杨筱慧

关键词：机器人视觉技术;猕猴桃;导航路径

目前，我国“三农”问题比较突出，耗用大量劳动力在种植、追肥、采摘/收割等环节，如何提高农业生产效率成为当前重要研究内容。猕猴桃果树园采摘环境较为复杂，除了果子所处位置变化多端以外，园区还存在一些障碍物，加大了机械化采摘难度。为了弥补传统采摘的不足，本研究选取机器人视觉技术作为研究工具，探究采摘导航路径方法。

一、猕猴桃采摘机器人视觉导航路径生成系统框架结构

本研究将猕猴桃采摘划分为三步，分别是目标识别、路径规划、自行行走，在嵌入式操作系统的控制下，按照这个顺序生成导航路径，准确采摘猕猴桃，躲避障碍物。如图1所示为机器人视觉导航路径生成系统框架结构。

通过整理猕猴桃采摘现场调研数据，确定果园环境特征，设定机器人行走空间与行走方式，在相应装置的作用下，有效识别和控制，从而形成完整的导航路径生成体系。其中，猕猴桃目标的识别采用图像处理技术，通过对图像采取预处理，而后经过图像分割，从获取单个猕猴桃图像，借助坐标系推理出猕猴桃的位置信息。关于路径的生成，选取最小二乘法作为研究工具，经过一系列计算分析，得到导航路径。

二、信息采集与图像处理

（一）图像预处理

利用相机拍摄到猕猴桃园林环境图片以后，需要将猕猴桃从图片背景中拆分开来，从而得到果实具体位置信息，作为路径生成依据。在提取图形信息之前，需要对图像采取预处理，使得图像与背景分离开来。目前，应用比较多的方法包括RGB空间色彩划分、HSV空间分析。前者中的B分量、G分量、R分量都无法使猕猴桃与地面上的杂草分开，面对生长于棚架中的猕猴桃树来说，树干、树叶与草地已经混为一体，采用此方法无法将其分开。HGV空间分析方法，通过观察H分量应用效果可知，该方法能够较为清晰地拆分开树叶与杂草，抑制阴影对图像识别的影响。V分量树形信息提取难度较大，s分量中草地特征与枝叶特征相似，并且行垄图像与树干图像都很模糊。总体来看，HGV空间分析法比较适合应用到猕猴桃图像预处理中。

在此基础上，对图像采取滤波处理。利用同态滤波方法，滤除猕猴桃树干图像信息。由于单次图像滤除，无法去除所有的猕猴桃树干以外的杂物，所以采取多次滤波处理，在不同光照环境完成滤波操作，最终得到猕猴桃树干及猕猴桃图像信息。

（二）图像分割

经过滤波处理后，可以将猕猴桃树及果实与背景初步区分开来，但是还没有得到准确的猕猴桃树及果实位置信息。为了得到准确的导航路径图像信息，本研究采用图分割方法，去除背景图像，得到猕猴桃树及果实图像。通过构建坐标系，得到果园中果树种植地理位置信息、高度信息，除此之外，还包括果实在枝干位置的信息。目前，应用比较多的图像分割方法为阈值分割法，通过设定最佳阈值范围，缩小图像所处位置范围。

采用同态滤波方法对果园图像加以滤波处理，得到大部分树干灰度值为0，并每一幅图像中分布着个别树干图像，灰度值范围10～35。本研究结合实际情况，选取8幅图像作为研究对象，计算平均灰度值为3.80，设定门限阈值为30。考虑到图像存在噪声，为了尽可能降低噪声，本研究通过调整相机的拍摄角度，在采集果实图像时，尽可能躲避枝叶，从而降低图像处理难度，提高图像处理效率。

三、基于特征目标提取的导航路径生成

（一）导航基准线的生成

本研究采用连续边缘提取方法，从图像信息中提取果树树干图像信息，即在前文提出的图像处理方法应用基础上，将图像中的树干信息联系到一起，形成导航基准线。合理设定采摘机器人与树干的距离，依据树干分布地理位置，按照设定的机器人行走控制距离，生成果实采摘导航基准线。考虑到果树生长情况存在不确定性，沿着中间位置行走可能触碰到树干，所以本文对树干导航基准线的生成方法进行重点探究。以下为基准线生成流程：

第一步：将已经分割成功的图像采用连通标记方法，记录各个区域树干数量，用m表示，并标记区域属性;

第二步：依据连通区域形状特征，包围最小外接矩形框，获取位于左上角顶点对应的像素坐标，记为（i，j）。除此之外，还可以得到矩形像素宽和长，分别记为y，x;

第三步：设计空矩阵，记为w，设定连通区域列为4，记为[m×4];

第四步：在空矩阵w中存放属性数据，按照列顺序存储，作为矩阵数据调用支撑;

第五步：依据矩阵w参数数值，计算底边中点像素坐标，记为（i+x，j+x）。其中，特征目标点取值为中点，该点就是地面与果树的交点。

（二）基于最小二乘法的导航路径生成

实际上，机器人采摘猕猴桃的过程，需要机器人走到猕猴桃果树前，用图像采集装置收集果实图像信息，经过图像信息处理，得到猕猴桃果实具体位置坐标信息。根据坐标位置数据信息，下发采摘命令，完成精准采摘操作。导航路径作为猕猴桃果实智能采摘的一部分，是以猕猴桃果树树干作为路径生成依据，在智能控制下，令机器人行走到果树前采集果实图像信息。所以，这个导航路径的生成，应该是以果树树干作为目标进行探究，本研究采用最小二乘法作为研究工具，设计以下路径生成流程：

首先，利用照相機拍摄果园环境猕猴桃果树原始图像信息，并对图像采取灰度化处理及滤波处理，使得图像更加清晰，与背景区分开。其次，按照区域分布不同，将猕猴桃果树树干图像与背景图像拆分开，并采取去噪处理，从中提取特征目标。最后，以树干与地面的交点作为特征点，采用最小二乘法拟合路径，完成路径信息的提取，生成猕猴桃采摘导航路径。

四、测试结果分析

为了检验本文设计的采摘机器人导航路径方案是否有效，本研究将上述方案投入到实践应用中，选取某猕猴桃果树种植区域作为实验基地，将调试好的机器人运送至该区域，重点测试果树树干图像处理与导航路径生成偏差情况，观察测试结果，判断设计方案可行性。

（一）果树树干图像处理测试结果

本次测试以某区域猕猴桃果树为图形采集对象，利用照相机拍摄如图2左侧的结果，结果图像处理，得到图2右侧结果。其中，处理对象为右侧一列果树。

观察图2中的测试结果可知，本研究方案可以从复杂的猕猴桃果园环境中提取果树树干信息较为全面，得到了树干图像信息，并且树干图像较为清晰，可以提高导航基准线生成精准度的提升。

（二）基于果树树干的机器人采摘果实导航路径生成偏差情况

导航路径生成精度的高低关键在于树干与地面的交点部署是否准确，如果拟合路径中点坐标误差控制在±0.5cm以内，对机器人手臂采摘果实效果影响较小，则认为当前方案可以生成精准度较高的导航路径。测试结果如下表所示。

上表中测试结果显示，3个交点的坐标误差均在允许范围之内。因此，本研究方案可以生成精准度较高的导航路径。

五、总结

本文以猕猴桃果实采摘为例，选取机器人视觉技术作为研究工具，探究该种类果实机器人采摘路径生成方法。考虑到机器人的行走路径与果树的树干有关，需要机器人行走到果树前采集果实图像信息。因此，本研究利用最小二乘法计算果树与地面的交点，从而确定采摘导航路径。测试结果表明，本研究方案生成的导航路径在误差允许范围之内。