基于GPS和机器视觉的组合导航定位方法研究

边云龙

摘 要：基于GPS和机器视觉的组合导航是一种比较新式的农业机械导航定位方法。在该组合中，GPS可以获得导航车的位置、航行方向、以及航行速度等信息看，机器视觉通过现代图像技术，获得导航基准线，得到特征点。通过组合导航可以有效提高导航系统的精准性，提高工作效率，弥补单一传感器的不足，从而构建成多功能导航系统。对GPS和机器视觉组合导航进行研究，在组合导航中采用HOUGH直线拟合方法对已知点进行拟合，提高了系统的处理效率。通过UKF方法进行滤波处理，可以减小标准偏差，值得在实践中推广。

关键词：GPS；机器视觉；导航定位方法

随着科学技术的提高，农业机械导航技术得到了较大的发展。基于GPS和机器视觉的组合导航是一种比较新式的农业机械导航定位方法。在该组合中，GPS可以获得导航车的位置、航行方向、以及航行速度等信息看，机器视觉通过现代图像技术，获得导航基准线，得到特征点，本文将对组合导航的试验准备和方法进行阐述，探讨试验结果，希望为组合导航的更好应用提供帮助。

1 组合导航试验准备和方法概述

在导航系统中，由于技术限制每一种传感器都有其自身的局限性，而通过不同传感器的有效组合，可以有效弥补单一传感器的不足，是未来导航的主要应用模式。而GPS和机器视觉是导航系统中主要的两种传感器，其中GPS导航在确定基准线方面存在一定不足，而机器视觉虽然较高的定位精度，但进行图像处理时可能会出现失误情况，而将GPS和机器视觉进行组合导航可以有效改进单独导航的不足，实现优化互补。

本研究将应用UKF滤波算法对该组合导航进行试验和分析。目前应用较多的是Kalman算法，该算法是一种传感器信息融合算法，这种算法可以根据不同时间信息做出研究对象的线性估计，对于传感器的实时融合技术非常合适。但Kalman算法具有一定的局限性，该方法对线性滤波具有较好效果，对于非线性系统则达不到要求。而UKF滤波算法对于非线性系统具有和好的适应性。UKF算法主要通过UT变换将参数转变成具有统计特性，在进行系统估计从而满足非线性要求。

1.1 试验准备

本研究采用四轮电瓶车作为研究对象。该四轮电瓶车是直流电机驱动模式，安装了转向步进电机和角度传感器，可以进行自动速度调节。GPS接收设备的定位精度在1.5cm，输出定位信息的格式是NMEA-0183标准格式，在本研究中采用VTG进行数据的输出工作。机器视觉传感器的输出图像为彩色图像，格式为.bmp，帧频可以调整，电子快门的曝光时间在20μs左右。

1.2 试验方法分析

组合导航定位系统的设计图示如图1所示。在组合导航定位系统中，GPS主要确定农机的位置、行驶的角度和速度进行确定，机器视觉对图像进行预处理，从而获得位置坐标。同时系统对两个传感器的处理结果进行汇总和分析，通过UKF滤波算法的得到最终试验数据。

1.2.1 机器视觉方法分析

机器视觉定位对于导航基准线的获得具有重要帮助，同时还可以对特征点进行明确。在进行机器视觉定位时，首先系统将彩色图像进行灰度变换，之后对对象进行分割，对图像进行去噪处理，通过直线拟合方式从候选点中确定特征点。其中在对农田环境进行图像处理时，要采用符合图像特色的彩色模型，具体来说，可以根据农田特点选择2G-R-B特征加强对比度。在进行图像分割时，要对时间和效果因素进行考量，根据最大类间方差算法进行图像处理，作物设定为白像素。如果分割后图像出现较多的噪声点，要通过腐蚀算法进行去噪处理。图像预处理完成时，要选择具有代表性的作物作为候选点。在本研究中，通过垂直投影法确定了候选点。同时，要对两点间的灰度差进行计算和确定，避免出现边界灰度值跳跃现象。在做直线拟合时，本试验采用HOUGH变换法进行拟合工作。最后选择导航路径中的一个点，该点确定为特征点，并在坐标系中进行精确记录。

1.2.2 传感器配准方法

组合导航系统的坐标图包含大地坐标系和视觉坐标系，其中大地坐标系的信息作为GPS输出信息，通过投影进行转化，变成北-东平面坐标系。该坐标作为组合系统坐标图的主坐标，对另两个坐标系进行统一。在试验中，摄像机光心会在地面上有投影点，将该点作为视觉坐标系的原点。在坐标系中，X轴代表驾驶方向。

上文中计算的特征点就为该坐标系的目标点，在实际操作中要根据摄像机的内外参数进行调整，将图像坐标进行转换，从而符合导航车的视觉坐标系，而大地坐标系的位置分布则根据GPS取得。

UKF算法可以对系统方程进行有效处理。首先进行UT变换，通过这种变换可以进行滤波估计处理，从而有效减小产生的估计差错。

1.2.3 多传感器信息模式

对组合系统模型分析，以及通过UKF算法可以得到时间为k时的状态向量：

其中，（Xv，k，Yv，k）代表的是坐标系中的大地位置坐标，（uv，k，vv，k）代表的是导航车的速度分量。考虑到GPS以及视觉输出情况，k时间的量测向量为：

2 试验结果探讨

2.1 图像处理分析

上面介绍了图像处理的办法，为了检验应用该种图像处理产生的效果，特在某农业示范基地进行验证。在本试验中，对小麦图像分析，图像的分辨率为640×480，类型为.bmp。在本试验中采集20组图像，通过C语言对图像进行处理。在UKF算法下，图像处理所用的平均时间为123ms，符合视觉导航要求。为了进一步进行验证，选择一幅图像进行处理，结果见图2。从图2中可以看到，通过UKF算法可以有效提高图像质量，降低图像中玉米杆的影响，从而对作物边界进行清晰界定。

2.2 导航定位分析

为了确定组合导航定位情况，对组合导航的定位效果进行了验证，该试验选择在某大学园区内进行。在验证设备方面，摄像机的安装位置要在导航车的正前方，在支架上固定好。在本试验中摄像机和地面之间的距离为0.94m，和大地夹角呈45°角左右。保持前视距离为1.70m，为了模拟出农作物，在地面上布置了长为17m宽度为12m的绿色带条。

在试验中，要将各个传感器保持开启状态，从而确定噪声协方差矩阵。当导航车开始运行后，一般可以在20m左右得到传感器传出的数据，技术人员要以此作为计算依据，进行定位偏差的计算。同时对于计算结果要适时进行调整，调整时要以所得计算结果为主，同时根据经验进行细微调整。

试验的具体过程为：首先在导航车顶安装GPS天线，接受信息数据。技术人员驾驶导航车，在铺好的绿色带条上匀速前进，保持前进速度为0.6m/s，将该绿色带条当作农作物行进行数据采集工作。导航车的形式方向为东西向行驶，在大地坐标系上表现为X轴向行驶，本试验一共采集了5组数据，对一组数据展开研究，进行最终定位效果。

可以看出，在通过UKF法进行滤波后，视觉定位中野值点的影响变弱，定位曲线也更加平滑。同时KF算法相比，UKF算法更加符合要求，滤波效果更加出色，并且数据的标准偏差也较小。表1为UKF和KF两种方法的定位数据准偏差比较。

3 结语

随着科学技术的发展，组合导航技术的发展和应用也越来越成熟。通过组合导航可以有效提高导航系统的精准性，提高工作效率，弥补单一传感器的不足，从而构建成多功能导航系统。本文对GPS和机器视觉组合导航进行研究，在组合导航中采用HOUGH直线拟合方法对已知点进行拟合，提高了系统的处理效率。通过UKF方法进行滤波处理，可以减小标准偏差。可见使用GPS和机器视觉组合定位可以有效避免视觉信息丢失的情况，有效提高定位精度，值得在实践中推广应用。

参考文献

[1] 陈艳，张漫，马文强，刘兆祥，籍颖.基于GPS和机器视觉的组合导航定位方法[J].农业工程学报，2011，03：126-130.

[2] 周建军，王秀，张睿，刘刚，马伟，冯青春.农机车载GPS和DR组合导航系统定位方法！[J].农业机械学报，2012，S1：262-265.

[3] 胡静涛，高雷，白晓平，李逃昌，刘晓光.农业机械自动导航技术研究进展[J].农业工程学报，2015，10：1-10.