[发明专利]一种杂草环境下的农机导航路径提取方法

说明书

技术领域

本发明涉及一种图像处理技术，特别涉及一种杂草环境下的农机导航路径提取方法。

背景技术

随着传感器性价比的提高，以机器视觉和卫星定位为核心的农机自动导航技术日益成为研究的热点。导航技术广泛应用于各种农业作业（如除草、播种、收获等作业）过程中。导航功能直接影响农业机械的效率、可靠性和稳定性。农业导航技术难度较大，按种类来分有GPS导航、惯性导航及机器视觉导航等方式。由于机器视觉导航方式具有信号探测范围广、信息完整等优点，随着电子技术的快速发展，取得了较广泛的应用。

农业机械的机器视觉导航功能包括路径规划、避障与探测定位，它主要依赖于计算机在一定先验知识的指导下对图像进行有效的加工和分析，从而对农田景物场景以正确解释，为导航过程提供信息来源。多个不同功能的图像处理单元就可以集成为一个解决一定问题或实现一定功能的视觉导航系统，使田间作业的农业机械能够准确地沿着作物的行、列或其它标志物行走，并且能识别工作的对象。

在农田复杂的自然场景中，图像分割往往因光照、阴影等噪声困扰而变得十分困难，无法取得较为满意、稳定的图像分割效果。农田中早期农作物，植株相对矮小，整齐的按行种植，行与行之间基本平行。同时，农作物一般呈绿色，作物行在整体上呈现直线形状或者小曲率曲线，作物行连续，检测到的导航特征在短时间隔内不会发生突变,人们常常提取图像中的作物行作为导航线。

目前，国内外有许多关于作物行直线提取的研究报道，例如：国内本领域技术人员研究了自然环境下作物图像，采用霍夫变换（Hough Transform）的方法，提取作物行直线作为导航线。霍夫变换算法鲁棒性好，稳定可靠，但缺点是非常耗时，难以保证实时性要求。有研究人员利用最小二乘法提取导航线，用最小二乘法能够快速检测出作物行，但当图像噪声较大时，检测的结果有较大的误差，同时，当图像中包含多行作物时候，不能直接采用最小二乘法进行直线提取。

国内外研究基于机器视觉的文献较多。在研究初期，研究人员较少考虑杂草的影响。随着研究的深入，部分国内外研究开始考虑视觉导航中杂草的影响。如M.Montalvo等利用模式识别技术避免农机导航中杂草的影响；Xavier等对视频中多幅图像采用“与”的方式消除杂草；赵博等提出了一种基于BP神经网络杂草环境下导航路径识别方法；张志斌等提出了基于良序集和垄行结构的农机视觉导航参数提取算法。由于导航环境的复杂性，杂草环境下导航技术还存在多种弱点，例如M.Montalvo等提出的模式识别技术在实际应用中对作物行的直线性要求较高、可靠性较差；采用多幅图像“与”的方法处理速度慢，难以满足农机导航实时性要求。

由于大田作物一般行与行位置平行，因此在机器视觉导航时，可根据某一特定行的作物进行直线提取。在采集到的农田场景图像中除导航特征以外的信息是无效信息,不但浪费了大量的处理时间,而且增加了场景的复杂程度,还可能产生对场景中其它直线特征的误检。通过设置兴趣区ROI(Region Of Interest)实现选择注意机制,只对兴趣区ROI中的图像进行处理,可以大大减少图像处理的工作量,降低场景的复杂性,突出导航特征。

杂草的颜色和玉米等作物的颜色类似，将土壤、杂草等背景和作物进行分割，是提取作物行直线的基础。本发明提出了一种杂草环境下的农机导航路径提取方法。

本发明提出的一种杂草环境下的农机导航路径提取方法将图像的兴趣区划分成多个水平条带，对水平条带内识别出的植物（包含作物和杂草）进行垂直投影，进而提取特征点，最终提取导航路径。Torri、姜国权等都曾将图像分成多个水平条带，进而获取特征点、提取导航线，但较少考虑杂草的影响。李茗萱等也曾将图像分割为水平条带，并对植物（作物、杂草）进行投影，根据投影的宽度识别作物和杂草。实际导航应用中，杂草和作物难以通过简单的投影宽度进行准确区分。本发明的内容和上述方法具有明显不同。

发明内容

本发明提供一种用于杂草环境下农机导航路径提取方法，利用该方法能够较好地提高导航路径的提取速度、减少杂草影响，提高导航路径提取的可靠性，解决农机导航路径提取实时性差、可靠性低等问题。

为实现上述目的，本发明的提供了一种杂草环境下的农机导航路径提取方法，包括：

采集作物图像,使特定作物行与水平方向呈70～85度；

根据所采集到的图像确定兴趣区；

将兴趣区转换为二值图像;

将所述二值图像分为若干水平条带进行处理；