[發(fā)明專利]一種用于無人駕駛農(nóng)業(yè)機(jī)械的苗列導(dǎo)航線檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202011290442.6
• 申請(qǐng)日: 2020-11-18
• 公開（公告）號(hào): CN112395984B
• 公開（公告）日: 2022-09-16
• 發(fā)明（設(shè)計(jì)）人: 趙偉;李祥光;趙雷雷
• 申請(qǐng)（專利權(quán)）人: 河南科技大學(xué)
• 主分類號(hào): G06V20/56
• 分類號(hào): G06V20/56;G06V10/25;G06V10/30;G06V10/44;G06V10/80;G06T5/00;G06T5/30
• 代理公司: 洛陽公信知識(shí)產(chǎn)權(quán)事務(wù)所(普通合伙) 41120
• 代理人: 王海龍

一種用于無人駕駛農(nóng)業(yè)機(jī)械的苗列導(dǎo)航線檢測(cè)方法，包括圖像獲取、閾值分割、去噪處理、苗列重心提取、掃描苗列最優(yōu)線、苗列輪廓融合與篩選和苗列導(dǎo)航線擬合步驟，其中分別掃描出通過苗列底部重心的底部苗列最優(yōu)線，以及通過苗列中部重心的中部苗列最優(yōu)線，再將底部苗列最優(yōu)線和中部苗列最優(yōu)線與去噪圖像的苗列區(qū)域進(jìn)行融合，三者在去噪圖像上融合后，能夠有效的消除苗列區(qū)域上由于苗列缺株而造成的缺失，即通過底部苗列最優(yōu)線和中部苗列最優(yōu)線兩者疊加配合，能夠有效填補(bǔ)苗列中的缺株部位，起到強(qiáng)化苗列輪廓的作用，最終把篩選得到的面積最大的苗列目標(biāo)輪廓區(qū)域擬合為苗列導(dǎo)航線，能夠大幅提升苗列導(dǎo)航線的精確程度，解決傳統(tǒng)算法的不足。

技術(shù)領(lǐng)域

本發(fā)明涉及無人駕駛農(nóng)業(yè)機(jī)械的苗列導(dǎo)航領(lǐng)域，尤其涉及一種用于無人駕駛農(nóng)業(yè)機(jī)械的苗列導(dǎo)航線檢測(cè)方法。

背景技術(shù)

隨著智能農(nóng)業(yè)的發(fā)展，無人駕駛農(nóng)機(jī)的應(yīng)用越發(fā)廣泛。為確保無人駕駛農(nóng)機(jī)在作業(yè)過程中可以按照實(shí)際情況調(diào)整作業(yè)軌跡，需要其具備自動(dòng)導(dǎo)航能力。目前國(guó)內(nèi)外應(yīng)用比較廣泛的導(dǎo)航方法主要有精密GNSS導(dǎo)航、機(jī)器視覺導(dǎo)航和傳感器融合導(dǎo)航等方式。其中，機(jī)器視覺導(dǎo)航技術(shù)以其成本低、魯棒性好、實(shí)時(shí)性強(qiáng)的優(yōu)點(diǎn)成為關(guān)注的熱點(diǎn)。傳統(tǒng)算法中通常以連續(xù)苗株作為研究對(duì)象，多數(shù)情況下由于受外界環(huán)境的影響，苗列中會(huì)存在苗株缺失的現(xiàn)象，此時(shí)傳統(tǒng)算法不能保證其檢測(cè)精度，導(dǎo)致檢測(cè)出的苗列導(dǎo)航線與實(shí)際苗列的偏差較大。中國(guó)專利文件CN111026119A，一種對(duì)北斗衛(wèi)星導(dǎo)航精準(zhǔn)糾正的農(nóng)苗對(duì)行除草控制方法，以及中國(guó)專利文件CN110516563A，基于DSP的農(nóng)業(yè)移栽機(jī)智能路徑導(dǎo)航方法，均對(duì)苗列導(dǎo)航線的檢測(cè)方法進(jìn)行了改進(jìn)，但都依然未能徹底消除苗株缺失產(chǎn)生的誤差現(xiàn)象。因此，現(xiàn)有的苗列導(dǎo)航線檢測(cè)方法誤差較大，難以引導(dǎo)無人駕駛農(nóng)業(yè)機(jī)械進(jìn)行準(zhǔn)確、安全、高效的作業(yè)。

發(fā)明內(nèi)容

為解決現(xiàn)有的苗列導(dǎo)航線檢測(cè)方法誤差較大問題，本發(fā)明提供了一種用于無人駕駛農(nóng)業(yè)機(jī)械的苗列導(dǎo)航線檢測(cè)方法。

本發(fā)明為解決上述技術(shù)問題所采用的技術(shù)方案是：一種用于無人駕駛農(nóng)業(yè)機(jī)械的苗列導(dǎo)航線檢測(cè)方法，包括以下步驟：

步驟一、圖像獲取

在農(nóng)業(yè)機(jī)械上安裝彩色攝像機(jī)，通過彩色攝像機(jī)對(duì)農(nóng)業(yè)機(jī)械作業(yè)路徑前方田地拍攝，得到包含農(nóng)作物苗列的彩色圖像，并建立圖像的坐標(biāo)系，以圖像頂端左角為坐標(biāo)原點(diǎn)，圖像頂端右角坐標(biāo)為，圖像底端左角坐標(biāo)為；

步驟二、閾值分割

根據(jù)農(nóng)作物的顏色設(shè)定閾值，對(duì)步驟一得到的彩色圖像進(jìn)行閾值分割處理，將苗列區(qū)域從彩色圖像的背景中分離并作為白色區(qū)域，得到以苗列區(qū)域?yàn)榘咨珔^(qū)域、其余區(qū)域?yàn)楹谏珔^(qū)域的二值圖像；

步驟三、去噪處理

對(duì)步驟二得到的二值圖像進(jìn)行中值濾波運(yùn)算，然后對(duì)二值圖像進(jìn)行先膨脹后腐蝕的形態(tài)學(xué)閉運(yùn)算，再根據(jù)坐標(biāo)系對(duì)二值圖像進(jìn)行輪廓查找，去除二值圖像中所有獨(dú)立存在且面積小于設(shè)定面積的白色區(qū)域，得到消除孔洞并去除小塊的去噪圖像；

步驟四、苗列重心提取

在步驟三得到的去噪圖像的底端和中部分別設(shè)置區(qū)域，對(duì)底端區(qū)域和中部區(qū)域分別進(jìn)行圖形掩膜，然后對(duì)底端區(qū)域和中部區(qū)域內(nèi)的苗列分別進(jìn)行重心提取，從而在去噪圖像的底部得到多個(gè)苗列底部重心，并在去噪圖像的中部得到多個(gè)苗列中部重心；

步驟五、掃描苗列最優(yōu)線

對(duì)步驟三得到的去噪圖像進(jìn)行掃描，分別得到多個(gè)苗列底部重心的直線集合以及多個(gè)苗列中部重心的直線集合，每個(gè)苗列底部重心的直線集合均包含了所有以該苗列底部重心為起點(diǎn)、并延伸至去噪圖像頂部的直線，每個(gè)苗列中部重心的直線集合均包含了所有以該苗列中部重心為起點(diǎn)、并延伸至去噪圖像頂部的直線，對(duì)所有直線集合分別進(jìn)行篩選，篩選出每個(gè)直線集合中各自通過白色區(qū)域最多的直線，從而得到分別通過多個(gè)苗列底部重心的多條底部苗列最優(yōu)線，以及分別通過多個(gè)苗列中部重心的多條中部苗列最優(yōu)線；