[发明专利]基于语义分割的田间导航线提取方法

说明书

本发明公开了一种基于语义分割的田间导航线提取方法。该方法设计了用于提取田间导航路径的语义分割网络模型分割作物行间导航区域，再提取特征点，并采用过已知点霍夫变换提取导航线。语义分割网络基于Enet，去除网络结构冗余的一部分来降低网络参数量以提高该模型的预测的速度。基于已知点霍夫变换相较于传统霍夫变换速度更快。该方法可以提高机器视觉的鲁棒性，有效降低光照、颜色、作物高度等环境因素对路径识别的干扰。该方法适用于田间行栽培作物的导航路径识别，相较于传统机器视觉提取导航路径，具备精度高、适用性强、抗干扰能力强的技术优势。

技术领域

本发明属于农业自动化领域，具体涉及田间机器人导航，尤其涉及一种基于语义分割的田间导航线提取方法。

背景技术

实现田间车辆的自动行驶能有效提高作业效率，降低人工成本和劳动强度，也是智慧农业的重要组成部分。而传统的机器视觉提取导航线的方法大多采用图像处理技术来去除外界环境的干扰，但还是易受光照等环境因素的影响，不够稳定，因此，提高导航线提取的鲁棒性就显得非常重要。

在现有的导航线提取技术中，一般采用基于图像处理的阈值分割方法来区分背景和导航线提取区域。而基于图像处理的方法容易受到光照等环境因素的干扰而导致特征点提取误差大，鲁棒性差。

语义分割技术是神经网络发展的重要成果。可以通过训练神经网络输入图像，自动识别出作物行间区域为目标区域，并对图像中的每个像素进行标注。采用多样的数据训练网络可以得到更具有泛化性的模型，提高模型的鲁棒性。

发明内容

(一)要解决的技术问题

为解决机器视觉在田间导航中受光照，杂草等环境因素影响导致导航鲁棒性差的问题，本发明提供了一种基于语义分割的田间导航线提取方法，从而实现田间导航线的实时、准确、稳定的提取。

(二)技术方案

本发明为解决其技术问题所采用的的技术方案，提供了一种基于语义分割的田间导航线提取方法，该方法的总体技术流程见图1。

一种基于语义分割的田间导航线提取方法，其特征在于，包括：

步骤A，采集田间可行驶道路田间图像，选取不同天气光照条件下的原始图像，用于构建作物行间区域分割网络模型；

步骤B，人工使用Labelme对这些图像进行像素级标注，可识别的作物行间区域被标注为1，其它部分当做背景被标注为0；

步骤C，对每一张图像，进行亮度，对比度调整进行数据扩增，用于模拟不同天气的光照变化，提高分割网络的泛化能力；

步骤D，基于Keras框架训练分割网络模型，基于Enet网络结构，移除了Enet网络中冗余的卷积层，避免特征的重复提取，降低参数量，提高识别速度，网络模型结构见图2，Enet网络的初始化层结构见图3，Bottleneck层结构见图4，每个Bottleneck有三个卷积层。第一个卷积层为1×1卷积，用于减少维度。当某一个是Bottleneck下采样类型时第一个卷积层被映射为2×2，步长为2的卷积层，并且使用0填充。第二个卷积层可以是常规的3×3卷积，可以是1×5，5×1的非对称卷积，也可以是膨胀率为2/4/8/16卷积。第三个卷积层为1×1的卷积层用来升维；

步骤E，基于训练好的网络模型，分割作物行间区域；

步骤F，对分割好的图像提取作物行间区域每一行像素的中心点作为特征点，将这些特征点作为已知点来拟合导航线。

更具体的，步骤D中基于Enet的网络结构训练网络模型，具体流程包括5个步骤：

更具体地，步骤B中玉米三维点云的预处理，具体流程包括4个步骤：

(1)确定网络结构为Enet；