一种基于田垄颜色特征的垄上作业机械导航线识别方法技术

本发明专利技术提供了一种基于田垄颜色特征的垄上作业机械导航路径识别方法，包括如下步骤：基于灰度重构方法利用亮度信息分量作为基础信息图对田垄图像进行灰度重构，得到灰度图像；通过提取灰度图像内垄面与垄沟的像素值，得到用于分割图像的阈值，利用阈值分割方式将灰度图像分割得到二值图像；获取垄面凸包轮廓点集；通过逼近四边形方法得到垄面四边形的中心线，将垄面四边形的中心线作为导航路径。本发明专利技术识别成功率较高，识别误差较小，可有效实现对不同颜色、纹理的田垄进行导航路径的识别。别。别。

【技术实现步骤摘要】
一种基于田垄颜色特征的垄上作业机械导航线识别方法


[0001]本专利技术涉及智能农机领域或者技术识别导航领域或者图像识别技术，特别涉及一种基于田垄颜色特征的垄上作业机械导航线识别方法。

技术介绍

[0002]农业机械工作环境恶劣，自主导航作业能减轻人工劳动强度，提高作业效率和准确率。目前，自主导航研究主要集中在卫星定位导航和视觉导航两种。移栽机、播种机等垄上作业机械需要跟随无作物的垄行作业，视觉导航实时采集和处理田垄图像，提取导航路径，更符合移栽机、播种机作业的实际要求。
[0003]目前，垄上作业机械的导航路径识别多为在垄上已有作物的情况下，利用超绿特征灰度化和otsu图像分割算法分割绿色作物和田间背景，后利用霍夫变换识别出作物行作为导航路径。然而，移栽机、播种机需要在垄面无作物的情况下开展作业，故需要针对无作物的田垄进行导航路径的识别。无作物的田垄垄面与垄沟之间无明显的颜色差，上述方法无法分割垄面与垄沟，识别出导航路径。文献“棉花铺膜播种机导航路线图像检测方法”根据耕地机留在土地的划痕特征采用小波分析与其他特征提取算法的组合识别出导航路径。此方法只针对耕地机划痕特征进行导航路径识别，不能应用于纹理复杂的田垄。

技术实现思路

[0004]针对现有技术中存在的不足，本专利技术提供了一种基于田垄颜色特征的垄上作业机械导航线识别方法，该方法的识别成功率较高，识别误差较小，可有效实现对不同颜色、纹理的田垄进行导航路径的识别。
[0005]本专利技术是通过以下技术手段实现上述技术目的的。/>[0006]一种基于田垄颜色特征的垄上作业机械导航路径识别方法，包括如下步骤：
[0007]基于灰度重构方法利用亮度信息分量作为基础信息图对田垄图像进行灰度重构，得到灰度图像；
[0008]通过提取灰度图像内垄面与垄沟的像素值，得到用于分割图像的阈值，利用阈值分割方式将灰度图像分割得到二值图像，具体为：
[0009]将图像边缘垄宽设定为Wp，距离图像中心线Wp/2的位置为理想垄沟位置；在图像下边缘的中心位置、理想垄沟位置和距离理想垄沟位置的Wp/8处各取一个20X20的矩阵，对该矩阵的像素值进行累加求和，计算其像素平均值；
[0010]将中心位置矩阵的像素平均值记为将理想垄沟位置矩阵的像素平均值记为将理想垄沟位置左侧矩阵的像素平均值记为将理想垄沟位置右侧矩阵的像素平均值
[0011]将分别与比较，取差值得：
[0012][0013][0014][0015]若最大，则阈值分割的阈值
[0016]若最大，则阈值分割的阈值
[0017]若最大，则阈值分割的阈值
[0018]对与thres的大小进行判断：
[0019]若阈值分割方式为：
[0020]若阈值分割方式为：
[0021]pix
(i，j)
为灰度图像的第i行第j列像素点的像素值；
[0022]获取垄面凸包轮廓点集；
[0023]通过逼近四边形方法得到垄面四边形的中心线，将垄面四边形的中心线作为导航路径。
[0024]进一步，基于灰度重构方法利用亮度信息分量作为基础信息图对田垄图像进行灰度重构，得到灰度图像，具体为：
[0025]将田垄图像从RGB颜色空间转化到HSV颜色空间，并分别提取H、S、V三个分量的信息图，以亮度信息V分量作为基础信息图进行灰度重构得到灰度图像，其计算公式如下：
[0026]V＝max(R,G,B)
[0027]Gray＝2
×
(255
‑
V)。
[0028]进一步，获取垄面凸包轮廓点集，包括如下步骤：
[0029]将二值图像中上下左右极限位置的像素设置为0；
[0030]利用连通区域检测算法将二值图像中与上下左右极限位置的像素处于同一连通域的像素检测出并将其坐标存入数组B中；
[0031]对二值图像进行行扫描，将不在数组B中的像素点的像素值设定为1，生成新的二值图像；
[0032]利用闭环边界检测方法检测新的二值图像中的闭环边界的集合；
[0033]利用垄面轮廓面积最大的特点，筛选出闭环边界集合中面积最大的边界，将其标记为垄面轮廓；
[0034]利用轮廓凸包算法对垄面轮廓进行凸包，得到垄面凸包轮廓；垄面凸包轮廓以点的集合的形式呈现。
[0035]进一步，通过逼近四边形方法得到垄面四边形的中心线，包括如下步骤：
[0036]利用两点间的距离公式对垄面凸包轮廓点集中所有点之间的距离进行计算并找出其中相距最远的两个点作为四边形的对角线位置的两个端点P0和P1，将P0和P1之间的距离定义为L；
[0037]删除垄面凸包轮廓点集中与P0或P1的距离小于的点；
[0038]计算剩余垄面凸包轮廓点集中的点到P0与P1所连直线的中点的距离，将其中距离最大的点作为四边形的第三个端点P2；
[0039]将P2的x坐标与P0与P1所连直线的中点的x坐标相比较，若P2的x坐标小于中点的 x坐标，则删除垄面凸包轮廓点集中x坐标小于中点的x坐标的点，若P2的x坐标大于中点的x坐标，则删除垄面凸包轮廓点集中x坐标大于中点的x坐标的点。
[0040]找出垄面凸包轮廓点集中与P2间距离最远的点作为四边形的第四个端点P3；
[0041]根据垄面四边形四个端点的坐标确定垄面四边形的左、右边界线方程；根据角平分线公式可计算得到左、右边界线的中心线方程，将其作为垄面四边形的中心线即垄上作业机械的导航线。
[0042]本专利技术的有益效果在于：
[0043]1.本专利技术基于田垄颜色特征的垄上作业机械导航路径识别方法，不借助于由于外部环境所产生的特征进行导航路径识别，仅利用HSV颜色空间中的V分量即亮度信息分量作为基础信息图进行灰度重构增大垄面与垄沟本身存在的较小颜色差，解决了无作物的垄面与垄沟颜色无明显差别，传统灰度化方法无法适用的问题。
[0044]2.本专利技术所述的基于田垄颜色特征的垄上作业机械导航路径识别方法，自主计算阈值分割方法通过提取当前图像内垄面与垄沟的像素值计算得到适用于分割当前图像的阈值，使用此阈值进行图像分割得到二值图像，使得本专利技术所提出的导航线识别方法可适用于不同颜色的田垄。
[0045]3.本专利技术所述的基于田垄颜色特征的垄上作业机械导航路径识别方法，垄面轮廓检测方法只检测被图像边界连通域包围的轮廓，消除了垄面上存在的孔洞及纹理对垄面轮廓检测的影响，使得本专利技术所提出的导航线识别方法可适用于不同纹理的田垄。
附图说明
[0046]图1为本专利技术所述的基于田垄颜色特征的垄上作业机械导航路径识别方法流程图。
[0047]图2为矩阵位置示意图。
[0048]图3为轮廓检测层次图。
[0049]图4为逼近四边形方法示意图。
具体实施方式
[0050]下面结合附图以及具体实施例对本专利技术作进一步的说明，但本专利技术的保护范围并不限本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于田垄颜色特征的垄上作业机械导航路径识别方法，其特征在于，包括如下步骤：基于灰度重构方法利用亮度信息分量作为基础信息图对田垄图像进行灰度重构，得到灰度图像；通过提取灰度图像内垄面与垄沟的像素值，得到用于分割图像的阈值，利用阈值分割方式将灰度图像分割得到二值图像，具体为：将图像边缘垄宽设定为Wp，利用图像中心位置与图像边缘垄宽计算得出理想垄沟位置；在图像下边缘的中心位置、理想垄沟位置和理想垄沟位置的左右两侧各取一个矩阵，对该矩阵的像素值进行累加求和，计算其像素平均值；将中心位置矩阵的像素平均值记为将理想垄沟位置矩阵的像素平均值记为将理想垄沟位置左侧矩阵的像素平均值记为将理想垄沟位置右侧矩阵的像素平均值将分别与比较，取差值得：比较，取差值得：比较，取差值得：若最大，则阈值分割的阈值若最大，则阈值分割的阈值若最大，则阈值分割的阈值对与thres的大小进行判断：若阈值分割方式为：若阈值分割方式为：pix
(i，j)
为灰度图像的第i行第j列像素点的像素值；获取垄面凸包轮廓点集；通过逼近四边形方法得到垄面四边形的中心线，将垄面四边形的中心线作为导航路径。2.根据权利要求1所述的基于田垄颜色特征的垄上作业机械导航路径识别方法，其特征在于，基于灰度重构方法利用亮度信息分量作为基础信息图对田垄图像进行灰度重构，
得到灰度图像，具体为：将田垄图像从RGB颜色空间转化到HSV颜色空间，并分别提取H、S、V三个分量的信息图，以亮度信息V分量作为基础信息图进行灰度重构得到灰度图像，其计算公式如下：V＝max(R,G,B)Gray＝2
×...

【专利技术属性】
技术研发人员：胡建平，刘嘉欣，刘伟，岳仁才，姚梦娇，李静，
申请(专利权)人：江苏大学，
类型：发明
国别省市：