果树快速定位采摘机器人设计—基于红外和激光扫描技术

张邦凤

(重庆电子工程职业学院 应用电子学院，重庆 401331)



果树快速定位采摘机器人设计
—基于红外和激光扫描技术

张邦凤

(重庆电子工程职业学院 应用电子学院，重庆 401331)

为提高采摘机器人的自主导航能力和采摘效率，实现机器人的快速果树识别和定位，结合红外测距传感器与计算机图像处理技术，利用激光扫描传感器体积小、功耗低、速度快、抗干扰等特点，提出了一种非接触式测量果树深度信息的方法；并结合计算机图像处理对果树进行了标定，实现果树的快速识别与定位，为采摘机器人运动轨迹规划提供了自主导航的参数。为了验证该方法的可靠性，在采摘机器人试验样机上安装了红外线测距和激光扫描快速定位装置，并通过左右两侧果树的导航路径拟合，得到了机器人的行走路径，通过对比红外线测距和激光扫描的结果发现，其拟合路径基本吻合，从而验证了该方法测量数据的可靠性。根据不同的树高对应的枝叶密度，利用计算机图像处理对果树进行了标定，最后利用激光扫描方法对标定后的果树进行了快速定位，并将结果和全站仪的结果进行了对比，结果表明：激光扫描和全站仪之间的最大误差仅为20mm。这说明，激光测量的精度较高，可以满足设计的需求。

采摘机器人；红外线测距；激光扫描；快速定位；果树标定

0 引言

近年来，随着科学技术的发展和生产力的进步，人们对自动化作业要求的呼声越来越高；然而农业作为国民经济的物质基础，在快速发展的工业化和日益显现的人口老龄化背景下，加快农业装备的研究进程变得更加迫切。我国是水果生产大国，目前我国果园无论是面积还是产量均居世界前列，但果树的种植和管理技术落后。随着计算机技术和信息技术的飞速发展，农业机器人已成为现代化农业装备研究中的重要组成部分，智能化果园装备自动导航系统的研究一直以来都受到各国学者的高度重视。本次研究将红外线技术和激光扫描技术应用到了机器人的果树标定和快速定位的优化设计上，以期提高机器人的自动化程度，提高机器人的定位速度和采摘效率。

1 快速定位采摘机器人设计

为了实现采摘机器人的快速定位，采用红外线测距和激光扫描两种方式来进行快速定位。其中，红外线和激光扫描仪及传感器都安装在采摘机器人的顶部，从而可以得到更加广阔的视野。机器人快速定位的一般流程如图1所示。

图1 采摘机器人快速定位系统流程图Fig.1 The flow chart of rapid positioning system for picking robot

传感器通过实时扫描，将红外线测距和激光扫描得到的信息传递给PC机；PC机将信息进行处理，并将数据进行筛选，扫描完成后将数据导入到MatLab软件中进行图像处理和图像的绘制。图像处理流程如图2所示。

为了实现果树的快速标定，本次研究采用MatLab软件对图像进行处理，包括图像的二值化转换、图像增强滤波、图像分割和形态学轮廓提取，将提取出的果树形状可以按照特征进行分类。图像实时扫描和采集的结构示意图如图3所示。

图2 机器人视觉图像处理Fig.2 The image processing for robot vision

图3 果树定位机器人结构示意图Fig.3 The structure schematic diagram of fruit trees positioning robot

由于采用了激光扫描和红外线测距两种方式，可以大大提高机器人的定位精度及定位速度，从而提高机器人的作业效率。

2 红外线测距和激光扫描快速定位拟合导航路径

本次研究主要是对果树的中线进行红外线测距和激光导航，从两行果树中分别取离采摘机器人最近的两行果树的30棵进行两两组合，组成15组数据，并取两颗树的中点作为拟合数据点。机器人测试的试验样机如图4所示。

该机器人使用红外线测距和激光扫描进行果树坐标的测量，可以利用公式(1)对果树组合的中点进行计算，有

(1)

其中,xLm和xRm分别表示红外线和激光扫描仪得到的第m组左右两侧果树的坐标；xt和yt分别表示两侧果树的中点坐标。通过公式(1)可以得到拟合的红外线和激光导航路径，该路径由15个坐标点组成，使用最小二乘法对路径进行拟合，由红外线测距得到的路径拟合坐标如表1所示。

图4 红外线和激光扫描果树定位机器人Fig.4 The fruittrees positioning robot of infrared and laser scanning表1 红外线测得拟合点坐标Table 1 Fitting point coordinates by infrared measurement

序号中点坐标序号中点坐标1(0.25,3.28)2(0.12,5.32)3(0.04,8.25)4(-0.52,9.12)5(-0.25,8.35)6(-0.58,9.36)7(-0.86,9.28)8(-0.23,10.65)9(-0.29,11.36)10(-0.05,11.52)11(0.26,11.58)12(0.32,12.32)13(0.35,13.25)14(0.52,14.26)15(0.53,15.32)16(0.55,16.28)

为了提高坐标测量的准确性，使用激光扫描和红外线测得值进行对比，激光扫描测得拟合点坐标如表2所示。

表2 激光扫描拟合点坐标

由表2可以看出：激光扫描得到的拟合点和红外线测距得到的拟合点位置坐标比较吻合，从而验证了测量数据的可靠性。根据最小二乘原理，假设拟合直线方程为y=ax+b，取偏差平方和为δ=∑(yt-y)2，将y=ax+b带入可得

δ=∑(yk-ax-b)2

(2)

为了使偏差平方和最小，将函数分别对a、b进行求导，令偏导数的值等于0，则可得

(3)

通过求解可得

(4)

将a、b代入到拟合曲线y=ax+b，使用MatLab软件进行曲线拟合，可以到采摘机器人的导航路径为

(5)

其中，y1、y2分别表示使用红外线测距和激光扫描得到的拟合曲线。由曲线结果可以看出，激光扫描和红外线测距得到的曲线基本吻合，从而验证了数据测量的可靠性。

3 快速果树标定和定位测试

由验证可看出，使用激光扫描测量的准确性较高，因此接下来的实验主要使用激光扫描进行果树的标定和定位。使用激光扫描进行快速定位的基本流程如图5所示。

图5 激光扫描快速定位Fig.5 The fast positioning map for laser scanning

首先由激光脉冲二极管发出激光信号，经过旋转棱角射向果实目标；然后利用接收器接受发射回来的信号，并使用记录器进行记录；最后使用PC机转换为可以直接处理的数据信息，利用软件对信息进行处理。在进行定位之前，首先需要利用机器人视觉对果树图像进行采集，并对果树进行标定。

图6表示使用采摘机器人机器视觉的摄像头采集得到的果树原图。利用MatLab软件进行二值化处理得到灰度图像，将得到的二值图进行滤波和轮廓提取，得到了如图7所示的结果。

图6 待定位果树原图和二值化图Fig.6 The original image and the binarization imgage of

fruit trees to be located

图7 滤波和轮廓提取Fig.7 The filtering and contour extraction

由图7可以看出：通过中值滤波后，果树的轮廓更加清晰，对轮廓进行提取后，可以对果树进行标定，以便采摘机器人作业时进行快速定位。

图8表示本实验的果实分类标定的结果。根据不同的树高对应的枝叶密度，可以将不同树高的数目进行分类标定，在采摘果实时可以按照分类特征进行快速定位。为了验证激光扫描果树快速定位的精度和可靠性，使用全站仪首先对果树的坐标进行测量，然后利用激光扫描再次重新测量，将测量结果进行对比，便可以得到测量误差。

图8 果树分类标定结果Fig.8 The calibration results of fruit classification

表3表示利用激光扫描和全站仪进行位置测量得到的最终结果。由结果对比可以看出：激光扫描和全站仪之间的最大误差仅为20mm。这说明，激光测量的精度较高，可以满足设计的需求。

表3 定位结果和误差分析

4 结论

利用红外线测距和激光扫描原理，设计了一种非接触式的采摘机器人快速定位装置。该装置结合计算机图像处理技术，可以实现果树的快速识别和定位，有效地提高了机器人的采摘效率。为了验证该方法的可靠性，对采摘机器人试验样机进行了测试，由左右两侧果树的导航路径拟合结果发现：采用红外线测距和激光扫描进行路径拟合的结果基本吻合，从而验证了该方法测量数据的可靠性。利用计算机图像处理对果树进行了标定，利用激光扫描仪和全站仪对果树进行了定位，通过对比测量结果发现：激光扫描仪的测量精度较高，可以满足采摘机器人快速精确定位的设计需求。

[1] 陈科尹,邹湘军,熊俊涛,等.基于视觉显著性改进的水果图像模糊聚类分割算法[J].农业工程学报, 2013,29(6):157-165.

[2] 王文庆,张涛,龚娜.基于多传感器融合的自主移动机器人测距系统[J].计算机测量与控制,2013,21(2): 343-345.

[3] 郭艾侠,邹湘军,朱梦思,等.基于探索性分析的荔枝果及结果母枝颜色特征分析与识别[J].农业工程学报,2013,29(4):191-198.

[4] 项荣,应义斌,蒋焕煜.田间环境下果蔬采摘快速识别与定位方法研究进展[J].农业机械学报,2013, 44(11):208-223.

[5] 魏泽鼎,贾俊国,王占永.基于视觉传感器的棉花果实定位方法[J].农机化研究,2012,34(6):66-68,112.

[6] 李立君,李昕,高自成,等.基于偏好免疫网络的油茶果采摘机器人图像识别算法[J].农业机械学报, 2012,43(11):209-213.

[7] 王辉,毛文华,刘刚,等.基于视觉组合的苹果作业机器人识别与定位[J].农业机械学报,2012,43(12): 165-170.

[8] 袁挺,纪超,陈英,等.基于光谱成像技术的温室黄瓜识别方法[J].农业机械学报,2011,42(S1):172-176.

[9] 熊俊涛,邹湘军,陈丽娟,等.采摘机械手对扰动荔枝的视觉定位[J].农业工程学报,2012,28(14):36-41.

[10] 吕继东,赵德安,姬伟,等.采摘机器人振荡果实动态识别[J].农业机械学报,2012,43(5):173-196.

[11] 钱建平,杨信廷,吴晓明,等.自然场景下基于混合颜色空间的成熟期苹果识别方法[J].农业工程学报,2012,28(17):137-142.

[12] 顾宝兴,姬长英,王海青,等.智能移动水果采摘机器人设计与试验[J].农业机械学报,2012,43(6):153-160.

[13] 王海青,姬长英,顾宝兴,等.基于机器视觉和支持向量机的温室黄瓜识别[J].农业机械学报,2012,43(3):163-167.

[14] 王辉,毛文华,刘刚,等.基于视觉组合的苹果作业机器人识别与定位[J].农业机械学报,2012,43(12): 165-170.

[15] 李寒,王库,曹倩,等.基于机器视觉的番茄多目标提取与匹配[J].农业工程学报,2012,28(5):168-172.

[17] 李立君,李昕,高自成,等.基于偏好免疫网络的油茶果采摘机器人图像识别算法[J].农业机械学报,2012,43(12):209-213.

[18] 蔡晋辉,才辉,张光新,等.复杂环境下自动导引车路径识别算法[J].农业机械学报,2011,42(10):20-24, 89.

[19] 陈艳,张漫,马文强,等.基于GPS和机器视觉的组合导航定位方法[J].农业工程学报,2001，27(3):126-130.

[20] 陈银清,洪添胜,孙同彪.山地果园单轨货运机的最小转弯半径及最大承载量分析[J].农业工程学报, 2012，28(S1):50-56.

[21] 米雪,苏健民.稳定精确的摄像机标定方法[J].计算机工程与应用, 2012，48(16):190-193.

[22] 王子亨,穆森,邱桂苹.摄像机非线性标定方法[J].计算机工程与设计,2010，31(15):3526-3529.

[23] 李明,李旭,孙松林,等.基于全方位视觉传感器的农业机械定位系统[J].农业工程学报,2010,26(2):170-174.

[24] 傅锡敏,薛新宇.基于我国施药技术与装备现状的发展思路[J].中国农机化,2008(6):72-76.

[25] 傅泽田,祁力钧,王俊红.精确施药拉术研究进展与对策[J].农业机械学报,2007,38(1):189-192.

[26] 郭辉,韩长杰.精确施药技术的研究与应用现状[J].农业科技与装备,2009(4):42-46.

[27] 吕太国.静电喷雾系统特性研究[J].农机化研究,2009，31(5):54-70.

[28] 燕明德,贾卫东,张斌,等.国内外静电喷雾施药技术及机具研究[J].农业机械,2008(8):53-54.

Design for Picking Robot of Fruit Trees Fast Positioning—Based on Infrared and Laser Scanning Technology

Zhang Bangfeng

(Institute of Applied Electronics, Chongqing College of Electronic Engineering, Chongqing 401331, China)

In order to improve the autonomous navigation capabilities and picking efficiency of the picking robot, realize the robot rapid fruit recognition and positioning, combined with infrared distance measuring sensors and computer image processing technology, it used laser scanning sensor with the advantages of small volume, low power, speed, anti-interference characteristics. It put forward a method of non-contact measurement of fruit tree depth information, combined with computer image processing ,which is used to calibrate the fruit trees, realize the fruit fast identification and location, for the picking robot trajectory planning. It provides autonomous navigation parameters. In order to verify the reliability of the method, in picking robot experimental prototype installed infrared ranging and scanning laser rapid positioning device, and the fruit trees on both sides of the navigation path fitting, robot walking path, through the contrast of infrared distance and laser scan. And from the scan results, it was found that the fitting path are basically consistent, which verifies the reliability of the measurement data. According to the different tree corresponds to high foliage density using computer image processing, which is used to calibrate the fruit trees, at last, fast location of calibration of fruit trees used laser scanning method and total station instrument results were compared. The maximum error between the laser scanner and total station is only 20mm, which indicate that the high precision of laser measurement can meet the design requirements.

picking robot; infrared distance measurement; laser scanning; rapid positioning; fruit calibration

2016-03-03

重庆市科学技术委员会一般项目(cstc2015shmszx0431)

张邦凤(1964-)，女，重庆人，副教授，硕士，(E-mail)zbfcq@sina.com。

S225.93；TP391.41

A

1003-188X(2017)06-0233-05