非结构环境下基于机器视觉的 - 中国管理科学.PDF

V01．34 第34卷第10期 北京工业大学学报 No．10 2008年10月 OFBEIJINGUNIVERSITYOFTECHNOLOGY Oct．2008 JOURNAL 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1，李 伟1，陈 晓1，李 吉1，杨会华1，谭豫之1，杨庆华2 (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5cnl． 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 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【7]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【111，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、6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，．、 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 收稿日期：2007．07．10． 基金项目：国家“八六三”计划项目资助(2007AA042222)． 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 万方数据 1022 北京工业大学学报 2008钲 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 000 9时效果最佳，即确定网络结构为3-9．4．设定网络误差e=0．01，学习速率为0．01，网络训练达到10 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．所有导航 离散点的集合形成导航线【l引，如图1所示． 基于视觉导航的机器人控制，应与驾驶员驾驶行为相似， 驾驶员开车时，总是不断对前方视野中的一点进行预瞄，并根