论文部分内容阅读
【摘 要】该论文论述了两种单目视觉的前后倾角测量的方案：方案一通过对田间图片的处理，提取田间过道指定位置在图片中的特征点像素（u，v），然后把这特征点的像素映射到建立好的BP神经网络，得出田间机器人的实际前后倾斜的角度。并通过计算出来的倾斜角度与实际倾斜的角度相减得到绝对误差，实验表明该方案的最大绝对误差是1.05°，平均绝对误差是0.560°。方案二通过对田间图片的处理，经过人工读取基准图片和倾斜图片的特征点的纵轴像素v，然后把得到的特征点像素v和基准图片对应的实际倾斜的角度映射到建立好的BP神经网络，得出田间机器人的实际前后倾斜的角度。并通过计算出的倾斜角度与实际倾斜的角度相减得到绝对误差，实验表明该方案的最大绝对误差是1.48°，平均绝对误差是0.875°。两种方案的绝对误差相差不大，都在2°以内，方案一实验相对简单，特征点的位置是固定的，处理起来不容易;方案二实验相对复杂，计算出的实际倾斜角度可能会误差叠加，但实时性好。
【关键词】BP神经网络;图像处理;前后倾角
引言
本论文的主要目的是提出一种适合田间机器人前后倾角计算的简便方法，以便更快更准确的计算出田间机器人前后倾斜的角度。农业机器人的种类很多，例如：耕作机器人，田间管理机器人，收获机器人，嫁接机器人，采摘机器人育苗机器人，葡萄树修剪机器人，施肥机器人，除草机器人，分拣果实机器人[1，2]，大多数农业机器人导航大多数是用单目视觉来导航和定位的，因为单目视觉的导航处理的数据相对双目视觉导航的要简单，而GPS定位导航它具有精度高，但是其抗干扰能力较差， 信号有可能偶然丢失[3]。为了实现农业机器人导航和特定的做业功能，不仅需要判断当前机器人的位置和姿势，也需要判断当前机器人的倾斜角度，包括前后倾斜角度和左右倾斜角度，判断出倾斜角度则可以更加准确的实现农业机器人做业，对未来农业机器人更精确的做业具有一定的意义。
2010年王善坤[4]设计了一种基于线阵CCD的非接触角度测量方法，他利用TCD1304AP和C8051F020两芯片构成该测量方法的系统，先采取图片，后处理图片，最后对得到的信号，进行处理，实现了四轮定位等系统中的角度的精确测量，测量精度可达0.02°。2012年黎永键[5]等采用MEMS传感器集成模块ADIS16300和ARM7 Cotex-M3处理器构成的平地铲的测量系统，通过卡尔曼滤波实现传感器信息融合以计算平地铲倾角。误差不超过1°。2012年师平[6]等以三角形工件来做实验，首先利用Canny算子来对三角形工件做边缘检测，然后利用Hovgh变换对图像进行处理获取图像的线段特征，在通过获取三角形三条边各自的线段特征，最后确定三角形的摆放姿势及三角形的三个角的角度值，试验表明，其误差范围在±0.1°左右。
本论文通过室内映射实验，获取室内图片，经过对图片的处理和一些数据的处理，得到摆点像素和前后倾角的计算值，根据这些信息建立一个BP神经网络，建立BP神经网络后，去田间获取图片，对田间道路图片进行特征点提取，把得到的信息映射到BP神经网络计算出田间机器人的实际倾斜角度。预期效果能达到绝对误差在5°以内。
1.前后倾斜对图像的影响
不同倾斜角的图片相同物体在图片中的信息不同，分析出这些不同的信息和前后变化的信息量，根据这些变化的信息量就可以为计算出前后倾斜角提供依据。本论文定义田间机器人前轮水平高度比后轮水平高度小为前倾。
田间机器人由于路面不平而导致前倾时，所拍的实际面积将向后（以机器人行走的方向为前方）移动，并且面积变少一些，除离田间机器人最近边缘以外的其他边缘的实际物体将有一小部分移出拍摄范围，离机器人最近边缘以外的一小部分物体将进入摄像范围。当实际所拍的面积向后移动后，没有倾斜拍摄范围内的大部分物体在后倾后所对应的像素将比没有倾斜所对应的像素点有所改变，机器人所拍范围内左边的物体所对应的像素v变小，右边的物体所对应的像素v变大，所有物体的像素v都是变小。部分离机器人最近这端的物体将出现在后倾图片的边缘上，其他移出拍摄范围的物体将不在倾斜后的图片上出现。反之则为后倾对图片的影响。根据前后倾角对图像的影响，来确定像素与实际倾斜角度之间存在某种关系。
2.映射实验
为了得到图片信息与前后倾斜角的映射关系，提出两种不同变量的实验方案来建立两个不同的BP神经网络映射关系。
方案一：无基准图片实验，选取一点，已知该点到机器人的实际位置，在不同的前后倾斜之下该点的像素不一样，通过该点不同的像素对应不同的倾斜角度来建立映射關系，即改摆点的像素（u，v）作为输入，实际倾斜角度作为输出。
方案二：有基准图片实验，田间机器人在实际行走期间，把前一张图片作为基准图片，在不同的前后倾斜之下物体在图片中的像素在变动，通过基准图片的像素v0、基准图片对应的倾斜角和倾斜后摆点的像素v1与对应的当前实际计算的倾斜角度来建立映射关系，即摆点在基准图片的像素v0、在当前倾斜图片中的像素v1和基准图片对应的实际倾斜角作为输入，计算的倾斜角度作为输出。
通过在室内做实验，得到大量的图片，经过数据处理，分别通过BP网络训练出两个方案的映射关系，得到映射关系后，去室外实际测量前后倾斜的角度，测量的数据表格
3.实际倾斜角度的测量数据
保持摄像头与田间机器人的相对位置，在田间过道中采集图像，对获取到的图片进行处理，到相应的图片信息，把相应的图片信息分别映射到训练好的神经网络计算出实际倾斜的角度，方案一的数据如表1，方案二的数据如表2
表4.1 方案一的实际倾斜角度测量数据表
倾斜角的计算值 实际倾斜
角度 误差 倾斜角的计算值 实际倾斜
角度 误差 -0.51 -0.648616379 0.138616379 2.5 1.656599963 0.843400037
-3.2 -2.474540334 0.725459666 4.2 3.145607584 1.054392416
-2.75 -2.885250311 0.135250311 3.1 2.257140135 0.842859865
-5.8 -5.666474133 0.133525867 2.6 3.612009983 1.012009983
-4.5 -4.985849582 0.485849582 0.81 1.040293766 0.230293766
带‘-’符号的表示后倾，没带‘-’符号的表示前倾 平均误差：0.560
表4.2 方案二的实际倾斜角度测量数据表
倾斜角的计算值 实际倾斜
角度 误差 倾斜角的计算值 实际倾斜
角度 误差
4.15 2.665672893 1.484327107 3.2 2.285293739 0.914706261
-0.8 -1.555314156 0.755314156 -1.7 -2.794673305 1.094673305
-3.1 -3.017814511 0.082185489 4.9 4.032456682 0.867543318
3.1 2.499353071 0.600646929 -2.3 -3.372244177 1.072244177
-2.3 -3.270641445 0.970641445 -1.0 -1.912233658 0.912233658
带‘-’符号的表示后倾，没带‘-’符号的表示前倾 平均误差：0.875
4.结果与分析
由表1可知方案一前后倾角计算值的最小误差是0.13°，最大误差是1.05°，平均误差是0.560°。由表2可知方案二前后倾角计算值的最小误差是0.08°，最大误差是1.48°，平均误差是0.875°。
对室内映射实验读像素时，有一定的误差而导致映射关系的训练原本就有误差，直接导致前后倾角计算的误差。室外光照与室内不同，导致室外拍取的图片畸变，特征点的室外图片中的像素相对室内图片中的像素有所改变，直接导致结果又误差，田间道路不平坦，特征点相对摄像机的垂直高度的分量在变化，如若特征点在过道凸的地方，则相对垂直高度就变小了，即特征点所在水平高度比机器人所在的水平高度要大些。反之，如若特征点在凹的地方，则相对垂直高度就变大了，即特征点所在水平高度比机器人所在的水平高度要小些。这三点系统因素无法避免。方案一的结果相对比较差一点，方案一的输入的是一个点的像素对应输出倾斜角度，输入输出之间存在的关系相对线性化容易得到，在室外实验时，该方案是由人来测量而得到特征点的具体位置，在测量过程或多或少有些误差，直接导致特征点的位置与室内映射实验的位置不一樣。方案二的结果误差相对好一些，输入输出之间的映射关系是非线性化，得到的映射关系与实际之间的关系有一些区别，本论文的方案二是以前一张图片基准图片，前一张图片计算的角度原本就有误差，如在拿这个角度来最为基准角，则计算出来的误差将会叠加，越到后面误差越大。这也是方案二的不足之处。
5.结论
运用BP神经网络来计算一实际数值时，必须要得到一个相对精度较高的映射关系，这样才能保证实际运用这个BP神经网络时的误差较小。方案一实验简单，但在实际田间图片采集，很难找到是实验一样距离的特征点，如若能解决这一问题，这个方案就比较好了。方案二实验相对复杂，精度相对比较理想，在实际运行当中，实时性强，特征点容易获取，如若消除叠加误差，这个方案也是很理想的，两方案各有各的优缺点。对田间机器人的前后倾斜角度，我们还可以深入的研究，提出解决本论文实验中遇到的问题的方法，提高实验的精度，比如，1）把室内的实验的摆点细小化; 2）把图片的畸变也考虑进去;3）用更好的神经网络来拟合映射关系。或者想出更好的实验方法和计算方法，避免一些人为误差，提高精度。
参考文献：
[1]何禹，宋乃波. 机器人在农业中的应用[J]. 应用科技，2011，1：63.
[2]朱凤武，于丰华，邹丽娜，岳仕达. 农业机器人研究现状及发展趋势[J] . 农业工程，2013，6：10-13.
[3]沈明霞，姬长英. 农业机器人视觉导航技术发展与展望[J] . 农业机械学报，2001， 1：71-87.
[4]王善坤，陈银萍. 基于线阵CCD的角度测量方法[J]. 微计算机信息，2010，11：23-26.
[5]黎永键，赵祚喜. 水田激光平地机平地铲姿态测量系统的设计[J]. 农机化研究，2012，2：69-75.
[6]师平，沈宝国，尹建军. 工件多角度视觉测量方法[J]. 制造业自动化，2012，4：41-43.
基金项目：
2014年广西大学生创新创业训练计划项目（201410594066）。
【关键词】BP神经网络;图像处理;前后倾角
引言
本论文的主要目的是提出一种适合田间机器人前后倾角计算的简便方法，以便更快更准确的计算出田间机器人前后倾斜的角度。农业机器人的种类很多，例如：耕作机器人，田间管理机器人，收获机器人，嫁接机器人，采摘机器人育苗机器人，葡萄树修剪机器人，施肥机器人，除草机器人，分拣果实机器人[1，2]，大多数农业机器人导航大多数是用单目视觉来导航和定位的，因为单目视觉的导航处理的数据相对双目视觉导航的要简单，而GPS定位导航它具有精度高，但是其抗干扰能力较差， 信号有可能偶然丢失[3]。为了实现农业机器人导航和特定的做业功能，不仅需要判断当前机器人的位置和姿势，也需要判断当前机器人的倾斜角度，包括前后倾斜角度和左右倾斜角度，判断出倾斜角度则可以更加准确的实现农业机器人做业，对未来农业机器人更精确的做业具有一定的意义。
2010年王善坤[4]设计了一种基于线阵CCD的非接触角度测量方法，他利用TCD1304AP和C8051F020两芯片构成该测量方法的系统，先采取图片，后处理图片，最后对得到的信号，进行处理，实现了四轮定位等系统中的角度的精确测量，测量精度可达0.02°。2012年黎永键[5]等采用MEMS传感器集成模块ADIS16300和ARM7 Cotex-M3处理器构成的平地铲的测量系统，通过卡尔曼滤波实现传感器信息融合以计算平地铲倾角。误差不超过1°。2012年师平[6]等以三角形工件来做实验，首先利用Canny算子来对三角形工件做边缘检测，然后利用Hovgh变换对图像进行处理获取图像的线段特征，在通过获取三角形三条边各自的线段特征，最后确定三角形的摆放姿势及三角形的三个角的角度值，试验表明，其误差范围在±0.1°左右。
本论文通过室内映射实验，获取室内图片，经过对图片的处理和一些数据的处理，得到摆点像素和前后倾角的计算值，根据这些信息建立一个BP神经网络，建立BP神经网络后，去田间获取图片，对田间道路图片进行特征点提取，把得到的信息映射到BP神经网络计算出田间机器人的实际倾斜角度。预期效果能达到绝对误差在5°以内。
1.前后倾斜对图像的影响
不同倾斜角的图片相同物体在图片中的信息不同，分析出这些不同的信息和前后变化的信息量，根据这些变化的信息量就可以为计算出前后倾斜角提供依据。本论文定义田间机器人前轮水平高度比后轮水平高度小为前倾。
田间机器人由于路面不平而导致前倾时，所拍的实际面积将向后（以机器人行走的方向为前方）移动，并且面积变少一些，除离田间机器人最近边缘以外的其他边缘的实际物体将有一小部分移出拍摄范围，离机器人最近边缘以外的一小部分物体将进入摄像范围。当实际所拍的面积向后移动后，没有倾斜拍摄范围内的大部分物体在后倾后所对应的像素将比没有倾斜所对应的像素点有所改变，机器人所拍范围内左边的物体所对应的像素v变小，右边的物体所对应的像素v变大，所有物体的像素v都是变小。部分离机器人最近这端的物体将出现在后倾图片的边缘上，其他移出拍摄范围的物体将不在倾斜后的图片上出现。反之则为后倾对图片的影响。根据前后倾角对图像的影响，来确定像素与实际倾斜角度之间存在某种关系。
2.映射实验
为了得到图片信息与前后倾斜角的映射关系，提出两种不同变量的实验方案来建立两个不同的BP神经网络映射关系。
方案一：无基准图片实验，选取一点，已知该点到机器人的实际位置，在不同的前后倾斜之下该点的像素不一样，通过该点不同的像素对应不同的倾斜角度来建立映射關系，即改摆点的像素（u，v）作为输入，实际倾斜角度作为输出。
方案二：有基准图片实验，田间机器人在实际行走期间，把前一张图片作为基准图片，在不同的前后倾斜之下物体在图片中的像素在变动，通过基准图片的像素v0、基准图片对应的倾斜角和倾斜后摆点的像素v1与对应的当前实际计算的倾斜角度来建立映射关系，即摆点在基准图片的像素v0、在当前倾斜图片中的像素v1和基准图片对应的实际倾斜角作为输入，计算的倾斜角度作为输出。
通过在室内做实验，得到大量的图片，经过数据处理，分别通过BP网络训练出两个方案的映射关系，得到映射关系后，去室外实际测量前后倾斜的角度，测量的数据表格
3.实际倾斜角度的测量数据
保持摄像头与田间机器人的相对位置，在田间过道中采集图像，对获取到的图片进行处理，到相应的图片信息，把相应的图片信息分别映射到训练好的神经网络计算出实际倾斜的角度，方案一的数据如表1，方案二的数据如表2
表4.1 方案一的实际倾斜角度测量数据表
倾斜角的计算值 实际倾斜
角度 误差 倾斜角的计算值 实际倾斜
角度 误差 -0.51 -0.648616379 0.138616379 2.5 1.656599963 0.843400037
-3.2 -2.474540334 0.725459666 4.2 3.145607584 1.054392416
-2.75 -2.885250311 0.135250311 3.1 2.257140135 0.842859865
-5.8 -5.666474133 0.133525867 2.6 3.612009983 1.012009983
-4.5 -4.985849582 0.485849582 0.81 1.040293766 0.230293766
带‘-’符号的表示后倾，没带‘-’符号的表示前倾 平均误差：0.560
表4.2 方案二的实际倾斜角度测量数据表
倾斜角的计算值 实际倾斜
角度 误差 倾斜角的计算值 实际倾斜
角度 误差
4.15 2.665672893 1.484327107 3.2 2.285293739 0.914706261
-0.8 -1.555314156 0.755314156 -1.7 -2.794673305 1.094673305
-3.1 -3.017814511 0.082185489 4.9 4.032456682 0.867543318
3.1 2.499353071 0.600646929 -2.3 -3.372244177 1.072244177
-2.3 -3.270641445 0.970641445 -1.0 -1.912233658 0.912233658
带‘-’符号的表示后倾，没带‘-’符号的表示前倾 平均误差：0.875
4.结果与分析
由表1可知方案一前后倾角计算值的最小误差是0.13°，最大误差是1.05°，平均误差是0.560°。由表2可知方案二前后倾角计算值的最小误差是0.08°，最大误差是1.48°，平均误差是0.875°。
对室内映射实验读像素时，有一定的误差而导致映射关系的训练原本就有误差，直接导致前后倾角计算的误差。室外光照与室内不同，导致室外拍取的图片畸变，特征点的室外图片中的像素相对室内图片中的像素有所改变，直接导致结果又误差，田间道路不平坦，特征点相对摄像机的垂直高度的分量在变化，如若特征点在过道凸的地方，则相对垂直高度就变小了，即特征点所在水平高度比机器人所在的水平高度要大些。反之，如若特征点在凹的地方，则相对垂直高度就变大了，即特征点所在水平高度比机器人所在的水平高度要小些。这三点系统因素无法避免。方案一的结果相对比较差一点，方案一的输入的是一个点的像素对应输出倾斜角度，输入输出之间存在的关系相对线性化容易得到，在室外实验时，该方案是由人来测量而得到特征点的具体位置，在测量过程或多或少有些误差，直接导致特征点的位置与室内映射实验的位置不一樣。方案二的结果误差相对好一些，输入输出之间的映射关系是非线性化，得到的映射关系与实际之间的关系有一些区别，本论文的方案二是以前一张图片基准图片，前一张图片计算的角度原本就有误差，如在拿这个角度来最为基准角，则计算出来的误差将会叠加，越到后面误差越大。这也是方案二的不足之处。
5.结论
运用BP神经网络来计算一实际数值时，必须要得到一个相对精度较高的映射关系，这样才能保证实际运用这个BP神经网络时的误差较小。方案一实验简单，但在实际田间图片采集，很难找到是实验一样距离的特征点，如若能解决这一问题，这个方案就比较好了。方案二实验相对复杂，精度相对比较理想，在实际运行当中，实时性强，特征点容易获取，如若消除叠加误差，这个方案也是很理想的，两方案各有各的优缺点。对田间机器人的前后倾斜角度，我们还可以深入的研究，提出解决本论文实验中遇到的问题的方法，提高实验的精度，比如，1）把室内的实验的摆点细小化; 2）把图片的畸变也考虑进去;3）用更好的神经网络来拟合映射关系。或者想出更好的实验方法和计算方法，避免一些人为误差，提高精度。
参考文献：
[1]何禹，宋乃波. 机器人在农业中的应用[J]. 应用科技，2011，1：63.
[2]朱凤武，于丰华，邹丽娜，岳仕达. 农业机器人研究现状及发展趋势[J] . 农业工程，2013，6：10-13.
[3]沈明霞，姬长英. 农业机器人视觉导航技术发展与展望[J] . 农业机械学报，2001， 1：71-87.
[4]王善坤，陈银萍. 基于线阵CCD的角度测量方法[J]. 微计算机信息，2010，11：23-26.
[5]黎永键，赵祚喜. 水田激光平地机平地铲姿态测量系统的设计[J]. 农机化研究，2012，2：69-75.
[6]师平，沈宝国，尹建军. 工件多角度视觉测量方法[J]. 制造业自动化，2012，4：41-43.
基金项目：
2014年广西大学生创新创业训练计划项目（201410594066）。