非结构环境下基于机器视觉的机器人路径跟踪方法.pdfVIP

第34卷 第 lO期 北 京 工 业 大 学 学 报 V01．34 NO．10 2008年 10月 J0URNAL0FBEIJINGUNIVERSITY 0FTECHN0LOGY Oct．2008 非结构环境下基于机器视觉的 机器人路径跟踪方法 任永新 ，李 伟 ，陈 晓 ，李 ‘吉 ，杨会华 ，谭豫之 ，杨庆华 (1．中国农业大学 工学院，北京 100083；2．浙江工业大学 机械制造及 自动化教育部重点实验室，杭州 310014) 摘 要：针对温室环境下机器人 自主导航问题，提出了基于模糊预测控制的实时路径规划和跟踪方法．通过训 练神经网络对图像进行分割，获取导航预瞄点，得到机器人运动的角度偏差和横向偏差．当角度偏差小于25。 时，采用预测控制的方法，用拟合圆弧曲线作为机器人跟踪的规划路径，当角度偏差大于25。时，采用模糊控制器 对2驱动轮的轮速进行控制．实验表明，该方法能对曲线路径进行平滑的跟踪，以0．3m／s的速度运动时最大跟 踪误差小于 5cm． 关键词：机器人；计算机视觉；神经网络；模糊控制；预测控制系统 中图分类号 ：TP242．6 文献标识码：A 文章编号：0254—0037(2008)10—1021—05 温室环境下的视觉导航是利用计算机视觉系统识别出农作物行或垄等区域的边界作为行走路径，根 据机器人与行走路径的相对位置计算出控制量，通过运动执行机构的位置方向调节，进而跟踪期望路径的 一 系列过程…．文献[2—5]提出了基于人工势场和遗传算法的路径规划方法．Magid等[]提出了基于样条 曲线的路径规划方法，该方法可以生成短而平滑的路径，并且能避开障碍物．Yuan[]等针对 自主运动的水 下机器人提出了基于最小转弯半径的最优路径规划方法 ．文献 [8—10]提出了基于改进 的最短距离 Dijkstra算法和蚂蚁算法提出了一种新的全局最优路径规划方法．本文基于机器视觉的机器人 自主导航 技术，提出了预测控制和模糊控制相结合的跟踪控制方法． 1 基于BP神经网络导航信息获取 1．1 图象信息获取 本文分析的是在 日光温室环境下采集的黄瓜植株图像，黄瓜按垄种植，两垄之间的地面即为机器人行 驶的实际路线．云台摄像机安装在机器人两前轮轴中心点的正上方，距离地面高 0．5m，采集时摄像机的 俯视角为 25。，获取图像的分辨率为320×240像素． 1．2 基于BP神经网络的导航信息处理 图像的特征提取和 目标识别都依赖于图像分割后的结果 ，通过阈值对图像和背景进行分割．对于 复杂背景的图像，简单阈值分割难以获得好的效果．在大量实验的基础上，选用 RGB彩色空间进行研究． 图像由土壤、植物茎、叶子、天空4个区域组成，并分析 4个区域像素点的RGB分量．为了减小 自然光照 的影响，对 R、G、B分量进行规格化处理，得到 r、g、b作为特征参数来研究． 采用具有高度非线性关系映射的BP神经网络实现图像分割，构建包含单个隐含层的神经网络，以r、 g、b作为输入层的3个节点，4个区域作为输出层的4个节点．选择弹性 BP算法训练网络，并且运用 Nguyen—widrow法为各层产生初始权重和偏置值 ．隐含层和输出层传递函数均为S型(sigmoid)函数 ．隐 收稿 日期 ：2007—07—10． 基金项 目：国家 “八六三”计划项 目资助 (2007AA04Z222)． 作者简介：任永新 (1973一)，男，河北承德人，博士生；李 伟 (1956一)，女，吉林长春人，教授，博士生导师 1022 北 京 工 业 大 学 学 报 2008年 含层节点数先由经验公式得出，然后通过平衡图像的分割效果和网络收敛速度加以调整，隐含层节点数为 9时效果最佳，即确定网络结构为 3-9—4．设定网络误差 ￡=0．01，学习速率为0．01，网络训练达到 10000 次后停止 ．随机选取同一场景下不同时间拍摄的20幅图像， 在每幅图像的4个区域 中，人工选取 100个像素点作为训练 样本，利用训练后的神经网络进行图像分割．分割后的图像 按其特征二值化为黑色的植物和 白色的路面，逐行求出白色 地面横坐标平均值，作为每行的导航离散点坐标 ．