除草機器人路標識別多模式匹配算法研究——面向中英文混合環(huán)境

宋錦博

(商丘醫(yī)學(xué)高等?？茖W(xué)校 公共學(xué)科部，河南 商丘 476000)

0 引言

近年來，隨著電子計算機技術(shù)的進步，計算機圖像處理得到了飛躍的發(fā)展，已經(jīng)成功地應(yīng)用于幾乎所有與成像有關(guān)的領(lǐng)域，并正發(fā)揮著相當重要的作用?；谟嬎銠C圖像處理的機器視覺技術(shù)也得到了迅速的發(fā)展，并被應(yīng)用到了自主導(dǎo)航領(lǐng)域。除草機器人是當前農(nóng)業(yè)生產(chǎn)中逐步開始采用的一種新的農(nóng)田作業(yè)機械，由于缺乏成熟的自主導(dǎo)航系統(tǒng)，除草機器人的自主導(dǎo)航能力還不高，為了便于其自主作業(yè)，可以采用英文字母路標的形式對不同的田塊進行區(qū)分和識別。為了使導(dǎo)航路標便于區(qū)分，還可以加入漢語字符，混合字符的出現(xiàn)會給路標的識別造成一定的麻煩，而采用多模式匹配算法，使導(dǎo)航路標在中英文混合環(huán)境下具有較高的識別效率，對于除草自動化作業(yè)機械的設(shè)計具有重要的意義。

1 基于中英文混合環(huán)境的匹配算法和除草機器人概述

為了實現(xiàn)除草機器人的自動導(dǎo)航功能，可以采用機器視覺系統(tǒng)，導(dǎo)航路標是機器視覺系統(tǒng)識別匹配路線的重要標志。在路標設(shè)置上一般采用英文標志，這是由于英文標志較容易識別，但為了使導(dǎo)航標記容易理解，往往加入了漢語部分，從而構(gòu)成了中英文混合環(huán)境。英文字符一般采用ASCII進行編碼，一個字符占用一個字節(jié)，中文字符一般采用GB編碼，一個字符占用兩個字節(jié)。由于編碼長度和規(guī)則的不同，容易造成復(fù)雜的多模式匹配的混合環(huán)境。在單字節(jié)情況下，對路標符號進行匹配時由于字節(jié)長度一致，匹配時只需要根據(jù)固定的長度進行便可以；而在中英雙語境，不同字符出現(xiàn)的概率是隨機的，如果字節(jié)屬性在匹配過程中出現(xiàn)錯誤會造成匹配錯位，會造成匹配失敗。

例如，對字符串路標”3C|62|3E|CBD1|CBF7| B2FA|C6B7|3C|2F|62|3E”的匹配，假設(shè)匹配關(guān)鍵詞為”B2FA|C6B7”，如果在處理字符邊界時出現(xiàn)錯誤，導(dǎo)致匹配從低字節(jié)D1開始，而使字節(jié)組合變?yōu)椤?C|62|3E|CB|D1CB|F7B2|FAC6|B73C|2F|62|3E”，從而出了很多錯誤，導(dǎo)致匹配失敗。因此，在中英環(huán)境匹配時，可以采用相關(guān)算法對匹配過程進行優(yōu)化，本次采用的是完全哈希Trid的多模式匹配算法，該算法是一種深度可變的多層樹型索引結(jié)構(gòu)，采用寬度優(yōu)先算法，在同一層葉子節(jié)點上從左邊到右邊逐次匹配，得到匹配結(jié)果之后再轉(zhuǎn)入到下一層繼續(xù)查找，其原理如圖1所示。

由于采用這種搜索匹配算法不需要對漢字的高低字節(jié)進行附加運算，對英文的匹配速度也較快，因此具有較高的搜索匹配效率，也很少會出現(xiàn)匹配錯誤的情況。

圖2所示是法國制造的一款除草機器人，可在清理小面積田地的雜草時使用，具有自主作業(yè)能力，也可以跟隨和遙控使用，采用機器視覺系統(tǒng)判定導(dǎo)航線，可區(qū)分雜草和農(nóng)作物。本次研究的除草機器人主要是通過機器視覺系統(tǒng)對英文和中文混合路標進行識別，并采用相關(guān)圖像處理算法對路標進行增強處理，最后通過不同環(huán)境下的導(dǎo)航實驗來驗證方案的可行性。

圖1 搜索匹配結(jié)構(gòu)示意圖Fig.1 The schematic diagram of search matching

圖2 OZ除草機器人Fig.2 OZ herbicidal robot

2 基于灰度變換和圖像增強的路標導(dǎo)航圖像處理

為了使除草機器人更容易識別路標導(dǎo)航圖像，可以采用圖像增強的方法對圖像進行灰度處理，通過灰度處理調(diào)整圖像的灰度動態(tài)范圍，達到局部增強的目的，從而使機器人更容易識別路標。其流程如圖3所示。

路標導(dǎo)航圖像的處理核心技術(shù)是進行圖像灰度變換。圖像灰度變換采用一個變換函數(shù)g=T[f]將原來采集圖像的灰度f(x,y)變換為g(x,y)，得到一個新的灰度值，即

g(x,y)=T[f(x,y)]

(1)

根據(jù)灰度變換的形式，灰度變化分為線性變換和非線性變換，線性變換是采用線性拉伸的方法使灰度動態(tài)范圍加大，有效地改善路標圖像的視覺效果，其變化形式為

(2)

其中，圖像f(i,j)的灰度范圍是[a,b]，通過線性變換后圖像g(i,j)的范圍為[a′,b′]，如圖4所示。

圖3 路標導(dǎo)航圖像處理流程Fig.3 The image processing flow of road sign navigation

圖4 圖像灰度線性變換示意圖Fig.4 The diagram of image gray linear transformation

利用灰度線性變換可以將灰度強度進行改變，變換像素的灰度層次感，除了線性變換還有直方圖方法，圖像的直方圖可以描述圖像的概貌，通過直方圖的變化也可以對圖像進行局部增強。

采用直方圖方法可以假設(shè)變量r代表圖像中像素灰度級，對除草機器人采集到的中英混合路標的像素灰度級進行歸一化處理，將r限定在灰度級(0≤r≤1)范圍內(nèi)。其中，當r=0時表示完全黑色，當r=1時表示完全白色。對于每個像素在[0,1]之間是隨機的，在離散形式下，假設(shè)離散灰度級為rk，概率密度函數(shù)為P(rk)，且有

(3)

其中，nk為圖像中出現(xiàn)rk這種灰度的像素數(shù)；nk為圖像中像素總數(shù)；Nk/n為直方分布中的頻數(shù)；n為灰度級的總數(shù)目。為了使灰度直方圖便于處理，可以采用一定的手段對直方圖進行均衡化處理，使灰度級均勻分布，直方圖具有規(guī)定的形狀，從而突出感興趣的灰度范圍。令Pr(r)和PZ(Z)分別為原始圖像和期望圖像的灰度概率函數(shù)，對其直方圖進行均衡化后可得

(4)

由式(4)可以看出：通過直方圖均衡化后可以由均衡化后的灰度變量V獲得期望圖像的灰度變量Z，直方圖規(guī)定化處理后可以得到具有預(yù)先期望得到的概率密度PZ(Z)，從而可以根據(jù)需要進行圖像處理。

為了更加突出農(nóng)作物的視覺效果，降低農(nóng)田環(huán)境對視覺效果的影響，對作物重點進行增強處理，如圖5所示。處理結(jié)果表明：采用本次灰度處理方法可行，得到了較為清晰的作物圖像。

圖5 圖像增強處理前后效果圖Fig.5 The effect map before and after image enhancement

3 除草機器人路標導(dǎo)航實驗

為了驗證面向中英文混合環(huán)境的多模式匹配算法及圖像增強算法在除草機器人視覺系統(tǒng)中使用的可行性，以中文混合字符作為路標圖像，對除草機機器視覺系統(tǒng)的識別準確率進行驗證，采用的路標如圖6所示。

為了更加快速識別中英混合路標，采用了多模式匹配算法和圖像增強處理算法，采用編碼的形式嵌入到采摘機器人視覺系統(tǒng)中，其識別流程如圖7所示。

圖6 導(dǎo)航路標示意圖Fig.6 The diagrammatic sketch of navigation signpost

圖7 除草機導(dǎo)航路標識別流程Fig.7 The identification process of navigational landmark for weeding machine

在識別到中英文路標碼后可以采用多模式匹配算法對路徑關(guān)系進行匹配，并判斷是否需要調(diào)整姿態(tài)和方向，通過環(huán)境采集得到的圖像如圖8所示。

通過除草機器人視覺系統(tǒng)采集得到的待除草原始采集圖像背景顏色較重，不容易區(qū)分壟間和作物之間的區(qū)別，降低了識別的準確率，因此需要對圖像進行增強處理，處理之后的圖像如圖9所示。

圖8 待除草原始采集圖像Fig.8 The original acquisition image of weeding

圖9 機器視覺處理后圖像Fig.9 The image after machine vision processing

通過圖像增強處理后得到了作物和壟間較為明顯的區(qū)分圖像，加快了除草機器人機器視覺系統(tǒng)識別的準確率和效率。通過實驗得到了路標準確識別的統(tǒng)計數(shù)據(jù)如表1所示。

表1 路標準確識別數(shù)據(jù)統(tǒng)計Table 1 The accurate identification of data statistics by road signs

由測試結(jié)果可以看出：采用多模式匹配算法和圖像增強算法得到的準確識別率較高，最低識別率也高于95%，滿足設(shè)計需求。

在干擾條件下，對路標準確率進行了測試得到了識別率的測試結(jié)果(見表2)。由測試結(jié)果可以看出：在較暗或者較亮?xí)r，除草機器人機器視覺系統(tǒng)依然具有較高的準確識別率，對環(huán)境的適應(yīng)性較強，從而也驗證了多模式匹配算法的可靠性。

表2 在干擾條件下路標準確識別數(shù)據(jù)統(tǒng)計Table 2 The identification of data statistics by road standards under interference conditions

4 結(jié)論

在中英文混合環(huán)境下，為了提高除草機器人機器視覺系統(tǒng)路標導(dǎo)航識別的準確率，引入了多模式匹配算法，并采用圖像增強算法對采摘機器人作業(yè)采集的圖像進行了增強處理，得到了作物和壟間更加清晰的輪廓圖像。最后，對除草機器人機器視覺系統(tǒng)圖像識別的準確率進行了測試，測試結(jié)果表明：除草采摘機器人路標的識別準確率較高，且在干擾條件下仍具有較高的識別準確率，從而驗證了中英文混合環(huán)境下多模式匹配算法的可靠性，為除草機器人自動導(dǎo)航系統(tǒng)的研究提供了較有價值的參考。