基于GPS和机器视觉的自主导航定位农机设备研究

吴东明，王丽娟

(焦作师范高等专科学校 计算机与信息工程学院，河南 焦作 454000)

基于GPS和机器视觉的自主导航定位农机设备研究

吴东明，王丽娟

(焦作师范高等专科学校 计算机与信息工程学院，河南 焦作 454000)

准确、可靠的位置信息是进行农业机械自动导航的前提，为了提高农机自主定位导航的精度，提出了一种基于GPS和机器视觉联合导航的定位系统，并介绍了联合定位导航的方法，最后以实验得方式验证了导航的可行性。农机的GPS和机器视觉组合定位系统采用GPS部分对农机的绝对位置进行实时采集，并跟踪导航角和行驶速度，完成绝对定位；采用机器视觉部分图像处理的方式，获得导航基准线和作业目标信息，完成相对定位；采用光电对管实现了避障功能，并采用无线数据的收发，实现了农机的远程控制。对农机联合导航机制进行了实验验证，结果表明：最大误差不超过0.1m，精度较高，克服了单一定位方式的不足，提高了农机自主导航的定位效果。

农机设备；机器视觉；自主定位；GPS系统；定位精度

0 引言

农业发展的趋势是农业设备的自动化与智能化，开发高精度的自主导航装置是减轻农民劳动强度和提高农业设备自动化的一项新的研究。在我国，当前的农业自动化设备的自主导航能力均不高，有关这方面的研究也做了大量工作，主要集中在机器视觉和GPS单一方向，采用GPS和机器视觉联合导航机制的研究并不多。为了实现农机的高精度定位和自主导航能力、提高农机的作业效率，本次研究联合了GPS和机器视觉导航两种方法，综合应用了GPS绝对定位和机器视觉的相对定位功能，以期提高农机的自主导航能力和定位效果。

1 农机GPS和机器视觉联合导航总体设计

在自主导航农业自动化设备中，采用单一的导航方式往往不能够解决精确导航的问题，目前常用的导航方法是GPS导航和机器视觉导航。农机导航和目标识别装置，对导航的精度要求较高，因此可以结合两种方法对农机机导航装置进行设计，其设计框架如图1所示。其中，GPS导航的基本功能是为农机提供精确的导航位置、航向和行驶的参数，机器视觉主要是对目标数据进行处理，得到目标的相对位置坐标，然后将两组信息进行统一，完成定位功能。其定位过程示意图如图2所示。

图1 GPS和机器视觉联合导航基本框架Fig.1 Basic framework of GPS and machine vision

农机根据GPS和机器视觉联合采集的信息实现了不同航向和速度下的行驶，并能够准确地定位到目标，实现连续转弯等操作。

图3表示采用GPS和机器视觉联合导航设计的主板框架图。农机采用直流电机对驱动，通过GPS实现了农机的精确定位，利用机器视觉实现了目标的准确识别和定位，采用光电对管实现了避障功能。系统还配备了液晶显示和语音播报功能，整个系统以STC89C52为控制核心，实现了农机的自动化定位和导航功能，并通过无线数据的收发，实现了农机的远程控制。

图2 导航农机定位过程示意图Fig.2 Schematic diagram of the process of navigation

图3 GPS和机器视觉联合导航主板设计框图Fig.3 The main board design for block diagram

GPS and machine vision joint navigation

2 农机GPS和机器视觉组合导航定位方法

组合导航采用GPS和视觉导航两种坐标系来标定，分别为大地和视觉坐标系，GPS输出的是农机的经纬度信息。视觉坐标系将摄像机的焦点作为坐标原点，将农机的行驶方向作为X轴的负方向，依据摄像机的参数将图像坐标系转换为农机的视觉坐标系，将其定义为(xps，yps)。农机的具体位置由GPS实时获得，其坐标定义为(xd，yd)，由农机的航行方向和视觉坐标可以求出作业目标的实际大地坐标(xj，yj)。农机航向示意图如图4所示。

其中，目标点坐标(xj,yj)可以利用公式(1)得到其在视觉坐标系和大地坐标系中的坐标，即

(1)

其中，φv表示农机的航向角度。在实际坐标系的测量过程中，需要将模拟图像转换为数字图像，才能被农机的数字处理部件所识别，图像的数字化处理主要包括图像数字化变换、图像增强、图像分割、图像压缩和图像重建等。其中，数字化变换过程是将模拟的图像离散化，得到离散的图像数据，如图5所示。

图4 农机航向示意图Fig.4 Schematic diagram of the agricultural machinery

图5图像数字化的流程图Fig.5 The flow chart of digital image

图像的数字化处理过程可以用函数Q(F)来表示，该函数表示通过不同的处理方法对图像进行处理。对于一般的图像来说，其灰度图像用F在(X,Y)二维空间的连续变化来描述，即图像=f(x,y)。对于序列图像来说，图像序列={f1(x,y),f2(x,y),…,fi(x,y)}，或图像序列=f(x,y,t)。其中，二维图像函数f(x,y)经过系统S变成另一个二维图像函数g(x,y)是图像处理的基本形式，如图6所示。

图6图像处理的符号框架Fig.6 The symbol frame for image processing

由图6可以对图像的基本符号框架进行表述，其符号表达式为

g(x,y)=S(f(x,y))

(2)

其中，S表示某种处理方法，其随着图像处理目标的不同而不同，可以将其写成

g(x,y)=S-1(f(x,y))

(3)

式(3)表示对图像进行恢复。在农机采集图像时，采集得到的图像一般都为彩色图像，彩色图像模型可以用HIS模型来表示，HIS分别表示色度(Hue)、饱和度(Saturation)、亮度(Illumination)3个参数。在模型中，不需要蓝色或者绿色色彩个数，只需要调节色度便可以得到数字化处理所需要的色彩，调节饱和度可以将深色变成浅色，调节亮度可以改变图像的亮暗程度，机器视觉可以利用HIS模型来识别待作业的目标颜色。HIS模型如图7所示。

图7 HSI模型示意图Fig.7 Schematic diagram of HSI model

图7中，角度表示色度H，其值的范围是0°～360°；半径表示饱和度S，分布范围是从0～1；Y轴方向表示亮度由黑向白转换。将RGB图像转换为HIS模型可以采用以下公式，即

(4)

θ的数值为

(5)

色度的分量为

(6)

强度分量为

I=1/3(R+G+B)

(7)

依据图像处理模型，可以构建农机导航车的软件系统，主要包括作业目标采集模块、数据读取模块和图像处理模块。其中，图像处理模型主要是由作业目标识别模块、导航定位模块、显示模块、控制模块和RS232通信模块等组成。

图8为农机导航的软件系统框图，其核心部分是图像处理模块和作业目标识别模块。图像处理模块可以完成对图像的各种操作，实现图像参数的计算；作业目标识别模块可以有效地识别作业目标位置，实现作业目标定位；控制模块可以根据计算得到的位置目标，控制导航车辆的移动；最后，利用RS232通信模块将控制参数发送到转向和机械手控制器，从而实现作业过程的自主导航。

图8 农机自主导航软件系统框架图Fig.8 The software system framework of the autonomousnavigation of agricultural machinery

3 农机联合导航实验

农机作业导航的主要功能包括转向避障和目标的识别，本次实验农机的作业定位系统主要包括3部分，目标定位模块、图像处理模块和结果输出控制模块。其中，目标的定位和识别由GPS和机器视觉来实现，实时采集得到的信息保存在内存中，处理完成后的图像作为结果输出，最后利用输出结果来控制农机机械手的运动，完成机器人得定位和位姿控制，如图9所示。

图9 导航农机主机体部分Fig.9 The navigation of agricultural machinery parts

农机上搭载了GPS导航定位接收器和机器视觉系统，GPS导航天线安装在机器的顶部，摄像机安装在车体前端，为测试导航的机动性，在农机后边加载了拖拉装置，如图10所示。

图10 农机导航过程实验示意图Fig.10 The experimental schematic diagram of the processof agricultural machinery navigation

本次农机GPS和机器视觉联合导航实验采用的农机行驶速度为0.6m/s，并沿着x方向行驶，采集得到传感器数据，本次实验一共采集了8组数据，并对数据进行了统计分析，其定位效果如图11所示。

图11 定位效果误差曲线Fig.11 The error curve of positioning effect

由定位效果图可以看出：采用联合导航机制得到的误差较小，其中最大误差不超过0.1m，满足农机高精度自主导航的需求。

4 结论

为了实现农机的高精度定位和自主导航能力，提高农机的作业效率，对GPS和机器视觉联合导航机制进行了深入的研究，综合应用了GPS绝对定位和机器视觉的相对定位功能，设计了农机联合导航机制的实验样机。在行驶速度为0.6m/s时，对农机的导航效果进行了实验数据记录，并将数据记录进行了统计分析，结果表明：农机导航的精度最大误差不超过0.1m，相比单一的GPS定位和机器视觉定位精度都要高。由于本次研究还处于初试阶段，还没有进行大量的实验论证，因此联合导航机制的研究还存在很多问题，相信通过今后的研究，会研制出具有更高精度和效率的农机设备导航方法。

[1] 刘沛,陈军,张明颖.基于激光导航的果园拖拉机自动导航系统[J].农业工程学报,2011,27(3):305-308.

[2] 罗炳海,王剑萍.一种基于各向异性磁阻(AMR)技术的角位移传感器的原理及设计方案[J].电子制作,2014(4):12-17.

[3] 姬江涛,郑治华,杜蒙蒙.农业机器人的发展现状及趋势[J].农机化研究,2014,36(12):1-4.

[4] 乔永亮,何东键,赵川源,等.基于多光谱图像和SVM的玉米田间杂草识别[J].农机化研究,2013,35(8):30-34.

[5] 姬长英,周俊.农业机械导航技术发展分析[J].农业机械学报,2014,45(9):44-54.

[6] 孟庆宽,何洁,仇瑞承,等.基于机器视觉的自然环境下作物行识别与导航线提取[J].光学学报,2014,34(7): 1-7.

[7] 刘金龙,郑泽锋,丁为民,等.对靶喷雾红外探测器的设计与探测距离测试[J].江苏农业科学,2013,41 (7):368-370.

[8] 尹坤,陆英刚.国内外精细农业的应用与技术构成[J].黑龙江科技信息,2010(16):25-27.

[9] 赵艺,陆超,韩英铎,等.基于改进无模型自适应控制算法的发电机广域阻尼控制器设计[J].清华大学学报:自然科学版,2013,53(11):1645-1652.

[10] 王跃钢,左朝阳,郭志斌,等.滑模/无模型自适应控制方法及在离心-振动试验系统中的应用[J].中国惯性技术学报,2014,22(2):276-280.

[11] 刘沛,陈军,张明颖.基于激光导航的果园拖拉机自动导航系统[J].农业工程学报,2011,27(3):305-308.

[12] 陈宁,周志峰.一种纯追踪模型改进算法[J].轻工机械,2014(4):69-72.

[13] 刘荣军,张长利,张晓雨.基于DM9000的S3C2410嵌入式系统的以太网接口设计[J].中国高新技术企业,2010(7):150-152.

[14] 王科俊,魏娟.基于共面圆的双目立体视觉分步标定法[J].应用科技,2010,37(1):36-39.

[15] 佟帅,徐晓刚,易成涛.基于视觉的三维重建技术综述[J].计算机应用与研究,2011,28(7):2412-2417.

[16] 张成,王听,史建卫,等.一种亚像素圆检测的新算法[J].理论与研究,2009(3):14-17.

[17] 陈娟,陈乾辉,师路欢,等.军图像跟踪中的边缘检测技术[J].中国光学与应用光学,2009,2(1):49-52.

[18] 刘昶, 朱枫, 夏仁波.基于共面二点一线特征的单目视觉定位[J].计算机应用研究,2012,29(8):3145- 3147.

[19] 刘金颂, 原思聪, 江祥奎.Zernike 矩和曲率的圆形中心亚像素定位[J].计算机工程与应用,2010,46 (29):153-155.

[20] 高国琴,李明. 基于K-means算法的温室移动机器人导航路径识别[J].农业工程学报,2014,30(7):25-33.

[21] 方莉娜,杨必胜. 车载激光扫描数据的结构化道路自动提取方法[J]. 测绘报,2013,42(2):260-267.

[22] 陈运鹏,龙慧,刘志杰.我国施肥技术与施肥机械的研究现状及对策[J].农机化研究,2015,37(4):255-260.

[23] 刘荣军,张长利,张晓雨.基于DM9000的S3C2410嵌入式系统的以太网接口设计[J].中国高新技术企业,2010(7):150-152.

[24] 李军,马蓉.基于多传感器融合的拖拉机自动导航技术[J].农机化研究,2011,33(12):58-60.

[25] 瑛宣.Linux下NFS(网络文件系统)的建立与配置方法[J].计算机与网络,2013,39(21):44-45.

[26] 王冬,王超,韩永,等.iSCSI与NFS的协议开销对比[J].计算机工程与应用,2012,48(36):105-111.

[27] 陈宁,周志峰.一种纯追踪模型改进算法[J].轻工机械,2014(4):69-72.

Research on the Autonomous Navigation and Positioning System Based on GPS and Machine Vision

Wu Dongming, Wang Lijuan

(School of Computer and Information Engineering,Jiaozuo Teachers College,Jiaozuo 454000, China)

The accurate and reliable location information is a prerequisite for the automation of agricultural machinery. In order to improve the self positioning accuracy of navigation of agricultural machinery, it proposes a GPS positioning system and combined navigation based on machine vision, introduces a method of combined navigation, finally verifies the feasibility of the navigation way through the experiment. Agricultural GPS and machine vision positioning system uses GPS part of absolute position of agricultural real-time acquisition, tracking and navigation angle and speed, completes absolute positioning. By using machine vision image processing part, navigation datum line and operation target information, it completes the relative positioning, the photoelectric tube to achieve obstacle avoidance function by using the wireless data transceiver to achieve the remote control of agricultural machinery. At the end of the agricultural joint navigation mechanism is verified by experiments, which shows that the maximum error is less than 0.1m, high precision, overcome the shortage of single positioning, improve the positioning effect of autonomous navigation of agricultural machinery.

agricultural machinery equipment; machine vision; self localization; GPS system; positioning accuracy

2016-12-11

江苏省农业科技自主创新项目(CX(16)60732)

吴东明 (1982-)，男，河南驻马店人，讲师，硕士。

王丽娟(1980-)，女，河南焦作人，讲师，硕士，(E-mail)6683746@qq.com。

S126;TP273

A

1003-188X(2018)02-0221-05