[发明专利]一种基于机器视觉的果园行间道路偏移识别方法

权利要求书

1.一种基于机器视觉的果园行间道路偏移识别方法，其特征在于，包括：

步骤S1：果园机器人在行间行进过程中通过摄像头获取果园行间道路图像，并利用深度学习的语义分割方法进行果园行间道路分割；

步骤S2：对分割的后的图像进行二值化处理，并建立道路图像处理坐标系；

步骤S3：在二值化处理后的果园行间道路分割图像中选取n行，并获取所选取行中果园行间道路左、右边界点y坐标值；

所述二值化处理后的果园行间道路分割图像行的选取方法为以图像最下沿一行为第1行，依次向上按固定间隔m选取一行，共选取n行；

所述所在行果园行间道路左边界点y坐标值获取方法为自左向右扫描图像像素值，第一个像素值为255的点为果园行间道路左边界点，记录其y坐标值为，其中i为所在选取的n行中的行号；

所述所在行果园行间道路右边界点y坐标值获取方法为自右向左扫描图像像素值，第一个像素值为255的点为果园行间道路右边界点，记录其y坐标值为，其中i为所在选取的n行中的行号；

步骤S4：分别计算所选取的n行道路中心点，并计算道路中心点的平均位置;

所述所选取行中道路中心点的计算方法为：（I）；

所述道路中心点的平均位置计算方法为 (II)；

步骤S5：将计算所得的道路中心点平均位置添加至列表中；

所述道路中心点平均位置添加至列表D_List方法为将添加至D_List的最末端；

步骤S6：判断列表D_List长度：

若长度小于N，则返回S1；

若等于N，则继续向下运算；

若大于N，则删除列表D_List中第一个数，将列表D_List中N个数记作；

步骤S7：若N为偶数，则将列表D_List数据分为N/2组,;若N为奇数，则将列表D_List数据分为组,；

步骤S8：计算每组数两值的差S，若N为偶数，记录N/2组数中两值差为正值的个数，负值个数；若N为奇数，记录组数中两值差为正值的个数n_pos,负值的个数n_reg;

所述每组数两值的差S计算方法为

(III)；

步骤S9：利用计算P值：

其中，在公式（IV）中，；

步骤S10：利用计算所得的及P值计算趋势：

若大于并且P值小于0.05时，则趋势为‘inc’，即增长趋势；

若小于并且P值小于0.05，则趋势为‘dec’，即下降趋势；

否则，趋势为‘no_trend’，即无趋势。

2.根据权利要求1所述一种基于机器视觉的果园行间道路偏移识别方法，其特征在于，在所述步骤S1中，所述摄像头安装在果园机器人正前方，并与水平面存在向下倾角；

所述语义分割方法为，获取果园行间道路图像构建果园行间道路数据集，利用基于迁移学习的语义分割算法在果园行间道路数据集上进行训练，以获取果园行间道路分割模型，并利用训练好的果园行间道路分割模型进行果园行间道路分割，所述基于迁移学习的语义分割算法包括但不限于FCN算法、PSPNet算法、Deeplabv3算法、Deeplabv3plus算法。

3.根据权利要求1所述一种基于机器视觉的果园行间道路偏移识别方法，其特征在于，在所述步骤S2中，所述经二值化处理的的果园行间道路分割图像中果园行间道路像素值为255，非道路图像部分像素值为0，图像行尺寸为R，列尺寸为C；

所述建立道路图像处理坐标系：坐标原点为分割后图像左上角顶点，沿图像左侧自上而下方向为x轴正方向，沿图像顶端自左向右方向为y轴正方向。

4.根据权利要求1所述一种基于机器视觉的果园行间道路偏移识别方法，其特征在于，所述识别方法还包括步骤S11,

步骤S11：选取图像左偏移边界值L_v，图像右偏移边界值R_v，并计算道路是否偏移；

所述图像左偏移边界值L_v取值范围为，图像右偏移边界值R_v取值范围为，；

所述道路偏移判断方法为：

若趋势为‘inc’并且，或者趋势为‘dec’并且，则道路存在偏移；

否则道路不存在偏移。