CN102194233A - 果园林间导航线提取方法 - Google Patents
果园林间导航线提取方法 Download PDFInfo
- Publication number
- CN102194233A CN102194233A CN 201110177902 CN201110177902A CN102194233A CN 102194233 A CN102194233 A CN 102194233A CN 201110177902 CN201110177902 CN 201110177902 CN 201110177902 A CN201110177902 A CN 201110177902A CN 102194233 A CN102194233 A CN 102194233A
- Authority
- CN
- China
- Prior art keywords
- orchard
- woodland
- color difference
- ordinate
- horizontal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种果园林间导航线提取方法,涉及图像处理技术领域。该方法包括步骤:S1.采集目标果园林间图像,并生成采集到的图像的色差图像;S2.获得所述色差图像在水平方向及垂直方向的像素灰度值的投影;S3.根据所述投影,获得所述目标果园林间路的远景中点及近景中点;S4.根据所述远景中点及近景中点,得到导航线。本发明的方法提取速度快,具有简单、可靠、实时性好等优点。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种果园林间导航线提取方法。
背景技术
具有高度自动化的农业机械以及更智能化的农业机器人近年来发展迅速,在降低农业生产的劳动强度、缓解农村劳动力不足、降低农产品生产成本等方面起到了较大作用。上述高度自动化农业机械和农业机器人的导航部件由于作用关键、技术难度较大,一直是研究的热点,按种类来分有GPS导航、惯性导航及机器视觉导航等方式,其中由于后者具有信号探测范围广、信息完整等优点,随着电子技术的快速发展,取得了较广泛的应用。
运用机器视觉来进行自动化农业机械或农业机器人自主导航,开始于20世纪80年代早期,当时相对低廉可靠的CCD图像传感器开始出现。随着计算机、微电子等相关技术的不断进步,一些复杂的图像处理和分析算法能够顺利实现,使得农业机器人视觉导航技术的研究迅速发展起来。在经历了沿犁沟、田垄、农作物行的机械触杆导航、预埋引导电缆的有线引导、地磁导航、无线电或激光导航、用惯性导航进行航程推算等多种导航方式的发展过程后,发达国家开始对农业机械的视觉导航进行研究,我国也从20世纪90年代开始此项研究。
在农田、林地等复杂的自然场景中,图像分割往往因光照、阴影等噪声困扰而变得十分困难,无法取得较为满意、稳定的图像分割效果。其中,由于果园环境具有非结构性的特点,环境复杂多样,背景多元叠加,易受自然光照、温度等影响,果树大小、生长形态各异,具有不确定性,比农田导航更具有挑战性,这就对果园导航实时生成提出了较高的要求。农田中早期农作物(小麦、大豆等)植株相对矮小,整齐的按行种植,行与行之间基本平行。同时,农作物一般呈绿色,作物行在整体上呈现直线形状或者小曲率曲线,作物行连续,检测到的导航特征在短时间隔内不会发生突变。与此不同的是,果园中果树植株高度不等,层次复杂,空间排列较为随机,视觉系统难以检测到明显的连续不变的导航特征,因此无法直接采用现有农田视觉导航系统的相关算法。乔化型果树植株高大,主干高度一般在70-80cm,在视野中可以较明显的区分主干与背景。根据以上特点,针对乔化型果园可采用突出主树干区域方式,寻找其颜色特征,并结合图像中天空、土壤、枝叶等其它背景的颜色特征,从而实现生成导航路径的方法。
果园内林间路径一般较窄,约2-3米,农业机械或农业机器人一般沿路径的中心线直线行走,因此,果园内林间导航线的提取实际为林间路径中心线的提取。
目前,国内外有些关于果园林间导航的研究报道,例如:国内本领域技术人员研究了自然环境下多种林间图像,采用霍夫变换(Hough Transform)的方法,提取林间导航线。霍夫变换算法鲁棒性好,稳定可靠,但缺点是非常耗时,难以保证实时性要求。有研究人员提取果树树干与地面的结合点,利用最小二乘法提取导航线,此方法需要对采集的图像进行图像分割,进行开运算、闭运算以及根据面积特征进行去除噪声操作,这些操作同样非常耗时,影响了算法的实时性。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是:提供一种提取速度快且实时性高的果园林间导航线提取方法。
(二)技术方案
为解决上述问题,本发明提供了一种果园林间导航线提取方法,该方法包括步骤:
S1.采集目标果园林间图像,并生成采集到的图像的色差图像;
S2.获得所述色差图像在水平方向及垂直方向的像素灰度值的投影;
S3.根据所述投影,获得所述目标果园林间路的远景中点及近景中点;
S4.根据所述远景中点及近景中点,得到导航线。
优选地,所述色差图像为G-B色差图像。
优选地,步骤S1进一步包括:
S1.1采集目标果园林间图像;
S1.2将所述采集到的图像在RGB颜色空间中G通道的像素值与B通道的像素值相减,得到所述G-B色差图像。
优选地,在步骤S2中,在水平方向上,对所述色差图像每行像素的灰度值进行逐行累加,得到所述色差图像像素灰度值的水平投影;在垂直方向上,对所述色差图像每行像素的灰度值进行逐行累加,得到所述色差图像像素灰度值的垂直投影。
优选地,步骤S3进一步包括:
S3.1获得所述水平投影最大值对应的纵坐标;
S3.2在水平方向上,将所述垂直投影平均分为左、中、及右三个部分,分别获得三部分的垂直投影的最小值;
S3.3以中间部分垂直投影的最小值对应的横坐标作为横坐标,将所述水平投影最大值对应的纵坐标作为纵坐标,得到远景中点;
S3.4以左右两部分垂直投影的最小值对应的横坐标的中间值作为横坐标,以采集到的图像近端的水平边缘对应的纵坐标为纵坐标,得到近景中点。
优选地,在步骤S4中,连接所述远景中点和近景中点得到所述导航线。
(三)有益效果
本发明的果园林间导航线提取方法提取速度快,具有简单、可靠、实时性好等优点。
附图说明
图1为依照本发明一种实施方式的果园林间导航线提取方法流程图;
图2为依照本发明一种实施方式的果园林间导航线提取方法中水平投影曲线示意图;
图3为依照本发明一种实施方式的果园林间导航线提取方法中垂直投影曲线示意图。
具体实施方式
本发明提出的果园林间导航线提取方法,结合附图及实施例详细说明如下。
如图1所示,依照本发明一种实施方式的果园林间导航线提取方法包括步骤:
S1.采集目标果园林间图像,并生成采集到的图像的色差图像;
S2.获得该色差图像在水平方向及垂直方向的像素灰度值的投影;
S3.根据步骤S2获得的投影,获得目标果园林间路的远景中点及近景中点;
S4.根据远景中点及近景中点,得到导航线。
在本发明中,一般采集到的图像均在RGB(红、绿、蓝)色彩空间中,采集到的图像中的每个像素都对应一组RGB值。在步骤S1中,色差图像优选为G-B色差图像。步骤S1进一步包括:
S1.1采集目标果园林间图像;
S1.2将该采集到的图像在RGB颜色空间中G通道的像素值与B通道的像素值相减,得到G-B色差图像。
G-B色差图像为本发明方法中色差图像的优选方式,本发明不限于此。
在步骤S2中,色差图像在水平方向的像素灰度值的投影即:在水平方向上,对色差图像每行像素的灰度值进行逐行累加,得到色差图像像素灰度值的水平投影,如图2所示。色差图像在垂直方向的像素灰度值的投影即:在垂直方向上,对色差图像每行像素的灰度值进行逐行累加,得到色差图像像素灰度值的垂直投影,如图3所示。
在本发明中,步骤S3进一步包括:
S3.1获得水平投影最大值对应的纵坐标,如图2中所示,在VYmax处水平投影取得最大值,其对应的纵坐标为238;
S3.2在水平方向上,将垂直投影平均分为左、中、及右三个部分,分别获得三部分的垂直投影的最小值,如图3中所示,左中右三部分的垂直投影的最小值分别为图中的VXmax1、VXmaxm、以及VMmaxr,对应的横坐标分别为97、326、及567;
S3.3以中间部分垂直投影的最小值对应的横坐标作为横坐标,将水平投影最大值对应的纵坐标作为纵坐标,得到远景中点,在本实施方式中远景中点的坐标即为(326,238);
S3.4以左右两部分垂直投影的最小值对应的横坐标的中间值作为横坐标,以采集到的图像近端的水平边缘对应的纵坐标为纵坐标,得到近景中点,设左右两部分垂直投影的最小值对应的横坐标分别为xl和xr,则中间值x=xl+(xr-xl)/2,本实施方式中求得中间值x=97+(567-97)/2=332,图像近端的水平边缘对应的纵坐标为480,近景中点坐标即为(332,480)。
在步骤S4中,连接远景中点和近景中点,即得到导航线。
以上实施方式仅用于说明本发明,而并非对本发明的限制。尽管参照实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,对本发明的技术方案进行各种组合、修改或者等同替换,都不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (6)
1.一种果园林间导航线提取方法,其特征在于,该方法包括步骤:
S1.采集目标果园林间图像,并生成采集到的图像的色差图像;
S2.获得所述色差图像在水平方向及垂直方向的像素灰度值的投影;
S3.根据所述投影,获得所述目标果园林间路的远景中点及近景中点;
S4.根据所述远景中点及近景中点,得到导航线。
2.如权利要求1所述的果园林间导航线提取方法,其特征在于,所述色差图像为G-B色差图像。
3.如权利要求2所述的果园林间导航线提取方法,其特征在于,步骤S1进一步包括:
S1.1采集目标果园林间图像;
S1.2将所述采集到的图像在RGB颜色空间中G通道的像素值与B通道的像素值相减,得到所述G-B色差图像。
4.如权利要求1所述的果园林间导航线提取方法,其特征在于,在步骤S2中,在水平方向上,对所述色差图像每行像素的灰度值进行逐行累加,得到所述色差图像像素灰度值的水平投影;
在垂直方向上,对所述色差图像每行像素的灰度值进行逐行累加,得到所述色差图像像素灰度值的垂直投影。
5.如权利要求1所述的果园林间导航线提取方法,其特征在于,步骤S3进一步包括:
S3.1获得所述水平投影最大值对应的纵坐标;
S3.2在水平方向上,将所述垂直投影平均分为左、中、及右三个部分,分别获得三部分的垂直投影的最小值;
S3.3以中间部分垂直投影的最小值对应的横坐标作为横坐标,将所述水平投影最大值对应的纵坐标作为纵坐标,得到远景中点;
S3.4以左右两部分垂直投影的最小值对应的横坐标的中间值作为横坐标,以采集到的图像近端的水平边缘对应的纵坐标为纵坐标,得到近景中点。
6.如权利要求1所述的果园林间导航线提取方法,其特征在于,在步骤S4中,连接所述远景中点和近景中点得到所述导航线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011101779029A CN102194233B (zh) | 2011-06-28 | 2011-06-28 | 果园林间导航线提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011101779029A CN102194233B (zh) | 2011-06-28 | 2011-06-28 | 果园林间导航线提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102194233A true CN102194233A (zh) | 2011-09-21 |
CN102194233B CN102194233B (zh) | 2012-08-15 |
Family
ID=44602248
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011101779029A Expired - Fee Related CN102194233B (zh) | 2011-06-28 | 2011-06-28 | 果园林间导航线提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102194233B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103186773A (zh) * | 2013-02-06 | 2013-07-03 | 内蒙古大学 | 一种基于一维Hough变换和专家系统的早期苗田垄线识别算法 |
CN103488991A (zh) * | 2013-09-30 | 2014-01-01 | 中国农业大学 | 一种用于作物田除草机具的导航线提取方法 |
CN103530606A (zh) * | 2013-09-30 | 2014-01-22 | 中国农业大学 | 一种杂草环境下的农机导航路径提取方法 |
CN104616014A (zh) * | 2014-12-15 | 2015-05-13 | 广西科技大学 | 基于形态学操作的田间曲线导航线提取方法 |
CN107437254A (zh) * | 2017-06-28 | 2017-12-05 | 常州大学 | 一种果园邻接重叠形态果实判别方法 |
CN108571963A (zh) * | 2018-05-07 | 2018-09-25 | 西安交通大学 | 一种果园机器人及其多超声视频点组合导航方法 |
CN110249793A (zh) * | 2019-05-09 | 2019-09-20 | 江苏大学 | 一种棚架葡萄收获的机器人末端-深度相机配置方法与伺服控制方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101794391A (zh) * | 2010-03-18 | 2010-08-04 | 中国农业大学 | 一种温室环境下导航线提取方法 |
CN101807252A (zh) * | 2010-03-24 | 2010-08-18 | 中国农业大学 | 作物行中心线提取方法和系统 |
-
2011
- 2011-06-28 CN CN2011101779029A patent/CN102194233B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101794391A (zh) * | 2010-03-18 | 2010-08-04 | 中国农业大学 | 一种温室环境下导航线提取方法 |
CN101807252A (zh) * | 2010-03-24 | 2010-08-18 | 中国农业大学 | 作物行中心线提取方法和系统 |
Non-Patent Citations (4)
Title |
---|
《农业机械学报》 20090430 周建军 等 基于模糊控制的农用车辆路线跟踪 全文 1-6 第40卷, 第4期 * |
《农业机械学报》 20090930 刘兆祥 等 基于机器视觉的农业车辆路径跟踪 全文 1-6 第40卷, * |
《农业机械学报》 20100731 司永胜 等 基于最小二乘法的早期作物行中心线检测方法 全文 1-6 第41卷, 第7期 * |
《江苏大学学报(自然科学版)》 20071130 赵博 等 农用车辆视觉导航路径识别方法 全文 1-6 第28卷, 第6期 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103186773A (zh) * | 2013-02-06 | 2013-07-03 | 内蒙古大学 | 一种基于一维Hough变换和专家系统的早期苗田垄线识别算法 |
CN103186773B (zh) * | 2013-02-06 | 2016-05-25 | 内蒙古大学 | 一种基于一维Hough变换和专家系统的早期苗田垄线识别算法 |
CN103488991A (zh) * | 2013-09-30 | 2014-01-01 | 中国农业大学 | 一种用于作物田除草机具的导航线提取方法 |
CN103530606A (zh) * | 2013-09-30 | 2014-01-22 | 中国农业大学 | 一种杂草环境下的农机导航路径提取方法 |
CN103530606B (zh) * | 2013-09-30 | 2016-06-29 | 中国农业大学 | 一种杂草环境下的农机导航路径提取方法 |
CN103488991B (zh) * | 2013-09-30 | 2016-08-24 | 中国农业大学 | 一种用于作物田除草机具的导航线提取方法 |
CN104616014A (zh) * | 2014-12-15 | 2015-05-13 | 广西科技大学 | 基于形态学操作的田间曲线导航线提取方法 |
CN107437254A (zh) * | 2017-06-28 | 2017-12-05 | 常州大学 | 一种果园邻接重叠形态果实判别方法 |
CN108571963A (zh) * | 2018-05-07 | 2018-09-25 | 西安交通大学 | 一种果园机器人及其多超声视频点组合导航方法 |
CN108571963B (zh) * | 2018-05-07 | 2020-08-28 | 西安交通大学 | 一种果园机器人及其多超声视频点组合导航方法 |
CN110249793A (zh) * | 2019-05-09 | 2019-09-20 | 江苏大学 | 一种棚架葡萄收获的机器人末端-深度相机配置方法与伺服控制方法 |
CN110249793B (zh) * | 2019-05-09 | 2021-06-18 | 江苏大学 | 一种棚架葡萄收获的机器人末端-深度相机配置方法与伺服控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102194233B (zh) | 2012-08-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102194233B (zh) | 果园林间导航线提取方法 | |
Bai et al. | Vision-based navigation and guidance for agricultural autonomous vehicles and robots: A review | |
He et al. | Auto recognition of navigation path for harvest robot based on machine vision | |
CN102999757B (zh) | 导航线提取方法 | |
CN103530606B (zh) | 一种杂草环境下的农机导航路径提取方法 | |
CN105719282B (zh) | 一种果园红色苹果图像果实枝叶区域获取方法 | |
US20220044044A1 (en) | Plant identification using heterogenous multi-spectral stereo imaging | |
CN103488991A (zh) | 一种用于作物田除草机具的导航线提取方法 | |
Adhikari et al. | 3D reconstruction of apple trees for mechanical pruning | |
CN114239756B (zh) | 一种虫害检测方法及系统 | |
CN111798433B (zh) | 基于无人机遥感的高原山区成熟火龙果实识别与计数方法 | |
Khoshroo et al. | Detection of red tomato on plants using image processing techniques. | |
Tejada et al. | Proof-of-concept robot platform for exploring automated harvesting of sugar snap peas | |
CN114067207A (zh) | 一种基于深度学习和图像处理的蔬菜苗田杂草检测方法 | |
Jin et al. | Far-near combined positioning of picking-point based on depth data features for horizontal-trellis cultivated grape | |
Gao et al. | Image processing and analysis for autonomous grapevine pruning | |
CN103729621A (zh) | 基于叶片骨架模型的植物叶片图像自动识别方法 | |
Rahimi et al. | Ananas comosus crown image thresholding and crop counting using a colour space transformation scheme | |
CN102339378A (zh) | 一种自动提取棉苗的方法及其装置 | |
Amean et al. | Automatic leaf segmentation and overlapping leaf separation using stereo vision | |
You et al. | Optical flow-based branch segmentation for complex orchard environments | |
CN104504736A (zh) | 一种识别大田作物长势监控图像中绿色植物的方法及系统 | |
CN102640622A (zh) | 采棉机导航信息图像检测方法及系统 | |
CN106683069A (zh) | 农田苗期行内作物-杂草识别方法 | |
Quan et al. | Selecting candidate regions of clustered tomato fruits under complex greenhouse scenes using RGB-D data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120815 Termination date: 20160628 |
|
CF01 | Termination of patent right due to non-payment of annual fee |