基于图像边缘检测的机器人避障方案设计

丁嘉　牛凤莲

摘 要：避障技术是机器人运动控制的关键性技术之一。作者提出了一种结合超声波测距和图像边缘检测算法的避障方案，在行驶过程中利用超声波避障实现对障碍物的检测，利用图像处理方法得到障碍物的边缘信息，从而获得可行的行驶路径。

关键词：超声波传感器；避障；图像边缘检测

中图分类号： TP242 文献标识码： A 文章编号： 1673-1069（2016）26-147-2

0 引言

进入21世纪后，我国机器人技术研究和发展十分迅速。避障技术是机器人运动控制的一个关键性技术。由于野外环境复杂多变，障碍物众多，给机器人行进增加了不小难度。本文采用超声波避障和基于图像边缘检测结合的综合处理手法，为机器人避障功能实现和路径选择提供了一种新的实现方案。其具体操作流程是，当机器人下地并调整方向后，首先对正前方的目标进行图像采集和处理，进行首次路径规划；在进行过程中，同时进行超声波测距避障和图像处理操作，利用超声波避障技术实现对障碍物的检测，利用图像处理获取外界信息对初始路径进行必要补充和调整，从而获得合理的行驶路径。

1 超声波避障

超声波避障是指通过超声波测距获得障碍物与己方距离，并确定目标大致方位和距离的方法。超声波发生器T在某一时刻发出一个超声波信号，遇到被测物体后反射回来被超声波接收器R接收到。这样，只要计算出从发出超声波信号到接收到返回信号所用的时间，就可计算出超声波发生器与反射物体的距离。

本文采用超声波阵列测距法，即在机器人前端等间距水平布设5组小型超声波传感器收发探头（编号A-E）。实际远距离超声波收发探头的波束角为6度或12度，假定收割机母型为福田RC20型，查询资料得知其宽度为240cm，若忽略超声波模块本身的宽度，可知每套探头的间距D为60cm，故可以根据波束角12度和三角函数计算出该方式的盲区距离L为：L==459.2cm

这意味着在459.2cm外，该法布设的探头将对机器人车体前方实现水平方向上的全覆盖。在行进过程中，各探头将采用轮询方式工作，即按A到E的顺序，循环启动探头，不断探测前方，如有障碍物则会产生回波，接收探头接收后即会提供障碍物距离的大致数据。为保证机器人有一定的转弯半径，超声波探头模块应当选择探测距离在4-20米左右的型号，比如7ML1127-1BA50等。

当机器人正面存在障碍物（如电线杆等）时，在轮询过程中各探头所提供的测距数据一定会存在一个检测距离的最小值。假定A或B探头所获得的数据中存在最小值，意味着车体正前方靠左侧位置存在障碍物，此时机器人应从右侧绕行，反之亦然。

2 基于图像边缘检测的路径算法

2.1 检测原理

在实际农田环境中往往还存在一些负高度（以超声波传感器安装的水平高度作为参考零高度）的障碍物，这种障碍物难以被超声波测距避障系统发现，因而必须采用机器人视觉处理技术，利用CCD相机或摄像头对图像进行采集和分析，来协助系统规划出最合适的路径。其技术流程如图1所示：

图像边缘检测是提取图像特征、识别障碍物进而规划路径的重要手段。进行图像识别、分析时，首先要做图像边缘检测。待检测到图像边缘后，我们可认为图像边缘即为障碍物的边缘，据此规划机器人行动路径。其工作流程是，首先在图像最下一行的中心点开始向两边检测，计算两侧发生颜色变化时的像素点数，如两边相等，则认为现在方向刚好是路径中间，如不等，则表示机器人行进方向偏向路径一边，需要调整机器人的行进方向，使机器人位于路径中心，并记录下该点，然后再检测上一行，这样循环反复，可以在图像中虚拟出一条路径线路来。

2.2 检测算法

本次所采用的检测算法是依据数学形态学四种基础运算膨胀、腐蚀、开和闭基础上获得的改进型双结构元素多尺度形态学边缘检测算子，根据文献2所提供数据，其数学定义是：

式中，A表示小尺度结构元素，其优点是能将图像的边缘特征保持住，但对于噪声处理表现不理想；B为大尺度结构元素，其对噪声处理效果较好，但容易丢失边缘信息。因此在本次仿真设计中，图像边缘将被视为障碍物边缘，因此需要保留较多边缘数据，故A选择9*9结构；而农田环境比较广袤，B采用3X3结构。

2.3 仿真结果

本次选用的是一张稻田场景彩色图像，如图2所示。图3是利用Matlab转换获得的灰度图像。灰度图像相比彩色图像更容易进行技术分析处理，其数据量和技术难度要小得多。在本次设计中并不需要自动分析作物是否成熟，因而使用灰度图像已经够用了。

算子处理结果

从以上的仿真结果可以看出，传统的各边缘算子（图4、5所示）在处理实际图像时效果比较差，而采用了改进型双结构元素多尺度形态学边缘检测算子后（图6所示），图像边缘处理效果要远远好于传统算子。在此基础上，采用前述对比法，系统可以发现在正前方右侧存在障碍物。规划的路径示意图如图7所示，黑色实线即规划路径示意。

在实际行驶过程中，先用超声波进行不断扫描，确保障碍物被发现时，距离机器人大于4.59米。一旦发现障碍物，则换用图像采集方式，用摄像头对前景进行拍照，根据采集数据修正路径后继续行驶。

3 结论

超声波避障对于正高度障碍物比较有效，而图像采集与路径规划则对负高度障碍物有很好的识别能力，同时可以作为超声波避障的有益补充。从仿真的结果看，本文提出的方案具有基本的技术可行性，下一步需要借助嵌入式或其他平台，将算法用硬件语言实现，以装备实际机器人并进行进一步的测试。

参 考 文 献

[1] 赵珊，崔天时.农业机器人避障算法的研究[J].北京：农机化研究，2014（1）.

[2] 王东霞，许伟昶.基于改进的数学形态学边缘检测算法研究[J].上海：实验室研究与探索，2014（2）.

[3] 张德丰.Matlab数字图像处理[M].北京：机械工业出版社，2012，3.