[发明专利]基于双目视觉的插秧机插植系统相对航向信息检测方法

权利要求书

1.基于双目视觉的插秧机插植系统相对航向信息检测方法，其特征在于：具体包括以下步骤：

步骤S1：搭建图像采集系统，包括插秧机、计算机和两个带有USB接口的工业相机，工业相机采集到秧苗图像并传输至计算机进行分析处理；

步骤S2：构建具有空间约束的逻辑回归分类模型，采集用于模型训练的秧苗图像，对不同光照条件下秧苗图像样本进行秧苗和背景标注，划分为训练集和验证集，并在标注的秧苗、背景图像中分别计算获取饱和度与亮度的比值因子S/V和超绿因子2*Cg-Cr-Cb颜色特征参数，以训练集图像的颜色特征参数作为输入，训练逻辑回归分类模型，并基于验证集图像的结果优化模型参数；

步骤S3：获取待检测的秧苗图像中饱和度与亮度的比值因子S/V和超绿因子2*Cg-Cr-Cb颜色特征参数，输入到训练好的具有空间约束的逻辑回归分类模型，实现图像中秧苗、背景像素的分类，获取秧苗二值图像，并水平、垂直方向等间隔划分秧苗二值图像，形成若干个矩形块，统计每个矩形块内白色秧苗像素个数，计算每个矩形块内所有秧苗像素点坐标的平均值，以像素平均坐标点作为秧苗行的特征点，并采用最小二乘法拟合秧苗行的特征点，实现秧苗行线的提取；

步骤S4：分别以插秧机的重心、两工业相机的光心为中心构建导航坐标系统，其中两个工业相机场景中视觉坐标系分别为O_v-X_vY_vZ_v和O_t-X_tY_tZ_t，世界坐标系为O-XYZ，以插秧机邻近行的秧苗行和作业行的秧苗行为参考，结合视觉坐标系与世界坐标系的转换关系，分别计算插秧机车体相对于邻近行的秧苗行线、作业行的秧苗行线的航向角信息α、β；

步骤S5：通过工业相机参数、坐标变换来求取作业行的秧苗行线的斜率角γ，计算插秧机的插值系统航向角η＝π/2-γ；结合插秧机的运动学模型，以插秧机行驶方向为参考，推算插秧机车体与插植系统的相对航向偏差为将相对航向偏差与插秧机车体位姿信息进行融合，作为后续运动控制所需的决策控制量。

2.根据权利要求1所述的基于双目视觉的插秧机插植系统相对航向信息检测方法，其特征在于：所述步骤S1中，所述两个工业相机，其中，一个相机的拍摄视角与插秧机行驶方向一致，拍摄插秧机邻近的已插秧苗图像，另一个相机拍摄视角与插秧机行驶方向相反，用来拍摄插秧机插植系统后方已插的秧苗图像。

3.根据权利要求1所述的基于双目视觉的插秧机插植系统相对航向信息检测方法，其特征在于：所述步骤S2中，构建具有空间约束的逻辑回归分类模型，基于图像空间邻域像素的相似程度构建空间约束的逻辑回归分类模型，对于图像中任一像素点x，定义其s*s邻域为N_s(x)，计算当前像素值与其s邻域像素的相似程度γ_j(x,x_j)，其计算公式如下：

式中：g_c是像素x灰度值，g_n是x邻域像素灰度值，N是邻域像素个数；

基于邻域相似度设置像素邻域空间信息融合权重，并将像素邻域空间信息融合到逻辑回归分类模型的损失函数中，逻辑回归分类模型的损失函数J(w)计算公式如下：

式中：λ＞0表示正则化参数，m是训练样本图像数，y_i为样本图像对应的类别标签，秧苗或者背景，w和b分别表示权重系数和偏置，Fⁱ(x)为具有空间约束的像素x的特征向量，计算公式如下：

式中：fⁱ(x)为像素x的特征向量。

4.根据权利要求1所述的基于双目视觉的插秧机插植系统相对航向信息检测方法，其特征在于：所述步骤S2中，秧苗图像颜色特征参数获取，将RGB图像转化到符合人眼视觉特性的色度-饱和度-亮度HSV空间，提取饱和度与亮度的比值因子S/V，并将RGB空间转化为亮度和颜色分离的YCrCb空间，构造Cg分量和超绿因子2*Cg-Cr-Cb，其中，Cg分量计算公式如下：