【技术实现步骤摘要】
本专利技术涉及智慧农业装备技术、人工智能技术和田间自动化导航领域，具体涉及一种基于地空协同的表型机器人的田间导航方法。
技术介绍
1、表型机器人的自主导航技术，对作物表型数据采集方面具有重要的应用意义，为作物的精准检测，作物表型采集和产量预测提供基础支撑。以往利用人工采集数据的方式耗时耗力且效率低下，随着遥感技术的迅速发展，配备有rtk高精度定位模块的无人机具有独特的空中优势，如高效的监控能力和灵活的机动性，已成为作物表型监测的重要工具，无人机在作物生长监测、病虫害检测、表型数据采集等方面显示出巨大潜力。然而，尽管无人机在空中监测方面表现出色，但其在数据采集和精度方面仍存在限制。例如，无人机在复杂地形和高密度作物覆盖区域数据采集过程中，会因为视野有限，导致数据不连续和缺失。
2、基于无人机高精地图做路径规划时，相对于在3d空间覆盖路径规划，传统的2d覆盖路径规划无法考虑地形因素，哈米德等人对农田地形的数字高程模型（dem）进行3d投影，将传统的2d覆盖路径规划扩展到3d空间中，并利用复杂的算法着重解决了农业机器人在覆盖路径规划时如何最小化遗漏和重叠区域的问题，但复杂的算法需要大量的算力，比较耗费资源。
3、因此，迫切需要一种方法，使其能根据实际作物生长分布和有限的资源生成可靠的覆盖导航方法。
技术实现思路
1、本专利技术要解决的技术问题包括但不限于，传统的农田机器人导航普遍依赖自身的gnss模块进行定位和循迹，难以适应根据作物布局生长变化进行调整，难以适应不
2、为了解决上述问题，本专利技术提供了如下技术方案。
3、一种基于地空协同的表型机器人的田间导航方法，其特征在于，包括以下步骤：
4、步骤1，采用配备有实时运动补偿rtk技术和相机模块的无人机，对试验田中的目标作物区域进行航拍，构建数字正射影像dom，并以geotiff数据格式储存；
5、步骤2，对dom进行裁剪，裁剪区域覆盖作物行区域，并转换成jpg图像数据格式，建立xoy坐标系，其中y轴指向无人机的飞行方向即作物行的方向，对裁剪后的图像数据采用语义分割预测以及滤波处理，获得去噪后的作物行图像；
6、步骤3，对去噪后的作物行图像采用skeletonize算法，提取骨架线，并利用douglas-peucker算法将骨架线进行直线拟合处理，获得每条作物行区域的直线拟合线；
7、步骤4，对每条作物行区域的直线拟合线，提取端点和拐点；
8、步骤5，利用gdal库对端点和拐点的像素坐标转换为地理坐标，即映射回步骤1中dom，匹配实际的经纬度坐标，将匹配后的经纬度坐标点作为关键控制点；
9、步骤6，将步骤1中的以geotiff数据格式储存的dom进行切分，获取瓦片图，将切分后的瓦片图叠加到卫星地图上，进行坐标校正，获得高分辨率地图；
10、步骤7，采用蛇型排序算法将关键控制点的经纬度坐标导入到表型机器人导航系统中，再根据入口到出口的顺序，在步骤6中生成的高精度地图上连接这些关键点，生成一条连贯的导航路径；
11、步骤8，表型机器人的导航系统通过纯追踪算法控制器计算，输出表型机器人转向角度，对导航路径进行路径追踪，实现导航任务。
12、优选地，所述步骤1中，对目标作物区域进行航拍，构建数字正射影像dom包含以下步骤：
13、步骤s11，选定作业田块，确定无人机起降地点，布置地面控制飞行点，设置图像摄影重叠率，对作业田块进行正射摄影以及地理坐标采集；
14、步骤s12，通过空中三角测量分析多张重叠区域的图像，确定相同地标在不同重叠图像的地理坐标差，计算地标的地理坐标数据的真实值；
15、步骤s13，根据无人机的飞行高度、飞行方向以及摄影重叠率参数，结合地理坐标数据的真实值进行二维重建，生成数字正射影像dom，并以geotiff数据格式储存。
16、优选地，所述的步骤2中，滤波处理具体包含以下步骤：
17、步骤s21，将语义分割后的图像进行二值化，背景区域设置为0，作物行区域赋值为1，然后将作物行区域进行模糊化blur和扩大resize处理，得到预处理后的图像；
18、步骤s22，利用findcontours方法对预处理后的图像进行提取，识别作物行区域的轮廓线；
19、步骤s23，将提取出的轮廓线的值赋值为1，融合进作物行区域，然后通过resize将图像尺寸缩小到原始大小，获得去噪后的作物行图像。
20、优选地，所述的步骤4中，端点和拐点提取策略具体为：
21、步骤s41，设置一个3×3的卷积核，对骨架线的全部像素点进行遍历，识别出每个点的相邻点数量，如果一个点的相邻点数为1，则将其标记为临时端点；
22、步骤s42，对douglas-peucker算法拟合的每条作物行区域的直线拟合线，通过shi-tomasi方法对每条直线拟合线上的全部像素点进行遍历，检测其最小特征值，只有当最小特征值超过设定的特定阈值时，该点被认定是拐点；
23、步骤s43，根据表型机器人的长度，从临时端点开始，寻找与该临时端点同区域的最近点，沿着两点的方向进行直线延伸，即线性外推，确定新的像素点，这些新的像素点被视作端点；
24、步骤s44，基于端点和拐点，按照所属作物行区域进行分组和排序，将属于同一作物行区域的点归为一组，并且对同一作物行区域的点按照y轴坐标值大小顺序排序。
25、优选地，所述步骤s43中，端点是采用线性外推的方式进行提取，提取公式具体为：
26、
27、
28、
29、
30、
31、其中，u是单位方向向量，p2-p1是计算p1(x1,y1)指向p2(x2,y2)的向量，|p2-p1|是通过欧几里得距离公式计算该向量的模，p1(x1,y1)是根据步骤s41中卷积核遍历操作提取的临时端点，p2(x2,y2)是步骤s43中描述的寻找的最近点，d是临时端点沿u的方向向外延伸的距离，w是表型机器人的长度，s是预留的安全距离，ux和uy分别是单位方向向量u在端点p(x,y)处沿x轴和y轴方向的分量，x和y是确定端点p(x,y)的横坐标和纵坐标。
32、优选地，所述的步骤s44中分组和排序的具体方式为：设置每条作物行区域的直线拟合线的最小外接矩形，将同一矩形内的端点和拐点归为一组，随后同组的点按照y轴坐标值大小进行顺序排序。
33、优选地，所述的步骤8中的纯追踪算法控制器，公式具体为：
34、
35、其中，α表示表型机器人的航向和目标坐标点的航向的偏差， l是表型机器人的轴距，ld表示表型机器人当前坐标点到目标坐标点的距离，δ是表型机器人轮子转向角度。
36、相对于现有技术而言，本专利技术提供的一种基于地空协同的表型机器本文档来自技高网...
【技术保护点】
1.一种基于地空协同的表型机器人的田间导航方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于地空协同的表型机器人的田间导航方法，其特征在于：所述步骤1中，对目标作物区域进行航拍，构建数字正射影像DOM包含以下步骤：
3.根据权利要求1所述的基于地空协同的表型机器人的田间导航方法，其特征在于，所述的步骤2中，滤波处理具体包含以下步骤：
4.根据权利要求1所述的基于地空协同的表型机器人的田间导航方法，其特征在于，所述的步骤4中，端点和拐点提取策略具体为：
5.根据权利要求4所述的基于地空协同的表型机器人的田间导航方法，其特征在于，所述步骤S43中，端点是采用线性外推的方式进行提取，提取公式具体为：
6.根据权利要求5所述的基于地空协同的表型机器人的田间导航方法，其特征在于，所述的步骤S44中分组和排序的具体方式为：设置每条作物行区域的直线拟合线的最小外接矩形，将同一矩形内的端点和拐点归为一组，随后同组的点按照y轴坐标值大小进行顺序排序。
7.根据权利要求1所述的基于地空协同的表型机器人的田间导航方法，
...【技术特征摘要】
1.一种基于地空协同的表型机器人的田间导航方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于地空协同的表型机器人的田间导航方法，其特征在于：所述步骤1中，对目标作物区域进行航拍，构建数字正射影像dom包含以下步骤：
3.根据权利要求1所述的基于地空协同的表型机器人的田间导航方法，其特征在于，所述的步骤2中，滤波处理具体包含以下步骤：
4.根据权利要求1所述的基于地空协同的表型机器人的田间导航方法，其特征在于，所述的步骤4中，端点和拐点提取策略具体为：
5.根据权利要求...
【专利技术属性】
技术研发人员：宋鹏，杨万能，张子康，李正达，杨蒙，邵阳，袁广，
申请(专利权)人：华中农业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。