农业机器人视觉导航系统及其光照问题的研究

论文摘要

农业机器人及其视觉导航系统的研究得到了越来越多的关注,成为探索在农业机械装备中应用智能控制等高新技术的重要研究方向。农业机器人工作在复杂的开放式非结构的农田环境,如何从中提取出导航信息是视觉导航的难点。光照变化是使导航信息提取算法变得不稳定的主要因素,阴影的存在更是严重干扰了图像的处理与分析。因此,必须探索去除光照影响的算法,提高导航系统的鲁棒性。人的视觉系统具有颜色恒常性,如何将人的这种颜色恒常性引入到机器视觉中,是解决机器视觉中光照问题的一种思路。本文以实现农业机器人田间自主导航为目的,首次将颜色恒常性理论用于解决机器视觉导航中的光照问题,并自行设计了农业机器人移动平台,构建了单目视觉导航系统,进行了作物行跟踪和地头转向试验。主要研究成果及结论包括：(1)从图像的物理成象过程微观地探讨光照对图像的影响,引进了颜色恒常性理论从根本上解决光照问题,并把此方法总结为两种思路：一种是转化到标准光照下的图像,另一种是获得光照不变特征量。(2)研究测试了几种将非标准光照下的图像校正到标准光照下的图像的颜色恒常性算法。这些算法根据图像的统计信息,全局地或局部地估计出光照色彩,利用对角模型进行颜色校正,从而获得标准图像。提出了基于色彩学习的彩色图像分割方法,通过对原始图像和各种算法获取的标准图像的分割结果进行统计发现,光照变化影响图像的分割质量,而转换到标准光照下的标准图像的分割效果有明显提高。最终,根据算法耗时统计和分割结果统计两项指标进行算法比较认为,灰度世界假设和三种局部光照估计算法分割效果相当,但灰度世界假设在效率上更高,比较适合于实时导航的应用要求。因此,选取灰度世界假设算法来获取标准图像,以解决农业机器人视觉导航中的光照变化问题。(3)分析了阴影形成的实质,阐述了光照无关图的原理,在此基础上导出了一种基于光照无关图的阴影去除方法。该方法根据光学成像原理通过对图像进行变换来得到一幅与光照无关的灰度图,以达到去除阴影的目的。同时针对该方法需要事先测定摄像机的光照无关角的不便之处,引入了基于最小熵的摄像机光照无关角求取方法。实验表明,采用基于最小熵的光照无关角求取方法得到的光照无关角相差不大,完全可用于获取去除阴影后的光照无关图。针对光照无关图的特点,采用增强最大类间方差法自动求取阈值并进行分割处理,获得了理想的效果。(4)在建立农田导航作业环境模型的基础上,进行了沿作物行行走作业的导航规划,分析了导航信息提取的主要步骤,提出了优化的霍夫变换用于提取单作物行的导航路径,提出了结合最小二乘的线扫描算法提取双作物行的导航路径,提出了水平投影算法用于地头的检测判断。通过对视觉处理算法测试分析,两种导航路径提取算法和基于水平投影的地头检测算法设计合理可靠,整个视觉导航信息提取算法的总花费时间完全可满足视觉导航的实时性要求。(5)引入基于CAN总线的分布式控制思想,自行设计了四轮驱动、四轮转向的农业机器人移动平台,构建了单目视觉导航系统,并开发了基于多线程的视觉导航系统软件。在农业机器人移动平台上验证了视觉处理算法的正确性和可靠性,通过作物行跟踪试验,验证了整个视觉导航系统的可行性和可靠性。最后,提出了基于光电编码器的航位推测算法以实现地头转向功能,模拟测试结果表明,基于光电编码器的航位推测算法可满足农业机器人地头转向的工作要求。

论文目录

• 目录
• 图片清单
• 图表清单
• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 农业机器人的研究目的和意义
• 1.2 农业机器人自主导航的研究现状
• 1.2.1 国外研究现状
• 1.2.2 国内研究现状
• 1.2.3 主要挑战和问题
• 1.3 光照问题研究现状
• 1.3.1 在机器视觉相关应用领域中存在的光照问题
• 1.3.2 在农业应用领域存在的光照问题
• 1.3.3 在机器人视觉导航中存在的光照问题
• 1.4 研究内容与技术路线
• 1.4.1 研究内容
• 1.4.2 技术路线
• 参考文献
• 第二章 光照问题分析
• 2.1 彩色图像形成过程
• 2.2 颜色恒常性
• 2.2.1 颜色恒常性的定义
• 2.2.2 颜色恒常性的研究现状
• 2.3 自然光照模型
• 2.4 颜色恒常性的病态性
• 2.5 光照问题的解决思路
• 2.5.1 去除光照强度的影响
• 2.5.2 去除光照色彩的影响
• 2.6 本章小结
• 参考文献
• 第三章 基于标准图像的作物行图像分割
• 3.1 基于原始图像的彩色图像分割
• 3.1.1 基于色彩学习的彩色图像分割方法
• 3.1.2 原始图像的采集
• 3.1.3 基于原始图像的彩色图像分割结果
• 3.2 标准图像
• 3.2.1 标准图像的相关概念
• 3.2.2 标准图像的获取过程
• 3.2.3 颜色校正——对角模型或von Kries色适应理论
• 3.3 光照估计
• 3.3.1 全局光照估计算法
• 3.3.2 局部光照估计算法
• 3.4 基于标准图像的作物行图像分割
• 3.4.1 作物行标准图像的获取
• 3.4.2 基于标准图像的彩色图像分割结果与分析
• 3.5 本章小结
• 参考文献
• 第四章 视觉导航中基于光照无关图的阴影去除方法
• 4.1 阴影问题分析
• 4.2 光照无关图
• 4.2.1 光照无关图的获取
• 4.2.2 求取光照无关角的最小熵法
• 4.2.3 算法流程
• 4.2.4 处理结果分析
• 4.3 基于光照无关图的图像分割
• 4.3.1 最大类间方差法
• 4.3.2 最大类间方差法分割结果及分析
• 4.3.3 增强最大类间方差法及处理结果分析
• 4.4 本章小结
• 参考文献
• 第五章 视觉导航信息提取算法研究
• 5.1 农田作业环境模型及导航规划
• 5.2 作物行导航路径的提取
• 5.2.1 霍夫变换
• 5.2.2 结合最小二乘的线扫描算法
• 5.3 地头检测
• 5.4 视觉导航算法分析
• 5.5 本章小结
• 参考文献
• 第六章 农业机器人移动平台设计及导航试验
• 6.1 农业机器人设计及结构组成
• 6.2 基于CAN总线的分布式控制
• 6.2.1 CAN总线网络的构建
• 6.2.2 电动机控制器设计
• 6.2.3 通讯协议的制定
• 6.3 单目视觉导航系统
• 6.3.1 视觉系统硬件设备
• 6.3.2 视觉导航系统工作原理
• 6.3.3 单目视觉导航系统成像模型
• 6.3.4 视觉导航系统软件设计
• 6.4 基于Ackerman转向原理的转角或转速分配
• 6.5 作物行跟踪试验与结果
• 6.6 地头转向模拟测试与结果
• 6.7 本章小结
• 参考文献
• 第七章 结论与建议
• 7.1 结论
• 7.2 主要创新点
• 7.3 建议
• 博士期间发表论文
• 致谢
• 附录A