基于机器视觉的果园林下割草机器人研究*

李小敏，谌 文，张日红，曾世亨

（仲恺农业工程学院机电工程学院，广州 510550）

0 引言

随着农业现代化进程的加快，农业生产向着自动化、智能化方面迈进[1-2]，同时，精准农业、智慧农业、农业4.0等概念的提出与深入研究，农业机器人成为实现新型农业生产模式的关键装备[3-5]。近年我国水果消费比重逐年递增，水果种植面积大幅增加[6-7]。林下杂草的高效割除与管理，成为实现智能果园的重要基础之一[8]。因此，开展果园林下割草机器人的相关研究具有重要意义。

目前，国内外割草机器人研究取得一定的进展。鲍秀兰等[9]设计一种新型甩刀式割草机构的果园割草机器人，并运用D-H法建立甩刀切割单个茎秆的运动学模型。訾涛[10]采用Faster R-cnn神经网络对图像进行分割和障碍物识别，以此对割草机器人路径进行规划。宝秋利等[11]通过FPGA与神经网络相结合，调整权值来定位与导航机器人运动路线，规划出割草机器人的最佳运行轨迹。Saito等[12]基于激光测距仪，开发了一种用于杂草割除机器人的自主运动的位置测量装置。Duan等[13]通过草地数据快速采集平台，构建了全生命周期的草地图像数据集，用于训练所建立的卷积神经网络模型。然后，利用训练后的模型对割草机器人运行过程中的环境进行实时识别。上述文献表明，目前割草机器人研究，多集中在神经网络进行路径优化与识别等层面，存在算法成本高、设备昂贵、智能化低等不足。

针对目前果园割草机器人存在的问题，本文基于机器视觉构建了一种低成本、智能化的果园林下割草机器人。构建了四轮驱动机器人本体，并设计了由升降系统和刀具组成的割草机械机构；设计了以机器视觉为基础的割草机器人避障、自动返航等路径规划方法。最后，以平整草坪为实验场地与传统人工进行了实验对比。相关研究成果，为果园的精准管理提供必要的技术支撑。

1 割草机器人主体部件构建

1.1 机器人移动系统

林下割草机器人移动系统采用直流减速电机与麦克纳姆轮的组合，在保证动力的同时增加了其灵活性，以适应不同的环境。如图1所示，采用O-长方形（即4个轮子的辊子与地面接触所形成的图形）模式构建机器人车体，并分析全向运动及其逆运动学模型。

图1 车体运动模型

如图1所示，以小车的底盘几何中心O点为原点建立坐标系XOY，并根据如图所示定义X1和Y1两个常量。底盘的运动可以分解为3个分量［vx，vy，ω］，其中，vx为底盘沿x轴方向的速度，m/s；vy为底盘沿y轴方向的速度，m/s；ω为底盘沿z轴自转的角速度，rad/s。车轮绕轮轴转动的角速度为ωi，rad/s；辊子速度为Si，m/s；i＝1，2，3，4（分别为右上轮、左上轮、左下轮、右下轮）；麦克纳姆轮的轮毂轴与辊子转轴的夹角采用45°。

通过受力分析、运动学分析，并根据相关文献关于麦克纳姆轮的分析[14-15]，可得四轮轮轴角速度ω与底盘几何中心的速度关系，即小车底盘的逆运动学关系式为：

由公式可知，若要实现小车的不同运动状态，只要调节各麦克纳姆轮的转速便可实现，即通过改变ω的大小调节机器人车体沿中心轴的自转速度，改变实时状态下的V速度方向（即改变vy、vx）调节该状态下的速度方向。针对速度的改变，利用PID（Proportion Integration Differentiation）算法并采用PWM（Pulse-Width Modulation）的方式，对速度进行量化调节。另外为了减少端口占用以及控制方便，采用H桥的方式实现电信号输出。

1.2 割草机构设计

割草机构主要由升降系统和割草机刀具组成。割草机构是果园林下割草机器人的终端执行机构，用来进行杂草的修剪作业。通过模拟割草刀片在高速旋转时所产生气流的流场，分析了刀片运行时的模态、不平衡离心力和动态响应等参数。分析的结果为进行果园林下割草机器人的刀片及割草机构设计提供了重要的依据。割草机构结构如图2所示。

图2 割草机构结构

割草机构升降系统采用稳定性良好的丝杆螺母机构，以步进电机作为动力装置，依靠联轴器与丝杆相连，螺母套固定于直流电机的承载器，丝杆与螺母套形成丝杆螺母机构。整个升降基体采用导向槽固定，保证升降的稳定性。在刀具固定端，直流电机通过承载器固定于一体，完成割草机构的升降功能。该机构的配合精度要求较高，能将步进电动的旋转运动变为直线运动。通过程序控制步进电机电机转速控制，完成精确升降功能。升降距离L的计算公式为：

式中：n为转动圈数；Ph为丝杆导程。

整个割草机构安装在机器人底盘上，刀片式割刀安装在底部直流电机上。选择丝杆导程Ph＝0.8 mm，电机型号为TB6600，刀片选用长度为20 cm的精钢刀片。以继电器控制大电流、大电压的方式控制直流电机开关。

2 割草机器人控制系统总体设计

果园林下割草机器人控制系统结构如图3所示。采用STM32F103＋树莓派4B的组合，构建割草机器人控制框架。其中STM32F103用于整合各个控制芯片以及自身的输入输出信号，并且通过蓝牙串口通信作为媒介与手机端蓝牙控制软件进行信息传输；树莓派主要用于杂草图像信息的获取以及图像处理运算。

图3 割草机器人控制系统

针对机器人实际运行环境的复杂性与不确定性，将4台直流减速电机作为移动动力装置，并采用麦克纳姆轮达到全向移动的目标。对移动电机的调速可以通过PID控制算法以PWM脉宽调制的输出方式进行调速。通过采集温湿度、雨水量、电池电压等参数，实时判断工作环境是否合适。采用超声波传感器、MPU6050模块以及视觉主动避障避险。同时为了保证断电后数据的存储，采用EEPROM记录电机及相关模块初始化信息。采用GPS（Global Position System,GPS）模块进行机器人位置信息获取。

3 基于视觉识别的路径规划

3.1 图像信息的快速获取

为快速获取林下杂草图像信息，通过USB（Universal Serial Bus）接口实现外置高清摄像头与树莓派4B主控板连接。树莓派4B主控板通过USB3.0接口实时获取摄像头图像信号。为了获取大范围的图像信息，采用舵机驱动实现外置高清摄像头二自由度的转向。

与之同时，基于OPENCV提供的OTSU等算法[16]进行图像处理与物体识别；采用树莓派4B为图像计算中心，以此作为路径规划的基础。

3.2 基于OTSU算法与边缘分割的路径规划方法

果园林下中常见的一些果树、木桩等障碍物，其影响机器人的行进。为此采用如下算法进行路径规划。

（1）采用OTSU算法对障碍物进行图像的分割，将图像灰度值分为前景、后景两部分。若两部分经过灰度值计算出来的值差别越大，说明前景、后景分割图像的差别越大，图像分割的效果越好。

（2）通过外置高清摄像头采集到前方环境信息图像，然后利用阈值法分割出待作业区域和障碍物位置关系，进行移动路径定位规划。图4～5所示为区域边缘检测效果与障碍检测效果。

图4 区域边缘检测效果

图5 障碍检测效果

（3）根据果园实际状况，可以将割草机器人工作区域分为有、无障碍两种情况，如图6所示。在没有障碍物的情况下，机器人可以沿着预先规划的路径进行割草作业；在有障碍物的情况下，机器人能够自行避开障碍物，对预设路径进行重新规划，回到原路线。

图6 避障处理

（4）控制系统根据图像识别及超声波等传感器返回的判断结果，记录障碍物位置信息。然后将上述位置标注在工作区域平面图中，为后期应用提供基础。

（5）依照果树行距对图像进行边缘分割，根据图像分割结果计算果树行距两条边缘线之间的中心位置，进而对行进方向进行动态调整，具体流程如图7所示。

图7 路径边缘检测流程

（6）找到区域边缘后确定一点作为起始点，通过S型路径逐层割草作业达到区域覆盖的效果。如图8所示。为了降低能耗，通过对已割草区域的位置信息进行检测判断，以降低重复作业率；另外，为了降低机器工作的误差，通过阈值分割图像处理找到已割草和未割草的边界特征线进行对路径方向的微调，保证割草作业的有效性。

图8 割草路径

（7）设计机器人自动返航控制策略。在开机时机器人通过GPS定位模块存储当前位置信息作为基地地址，当收到自动返航命令信号时，检测当前所处位置与基地位置的角度及位置偏差，同时通过陀螺仪MPU6050模块对机器自身进行姿态检测，以此作为移动方向的依据。然后，开启避障系统运行，实时规划路径使机器人以最短距离返回基地。如图9所示。

图9 自动返航

4 实验与分析

通过完善软件控制、理论设计、视觉识别和传感器联合控制系统，构成了完整的机电控制系统。机械系统通过定制型材和3D打印模型完成硬件整体的搭建，实验实物如图10所示。

图10 割草机器人实物

测试场地选在学院一块规整的平地草坪，面积大小为200 m2，并且在果园周围布置人工障碍物，在边缘地带内为目标测试地。通过实地测试得到以下数据，为了清楚地描述机器人工作的性能，对工作效率重新建立数学模型：

式中：e为工作效率；l1为割草路径总长度；t为机器人工作时间；v为机器人平均移动速度。

由此可以清楚地反映出机器人在不同工作环境下的避障处理、转向处理、视觉分析能力。在不考虑电量消耗的情况下，假设t为10 min，粗略测试机器人与传统人工效率，得到如表1所示的结果。

表1 工作效率对比

通过实验结果分析得：障碍物会影响机器人与传统人工的工作效率；在无障碍物或障碍物较少时，割草机器人的工作效率较高；相对于人工割草，所设计的机器人可以显著提高工作效率。

5 结束语

果园林下杂草智能化的割除是果园智能管理的关键环节。针对当前研究存在智能化水平低、成本高等问题，本文构建了四轮驱动的机器人本体，设计了由升降系统和刀具组成的割草机械结构，提出了以机器视觉为基础的割草机器人避障、自动返航等路径规划方法，进而设计与实现了一种基于机器视觉的果园林下割草机器人。并以平整草坪为实验场地与传统人工进行了实验对比。

未来可针对不同果园地形，进行精确数学模型、性能方面优化；针对大面积果园进行升级改造，以适应大范围作业。