陳繼清　強(qiáng)虎　徐關(guān)文　劉旭　莫榮現(xiàn)　 黃仁智

摘? 要： 針對園林噴藥機(jī)器人在綠籬帶、花圃周圍難以自動(dòng)導(dǎo)航的問題，該文提出一種基于Hough變換擬合導(dǎo)航線的方法;利用逐段分解的思想，將彎路分解為多個(gè)近視直路;使用該文改進(jìn)的灰度化因子處理分解后的路段圖像;考慮到機(jī)器人在工作的時(shí)候會有農(nóng)藥或水滴影響圖像質(zhì)量，采用中值濾波強(qiáng)化圖像;為了避免光照不均勻的影響，采用基于局部統(tǒng)計(jì)的可變閾值法二值化灰度圖像;為了加快處理速度，每隔10像素行取一個(gè)采樣行，采用相對白色像素中點(diǎn)的算法求取導(dǎo)航離散點(diǎn)，最后使用Hough變換擬合導(dǎo)航點(diǎn)，提取導(dǎo)航線。實(shí)驗(yàn)結(jié)果表明，該文提出的提取導(dǎo)航線的方法具有穩(wěn)定性好、精度高、算法簡單的優(yōu)點(diǎn)。

關(guān)鍵詞： 噴藥機(jī)器人; 導(dǎo)航線提取; Hough變換; 圖像預(yù)處理; 圖像二值化; 導(dǎo)航離散點(diǎn)

中圖分類號： TN820.4?34? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識碼： A? ? ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2020）20?0183?04

Extraction of Hough transform based navigation line of garden spraying robot

CHEN Jiqing1，2， QIANG Hu1， XU Guanwen1， LIU Xu1， MO Rongxian1， HUANG Renzhi1

（1. College of Mechanical Engineering， Guangxi University， Nanning 530007， China;

2. Guangxi Key Laboratory of Manufacturing System and Advanced Manufacturing Technology， Nanning 530007， China）

Abstract： In allusion to the problem that the garden spraying robot is difficult to navigate automatically around hedgerow and flower nursery， a method of fitting navigation line based on Hough transform is proposed. The curved path is divided into several myopic straight paths by means of the idea of piecewise decomposition， which is processed by using the improved gray scale factor. Considering that there will be pesticides or water droplets affecting the image quality when the robot is working， the median filtering is used to intensify the image. The gray image is binarized by means of the variable threshold method based on local statistics to avoid the influence of uneven illumination. In order to speed up the processing， a sampling line is taken every 10 pixels， the navigation discrete points are calculated by means of the relative white pixel midpoint algorithm， and the navigation points are fitted by the Hough transform to extract the navigation lines. The experimental results show that the proposed method of extracting the navigation line has the advantages of stability， high accuracy and simple algorithm.

Keywords： spraying robot; navigation line extraction; Hough transform; image preprocessing; image binaryzation; navigation discrete point

0? 引? 言

隨著城市的發(fā)展，城市生態(tài)功能卻逐漸下降，嚴(yán)重影響到居民的生活質(zhì)量，隨著酸雨、霧霾等一系列生態(tài)事故的發(fā)生，讓人們意識到了園林綠化的重要性[1];園林綠化在一定程度上可以減弱噪聲對人心理的影響，提高人們的幸福感[2?4]。但是園林的維護(hù)需要很大的成本，尤其是雜草的防治。

在現(xiàn)代園林建設(shè)中，雜草的防治是一項(xiàng)看起來簡單而做起來繁雜的工作，雜草的生長對園林植物生長的好壞和美觀有著非常重要的影響，如果不能很好的防治雜草生長，可能會引起園林原有自然景觀的退化[5?6]。傳統(tǒng)的人工除草效率低，且效果差，人工攜帶噴霧劑噴灑除草劑除草，勞動(dòng)強(qiáng)度大，且對人身體危害極大。根據(jù)急性中毒數(shù)據(jù)，世界衛(wèi)生組織和聯(lián)合國環(huán)境署報(bào)告，全世界每年有100多萬人因除草劑中毒，其中，10萬人死亡。隨著科技的發(fā)展，噴藥機(jī)器人可以替代人類完成這一任務(wù)，而相應(yīng)在噴藥機(jī)器人智能化行走時(shí)，最重要的就是導(dǎo)航線的提取。

任金波等人采用HSV空間的S分量將道路從植物中提取出來作為研究對象，取得很好的提取效果[7];Montalvo等人基于超綠特征值因子2G?B?R和雙Otsu方法，提出一種抗雜草干擾的作物行識別方法[8];任永新等人采用基于一點(diǎn)改進(jìn)型Hough變換由離散導(dǎo)航點(diǎn)擬合導(dǎo)航線直線，提高了計(jì)算速度[9];文獻(xiàn)[10]提出一種基于偏微分方程的方法用來檢測作物行，有效地減弱雜草等干擾;陳嬌等人根據(jù)壟線平行的特點(diǎn)，利用垂直投影法獲取導(dǎo)航離散點(diǎn)，結(jié)合改進(jìn)的Hough變換實(shí)現(xiàn)田間多壟線的識別[11]。

上述方法在一定環(huán)境下都可以將導(dǎo)航線或植物壟線提取出來，但是上述方法不能解決彎路導(dǎo)航線提取的問題，沒有考慮光照不均勻的情況，也沒有將目標(biāo)區(qū)域提取出來，圖像處理時(shí)間長，導(dǎo)航線也沒有均勻的分布在路中間;而本文采用逐段分解的思想，將一段彎路截取為多個(gè)直路段，解決彎路的問題;采用基于局部統(tǒng)計(jì)的可變閾值法解決光照不均勻的問題;結(jié)合垂直投影圖和Hough變換擬合導(dǎo)航路線，為園林噴藥機(jī)器人提供導(dǎo)航路徑。

1? 實(shí)驗(yàn)平臺的搭建及工作流程

本文主要研究噴藥機(jī)器人的導(dǎo)航問題，所以平臺設(shè)計(jì)上不考慮噴藥模塊。實(shí)驗(yàn)平臺的搭建如圖1所示，主要包括主控計(jì)算機(jī)、履帶式車載部分、攝像頭及其支架、STM控制芯片、直流電機(jī)及其驅(qū)動(dòng)器。實(shí)驗(yàn)數(shù)據(jù)主要在平臺Matlab上處理。攝像機(jī)選用大恒圖像的工業(yè)相機(jī)MER?132?43U3C?L，采用USB 3.0傳送數(shù)據(jù)。機(jī)器人圖像處理系統(tǒng)在上位機(jī)，運(yùn)動(dòng)控制系統(tǒng)采用STM32作為主控芯片。圖像處理軟件在Visual Studio平臺下開發(fā)，通過Arm?linux?gcc完成程序的交叉編譯，然后移植至主控計(jì)算機(jī)。

圖形采集模塊對于本文的機(jī)器人系統(tǒng)尤為重要，為了保證圖像采集的速度與質(zhì)量，選擇ZC031P芯片的USB攝像頭。攝像頭對道路圖像進(jìn)行采集，主控制器對輸入的道路圖像進(jìn)行相關(guān)運(yùn)算處理后，提取出導(dǎo)航中心線，然后通過UART串口傳輸導(dǎo)航參數(shù)至小車運(yùn)動(dòng)控制模塊，最后控制電機(jī)運(yùn)行。建立穩(wěn)定可靠的硬件平臺是機(jī)器人能實(shí)現(xiàn)路徑自主導(dǎo)航的基礎(chǔ)，如圖2所示。

2? 圖像預(yù)處理

2.1? 逐段截取與分析

公園花籬和綠籬帶周圍的路況很復(fù)雜，而且彎路居多。本文針對這種情況，采用將彎路逐段截取，“化曲為直”，在簡化路況的同時(shí)，也減少了圖像的處理量，加快了處理速度。本文截取圖像的最后220像素行作為研究對象。

2.2? 圖像的灰度化及濾波

針對機(jī)器人的工作環(huán)境，本文在常用的超綠特征值灰度化因子的基礎(chǔ)上，通過100組灰度化實(shí)驗(yàn)，提出改進(jìn)后的灰度化因子。超綠特征值灰度化因子如式（1）所示，改進(jìn)后的灰度化因子如式（2）所示?？紤]到機(jī)器人在工作的過程中鏡頭可能會有藥滴，本文使用椒鹽噪聲模擬噪聲，并使用中值濾波[12]進(jìn)行增強(qiáng)。

[gray（x，y）=0，? ? ? ? ? ? ? ? ? ? 2G-R-B<0255，? ? ? ? ? ? ? ?2G-R-B>2552G（x，y）-R（x，y）-B（x，y），? ?else ] （1）

[gray（x，y）=G（x，y）-B（x，y），? ? else0，? ? ? ? ? ? ? ? ? ?G

式中：[grayx，y]為灰度化后的圖像;[R]為彩色圖像的紅色分量;[G]為彩色圖像的綠色分量;[B]為彩色圖像的藍(lán)色分量。

2.3? 圖像二值化及形態(tài)學(xué)處理

考慮到機(jī)器人在植物間工作，隨著時(shí)間的不同，光照不均勻會影響圖像質(zhì)量，這時(shí)采用全局閾值處理往往會失敗。本文使用基于局部統(tǒng)計(jì)的可變閾值法來二值化圖像，解決光照不均勻的影響，該方法是基于[（x，y）]鄰域中像素的一種或多種指定特性，在每個(gè)[（x，y）]處計(jì)算一個(gè)閾值，利用標(biāo)準(zhǔn)差和均值來確定局部均值，然后進(jìn)行二值化處理。植物圖像二值化后通常有一些小的孔洞，為了減弱這些孔洞對導(dǎo)航線提取的影響，使用數(shù)學(xué)形態(tài)學(xué)閉運(yùn)算來填補(bǔ)孔洞[13]，如下：

[A·g=（A⊕g）Θg ] （3）

首先使用結(jié)構(gòu)元素g對圖像A膨脹，如下：

[A⊕g=x（g+x）?x≠?] （4）

然后使用結(jié)構(gòu)元素g對膨脹過的圖像進(jìn)行腐蝕，如下：

[BΘg=x（g+x）?A] （5）

2.4? 感興趣區(qū)域的截取與導(dǎo)航離散點(diǎn)的獲取

本文主要研究噴藥機(jī)器人的智能行走，感興趣區(qū)域?yàn)槁访鎱^(qū)域。本文采用垂直投影法來獲取路面區(qū)域，像素垂直投影法是一種簡單的投影方法，可以實(shí)現(xiàn)目標(biāo)的提取，如式（6）所示;本文使用白色像素相對坐標(biāo)中點(diǎn)法來求取道路的導(dǎo)航離散點(diǎn)，如式（7）所示。

[f（i，j）=i=0M-1f（i，j），? j=0，1，2，…，N-1] （6）

式中：[f（i，j）]為二值圖像點(diǎn)[（i，j）]的值0或1;[M]為圖像高度;[N]為圖像寬度。

[x=i=0L-1（xi-L）+j=L+1N（xj-L）K] （7）

1） 首先計(jì)算上文中截取道路圖像的中間像素列坐標(biāo)L;

2） 計(jì)算每一個(gè)采樣行中白色像素的總數(shù)K;

3） 計(jì)算L列兩側(cè)白色像素的相對L的坐標(biāo)點(diǎn)值;

4） 確定導(dǎo)航離散點(diǎn)的坐標(biāo)。

在導(dǎo)航點(diǎn)的過程中，考慮到求取的導(dǎo)航離散點(diǎn)有可能存在極大誤差點(diǎn)，而Hough變換抗干擾性強(qiáng)，可以減弱極大誤差點(diǎn)的影響，提高擬和精度。因此本文采用Hough變換提取導(dǎo)航線。

3? 實(shí)驗(yàn)與分析

實(shí)驗(yàn)在南寧花卉公園進(jìn)行，拍攝圖像大小為640×480。為了驗(yàn)證本文所提方法的實(shí)用性，本文選取其中一張道路情況較為復(fù)雜的圖像作為研究對象，如圖3所示。圖3a）為拍攝彩色圖像原圖;圖3b）為原圖像R，G，B分量圖的垂直投影圖;圖3c）為截取原圖像220行像素的結(jié)果;圖3d）為圖3c）超綠特征值灰度化的結(jié)果;圖3e）為圖3c）使用改進(jìn)灰度化因子灰度化的結(jié)果;圖3f）為圖3d）中值濾波后采用基于局部統(tǒng)計(jì)的可變閾值法二值化結(jié)果;圖3g）為圖3e）中值濾波后采用基于局部統(tǒng)計(jì)的可變閾值法二值化結(jié)果;圖3h），圖3i）分別是圖3f），圖3g）形態(tài)學(xué)處理后的結(jié)果;圖3j）是圖3i）取反后的垂直投影圖;圖3k）是經(jīng)過圖3j）截取結(jié)果;圖3l）是用式（7）求得的導(dǎo)航離散點(diǎn);圖3m）是通過Hough變換擬合的導(dǎo)航線。

由圖3b）可知，道路和兩側(cè)植物的像素值有很大區(qū)別，可以通過直方圖將路面信息提取出來。通過對比圖3d）～圖3i）可知，使用超綠特征值法灰度化圖像，灰度化圖像的效果很好。但是在二值化圖像時(shí)，不能很好地將路面和植物分離開，存在很多孔洞，即使通過形態(tài)學(xué)運(yùn)算也不能將孔洞填充，如圖3h）所示，孔洞較多，這將影響到導(dǎo)航點(diǎn)的計(jì)算精度。但是使用本文改進(jìn)的灰度化因子處理圖像，經(jīng)過基于局部統(tǒng)計(jì)的可變閾值法和形態(tài)學(xué)處理后，道路兩側(cè)植物的孔洞很少，如圖3i）所示。對圖3i）圖像取反，求其垂直投影直方圖，如圖3j）所示，波峰兩側(cè)波谷對應(yīng)的列坐標(biāo)便為道路與植物的邊緣，通過波谷對應(yīng)列坐標(biāo)將道路提取出來，如圖3k）所示，效果很好。由圖3l）可知，通過本文提出的導(dǎo)航點(diǎn)提取算法取得很好的效果，導(dǎo)航點(diǎn)分布在道路中心。圖3m）顯示通過Hough變換擬合導(dǎo)航線，取得很好的效果。擬合機(jī)器人行走路線如圖4所示。

由圖4可知，采用本文方法可以指導(dǎo)機(jī)器人在園林行走。在長達(dá)5 m的試驗(yàn)路導(dǎo)航線擬合的過程中，在有花的道路，導(dǎo)航線稍微偏離中心;其余路段，導(dǎo)航線都很均勻的分布在道路中心。每幅圖像的處理時(shí)間在0.1 s之內(nèi)，可以滿足實(shí)時(shí)性的調(diào)整要求。

4? 結(jié)? 論

本文針對園林噴藥機(jī)器人導(dǎo)航線提取難的問題，提出了基于霍夫變換擬合導(dǎo)航線的方法。該方法精度高，不受光照的影響，且算法簡單對計(jì)算機(jī)的依賴低。通過大量園林道路R，G，B分量圖的垂直投影圖分析發(fā)現(xiàn)：絕大多數(shù)道路的灰度值和道路兩旁植物的灰度值有很大區(qū)別，可以通過投影法將感興趣區(qū)域提取出來。利用逐段提取導(dǎo)航線的方法，將彎路轉(zhuǎn)換為直路，易于導(dǎo)航線的提取，而且也減少了圖像處理量，加快圖像處理速度。針對園林圖像灰度化，本文改進(jìn)了傳統(tǒng)的超綠特征值灰度化因子，使得經(jīng)過改進(jìn)灰度化因子處理的圖像，在二值化后只有少量的孔洞，提高了導(dǎo)航點(diǎn)的求取精度。

參考文獻(xiàn)

[1] 周華鳳.林業(yè)生態(tài)環(huán)境的改善與園林綠化的發(fā)展[J].現(xiàn)代園藝，2018（22）：165.

[2] DZHAMBOV Angel， DIMITROVA Donka. Urban green spaces′ effectiveness as a psychological buffer for the negative health impact of noise pollution： a systematic review [J]. Noise health， 2014， 16（70）： 157?165.

[3] FAN Yang， ZHI Yibao， ZHU Junzhu. An assessment of psychological noise reduction by landscape plants [J]. International journal of environmental research & public health， 2011， 8（4）： 1032?1048.

[4] MA Ben， ZHOU Tiantian， LEI Shuo， et al. Effects of urban green spaces on residents well?being [J]. Environment， development and sustainability， 2019， 21（6）： 2793?2809.

[5] 秦富貞，曹愛霞.園林自動(dòng)噴藥機(jī)器人雜草識別與導(dǎo)航方法探究[J].農(nóng)機(jī)化研究，2019，41（10）：234?237.

[6] 何莎，曾婷，易洪，等.園林綠化中的主要雜草及防除技術(shù)：以湖南為例[J].湖南農(nóng)業(yè)科學(xué)，2016（1）：53?55.

[7] 任金波，郭翰林，洪瑛杰，等.基于ARM Cortex?A8平臺的噴藥機(jī)器人路徑檢測與仿真[J].現(xiàn)代電子技術(shù)，2017，40（22）：156?158.

[8] MONTALVO M， PAJARES G， GUERRERO J M， et al. Automatic detection of crop rows in maize fields with high weeds pressure [J]. Expert systems with applications， 2012， 39（15）： 11889?11897.

[9] 任永新，譚豫之，楊會華，等.基于模糊控制的黃瓜采摘機(jī)器人視覺導(dǎo)航[J].江蘇大學(xué)學(xué)報(bào)（自然科學(xué)版），2009（4）：343?346.

[10] XHAFA F， PATNAIK S， ZOMAYA A Y. International conference on intelligent and interactive systems and applications [J]. Advances in intelligent systems and computing， 2016（17）： 103?112.

[11] 陳嬌，姜國權(quán)，杜尚豐，等.基于壟線平行特征的視覺導(dǎo)航多壟線識別[J].農(nóng)業(yè)工程學(xué)報(bào)，2009，25（12）：107?113.

[12] 劉天輝.車輛視覺導(dǎo)航中道路檢測算法研究[D].沈陽：沈陽工業(yè)大學(xué)，2015.

[13] 王向東.數(shù)字圖像處理[M].北京：高等教育出版社，2013.