王紅君　陳慧　岳有軍

摘要：針對(duì)溫室小范圍復(fù)雜作業(yè)環(huán)境中的農(nóng)作機(jī)器人視覺(jué)導(dǎo)航路徑信息的提取方法進(jìn)行研究。該方法首先對(duì)紅、綠、藍(lán)（red、green、blue，簡(jiǎn)稱RGB）顏色空間各分量算子重新組合比較，在HSI（hue-saturation-intensity）色彩空間對(duì)不同光照條件下各分量的均值和標(biāo)準(zhǔn)差進(jìn)行比較，對(duì)圖像的RGB空間的各分量作差得到（G-B）、（R-B）差值圖像，再對(duì)G-B、R-B差值圖像和H分量圖像用最大類間方差法（OTSU）分別進(jìn)行最優(yōu)閾值分割，然后再合并、濾波，將植物從背景中分離，最后用優(yōu)化后的Hough變換進(jìn)行植物行中心線的提取從而確定導(dǎo)航路線。結(jié)果表明，該方法能去除雜草和降低光照條件的影響，很好地適應(yīng)復(fù)雜的溫室環(huán)境，能準(zhǔn)確分割和提取農(nóng)作物行中心線，算法簡(jiǎn)單，實(shí)時(shí)性、魯棒性強(qiáng)。

關(guān)鍵詞：視覺(jué)導(dǎo)航；溫室；顏色空間；圖像分割；路徑信息；Hough變換

中圖分類號(hào)： TN91173文獻(xiàn)標(biāo)志碼：

文章編號(hào)：1002-1302（2017）16-0202-04

收稿日期：2016-04-05

基金項(xiàng)目：天津市農(nóng)業(yè)科技成果轉(zhuǎn)化與推廣項(xiàng)目（編號(hào)：201203060、201303080）。

作者簡(jiǎn)介：王紅君（1963—），女，天津人，碩士，教授，碩士生導(dǎo)師，研究方向?yàn)榱鞒坦I(yè)先進(jìn)控制技術(shù)。E-mail：hongewang@126com。

通信作者：陳慧，碩士，主要研究方向?yàn)殡姎夤こ?。E-mail：403069145@qqcom。

基于機(jī)器人視覺(jué)的自主導(dǎo)航技術(shù)是農(nóng)業(yè)機(jī)器人實(shí)現(xiàn)田間連續(xù)作業(yè)的重要環(huán)節(jié)和基礎(chǔ)，是農(nóng)業(yè)裝備智能化的關(guān)鍵技術(shù)。以機(jī)器視覺(jué)為主的機(jī)器人導(dǎo)航路徑檢測(cè)已經(jīng)成為該領(lǐng)域的研究熱點(diǎn)，目前大部分集中在田間作業(yè)機(jī)器人導(dǎo)航路徑檢測(cè)方面。

溫室設(shè)施和作物密集度大、空間占用率高的特殊性，增加了溫室作業(yè)機(jī)器人路徑檢測(cè)的難度，使溫室環(huán)境視覺(jué)導(dǎo)航研究更具挑戰(zhàn)性[1-3]。針對(duì)光照不均和作物遮擋對(duì)導(dǎo)航路徑檢測(cè)的影響，Lv等提出了基于機(jī)器視覺(jué)的壟間加熱管敏感區(qū)域提取方法對(duì)導(dǎo)航路徑進(jìn)行檢測(cè)[4]；王新忠等提出g、Cr、Cb色彩分量組合的導(dǎo)航線分割方法，實(shí)現(xiàn)了導(dǎo)航信息有效快速識(shí)別[5]；袁挺等采用基于與光照無(wú)關(guān)圖的方法去除陰影干擾，基于圖像分割和優(yōu)化的Hough變換提取作物行中心線。以上文獻(xiàn)雖然不同程度上解決了光照對(duì)導(dǎo)航路徑檢測(cè)的影響問(wèn)題，能很快提取路徑信息但仍然存在不足：Lv等提出的路徑檢測(cè)方法中在2行農(nóng)作物之間都存在路徑標(biāo)識(shí)物，溫室環(huán)境過(guò)于理想化，適用范圍比較局限[4-5]，而袁挺等提出的提取作物中心線的方法并不能清晰分離植物和背景，存在許多噪聲點(diǎn)，影響路徑提取的魯棒性。

針對(duì)溫室小范圍環(huán)境無(wú)任何路徑標(biāo)識(shí)的情況，提出基于RGB和HSI不同顏色空間圖像分割的視覺(jué)導(dǎo)航路徑信息提取方法。首先對(duì)RGB顏色空間各分量算子重新組合比較，并在HSI色彩空間對(duì)不同光照條件下各分量的均值和標(biāo)準(zhǔn)差進(jìn)行比較，用OTSU法對(duì)圖像的（G-B）、（R-B）差值圖像和H分量圖像分別進(jìn)行最優(yōu)閾值分割，初步提取導(dǎo)航目標(biāo)，然后對(duì)各顏色空間的分割圖像進(jìn)行分析、合并，提高識(shí)別準(zhǔn)確率。最后，利用優(yōu)化后的Hough變換對(duì)農(nóng)作物的行中心線進(jìn)行提取，確定導(dǎo)航路線。

1圖像分割

11圖像采集

從攝像機(jī)在溫室內(nèi)拍攝的錄像中截取動(dòng)態(tài)圖，選取45°的拍攝俯視角，距地面高度為05 m，圖像分辨率為400像素×300像素，土壤呈不均勻黃棕色，有大棚、灌溉管、雜草、陰影等，農(nóng)作物存在生長(zhǎng)不均勻的現(xiàn)象（圖1）。

[FK（W10][TPWHJ1tif][FK）]

12色彩空間選取

選擇RGB、HSI等2個(gè)色彩空間。RGB是最常用的彩色信息表達(dá)空間，不須要轉(zhuǎn)化圖片的色彩空間，避免信息丟失和對(duì)原有圖片信息的歪曲[8]。HSI色彩空間中色度（H）表示不同的顏色，飽和度（S）表示顏色的深淺，亮度（I）表示顏色的明暗程度，在HSI顏色模型中，三分量H、S、I具有相對(duì)獨(dú)立性，可分別對(duì)它們進(jìn)行控制，將亮度 I 與反映色彩本質(zhì)特征的2個(gè)參數(shù)色調(diào)H和飽和度S分開(kāi)，對(duì)受光照條件影響大的采集圖像可以避免I量[9]。本研究用經(jīng)典方法實(shí)現(xiàn)從RGB色彩空間到HSI色彩空間的轉(zhuǎn)換，如公式（1）所示。

13基于RGB和HSI色彩空間的彩色圖像分割

本研究提出基于RGB和HSI色彩空間的彩色圖像分割方法，如圖2所示。

131RGB色彩空間的圖像灰度化

在RGB色彩空間對(duì)R、G、B分量的灰度圖像進(jìn)行重新組合，選用組合算子（R-G）、（R-B）、（G-R）、（G-B）作為特征量進(jìn)行代數(shù)運(yùn)算。經(jīng)處理發(fā)現(xiàn)，（R-B）灰度圖像的灰度值對(duì)農(nóng)作物和土地區(qū)分不明顯，如圖3所示。（G-R）灰度圖像在很好地識(shí)別出農(nóng)作物的同時(shí)，有效地濾除了雜草和大棚背景，但不能全部識(shí)別出生長(zhǎng)不均勻處的農(nóng)作物，對(duì)植物信息保留不完整，增加了農(nóng)作物幼苗被濾除的可能性，如圖4所示。而（R-G）、（G-B）灰度圖像保留的農(nóng)作物細(xì)節(jié)比較完整，也較為清晰地保留了灌溉管，且對(duì)農(nóng)作物和背景的區(qū)分也很明顯，如圖5、圖6所示。因此本研究選取（R-G）、（G-B）的灰度差值圖像作為在RGB空間圖像分割的輸入。

132HSI色彩空間的分量提取

本研究采用的是小范圍溫[CM（25]室環(huán)境，必然會(huì)伴隨光照不均（機(jī)器人的農(nóng)作時(shí)間點(diǎn)不同和天氣變化等情況）、陰影等問(wèn)題。在同一位置、不同時(shí)間點(diǎn)、不同光照條件下拍攝4張圖像并對(duì)其在HSI色彩空間各分量的均值和標(biāo)準(zhǔn)差進(jìn)行計(jì)算，拍攝時(shí)間為08：00、10：00、12：00、14：00，如圖7、圖8所示。

由圖7可以看出，在08：00—14：00隨著光照強(qiáng)度的變化，H分量、S分量的均值基本不變，而I分量的均值變化明顯，隨著光照強(qiáng)度的增強(qiáng)而增大，波動(dòng)幅度較大；由圖8可以看出，在光照條件變化的情況下，H分量的標(biāo)準(zhǔn)差變化很小，而S分量、I分量的標(biāo)準(zhǔn)差隨著光照強(qiáng)度的變化波動(dòng)較為明顯。

綜上所述，本研究在HSI色彩空間里只考慮其中的H分量，從而降低光照條件的影響，強(qiáng)化了圖像處理時(shí)對(duì)農(nóng)業(yè)溫室環(huán)境的針對(duì)性。

133圖像分割方法

基于RGB和HSI色彩空間提出的圖像分割方法包括在RGB空間對(duì)（R-G）、（G-B）差值圖像和在HSI空間對(duì)H分量分別用OTSU最大類間方差法選取最佳閾值，將圖像二值化。

OTSU法是一種使類間方差最大的自動(dòng)閾值方法，是在最小二乘法原理的基礎(chǔ)上推導(dǎo)得出最佳閾值的求取方法，具有簡(jiǎn)單、處理速度快的特點(diǎn)，是一種常用的閾值選取方法[10]。對(duì)不同類型的物體，如果灰度值或其他特征值差別很大，此方法能有效地對(duì)圖像進(jìn)行分割[11]。但是，在用OTSU法進(jìn)行圖像分割時(shí)，圖像的灰色直方圖必須呈現(xiàn)雙峰的形式，在彩色圖像中，須要考慮如何利用顏色信息來(lái)獲得對(duì)分割有效的直方圖[12]。

本研究在RGB顏色空間中對(duì)（R-G）、（G-B）差值圖像取反后發(fā)現(xiàn)，農(nóng)作物目標(biāo)明亮而土地背景灰暗，能很好地區(qū)分農(nóng)作物目標(biāo)和土地背景，并且與在HSI色彩空間的H分量的灰度直方圖都呈現(xiàn)雙峰型，所以選用OTSU法來(lái)進(jìn)行自動(dòng)閾值分割。

OTSU法首先根據(jù)初始閾值把圖像分為2類，然后計(jì)算這2類之間的方差，更新閾值，重新計(jì)算類間方差，滿足類間方差最大時(shí)的閾值即為所求最佳閾值[11]。具體過(guò)程[11-14]如下：

（1）假定一幀農(nóng)作物圖像f（i，j）的灰度分為k級(jí)，灰度值i的像素?cái)?shù)為ni，像素總數(shù)為N=∑[DD（]ki=1[DD）]ni，求出圖像中的所有像素的分布概率Pi=ni/N；

（2）給定一個(gè)初值Th=Th0，將圖像分為前景C1和背景C2類，前景C1={1，2，…，Th}，背景C2={Th+1，Th+2，…，k}；

（3）根據(jù)公式計(jì)算2類圖像的方差δ1、δ2，灰度均值μ1、μ2，以及總體灰度均值μ。

（6）將Th從0到255循環(huán)，分別計(jì)算C1和C2的類間方差，當(dāng)方差最大時(shí)對(duì)應(yīng)的Th為最佳分割的閾值Th+。

134圖像合并與濾波

在RGB色彩空間，先將（R-G）和（G-B）反差圖像分割后的圖像作數(shù)學(xué)運(yùn)算，再將其與HSI色彩空間H分量上分割后的圖像作數(shù)學(xué)運(yùn)算，經(jīng)過(guò)反復(fù)的濾波試驗(yàn)，最終確定用中值濾波對(duì)合并后的圖像進(jìn)行處理，取得最佳分割效果。

14分割結(jié)果與分析

本研究提出在RGB顏色空間對(duì) （G-B）、（R-G）的差值圖像和在HSI顏色空間對(duì)H分量用OTSU法分別進(jìn)行最優(yōu)閾值分割，最后再合并、濾波。圖9是在RGB色彩空間直接用OTSU法直接分割的圖像，沒(méi)有達(dá)到植物與背景分離的效果，圖像效果比較雜亂；圖10是在RGB顏色空間（R-G）反差圖像的分割圖像，農(nóng)作物可以跟背景分離且對(duì)細(xì)節(jié)保留較為完整，但存在噪聲點(diǎn)較大等不足；圖11是在RGB顏色空間（G-B）反差圖像的分割圖像，濾除了雜草和大棚，但對(duì)農(nóng)作保留并不完整且存在噪聲；圖12是在HSI顏色空間H分量上的分割圖像，濾除了灌溉管信息，存在少量噪聲；圖13是利用本研究方法得到的分割結(jié)果，比單純?cè)赗GB色彩空間用OTSU法分割效果要明顯很多，比（R-G）、（G-B）的差值圖像和H分量分割的效果更好，既能有效濾除雜草和噪聲影響，又能準(zhǔn)確分離農(nóng)作物和背景。

從上述分割結(jié)果可以看出，本研究提出的分割方法能很清[CM（25]晰地將農(nóng)作物從土地和大棚背景中分離出來(lái)，對(duì)農(nóng)作物的[CM）]

缺失處、生長(zhǎng)不均衡處、灌溉管和一些必要的細(xì)節(jié)保留很完整，對(duì)背景和雜草濾除很干凈，去除噪聲、植物的陰影、光照不均等影響，分割效果較為理想，能準(zhǔn)確識(shí)別農(nóng)作物并且很好地適應(yīng)農(nóng)業(yè)溫室的復(fù)雜環(huán)境。

2導(dǎo)航線檢測(cè)

21Hough變換提取導(dǎo)航線

經(jīng)過(guò)圖像分割、合并和濾波，圖像中農(nóng)作物和灌溉管顯示為黑色，土壤、大棚均為白色。農(nóng)作物行基本匯集在一個(gè)不規(guī)則的長(zhǎng)條狀內(nèi)，可以提取農(nóng)作物行的中心線為導(dǎo)航線，作為農(nóng)業(yè)溫室機(jī)器人導(dǎo)航的標(biāo)準(zhǔn)線，確定機(jī)器人的姿態(tài)[4-6]。對(duì)農(nóng)作物中心線的提取常用Hough變換，該算法抗干擾能力強(qiáng)，受噪聲和作物行內(nèi)斷裂的影響小，可靠性高、魯棒性強(qiáng)，適合于農(nóng)業(yè)機(jī)器人視覺(jué)導(dǎo)航中的導(dǎo)航路徑提取問(wèn)題。但傳統(tǒng)Hough變換是一種窮盡式搜索，導(dǎo)致算法復(fù)雜性很高，且峰值點(diǎn)檢測(cè)常出現(xiàn)誤檢測(cè)問(wèn)題，處理時(shí)間長(zhǎng)，無(wú)法滿足在溫室小范圍內(nèi)實(shí)時(shí)性的要求，故必須對(duì)傳統(tǒng)變換進(jìn)行優(yōu)化處理。

本研究所采集的圖像視野范圍較遠(yuǎn)，為滿足機(jī)器人在行走過(guò)程中導(dǎo)航的實(shí)時(shí)性和準(zhǔn)確性，只對(duì)圖像的下半部分進(jìn)行處理，縮短了處理時(shí)間。采用優(yōu)化的Hough變換來(lái)提取農(nóng)作物的行中心線。Hough變換包括將笛卡爾坐標(biāo)空間中的直線變換到極坐標(biāo)空間中，由于y=kx+b形式的直線方程無(wú)法表述x=c斜率無(wú)窮大形式的直線[15]，因此，對(duì)任意方向和任意位置直線的檢測(cè)，往往采用極坐標(biāo)（ρ，θ）作為變換空間，極坐標(biāo)方程可寫成：

[JZ（]ρ=xcosθ+ysinθ。[JZ）][JY]（8）

在實(shí)際計(jì)算過(guò)程中，為求出（x，y）平面所構(gòu)成的直線段，對(duì)分割后的圖像進(jìn)行細(xì)化處理，根據(jù)圖像尺寸確定Hough變換參數(shù)空間的大小，將ρ、θ參數(shù)空間離散化為許多單元，每1個(gè)單元是1個(gè)累加器，并分配內(nèi)存；以2°為θ的步長(zhǎng)，對(duì)圖像中每一個(gè)目標(biāo)（xi，yi）點(diǎn)，將θ的量化值代入ρ=xicosθ+yisinθ，計(jì)算出對(duì)應(yīng)的ρ，所得結(jié)果值落在某個(gè)單元內(nèi)，使該單元的累加器加1，獲得參數(shù)空間累加器；對(duì)參數(shù)空間進(jìn)行中值濾波，去除噪聲點(diǎn)。峰值檢測(cè)尋找10個(gè)最大值點(diǎn)，根據(jù)導(dǎo)航路徑方位角比導(dǎo)航偏移誤差重要的特點(diǎn)，通過(guò)導(dǎo)航路徑方位角統(tǒng)計(jì)判斷峰值檢測(cè)的正確性，得出最能代表導(dǎo)航路徑的最優(yōu)峰值點(diǎn)，最后根據(jù)檢測(cè)到的峰值點(diǎn)在圖像中繪制出農(nóng)作物的行中心線[15]。

22導(dǎo)航線提取結(jié)果分析

在預(yù)先知道區(qū)域形狀的條件下，利用優(yōu)化后的Hough 變換可以方便地得到植物的中心線而將不連續(xù)的像素點(diǎn)連接起來(lái)。其主要優(yōu)點(diǎn)是受噪聲和曲線間斷的影響較小，這對(duì)農(nóng)田環(huán)境中檢測(cè)機(jī)器人跟蹤路徑非常有效。采用優(yōu)化后的Hough變換對(duì)農(nóng)作物行導(dǎo)航圖像進(jìn)行處理，提取出農(nóng)作物的行中心，然后對(duì)行中心線去均值得出導(dǎo)航路線（圖14）。

[FK（W14][TPWHJ14tif][FK）]

圖像大小為400像素×300像素，由于植物生長(zhǎng)不均勻而且分為左右2列，須對(duì)左右2列分別進(jìn)行中心線的提取，目標(biāo)點(diǎn)偏多，大約用了65 ms的處理時(shí)間，比傳統(tǒng)的Hough變換所用時(shí)間大概縮短了2/5。在溫室內(nèi)拍攝的錄像中截取20幅圖像進(jìn)行處理，正確的識(shí)別率可以達(dá)到95%，優(yōu)化的Hough變換算法大大減少了運(yùn)算量，處理時(shí)間滿足了視覺(jué)導(dǎo)航實(shí)時(shí)性要求。

3結(jié)論

本研究針對(duì)溫室小范圍復(fù)雜環(huán)境中的農(nóng)作機(jī)器人的視覺(jué)導(dǎo)航方法進(jìn)行研究，提出溫室環(huán)境路徑信息提取的方法并進(jìn)一步做試驗(yàn)驗(yàn)證。結(jié)果表明，本研究提出的分割方法效果比較好， 并且算法較為簡(jiǎn)單，可降低光照不均等影響，能將圖像快速分割，并準(zhǔn)確識(shí)別導(dǎo)航目標(biāo)；采用優(yōu)化的Hough變換能迅速準(zhǔn)確提取植物行中心線，能有效去除噪聲和農(nóng)作物行缺失的影響。隨機(jī)在溫室內(nèi)拍攝的錄像中截取20幅圖像進(jìn)行處理，正確的識(shí)別率可以達(dá)到95%。從檢測(cè)效果來(lái)說(shuō)，利用優(yōu)化后的Hough變換檢測(cè)農(nóng)作物中心線再取均值，確定導(dǎo)航路線是成功的，魯棒性強(qiáng)。

參考文獻(xiàn)：

趙洲，朱新華，何穎，等 機(jī)器人在溫室中的應(yīng)用研究[J] 農(nóng)機(jī)化研究，2015（1）：238-241

王福娟 溫室環(huán)境視覺(jué)導(dǎo)航路徑的識(shí)別[J] 農(nóng)機(jī)化研究，2010，32（6）：83-86

[3]Wang J，Sugisaka M Study on the effective visual navigation for an alife mobile robot[C] Beijing：International Conference on Mechatronics and Automation，2011：2211-2215

[4]Lv H M，Dong J W The designation of robot exhibition system based on visual navigation[C] Shanghai：4th International Congress on Image and Signal Processing，2011：1992-1995

[5]王新忠，韓旭，毛罕平，等 基于最小二乘法的溫室番茄壟間視覺(jué)導(dǎo)航路徑檢測(cè)[J] 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2012，43（6）：161-166

[6]袁挺，任永新，李偉，等 基于光照色彩穩(wěn)定性分析的溫室機(jī)器人導(dǎo)航信息獲取[J] 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2012，43（10）：161-166[HJ172mm]

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

[8]Liu Z，Chen W，Zou Y，et al Regions of interest extraction based on HSV color space[C] Beijing：10th International Conference on Industrial Informatics （INDIN），2012：481-485

[9]Smith A R Color Gamut Transform Pairs[J] ACM Siggraph Computer Graphics，1978，12（3）：12-19

[10]王婷婷 基于顏色空間的圖像分割方法研究[D] 濟(jì)南：山東師范大學(xué)，2014

[11]Liu Z，Chen W，Zou Y，et al Salient region detection based on binocular vision[C] 7th IEEE Conference on Industrial Electronics and Applications，2012：1862-1866

[12]尹建軍，王新忠，毛罕平，等 RGB與HSI顏色空間下番茄圖像分割的對(duì)比研究[J] 農(nóng)機(jī)化研究，2006（11）：171-174

[13]楊璟，朱雷 基于RGB顏色空間的彩色圖像分割方法[J] 計(jì)算機(jī)與現(xiàn)代化，2010（8）：147-149

[14]劉瓊，史諾 基于Lab和YUV顏色空間的農(nóng)田圖像分割方法[J] 國(guó)外電子測(cè)量技術(shù)，2015（4）：39-41

[15]安秋 農(nóng)業(yè)機(jī)器人視覺(jué)導(dǎo)航系統(tǒng)及其光照問(wèn)題的研究[D] 南京：南京農(nóng)業(yè)大學(xué)，2008