蒙麗雯，陳世鋒，陳泉成，翟旭磊，韓 冰，熊斯凱，李正強(qiáng)，韋 錦

（廣西大學(xué) 機(jī)械工程學(xué)院，廣西 南寧 530004）

0 引言

綠化樹(shù)木修剪是園林環(huán)衛(wèi)部門的一項(xiàng)經(jīng)常性工作，園林綠化環(huán)衛(wèi)裝備從原來(lái)單一的作業(yè)需求，逐漸開(kāi)始向集作業(yè)、信息化監(jiān)管功能于一體的全方位需求方向發(fā)展，技術(shù)特性上朝智能化、集成化、環(huán)?；?、人性化、數(shù)字化方向發(fā)展[1，2]。

國(guó)外城市綠化苗木修剪養(yǎng)護(hù)主要依靠機(jī)器代替人工完成，機(jī)械化、自動(dòng)化程度較高，并有較多的園林環(huán)衛(wèi)機(jī)械產(chǎn)品投放市場(chǎng)，產(chǎn)品的通用性強(qiáng)，能夠?qū)崿F(xiàn)一機(jī)多用。目前國(guó)外園林環(huán)衛(wèi)機(jī)械通過(guò)引入機(jī)器視覺(jué)、高靈敏傳感器正在朝著高度自動(dòng)化、智能化方向發(fā)展[3]。代表性產(chǎn)品是德國(guó)的Ducker 公司生產(chǎn)的Outrigger 系列多功能修剪機(jī)[4]。近年來(lái)，國(guó)內(nèi)不少研究人員投身于自動(dòng)化園林環(huán)衛(wèi)機(jī)械研發(fā)，并已取得較多成果[5]。詹曉華[6]通過(guò)數(shù)學(xué)建模、數(shù)值分析對(duì)環(huán)衛(wèi)車高壓清洗能力進(jìn)行了研究?jī)?yōu)化；李紅燕[7]對(duì)灑水車自動(dòng)工作模式進(jìn)行了改進(jìn)，提高了設(shè)備的智能化水平；針對(duì)高枝修剪，Li 等[8，9]研究了修剪鋸末端的振動(dòng)抑制控制方法，實(shí)現(xiàn)了修剪鋸末端的快速準(zhǔn)確定位，Zhang等[10]通過(guò)瞬態(tài)動(dòng)態(tài)分析來(lái)預(yù)測(cè)修剪刀片摩擦引起的噪聲。韋和均、李正強(qiáng)[11，12]研究通過(guò)目標(biāo)識(shí)別和圖像點(diǎn)云處理實(shí)現(xiàn)苗木中心的定位。國(guó)內(nèi)也研制出多種園林機(jī)具，但品種尚不齊全，選擇余地較小，和國(guó)外先進(jìn)產(chǎn)品相比，在性能上還存在較大差距。

針對(duì)目前綠籬修剪機(jī)械一般由人工駕駛機(jī)具行駛到待修剪綠籬的附近，以人眼通過(guò)視頻進(jìn)行對(duì)中，通過(guò)人工操作移動(dòng)機(jī)械臂的手部至綠籬的中心位置的上方進(jìn)行修剪作業(yè)，導(dǎo)致工作效率低下的難題。研究自主作業(yè)修剪機(jī)器人的苗木識(shí)別、建圖與對(duì)中技術(shù)，提高修剪裝備的自動(dòng)化和智能化水平。

1 綠籬苗木造型的自適應(yīng)對(duì)中方法

綠籬苗木造型修剪一般有球、柱和錐形等，由于柱形和球形綠籬的水平截面中心近似圓形，因此，綠籬苗木修剪造型的對(duì)中可以看成復(fù)雜環(huán)境下的圓檢測(cè)問(wèn)題?；舴蜃儞Q（Hough transform，HT）圓檢測(cè)是使用最廣泛的一種圓檢測(cè)算法，一般用于檢測(cè)半徑已知且待檢測(cè)圓是規(guī)整圓的情況，但是提取到的綠籬外輪廓一般不完整且與規(guī)整圓差異較大，半徑也不確定，因此基于Hough 原理的圓檢測(cè)算法檢測(cè)效果不佳，未知半徑導(dǎo)致耗時(shí)較長(zhǎng)。隨機(jī)抽樣一致性（RANSAC）可以有效解決最小二乘法受個(gè)別離群值影響的問(wèn)題，但是提取到的綠籬外輪廓經(jīng)常出現(xiàn)許多凹陷，導(dǎo)致均值偏移嚴(yán)重，擬合成的圓往往與綠籬外輪廓差異很大，并且其隨機(jī)性容易導(dǎo)致尋找不到圓擬合的解而導(dǎo)致算法崩潰。輪廓匹配圓檢測(cè)一般以標(biāo)準(zhǔn)圓輪廓為模板，不需要指定圓半徑，通過(guò)調(diào)整匹配度即可檢測(cè)到不同大小的圓輪廓，但綠籬外輪廓并非規(guī)整圓且具有多樣性，只能滿足很低的匹配度，容易導(dǎo)致誤匹配。顏色形狀圓檢測(cè)是先分離不同顏色通道圖像，然后直接根據(jù)像素值范圍進(jìn)行二值化處理，再根據(jù)每個(gè)像素塊與最小外接圓重合度檢測(cè)出每個(gè)顏色通道的圓，最后匯總所有顏色通道圖像檢測(cè)結(jié)果，可以有效檢測(cè)不同顏色的圓，防止出現(xiàn)漏檢，但是綠籬顏色多樣，很難選擇二值化閾值，復(fù)雜環(huán)境下算法運(yùn)行時(shí)間較長(zhǎng)，且對(duì)光照魯棒性差。

針對(duì)以上存在問(wèn)題，通過(guò)研究一種綠籬修剪機(jī)器人的綠籬自適應(yīng)對(duì)中方法，自適應(yīng)對(duì)中的方法如圖1所示，通過(guò)該方法可以使綠籬修剪機(jī)器人的自動(dòng)化、智能化水平大幅度提升，快速準(zhǔn)確實(shí)現(xiàn)修剪機(jī)械手自動(dòng)對(duì)中的功能[13]。

圖1 綠籬自適應(yīng)對(duì)中的方法

自適應(yīng)對(duì)中方法首先通過(guò)單目相機(jī)獲取俯視角度的綠籬圖像，從圖像中提取只含有綠籬信息的矩形圖作為模板。將綠籬圖像和模板轉(zhuǎn)換到同一顏色空間下，在各通道上進(jìn)行直方圖對(duì)比，找到綠籬顯著顏色空間，完成顏色空間的自適應(yīng)選擇，將可以求得綠籬顯著顏色空間的通道作為默認(rèn)分析通道，以綠籬顯著波峰為中點(diǎn)分別向兩邊擴(kuò)大25 得到對(duì)應(yīng)的默認(rèn)閾值區(qū)間，若遇到邊界，則在保證默認(rèn)閾值區(qū)間范圍為50的情況下進(jìn)行平移調(diào)整，確定默認(rèn)閾值區(qū)間；對(duì)綠籬圖像進(jìn)行二值化處理，獲得包含完整綠籬信息的二值圖像之后，根據(jù)二值圖像中所有小白塊的總面積在整幅圖像中的占比（LW_areaR）以及小白塊的數(shù)量（LW_num）來(lái)判斷二值化圖像的效果，獲得包含完整綠籬信息的二值圖像；同時(shí)對(duì)二值圖像進(jìn)行增強(qiáng)處理，將離散的綠籬信息聚合，去除噪聲點(diǎn)。從圖像中獲取綠籬的最小外接圓，根據(jù)最小外接圓計(jì)算得到綠籬中心位置信息。

2 球形綠籬修剪機(jī)的建圖方法

基于多線激光雷達(dá)和單目視覺(jué)建立球形綠籬形狀、位置以及綠籬兩側(cè)護(hù)欄的三維點(diǎn)云地圖。主要包括以下過(guò)程：

（1）采集多線激光雷達(dá)點(diǎn)云數(shù)據(jù)和單目相機(jī)圖像數(shù)據(jù)。對(duì)激光雷達(dá)和單目相機(jī)采取PnP 的方法進(jìn)行外參標(biāo)定，視覺(jué)提取特征點(diǎn)，雷達(dá)提取邊緣，得到相機(jī)與雷達(dá)之間的幾何約束，使用多線激光雷達(dá)和單目相機(jī)對(duì)環(huán)境進(jìn)行掃描讀取點(diǎn)云數(shù)據(jù)和圖像數(shù)據(jù)。

（2）對(duì)點(diǎn)云數(shù)據(jù)和圖像數(shù)據(jù)進(jìn)行預(yù)處理。由于園林綠籬修剪作業(yè)的環(huán)境惡劣，原始點(diǎn)云中存在許多噪點(diǎn)，原始點(diǎn)云的數(shù)量過(guò)多將導(dǎo)致整體效率降低，并對(duì)之后的點(diǎn)云處理以及系統(tǒng)運(yùn)算造成巨大影響，并且降低系統(tǒng)的實(shí)時(shí)性和建圖的準(zhǔn)確性。因此采用Voxel-Grid 濾波器對(duì)點(diǎn)云進(jìn)行降采樣處理，適當(dāng)減少點(diǎn)云數(shù)量，提升效率的同時(shí)，保持足夠的點(diǎn)云數(shù)量。

（3）對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行聚類，然后剔除點(diǎn)云信息較少且對(duì)后續(xù)建圖產(chǎn)生不良影響的聚類簇。由于不確定的環(huán)境因素，綠籬在生長(zhǎng)時(shí)并不會(huì)按照一定的形狀生長(zhǎng)，這就會(huì)導(dǎo)致球形綠籬會(huì)出現(xiàn)形狀不確定的現(xiàn)象，對(duì)于后續(xù)的對(duì)中會(huì)產(chǎn)生一定的干擾，另外雜草以及稀疏葉子等在風(fēng)的作用下并不會(huì)保持在一個(gè)固定的地方，動(dòng)態(tài)物體對(duì)后續(xù)的點(diǎn)云匹配也會(huì)造成不良的影響，所以通過(guò)對(duì)點(diǎn)云進(jìn)行聚類分割，剔除掉對(duì)結(jié)果造成負(fù)面影響的點(diǎn)云數(shù)據(jù)。

（4）利用激光-慣性里程計(jì)與視覺(jué)-慣性里程計(jì)緊耦合的slam 方法進(jìn)行定位和建立三維點(diǎn)云地圖，并去除無(wú)關(guān)點(diǎn)云。由于單一的激光-慣性里程計(jì)或視覺(jué)-慣性里程計(jì)均存在自身缺陷，激光-慣性里程計(jì)對(duì)于特征紋理不豐富的位置時(shí)常產(chǎn)生誤匹配或匹配不上的問(wèn)題，而視覺(jué)-慣導(dǎo)里程計(jì)在光照變化以及天氣惡劣的工況下也可能出現(xiàn)失效的問(wèn)題。因此單一的激光-慣性里程計(jì)或視覺(jué)-慣性里程計(jì)單獨(dú)工作并不能達(dá)魯棒的定位效果，對(duì)兩種里程計(jì)以緊耦合的方式進(jìn)行數(shù)據(jù)融合，聯(lián)合視覺(jué)里程計(jì)約束、激光雷達(dá)里程計(jì)約束等約束因子，對(duì)環(huán)境進(jìn)行感知建圖，采用三維體素網(wǎng)格進(jìn)行保存三維點(diǎn)云地圖。

（5）計(jì)算球形綠籬中心坐標(biāo)，建立三位點(diǎn)云地圖。公路兩護(hù)欄間的距離參照國(guó)家標(biāo)準(zhǔn)，取兩護(hù)欄對(duì)稱中心所在的垂直地面的曲面作為綠籬中心線來(lái)定位綠籬中心位置截面，然后將曲面按一定距離分割形成一段段的平面。將綠籬的三維點(diǎn)云簇垂直投影到上述分割的對(duì)應(yīng)平面，形成二維點(diǎn)云圖，采用隨機(jī)采樣一致方法對(duì)綠籬點(diǎn)云進(jìn)行擬合，通過(guò)一定的迭代獲取最優(yōu)的幾何參數(shù)，得到綠籬冠層模型，得到球形綠籬中心坐標(biāo)并保存各個(gè)球形綠籬中心坐標(biāo)到數(shù)據(jù)庫(kù)中，從而獲得了包含綠籬、護(hù)欄以及綠籬中心坐標(biāo)的輕量化三維點(diǎn)云地圖。

3 結(jié)語(yǔ)

基于多線激光雷達(dá)和單目視覺(jué)的小型綠籬苗木修剪機(jī)器人點(diǎn)云建圖技術(shù)，通過(guò)獲取點(diǎn)云和圖像數(shù)據(jù)，并對(duì)圖像以及點(diǎn)云的處理，建立道路綠籬的幾何中心坐標(biāo)、綠籬輪廓信息以及綠籬兩側(cè)護(hù)欄信息的三維點(diǎn)云地圖，將綠籬和護(hù)欄的幾何參數(shù)傳輸?shù)街行目刂葡到y(tǒng)，控制系統(tǒng)根據(jù)得到球形綠籬中心坐標(biāo)的數(shù)據(jù)庫(kù)以及環(huán)境信息，可以完成機(jī)器人運(yùn)動(dòng)規(guī)劃和單株苗木球面修剪作業(yè)的定位，但該方法僅適用于單株球面造型作業(yè)。基于自適應(yīng)技術(shù)的移動(dòng)作業(yè)過(guò)程的對(duì)中方法，可實(shí)現(xiàn)球、柱和錐形等綠籬苗木的造型修剪作業(yè)。兩種方法都避免人工對(duì)于駕駛修剪機(jī)和對(duì)中綠籬中心的頻繁操作，大幅度提高了作業(yè)效率以及作業(yè)質(zhì)量。