基于OFDM信道和远程监控的果园采摘机器人设计

周真真，李燕杰，闫瑞雪

( 1.石家庄科技工程职业学院 信息工程系，石家庄 050800；2.天津农学院 计算机与信息工程学院，天津 300384)



基于OFDM信道和远程监控的果园采摘机器人设计

周真真1，李燕杰2，闫瑞雪1

( 1.石家庄科技工程职业学院 信息工程系，石家庄 050800；2.天津农学院 计算机与信息工程学院，天津 300384)

随着网络和远程控制技术的发展，基于移动互联网的智能机器人成为未来机器人的发展方向。到目前为止，采摘机器人还很少采用移动互联网进行远程监控，如果将移动互联网应用到果园采摘机器人的设计上，将会大幅度地提高采摘机器人的实时在线控制水平，提高多机器人编队控制能力。为此，提出了一种基于OFDM信道估计和远程监控网络的果园采摘机器人设计方法，并结合果实图像的分割、归一化、细化和增强技术，提高机器人果实图像的识别能力。通过夜间对采摘机器人平台的测试发现：机器人在加入信噪比的干扰信号情况下，采用OFDM传输系统的机器人信号发送端和接收端的信号吻合程度很高，误码率很低，为新式智能远程控制采摘机器人的研究提供了较有价值的参考。

OFDM信道；远程控制；采摘平台；机器人；抗干扰

0 引言

随着网络技术的飞速发展，传统的机器人控制技术与先进的网络通讯技术不断融合，使基于网络的机器人控制技术也得以不断发展。远程控制技术可以使人们通过简单的终端机完全控制网络另一端的被控机，从而实现了另一端被控机信息的获取和强大的控制功能。由于采摘机器人作业环境的复杂性，依靠有线网络对机器人进行远程控制是不现实的；而传统的无线移动网络由于传输速度和距离的限制，在采摘机器人远程控制上的应用也受到限制。而基于4G移动通信和OFDM传输系统的无线网络不仅传输效率高，而且抗干扰能力也非常强，将其应用在采摘机器人的远程控制系统中，具有重要的现实意义。

1 采摘机器人果实图像信息匹配

果实图像识别是采摘机器人进行采摘作业的主要依据，也是远程控制中主要的检测对象。采用OFDM技术可以使用当前的移动4G网络实现图像等信息数据的传输，因此在传输数据之前必须获得准确的图像。采摘机器人识别果实的简化模型如图1所示。

以黄瓜采摘为例，对采摘机器人的远程通信信道进行设计。在果实采摘过程中，除了果实之外还有较多的干扰信号，因此在进行图像识别时需要对图像进行处理，在进行通信时需要选择抗干扰性能较强的OFDM通信技术。机器人对果实目标的识别过程是对果实图像信息匹配的过程，主要包括黄瓜果实图像的灰度化、图像分割、归一化、增强和细化、特征提取和特征匹配，具体步骤如下文。

图1 采摘机器人简化模型Fig.1 The simplified model of picking robot

1.1 图像灰度化

图像灰度化处理是将彩色图像转换为灰度图像的操作。一般采摘机器人采集到的果实图像为24位的真彩图像，因此需要利用转换公式将其转换为8位灰度图像，其公式为

C=xR+yG+zB,x+y+z=1

(1)

其中，R、G、B表示颜色的3个基本元素；x、y、z表示颜色的基本系数，表示转换后的一种颜色。果实图像灰度化后，需要在复杂的采摘环境中将图像分割出来。

1.2 图像分割

利用图像分割技术可以将果实区域分割成为一系列有意义的特征图像，本次图像分割采用Sobel算子。该算子是一种微分算子，利用临近像素区域的梯度来计算图像中的每个像素的梯度，然后利用阈值分割取舍的方法，提取特征图像的边缘，其表达式为

M=sqrt(sx×sx+sy×sy)

(2)

sx与sy可以采用如下卷积模板来计算，有

(3)

通过图像分割得到的图像边缘还存在一定的不连续性，因此要对边缘进行连通和细化处理，从而得到平滑的果实图像。

1.3 归一化

为了得到尺寸统一的果实图像，需要对图像进行归一化处理，假设图像在X轴和Y轴方向的缩放比例分别为fx、fy，则原始图像f(x,y)中对应点(x0,y0)进行归一化处理后在新图像g(x,y)中的对应点为 (x1,y1)，其缩放公式为

x1=fx×x0，y1=fy×y0

(4)

果实图像在归一化处理之后，灰度值分布在[0,255]范围内，灰度归一化处理的公式为

(5)

1.4 图像增强

为了进一步提高采集到的果实图像的质量、降低噪声、增强果实图像和背景的对比度，在空间区域需要对图像进行增强处理。首先确定果实图像的大小，然后将分割出的果实特征图像创建扩充矩阵，将分块内的每个像素的灰度值与扩充矩阵灰度值和特定灰度阈值进行比较，从而区分背景区域和特征区域，增强特征区域的区分度。

1.5 图像二值化与细化

对果实图像二值化可以进一步提高图像的质量，将像素点划分为前景值点和背景值点。其中，前景值点灰度值为255，背景点的灰度值为0，便可以得到果实图像的二值图。本次选用的二值化和细化的算法为Niblack算法，该算法是一种简单且有效的局部动态阈值算法，在r×r邻域内，通过相邻像素的方差和均值来实现二值化，其计算公式为

T(x,y)=m(x,y)+k×s(x,y)

(6)

其中，T(x,y)表示像素点的阈值；m(x,y)表示像素点的均值；s(x,y)表示像素点的标准差；k表示修正系数。假设像素点(i,j)处的灰度值为f(i,j)，则

(7)

(8)

经过二值化处理后的果实图像，经过再次的细化增强后，便可以进行图像特征的提取。

2 OFDM信道远程传输和抗干扰原理

为了验证OFDM信道的远程传输抗干扰性，需要建立远程网络的OFDM信道，并建立调制和解调机制。通过FFT/IFFT变化，查看接收端和发射端信合的吻合程度，如果没有出现误码率，则说明系统的抗干扰性能很高。

2.1 信源发生器设计

为了简化信号测试方案，发射信号采用[0,1)均匀分布的随机数信号，并设置信号0.5，随机等概的产生0和1。

2.2 调制和解调

调制和解调采用QPSK(四相绝对移相调制)，该方法利用载波的相位信号表征数字信息，每个载波表示两个比特的信息，一个四进制码表示双比特码元。一般习惯将双比特码元的前一个比特用a表示，后一个比特用b表示，ab一般是按照格雷码排列的，如表1所示。

表1 双比特码元与载波相位的关系Table 1 The relationship between two bit code and carrier phase

每个载波先给都有一个对应的双比特元码，其矢量关系如图2所示。

图2 QPSK符号的矢量图Fig.2 The vector diagram of QPSK symbol

其中，s表示经过调制后的信号，调制信号可以使用调相法和相位选择发产生。

QPSK的公式为

(9)

2.3 插入和去除循环前缀

为了对OFDM符号进行隔离，将符号后的Ng个样点复制到前面，其长度比最大的时延大，保证了OFDM符号子载波之间的正交性，从而避免了码间串扰问题。

2.4 FFT/IFFT

FFT是离散傅里叶变换的快速算法，可大大降低计算次数，在信道建立和测试过程中，直接使用FFT和FFT函数对数据进行傅立叶(逆)变换，以提高计算的速度。

3 OFDM信道远程控制的采摘机器人测试

为了验证OFDM移动通信技术在采摘机器人远程控制设计上使用的可行性，以采摘机器人的果实识别和成功采摘信号传输为测试项目，对信号的传输性能进行了测试。

基于OFDM移动通信技术的采摘机器人对夜间果实采摘也具有较强的适应能力，这是由于移动信号不受光线的干扰，因此可以产生较强的远程监测效果。夜间果实图像如图3所示。

为了保证实验的可靠性，采用传统的通信信道和OFDM两种技术，将信道噪声的信噪比设置为8dB，首先通过信号源绘制出发射端的波形，其形状如图4所示。

图3 夜间果实图像Fig.3 The fruit images at night

图4 传统信道发送端波形Fig.4 The waveform of traditional channel transmission

图4表示使用传统的通信信道利用信号源发送信号得到的发送端波形，将发送端和接收端进行对比便可以得到接受端的误码率：如果误码率较大，说明信道抗干扰能力差；如果误码率较低，则说明信道的抗干扰能力较弱。

由图5可得发送端的信号编码为10101110010101 1 11001，由图6得到的接收端信号为编码为10101110010101 0 11001，因此从第15个采样点出现了错误，误码率较高，信道的抗干扰性能较弱。

图5 传统信道接收端波形Fig.5 The waveform of traditional channel receiver

图6表示使用OFDM技术后得到的接收端的波形。由图6可以看出：接收端的信号编码为10101110010101 111001，和发送端完全相同，其误码率为0，信道的抗干扰能力较强。OFDM传输系统抗传输的多径干扰的能力很强，只有在信道干扰十分严重的情况下，才会出现误码。为了进一步验证OFDM系统的优越性，对多个采摘机器人远程传输网络的数据传输速率进行了测试，得到了如图7所示的结果。

图6 使用OFDM技术接收端波形

Fig.6 The receiver waveform by using OFDM technology

图7 多采摘机器人场景信号传输速率测试Fig.7 The signal transmission rate test of multi picking robot

由图7可以看出：采用OFDM技术可以明显提高多采摘机器人网络的信号传输速率，从而可以提高采摘机器人的控制效率。

4 结论和讨论

为了提高采摘机器人的远程通信和控制能力，将移动4G和OFDM技术应用到了采摘机器人的优化设计中，并结合果实图像的分割、归一化、细化和增强技术，提高机器人果实图像的识别能力。由夜间采摘机器人平台的测试发现：采用OFDM后，机器人信道的抗干扰能力较强，且相对于传统的信道其通信速率较高。4G和OFDM移动通信技术在机器人中的应用将改变机器人智能化研究的新格局，采摘机器人的更新换代能否跟上现代通信技术的步伐，决定了未来农业机器人实用性和市场价值。随着本课题的深入，将会进一步对采摘机器人的远程控制做实质性的探究，以发掘现代通信技术在农业机器人中的重要价值。

[1] 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.

[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] 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.

[4] 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.

[5] 蔡健荣,孙海波,李永平,等.基于双目立体视觉的果树三维信息获取与重构[J].农业机械学报,2012, 43(3):153-156.

[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(12):209-213.

[7] Jose J, Ashikhmin A, Whiting P, et al.Channel estimation and linear precoding in multiuser multiple-antenna TDD systems [J].IEEE Trans. Veh. Technol., 2011, 60(5):2102-2116.

[8] Jose J, Ashikhmin A, Marzetta T, et al.Pilot contamination and precoding in multi-cell TDD systems [J].IEEE Trans. Wireless Commun, 2011, 10(8):2640-2651.

[9] Caire G，Shamai S(Shitz). On the achievable throughput of a multiantenna Gaussian broadcast channel [J].IEEE Trans. Inf. Theory, 2003, 49(7): 1691-1706.

[10] Viswanath P，Tse D N C. Sum capacity of the vector Gaussian broadcast channel and uplink-downlink duality [J].IEEE Trans. Inf. Theory, 2003, 49(8):1912-1921.

[11] Yu W，Cioffi J M. Sum capacity of Gaussian vector broadcast channels [J].IEEE Trans. Inf. Theory, 2004, 50(9):1875-1892.

[12] 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.

[13] 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.

[14] 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.

[15] 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.

[16] 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.

[17] 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.

[18] 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.

[19] 熊爱武.基于车载激光云点数据的道路模型重建[J].地理信息世界,2013,20(6):86-88.

[20] 马锃宏,李南,王汉斌,等.温室株间电驱锄草控制系统设计与试验[J].农业机械学报，2015,46(1): 89-93.

[21] 张二鹏,马锃宏,耿长兴,等.温室悬挂喷施机跨垄作业控制系统设计[J].中国农业大学学报，2013, 18(6):170-174.

[22] 马锃宏,李南,李涛,等.钵体苗带式供苗移栽机的设计与试验[J].中国农业大学学报，2015,20(3): 216-222.

[23] 张春龙,黄小龙,刘卫东,等.苗间锄草机器人信息获取方法的研宄[J].农业工程学报,2012,28(9): 142-146.

[24] 胡炼,罗锡文,曾山,等.基于机器视觉的株间机械除草装置的作物识别与定位方法[J].农业工程学报,2013,29(10):12-18.

[25] 朱凤武,于丰华,邹丽娜,等.农业机器人研究现状及发展趋势[J].2013,3(6):10-13.

[26] 吴岩,杜立宇,高明和,等.农业面源污染现状及其防治措施[J].农业环境与发展，2011(1):64-67.

Design of Orchard Picking Robot Based on OFDM Channel and Remote Monitoring

Zhou Zhenzhen1, Li Yanjie2, Yan Ruixue1

(1.Department of Information Engineering, Shijiazhuang Vocational College of Scientific and Technical Engineering, Shijiazhuang 050800,China; 2.College of Computer and Information Engineering,Tianjin Agricultural University, Tianjin 300384,China)

With the development of network and remote control technology and intelligent robot based on mobile Internet become the development direction of the robot in the future, and so far, picking robot also rarely used mobile Internet remote monitoring, if the mobile Internet applications to the orchard picking machine design, will greatly improve the picking robot real-time online control level, improve multi robot formation control ability. Accordingly, this study proposed a based on OFDM channel estimation and remote monitoring network of orchard picking robot design method, and combined with the fruit image segmentation, normalization, refinement and enhancement techniques, improve the ability to identify the robot fruit image. Through the night of picking robot platform test, it is found that the robot in joined the signal-to-noise ratio of the interference signal by OFDM transmission system of robot signal transmitting end and receiving end of the signal are consistent high and low bit error rate, the new intelligent remote control picking robot research provides a valuable reference.

OFDM channel; remote control; picking platform; robot; anti-interference

2016-01-26

天津市高等学校科技发展基金计划项目(20140812)

周真真(1982-)，女，河北邯郸人，讲师，硕士，(E-mail)zhouzz1982@sina.com。

S225.93；TP242.3

A

1003-188X(2017)03-0229-05