本发明专利技术公开了一种基于一维Hough变换和专家系统的早期苗田垄线识别算法，包括如下步骤：A1、垄田图像的预处理：A2、基于专家系统的垄线识别1)基于一维Hough变换提取垄线；2)查找特征最明显的第一条垄线；3)查找其余垄线。本发明专利技术具有以下有益效果：1)采用基于一维线的Hough变换获取多垄线，改善了农业机械视觉导航系统多垄线识别的实时性；2)充分利用垄线结构信息，采用专家系统推理获取准确的垄线，改善了农业机械视觉导航系统多垄识别的鲁棒性和适应性。
【技术实现步骤摘要】
本专利技术涉及农业机械化
，尤其涉及的是一种基于一维Hough变换和专家系统的早期苗田垄线识别算法。
技术介绍
Marchant等尝试使用Hough变换提取3垄信息,并通过摄像头内外参数标定获得视觉导航参数，但没有进行多垄信息融合，并分析了 Hough变换可以提取多垄信息，且具备实现农业机械实时、低速自主作业的条件。随后Marchantt3]等将视觉信息、车速信息通过Kalman滤波融合,规划出行车策略,标准偏差为20mm,满足农田机械进行喷施等作业条件。Plam等基于视觉系统图像中垄线将于图像外一虚点处汇交，开发了基于虚点预测缺失垄行的垄线识别算法，有效利用了系统成像特点，使系统的检测性能得到了改善，进而结合系统模型结构参数获得导航参数。经过图像序列的测试，算法鲁棒性较好，能够克服一些断垄等的影响。Sanchiz等提出了视觉导航和精确喷施车辆模型算法，试图建立车辆运动参数与喷施决策的关系地图以实现自动导航和自动精确喷施。主要内容包括基于图像特征序列反向获取车辆的运动参数、车辆路径识别和基于Kalman滤波的目标恢复。在文献中他们进一步完善了该视觉导航和自动喷施系统，通过静态图像处理测试对系统性能进行了分析，将农业机械的视觉导航、自动喷施和控制转向功能模块进行了协调和规划，在农业机械自主作业系统的研制方面做了一些有益的探索。瑞典的Astrandm等提出了基于矩形条的视觉导航系统垄行识别算法。其特点是采用Hough变换在矩形条内提取目标线，目标线的条数与垄行宽度相对应，属于某一垄行的“目标线”必定相交于图外一 “虚点”，利用这些条件可通过检测目标线条数决定垄行，然后取多个垄行的平均得到行垄信息，有效地抑制了杂草噪声的影响，实验的标准偏差为厘米级。其特点是有效利用了多垄信息克服杂草噪声影响。澳大利亚的Billingsley 等开发出一种成功的农业机械视觉导航系统。该系统采用条形框捕获作物行像素，然后在条形框内通过回归的方法拟合出垄线；同时，通过计算条形框内目标像素的距来去除杂草等噪声。在视觉系统摄像头安置的视角下，可在三个条形框内对垄像素进行回归处理，所拟合出的三条垄线必定相交。利用该相交点的序列值变化与条形框的中心位置变化可分别估算出系统的航向角参数和侧向距离参数。该系统在棉田实验取得了较好效果，能够保持2cm系统精度。其特点是尽量避免较大的计算，在不影响数据处理的情况下直接访问内存(DMA)图像数据，提高了系统的实时性；其不足之处是:条形框内目标垄像素数的判断具有不确定性，且条形框的形状参数设置会影响垄线的拟合。因此，在作物生长比较规整、土地比较平坦和垄行结构比较清晰的条件下，该系统具有较好的性能。比利时的Leemanst9]针对收获期菊苣垄田特点,提出了可适Hough变换识别垄沟线算法。该算法采用中值滤波器去除土壤背景和阴影，通过神经网络确定作物植株位置。但当作物根部与土壤具有相同颜色，光照条件变化时，作物与土壤背景的分割仍较困难。采用可适Hough变换提取各目标类垄线，并计算垄线的参考位置与角度，其鲁棒性较强，试验结果较好，能够满足农田视觉导航要求；但当作物垄出现缺失时，算法将导致不期望的结果。在另一篇文献中，作者进一步开发了基于播种线识别的辅助视觉导航系统，田间试验结果的(包括系统)误差小于100mm，可满足农田条播作业视觉导航的要求，并指出该系统对摄像头的安装要求较高。美国的Zhangtl1]采用了 GPS、⑶S、罗盘和视觉传感器等多源信息融合技术构建农田自动导航系统，分析了各传感器的优势，并指出信息融合是实现农田自动导航较好的方式。此后，Hantl2]等提出基于视觉的导航基准线算法。该算法先采用K均值聚类分割垄行，然后计算目标区域矩识别垄行，最后构建代价函数确定导航线。对大豆田30幅图像的试验结果:平均RMS侧向误差为1.0cm，平均代价为4.99 ;相对15幅谷子田图像的处理结果:平均RMS侧向误差为2.4cm，平均代价为7.27，可满足农田机器视觉导航作业的精度要求。Bakkert13]等为了改善视觉导航图像处理的速度，提出了基于灰度图像的Hough变换和图像融合的垄线检测方法。大棚环境下每幅图像的处理速度达到0.5 1.3s，但缺乏对垄线结构的信息的获取。Pajares等针对严重杂草侵害的玉米田，提出基于模板匹配的垄行自动识别算法。该算法考虑了田间机器人位姿信息对垄线匹配的影响，但垄线模板的形式受到限制，会影响其识别的准确性。Guerrei^15]等设计了采用专家系统识别垄线，利用了绿色加强算法，并采用Otsu方法进行二值化阈值获取，最后基于Theil-Sen进行垄线矫正处理。但在农业机械低速作业情况下，该算法的时间开销较大，最短的时间消耗为0.476s,随图像背景复杂甚至到达9s。参考文献:Marchant John A., Brivot Renaud.Real-time tracking of plant rowsusing a Hough transform.Real-Time Imaging,1995,1 (15):363-371Marcha nt J.A..Tracking of row structure in three crops using imageanalysis.Computers and Electronics in Agriculture,1996,15 (2): 161-179Marchant J.A., Hague T., Tillett N.D..Row-following accuracy of anautonomous vision-guided agricultural vehicle.Computers and Electronics inAgriculture,1997,16(2):165-175Pla F., Sanchiz J.M., Marchant J.A., et al..Building perspectivemodels to guide a row crop navigation vehicle.1mage and Vision Computing,1997,15(6):465-473 Sanchiz J.M., Pla F., Marchant J.A., Brivot R..Structure from motiontechniques applied to crop field mapping.1mage and Vision Computing.1996,14(5):353-363Sanchiz J.M., Pla F., Marchant J.A..An approach to the vision tasksinvolved in an autonomous crop protection vehicle.Engineering Applications ofArtificial Intelligence,1998,11(2):175-187 B jo" rn Astrand,Albert-Jan Baerveldt.A vision based row-followingsystem for本文档来自技高网...
【技术保护点】
一种基于一维Hough变换和专家系统的早期苗田垄线识别算法，其特征在于，包括如下步骤：?A1、垄田图像的预处理：?1)对获取的农田图像进行绿色提取和二值化处理；?2)对二值化处理后的图像进行除噪处理；?A2、基于专家系统的垄线识别?1)基于一维Hough变换提取垄线?田间机器人视觉系统所拍摄的图像的高度、宽度均为已知，沿图像水平中位线上对每个像素点，进行式(1)所示的Hough变换提取垄线：即在过该像素点角度范围(0°～180°)内找出所有直线上数据点最多的线，然后，将统计出该线的角度和线上数据点量，分别记入统计数组LocalMaxAngle[0..width?1]、LocalMaxData[0..width?1]；式(1)为一维Hough变换找垄线表达式，其中，ρ为点(x0，h)到直角坐标原点的距离，width，height分别为处理图像的宽度和高度，h＝height/2；?ρ＝x0cosθ+hsinθ，θ∈[0，180]，x0∈[0，width]??(1)?2)查找特征最明显的第一条垄线?查找统计数组中数据量最大的点及其角度，作为图像范围内垄线特征最明显的第一条垄线，并记录其与中位线的交点和夹角；同时，对第一条垄线上的垄线特征进行提取：垄线最大空白区域，即最大的连续背景点区域；垄线数据点平均分布p，即按式(2)进行处理?其中，Ai为连续作物点区域，m为作物点个数，n为该垄线上的区域个数；作物宽度，即沿第一条垄线自其与中位线交点向下，在垄线最大空白区域和数据点平均分布纵向范围内，进行作物宽度统计，找出作物最宽处像素量，即为作物宽度；同时，对中位线上?与第一条垄线交点左、右作物宽度内的统计数组做清零处理，以确保在确认的垄线周围作物宽度内不出现第二条疑似垄线；并将第一条垄线记录到垄线链表中；?3)查找其余垄线?选择统计数组新的最大值，通过交点、角度，并结合获得的第一条垄线特征参数判断待测垄线是否为符合实际情况的垄线，具体推理、判断过程为：?R1：待测垄线与第一条垄线是否有交点；若有，交点位置是否位于图像上方图像地平线位置以上区域，若不是则为错误垄线，将该错误垄线与中位线交点位置的统计数组值置零，选择新的垄线，返回3)，重新开始查找其余垄线；若交点在图像地平线下方，进入R2，继续判断；?R2：待测垄线上的垄线最大空白区域、垄线数据点平均分布特征同第一条垄线是否相同，若不同，将统计数组中待测垄线与中位线交点位置的统计数组值置零，选择新的垄线，返回3)，重新开始查找其余垄线；若相同，进入R3，继续判断；?R3：若待测垄线和第一条垄线最大空白区域、垄线数据点平均分布特征相同，且第二条确认垄线尚未确定，确定为第二条确认线，同时进行垄线关系参数设定：垄线间是否存在交点，第二条确认垄线同第一条确认垄线存在交点，则设置垄线存在交点标记为真，否则设置垄线存在交点标记为假；垄线间宽度，第二条确认垄线和中位线交点同第一条确认垄线和中位线交点间隔像素数量为垄线间宽度；将确认垄线连入垄线链表，在中位线上，其与确认垄线交点左、右作物宽度内统计数组值清零，确保在确认的垄线周围作物宽度内不出现其它条疑似垄线，转3)，重新开始查找其余垄线；若不为第二条确认垄线，则进入R4，进行线间关系检测；?R4：待测垄线与垄线链表中记录所有线依次进行比较：比较待测垄线最大空白区域、垄线数据点平均分布特征与第一条垄线是否相符；待测线与链表节点记录线线间关系是否符合实际，包括垄线间是否存在交点、垄线间距离。如果垄线间位置关系与已记录的垄线存在交点标记、垄线间宽度一致，即确认为下一条垄线，将确认出的垄线记入垄线链表；并在统计数组中，将确认垄线同中位线交点左、右垄线宽度范围内数组值置零；若待测垄线与链表节点记录线特征不一致，为错误垄线，在统计数组中将错误?垄线与中位线交点处的统计值置零，并在统计数组中选择下一个最大值，若选择出的统计数组最大值小于给定阈值，垄线确认过程结束；否则返回R3。?FSA00000857790600011.tif,FSA00000857790600021.tif,FSA00000857790600022.tif,FSA00000857790600023.tif,FSA00000857790600024.tif,FSA00000857790600025.tif...
【技术特征摘要】
【专利技术属性】
技术研发人员：张志斌，刘占，高光来，许岗，
申请(专利权)人：内蒙古大学，
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。