拖拉机控制中计算机视觉技术的应用范文

摘要:自动导航可以降低农业机械操作人员的劳动强度，提高土地利用效率，是农机智能化的重要体现。计算机视觉和卫星定位是应用较为普遍的农机导航技术。为此，基于计算机视觉技术，设计了拖拉机行进控制系统。系统对环境图像进行计算机视觉分析，选用合适的处理方式和算法获得导航路线，同时减少了计算量;然后，根据机械的初始状态参数调整方向，使拖拉机沿着导航路线行进。试验结果表明:安装该系统的拖拉机以不同速度行驶时，路线偏差迅速减少，并保持在很小的范围内;系统处理单幅图像耗时少于0．1s，可以满足实时控制的要求。

关键词:拖拉机;行进控制;计算机视觉;自动导航;特征检测

引言

我国的农业生产模式在新时期发生变化，从小规模的分散经营开始转向种植大户的集中经营。在这种形势下，传统农业作业效率低和人力成本高的缺陷日益凸显，已经无法满足时展的要求。大规模的集中经营为农业机械的应用创造了条件，使农业生产的机械化率得到了显著提升。我国农业机械研究起步较晚，设计经验与国外相比存在差距，总体性能也有待进一步加强。因此，利用现代技术改善机械的整体性能，提高自动化和智能化水平，对我国农业的发展意义重大。自动导航是农业机械智能化的一个重要方面，可以降低操作人员的劳动强度，提高土地利用效率［1］。农机自动导航的研究在20世纪80年代兴起，采用的方法有机械触杆导航、预埋电缆引导、无线电或激光导航、计算机视觉导航、卫星导航等。在新技术的支撑下，导航精度不断提高，机械作业范围也扩展到播种、施肥、喷药、整地、收割和起垄等方面，为多种作物的全程机械化生产奠定了基础［2］。在上述的方法中，计算机视觉和卫星定位是较为普遍和实用的农机导航技术。计算机视觉是利用专门的设备采集图像，转换为数字信号后由计算机对目标特征进行分析和识别，提取所需的信息的技术。计算机视觉在农业上最初用于采摘机器人，后来应用到农机自动导航上，通过视觉功能识别行走路径和检测障碍物［3］。

与卫星定位导航方法相比，计算机视觉的覆盖范围小，但由于采用了相对坐标，因而灵活性更强，导航的精度更高［4］。孙元义等对棉田的自然环境背景图像进行Lab色彩空间处理、最大方差阈值分割和Hough变换，识别机械行驶路径，用于对喷药机器人行走路线的控制［5］。徐建等采用均值去噪和Prewitte算子边缘检测分析玉米垄行图像，实时、准确地获得了智能收获机器人的行走路线［6］。高国琴针对温室与田间环境的差异，设计了基于K－means算法的机器人导航路径识别方法，对单幅图像处理的时间大幅降低，显著提高了路径识别的速度［7］。拖拉机是最常见的农业机械，既可以用于农业物资的运输，也可以为其它的机械提供牵引动力。另外，拖拉机还可以作为新型农机技术的测试平台，验证各种技术的实用性。拖拉机的自动导航是在定位的基础上通过行进控制来实现的，具体表现为直线行驶和路线变更［8－10］。计算机视觉获取的信息丰富，被动感知能力强，因此在拖拉机的行进控制上具有较大的优势，成为国内外学者研究的重点。

周俊等较早开展了研究，对四轮拖拉机上计算机视觉技术的跟踪路径识别、机械位姿计算、系统实时性和鲁棒性等多个方面进行了分析，所研制的原型机在快速行驶时都具有较好的路径跟踪效果［11］。代峰燕等基于简化的运动学模型模糊控制方法，以机器视觉获得的参数作为控制量输入，实时输出前轮转角，可以较好地适应拖拉机低速行驶时的控制要求［12］。计算机视觉导航相关研究大多针对普通环境，而在实际作业中阴影环境也是普遍存在的，会增加路径识别难度。华希俊等对比分析普通环境和阴影环境的计算机视觉图像特点，设计出一种相应的路径识别方法，增强了拖拉机对阴影环境的适应能力［13］。另外，翟志强等为解决农机导航系统开发周期长和成本增加的问题，提出了基于虚拟现实的拖拉机双目视觉导航方法，为行进控制系统的改进提供了理论和实践依据［14］。本文基于计算机视觉，设计了一个拖拉机行进的控制系统，如图1所示。系统对环境图像进行计算机视觉分析，选用合适的处理方式和算法减少计算量;获得导航路线后根据机械的3个初始状态参数调整操向角，使拖拉机沿着导航路线行进，以增强对复杂环境的适应能力。

1系统设计

系统的搭载平台为东方红LX604型拖拉机，前后轮距分别是160cm和200cm，离地高度32cm，额定输出功率45kW，行进速度在2．0～33．5km/h之间。该型拖拉机的最大牵引力达到22．5kN，可以为许多型号的农业机械提供牵引动力。拖拉机的导向轮上安装JLl8A3型霍尔传感器和RB100LA型转角传感器，分别测量拖拉机的行进速度和导向轮的偏转角度，采集的信号经AD6673型转换器转换为数字信号后导入核心计算机进行分析。计算机视觉的采集设备是尼康D810型相机，体积较小，采用防抖动处理安装在拖拉机的前部。相机的拍摄俯角30°，拍摄频率由系统根据机械的进行速度决定，相机采集的原始图像经天创UB570型图像采集卡转换为数字信号后由核心计算机分析。核心计算机是戴尔7040MT型台式电脑，硬件包括Inteli7中央处理器、8GB的DDR4内存及1TB的硬盘，安装Windows10操作系统和视觉分析软件MatLab工具箱。计算机视觉分析识别拖拉机的行进路线后，根据机械与路径之间的横向距离偏差、航向偏差和导向轮转角确定调整的角度，产生二位随机信号;随机信号经DAC7631E型数模转换器转换为模拟信号后向液压阀发出指令，驱动导向轮偏转一定角度实现对拖拉机行进的控制。

2计算机视觉分析

2．1直线特征检测

以油菜田为例，拍摄获得的图像主要由油菜和垄沟组成。其中，油菜为绿色，垄沟为褐色，二者之间的区别较为明显，如图2(a)所示。根据这个特点，利用图像中自然特征的基线来对机械进行导航，以适应复杂环境对分析算法鲁棒性的要求。提取自然特征基线首先要进行直线特征检测，从而得到导航的基准。本文参考杨为民等的研究，采用Hough变换将图像中的特征直线转变为参数点，将距离边界一定范围内的所有点相加实现对特征直线的检测。基于图像整体特性的Hough变换算法鲁棒性较强，不会受到图像噪音和直线中断的影响，且能够获得亚像素级的特征精度。将原始图像中的垄沟作为导航特征进行Hough变换，得到了参数的空间图像，垄沟用连续的黑色区域显示，形成明显的导航路线，如图2(b)所示。

2．2图像抽点简化

当图像的视觉分析耗时超过0．2s时，导航的精确度和稳定性都会大幅降低。基于Hough变换算法的参数检测计算量很大，处理一幅正常大小的图像也需要1s的时间，无法获得理想的导航效果。在实际分析过程中，系统采集的图像只有很小的部分包含导航特征，除此之外的其它部分属于无效信息。这些信息会增加图像的复杂程度和处理耗时，还会对目标特征检测效果造成干扰。因此，设置兴趣区(ROI)并仅对其中的图像进行后续处理，减少图像分析的计算量，提高导航实时性，如图3(a)所示。ROI的具体设置过程是在得到起始导航特征后将上一幅图像的相应信息提取出来，以其中的直线特征为中心，按照一定的参数划定ROI区域;然后，采用递归算法推动ROI跟随导航特征移动，形成覆盖路线的检测带。通过图像抽点简化之后，单幅图像的处理时间可以控制在0．1s以内。

2．3导航特征检测

目标图像中包含油菜和垄沟，都呈条带状，边界清晰。拖拉机在田间沿着垄沟行进，因此以垄沟的边界作为拖拉机导航的特征。首先对图像进行预处理，包括直方图分析和低通滤波，使导航特征区域的灰度和对比度都得到增强;然后过滤灰度变化过大的相邻像素，消除背景噪音，利用聚类的阈值分割方法将导航特征从背景中提取出来，获得了垄沟的两条边界线，如图3(b)所示。采用Hough变换算法检测垄沟的边缘，提取同一水平线上两个边缘像素点的中心位置，形成一条连续的曲线(即拖拉机的行进路线)，如图3(c)所示。

3机械行进控制

计算机视觉分析得到导航路线后，还需要通过行进控制才能保证拖拉机按照规划的路线行驶。拖拉机的行进控制是根据机械与规划路线之间的横向距离偏差、方向偏差和导向轮转角这3个状态参数，并结合机械自身速度所产生的误差来确定合适的操向角，使拖拉机沿着导航路线行进。拖拉机行进控制的关键是实时控制操向角，而机械当前的位姿误差和瞬时速度是重点参考的两个因素。在获得导航基准后，拖拉机在系统的控制下沿着耗时最少和距离最短的路线行驶到达导航基准。然后，根据拖拉机的位姿和速度调整角度，不断地缩小实际路线与导航基准的偏差，使机械姿态和速度逐步回到导航基准线上来，最终实现拖拉机沿着导航路线行进。

4试验结果与分析

对系统的控制效果进行试验，拖拉机在油菜田中行驶，以垄沟为导航特征规划路线。拖拉机分别以两个速度行驶，速度1为2m/s，速度2为3m/s。垄沟的导航路线用白色标识，以细沙漏准确记录拖拉机的行驶路线，在导航路线上每隔1m测量两个路线的偏差，评价行进控制的效果。拖拉机以2m/s的速度行驶时，路线偏差从初始状态下的1．37m迅速减少到0．3m以内，随后一直保持在很小的范围内;以3m/s的速度行驶时，路线偏差的减少相对较慢，但最终也能保持在很小的范围内，如图4所示。试验中，系统处理单幅图像的耗时少于0．1s，可以满足实时控制的要求。

5结论

基于计算机视觉，设计了一种拖拉机行进的控制系统。系统对环境图像进行计算机视觉分析，选用合适的处理方式和算法减少了计算量。系统经过直线特征检测、图像抽点简化和导航特征检测后获得导航路线，然后根据机械的3个初始状态参数调整操向角，使拖拉机沿着导航路线行进。在试验中，拖拉机以不同速度行驶时，路线偏差都能迅速减少，并一直保持在很小的范围内。系统处理单幅图像的耗时少于0．1s，可以满足实时控制的要求。安装了该控制系统的拖拉机能够按照导航路线行进，对复杂环境具有较强的适应能力。

作者：于万鹏 单位：辽源职业技术学院