基于LabVIEW的農(nóng)用車輛視覺導(dǎo)航控制系統(tǒng)設(shè)計(jì)與仿真

王晨,李景彬,溫寶琴

(石河子大學(xué)機(jī)械電氣工程學(xué)院，新疆 石河子 832003)

?

基于LabVIEW的農(nóng)用車輛視覺導(dǎo)航控制系統(tǒng)設(shè)計(jì)與仿真

王晨,李景彬,溫寶琴

(石河子大學(xué)機(jī)械電氣工程學(xué)院，新疆 石河子 832003)

【目的】 為了實(shí)現(xiàn)農(nóng)用車輛的自動導(dǎo)航.【方法】 以LabVIEW圖像采集以及模糊控制為主進(jìn)行智能農(nóng)業(yè)車輛控制系統(tǒng)的設(shè)計(jì).首先在NI vision assistant環(huán)境下利用灰度化、像素分布、邊緣檢測、路徑擬合等算法進(jìn)行圖像處理以及提取導(dǎo)航路徑信息.之后利用Labview環(huán)境下的PID and Fuzzy Logic Toolkit工具箱確定隸屬度函數(shù)并設(shè)計(jì)出模糊控制規(guī)則，再通過去模糊化后對農(nóng)用車輛轉(zhuǎn)向采取合理的控制策略，使得農(nóng)用車輛平穩(wěn)快速地行使.最后利用MATLAB環(huán)境下Simulink建立數(shù)學(xué)仿真模型，觀察轉(zhuǎn)向角信號對偏差角信號的跟蹤情況.【結(jié)果】 仿真表明，在周期10 s下，幅度為10°的正弦波信號，對轉(zhuǎn)向信號有著較好的跟蹤能力，還可看出有較小的相位偏差，需要通過對控制器后續(xù)的控制策略優(yōu)化來進(jìn)行消除.

視覺導(dǎo)航；控制策略；路徑識別；LabVIEW

智能農(nóng)業(yè)機(jī)械作為一種高度信息化、自動化的現(xiàn)代農(nóng)業(yè)裝備，其最顯著的特征之一就是導(dǎo)航控制自動化.通過對農(nóng)業(yè)視覺導(dǎo)航控制系統(tǒng)的研究，對于設(shè)計(jì)與開發(fā)智能農(nóng)業(yè)機(jī)械有著重要意義.

新疆生產(chǎn)建設(shè)兵團(tuán)(下文簡稱“兵團(tuán)”)對農(nóng)業(yè)機(jī)械裝備自動導(dǎo)航系統(tǒng)的需求近年來顯著增加.目前，農(nóng)業(yè)機(jī)械視覺導(dǎo)航技術(shù)的研究主要集中在導(dǎo)航參數(shù)獲取、導(dǎo)航控制方法和算法、視覺硬件系統(tǒng)的研究.而導(dǎo)航控制方法和算法的研究即如何利用獲取的導(dǎo)航參數(shù)實(shí)現(xiàn)控制農(nóng)業(yè)機(jī)器人自動導(dǎo)航，包括實(shí)現(xiàn)方法和導(dǎo)航理論的研究兩方面.視覺硬件系統(tǒng)的研究即對視覺系統(tǒng)的組成結(jié)構(gòu)的研究，旨在擴(kuò)展視覺系統(tǒng)的信息感知能力.幾年來我國各高校及科研機(jī)構(gòu)對農(nóng)業(yè)機(jī)械裝備的自動導(dǎo)航控制研究也有所成就[1-8].由于農(nóng)用車輛作業(yè)一般不需要頻繁調(diào)解，所以大多研究涉及轉(zhuǎn)向控制，其控制部分大多采取PID閉環(huán)控制和智能行為控制，對作物行的識別和車輛的姿態(tài)估計(jì)主要采用Hough變換、模型匹配、統(tǒng)計(jì)特性分析、虛交點(diǎn)分析等方法，然后根據(jù)攝像機(jī)的標(biāo)定數(shù)據(jù)和透視幾何關(guān)系得到車輛的位置姿態(tài)[9-13]，最后通過系統(tǒng)辨識建立轉(zhuǎn)向系統(tǒng)數(shù)學(xué)模型對轉(zhuǎn)向系統(tǒng)進(jìn)行優(yōu)化仿真研究.

LabViEW是美國國家一起公司(National Instrument)開發(fā)的一種虛擬儀器平臺，是一種用圖標(biāo)代碼來代替文本式變成預(yù)言創(chuàng)建應(yīng)用程序的開發(fā)工具[14-15].利用LabVIEW設(shè)計(jì)的測控系統(tǒng)，對各種信號進(jìn)行模擬，對控制系統(tǒng)的開發(fā)帶來了很大的方便.本試驗(yàn)以LabVIEW2012為軟件平臺，對LabVIEW的農(nóng)業(yè)車輛視覺導(dǎo)航功能進(jìn)行研究，采用PC機(jī)和圖像采集卡的硬件結(jié)構(gòu)，將虛擬儀器技術(shù)應(yīng)用到農(nóng)用車輛導(dǎo)航系統(tǒng)之中，采用LabVIEW進(jìn)行圖像采集和識別來進(jìn)行判斷、控制，跟蹤信號[16]，能使操作更加智能化.

在研究過程中由于涉及在棉花鋪膜播種時(shí)期，該時(shí)期為劃行器所劃痕跡，因此，在自然條件下，如何利用合適的算法保證拖拉機(jī)實(shí)際行駛路徑與期望路徑之間的吻合度，即確保導(dǎo)航精度是本研究的關(guān)鍵問題.

1 硬件系統(tǒng)設(shè)計(jì)

導(dǎo)航系統(tǒng)由上位計(jì)算機(jī)(戴爾14R筆記本i5-480,6G運(yùn)存，HD5650)，數(shù)據(jù)采集模塊(攝像頭：今貴S9，像素：1 200萬，感光元件類型:CMOS.采集卡ZTIC7660轉(zhuǎn)換速率250 kHz，輸入范圍：0～5 V、0～10 V、±5 V、0～20 mA，程控增益1、10、100倍；DI/DO：各16CH；計(jì)數(shù)/測頻3CH)、驅(qū)動模塊(SUMTOR步進(jìn)電機(jī)，電壓(V):12～36，轉(zhuǎn)矩(N·m):1.5)等功能模塊組成.系統(tǒng)總體框圖如圖1所示.

圖1 農(nóng)業(yè)車輛視覺導(dǎo)航硬件模塊基本組成Fig.1 Hardware module of visual navigation for agricultural vehicles

視覺傳感器獲取被測農(nóng)田表面特征信息圖像，經(jīng)視覺圖像采集系統(tǒng)轉(zhuǎn)換為數(shù)字信號，由視覺圖像處理系統(tǒng)完成視覺數(shù)字圖像的底層處理，并提取出特征信息的圖像坐標(biāo)，由計(jì)算機(jī)實(shí)現(xiàn)被測農(nóng)田空間幾何參數(shù)和位置姿態(tài)等參數(shù)的快速計(jì)算，之后經(jīng)通信協(xié)議傳輸給自主駕駛系統(tǒng).

2 軟件系統(tǒng)設(shè)計(jì)

2.1 圖像采集處理

在棉花播種時(shí)間，棉田環(huán)境比較復(fù)雜，地表土壤、地膜等田間目標(biāo)特征因時(shí)間、天氣、光照等影響而顯示出不同的亮度特性，所以在選擇顏色模型時(shí)要考慮顏色模型的通用性以及應(yīng)用的廣泛性.

RGB顏色空間是面向硬件的顏色模型，直接感知顏色的R、G、B 3個(gè)分量，同時(shí)其他顏色模型也可基于RGB顏色模型進(jìn)行直接或間接的轉(zhuǎn)換，同時(shí)利用圖像R、G、B分量組合的顏色指標(biāo)也可以提取不同棉花生產(chǎn)時(shí)期的目標(biāo)特征，因此本試驗(yàn)選擇利用RGB顏色空間.

圖像進(jìn)行預(yù)處理一般分為圖像增強(qiáng)、圖像二值化等過程，用于去除圖像背景中的干擾信息，得到目標(biāo)信息[17].灰度圖和彩色圖是數(shù)字圖像處理中最常用的類型.灰度圖是數(shù)字圖像的基本形式，可以由彩色圖進(jìn)行去色處理得到，它只表述圖像的亮度信息而沒有顏色信息.在提取導(dǎo)航線的過程中，所需要的信息只與圖像亮度信息有關(guān)與其彩色無關(guān).所以打開一幅RGB圖片后，首先要對它進(jìn)行灰度化.利用LabVIEW的IMAQ Extrac Single Color Plane中的Luminance參數(shù)對圖像進(jìn)行和處理，以提取圖像的亮度信息，去除其彩色信息，即將RGB格式圖像轉(zhuǎn)化為HSL格式的圖像，結(jié)果如圖2所示.

圖2 目標(biāo)灰度化處理程序Fig.2 Gray image processing program

然后利用IMAQ Math Lookup來得到對比度更加強(qiáng)烈的圖像，使路徑信息獲取得更加明顯.其結(jié)果如圖3所示.

圖3 IMAQ Math Lookup函數(shù)對比圖Fig.3 IMAQ Math Lookup function comparison chart

經(jīng)過處理的目標(biāo)路徑圖像，只保留了亮度信息，其色彩信息已經(jīng)被處理.所以，目標(biāo)圖像的對比度更加明顯，路徑變得更為清晰，對導(dǎo)航路徑的控制工作起到了很大的幫助.

2.2 導(dǎo)航路徑提取

利用NI vison里面的Find Straight Edges函數(shù)從目標(biāo)圖像中提取邊緣線.

2.2.1 搜索邊緣線 利用Find Straight Edges首先從右到左掃描像素，如果從右邊黑暗部分掃描到第一個(gè)亮點(diǎn)時(shí)，做好標(biāo)記點(diǎn)，之后把若干標(biāo)記點(diǎn)擬合

圖4 掃描第一條邊緣線Fig.4 Scan first edge line

成一條路徑線，如圖4.

Vison中若干條掃描線掃描該圖中路徑.從掃描指數(shù)來看，每條掃描線都有對應(yīng)的由亮度信息對比出來的邊緣加強(qiáng)點(diǎn).

圖5 邊緣加強(qiáng)掃描圖Fig.5 Edge enhanced chart

同理在Find Straight Edges中，進(jìn)行從左向右掃描，最后進(jìn)行標(biāo)記.

2.2.2 提取路徑線 利用得到兩條邊緣線的中線，作為視覺導(dǎo)航的路徑線.再用vision的IMAQ Draw函數(shù)，將目標(biāo)圖像上的像素點(diǎn)與所描繪的圖像進(jìn)行替換.確定4個(gè)點(diǎn)，可設(shè)置為a、b、c、d，之后

圖6 提取導(dǎo)航路徑Fig.6 Extracting navigation path

利用vision里面的Geometric Feature Distance函數(shù)將目標(biāo)圖像兩條邊緣線上下4個(gè)點(diǎn)進(jìn)行標(biāo)記，a-左上，b-左下、c-右上、d-右下，如圖6所示.

之后利用Mid Point函數(shù)將a和c相連，b和d相連，中點(diǎn)e、f相連.所以e、f兩點(diǎn)直線可作為所提取的導(dǎo)航路徑線，之后再利用Overlay函數(shù)將導(dǎo)航線進(jìn)行標(biāo)記覆蓋.

3 導(dǎo)航控制策略設(shè)計(jì)

3.1 農(nóng)用車輛轉(zhuǎn)向模型

農(nóng)用車輛行駛時(shí)根據(jù)車輛轉(zhuǎn)向原理[18]，可得公式：

(1)

式中，R為轉(zhuǎn)向半徑； α為前輪轉(zhuǎn)角；L為軸距.

根據(jù)公式(1)可以看出，轉(zhuǎn)向半徑由轉(zhuǎn)向角決定，前輪轉(zhuǎn)角控制拖拉機(jī)的運(yùn)動軌跡.所以，需要一種控制算法，通過傳感器采集的數(shù)據(jù)，來使方向偏差趨于最小.

由于側(cè)向偏差與車體姿態(tài)之間存在著較為復(fù)雜的非線性關(guān)系，而模糊控制策略可以將自學(xué)習(xí)經(jīng)驗(yàn)轉(zhuǎn)化為邏輯規(guī)則，實(shí)現(xiàn)車輛轉(zhuǎn)向控制.

利用LabVIEW自身的PID and Fuzzy Logic Toolkit的工具包來實(shí)現(xiàn)模糊控制.其VI有：

1) 控制器VI，該控制器是單輸入輸出系統(tǒng)，可根據(jù)需要來修改參數(shù).

2) 載入系統(tǒng)VI，加載一個(gè)預(yù)先設(shè)定好的模糊控制文件，其后綴為.fs.

3) 保存系統(tǒng)VI，把控制系統(tǒng)保存到后綴.fs文件之中.模糊控制原則系統(tǒng)結(jié)構(gòu)圖如圖7所示.

圖7 模糊結(jié)構(gòu)圖Fig.7 Fuzzy structure diagram

3.2 模糊規(guī)則

模糊控制一般包括預(yù)言變量、范圍確定、隸屬度函數(shù)、控制規(guī)則、去模糊化.集合使用隸屬度函數(shù)作為定量描述，筆者常用三角形函數(shù)[19]便于計(jì)算.對應(yīng)表達(dá)式為：

(2)

式中，a、b、c就是三角形3個(gè)頂點(diǎn).農(nóng)用車輛在行走過程中速度變化比較小，且認(rèn)定為是恒定速度運(yùn)動，轉(zhuǎn)向控制的輸入量為橫向偏差a和橫向偏差角b.轉(zhuǎn)向角θ為拖拉機(jī)中心線與轉(zhuǎn)向輪夾角.方位偏差角b模糊論域可設(shè)定為[-6,6]，即模糊偏差角范圍，單位為°，橫向偏差a模糊論域可設(shè)定為[-6,6]，即模糊橫向幅度，單位為cm，前輪轉(zhuǎn)角θ模糊論域可設(shè)定為[-30°,30°],根據(jù)識別事物習(xí)慣，論域輸入變量劃分為(NB、NM、NS、ZE、PS、PM、PB)7個(gè)來表示，即負(fù)大、負(fù)中、負(fù)小、零、正小、正中、正大.輸出控制變量k的論域設(shè)定為{-6,-4.-2,0,2,4,6}，子集元素分別對應(yīng)負(fù)大、負(fù)中、負(fù)小、零、正小、正中、正大.在LabVIEW tools選項(xiàng)中選擇Fuzzy Logic Controller Design(圖8)，確定各變量的隸屬度函數(shù).在隸屬度函數(shù)的建立方法方面，我們利用專家經(jīng)驗(yàn)法，即根據(jù)專家的實(shí)際操作經(jīng)驗(yàn)給出模糊信息，在多數(shù)情況下，通過初步估算確定隸屬函數(shù)，然后通過學(xué)習(xí)和實(shí)踐調(diào)整再加上不斷優(yōu)化和完善(圖9).

經(jīng)過歸納總結(jié)駕駛經(jīng)驗(yàn)以及試驗(yàn)情況最后得到表1.利用LabVIEW Fuzzy System Designer提供的最大中心法計(jì)算清晰值.Fuzzy設(shè)計(jì)器中提供的三維測試系統(tǒng)，可觀察輸入量與輸出量之間的關(guān)系，假設(shè)橫向偏差輸入為-1.363，偏差角輸入為5，則轉(zhuǎn)向角輸出量為-4.45，其中紅點(diǎn)代表輸出位置.三維圖如圖10所示.

圖8 模糊邏輯控制設(shè)計(jì)Fig.8 Fuzzy logic controller design

圖9 各變量的隸屬度函數(shù)Fig.9 Membership function of the variable

圖10 Fuzzy System Designer三維測試圖Fig.10 System Designer Fuzzy three-dimensional test chart

設(shè)置完各輸入量和輸出量的隸屬度函數(shù)，通過模糊規(guī)則庫中的if-then條件語句再加上專家經(jīng)驗(yàn)設(shè)計(jì)出模糊控制規(guī)則[20]，如表1所示.

表1 模糊控制規(guī)則

3.3 去模糊化

利用查表法[21]在輸入量中得出相應(yīng)的清晰數(shù)值，以便于在計(jì)算機(jī)中實(shí)現(xiàn)，如表2所示.

表2 模糊控制表

4 模糊控制器仿真

為了檢驗(yàn)所提出的控制策略的可靠性，利用MATLAB環(huán)境下Simulink建立農(nóng)用車輛控制模型進(jìn)行仿真.首先進(jìn)行系統(tǒng)建模如圖11.

圖11 模糊控制系統(tǒng)建模Fig.11 Fuzzy control system modeling

圖12 轉(zhuǎn)向角正弦仿真結(jié)果Fig.12 Steering angle sinusoidal simulation results

圖12的仿真結(jié)果表明，在周期10 s下，幅度為10°±0.2的正弦波信號，對轉(zhuǎn)向信號有著較好的跟蹤能力，在控制系統(tǒng)中信號有著較好的適應(yīng)能力，可以獲得更好的運(yùn)動穩(wěn)定性和操控性.該模糊控制策略不僅可以滿足轉(zhuǎn)向控制平穩(wěn)，且有良好的跟蹤性能，由于處在棉田中復(fù)雜的田間環(huán)境中，從中還可看出有較小的相位偏差，需要通過對控制器后續(xù)的控制策略優(yōu)化來進(jìn)行消除.

5 結(jié)論

本研究利用LabVIEW結(jié)合Vision Assistant各種圖像處理算法提取了導(dǎo)航線，再通過Fuzzy Logic Toolkit控制工具包能夠迅速設(shè)計(jì)出模糊控制策略，模糊控制將專家經(jīng)驗(yàn)融合到控制器當(dāng)中，可以顯著提高轉(zhuǎn)向控制品質(zhì).MATLAB仿真表明所提出的模糊規(guī)則可以實(shí)時(shí)控制農(nóng)用車輛的轉(zhuǎn)向，且穩(wěn)定性得到基本滿足.結(jié)合仿真結(jié)果表明模糊控制規(guī)則還需不斷優(yōu)化，提高控制的實(shí)時(shí)性、平穩(wěn)性，才能滿足復(fù)雜的田間環(huán)境，以適應(yīng)實(shí)際農(nóng)業(yè)生產(chǎn)需求.

[1] 羅錫文,區(qū)穎剛,趙祚喜,等.農(nóng)用智能移動作業(yè)平臺模型的研制[J].農(nóng)業(yè)工程學(xué)報(bào),2005,21(2):83-85

[2] 田海清,應(yīng)義斌,張方明.農(nóng)業(yè)車輛導(dǎo)航系統(tǒng)中自動控制技術(shù)的研究進(jìn)展[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2005,36(7):148-152

[3] 張智剛,羅錫文,周志艷,等.久保田插秧機(jī)的GPS導(dǎo)航控制系統(tǒng)設(shè)計(jì)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2006,37(7):95-97

[4] 周建軍,張漫,汪懋華,等.基于模糊控制的農(nóng)用車輛路線跟蹤[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2009,40(4):151-156

[5] 王友權(quán),周俊,姬長英,等.基于自主導(dǎo)航和全方位轉(zhuǎn)向的農(nóng)用機(jī)器人設(shè)計(jì)[J].農(nóng)業(yè)工程學(xué)報(bào),2008,24(7):110-113

[6] 周俊,劉成良,姬長英.農(nóng)業(yè)機(jī)器人視覺導(dǎo)航的預(yù)測跟蹤控制方法研究[J].農(nóng)業(yè)工程學(xué)報(bào),2004,20(6):106-110

[7] 王友權(quán),周俊,姬長英,等.農(nóng)用輪式移動機(jī)器人灰色預(yù)測控制[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2008,39(12):213-215

[8] 李進(jìn),陳無畏,李碧春,等.自動導(dǎo)引車視覺導(dǎo)航的路徑識別和跟蹤控制[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2008,39(2):20-24

[9] 邵剛,毛罕平.農(nóng)業(yè)機(jī)械機(jī)器視覺導(dǎo)航研究進(jìn)展[J].安徽農(nóng)業(yè)科學(xué)報(bào),2007,35(14):4394-4396

[10] Cho S I,Ki N H.Autonomous speed sprayer guidance using machine vision and fuzzy logic[J].ASAE,1999,42(4):1137-1143

[11] Tillett N D,Hague T,Marchant J A.A robotic system for plant-scale husbandry[J].J Agric Eng Res,1998,69(2):169-178

[12] 沈明霞,姬長英.農(nóng)業(yè)機(jī)器人視覺導(dǎo)航技術(shù)發(fā)展與展望[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2001,32(1):109-111

[13] Torri T,Kitade S,Teshima T.Crop row tracking by an autonomous vehicle using machine vision[J].JSAM,2000,62(2):41-48

[14] 李定珍,劉德春.基于LabVIEW的PCB板自動檢測系統(tǒng)的研制[J].微計(jì)算機(jī)信息,2007,23(6):202-204

[15] 趙英杰,馬建莉,錢英.基于LabVIEW的糧倉監(jiān)控系統(tǒng)研究[J].農(nóng)機(jī)化研究,2009,31(9):111-113

[16] 費(fèi)強(qiáng),趙武云,張大龍,等.基于LabVIEW的微孔鉆削刀具信號監(jiān)測系統(tǒng)的設(shè)計(jì)[J].甘肅農(nóng)業(yè)大學(xué)學(xué)報(bào),2013,48(6):149-153，159

[17] 張方明,應(yīng)義斌.機(jī)器視覺在農(nóng)業(yè)車輛導(dǎo)航系統(tǒng)中的研究進(jìn)展[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2005,36(5):133-136

[18] 湯兵勇,路林吉,王文杰.模糊控制理論與應(yīng)用技術(shù)[M].北京:清華大學(xué)出版社,2002

[19] 王士同.模糊系統(tǒng).模糊神經(jīng)網(wǎng)絡(luò)及應(yīng)用程序設(shè)計(jì)[M].上海:上?？茖W(xué)技術(shù)文獻(xiàn)出版杜,1998

[20] 張小娟.一種基于模糊控制的溫度控制系統(tǒng)設(shè)計(jì)[J].儀表技術(shù)與傳感器,2010(11):76-78

[21] 湯兵勇,路林吉,王文杰.模糊控制理論與應(yīng)用技術(shù)[M].北京:清華大學(xué)出版社,2002

(責(zé)任編輯 趙曉倩)

Design and simulation of visual navigation control system for agricultural vehicle based on LabVIEW

WANG Chen,LI Jing-bin,WEN Bao-qin

(College of Mechanical and Electric Engineering,Shihezi University,Shihezi 832003,China)

【Objective】 In order to realize the automatic navigation of agricultural vehicles.【Method】 According to the LabVIEW image acquisition and fuzzy control system,the study carried on the design of intelligent agricultural vehicles.Firstly,in the environment of NI vision assistant,it implement image collection and extracting avaliable path information,which is needed by the gray scale,the pixel distribution,edge detection,path fitting and so on.Then design of LabVIEW PID and Fuzzy Logic Toolkit to determine the membership function and design the fuzzy control rules,after defuzzification,take reasonable control strategy for the agricultural vehicles,making the agricultural vehicles to exercise smoothly and quickly.Finally,based on the modeling and simulation of MATLAB-Simulink,tracking the conditions from the angle signal to the deviation angle signal.【Result】 The amplitude of the sine wave signal is 10°in the period 10 s.The steering signal has good tracking ability in this situation,and there is a tiny phase deviation,which need to be eliminated by the control strategy optimization of the controller.

visual navigation；control strategies；path identification；LabVIEW

王晨(1988-),男，碩士研究生，主要從事視覺導(dǎo)航控制系統(tǒng)研究.E-mail:whftt@163.com

李景彬,男，博士,副教授，碩士生導(dǎo)師，主要從事圖像處理與機(jī)器視覺研究.E-mail:ljb8095@163.com

兵團(tuán)科技創(chuàng)新團(tuán)隊(duì)建設(shè)(2011CC003)；石河子大學(xué)杰出青年項(xiàng)目(2014ZRKXJQ04).

2015-09-01；

2015-11-13

S 126

A

1003-4315(2016)05-0120-06