1、陰影環境下拖拉機視覺導航的路徑識別方法研究華希俊，廖茜，陳美云，王木菊（江蘇大學 機械工程學院，江蘇 鎮江 212013）摘 要： 在對比分析了普通環境與陰影環境下圖像特點的基礎上，提出了一種適用于陰影環境下拖拉機視覺導航的路徑識別方法。首先運用2G-R-B彩色模型分割圖像，根據圖像的線性灰度分布，采用合理的點運算分析法提高圖像對比度，利用迭代閾值分割法和二值圖像閉運算提取道路特征，然后通過掃描道路邊緣離散點和最小二乘法擬合出拖拉機的導航路徑。實驗結果表明，該方法能快速、有效地提高拖拉機視覺導航系統對陰影環境的適應性。關鍵詞： 視覺導航; 拖拉機; 陰影環境; 路徑識別中圖分類號： 文獻標識碼

2、： 文章編號：0 引言拖拉機自動導航技術能使農機駕駛員從單調重復的勞動中解放出來，大幅度提高作業精度，對現代農業的發展具有很大意義1。以機器視覺和衛星定位為核心的拖拉機自動導航系統已成為國內外農業機械領域的研究熱點。由于機器視覺導航系統具有廣泛適用性、功能多樣性以及高性價比等優點,因此已被成功地應用于拖拉機自動導航系統中2。導航路徑的識別是視覺導航系統的關鍵。日本的Torii等3利用HIS空間,基于幾條水平掃描線,結合直線最小二乘法識別出農作物行作為導航路徑。法國的Debain4介紹了相關的邊緣提取和導航控制算法，強調單一的視覺傳感器在有些情況下(傍晚、車輛自身形成的陰影以及植株的缺失等)無法

3、識別出導航邊緣。在國內，中國農業機械化科學研究院的趙博等5針對影響較大的壟間雜草環境，提出一種基于BP神經網絡的雜草環境下導航路徑識別方法。浙江工業大學的吳佳藝等6提出了一種基于機器視覺的、適用于林間行走機器人導航的路徑生成算法。目前，視覺導航的研究成果大多集中在普通環境下的路徑識別，針對陰影環境下的路徑識別研究相對較少。然而在拖拉機的實際作業環境中，農作物和車輛自身以及樹木等產生的陰影大大增加了路徑識別的難度，使導航系統的可靠性下降。因此，本文著重收稿時間： 基金項目： 中國博士后基金(20070420190)，江蘇省高校自然科學研究計劃(07KJD460035)作者簡介： 華希俊(1966

4、-)，男，江蘇省儀征市人，教授，研究方向：表面機器視覺檢測，激光應用技術。通訊作者： 廖茜， 女，碩士研究生，(E-mail) jinlongliaoqian。研究視覺導航拖拉機在陰影環境下的路徑識別方法，以提高視覺導航系統對陰影環境的適應性。1 普通環境與陰影環境圖像的特點1.1 普通環境圖像的特點普通環境下，田間道路陰影少、光照充足，并且道路邊緣均有綠色植物，與道路顏色的對比度較大。圖1(a)為普通環境下田間道路的原始圖像，圖1(d)為該圖像的線性灰度統計圖。由灰度分布可知，普通環境圖像的灰度值范圍較大，灰度分布比較均勻，且在中間灰度級（100200灰度級）上的總像素比其他灰度級（0100

5、和200255灰度級）上的總像素多。圖像經2G-R-B彩色模型分割(如圖1(a)和迭代 (a) (b) (c) (d)圖1 普通環境圖像的特點Fig.1 The features of an image in application environment(a)原始圖像 (b)2G-R-B灰度化 (c)迭代閾值分割法 (d)線性灰度統計圖 閾值分割法二值化(如圖1(b)處理后，可得到輪廓清晰的道路特征，能為路徑識別的提供準確的依據。1.2 陰影環境圖像的特點由于樹木遮擋、光照角度和強弱等原因，田間道路會被不同程度的陰影覆蓋。隨著光照強弱的變化，陰影的深淺、面積及路邊植物的顏色也會發生變化。中午

6、陽光偏直射且強度高，此時陰影顏色深，面積較小，陰影區域的路邊植物顏色與路面顏色對比度較大，而無陰影區域的路邊植物顏色與路面顏色相近，如圖2(a)所示；早晨和傍晚時分，陽光斜射且強度低，此時陰影顏色淺，面積較大，無陰影區域的路邊植物顏色與路面顏色對比度較大，而陰影區域的路邊植物顏色與路面顏色相近，如圖2(d)所示。圖2(g)、2(h)分別為強光照和弱光照下陰影環境圖像的線性灰度統計圖。對不同光照下陰影環境圖像的灰度進行分析，可以發現，強光照下陰影環境圖像的灰度分布不均勻，灰度集中在高亮和過暗區，中間灰度的對比度過小，這使得圖像經2G-R-B彩色模型分割(如圖2(b)和迭代閾值分割法二值化(如圖2

7、(c) 處理后，道路輪廓發生改變，邊緣特征不完整；弱光 (a) (b) (c) (d) (e) (f) (g) (h)圖2 陰影環境圖像的特點Fig.2 The features of images in shadow environment(a)(c)、(g)強光照陰影環境原始圖像及處理后相關圖像、線性灰度統計圖(d)(f)、(h)弱光照陰影環境原始圖像及處理后相關圖像、線性灰度統計圖照下陰影環境圖像的灰度主要分布在過暗區，中間灰度的對比度小，圖像經2G-R-B彩色模型分割(如圖2(e)和迭代閾值分割法二值化(如圖2(f) 處理后，陰影干擾大，道路輪廓不明顯。由于陰影環境圖像二值化后存在較多

8、干擾，道路輪廓不準確，因此不能與普通環境圖像采取相同的處理方法獲得正確的道路特征。2 陰影環境下的路徑識別方法根據普通環境與陰影環境的圖像特點分析可知，普通環境圖像的灰度分布較陰影環境圖像均勻，灰度走勢呈中間高、兩端低的狀態，而陰影圖像中間灰度的對比度低于高亮和過暗區，這使得道路特征無法從圖像中準確地分割出來，增大了路徑識別的難度。因此，需要尋找一種新的方法來改變陰影環境圖像的灰度分布，從而降低陰影的干擾。2.1 點運算分析法點運算分析法是一種改變像素灰度輸出值的方法。點運算的結果由灰度變換函數確定，即：B(x,y)=fA(x,y) (1)式中，A(x, y)是運算前的圖像像素值，B(x, y

9、)是點運算后的圖像值，f是對A(x, y)的一種映射函數，即GST函數。根據映射方式的不同，點運算可分為線性點運算、非線性點運算和直方圖修正。線性點運算可表示為：BA+ (2) 該公式可增強圖像的灰度層次，改善圖像的視覺效果，適用于圖像灰度值范圍較小的情況。非線性點運算可表示為：=A+×A×(max(A)-A) (3) 其中>0，該公式的圖像處理效果是：圖像中間灰度的對比度拉大，高亮和過暗區變化很小。直方圖修正是一種將原始圖像的不均衡的直方圖變化為均勻分布形式的方法，即使輸出圖像的每一灰度級上都有相同的像素點數。該方法可擴展像元取值的動態范圍，增強圖像整體對比度的效果

10、。2.2 二值圖像閉運算閉運算是對二值圖像先進行膨脹運算，再進行腐蝕運算的過程。其基本原理是：X·B(AÅB)B (4)其中，·表示閉運算的運算符。該公式表示用B來閉合X得到的集合，就是圖像X與經過反射和平移的結構元素B的交集不為空的點的集合。閉運算的功能是用來填充物體的細小空洞、連接鄰近物體、平滑其邊界，去除孤立的小點，同時不明顯改變二值圖像的面積。利用閉運算可以調整、平滑陰影環境圖像二值化后的道路輪廓，并去除細小干擾，使道路特征更加突出。2.3 導航路徑識別過程對比普通環境下的路徑識別，陰影環境圖像處理時應在圖像二值化前后分別進行點運算分析和閉運算，以達到減少

11、陰影干擾的目的。導航路徑識別過程如下：(1) 利用2G-R-B彩色模型將圖像灰度化。該模型能提高綠色通道的權值，增加與非綠色背景的對比度，適合處理田間道路圖像。(2) 統計每個灰度級上的像素點數。當灰度級處于0100和200250的像素點數遠大于100200灰度級的像素數值時，說明拖拉機處于陰影環境下，需對圖像進行非線性點運算和直方圖修正。如果灰度值范圍很小，則還需對圖像進行線性點運算處理。(3) 運用迭代閾值分割法對圖像進行二值化處理，初步提取道路特征。(4) 采用閉運算處理二值圖像，突出道路特征。(5) 從圖像第一行中點處分別向兩邊掃描，左右兩邊碰到的第一個“1”設為路徑左右邊緣點，記為和

12、。(6) 設定一個閾值f，單位為像素。閾值f的設定應適當，取值太大會降低路徑識別的準確度，太小則影響識別速度。本文取f3時處理效果最佳。對圖像第1+f行重復第(5)步，分別得到路徑左右邊緣點i2和j2。依次對m+f行（m為前一次掃描的行數）進行相同的掃描，直到處理完圖像行數的三分之二（減少單幅圖像處理時間），系統將得到路徑左右邊緣的點簇坐標in和jn。(7) 將所每行所得到的邊緣點坐標取中值，得到n個點簇坐標(in+ jn)/2。利用最小二乘法擬合這些點簇生成直線，得到拖拉機的行走導航線。2.4 軟件實現流程Matlab具有強大的數值分析、矩陣計算、信號處理和圖形顯示功能，運用其進行復雜的圖像

13、處理能快速提高導航系統的軟件開發速度，比單用Visual C+效率更高。Matlab圖像處理工具箱是Matlab專用的圖像處理的一個函數集。本文運用該工具箱處理導航圖像，快速提取道路特征，準確擬合導航路徑。軟件具體流程如圖3所示。二值圖像閉運算是否開始用f(i, j)=2*G(i, j)-R(i,j)-B(i, j)將圖像灰度化統計灰度分布情況中間灰度級總像素最少用迭代閾值分割法將圖像二值化點運算分析掃描圖像得到點簇in和jn最小二乘法擬合出直線路徑結束圖3 軟件流程圖Fig.3 Software flow chart3 實驗結果本實驗運用matlab軟件編寫程序，并依照本文提出的導航路徑識別

14、方法，對不同光照下的田間陰影道路圖像進行處理，其結果如圖4所示。圖4(a)4(b)分別為強光照下陰影道路的原始圖像、2G-R-B灰度化圖像、二值化圖像（經迭代閾值分割和閉運算處理）、導航路徑生成圖像；圖4(e)4(h)分別為弱光照下陰影道路的原始圖像、2G-R-B灰度化圖像、二值化圖像（經迭代閾值分割和閉運算處理）、導航路徑生成圖像。 (a) (b) (c) (d) (e) (f) (g) (h)圖4 陰影環境下的導航路徑識別過程Fig.4 Process of road recognition in shadow environment 通過實驗可知，該路徑識別方法具有一定的可行性，能為陰影

15、環境下的視覺導航提供準確的依據。4 結論(1) 分析了普通環境和陰影環境下導航圖像的特點，在此基礎上提出了陰影環境圖像應采取與普通環境圖像不同的處理方法。(2) 根據不同光照下陰影環境圖像的灰度分布特點，提出了基于點運算分析、閉運算的路徑識別方法。該方法針對光照強弱采用點運算分析和閉運算降低干擾，并通過掃描離散點和最小二乘法得導航路徑。(3) 實驗結果表明，該方法可快速、準確地處理含陰影的導航圖像，能有效提高拖拉機視覺導航系統對陰影環境的適應性。參考文獻：1 劉海濤,關勝曉,秦亮等.智能機器人導航系統的研究J.計算機應用與軟件,2010,27(12):218220.2 楊為民,李天石,賈鴻社.

16、農業機械機器視覺導航研究J.農業工程學報, 2004, 20(1):160-1653 Torii T. Research in autonomous agriculture vehicles in JapanJ.Computers and Electronics in Agriculture,2000, 25: 133-153.4 Debain C, Chateau T, Berducat M, et a.l A guidance-assistance system for agricultural vehiclesJ.Computers and Electronics in Agricult

17、ure, 2000, 25: 29-51.5 趙博,朱忠祥,宋正河.農用車輛視覺導航路徑識別方法J.江蘇大學學報(自然科學版),2007,28(6):482486.6 吳佳藝,楊慶華,鮑官軍等.基于機器視覺的林間導航路徑生成算法J.農業機械學報, 2009,40(7):176179.7 李進,陳無畏,李碧春等.自動導引車視覺導航的路徑識別和跟蹤控制J.農業機械學報,2008,39(2):2024.8 蔡健榮,周小軍,王鋒.柑橘采摘機器人障礙物識別技術J.農業機械學報, 2009,40(11):171175.9 侯學貴,陳勇,郭偉斌.除草機器人田間機器視覺導航J.農業機械學報, 2008,39(

18、3):106108.10 趙穎, 陳兵旗, 王書茂.基于機器視覺的耕作機器人行走目標直線檢測J.農業機械學報, 2006,37(4):8386.Road Recognition for Vision Navigation System of Tractor in Shadow EnvironmentHUA Xi-jun, LIAO Qian, CHEN Mei-yun, WANG Mu-ju(School of Mechanical Engineering, Jiang su University, Zhenjiang, Jiangsu 212013)Abstract: Based on comparing the features of an image in application environment and shadow enviro