基于K-means算法的温室移动机器人导航路径识别-论文.pdf

《基于K-means算法的温室移动机器人导航路径识别-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第30卷第7期农业工程学报Vbl-30No．72014年4月TransactionsoftheChineseSocietyofAgriculturalEngineeringApr．201425基于K．means算法的温室移动机器人导航路径识别高国琴，李明(江苏大学电气信息工程学院，镇江212013)摘要：针对温室移动机器人机器视觉导航路径识别实时性差、受光照干扰影响严重等问题，首先，将HSI颜色空间3个分量进行分离，选取与光照信息无关且可以有效抑制噪声影响的色调分量H进行后续图像处理，以削弱光照对机器人视觉导航的不良影响；针对温

2、室环境图像特有的颜色特征信息，引入K．means算法对图像进行聚类分割，将垄间道路信息与绿色作物信息各自聚类，再通过形态学腐蚀方法去除聚类后图像中存在的冗余、干扰信息，以获得完整的道路信息，与常用阈值分割方法相比，可降低因分割信息不明确而导致后续Hough变换进行直线拟合时需占据大量内存且计算量较大的问题，进而提高移动机器人路径识别的快速性，并适应温室作业机器人自主导航的高实时性要求。试验结果表明，该文方法在复杂背景与变光照条件下的温室作业环境中可大幅降低光照对机器人导航的影响，对于光照不均具有良好的鲁棒性，道路信息提取率可达9

3、5％。同时，其平均单幅图像处理时耗降低53．26％，可显著提高路径识别速度。该研究可为解决温室移动机器人机器视觉导航路径识别的鲁棒性及实时性问题提供参考。关键词：温室；机器人；机器视觉；图像分割；路径识别；HSI颜色空间；K—means算法doi：10．3969~．issn．1002—6819．2014．07．004中图分类号：S24；TP242文献标志码：A文章编号：1002—6819f2014)一07—0025一O9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)：2

4、5—33．GaoGuoqin，LiMing．NavigatingpathrecognitionforgreenhousemobilerobotbasedonK—meansalgorithm[J]．TransactionsoftheChineseSocietyofAgriculturalEngineering(TransactionsoftheCSAE)，2014，3O(7)：25-33．(inChinesewithEnglishabstract)难以保证常规路径识别算法的鲁棒性，加之温室背O引言景环境信息复杂，导致算法计算量增加

5、，这直接影利用移动机器人完成温室自主导航作业，不仅响导航的快速性和实时性，使其难以满足温室作业可以大幅度减轻劳动者的体力劳动，也可以避免劳的效率要求。文献[7。8]提出一种基于光照色彩稳定动者在有毒、高温和高湿等恶劣环境中作业时受到性以及光照无关图的导航信息获取方法以降低光人身伤害。导航路径识别技术是实现温室移动机器照信息对路径识别的影响。文献『9。12]通过改进人自主导航的首要技术之一。目前移动机器人导航Hough变换方法以提高路径识别算法的快速性。领域的研究热点主要集中在机器视觉导航和卫星Hough变换鲁棒性强，但检测精度有

6、限。目前，在定位(GPS)导航2个方面LlJ。与GPS导航相比，针对机器视觉导航路径识别问题所提出的图像处机器视觉具有灵活、实时、精度高、易实现、适用理方法的研究上，人们对于颜色空间和图像分割及性强、获取信息量丰富以及高性价比等诸多优点。机直线拟合方法有着不同的选择。在颜色空间的选取器视觉一般分为立体视觉口。J和单目视觉【4_6】2种。与上，RGB颜色空间较为常用L1孓HJ，但其3个颜色分单目视觉相比，立体视觉算法复杂，摄像头间同步量与光照强度呈递增关系，所以在温室环境变光照性要求较高，特别是空间匹配难以精确实现，实时条件下，难

7、以满足对光照不均的鲁棒性要求。在图性较差，因此，本文基于单目视觉研究温室移动机像分割方法的选取上主要以阈值分割为主[15-16J，阈器人的导航路径识别问题。值分割法计算简单、运算效率较高、速度快，但对在温室环境下，单目视觉系统采集到的图像因于背景信息复杂的温室图像，很难确定一个统一的受光照变化、背景反光、阴影噪声等诸多因素影响阈值将物体与背景完全分离，这将会给后续图像处理带来不便。在直线拟合方法的选择上，除上述提收稿日期：2013．07．15修订日期：2014—03一Ol到的Hough变换外，最常用的是最小二乘法【J"J，基金项

8、目：江苏省高校优势学科建设工程资助项目(PAPD)(苏政办发(2011)6号)；镇江市农业科技支撑计划(NY2011013)其检测精度较高，但对强噪声点敏感，鲁棒性差，作者简介：高国琴(1965一)，女(汉族)，江苏扬州，教授，博士生导所以对于背景环境信息复杂、