基于HALCON軟件與HSV模型的樹木檢測(cè)算法研究

馮運(yùn)發(fā) 王新彥 佘銀海

摘要：針對(duì)半自動(dòng)液控變割幅坐騎式割草機(jī)在工作時(shí)，操作人員不能準(zhǔn)確目測(cè)前方樹木的間距而無(wú)法確定當(dāng)前割草機(jī)的割幅的情況，提出了1種基于HALCON軟件及HSV[H表示色調(diào)（hue），S表示飽和度（saturation），V表示明度（value）]顏色空間的樹木檢測(cè)算法。利用HALCON算子將原RGB[R表示紅色（red），G表示綠色（green），B表示藍(lán)色（blue）]圖像轉(zhuǎn)換到HSV空間后，分析H和S分量的灰度直方圖，對(duì)其進(jìn)行對(duì)比度增強(qiáng)處理，并運(yùn)用動(dòng)態(tài)閾值法分別分割出大體目標(biāo)區(qū)域并求出并集，再依次運(yùn)用連通域處理、形態(tài)學(xué)操作、目標(biāo)區(qū)域提取、矩形度過(guò)濾等后續(xù)處理，提取出樹木的完整輪廓。最后運(yùn)用MER（最小外接矩形）算法生成樹木輪廓的最小外接矩形，為后續(xù)的樹木間距測(cè)量等工作奠定基礎(chǔ)。

關(guān)鍵詞：HALCON;HSV模型;樹木檢測(cè);動(dòng)態(tài)閾值分割;割草機(jī);機(jī)器視覺(jué)

隨著乳品業(yè)的迅猛發(fā)展及高爾夫球、網(wǎng)球、足球等運(yùn)動(dòng)的興起，我國(guó)的牧草產(chǎn)業(yè)及草坪的需求量正在迅速發(fā)展。目前較流行的大型割草機(jī)械是割草機(jī)，包括坐騎式、拖拉機(jī)懸掛式等。但是割幅一般是固定不變的，當(dāng)在長(zhǎng)有樹木或者有其他障礙物的草坪上進(jìn)行除草作業(yè)時(shí)，寬割幅的割草機(jī)由于兩樹間距較小就難以徹底地完成任務(wù)。

江蘇科技大學(xué)的王新彥教授等發(fā)明了1種半自動(dòng)液控變割幅坐騎式割草機(jī)，實(shí)現(xiàn)了從1.2 m到2.3 m的無(wú)極變割幅[1]。但是該機(jī)器需要駕駛員通過(guò)目測(cè)判斷前方樹木或其他障礙物之間的距離，再?zèng)Q定是否按下控制按鈕改變割幅，這樣容易出現(xiàn)誤判導(dǎo)致割草機(jī)撞到樹木或者出現(xiàn)漏割的現(xiàn)象。

隨著科技的發(fā)展及視覺(jué)應(yīng)用的不斷推廣，越來(lái)越多的農(nóng)林業(yè)機(jī)械應(yīng)用了機(jī)器視覺(jué)系統(tǒng)。機(jī)器視覺(jué)是一門綜合性很強(qiáng)的學(xué)科，它包括圖像處理、機(jī)械工程技術(shù)、控制、信號(hào)處理、光學(xué)、計(jì)算機(jī)軟硬件技術(shù)等。機(jī)器視覺(jué)的概念起始于20世紀(jì)50年代，最先的應(yīng)用來(lái)自“機(jī)器人”的研制[2]。其主要工作方式是通過(guò)工業(yè)相機(jī)[分為互補(bǔ)金屬氧化物半導(dǎo)體（complementary metal oxide semiconductor，簡(jiǎn)稱CMOS）和電荷耦合器件（charge coupled device，簡(jiǎn)稱CCD）相機(jī)]采集的圖像信號(hào)，傳送給專用的圖像處理系統(tǒng)，得到圖像的形態(tài)信息，根據(jù)飽和度、亮度和顏色等信息，轉(zhuǎn)變成數(shù)字化信號(hào)，圖像系統(tǒng)通過(guò)各種算法實(shí)現(xiàn)目標(biāo)特征的提取。利用機(jī)器視覺(jué)檢測(cè)樹木等障礙物已經(jīng)有很多人進(jìn)行了研究，有研究者提出了基于顏色和紋理的算法，可以得到比較理想的結(jié)果，但是運(yùn)行時(shí)間過(guò)長(zhǎng)，不能滿足實(shí)時(shí)檢測(cè)的目的[3];有研究者提出了利用三目立體視覺(jué)場(chǎng)景分割方法，可以在靜態(tài)或動(dòng)態(tài)的場(chǎng)景進(jìn)行分割，其缺點(diǎn)是培訓(xùn)時(shí)間比較長(zhǎng)，實(shí)時(shí)性較差[4];有研究者提出了1種障礙物檢測(cè)系統(tǒng)，利用立體匹配生成1個(gè)點(diǎn)云在圖像中的區(qū)域，地面檢測(cè)用于確定點(diǎn)云中哪些點(diǎn)是障礙物，其缺點(diǎn)是如果障礙物的顏色與地面相近時(shí)，就很難檢測(cè)出障礙物[5];有研究者提出了1種利用光譜分析及紋理提取實(shí)時(shí)檢測(cè)靜態(tài)和動(dòng)態(tài)障礙物的方法，但是其算法復(fù)雜且當(dāng)車輛在運(yùn)動(dòng)時(shí)識(shí)別率比較低[6]。本研究基于HALCON軟件與HSV[H表示色調(diào)（hue），S表示飽和度（saturation），V表示明度（value）]顏色空間提出了1種實(shí)時(shí)檢測(cè)樹木的方法，為半自動(dòng)液控變割幅坐騎式割草機(jī)實(shí)現(xiàn)全自動(dòng)變割幅奠定了基礎(chǔ)。

5 結(jié)論

本研究通過(guò)使用HALCON軟件強(qiáng)大的功能，將復(fù)雜的自然環(huán)境通過(guò)HSV顏色空間模型消除了因光照和陰影等影響因素，其中主要利用H分量受光照影響較小的優(yōu)點(diǎn)，并將攝像頭進(jìn)行合理的位置安裝，減少了不必要的背景，降低了圖像處理的復(fù)雜度。再結(jié)合動(dòng)態(tài)閾值算法進(jìn)行處理，然后進(jìn)行形態(tài)學(xué)運(yùn)算處理，包括腐蝕、膨脹，面積、矩形度篩選，最后生成最小外接矩形，完成了樹木的提取分割。本研究得到如下結(jié)論：（1）采用HSV顏色空間中的H和S分量相結(jié)合的方法可以避免因光照或陰影造成的影響;（2）使用動(dòng)態(tài)閾值分割法有效避免了因自然環(huán)境不同而造成的分割不準(zhǔn)確等弊端;（3）本研究的算法識(shí)別速度快，平均速度為0.098 s，滿足了實(shí)時(shí)性的要求;（4）本研究為后續(xù)的樹木間距測(cè)量實(shí)現(xiàn)全自動(dòng)液控變割幅坐騎式割草機(jī)奠定了基礎(chǔ)。

參考文獻(xiàn)：

[1]王新彥，周 浩. 一種液控變割幅坐騎式割草機(jī)：201410784597.3[P]. 2014-12-17.

[2]雷文華. 機(jī)器視覺(jué)及其應(yīng)用（系列講座）第一講 機(jī)器視覺(jué)發(fā)展概述[J]. 應(yīng)用光學(xué)，2006，27（5）：467-470.

[3]白麗麗. 用于機(jī)器人定位導(dǎo)航的樹木檢測(cè)算法研究[D]. 南京：南京理工大學(xué)，2012.

[4]Reina G，Milella A. Towards autonomous agriculture：automatic ground detection using trinocular stereovision[J]. Sensors，2012，12（9）：12405-12423.

[5]Ross P，English A，Ball D，et al. Novelty-based visual obstacle detection in agriculture[C]//IEEE International Conference on Robotics and Automation，2014.

[6]Campos Y，Sossa H，Pajares G. Spatio-temporal analysis for obstacle detection in agricultural videos[J]. Applied Soft Computing，2016，45：86-97.

[7]闞仁峰，楊龍興，南玉龍. 基于HALCON圖像處理的焊縫識(shí)別與提取方法的研究[J]. 物聯(lián)網(wǎng)技術(shù)，2017（5）：29-31.

[8]李錦瓏，張維昭，馬宏鋒，等. 基于HALCON的車牌識(shí)別技術(shù)研究[J]. 西北師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2015（6）：54-57.

[9]蘭 紅，胡 涵. 結(jié)合HSV空間的改進(jìn)二維Otsu免疫組化圖像分割[J]. 計(jì)算機(jī)應(yīng)用與軟件，2016，33（5）：200-203.

[10]郭翰林，林 建，張 翔. 基于HSV空間再生稻植株與土壤背景圖像分割[J]. 農(nóng)機(jī)化研究，2017，39（7）：169-174.

[11]袁奮杰，周 曉，丁 軍，等. 基于FPGA的RGB和HSV色空間轉(zhuǎn)換算法實(shí)現(xiàn)[J]. 電子器件，2010，33（4）：493-497.

[12]張紅旗，劉 宇，王春光. 改進(jìn)田間雜草識(shí)別圖像預(yù)處理方法的研究[J]. 農(nóng)機(jī)化研究，2015（6）：70-73.

[13]Steger C. 機(jī)器視覺(jué)算法與應(yīng)用[M]. 北京：清華大學(xué)出版社，2008：144-155.

[14]Weszka J S，Rosenfeld A. Histogram modification for threshold selection[J]. IEEE Transactions on Systems Man and Cybernetics，2007，9（1）：38-52.

[15]Gonzalez R C，Woods R E，Eddins S L. 數(shù)字圖像處理的MATLAB實(shí)現(xiàn)[M]. 阮秋埼，譯. 2版. 北京：清華大學(xué)出版社，2013：396-398.

[16]楊 琨，曾立波，王殿成. 數(shù)學(xué)形態(tài)學(xué)腐蝕膨脹運(yùn)算的快速算法[J]. 計(jì)算機(jī)工程與應(yīng)用，2005，41（34）：54-56.

[17]盧 蓉，范 勇，陳念年，等. 一種提取目標(biāo)圖像最小外接矩形的快速算法[J]. 計(jì)算機(jī)工程，2010，36（21）：178-180.李 陽(yáng)，雷一騰，胡 斌. 大豆凸輪排種器的設(shè)計(jì)與優(yōu)化[J]. 江蘇農(nóng)業(yè)科學(xué)，2019，47（6）：193-196.