一種基于單目視覺的農(nóng)業(yè)車輛導(dǎo)航線檢測系統(tǒng)及方法
【專利摘要】本發(fā)明公開了一種基于單目視覺的農(nóng)業(yè)車輛導(dǎo)航線檢測系統(tǒng)及方法，有效解決了現(xiàn)有檢測技術(shù)效率低、成本高的問題。本發(fā)明包括導(dǎo)航線檢測系統(tǒng)的硬件系統(tǒng)搭建，以及導(dǎo)航線檢測方法。導(dǎo)航線檢測方法包括以下步驟：基于農(nóng)田綠色特征的作物行提?。换谥兄禐V波的圖像噪聲去除；圖像的形態(tài)學(xué)開運(yùn)算處理；導(dǎo)航線特征點(diǎn)提?。粚?dǎo)航線的擬合。本發(fā)明基于單目視覺傳感器，結(jié)合圖像處理技術(shù)，從采集的農(nóng)田圖中提取代表作物行的中心線，作為農(nóng)業(yè)車輛自主行走的導(dǎo)航線。本發(fā)明提供的檢測方法通過分析農(nóng)田圖像特征，采用基于綠色特征的作物行提取和基于形心的導(dǎo)航線檢測，并通過中值濾波和形態(tài)學(xué)方法去除了農(nóng)田圖像中的噪聲干擾，具有計(jì)算量小、穩(wěn)定性高的特點(diǎn)。
【專利說明】
-種基于單目視覺的農(nóng)業(yè)車輛導(dǎo)航線檢測系統(tǒng)及方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明設(shè)及農(nóng)業(yè)機(jī)械導(dǎo)航系統(tǒng)技術(shù)領(lǐng)域，尤其設(shè)及一種基于單目視覺的農(nóng)業(yè)車輛 導(dǎo)航線檢測系統(tǒng)及方法。
【背景技術(shù)】
[0002] 自動(dòng)導(dǎo)航技術(shù)是智能農(nóng)業(yè)的重要組成部分，在自動(dòng)施藥、施肥、收割、中耕除草等 方面有著廣泛的用途。目前應(yīng)用最廣泛的導(dǎo)航方式是視覺導(dǎo)航和GPS導(dǎo)航。GPS導(dǎo)航的應(yīng)用 受環(huán)境限制較大，當(dāng)遇到建筑物、高大樹木等的遮擋時(shí)，信號(hào)容易發(fā)生丟失，且由于其價(jià)格 和先驗(yàn)地圖信息的不可或缺，使得成本較高，運(yùn)對農(nóng)業(yè)機(jī)器人作業(yè)的實(shí)時(shí)性、穩(wěn)定性都造成 很大影響。相比較而言，視覺導(dǎo)航成本較低，靈活性更大，特別是能獲取豐富的環(huán)境信息，實(shí) 時(shí)進(jìn)行導(dǎo)航路徑的規(guī)劃，是目前研究的熱點(diǎn)。
[0003] 對視覺圖像進(jìn)行處理及特征信息提取是視覺導(dǎo)航系統(tǒng)應(yīng)用的前提和基礎(chǔ)，針對行 栽作物，視覺導(dǎo)航的主要任務(wù)就是從圖像中識(shí)別出作物行，作為導(dǎo)航參考線，為確定車輛的 相對位置提供依據(jù)。目前，國內(nèi)外已有不少關(guān)于導(dǎo)航路徑檢測的研究，如袁佐云應(yīng)用的基于 垂直投影法進(jìn)行作物行定位，根據(jù)灰度直方圖的峰值確定作物行，運(yùn)種方法有效快速，但在 行間出現(xiàn)噪聲干擾時(shí)效果受到影響。如傳統(tǒng)的霍夫變化擬合作物行，穩(wěn)定性高，但同時(shí)計(jì)算 量巨大，難W滿足作業(yè)車輛的實(shí)時(shí)性要求。
[0004] 因此，本發(fā)明基于單目視覺傳感器，針對農(nóng)田非結(jié)構(gòu)化作業(yè)環(huán)境，提出一種基于農(nóng) 田綠色特征和定位點(diǎn)的快速導(dǎo)航信息檢測系統(tǒng)，對傳統(tǒng)的方法進(jìn)行有效改進(jìn)，完成路徑的 實(shí)時(shí)、快速和準(zhǔn)確的提取。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明目的就是為了彌補(bǔ)已有技術(shù)的缺陷，提供一種基于單目視覺的農(nóng)業(yè)車輛導(dǎo) 航線檢測系統(tǒng)及方法。
[0006] 本發(fā)明是通過W下技術(shù)方案實(shí)現(xiàn)的：
[0007] 一種基于單目視覺的農(nóng)業(yè)車輛導(dǎo)航線檢測系統(tǒng)，包括有工業(yè)相機(jī)、USB傳輸模塊、 圖像處理平臺(tái)、圖像存儲(chǔ)卡和顯示器，所述的工業(yè)相機(jī)安裝在作業(yè)車輛的頂部，傾斜向下安 裝采集車輛正前方的環(huán)境圖像;所述的USB傳輸模塊將工業(yè)相機(jī)和圖像處理平臺(tái)相連;所述 的圖像處理平臺(tái)進(jìn)行圖像數(shù)據(jù)的處理，提取導(dǎo)航所需的信息;所述的圖像存儲(chǔ)卡安裝在圖 像處理平臺(tái)上，保存工業(yè)相機(jī)拍攝W及處理后的數(shù)字圖像;所述的顯示器通過VGA接口與圖 像處理平臺(tái)相連，用于實(shí)時(shí)顯示檢測出的導(dǎo)航路徑信息。
[000引一種基于單目視覺的農(nóng)業(yè)車輛導(dǎo)航線檢測的方法，包括W下步驟：
[0009] 步驟1:工業(yè)相機(jī)采集的農(nóng)田圖像，根據(jù)作物的過綠特征進(jìn)行闊值處理，提取作物 行；
[0010] 步驟2:對于提取出作物行的圖像，采用平均值法進(jìn)行灰度化預(yù)處理，基于灰度圖 像，采用中值濾波去除圖像中的噪聲；
[0011] 步驟3:對于去除噪聲后的圖像，根據(jù)類間方差最大化原理進(jìn)行二值化，獲得黑白 兩色二值圖；
[0012] 步驟4:對于二值化圖像，利用矩形結(jié)構(gòu)元素進(jìn)行形態(tài)學(xué)開運(yùn)算處理，消除作物行 中細(xì)小的孔桐，W及作物生長不規(guī)則導(dǎo)致的獨(dú)立小團(tuán)塊，獲得邊緣平滑、形狀規(guī)則的作物行 圖像；
[0013] 步驟5:對于形態(tài)學(xué)處理后的作物行圖像，將其分割成等高的水平條圖像，計(jì)算水 平條中代表作物行的白色色塊的形屯、，獲取導(dǎo)航線提取的特征點(diǎn)；
[0014] 步驟6:對于獲取的導(dǎo)航線特征點(diǎn)，使用最小二乘法進(jìn)行擬合，最終獲得檢測的導(dǎo) 航線。
[0015] 步驟1中，根據(jù)過綠特征提取作物行，進(jìn)行闊值處理的公式如下所示：
[0016]
[0017] 其中，采用RGB顏色空間進(jìn)行農(nóng)田圖像分析，八1，^、邑(1，^、6(1，如分別表示數(shù)字 圖像中坐標(biāo)為（i，j)的像素紅、綠、藍(lán)通道值，將像素的2*g (i，j) -r (i，j) -b (i，j)值作為闊 值，對圖像中像素進(jìn)行判斷，如果該值大于0，則為作物行，保持原有像素值不變，反之將其 作為背景。
[0018] 步驟2中采用平均值法進(jìn)行灰度化預(yù)處理計(jì)算公式如下所示：
[0019] Gray(i,j) = (r(i,j)+g(i,j)+b(i,j))/3
[0020] 其中，Gray(i，j)是計(jì)算出的像素灰度值。
[0021] 步驟2中，進(jìn)行中值濾波去除圖像中的噪聲的公式如下所示：
[0022] G(i , j) =Med{Grayi-v，...，Grayi,...，Grayi+v}，i EN，V = (m-l)/2
[0023] 其中，G(i，j)為濾波后的灰度值，Med是求中值操作，m代表結(jié)構(gòu)元素的尺寸，一般 取奇數(shù)，Grayi-V，…，Grayi，…，Grayi+v是Grayi為中屯、的像素點(diǎn)的鄰域像素灰度值。
[0024] 步驟3中，類間方差最大化原理進(jìn)行二值化處理的公式如下所示：
[0025]
[0026] 其中，BQ J)是處理后的像素值，分割闊值T基于Otsu類間方法最大化方法計(jì)算得 出。
[0027] 步驟4中，所述的形態(tài)學(xué)開運(yùn)算處理根據(jù)作物行的線型特征，采用5像素*1像素的 矩形結(jié)構(gòu)元素進(jìn)行腐蝕、膨脹操作。
[002引步驟5中，水平條的分割采用等高的原則，設(shè)圖像大小為LXH像素，W高度h為單位 對圖像進(jìn)行等距離分割，每個(gè)水平條的大小則為LXh,劃分的水平條條數(shù)為H/h，實(shí)際應(yīng)用 中可調(diào)整分割條數(shù)。
[0029] 步驟5中，特征點(diǎn)的計(jì)算采用基于形屯、的計(jì)算方式，其公式如下：
[0030]
[0031]
[0032] 其中，f(i，j)表示像素值，a'J'）表示求取的形屯、坐標(biāo)。
[0033] 本發(fā)明的優(yōu)點(diǎn)是:本發(fā)明利用價(jià)格低廉的CCD工業(yè)相機(jī)作為環(huán)境感知傳感器，結(jié)合 嵌入式圖像處理平臺(tái)和相關(guān)檢測方法，檢測出導(dǎo)航參考線，為農(nóng)業(yè)車輛的實(shí)時(shí)導(dǎo)航提供了 參考依據(jù)，本發(fā)明提供的檢測方法通過分析農(nóng)田圖像特征，采用基于綠色特征的作物行提 取和基于形屯、的導(dǎo)航線檢測，并通過中值濾波和形態(tài)學(xué)方法去除了農(nóng)田圖像中的噪聲干 擾，具有計(jì)算量小、穩(wěn)定性高的特點(diǎn)。同時(shí)本發(fā)明結(jié)構(gòu)簡單、成本低廉，對于農(nóng)田車輛自主導(dǎo) 航技術(shù)有巨大的潛在應(yīng)用價(jià)值。
【附圖說明】
[0034] 圖1為本發(fā)明的硬件拓補(bǔ)圖。
[0035] 圖2為本發(fā)明中導(dǎo)航路徑檢測流程圖。
[0036] 圖3為作物行提取的結(jié)果圖。
[0037] 圖4為圖像噪聲去除后的效果圖。
[0038] 圖5為圖像二值化的結(jié)果圖。
[0039] 圖6為形態(tài)學(xué)處理的效果圖。
[0040] 圖7為特征點(diǎn)提取的結(jié)果圖。
[0041 ]圖8為導(dǎo)航線擬合的結(jié)果圖。
【具體實(shí)施方式】
[0042] 如圖1所示，一種基于單目視覺的農(nóng)業(yè)車輛導(dǎo)航線檢測系統(tǒng)，包括有工業(yè)相機(jī)1、 USB傳輸模塊2、圖像處理平臺(tái)3、圖像存儲(chǔ)卡4和顯示器5,所述的工業(yè)相機(jī)1安裝在作業(yè)車輛 的頂部，傾斜向下安裝采集車輛正前方的環(huán)境圖像6;所述的USB傳輸模塊2將工業(yè)相機(jī)1和 圖像處理平臺(tái)3相連;所述的圖像處理平臺(tái)3進(jìn)行圖像數(shù)據(jù)的處理，提取導(dǎo)航所需的信息;所 述的圖像存儲(chǔ)卡4安裝在圖像處理平臺(tái)3上，保存工業(yè)相機(jī)1拍攝W及處理后的數(shù)字圖像;所 述的顯示器5通過VGA接口與圖像處理平臺(tái)3相連，用于實(shí)時(shí)顯示檢測出的導(dǎo)航路徑信息。
[0043] 如圖2所示，一種基于單目視覺的農(nóng)業(yè)車輛導(dǎo)航線檢測的方法，包括W下步驟：
[0044] 步驟1:工業(yè)相機(jī)1采集的農(nóng)田圖像，根據(jù)作物的過綠特征進(jìn)行闊值處理，提取作物 行；
[0045] 步驟2:對于提取出作物行的圖像，采用平均值法進(jìn)行灰度化預(yù)處理，基于灰度圖 像，采用中值濾波去除圖像中的噪聲，如圖4所示；
[0046] 步驟3:對于去除噪聲后的圖像，根據(jù)類間方差最大化原理進(jìn)行二值化，獲得黑白 兩色二值圖；
[0047] 步驟4:對于二值化圖像，利用矩形結(jié)構(gòu)元素進(jìn)行形態(tài)學(xué)開運(yùn)算處理，消除作物行 中細(xì)小的孔桐，W及作物生長不規(guī)則導(dǎo)致的獨(dú)立小團(tuán)塊，獲得邊緣平滑、形狀規(guī)則的作物行 圖像；
[0048] 步驟5:對于形態(tài)學(xué)處理后的作物行圖像，將其分割成等高的水平條圖像，計(jì)算水 平條中代表作物行的白色色塊的形屯、，獲取導(dǎo)航線提取的特征點(diǎn)；
[0049] 步驟6:對于獲取的導(dǎo)航線特征點(diǎn)，使用最小二乘法進(jìn)行擬合，最終獲得檢測的導(dǎo) 航線。
[0050]步驟I中，根據(jù)過綠特征提取作物行，進(jìn)行闊值處理的公式如下所示：
[0化1 ]
[0052] 其中，采用RGB顏色空間進(jìn)行農(nóng)田圖像分析，八1，^、邑(1，^、6(1，如分別表示數(shù)字 圖像中坐標(biāo)為（i，j)的像素紅、綠、藍(lán)通道值，將像素的2*g(i，j)-r(i，j)-b(i，j)值作為闊 值，對圖像中像素進(jìn)行判斷，如果該值大于0，則為作物行，保持原有像素值不變，反之將其 作為背景。
[0053] 步驟2中采用平均值法進(jìn)行灰度化預(yù)處理計(jì)算公式如下所示：
[0054] Gray(i,j) = (r(i,j)+g(i,j)+b(i,j))/3
[0055] 其中，Gray(i，j)是計(jì)算出的像素灰度值。
[0056] 步驟2中，進(jìn)行中值濾波去除圖像中的噪聲的公式如下所示：
[0057] G(i , j) =Med{Grayi-v, ??? ,Grayi, ??? ,Grayi+v}, i v = (m-1 )/2
[005引其中，G(i，j)為濾波后的灰度值，Med是求中值操作，m代表結(jié)構(gòu)元素的尺寸，一般 取奇數(shù)，Grayi-V，…，Grayi，…，Gray i+v是Grayi為中屯、的像素點(diǎn)的鄰域像素灰度值。
[0059] 步驟3中，類間方差最大化原理進(jìn)行二值化處理的公式如下所示：
[0060]
[0061] 其中，BQ J)是處理后的像素值，分割闊值T基于Otsu類間方法最大化方法計(jì)算得 出。
[0062] 步驟4中，所述的形態(tài)學(xué)開運(yùn)算處理根據(jù)作物行的線型特征，采用5像素*1像素的 矩形結(jié)構(gòu)元素進(jìn)行腐蝕、膨脹操作。
[0063] 步驟5中，水平條的分割采用等高的原則，設(shè)圖像大小為LXH像素，W高度h為單位 對圖像進(jìn)行等距離分割，每個(gè)水平條的大小則為LXh,劃分的水平條條數(shù)為H/h，實(shí)際應(yīng)用 中可調(diào)整分割條數(shù)。
[0064] 巧驢5中，據(jù)佈占的計(jì)貸采巧其干巧如的計(jì)貸力?式，巧公式如下：
[00 化]
[0066]
[0067] 其中，f(i，j)表示像素值，a'J'）表示求取的形屯、坐標(biāo)。
[0068] 采用的工業(yè)相機(jī)為500萬像素，USB接口，分辨率可調(diào)，設(shè)置采集分辨率為720X576 像素，設(shè)置采集圖像格式為肝EG格式。
[0069] 圖像存儲(chǔ)卡安裝在圖像處理平臺(tái)上，并通過USB傳輸模塊將工業(yè)相機(jī)和圖像處理 平臺(tái)連接，工作時(shí)，圖像采集卡將相機(jī)采集的農(nóng)田圖像或視頻W數(shù)字信號(hào)方式存儲(chǔ)，圖像處 理平臺(tái)進(jìn)行圖像數(shù)據(jù)的處理，提取導(dǎo)航信息。處理完成的圖像也存在圖像采集卡中。圖像處 理平臺(tái)使用的是基于飛思卡爾i.MX6Q(Cotrex A9)的QS-PTE9嵌入式視頻圖像處理平臺(tái)。
[0070] 將顯示器5通過VGA接口和圖像處理平臺(tái)3連接，用于實(shí)時(shí)顯示作業(yè)車輛周圍的環(huán) 境圖像，W及提取出的導(dǎo)航路徑參考信息。
[0071] 如圖2所示，導(dǎo)航路徑檢測系統(tǒng)整體流程，包括作物行提取、圖像噪聲去除、圖像二 值化、形態(tài)學(xué)處理、特征點(diǎn)提取、導(dǎo)航線擬合運(yùn)幾個(gè)步驟，具體實(shí)現(xiàn)如下。
[0072] 第一步，農(nóng)田圖像的作物行提取。采用RGB顏色空間進(jìn)行農(nóng)田圖像分析，通過分析 可知，圖像中作物和±壤及其他背景信息的主要特征在于綠色分量的值，作物行具有明顯 的綠色特征，即G值較高，而±壤背景R值和G值較高，因此利用像素的G值進(jìn)行作物行的提 取?；趥鹘y(tǒng)2G-R-B超綠特征灰度化方法進(jìn)行改進(jìn)，直接將其作為判斷闊值，該值大于0的 像素認(rèn)為是作物，保留原像素值，反之作為背景處理，如公式(1)所示，其中r(i，j)、g(i，j)、 b(i，j)分別表示數(shù)字圖像中坐標(biāo)為（i，j)的像素紅、綠、藍(lán)通道值。運(yùn)種方法直接進(jìn)行作物 行的分割提取，同時(shí)將背景去除，通過保留原像素值的極大地減小了計(jì)算量，改善了實(shí)時(shí) 性。作物行提取的結(jié)果如圖3所示。
[007；3]
(1)
[0074] 第二步，圖像噪聲的去除。噪聲去除包含灰度化預(yù)處理、中值濾波兩個(gè)步驟。
[0075] 1)灰度處理:使用全局統(tǒng)計(jì)均值方法計(jì)算圖像素的灰度值，具體如公式(2)所示， Gray (i，j)是計(jì)算出的像素灰度值。
[0076] Gray(i,j) = (r(i,j)+g(i,j)+b(i,j))/3 (2)
[0077] 2)中值濾波：圖像中包含來自路面，作物W及環(huán)境的多源信息，采用中值濾波進(jìn)行 平滑處理，去除其中的椒鹽噪聲。按照強(qiáng)度值將窗內(nèi)像素點(diǎn)進(jìn)行排列，選擇排序像素集的中 間值作為像素點(diǎn)Q J)的新值，對于邊緣處的像素點(diǎn)，直接保留原有灰度值。如公式（3)所 示：
[007引 G(i , j) =Med{Grayi_v，...，Grayi，...，Grayi+v}，i EN，V = (m-1)/2
[0079] (3)
[0080] 其中，G(i，j)為濾波后的灰度值，Med是求中值操作，m代表結(jié)構(gòu)元素的尺寸，一般 取奇數(shù)，Grayi-V，…，Grayi，…，Grayi+v是Grayi為中屯、的像素點(diǎn)的鄰域像素灰度值。
[0081] 在本實(shí)施例中取m值為3,采用3X3像素的模板進(jìn)行濾波，也即取{Gray(i-l，j-l), Gr曰y(i-l，j) ,Gr曰y(i-l，j+1) ,Gr曰y(i，y-l) ,Gr曰y(i，j) ,Gr曰y(i，j+1) ,Gr曰y(i+l，j) ,Gr曰y (i+lJ+1)}的中值作為濾波輸出值。具體應(yīng)用時(shí)，針對不同的作物圖像，可采取不同尺寸的 模板取得最佳濾波效果。
[0082] 第=步，圖像二值化。二值化的關(guān)鍵在于闊值的選取，基于類間方差最大化原理， 在最小到最大灰度值區(qū)間內(nèi)進(jìn)行遍歷，選擇使得目標(biāo)、背景兩類直接方差最大化的灰度值T 作為分割闊值，如公式(4)所示，BQ J)是處理后的像素值。二值化處理結(jié)果如圖5所示。
[008；3]
(4)
[0084] 第四步，形態(tài)學(xué)處理。為消除作物行中細(xì)小的孔桐，W及作物生長不規(guī)則導(dǎo)致的獨(dú) 立小團(tuán)塊，進(jìn)行形態(tài)學(xué)開運(yùn)算處理，也就是進(jìn)行先腐蝕、后膨脹的卷積操作?？紤]作物行的 線型特征，采用5像素*1像素的矩形結(jié)構(gòu)元素進(jìn)行腐蝕、膨脹操作，處理連接相鄰元素，同時(shí) 去除分散的噪聲點(diǎn)。
[0085] 首先進(jìn)行腐蝕操作：用結(jié)構(gòu)元素掃描圖像的每一個(gè)像素，將結(jié)構(gòu)元素與其覆蓋的 二值圖像做與操作，如果像素值全為1，則該像素值為1，否則為0 ;其次進(jìn)行膨脹操作，用結(jié) 構(gòu)元素掃描圖像的每一個(gè)像素，將結(jié)構(gòu)元素與其覆蓋的二值圖像做與操作，如果都為0,則 該像素值為0,否則為1。形態(tài)學(xué)處理的效果如圖6所示，有效去除了圖像中細(xì)小的噪聲快，并 平滑作物行的邊界。
[0086] 第五步，特征點(diǎn)的提取。采用基于水平條分割和特征點(diǎn)計(jì)算的方法獲得導(dǎo)航特征 點(diǎn)。
[0087] 1)水平條分割:設(shè)圖像大小為LXH像素，W高度h為單位對圖像進(jìn)行等距離分割， 每個(gè)水平條的大小則為LXh,劃分的水平條條數(shù)為HA，可根據(jù)需要進(jìn)行調(diào)整。本實(shí)施例中 選擇劃分出8個(gè)水平條。
[0088] 2)基于形屯、的特征點(diǎn)計(jì)算:水平條分割出的圖像中，黑色像素為背景，將其像素值 表示為0,白色色塊代表了目標(biāo)作物行，像素值表示為1，通過遍歷計(jì)算每一個(gè)白色塊的形屯、 位置，也就是作物行的中屯、作為擬合導(dǎo)航線的特征點(diǎn)。具體如計(jì)算公式(5)、（6)所示，f Q， j)表示像素值，a'J'）表示求取的形屯、坐標(biāo)。圖7為提取的特征點(diǎn)圖像。
[0091] 第六步，導(dǎo)航線的擬合:基于最小二乘法對所有特征點(diǎn)進(jìn)行直線擬合，得到代表作 物行的參考導(dǎo)航線。結(jié)果如圖8所示。
[0089] 樹
[0090]
【主權(quán)項(xiàng)】
1. 一種基于單目視覺的農(nóng)業(yè)車輛導(dǎo)航線檢測系統(tǒng)，其特征在于:包括有工業(yè)相機(jī)、USB 傳輸模塊、圖像處理平臺(tái)、圖像存儲(chǔ)卡和顯示器，所述的工業(yè)相機(jī)安裝在作業(yè)車輛的頂部， 傾斜向下安裝采集車輛正前方的環(huán)境圖像;所述的USB傳輸模塊將工業(yè)相機(jī)和圖像處理平 臺(tái)相連;所述的圖像處理平臺(tái)進(jìn)行圖像數(shù)據(jù)的處理，提取導(dǎo)航所需的信息;所述的圖像存儲(chǔ) 卡安裝在圖像處理平臺(tái)上，保存工業(yè)相機(jī)拍攝W及處理后的數(shù)字圖像;所述的顯示器通過 VGA接口與圖像處理平臺(tái)相連，用于實(shí)時(shí)顯示檢測出的導(dǎo)航路徑信息。2. -種基于單目視覺的農(nóng)業(yè)車輛導(dǎo)航線檢測的方法，其特征在于:包括W下步驟： 步驟1:工業(yè)相機(jī)采集的農(nóng)田圖像，根據(jù)作物的過綠特征進(jìn)行闊值處理，提取作物行； 步驟2:對于提取出作物行的圖像，采用平均值法進(jìn)行灰度化預(yù)處理，基于灰度圖像，采 用中值濾波去除圖像中的噪聲； 步驟3:對于去除噪聲后的圖像，根據(jù)類間方差最大化原理進(jìn)行二值化，獲得黑白兩色 二值圖； 步驟4:對于二值化圖像，利用矩形結(jié)構(gòu)元素進(jìn)行形態(tài)學(xué)開運(yùn)算處理，消除作物行中細(xì) 小的孔桐，W及作物生長不規(guī)則導(dǎo)致的獨(dú)立小團(tuán)塊，獲得邊緣平滑、形狀規(guī)則的作物行圖 像； 步驟5:對于形態(tài)學(xué)處理后的作物行圖像，將其分割成等高的水平條圖像，計(jì)算水平條 中代表作物行的白色色塊的形屯、，獲取導(dǎo)航線提取的特征點(diǎn)； 步驟6:對于獲取的導(dǎo)航線特征點(diǎn)，使用最小二乘法進(jìn)行擬合，最終獲得檢測的導(dǎo)航線。3. 根據(jù)權(quán)利要求2所述一種基于單目視覺的農(nóng)業(yè)車輛導(dǎo)航線檢測的方法，其特征在于： 步驟1中，根據(jù)過緑特征提取作物行，進(jìn)行闊值處理的公式如下所示：其中，采用RGB顏色空間進(jìn)行農(nóng)田圖像分析，^1，^、邑(1，^、6(1^)分別表示數(shù)字圖像 中坐標(biāo)為（i，j)的像素紅、綠、藍(lán)通道值，將像素的巧g (i，j)-r (i，j) -b (i，j)值作為闊值，對 圖像中像素進(jìn)行判斷，如果該值大于O，則為作物行，保持原有像素值不變，反之將其作為背 景。4. 根據(jù)權(quán)利要求2所述一種基于單目視覺的農(nóng)業(yè)車輛導(dǎo)航線檢測的方法，其特征在于： 步驟2中采用平均值法進(jìn)行灰度化預(yù)處理計(jì)算公式如下所示： Gray(i , j) = (r(i , j)+g(i , j)+b(i , j))/3 其中，GrayQ J)是計(jì)算出的像素灰度值。5. 根據(jù)權(quán)利要求2所述一種基于單目視覺的農(nóng)業(yè)車輛導(dǎo)航線檢測的方法，其特征在于： 步驟2中，進(jìn)行中值濾波去除圖像中的噪聲的公式如下所示： G(i ,j) =Med(Grayi-V，…，Grayi，…，Grayi+v}i EN, V= (m-1)/2 其中，G(i，j)為濾波后的灰度值，Med是求中值操作，m代表結(jié)構(gòu)元素的尺寸，一般取奇 數(shù)，Grayi-V，…，Grayi，…，Grayi+v是Grayi為中屯、的像素點(diǎn)的鄰域像素灰度值。6. 根據(jù)權(quán)利要求2所述一種基于單目視覺的農(nóng)業(yè)車輛導(dǎo)航線檢測的方法，其特征在于： 步驟3中，類間方差最大化原理進(jìn)行二值化處理的公式如下所示：其中，B(i，j)是處理后的像素值，分割闊值T基于Otsu類間方法最大化方法計(jì)算得出。7. 根據(jù)權(quán)利要求2所述一種基于單目視覺的農(nóng)業(yè)車輛導(dǎo)航線檢測的方法，其特征在于： 步驟4中，所述的形態(tài)學(xué)開運(yùn)算處理根據(jù)作物行的線型特征，采用5像素*1像素的矩形結(jié)構(gòu) 元素進(jìn)行腐蝕、膨脹操作。8. 根據(jù)權(quán)利要求2所述一種基于單目視覺的農(nóng)業(yè)車輛導(dǎo)航線檢測的方法，其特征在于： 步驟5中，水平條的分割采用等高的原則，設(shè)圖像大小為LXH像素，W高度h為單位對圖像進(jìn) 行等距離分割，每個(gè)水平條的大小則為LXh,劃分的水平條條數(shù)為H/h，實(shí)際應(yīng)用中可調(diào)整 分割條數(shù)。9. 根據(jù)權(quán)利要求2所述一種基于單目視覺的農(nóng)業(yè)車輛導(dǎo)航線檢測的方法，其特征在于： 步驟5中，特征點(diǎn)的計(jì)當(dāng)采巧其干化,1、,、的計(jì)當(dāng)方擊.丑:公擊血下，其中，f (i J)表示像素值，（i ' J '）表示求取的形屯、坐標(biāo)。
【文檔編號(hào)】G06K9/00GK105987684SQ201510971942
【公開日】2016年10月5日
【申請日】2015年12月18日
【發(fā)明人】牛潤新, 陳慧, 王杰, 儲(chǔ)森, 丁驥, 劉路, 劉永博
【申請人】中國科學(xué)院合肥物質(zhì)科學(xué)研究院