基于機器視覺的植保無人機障礙物檢測技術研究

于坤林，司維釗

（長沙航空職業技術學院，湖南長沙，410124）

0 引言

機器視覺的障礙物檢測是指利用攝像機代替人眼捕獲客觀事物信息，通過相關視覺圖像處理算法獲取事物的輪廓、深度、位置等信息為避障提供依據。植保無人機作業時會遇到建筑物、樹木、電線桿等障礙物。因此研究基于機器視覺的植保無人機障礙物檢測技術具有重要的應用價值。

1 機器視覺無人機障礙物檢測方法

1.1 單目視覺無人機障礙物檢測方法

該方法是采用單個攝像頭進行連續圖像拍攝，通過計算前后兩幀圖像的特征區域或像素變化來獲取物體的運動信息以及判斷物體的遠近程度[1]。缺點是無法直接測量距離，優點是計算量小、成本低。

1.2 雙目視覺無人機障礙物檢測方法

該方法是利用兩個攝像頭從不同的角度來進行拍攝，根據視圖差異和幾何關系可以得到周圍環境的三維信息[2]。缺點是計算量大，優點是獲取的空間信息更加精確。

2 基于機器視覺的植保無人機障礙物檢測算法流程

當植保無人機飛行方向上有障礙物時，就首先激活視覺傳感器對障礙物進行圖像采集、然后圖像處理模塊對障礙物圖像進行灰度變化、圖像增強、圖像濾波等預處理，再對圖像進行特征提取與匹配，最后對障礙物進行識別，采用障礙物避障策略進行避障。整個障礙物檢測流程如圖1所示。

圖1 基于機器視覺的植保無人機障礙物檢測算法流程

3 基于機器視覺的植保無人機障礙物檢測算法研究

3.1 圖像預處理

圖像預處理包括灰度化處理、圖像增強、圖像濾波等。這里以樹木作為障礙物，樹木圖像預處理實驗如圖2所示。

圖2 障礙物圖像預處理

3.2 圖像特征提取與匹配

3.2.1 特征提取與匹配簡介

機器視覺中兩個重要的技術是特征點提取和匹配，通過對機器視覺圖像進行特征點提取與匹配，可以從中提取出障礙物信息，因此圖像特征提取與匹配是植保無人機障礙物檢測的關鍵技術。

3.2.2 Harris算法分析

以圖像中任一像素為中心，在該中心點設定測試窗口并沿各個方向進行微小移動，計算窗口內的平均灰度變化。如果灰度變化值大于設定的閾值，則窗口中的中心像素點被認為是角點[3]。

Harris角點檢測公式如下：

式中：E(x,y)為窗口內的圖像灰度變化值，Wu,v是在(u,v)處的系數，I(x+u,y+v)為窗口平移后的灰度值，I(x,y)為原始圖像灰度值。

3.2.3 SURF算法分析

3.2.3.1 提取特征點

SURF 算法[4]采用Hessian矩陣行列式來檢測特征點,每一個像素點都可以求出一個Hessian矩陣:

式中，Lxx，Lxy和Lyy是點(x，y)分別與高斯函數二階偏導卷積的結果。

為了提升運算速度, 使用盒式濾波器來代替高斯濾波器,卷積運算后的值分別為Dxx、Dyy、Dxy,其公式如下：

式中，w為權重系數。

3.2.3.2 確定特征點方向

為了確保旋轉不變性，SURF算法在特征點區域范圍內統計harr小波，計算半徑為6S（S為尺度因子）60度扇形內所有特征點的水平和垂直Haar小波特征總和。

3.2.3.3 構建特征描述子

以特征點為中心，構建中心點在特征興趣點上的正方形區域，將該區域分為4X4個子區域，每個子區域統計5X5個像素的水平方向和垂直方向的harr小波特征。每個子區域得到4維的強度結構描述向量，一共得到64維特征向量。

3.2.3.4 特征點匹配

SURF是通過計算兩個特征點之間的歐式距離進行匹配，兩個特征點之間的歐氏距離越短, 代表兩個特征點的匹配度越好。

3.2.4 特征提取與匹配仿真實驗

3.2.4.1 Harris算法的障礙物圖像特征點提取與匹配仿真實驗

Harris算法的障礙物圖像特征點檢測仿真實驗分別如3（a）和圖3（b）所示，Harris算法的障礙物圖像特征點匹配仿真實驗如3（c）所示。

圖3 Harris算法的障礙物圖像特征點提取與匹配仿真實驗

3.2.4.2 SURF算法的障礙物圖像特征點檢測與匹配仿真實驗

SURF算法的障礙物圖像特征點檢測仿真實驗分別如4（a）和圖4（b）所示，SURF算法的障礙物圖像特征點匹配仿真實驗如 4（c）所示。

圖4 Surf算法的障礙物圖像特征點提取與匹配仿真實驗

3.2.4.3 實驗分析

由實驗可知：Harris算法的特征匹配時間為2.467829秒，SURF算法的匹配時間2.126343秒。

SURF算法的速度要快一些。對比圖3和圖4可以看出：SURF算法檢測到的圖像特征點數量要多一些且特征點匹配度高。

綜上所知，SURF算法具有檢測速度快，實時性好，且能夠檢測出大量的特征點，圖像匹配度高等優點，該算法非常適合作為植保無人機障礙物圖像特征點的提取和匹配算法，因此可選用SURF算法來檢測植保無人機障礙物。

3.3 植保無人機避障

在本文中植保無人機避障是采用垂直避障和左右避障這兩種避障策略[5]。當植保無人機作業中檢測到前方有障礙物時，就要計算出障礙物高度，然后判斷無人機最大飛行高度是否大于障礙物高度。如果最大飛行高度大于障礙物高度，則啟動垂直避障方式進行避障。如果最大飛行高度小于障礙物高度，就啟動左右避障方式，這時首先要計算無人機距離障礙物左右邊界的距離，當距離障礙物左邊界較近時，則從障礙物左側面繞過障礙物飛行，當距離障礙物右邊界較近時，則從障礙物右側面繞過障礙物飛行。

4 結語

本文對基于機器視覺的植保無人機障礙物檢測算法進行了分析和研究，并給出了Harris算法 和SURF算法的障礙物圖像特征點檢測與匹配仿真實驗結果。從實驗結果來看：SURF算法具有檢測速度快，實時性好，且能夠檢測出大量的特征點，圖像匹配度高等優點，將SURF算法用于植保無人機障礙物的自動檢測，可以有效地提高檢測的效率和準確率。