[发明专利]基于机器视觉的农田机械导航线提取算法

说明书

技术领域

本发明涉及农业工程领域，尤其是自动化精耕细作中农田机械导航线的提取。

背景技术

精细农业由于资源消耗少、环境污染小等优点，已成为农业现代化、信息化的一个趋势。自动导航是精细农业的关键技术，常用的自动导航技术有GPS，多传感器融合，机器视觉等，机器视觉由于其在价格、抗干扰性等方面的优势，成为近年来导航技术研究的热点。国内外专家学者就农田机械导航技术进行深入研究。欧美国家起步较早，瑞典专家Bjprn Astrand 等提出的基于Hough变换的强鲁棒性作物行识别的导航算法，通过融合多垄信息有效克服杂草噪声影响。但是目前的算法只能处理规则平直的作物行。比利时学者V.Leemans等比较了基于机器视觉的两种不同导航算法，第一个实验中用Hough变换结合递归滤波器获得了较好的结果。第二个实验中，获取的图像包括一些并列的行，考虑到行距等先验知识，提出一种改进的Hough变换算法，其检测种子行的真实性和精确度都更优。国内学者近年来也取得了显著的研究成果，中国农业大学的李茗萱，张漫等人针对基于机器视觉的自动导航系统现有导航线提取算法易受外界环境干扰和处理速度较慢等问题，提出一种基于图像扫描滤波的导航线提取方法。该方法是在传统多种图像处理算法的基础上结合图像扫描滤波的方法来提高导航线提取算法的速度和适应性。内蒙古大学的张志斌等提出一种基于平均垄间距的视觉导航垄线识别算法。他们对经过灰度二值化处理的图像进行基于垄间距一致性特点提取行，基于垄列向的连续性提取列。单垄和多垄沟图像的处理实验证明了其算法的实时性和准确性。

由于农田环境的非结构化特性，目前的农田视觉导航系统还不够成熟，理论上可行的方案，许多在应用于大田环境时，适应性和精度都不是十分理想。无序以及不规则杂草、光照强度等的影响使得实时导航难度更大。结合他人研究现状，本发明提出一种基于机器视觉的快速高效作物行提取算法，为农田机械提供可靠的导航线。

发明内容

本发明针对目前农业机械导航算法应用于大田环境时，适应性和精度差、速度慢的问题提出基于机器视觉的农田机械导航线提取算法。在已有超绿灰度化算法的基础上改进超绿因子为1.8G-R-0.8B对图像灰度化处理；灰度化处理效果较好，对目标图像的分割，可以采用简便快捷的阈值法；在考虑导航信息量和准确性的前提下，提取最重要的中间两行作物作为导航参照，使Hough变换的统计数组可以界定更小角度范围和距离范围，提高了运算速度。

为解决上述技术问题，本发明采用如下技术方案：

基于机器视觉的农田机械导航线提取算法，它的步骤如下：

S1：采用彩色相机获取农田图像；

S2：利用改进的超绿因子对超绿灰度化算法进行改进，并对获取的彩色图像灰度化；

S3：对灰度化图像进行二值化处理，得到二值图像；

S4：对二值化处理后的图像通过腐蚀、膨胀以及开闭运算的形态学处理方法滤除噪声；

S5：在考虑导航信息量和准确性的前提下，提取最重要的中间两行作物作为导航参照，采用中间扫描的方式提取主作物行；

S6：由于机器视觉系统所拍摄的图像尺寸已知，可以采用Hough变换来拟合导航线，使用Hough变换检测直线的思想如式（1）所示：利用图像空间和Hough空间的点-线对偶性，把图像空间的检测问题转换到参数空间，在参数空间通过简单累加统计寻找累加器峰值的方法检测直线，

,θ ∈ [0，180]，x ∈ [0，width] ，y∈ [0，hight]    (1)

S7：对于提取的主作物行倾斜直线，依据视觉系统的标定原理进行校正，得到平行的导航线。

所述S1中使用的是农田真实复杂环境的图像，所述S2中使用的是改进的超绿因子1.8G-R-0.8B，灰度化处理效果较好，对目标图像的分割，可以采用简便快捷的阈值法，所述S4中采用3*3模板进行形态学除噪，所述S6中Hough变换的统计数组可以界定更小角度范围和距离范围。

本发明的有益效果是：本发明的基于机器视觉的农田机械导航线提取算法为农田机械导航线提取提供一种灵活的方法，改善了以往算法适应性和精度较差、处理速度慢的缺点，提高算法通用性，使其处理不同作物的时候都能给出准确的导航线。本发明处理一幅图像所用时间在200ms左右，可满足农田机械实时导航的要求。

附图说明

图1是本发明的技术流程图；

图2（a）是本发明的麦田原图，（b）是采用超绿算法处理的灰度图，（c）是本发明的灰度化算法处理的结果图像；