[发明专利]一种果园行间道路边缘提取方法

说明书

本发明属于农业机械自动化领域的技术领域，提供了一种果园行间道路边缘提取方法，包括S1、获取机器前进方向行间道路图，并对图进行分割；S2、对分割后的图像进行预处理，获取果园行间道路图；S3、在获取的果园行间道路图中提取感兴趣区域；S4、提取感兴趣区域的远景边界线、近景边缘点，并划分感兴趣区域左图与右图；S5、分别对感兴趣区域左图、感兴趣区域右图中道路边缘进行拟合得到左侧道路边缘拟合直线、右侧道路边缘拟合直线；S6、利用拟合的果园行间道路边缘直线、远景边界点、近景边缘点组合，分别形成左右两侧完整的果园行间道路边缘。本发明解决了现有技术中提取的果园行间道路边缘误差较大且存在遮挡物而影响路径提取的问题。

技术领域

本发明属于农业机械自动化领域的技术领域，更具体地，涉及一种果园行间道路边缘提取方法。

背景技术

现代果品产业是劳动密集型产业，果园喷药、采摘等均需要大量的劳动力投入，劳动生产率低，劳动力不足等问题严重制约果品产业发展，为促进果品产业的良性发展，农机智能化是未来发展的必然之路。定位和自主导航技术是农机智能化的重要组成部分，其实现方法多采用GNSS导航、激光雷达导航、多传感器融合导航等方式。近年来，深度学习快速发展，机器视觉凭借其信息量丰富、成本低廉等优点被广泛应用到农业机器人领域，而道路边缘提取是机器视觉在果园自主导航研究中的重点。国内在果园行间道路提取方面已有相关研究：

现有技术中，中国专利文献CN102194233A提出了一种利用G-B色差图像水平投影、垂直投影方式来获取林间道路，该方法对于长草的果园林间道路不能利用G-B色差来进行很好的区分，从而影响果园林间导航线的提取。

中国专利文献CN113280820A提出了一种基于segnet深度学习神经网络模型的果园路况信息提取方法，并直接利用提取的果园路况图像中识别为道路的边缘信息作为果园行间道路边缘，但是该方法未考虑光线、杂草等环境因素对segnet深度学习神经网络模型提取的果园路况信息的影响，直接利用提取的果园路况图像中道路边缘会导致提取的果园行间道路边缘误差较大。

中国专利文献CN111983637A一种基于激光雷达的果园行间路径提取方法与中国专利文献CN111539473A一种3D激光雷达的果园行间导航线提取方法，均提出了基于激光雷达通过检测果树树干的路径提取方法，但是该方法在应用于一般果园时，可能存在杂草、枝叶对树干遮挡检测不到树干的情况。

发明内容

本发明旨在克服上述现有技术的至少一种缺陷，提供一种果园行间道路边缘提取方法。

本发明详细的技术方案如下：

本发明为了解决上述技术问题，提供了一种果园行间道路边缘提取方法，以解决现有技术直接利用提取的路况图像中道路边缘会导致提取的果园行间道路边缘误差较大且存在遮挡物而影响路径提取等问题。

一种果园行间道路边缘提取方法，包括以下步骤：

S1、获取机器前进方向行间道路图，并利用基于深度学习的语义分割算法对机器前进方向行间道路图进行道路分割；

将机器前进方向行间道路图分割为果园行间道路初始图和非果园行间道路；被分割为果园行间道路初始图的图像像素值为预设像素值，被分割为非果园行间道路的图像像素值为0；所述预设像素值可根据实际情况设定，所述语义分割算法包含但不限于FCN、PSPNet、Deeplabv3、Deeplabv3plus。

S2、对分割后的果园行间道路初始图进行预处理，以获取果园行间道路图。

S3、在获取的果园行间道路图中提取感兴趣区域。所述感兴趣区域为果园行间道路图中水平方向且含有道路图像的部分。

S4、提取感兴趣区域的远景边界线和近景边缘点，并划分感兴趣区域左图、感兴趣区域右图。

所述远景边界点为果园行间左右两侧道路边缘与所述感兴趣区域顶端的交点；