[发明专利]用于无人收割机行进校准的倒伏作物识别方法

说明书

本发明涉及图像处理技术领域，具体涉及用于无人收割机行进校准的倒伏作物识别方法。方法包括：基于待收割的作物的俯视图像中像素点在H通道对应的值获得多个作物区域，对各作物区域进行角点检测获得初始角点；基于各作物区域中各初始角点在H通道对应的值、各初始角点和与其所在的作物区域中相邻的初始角点之间的连线与水平正方向形成的夹角，得到各初始角点对应的隶属度，基于隶属度获得目标角点；基于各作物区域中的各目标角点的预设邻域内像素点的像素值，获得各作物区域中的倒伏区域的所有边缘像素点，进而获取作物的倒伏区域。本发明能够获取完整的作物倒伏区域。

技术领域

本发明涉及图像处理技术领域，具体涉及一种用于无人收割机行进校准的倒伏作物识别方法。

背景技术

在作物的生长过程中，作物会因为大风、强降雨、冰雹、作物的光合作用等因素的影响出现倒伏的现象，倒伏现象会严重影响作物的收割，在利用无人收割机收割作物的过程中，若无人收割机的行进路线规划的不当，则会导致部分作物无法使用无人收割机进行收割，大大降低作物的产量。因此，在利用无人收割机收割作物时需先根据作物的倒伏情况对无人收割机行进路线做出相应的校准。在判断农作物是否出现倒伏现象时，需对农作物特征进行分析识别，倒伏区域与正常区域存在颜色差异，现有技术通常使用Harris角点检测的方式对采集到的农作物图像进行角点检测，进而根据得到的角点对作物状态进行识别。Harris角点检测算法是基于图像中像素点的梯度差异即像素值差异提取角点的，而由于作物体现在图像上其分布较密集，且倒伏区域的倒伏起始处与正常区域像素点的像素值存在较大差异，而倒伏结尾处与正常区域进行覆盖，因此与正常区域差异较起始处的像素值差异较小，此时使用角点检测算法对图像进行检测时，得到的倒伏区域的边缘不完整，进而会影响后续对无人收割机行进路线的校准。

发明内容

为了解决现有方法在提取作物倒伏区域的边缘时存在提取不完整的问题，本发明的目的在于提供一种用于无人收割机行进校准的倒伏作物识别方法，所采用的技术方案具体如下：

本发明提供了一种用于无人收割机行进校准的倒伏作物识别方法，该方法包括以下步骤：

获取待收割的作物的俯视图像；基于所述俯视图像中各像素点在H通道对应的值，对所述俯视图像进行分割，获得不少于两个作物区域；

对各作物区域进行角点检测获得各作物区域中的初始角点；基于各作物区域中各初始角点在H通道对应的值，得到各作物区域中各初始角点对应的H通道的相关指标；基于所述H通道的相关指标、各初始角点和与其所在的作物区域中相邻的初始角点之间的连线与水平正方向形成的夹角，得到各作物区域中各初始角点对应的隶属度；

基于所述隶属度获得目标角点；基于各作物区域中的各目标角点的预设邻域内像素点的像素值，获得各作物区域中的倒伏区域的所有边缘像素点；基于所述各作物区域中的倒伏区域的所有边缘像素点获取所述俯视图像中作物的倒伏区域。

优选的，对所述俯视图像进行分割的方法为Ｋ－means聚类算法。

优选的，得到各作物区域中各初始角点对应的H通道的相关指标，包括：

对于任一作物区域中的任一初始角点：将该初始角点在H通道对应的值与该初始角点所在的作物区域中所有初始角点在H通道的平均值的差值的绝对值，记为第一绝对值；对所述第一绝对值进行归一化处理，将预设调整参数与归一化后的第一绝对值的差值作为该初始角点对应的H通道的相关指标。

优选的，所述基于所述H通道的相关指标、各初始角点和与其所在的作物区域中相邻的初始角点之间的连线与水平正方向形成的夹角，得到各作物区域中各初始角点对应的隶属度，包括：

对于任一作物区域：