摘要:自動導航可以降低農業機械操作人員的勞動強度，提高土地利用效率，是農機智能化的重要體現。計算機視覺和衛星定位是應用較為普遍的農機導航技術。為此，基于計算機視覺技術，設計了拖拉機行進控制系統。系統對環境圖像進行計算機視覺分析，選用合適的處理方式和算法獲得導航路線，同時減少了計算量;然后，根據機械的初始狀態參數調整方向，使拖拉機沿著導航路線行進。試驗結果表明:安裝該系統的拖拉機以不同速度行駛時，路線偏差迅速減少，并保持在很小的范圍內;系統處理單幅圖像耗時少于0.1s，可以滿足實時控制的要求。

　　關鍵詞:拖拉機;行進控制;計算機視覺;自動導航;特征檢測

　　0引言

　　我國的農業生產模式在新時期發生變化，從小規模的分散經營開始轉向種植大戶的集中經營。在這種形勢下，傳統農業作業效率低和人力成本高的缺陷日益凸顯，已經無法滿足時代發展的要求。大規模的集中經營為農業機械的應用創造了條件，使農業生產的機械化率得到了顯著提升。我國農業機械研究起步較晚，設計經驗與國外相比存在差距，總體性能也有待進一步加強。因此，利用現代技術改善機械的整體性能，提高自動化和智能化水平，對我國農業的發展意義重大。

　　自動導航是農業機械智能化的一個重要方面，可以降低操作人員的勞動強度，提高土地利用效率[1]。農機自動導航的研究在20世紀80年代興起，采用的方法有機械觸桿導航、預埋電纜引導、無線電或激光導航、計算機視覺導航、衛星導航等。在新技術的支撐下，導航精度不斷提高，機械作業范圍也擴展到播種、施肥、噴藥、整地、收割和起壟等方面，為多種作物的全程機械化生產奠定了基礎[2]。

　　在上述的方法中，計算機視覺和衛星定位是較為普遍和實用的農機導航技術。計算機視覺是利用專門的設備采集圖像，轉換為數字信號后由計算機對目標特征進行分析和識別，提取所需的信息的技術。計算機視覺在農業上最初用于采摘機器人，后來應用到農機自動導航上，通過視覺功能識別行走路徑和檢測障礙物[3]。與衛星定位導航方法相比，計算機視覺的覆蓋范圍小，但由于采用了相對坐標，因而靈活性更強，導航的精度更高[4]。

　　孫元義等對棉田的自然環境背景圖像進行Lab色彩空間處理、最大方差閾值分割和Hough變換，識別機械行駛路徑，用于對噴藥機器人行走路線的控制[5]。徐建等采用均值去噪和Prewitte算子邊緣檢測分析玉米壟行圖像，實時、準確地獲得了智能收獲機器人的行走路線[6]。高國琴針對溫室與田間環境的差異，設計了基于K-means算法的機器人導航路徑識別方法，對單幅圖像處理的時間大幅降低，顯著提高了路徑識別的速度[7]。

　　拖拉機是最常見的農業機械，既可以用于農業物資的運輸，也可以為其它的機械提供牽引動力。另外，拖拉機還可以作為新型農機技術的測試平臺，驗證各種技術的實用性。拖拉機的自動導航是在定位的基礎上通過行進控制來實現的，具體表現為直線行駛和路線變更[8-10]。計算機視覺獲取的信息豐富，被動感知能力強，因此在拖拉機的行進控制上具有較大的優勢，成為國內外學者研究的重點。周俊等較早開展了研究，對四輪拖拉機上計算機視覺技術的跟蹤路徑識別、機械位姿計算、系統實時性和魯棒性等多個方面進行了分析，所研制的原型機在快速行駛時都具有較好的路徑跟蹤效果[11]。

　　代峰燕等基于簡化的運動學模型模糊控制方法，以機器視覺獲得的參數作為控制量輸入，實時輸出前輪轉角，可以較好地適應拖拉機低速行駛時的控制要求[12]。計算機視覺導航相關研究大多針對普通環境，而在實際作業中陰影環境也是普遍存在的，會增加路徑識別難度。華希俊等對比分析普通環境和陰影環境的計算機視覺圖像特點，設計出一種相應的路徑識別方法，增強了拖拉機對陰影環境的適應能力[13]。另外，翟志強等為解決農機導航系統開發周期長和成本增加的問題，提出了基于虛擬現實的拖拉機雙目視覺導航方法，為行進控制系統的改進提供了理論和實踐依據[14]。

　　本文基于計算機視覺，設計了一個拖拉機行進的控制系統。系統對環境圖像進行計算機視覺分析，選用合適的處理方式和算法減少計算量;獲得導航路線后根據機械的3個初始狀態參數調整操向角，使拖拉機沿著導航路線行進，以增強對復雜環境的適應能力。

　　1系統設計

　　系統的搭載平臺為東方紅LX604型拖拉機，前后輪距分別是160cm和200cm，離地高度32cm，額定輸出功率45kW，行進速度在2.0～33.5km/h之間。該型拖拉機的最大牽引力達到22.5kN，可以為許多型號的農業機械提供牽引動力。拖拉機的導向輪上安裝JLl8A3型霍爾傳感器和RB100LA型轉角傳感器，分別測量拖拉機的行進速度和導向輪的偏轉角度，采集的信號經AD6673型轉換器轉換為數字信號后導入核心計算機進行分析。

　　計算機視覺的采集設備是尼康D810型相機，體積較小，采用防抖動處理安裝在拖拉機的前部。相機的拍攝俯角30°，拍攝頻率由系統根據機械的進行速度決定，相機采集的原始圖像經天創UB570型圖像采集卡轉換為數字信號后由核心計算機分析。核心計算機是戴爾7040MT型臺式電腦，硬件包括Inteli7中央處理器、8GB的DDR4內存及1TB的硬盤，安裝Windows10操作系統和視覺分析軟件MatLab工具箱。計算機視覺分析識別拖拉機的行進路線后，根據機械與路徑之間的橫向距離偏差、航向偏差和導向輪轉角確定調整的角度，產生二位隨機信號;隨機信號經DAC7631E型數模轉換器轉換為模擬信號后向液壓閥發出指令，驅動導向輪偏轉一定角度實現對拖拉機行進的控制。

　　2計算機視覺分析

　　2.1直線特征檢測

　　以油菜田為例，拍攝獲得的圖像主要由油菜和壟溝組成。其中，油菜為綠色，壟溝為褐色，二者之間的區別較為明顯。根據這個特點，利用圖像中自然特征的基線來對機械進行導航，以適應復雜環境對分析算法魯棒性的要求。提取自然特征基線首先要進行直線特征檢測，從而得到導航的基準。

　　本文參考楊為民等的研究，采用Hough變換將圖像中的特征直線轉變為參數點，將距離邊界一定范圍內的所有點相加實現對特征直線的檢測。基于圖像整體特性的Hough變換算法魯棒性較強，不會受到圖像噪音和直線中斷的影響，且能夠獲得亞像素級的特征精度。將原始圖像中的壟溝作為導航特征進行Hough變換，得到了參數的空間圖像，壟溝用連續的黑色區域顯示，形成明顯的導航路線。

　　2.2圖像抽點簡化

　　當圖像的視覺分析耗時超過0.2s時，導航的精確度和穩定性都會大幅降低。基于Hough變換算法的參數檢測計算量很大，處理一幅正常大小的圖像也需要1s的時間，無法獲得理想的導航效果。在實際分析過程中，系統采集的圖像只有很小的部分包含導航特征，除此之外的其它部分屬于無效信息。這些信息會增加圖像的復雜程度和處理耗時，還會對目標特征的檢測效果造成干擾。因此，設置興趣區(ROI)并僅對其中的圖像進行后續處理，減少圖像分析的計算量，提高導航實時性。

　　ROI的具體設置過程是在得到起始導航特征后將上一幅圖像的相應信息提取出來，以其中的直線特征為中心，按照一定的參數劃定ROI區域;然后，采用遞歸算法推動ROI跟隨導航特征移動，形成覆蓋路線的檢測帶。通過圖像抽點簡化之后，單幅圖像的處理時間可以控制在0.1s以內。

　　2.3導航特征檢測

　　目標圖像中包含油菜和壟溝，都呈條帶狀，邊界清晰。拖拉機在田間沿著壟溝行進，因此以壟溝的邊界作為拖拉機導航的特征。首先對圖像進行預處理，包括直方圖分析和低通濾波，使導航特征區域的灰度和對比度都得到增強;然后過濾灰度變化過大的相鄰像素，消除背景噪音，利用聚類的閾值分割方法將導航特征從背景中提取出來，獲得了壟溝的兩條邊界線。采用Hough變換算法檢測壟溝的邊緣，提取同一水平線上兩個邊緣像素點的中心位置，形成一條連續的曲線(即拖拉機的行進路線)。

　　3機械行進控制

　　計算機視覺分析得到導航路線后，還需要通過行進控制才能保證拖拉機按照規劃的路線行駛。拖拉機的行進控制是根據機械與規劃路線之間的橫向距離偏差、方向偏差和導向輪轉角這3個狀態參數，并結合機械自身速度所產生的誤差來確定合適的操向角，使拖拉機沿著導航路線行進。

　　拖拉機行進控制的關鍵是實時控制操向角，而機械當前的位姿誤差和瞬時速度是重點參考的兩個因素。在獲得導航基準后，拖拉機在系統的控制下沿著耗時最少和距離最短的路線行駛到達導航基準。然后，根據拖拉機的位姿和速度調整角度，不斷地縮小實際路線與導航基準的偏差，使機械姿態和速度逐步回到導航基準線上來，最終實現拖拉機沿著導航路線行進。

　　4試驗結果與分析

　　對系統的控制效果進行試驗，拖拉機在油菜田中行駛，以壟溝為導航特征規劃路線。拖拉機分別以兩個速度行駛，速度1為2m/s，速度2為3m/s。壟溝的導航路線用白色標識，以細沙漏準確記錄拖拉機的行駛路線，在導航路線上每隔1m測量兩個路線的偏差，評價行進控制的效果。拖拉機以2m/s的速度行駛時，路線偏差從初始狀態下的1.37m迅速減少到0.3m以內，隨后一直保持在很小的范圍內;以3m/s的速度行駛時，路線偏差的減少相對較慢，但最終也能保持在很小的范圍內。試驗中，系統處理單幅圖像的耗時少于0.1s，可以滿足實時控制的要求。

　　5結論

　　基于計算機視覺，設計了一種拖拉機行進的控制系統。系統對環境圖像進行計算機視覺分析，選用合適的處理方式和算法減少了計算量。系統經過直線特征檢測、圖像抽點簡化和導航特征檢測后獲得導航路線，然后根據機械的3個初始狀態參數調整操向角，使拖拉機沿著導航路線行進。

　　在試驗中，拖拉機以不同速度行駛時，路線偏差都能迅速減少，并一直保持在很小的范圍內。系統處理單幅圖像的耗時少于0.1s，可以滿足實時控制的要求。安裝了該控制系統的拖拉機能夠按照導航路線行進，對復雜環境具有較強的適應能力。

　　參考文獻:

　　[1]朱清山，高廣智，牛文祥.農機自動導航駕駛系統及其應用[J].現代化農業，2016，34(5):65-67.

　　[2]胡靜濤，高雷，白曉平，等.農業機械自動導航技術研究進展[J].農業工程學報，2015，31(10):1-10.

　　[3]谷紀魁，李永魁，趙萍，等.農機自動導航車輛采集圖像的傾斜校正—基于MatLab[J].農機化研究，2012，34(10):208-211.

　　[4]楊為民，李天石，賈鴻社.農業機械機器視覺導航研究[J].農業工程學報，2004，20(1):160-165.

　　[5]孫元義，張紹磊，李偉.棉田噴藥農業機器人的導航路徑識別[J].清華大學學報:自然科學版，2007，47(2):206-209.

　　[6]徐建，楊福增，蘇樂樂，等.玉米智能收獲機器人的路徑識別方法[J].農機化研究，2010，32(2):9-12.

　　[7]高國琴，李明.基于K-means算法的溫室移動機器人導航路徑識別[J].農業工程學報，2014，30(7):25-33.

　　相關刊物推薦：《農機化研究》近年來，本刊曾多次受到國家農業行政管理部門和國家有關學術組織的表彰與獎勵，曾獲1994年、1996年、1998年、2000年全國優秀農機科技期刊獎和2002年全國農機優秀科技期刊一等獎;并自1988年起，連續5屆被國家權威部門確認為全國中文核心期刊。目前，本刊已被“中國科學引文數據庫”、“萬方數字化期刊群”、“中文科技期刊數據庫”、“中國學術期刊全文數據庫”和“中國核心期刊(遴選)數據庫”收錄;1999年起作為國家級火炬計劃項目“中國學術期刊綜合評價數據庫”引文源期刊，被全文收錄，并由清華大學代理向國外發行光盤。