基于并行計算的蘋果采摘機(jī)器人關(guān)鍵技術(shù)研究.pdf

1、機(jī)器人避障預(yù)測模型、圖像處理和存儲優(yōu)化是蘋果采摘機(jī)器人軟件系統(tǒng)中的重要研究內(nèi)容。這些模塊的算法優(yōu)化和并行處理是提升蘋果采摘機(jī)器人軟件系統(tǒng)性能的捷徑之一。本文描述了一種可擴(kuò)展的蘋果采摘機(jī)器人并行系統(tǒng)的軟硬件框架結(jié)構(gòu)，說明在蘋果采摘機(jī)器人技術(shù)中應(yīng)用并行技術(shù)的可行性和必要性。針對蘋果采摘機(jī)器人上位機(jī)軟件系統(tǒng)中的相關(guān)算法——基于決策樹的機(jī)器人避障預(yù)測模型、含噪蘋果圖像聚類分割和匹配等模塊的設(shè)計特點及相關(guān)性能等進(jìn)行了研究分析。以并行化處理為主線，

2、運用MapReduce編程模型和集群等并行技術(shù)，設(shè)計了這些算法的優(yōu)化算法或并行算法，以提高相關(guān)算法的效率或識別準(zhǔn)確率。主要研究工作和結(jié)論及創(chuàng)新點如下：
　?。?）通過機(jī)器人避障樣本建立狀態(tài)空間映射到?jīng)Q策空間關(guān)系矩陣，是決策樹判定的變換空間。傳統(tǒng)的決策樹生成算法對大樣本的數(shù)據(jù)挖掘和處理能力是有限的。本文提出一種基于MapReduce和屬性集依賴度的預(yù)測模型并行生成算法，可對機(jī)器人避障預(yù)測中的決策樹生成進(jìn)行并行處理。該算法采用屬性集依

3、賴度作為測試屬性的選擇標(biāo)準(zhǔn)來避免 ID3算法不易去除噪聲以及忽視屬性間相互關(guān)聯(lián)等缺點，在考慮屬性集和屬性集內(nèi)元素相互依賴的基礎(chǔ)上對屬性或?qū)傩约M(jìn)行約簡，從而去掉冗余屬性（集）。通過機(jī)器人避障操作實例的仿真結(jié)果驗證了基于MapReduce和屬性集依賴度并行決策樹生成算法可以處理大規(guī)模數(shù)據(jù)樣本的分類與決策問題，同時與之前算法進(jìn)行了復(fù)雜度等比較，具有較好的可擴(kuò)展性和較高的分類效率。
　?。?）基于空間特征的譜聚類含噪蘋果圖像分割的并行優(yōu)

4、化算法圍繞圖像去噪、優(yōu)化和并行譜聚類等問題而設(shè)計。其基本思路是構(gòu)造圖像的三維空間特征點緊致性函數(shù)，用以構(gòu)造鄰近點的相似矩陣實現(xiàn)圖像的去噪效果；再利用離群點矩陣拆分并由其它剩余列向量線性表示，對相似矩陣進(jìn)行離群點調(diào)優(yōu)實現(xiàn)聚類優(yōu)化，降低離群點對譜聚類算法聚類的精確度的影響，最后設(shè)計MapReduce函數(shù)來并行化處理。為了驗證基于空間特征的譜聚類方法的去噪效果以及離群點優(yōu)化的聚類優(yōu)化，對兩幅蘋果圖像添加不同程度的高斯和椒鹽噪聲（方差分別為0.

5、01、0.05和0.1的高斯噪聲和概率分別為0.01、0.05和0.1的椒鹽噪聲），分別求出譜聚類方法、基于空間特征的譜聚類方法、離群點優(yōu)化方法和基于MapReduce的離群點優(yōu)化方法的蘋果目標(biāo)圖像的分割圖，并計算四類方法的分割準(zhǔn)確率。結(jié)果表明：譜聚類方法受噪聲的影響較大；基于空間特征的譜聚類方法的分割效果受噪聲的影響較小，但在邊界區(qū)域仍然有很多錯分的像素；離群點優(yōu)化方法和基于MapReduce的離群點優(yōu)化方法在邊界區(qū)域的分割要優(yōu)于基于

6、空間特征的譜聚類方法；在設(shè)定的實驗條件下，其分割結(jié)果準(zhǔn)確率相對于基于空間特征的譜聚類方法和傳統(tǒng)的譜聚類方法可分別提高5％～6%和9%～25%，且其后者與前者的時間加速比為11%左右。
　?。?）提出一種基于集群和降低維數(shù)的圖像匹配并行處理方法，可以處理大數(shù)據(jù)量的灰度陣列信息，在不降低相似度量的前提下提高其匹配效率。該方法屬于快速一維投影模板匹配算法，第一步是降維投影其二維實時圖像，其次是差分量化其投影值，形成由0、1邏輯數(shù)字組成的

7、描述圖像與模板的特征字符串，引入基于同構(gòu)集群的分級嵌套串匹配并行算法對圖像和模板直接進(jìn)行匹配。驗證了這種新的模板快速并行匹配算法的并行圖像處理的可行性及分析比較結(jié)果。
　　（4）在上述算法實驗的過程中，實驗平臺Hadoop的HDFS是基本并行存儲結(jié)構(gòu)，圖像等文件會遇到訪存不均衡的問題，它有很強(qiáng)的訪存偏向性與時效性。本文注意到對其做存儲和預(yù)取優(yōu)化能改進(jìn)和提高系統(tǒng)效率。提出將不同的存儲單元（異構(gòu)）組合成為更多不同層級的存儲設(shè)備的方案，

8、把本次任務(wù)需用的文件存儲在更合適的磁盤位置，這樣就可以在充分考慮成本因素的條件下搭建高性能存儲，并利用預(yù)取技術(shù)減少MapReduce任務(wù)等待時間。
　　綜上，通過對幾種典型軟硬件并行處理技術(shù)進(jìn)行較為深入的研究，將這些技術(shù)應(yīng)用于蘋果采摘機(jī)器人軟件系統(tǒng)中主要算法（包括機(jī)器人避障預(yù)測與決策、圖像處理和并行存儲優(yōu)化）中。通過實例仿真以及平臺試驗的運行結(jié)果分析并行化過程和其中中間代碼的生成以及復(fù)雜度分析得出了一些有益結(jié)論。也可為其它領(lǐng)域相通