金 李， 高何璇， 高曉陽(yáng)*， 李紅嶺， 楊 梅， 賈尚云 張 旭， 唐渲運(yùn)

(1.甘肅農(nóng)業(yè)大學(xué)機(jī)電工程學(xué)院，甘肅 蘭州 730070；2.甘肅省葡萄與葡萄酒工程學(xué)重點(diǎn)實(shí)驗(yàn)室，甘肅 蘭州 730070；3.甘肅省干旱生境作物學(xué)重點(diǎn)實(shí)驗(yàn)室，甘肅 蘭州 730070；4.蘭州銀行網(wǎng)絡(luò)金融部，甘肅 蘭州 730000)

我國(guó)是園藝作物大國(guó)之一，水果生產(chǎn)具有良好的經(jīng)濟(jì)價(jià)值。目前大多數(shù)果園種植都使用人工巡檢，人力資源耗費(fèi)巨大。目前農(nóng)村勞動(dòng)力大量流失，研究開(kāi)發(fā)果園監(jiān)控機(jī)器人就顯得十分必要[1，2]。隨著國(guó)家大力推動(dòng)農(nóng)作物生產(chǎn)全程機(jī)械化，促進(jìn)農(nóng)業(yè)裝備技術(shù)持續(xù)升級(jí)，迫切需要研究農(nóng)業(yè)機(jī)械的自動(dòng)行駛以及導(dǎo)航技術(shù)，以提高農(nóng)業(yè)生產(chǎn)效率。

近年來(lái)世界各國(guó)在整地耕作、播種施肥、除草施藥、采摘收獲等作業(yè)領(lǐng)域的農(nóng)業(yè)機(jī)器人研究越來(lái)越多，其實(shí)現(xiàn)自動(dòng)行駛的關(guān)鍵在于導(dǎo)航技術(shù)，其中全球定位系統(tǒng)(GPS)、機(jī)器視覺(jué)導(dǎo)航[3，4]、慣性導(dǎo)航、地磁導(dǎo)航以及激光雷達(dá)導(dǎo)航[5]等都已經(jīng)得到研究和應(yīng)用。國(guó)外農(nóng)業(yè)機(jī)器人的研究起步較早，MKPatel[6]等開(kāi)發(fā)了農(nóng)藥噴灑機(jī)器人，將實(shí)際生產(chǎn)環(huán)境通過(guò)建圖實(shí)現(xiàn)導(dǎo)航，完成機(jī)器人移動(dòng)噴藥。Ball[7]等研究開(kāi)發(fā)了田間機(jī)器人的障礙識(shí)別和導(dǎo)航系統(tǒng)。JM Bengochea-Guevara[8]等設(shè)計(jì)了一款監(jiān)控巡檢機(jī)器人，通過(guò)相關(guān)傳感器采集作物生長(zhǎng)信息，采用導(dǎo)航技術(shù)對(duì)作業(yè)區(qū)域巡檢。在國(guó)內(nèi)，劉婷婷[9]等提出將電渦流傳感器加入收割機(jī)的自動(dòng)駕駛導(dǎo)航系統(tǒng)，通過(guò)傳感器獲取距離，實(shí)現(xiàn)導(dǎo)航功能。邢永友[10]提出將GPS技術(shù)加入農(nóng)田導(dǎo)航，融合羅盤(pán)等傳感器達(dá)到精準(zhǔn)導(dǎo)航。藥林桃[11]等設(shè)計(jì)了一款采用了RTK-GPS的自動(dòng)導(dǎo)航系統(tǒng)，可以在作業(yè)區(qū)域內(nèi)提供路徑規(guī)劃。趙榮陽(yáng)[12]等設(shè)計(jì)了一種基于機(jī)器視覺(jué)的導(dǎo)航系統(tǒng)，搭載的高清攝像頭采集工作區(qū)域數(shù)據(jù)建立地圖，實(shí)現(xiàn)全局路徑規(guī)劃以及定位導(dǎo)航。袁紅斌[13]等融合激光雷達(dá)與機(jī)器視覺(jué)技術(shù)，可準(zhǔn)確識(shí)別障礙物并控制機(jī)器人跟蹤導(dǎo)航。薛金林[14]等采用融合基于激光雷達(dá)的導(dǎo)航模式，滿足果園田間機(jī)器人的運(yùn)輸和避障導(dǎo)航要求。

本文研究開(kāi)發(fā)了一款適用于果園道路的機(jī)器人自主行駛及視覺(jué)導(dǎo)航系統(tǒng)，探索了自主行駛道路信息獲取和路經(jīng)規(guī)劃，進(jìn)行了視覺(jué)圖像的分割識(shí)別和道路導(dǎo)航線的提取實(shí)驗(yàn)，并進(jìn)行了軟件仿真實(shí)驗(yàn)。

1 機(jī)器人平臺(tái)構(gòu)建

果園監(jiān)控機(jī)器人平臺(tái)如圖1所示，其自主行駛及視覺(jué)導(dǎo)航系統(tǒng)包含Jeston nano主控制板、STM32底盤(pán)控制板、RPLIDAR S2激光雷達(dá)、Astra深度相機(jī)、慣性計(jì)量單元(IMU)等模塊，可實(shí)現(xiàn)道路信息采集、路徑規(guī)劃、運(yùn)動(dòng)系統(tǒng)控制以及建圖與導(dǎo)航避障功能。

圖1 監(jiān)控機(jī)器人平臺(tái)

1.1 硬件結(jié)構(gòu)及軟件系統(tǒng)

考慮到果園道路相對(duì)平坦坑洼較少，開(kāi)發(fā)的果園監(jiān)控機(jī)器人平臺(tái)的硬件參數(shù)如表1所示，以滿足在運(yùn)行平穩(wěn)性、實(shí)際運(yùn)行速度以及通過(guò)性等方面的實(shí)際要求。

表1 監(jiān)控機(jī)器人平臺(tái)的基本參數(shù)

機(jī)器人平臺(tái)的行駛動(dòng)力來(lái)自于后輪搭載的兩個(gè)MD60直流有刷電機(jī)，減速器降低電機(jī)轉(zhuǎn)速增加扭矩驅(qū)動(dòng)機(jī)器人運(yùn)動(dòng)。驅(qū)動(dòng)系統(tǒng)由一塊22.2 V 20 000 mAh的電池提供電力。

機(jī)器人軟件系統(tǒng)采用了基于LINUX的ROS[15]操作系統(tǒng)，PC端搭載Ubuntu系統(tǒng)，選用Python和C++編程語(yǔ)言。ROS系統(tǒng)的分布式進(jìn)程利于開(kāi)發(fā)使用，眾多開(kāi)發(fā)包可以實(shí)現(xiàn)田間機(jī)器人的自主行駛、路徑規(guī)劃以及導(dǎo)航避障功能。ROS系統(tǒng)支持分布式主從通信，以節(jié)點(diǎn)的方式運(yùn)行，可以將實(shí)時(shí)定位以及導(dǎo)航等數(shù)據(jù)回傳到PC，利用PC端Ubuntu系統(tǒng)實(shí)現(xiàn)數(shù)據(jù)處理并顯示。

監(jiān)控機(jī)器人平臺(tái)的主控制器采用英偉達(dá)的Jeston nano開(kāi)發(fā)板，搭載有NVIDIA Maxwell GPU，滿足機(jī)器人自動(dòng)行駛時(shí)的數(shù)據(jù)處理需求。通過(guò)搭載的視覺(jué)傳感器采集道路信息，經(jīng)過(guò)圖像處理后提取出導(dǎo)航線實(shí)現(xiàn)機(jī)器人導(dǎo)航。依據(jù)搭載的激光雷達(dá)繪制的道路地圖對(duì)道路上障礙物做出及時(shí)躲避。田間監(jiān)控機(jī)器人總體框圖如圖2所示。

圖2 監(jiān)控機(jī)器人總體框圖

1.2 底盤(pán)轉(zhuǎn)向系統(tǒng)

本文機(jī)器人是基于曲柄搖桿的阿克曼轉(zhuǎn)向結(jié)構(gòu)，通過(guò)控制器發(fā)出偏轉(zhuǎn)角度的PWM信號(hào)驅(qū)動(dòng)舵機(jī)帶動(dòng)舵盤(pán)，舵盤(pán)再通過(guò)機(jī)械傳動(dòng)控制兩個(gè)前輪進(jìn)行轉(zhuǎn)向。

轉(zhuǎn)向系統(tǒng)包含轉(zhuǎn)向舵機(jī)，舵盤(pán)以及相應(yīng)的機(jī)械傳動(dòng)裝置。根據(jù)機(jī)器人實(shí)際運(yùn)行要求，數(shù)字舵機(jī)的扭矩選為8 N·m。

1.3 機(jī)器人的自動(dòng)導(dǎo)航

機(jī)器人的自動(dòng)導(dǎo)航選擇采用視覺(jué)導(dǎo)航與激光雷達(dá)[16]導(dǎo)航相結(jié)合的雙模式導(dǎo)航。由于全球衛(wèi)星導(dǎo)航系統(tǒng)(GNSS)造價(jià)昂貴，并且導(dǎo)航精度容易受到干擾，尤其不適用于偏遠(yuǎn)地區(qū)。而機(jī)器視覺(jué)依靠色彩對(duì)比度來(lái)得到果園田間的邊界點(diǎn)和線等信息，使用圖像處理算法提取出機(jī)器人的導(dǎo)航線，更適用于路面信息相對(duì)簡(jiǎn)單的果園道路導(dǎo)航作業(yè)。加之激光導(dǎo)航的測(cè)量精度高，距離遠(yuǎn)，使用激光雷達(dá)可將周?chē)鷱?fù)雜的道路信息預(yù)先建圖保存，在機(jī)器視覺(jué)導(dǎo)航受到干擾的轉(zhuǎn)角等路段，利用保存的路網(wǎng)信息修正機(jī)器人定位及導(dǎo)航。

激光導(dǎo)航系統(tǒng)采用激光雷達(dá)，測(cè)量半徑達(dá)30 m，采樣頻率32 000次/s，精度誤差低于±5 cm。視覺(jué)導(dǎo)航采用Astra系列深度相機(jī)采集果園道路圖像，性能參數(shù)為1 280×720@30 FPS。

2 自主行駛的道路信息采集與路徑規(guī)劃

2.1 道路信息獲取

果園面積較大，植株間距集中，機(jī)器人進(jìn)入作業(yè)環(huán)境，需要在運(yùn)動(dòng)過(guò)程中不斷提取周?chē)矬w的特征，并且將其在地圖中繪制出來(lái)，在不斷獲取新地標(biāo)的同時(shí)修正存儲(chǔ)的地圖模型，實(shí)現(xiàn)環(huán)境建圖以及同步確定自身定位。因此，監(jiān)控機(jī)器人首先采集道路地圖信息，進(jìn)而對(duì)道路行駛做出全局路徑規(guī)劃。本研究選用手動(dòng)控制機(jī)器人平臺(tái)在果園道路行進(jìn)，利用配置的激光雷達(dá)以及視覺(jué)系統(tǒng)采用slam(Simultaneous Localization and Mapping，同步定位與地圖構(gòu)建)算法采集田間道路信息并建圖保存。道路采集建圖過(guò)程中將道路的點(diǎn)云信息提取，獲得道路網(wǎng)絡(luò)結(jié)構(gòu)，并儲(chǔ)存在控制系統(tǒng)。本文實(shí)驗(yàn)地為甘肅武威市威龍有機(jī)莊園種植基地，研究區(qū)域的路面信息如圖3所示，該果園為典型的大面積果樹(shù)種植，田間行駛道路經(jīng)過(guò)人為修整，路面寬度2～2.5 m，坡度小于10°。

圖3 研究區(qū)域路面信息

slam算法通常包含信息獲取、前端、后端優(yōu)化以及建圖。后端優(yōu)化分為基于濾波器和基于圖優(yōu)化?；诹Ｗ訛V波的Gmapping算法是將建圖與定位分離，適用于面積較小且計(jì)算量較小的室內(nèi)。而基于圖優(yōu)化的Cartographer算法依靠激光雷達(dá)獲取數(shù)據(jù)，支持在二維或者三維下建圖。Cartographer算法的原理框圖如圖4，包括數(shù)據(jù)獲取、前端的局部slam和后端的全局slam。體素濾波器的基本原理是調(diào)用體素濾波，如果體素濾波后點(diǎn)數(shù)大于閾值，則返回，如果小于閾值，則接著使用二分法進(jìn)行體素濾波。

圖4 Cartographer原理框圖

如圖4所示，數(shù)據(jù)采集信息主要包括激光雷達(dá)信息、里程計(jì)信息、慣性測(cè)量單元信息等。激光雷達(dá)掃描點(diǎn)云數(shù)據(jù)通過(guò)體素濾波器降低采樣率，并提取出有用的物體特征。慣性測(cè)量單元(Inertial Measurement Unit)數(shù)據(jù)與里程計(jì)數(shù)據(jù)進(jìn)入姿態(tài)外推器，對(duì)行駛路線做運(yùn)算，推演位置信息，將數(shù)據(jù)傳輸?shù)綊呙杵ヅ洵h(huán)節(jié)匹配出最優(yōu)位置。體素濾波器的濾波公式1為：

(1)

前端即局部路徑規(guī)劃，數(shù)據(jù)經(jīng)過(guò)系列處理后進(jìn)入前端，利用ceres庫(kù)對(duì)接收到的數(shù)據(jù)做掃描匹配，將眾多柵格點(diǎn)的概率進(jìn)行雙三次樣條插值處理，建立如下公式2所示的方程，獲得具有最高概率的位置地點(diǎn)。

(2)

Msmooth(x)為一個(gè)柵格函數(shù)x由臨近的柵格值計(jì)算得到平滑函數(shù)值，hk代表包含激光掃描點(diǎn)的臨近柵格，Tξ為向量轉(zhuǎn)換矩陣，ξ為偏移向量(ξx，ξy，ξθ)T。通過(guò)前端優(yōu)化以及運(yùn)動(dòng)濾波器濾波后，建立最優(yōu)位置的子地圖。子地圖通過(guò)激光雷達(dá)逐幀掃描獲得，掃描柵格可能占用所建地圖中任一像素點(diǎn)。像素點(diǎn)更新公式如下式3和式4所示

(3)

其中p為發(fā)生的概率，odds(p)為比值。

Mnew(x)=clamp(odds-1(odds(Mold(x))
·odds(Phit)))

(4)

phit為未被觀察到的像素點(diǎn)的分配的擊中概率。采集的數(shù)據(jù)經(jīng)前端處理再經(jīng)回環(huán)檢測(cè)及后端處理后建成全局地圖。

2.2 全局路徑規(guī)劃

機(jī)器人在果園道路自主行駛時(shí)，在建立的全局地圖范圍內(nèi)，選取一定數(shù)量的位置點(diǎn)后就能依靠全局路徑規(guī)劃[17]獲取對(duì)應(yīng)的行駛路線。機(jī)器人的路徑規(guī)劃使用ROS系統(tǒng)中的movebase功能包，該功能包包含傳感器數(shù)據(jù)采集、局部路徑規(guī)劃以及全局路經(jīng)規(guī)劃，總框圖如圖5所示。

圖5 Movebase框架圖

利用全局代價(jià)地圖來(lái)實(shí)現(xiàn)全局路徑規(guī)劃，本文采用耗時(shí)較少的深度優(yōu)先的Astar算法，推算出目標(biāo)點(diǎn)與機(jī)器人間的路經(jīng)，滿足機(jī)器人行進(jìn)中的路徑規(guī)劃和不間斷運(yùn)行。

3 監(jiān)控機(jī)器人的視覺(jué)導(dǎo)航

由于田間道路無(wú)車(chē)道輔助線、路面邊界模糊，在圖像分割及導(dǎo)航線提取時(shí)，這些不規(guī)則的圖片將影響圖像處理效率，首先需要通過(guò)試驗(yàn)挑選出符合實(shí)驗(yàn)標(biāo)準(zhǔn)的道路圖片，對(duì)收集到的圖片做統(tǒng)一化處理，像素設(shè)置為800*600；并根據(jù)道路是否彎曲和是否有陰影干擾分為常規(guī)道路、彎曲道路、干擾道路三類(lèi)數(shù)據(jù)。本文選用將聚類(lèi)分割算法與HSV空間閾值分割算法相融合的果園道路識(shí)別[18]方法，并提取道路中心點(diǎn)進(jìn)行擬合獲得機(jī)器人運(yùn)動(dòng)導(dǎo)航線。

3.1 RGB和HSV顏色空間

RGB顏色空間[19]是最為常見(jiàn)的顏色空間模型，以紅、綠、藍(lán)三元色作為基礎(chǔ)，通過(guò)三種顏色疊加，形成豐富的顏色效果。為了能提高系統(tǒng)適應(yīng)性，強(qiáng)化道路的特征信息，縮減圖像處理的數(shù)據(jù)量，以常規(guī)道路為例，采用MATLAB軟件將采集的道路圖像提取RGB顏色空間下R、G、B分量圖如圖6所示。HSV顏色空間是一種生活中常見(jiàn)的顏色系統(tǒng)，包含色相(H)、飽和度(S)、色調(diào)(V)更加符合人們對(duì)于顏色的描述。

圖6 RGB空間分量

3.2 聚類(lèi)算法

K-Means聚類(lèi)算法[20]，是一種常見(jiàn)的無(wú)監(jiān)督學(xué)習(xí)方法，它是將相似的對(duì)象歸到同一個(gè)簇中，使得同一個(gè)簇內(nèi)的數(shù)據(jù)對(duì)象的相似性盡可能大，同時(shí)不在同一個(gè)簇中的數(shù)據(jù)對(duì)象的差異性也盡可能地大。即聚類(lèi)后同一類(lèi)的數(shù)據(jù)盡可能聚集到一起，不同數(shù)據(jù)盡量分離。K-Means聚類(lèi)算法的簇?cái)?shù)k需要實(shí)驗(yàn)確定，本研究針對(duì)常規(guī)道路、彎曲道路以及陰影道路進(jìn)行不同k值試驗(yàn)，結(jié)果如圖7所示，當(dāng)K=4時(shí)對(duì)路面的分割效果最好。

圖7 K-Means聚類(lèi)分割

3.3 HSV空間閾值分割

利用聚類(lèi)算法對(duì)道路信息進(jìn)行分割，當(dāng)聚類(lèi)數(shù)K=4時(shí)，道路與周?chē)h(huán)境差距明顯，效果最好，但還未將有用的道路完全從圖中剝離。因此，將RGB顏色空間轉(zhuǎn)換為HSV顏色空間，通過(guò)閾值分割的方法將道路徹底分割。如圖8為HSV顏色空間下不同分量圖。

圖8 HSV顏色空間分量

通過(guò)HSV顏色空間不同分量所示，V分量中道路信息的區(qū)分度明顯高于H分量以及S分量。故本研究在對(duì)道路圖像分割時(shí)，先將RGB顏色空間轉(zhuǎn)成HSV顏色空間并提取其中V分量圖像。圖像閾值分割結(jié)果直觀且容易實(shí)現(xiàn)，本文采用灰度閾值法獲得合適的分割閾值來(lái)實(shí)現(xiàn)路面的最終分割。

圖像閾值T的數(shù)學(xué)函數(shù)運(yùn)算如下式：

T=T[x，y，p(x，y)，f(x，y)]

(5)

x，y分別代表像素點(diǎn)的橫坐標(biāo)和縱坐標(biāo)，p(x，y)代表像素點(diǎn)的局部特性，f(x，y)代表像素點(diǎn)的灰度值。

經(jīng)過(guò)閾值化的圖像定義為：

(6)

通過(guò)對(duì)圖像中所有像素點(diǎn)進(jìn)行掃描匹配，根據(jù)像素點(diǎn)與設(shè)定閾值T的大小比較，將其標(biāo)記為目標(biāo)或背景實(shí)現(xiàn)圖像的分割。道路圖像的V分量轉(zhuǎn)換成直方圖如圖9所示，利用雙峰法[21]，當(dāng)閾值K=30時(shí)，可實(shí)現(xiàn)完整分割，圖10為V分量閾值分割圖像。

圖9 灰度直方圖

圖10 V分量圖像

3.4 去噪

分割后的圖片仍存在噪點(diǎn)，需要對(duì)圖像進(jìn)行形態(tài)學(xué)濾波[22]以及連通域處理，更好的把道路信息提取出來(lái)。形態(tài)學(xué)濾波中，使用7×7的結(jié)構(gòu)元素一次對(duì)采集的道路信息進(jìn)行開(kāi)運(yùn)算和閉運(yùn)算。去除圖像信息中的小孔，修補(bǔ)斷裂的輪廓線。接著選擇4鄰接對(duì)圖像檢測(cè)標(biāo)記，擬合描繪出大輪廓曲線，進(jìn)而得到完整的道路圖像。如圖11為去噪后實(shí)際效果。

圖11 去噪效果圖

3.5 導(dǎo)航點(diǎn)提取

圖像分割處理獲得果園道路與環(huán)境背景分開(kāi)的圖像，但機(jī)器人實(shí)際運(yùn)行時(shí)需要可量化的行駛導(dǎo)航線來(lái)指導(dǎo)行駛。由于Hough檢測(cè)面對(duì)曲折道路時(shí)實(shí)時(shí)性差，本系統(tǒng)提出對(duì)機(jī)器人視覺(jué)攝像頭采集區(qū)域進(jìn)行分塊處理，并求取中心點(diǎn)標(biāo)記在圖像中作為導(dǎo)航點(diǎn)，如圖12所示。

圖12 導(dǎo)航點(diǎn)提取圖

xm=(∑mi，xi)/(∑mi)

(7)

ym=(∑mi，yi)/(∑mi)

(8)

其中：xi，yi是坐標(biāo)點(diǎn)，m是坐標(biāo)點(diǎn)數(shù)量。

4 建圖與導(dǎo)航仿真實(shí)驗(yàn)

4.1 建圖避障仿真

為了提高實(shí)際研究開(kāi)發(fā)效率，采用Gazebo仿真工具對(duì)所構(gòu)建的機(jī)器人平臺(tái)進(jìn)行試驗(yàn)仿真。為使測(cè)試系統(tǒng)接近實(shí)際環(huán)境，通過(guò)Gazebo軟件建立仿真實(shí)驗(yàn)，設(shè)置果園監(jiān)控機(jī)器人的URDF(統(tǒng)一機(jī)器人描述文件)，并且設(shè)置對(duì)應(yīng)的慣性參數(shù)及各種屬性，調(diào)節(jié)機(jī)器人平臺(tái)的傳動(dòng)控制模型，調(diào)用軟件中控制器模塊。接著利用仿真軟件中Build editor插件手動(dòng)生成機(jī)器人運(yùn)動(dòng)模型，調(diào)用基于圖優(yōu)化的Cartographer算法文件，通過(guò)信息采集得到用于驗(yàn)證的地圖模型。對(duì)系統(tǒng)中move_base功能包節(jié)點(diǎn)關(guān)系進(jìn)行配置，指定機(jī)器人的初始位姿以及目標(biāo)點(diǎn)位姿，最后啟動(dòng)系統(tǒng)。通過(guò)模擬傳感器采集信息，構(gòu)建環(huán)境與障礙物地圖文件，實(shí)現(xiàn)路徑自動(dòng)規(guī)劃與避障功能。仿真過(guò)程如圖13所示。

圖13 仿真過(guò)程

4.2 視覺(jué)導(dǎo)航實(shí)驗(yàn)

為了驗(yàn)證道路導(dǎo)航中線提取的有效性以及分析與實(shí)際道路信息的偏差，將常規(guī)道路、彎曲道路以及陰影道路三類(lèi)道路圖片傳入MATLAB軟件，在圖像中的路面上繪制同等間距的分割線，如圖14所示。通過(guò)中心點(diǎn)公式求取相應(yīng)分割塊中心點(diǎn)的虛擬坐標(biāo)，并且利用相機(jī)標(biāo)定把中心點(diǎn)虛擬坐標(biāo)轉(zhuǎn)變成實(shí)際屏幕坐標(biāo)。將實(shí)際的道路中心點(diǎn)連成的線與軟件擬合成的虛擬導(dǎo)航線對(duì)比分析偏差，如表2所示。

圖14 路面分割圖

表2 道路中心點(diǎn)擬合坐標(biāo)與實(shí)際坐標(biāo)的誤差分析

續(xù)表2

由表2可知，擬合道路和實(shí)際道路偏差小于4%，精準(zhǔn)度較好。

5 結(jié)果與討論

(1)本文使用英偉達(dá)公司的Jeston 開(kāi)發(fā)板為機(jī)器人主控制器，通過(guò)RPLIDAR S2激光雷達(dá)、視覺(jué)攝像頭以及慣性測(cè)量單元采集信息，利用ROS分布式系統(tǒng)和基于圖優(yōu)化的Cartographer算法搭建了果園監(jiān)控機(jī)器人的自主行駛系統(tǒng)和基于機(jī)器視覺(jué)的行駛導(dǎo)航系統(tǒng)。對(duì)機(jī)器人進(jìn)行建圖避障仿真及視覺(jué)道路導(dǎo)航線提取測(cè)試，結(jié)果表明該系統(tǒng)性能優(yōu)良，可實(shí)現(xiàn)果園道路行駛和導(dǎo)航功能。

(2)提出了聚類(lèi)算法和HSV顏色空間閾值分割算法相結(jié)合的果園田間道路分割方法，并采用形態(tài)學(xué)濾波及連通域處理分割后的圖像噪點(diǎn)，獲得完整的道路圖像。

(3)通過(guò)機(jī)器視覺(jué)提取果園田間道路中心導(dǎo)航線。對(duì)攝像頭采集的道路圖像閾值分割后進(jìn)行分塊操作并標(biāo)記中心點(diǎn)，利用多項(xiàng)式操作對(duì)中心點(diǎn)擬合提取導(dǎo)航線，實(shí)驗(yàn)仿真結(jié)果表明與實(shí)際道路信息偏差小于4%。