基于FPGA的实时田间机器人视觉导航算法架构的设计与实现

发布时间：2020-05-07 14:10

【摘要】：以农业为基础的信息技术的发展,是提升农业生产力、强化智慧农业的必要技术手段。基于视觉的机器人导航方法虽然能较好指导机器人行走,但是田间机器人导航算法复杂且较难满足应用场景实时性要求。因此,本文的设计并实现了功耗低且运行速度快的田间机器人视觉导航算法。基于视觉的田间机器人导航算法实现的关键在于如何快速且精确地确定复杂田间图像中田垄的位置。传统的垄线提取方法均是离线的、非实时的,并不能有效地控制机器人行动。因此,本文分析已有田间垄线检测算法,提出基于扇形扫描垄线的优化方法,并采用该方法检测垄线位置。依据实验结果分析,该优化方法可有效检测到垄线信息,相比于已有算法优化后的算法平均准确率可达89.7%。继而,本文重点在现场可编程门阵列(FPGA)上设计和实现田间机器人导航算法。整体算法由图像预处理、优化后的田间垄线检测和田间机器人导航参数提取三个部分组成。该三部分内部均采用并行流水线架构实现。其中,图像预处理的各个子模块以并行方式计算图像绿度和阈值,并以流水线方式分割图像作物和背景;而田间垄线检测模块则采用并行方式计算垄线密度和左右边界,并以流水线的形式传输图像数据。依最终实验结果,对分辨率为1920×1080尺寸的图像,图像预处理模块能有效分割出图像中的绿色作物和背景,且与真值相比F-score值为91.1%,用时仅16ms。本文实现的田间垄线检测模块在0.2s内即可完成图像中垄线的检测,相比于软件实现算法占用时间缩短了近50倍。导航参数提取模块占用372个寄存器和1013个查找表。经过试验表明,在保证整体算法运算精度的前提下,本文实现了基于FPGA的田间机器人导航算法架构,并满足了算法的实时性要求。
【图文】：

模型图,针孔相机,模型

基于嵌入式 FPGA 的田间机器人双目视觉导航算法的设计与实现坐标系转换为图像坐标系[42]。相机参考坐标系下的点 0 0 x , y 其转换公式如式(2-1)所示。每一个像素点在成像平面的宽度成像内容可理解为将物体平移或旋转得到的，如式(2-3)所示像平面原点位置的距离，， 0 0 0x , y ,z 为现实世界中物体的位系的原点不同，因此光心 O 的位置与成像平面在 x 方向和

二值图像,中值滤波,方法,边缘信息

应的灰度值大于该阈值 T 时，则设该像素点值为 2 20 0 1 1iT = arg max ω t σ t + ω t σ t 的是清除图像中的噪声，使得二值图像的边缘更滤波方法[54]等。常见的滤波方法包括：中值滤波值滤波在降低图像中存在的信号噪声的同时，相边缘信息[58]。由于边缘信息对田间机器人导航算进行预处理，并设置中值滤波窗口大小为 5×5。一系列过程可表示为式(2-7)[55]。其中， i-k i f , , f中所有像素的中值。 i-k i i+kf = med f , , f , , f
【学位授予单位】：内蒙古大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP242;TN791

【相似文献】