一种基于视觉的植保无人机避障

沈阳理工大学自动化与电气工程学院 明 宇

随着无人机技术的不断发展，植保无人机被广泛的应用在农业植保中，逐渐取代人工植保。植保无人机在农田中进行植保任务时，农田中存在树木、房子、电线杆等障碍物，对植保无人机的安全飞行构成了威胁，影响植保无人机的植保任务，因此植保无人机需要具有避障功能，规避障碍物。本文研究了一种基于视觉的植保无人机避障，使用MATLAB软件进行了仿真，通过仿真实验，由该方法可以实现植保无人机的避障功能。

1.引言

在田地中植保无人机实施药物喷洒时，田地中具有一些障碍物，例如树木、房子、电线杆等，植保无人机很容易撞到这些障碍物，不仅影响植保无人机的植保任务，植保无人机还可能会撞毁，因此植保无人机需要具有自主避障功能。

目前，无人机避障的方法有：超声波避障、红外线避障、激光雷达避障和视觉避障。超声波避障原理简单，但是其测量范围短、精度低；红外线避障与超声波避障原理大致相同，但光波易受到其它光源的影响，使得其测量准确度降低；激光雷达避障测量范围广，精度较好，但激光雷达传感器价格昂贵，体积大；视觉避障中无人机通过视觉传感器可以得到周围景象丰富的信息，具有实时性好、功率损失较低、测量范围较远、花费较低等优点，可以使植保无人机有效的实现植保工作。

本文研究了一种基于视觉的植保无人机避障，在植保无人机上搭载摄像机采集视频图像，通过图像预处理、图像分割、障碍物检测、避障策略等方法实现避障功能，避开障碍物。

2.相关理论

2.1 图像预处理

无人机上的视觉传感器由于受到外部环境和传感器本身等因素的影响，采集得到的视频图像不仅对比度较差，并且具有噪声，降低了图像的品质，对图像分割、障碍物检测的分析处理造成了干扰，因此对于得到的视频图像，应该实行预处理。图像的预处理包含图像的灰度化、图像的直方图均衡化、中值滤波。

无人机上的视觉传感器采集到的视频图像为彩色图像，不适合直接用于图像处理，应该对其采用彩色图像灰度化方法，将其转换为灰度图像。

直方图均衡化属于非线性变换，若原始图像的像素点的灰度值主要聚集于一个很小的灰度区间内，通过直方图均衡化可以将其拉伸到一个较大的灰度区间，几乎涵盖整个灰度范围，如果原始图像像素分布差异较大，通过直方图均衡化可以使像素分布均匀，使得图像的对比度得到了改善，图像变得愈加明晰，提高了图像的品质。

中值滤波属于非线性滤波方式，它采用一定形状的二维模板在图像中滑动，使模板的核心位于图像中的任意一个像素点上，获得模板下的像素值，由低到高排列它们，模板核心下的像素值用它们的中值替代以达到去噪效果。

2.2 图像分割

边缘是图像最基本的特征，本文用Canny边缘检测算子对图像进行分割。

Canny边缘检测算子属于一阶微分算子，它是进行边缘检测时使用率很高的算法。若图像中具有噪声，边缘检测会受到干扰，需要进行去噪处理。为了对图像 f (x, y)去噪，使用高斯函数G(x, y)与其进行卷积，如公式（1），公式（2）所示：

h(x, y)为去噪后的图像，通过使用Sobel算子与经过高斯平滑后的图像h(x, y)进行卷积来求得图像中每一个像素点在x方向与y方向的梯度，，如公式（3）所示：

再计算出梯度的幅值与方向。为了避免检测到伪边缘，非极大值抑制方法被应用，使得边缘变得清晰。尽管经过非极大值抑制，但是图像中仍然存在一些伪边缘点，这是由于噪声等原因造成的，为了消除这些影响，同时避免边缘的漏检，双阈值方法被应用。

图1 采集到的图像

图2 彩色图像灰度化

图3 图像的直方图均衡化

图4 灰度图像直方图

图5 直方图均衡化后直方图

图6 图像中值滤波

图7 Canny边缘检测

图8 第一幅图像特征点检测

图9 第二幅图像特征点检测

图10 无人机避障的MATLAB仿真

3.视觉避障算法

3.1 障碍物检测

图像中存在某些像素点，它们具有独特的性质，可以体现出图像的本质特征，这样的像素点叫做图像的特征点。通过寻找图像的特征点，能够完成对障碍物的检测，本文采用SURF特征检测算法来实现对障碍物的检测。SURF特征检测算法是一种具有快速鲁棒性的检测算法，它是在SIFT特征检测算法的基础上发展起来的，与SIFT特征检测算法的原理大致相同，既继承了SIFT特征检测算法所具有的尺度不变、旋转不变等特点，又大幅度提高了算法的实时性，使得它在数字图像处理、计算机视觉等领域中被广泛应用。SURF算法的步骤包括：生成积分图像、构建尺度空间；计算Hessian矩阵进行特征点定位；生成特征描述符。

3.2 避障策略

本文采用垂直避障和左右避障这两种避障方式来实现植保无人机规避障碍物的功能。

对于垂直避障方式，植保无人机根据障碍物的高度信息调整其飞行高度越过障碍物。该方式需要预先得知植保无人机的最大飞行高度。当解算出的障碍物的高度小于植保无人机能够飞行的高度，并且这个高度小于最大飞行高度时，启动无人机垂直避障方式。

当障碍物的高度高于植保无人机所能飞行的最大飞行高度时，就不能采用垂直避障方式，这时就需要采用左右避障方式，从障碍物的侧面飞过障碍物。当植保无人机距离障碍物左边界较近时，从左边通过；当植保无人机距离障碍物右边界较近时，从右边通过。

4.实验结果及分析

本文使用了MATLAB软件对植保无人机避障流程实现仿真，图1为植保无人机上的视觉传感器采集到的视频图像，图2为经过图像的灰度化得到的灰度图像，直方图均衡化后的图像如图3所示，图4、图5为原始图像与直方图均衡化后的直方图，图6为经过中值滤波得到的图像，Canny边缘检测算子检测到的边缘图像如图7所示，图8、图9为对相邻两帧图像进行特征点检测，植保无人机的避障仿真效果如图10所示。

由图3可见图像通过直方图均衡化后，对比度得到了加强，观看效果有所提高，由图4可见原始图像中各像素出现的频率明显不同，有的像素级出现的频率相差很大。 由图5可见采用直方图均衡化后图像的直方图变得平缓，各像素出现的频率较平均，相差较小。图10中黄色箭头为无人机飞行线路，蓝色物体为障碍物，由图10可见植保无人机可以按照避障策略规避障碍物。

5.结束语

为了实现基于视觉的植保无人机的避障，本文简要的介绍了与实现避障有关的图像预处理、图像分割、障碍物检测、避障策略等方法，并且使用了MATLAB软件对它们进行了仿真分析，结果可以看到植保无人机可以避过障碍物，实现了避障功能。