i g2 , 6a b e r r a n c ei m a g eb yr e v i s e d 以上两图是在v c + + 的实验环境中实现的，可以看到经畸变校正的图像斜率 有稍微的改变。 5 本章小结 本章分析了像平面坐标和机器人坐标之间的关系。并对像平面上图像的畸变 进行了矫正。为下一章的图像处理提供了较好的基础。 第三章视觉导航图像的边界识别 1 视觉导航图像的滤波处理 割草机器人c c d 摄像机采集到的草坪边界图像，经过图像采集卡处理后， 将数据传输到计算机处理，在这过程中受到光照变化、镜头的污染、摄像机的抖 动、敏感器材元件的内部噪声和传输通道的干扰等因素的影响，使得获得的边界 图像不可避免的含有噪声成分。为了使处理后的边界图像能够真实的反映鄯草机 器人的实际位置和方向，必须对边界图像进行滤波处理。本章针对割苹机器人导 航控制的实时性要求和草坪边界图像的特点，提出了一种基于空域模板操作的中 值滤波方法。实验证明，草坪边界图像经过滤波处理后，图像质量有有较大的提 高。 1 1 视觉导航图像噪声类型1 3 3 1 根据噪声和信号的关系可以将其分成两种形式：加性噪声和乘性噪声；根据 噪声服从的分布对其进行分类可分为：泊松噪声、颗粒噪声、椒盐噪声等。 1 1 1 加性噪声 加性噪声与图像信号g 似y ) 无关，在这种情况下，含有噪声的图像厂似y ) 可 以表示为 f ( x , y ) = g ( 薯y ) + 疗( 五y ( 3 1 ) 视觉传感器c c d 的光电信号在传输到视频采集卡进行a d 转换的过程中，信 号通道及扫描图像时产生的噪声属于加性噪声。 i 1 2 乘性噪声 乘性噪声与图像信号有关，可以分成两种情况：一种是某像素处的噪声只与 该图像的图像信号有关，另一种是某处像素点的噪声与该像点及其邻域的图像信 号有关。如视觉传感器c c d 的内部噪声和图像信号有关。如果噪声和信号成正比， 则含有噪声图像，( j ，y ) 可以表示为 f ( x , y ) = g ( x ，y ) + 玎b y ) g ( x ，y ) ( 3 2 ) 1 1 3 泊松噪声 泊松噪声一般出现在照度非常小及用高倍电子线路放大的情况下。如视觉传 感器c c d 信号，经视频采集卡进行色空、缩放等变换处理时就会产生泊松噪声。 1 7 1 1 4 颗粒噪声 颗粒噪声可以认为是一白噪声过程，在密集域中是高斯分布加性噪声，而在 强度域中为乘性噪声。 1 1 5 椒盐噪声 椒盐噪声可以认为是传送噪声。图像采集系统得到图像数据，在存储、处理 和识别等连续传输过程中就会产生该类型噪声。 1 2 滤波技术 1 2 1 滤波原理和滤波器 滤波是一种简单而重要的信号处理技术，利用滤波技术可以从复杂的信号中 提取所需要的信号，抑制不需要的信号。 滤波器是一种选频器件或结构州，它对某一频率段的信号给予很小的衰减， 使这部分信号顺利的通过，而对其他不需要的信号进行大幅度的衰减，尽可能阻 止这些信号通过。在图像处理中，滤波器常用来修改或增强图像，以提高图像的 质量。滤波器的工作原理可以借助频域进行分析，其基本特点就是让图像在傅立 叶空间的某个分量受到抑制而让其他分量不受影响，从而改变输出图像的频率分 布，达至滤波的目的。 假设线性系统：“砂= 工( 一 乖 ( 甩) 若h 、，( 力的傅立叶变换存在，则输入、输出的频域关系是 y ( p ) = x ( f ”) 木h ( 1 p )( 3 3 ) l x ( e j 。) ll h ( e ”) i i y ( e y w ) 。 图3 1 滤波原理图 f i g3 1t h e o r yp i c t u r eb ys i e v e d 假设i j ( 1 、p ( ”1 分别如图3 1 ( a ) 、3 1 ( b ) 所示，那么由式( 3 3 ) 可知，i j ，“p ) i 将如图3 i ( c ) 所示。 图3 1 中婢称为截止频率，它是信号通带与阻带的分界频率( 以最小的衰 减通过滤波器的频率范围称为滤波器的通带；被滤波器阻止的频率范厨成为阻 带) 。这样x ( n 通过系统h ( n ) 的结果是使输出y ( n ) 中不含有m 鳞的频率成 分，而埘 是 p ( 力2 最见( z ) + 乞p o ( z ) = 击唧 一剀+ 志唧 一簪 ( 3 4 ) 其中鲍和心分别是背景和目标区域的平均灰度，和分鄹是关于均值的 方差，只和最分别是背景和目标区域灰度值的先验概率。根据概率定义有 p o + p 。= i ，所以混合概率密度p ( = ) 式中只有5 个未知的参数，其可以根据最小均 方差的方法借助直方图得到。p ( z ) 和实测得到的直方图日( z ) 之间的均方误差可 以表示为： 。= 窆 p ( 互) 一日 ) 2 山t = l ( 3 5 ) 式中，l 为直方图的灰度级数，通过最小化这个误差函数就可以确定p ( z ) 的 各个参数。 设儿 。前一种运算称为开运算，后一种运算称为闭运算。开运 算的作用就是能够去除孤立的小点，毛刺和小桥( 即连通两块区域的小点) ，而 总的位置和形状不变。 闭运算的作用就是能够填平小湖( 即小孔 ，弥合小裂缝，而总的位置和形 状不变。因为草坪边界识别的目的首先就是要让目标部分的颜色全部变成0 ，所 以就用到闭运算处理。闭运算的运算符是，a 用b 来作闭运算写作a e b ，其定 义为：a 1 3 = ( a o b ) o b 。如图3 7 为二值图像闭运算过程。 a 1ll ooo 0 00 o 0a oo0 o o0 a o b