專利名稱：基于三維飛行時(shí)間法成像的農(nóng)作物-雜草識(shí)別及定位方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于三維飛行時(shí)間法成像的農(nóng)作物-雜草識(shí)別及定位方法。
背景技術(shù)：
我國是農(nóng)業(yè)大國，農(nóng)田雜草種類眾多，分布范圍廣。在傳統(tǒng)農(nóng)業(yè)中，雜草肆虐是困擾農(nóng)作物生長的主要問題之一。據(jù)國家農(nóng)業(yè)部植保總站統(tǒng)計(jì)，我國每年用在除草上的勞動(dòng)量高達(dá)20-30億個(gè)勞動(dòng)日，農(nóng)田除草用工占田間總工作量的1/3-1/2。我國雜草災(zāi)害造成的糧食損失仍平均達(dá)到13. 4%，年損失糧食產(chǎn)量約17500千噸。近幾年隨著國家經(jīng)濟(jì)生產(chǎn)發(fā)展，從事農(nóng)業(yè)的人員不斷減少，農(nóng)田管理趨于機(jī)械化、自動(dòng)化、精準(zhǔn)化。為了實(shí)現(xiàn)精準(zhǔn)的自動(dòng)化除草，必須使除草設(shè)備具備自動(dòng)識(shí)別并精準(zhǔn)定位雜草的功能。目前常用的雜草自動(dòng)識(shí)別方法主要有2種，遙感識(shí)別以及基于圖像處理的模式識(shí)另IJ。遙感識(shí)別只適用于大尺寸高密度的雜草進(jìn)行識(shí)別，對(duì)于小尺寸低密度的雜草無法識(shí)別?；趫D像處理的模式識(shí)別則有計(jì)算速度快，運(yùn)行效率高，識(shí)別精度高的優(yōu)點(diǎn)。然而現(xiàn)有的圖像模式識(shí)別均是基于二維圖像處理，當(dāng)農(nóng)作物和雜草時(shí)葉片之間重疊遮擋時(shí)，很難識(shí)別和定位。其識(shí)別率低，定位不準(zhǔn)確。同時(shí)，目前對(duì)農(nóng)作物的長勢、株距和苗數(shù)等作物生長狀況的觀測與測量，主要靠人工進(jìn)行，人力資源耗費(fèi)多，測得的數(shù)據(jù)誤差大，不能滿足農(nóng)業(yè)生產(chǎn)現(xiàn)代化、自動(dòng)化的需要。

發(fā)明內(nèi)容
本發(fā)明的目的就是提供一種基于三維飛行時(shí)間法成像的農(nóng)作物-雜草識(shí)別及定位方法，該方法識(shí)別率高，定位準(zhǔn)確，識(shí)別速度快，實(shí)時(shí)性好，能適應(yīng)快速自動(dòng)化除草作業(yè)的實(shí)時(shí)性要求。還可用于農(nóng)作物株距和苗數(shù)的自動(dòng)測量，便于對(duì)作物生長進(jìn)行動(dòng)態(tài)的自動(dòng)化、
精確化管理。本發(fā)明實(shí)現(xiàn)其發(fā)明目的所采用的第一種技術(shù)方案是，一種基于三維飛行時(shí)間法成像的農(nóng)作物-雜草識(shí)別及定位方法，所述的方法適用于莖桿特征明顯的農(nóng)作物與雜草的識(shí)別及定位，其步驟如下A、三維圖像獲取采用三維飛行時(shí)間攝像機(jī)從側(cè)面攝取、獲得農(nóng)作物及雜草苗體的側(cè)視三維圖像；B、土壤及背景作物行的分割對(duì)側(cè)視三維圖像，根據(jù)土壤和農(nóng)作物及雜草反射光強(qiáng)度的不同，用閾值分割法分割并去掉土壤；根據(jù)距離最近的當(dāng)前作物行和其他的背景作物行的深度差，用閾值分割法分離去掉背景作物行；C、莖桿分割及特征提取對(duì)B步得到的圖像，采用霍夫變換算法或管型特征測量算法或線性擬合匹配法分割并提取出當(dāng)前作物行的主、支莖桿的特征；
D、雜草識(shí)別將C步得到的當(dāng)前作物行的主、支莖桿的特征與B步的圖像進(jìn)行比對(duì)，將既非主、支莖桿特征部位的圖像，也非與主、支莖桿特征緊密相連部位的圖像，判定為雜草的圖像；并計(jì)算定位出當(dāng)前作物行雜草的位置。E、莖桿三維圖像重建及定位將C步得到的當(dāng)前作物行的主、支莖桿的特征在三維空間進(jìn)行莖桿特征建模，重建出當(dāng)前作物行的主、支莖桿的三維圖像；進(jìn)而定位出當(dāng)前作物行各植株的位置。本發(fā)明實(shí)現(xiàn)其發(fā)明目的所采用的第二種技術(shù)方案是，2、一種基于三維飛行時(shí)間法成像的農(nóng)作物-雜草識(shí)別及定位方法，所述的方法適用于葉片特征明顯的農(nóng)作物與雜草的識(shí)別及定位，其步驟如下A、三維圖像獲取采用三維飛行時(shí)間攝像機(jī)從上面攝取農(nóng)作物及雜草苗體的俯視三維圖像；B、土壤分割處理對(duì)俯視三維圖，根據(jù)土壤和苗體間的高度差用閾值分割法分離去掉土壤；C、葉片分割及特征提取對(duì)B步得到的圖像，采用三維圖像局部區(qū)域增長算法或檢查局部曲面法線方向變化的連續(xù)性方法分割并提取出葉片特征；D、雜草識(shí)別將C步得到的葉片特征與B步的圖像進(jìn)行比對(duì)，將不是葉片特征部位的圖像，判定為雜草的圖像；并計(jì)算定位出雜草的位置。E、作物三維圖像重建及定位將C步得到的葉片特征在三維空間進(jìn)行特征建模，重建出作物的三維圖像，進(jìn)而定位出作物各植株的位置。與現(xiàn)有技術(shù)相比，本發(fā)明的收益效果是一、利用三維飛行時(shí)間(TOF)攝像機(jī)，可以直接獲取拍攝作物及雜草、土壤的三維圖像，能區(qū)分出圖像中的前景與后景，并用閾值分割法分割去掉土壤或背景作物行，再用提取出的作物的莖桿或葉片特征與去掉土壤或背景作物行的圖像進(jìn)行對(duì)比，將不屬于作物部位的圖像判定為雜草。由于三維圖像含有深度信息可以解決葉片重疊和遮擋問題，提高了雜草的識(shí)別率和定位的精度?？墒钩菰O(shè)備除草時(shí)更加精確和準(zhǔn)確。二、根據(jù)作物的莖桿或葉片特征進(jìn)行的三維植株重建，還可實(shí)現(xiàn)作物植株的自動(dòng)識(shí)別及精確定位，可用于農(nóng)作物株距和苗數(shù)的自動(dòng)測量，便于對(duì)作物生長進(jìn)行動(dòng)態(tài)的自動(dòng)化、精確化管理。三、三維飛行時(shí)間(TOF)攝像機(jī)的三維圖像由專門的芯片直接生成，生成速度快。同時(shí)，本發(fā)明的雜草識(shí)別策略是只識(shí)別農(nóng)作物植株，對(duì)不屬于農(nóng)作物植株也不屬于土壤或背景行作物的圖像直接判定為雜草，而不對(duì)雜草進(jìn)行特征與種類識(shí)別。由于待識(shí)別的農(nóng)作物植株種類單一，而雜草種類繁多；在保證準(zhǔn)確識(shí)出植株也即能準(zhǔn)確識(shí)出雜草的前提下，本發(fā)明的特征運(yùn)算量低、算法簡單，識(shí)別運(yùn)算速度快；能大幅度地提高識(shí)別系統(tǒng)的實(shí)時(shí)性，能適應(yīng)快速自動(dòng)化除草作業(yè)的實(shí)時(shí)性要求。四、針對(duì)葉片特征明顯的低矮作物和莖桿特征明顯的細(xì)高作物，三維攝像機(jī)分別從上方和側(cè)面進(jìn)行拍攝，可以最大程度的獲取出作物特征，有效地提高作物的識(shí)別和定位的準(zhǔn)確性和精確性。下面結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明進(jìn)一步說明。


圖1是本發(fā)明實(shí)施例一方法的A步操作得到的棉花側(cè)視三維圖像。圖2是用本發(fā)明實(shí)施例一方法的C步操作后得到的棉花莖桿特征。圖3是本發(fā)明實(shí)施例一方法E步操作后得到的對(duì)玉米三維圖像重建及定位的結(jié)果圖。圖4是本發(fā)明實(shí)施例二方法的A步操作得到的玉米苗俯視三維圖像。圖5是本發(fā)明實(shí)施例二方法的E步操作后得到的E步操作后得到的玉米苗三維圖像重建及定位的結(jié)果圖。
具體實(shí)施例方式實(shí)施例1本發(fā)明的第一種實(shí)施方式是，一種基于三維飛行時(shí)間法成像的農(nóng)作物-雜草識(shí)別及定位方法，所述的方法適用于莖桿特征明顯的農(nóng)作物與雜草的識(shí)別及定位，其步驟如下A、三維圖像獲取采用三維飛行時(shí)間攝像機(jī)從側(cè)面攝取、獲得農(nóng)作物及雜草苗體的側(cè)視三維圖像；圖1即是對(duì)棉花攝像得到的側(cè)視三維圖像。B、土壤及背景作物行的分割對(duì)側(cè)視三維圖像，根據(jù)土壤和農(nóng)作物及雜草反射光強(qiáng)度的不同，用閾值分割法分割并去掉土壤；根據(jù)距離最近的當(dāng)前作物行和其他的背景作物行的深度差，用閾值分割法分離去掉背景作物行；C、莖桿分割及特征提取對(duì)B步得到的圖像，采用霍夫變換算法或管型特征測量算法或線性擬合匹配法分割并提取出當(dāng)前作物行的主、支莖桿的特征；圖2即是對(duì)圖1用以上方法提取出的棉花主、支莖桿特征。D、雜草識(shí)別將C步得到的當(dāng)前作物行的主、支莖桿的特征與B步的圖像進(jìn)行比對(duì)，將既非主、支莖桿特征部位的圖像，也非與主、支莖桿特征緊密相連部位的圖像，判定為雜草的圖像；計(jì)算定位出當(dāng)前作物行雜草的位置。E、莖桿三維圖像重建及定位將C步得到的當(dāng)前作物行的主、支莖桿的特征在三維空間進(jìn)行莖桿特征建模，重建出當(dāng)前作物行的主、支莖桿的三維圖像；進(jìn)而定位出當(dāng)前作物行各植株的位置。圖3即是用以上方法得到的玉米三維圖像重建及定位的結(jié)果圖。對(duì)1096株玉米的測試結(jié)果表明以上實(shí)施例1的方法對(duì)玉米的識(shí)別率98. 5%，株距平均定位誤差為+1. 60cm。
實(shí)施例2本發(fā)明的第二種實(shí)施方式是，一種基于三維飛行時(shí)間法成像的農(nóng)作物-雜草識(shí)別及定位方法，所述的方法適用于葉片特征明顯的農(nóng)作物與雜草的識(shí)別及定位，其步驟如下A、三維圖像獲取采用三維飛行時(shí)間攝像機(jī)從上面攝取農(nóng)作物及雜草苗體的俯視三維圖像；圖4即是對(duì)玉米苗攝像得到的俯視三維圖像。B、土壤分割處理對(duì)俯視三維圖，根據(jù)土壤和苗體間的高度差用閾值分割法分離去掉土壤；C、葉片分割及特征提取對(duì)B步得到的圖像，采用三維圖像局部區(qū)域增長算法或檢查局部曲面法線方向變化的連續(xù)性方法分割并提取出葉片特征；D、雜草識(shí)別將C步得到的葉片特征與B步的圖像進(jìn)行比對(duì)，將不是葉片特征部位的圖像，判定為雜草的圖像；計(jì)算定位出雜草的位置。E、作物三維圖像重建及定位將C步得到的葉片特征在三維空間進(jìn)行特征建模，重建出作物的三維圖像，進(jìn)而定位出作物各植株的位置。圖5即是用本例以上方法得到的玉米苗三維圖像重建及定位的結(jié)果圖。
權(quán)利要求
1.一種基于三維飛行時(shí)間法成像的農(nóng)作物-雜草識(shí)別及定位方法，所述的方法適用于莖桿特征明顯的農(nóng)作物與雜草的識(shí)別及定位，其步驟如下 A、三維圖像獲取 采用三維飛行時(shí)間攝像機(jī)從側(cè)面攝取獲得農(nóng)作物及雜草苗體的側(cè)視三維圖像； B、土壤及背景作物行的分割 對(duì)側(cè)視三維圖像，根據(jù)土壤和農(nóng)作物及雜草反射光強(qiáng)度的不同，用閾值分割法分割并去掉土壤；根據(jù)距離最近的當(dāng)前作物行和其他的背景作物行的深度差，用閾值分割法分離去掉背景作物行； C、莖桿分割及特征提取 對(duì)B步得到的圖像，采用霍夫變換算法或管型特征測量算法或線性擬合匹配法分割并提取出當(dāng)前作物行的主、支莖桿的特征； D、雜草識(shí)別 將C步得到的當(dāng)前作物行的主、支莖桿的特征與B步的圖像進(jìn)行比對(duì)，將既非主、支莖桿特征部位的圖像，也非與主、支莖桿特征緊密相連部位的圖像，判定為雜草的圖像；并計(jì)算定位出當(dāng)前作物行雜草的位置； E、莖桿三維圖像重建及定位 將C步得到的當(dāng)前作物行的主、支莖桿的特征在三維空間進(jìn)行莖桿特征建模，重建出當(dāng)前作物行的主、支莖桿的三維圖像；進(jìn)而定位出當(dāng)前作物行各植株的位置。
2.一種基于三維飛行時(shí)間法成像的農(nóng)作物-雜草識(shí)別及定位方法，所述的方法適用于葉片特征明顯的農(nóng)作物與雜草的識(shí)別及定位，其步驟如下 A、三維圖像獲取 采用三維飛行時(shí)間攝像機(jī)從上面攝取、獲得農(nóng)作物及雜草苗體的俯視三維圖像； B、土壤分割處理 對(duì)俯視三維圖，根據(jù)土壤和苗體間的高度差用閾值分割法分離去掉土壤； C、葉片分割及特征提取 對(duì)B步得到的圖像，采用三維圖像局部區(qū)域增長算法或檢查局部曲面法線方向變化的連續(xù)性方法分割并提取出葉片特征； D、雜草識(shí)別 將C步得到的葉片特征與B步的圖像進(jìn)行比對(duì)，將不是葉片特征部位的圖像，判定為雜草的圖像；并計(jì)算定位出雜草的位置； E、作物三維圖像重建及定位 將C步得到的葉片特征在三維空間進(jìn)行特征建模，重建出作物的三維圖像，進(jìn)而定位出作物各植株的位置。
全文摘要
一種基于三維飛行時(shí)間法成像的農(nóng)作物-雜草識(shí)別及定位方法，當(dāng)植株苗體莖桿特征明顯時(shí)，采取三維飛行時(shí)間攝像機(jī)獲取植株苗體的側(cè)視三維圖像；當(dāng)植株苗體葉片特征明顯時(shí)，采取三維飛行時(shí)間攝像機(jī)獲取植株苗體的俯視三維圖像。再對(duì)于側(cè)視三維圖和俯視三維圖，分別進(jìn)行三維土壤分割預(yù)處理，然后對(duì)于莖稈特征明顯的植株苗體，采用Hough變換算法、管型特征測量算法提取莖稈特征；對(duì)于葉片明顯的植株苗體，采用三維圖像局部區(qū)域增長算法或檢查局部曲面法線方向變化的連續(xù)性方法抽取葉片進(jìn)行特征；在特征提取的基礎(chǔ)上識(shí)別定位出雜草，與除草裝置配合可進(jìn)行快速自動(dòng)化的除草作業(yè)；同時(shí)三維重建并定位出植株莖稈及苗體中心位置，進(jìn)行作物植株苗體的精確定位，并自動(dòng)得出農(nóng)作物的株距和苗數(shù)等作物生長數(shù)據(jù)，便于對(duì)作物生長進(jìn)行動(dòng)態(tài)的自動(dòng)化、精確化管理。
文檔編號(hào)G06K9/46GK103020595SQ20121051387
公開日2013年4月3日 申請(qǐng)日期2012年12月5日 優(yōu)先權(quán)日2012年12月5日
發(fā)明者湯烈 申請(qǐng)人:湯烈