CN103914836B - 基于机器视觉的农田机械导航线提取算法 - Google Patents
基于机器视觉的农田机械导航线提取算法 Download PDFInfo
- Publication number
- CN103914836B CN103914836B CN201410110238.XA CN201410110238A CN103914836B CN 103914836 B CN103914836 B CN 103914836B CN 201410110238 A CN201410110238 A CN 201410110238A CN 103914836 B CN103914836 B CN 103914836B
- Authority
- CN
- China
- Prior art keywords
- image
- farmland
- algorithm
- machine vision
- line drawing
- 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.)
- Expired - Fee Related
Links
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 17
- 239000000284 extract Substances 0.000 claims abstract description 8
- 238000001514 detection method Methods 0.000 claims description 7
- 230000000007 visual effect Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 2
- 238000012937 correction Methods 0.000 abstract description 2
- 238000000605 extraction Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 241000196324 Embryophyta Species 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 244000037666 field crops Species 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
- Guiding Agricultural Machines (AREA)
Abstract
本发明公开一种基于机器视觉的农田机械导航线提取算法，该方法包括如下步骤：对CCD获取的彩色农田图像，使用改进的超绿算法进行灰度化，得到目标区分较好的图像；然后使用改进的Otsu算法对图像进行二值化阈值处理；再采用腐蚀、膨胀以及开闭运算的形态学算法去除图像噪声；提取主作物行并Hough变换来拟合导航线，计算航向偏差，得到平行的导航线，为实时校正航向提供反馈信息。本发明可以简化图像处理步骤和程序，改善以往算法适应性和精度较差、处理速度慢的缺点，提高算法通用性，使其处理不同作物的时候都能给出准确的导航线。本发明处理一幅图像所用时间在200ms左右，可满足农田机械实时导航的要求。
Description
技术领域
本发明涉及农业工程领域，尤其是自动化精耕细作中农田机械导航线的提取。
背景技术
精细农业由于资源消耗少、环境污染小等优点，已成为农业现代化、信息化的一个趋势。自动导航是精细农业的关键技术，常用的自动导航技术有GPS，多传感器融合，机器视觉等，机器视觉由于其在价格、抗干扰性等方面的优势，成为近年来导航技术研究的热点。国内外专家学者就农田机械导航技术进行深入研究。欧美国家起步较早，瑞典专家BjprnAstrand 等提出的基于Hough变换的强鲁棒性作物行识别的导航算法，通过融合多垄信息有效克服杂草噪声影响。但是目前的算法只能处理规则平直的作物行。比利时学者V.Leemans等比较了基于机器视觉的两种不同导航算法，第一个实验中用Hough变换结合递归滤波器获得了较好的结果。第二个实验中，获取的图像包括一些并列的行，考虑到行距等先验知识，提出一种改进的Hough变换算法，其检测种子行的真实性和精确度都更优。国内学者近年来也取得了显著的研究成果，中国农业大学的李茗萱，张漫等人针对基于机器视觉的自动导航系统现有导航线提取算法易受外界环境干扰和处理速度较慢等问题，提出一种基于图像扫描滤波的导航线提取方法。该方法是在传统多种图像处理算法的基础上结合图像扫描滤波的方法来提高导航线提取算法的速度和适应性。内蒙古大学的张志斌等提出一种基于平均垄间距的视觉导航垄线识别算法。他们对经过灰度二值化处理的图像进行基于垄间距一致性特点提取行，基于垄列向的连续性提取列。单垄和多垄沟图像的处理实验证明了其算法的实时性和准确性。
由于农田环境的非结构化特性，目前的农田视觉导航系统还不够成熟，理论上可行的方案，许多在应用于大田环境时，适应性和精度都不是十分理想。无序以及不规则杂草、光照强度等的影响使得实时导航难度更大。结合他人研究现状，本发明提出一种基于机器视觉的快速高效作物行提取算法，为农田机械提供可靠的导航线。
发明内容
本发明针对目前农业机械导航算法应用于大田环境时，适应性和精度差、速度慢的问题提出基于机器视觉的农田机械导航线提取算法。在已有超绿灰度化算法的基础上改进超绿因子为1.8G-R-0.8B对图像灰度化处理；灰度化处理效果较好，对目标图像的分割，可以采用简便快捷的阈值法；在考虑导航信息量和准确性的前提下，提取最重要的中间两行作物作为导航参照，使Hough变换的统计数组可以界定更小角度范围和距离范围，提高了运算速度。
为解决上述技术问题，本发明采用如下技术方案：
基于机器视觉的农田机械导航线提取算法，它的步骤如下：
S1：采用彩色相机获取农田图像；
S2：利用改进的超绿因子对超绿灰度化算法进行改进，并对获取的彩色图像灰度化；
S3：对灰度化图像进行二值化处理，得到二值图像；
S4：对二值化处理后的图像通过腐蚀、膨胀以及开闭运算的形态学处理方法滤除噪声；
S5：在考虑导航信息量和准确性的前提下，提取最重要的中间两行作物作为导航参照，采用中间扫描的方式提取主作物行；
S6：由于机器视觉系统所拍摄的图像尺寸已知，可以采用Hough变换来拟合导航线，使用Hough变换检测直线的思想如式（1）所示：利用图像空间和Hough空间的点-线对偶性，把图像空间的检测问题转换到参数空间，在参数空间通过简单累加统计寻找累加器峰值的方法检测直线，
,θ ∈ [0，180]，x ∈ [0，width] ，y∈ [0，hight] (1)
S7：对于提取的主作物行倾斜直线，依据视觉系统的标定原理进行校正，得到平行的导航线。
所述S1中使用的是农田真实复杂环境的图像，所述S2中使用的是改进的超绿因子1.8G-R-0.8B，灰度化处理效果较好，对目标图像的分割，可以采用简便快捷的阈值法，所述S4中采用3*3模板进行形态学除噪，所述S6中Hough变换的统计数组可以界定更小角度范围和距离范围。
本发明的有益效果是：本发明的基于机器视觉的农田机械导航线提取算法为农田机械导航线提取提供一种灵活的方法，改善了以往算法适应性和精度较差、处理速度慢的缺点，提高算法通用性，使其处理不同作物的时候都能给出准确的导航线。本发明处理一幅图像所用时间在200ms左右，可满足农田机械实时导航的要求。
附图说明
图1是本发明的技术流程图；
图2（a）是本发明的麦田原图，（b）是采用超绿算法处理的灰度图，（c）是本发明的灰度化算法处理的结果图像；
图3是本发明的阈值法二值化得到结果图像；
图4是本发明的形态学消噪得到的结果图像；
图5是本发明的细化处理结果图像；
图6是本发明的主作物行提取的结果图像；
图7是本发明的快速Hough变换得到的结果图像；
图8是本发明的导航线校正结果图像。
具体实施方式
如图1所示，本发明的基于机器视觉的农田机械导航线提取算法，它的步骤如下：
步骤S1：彩色数码相机在农田真实环境中拍摄的作物图片，如图2（a）所示，将其以JPG或者BMP的格式保存在电脑程序中，图像的大小为640*480，基于开发的视觉程序，该图片即可直接显示在程序界面上；
步骤S2：采用改进的超绿因子(1.8G-R-0.8B) 对超绿图像分割算法进行改进，对彩色图像进行处理得到灰度图像，如图2（c）所示，传统的超绿图像分割算法处理的图像如图2（b）所示；
步骤S3：采用Ostu算法对灰度图像进行二值化阈值处理，得到的二值图像如图3所示；
步骤S4：由于农作物的非结构化特性，行间仍有许多小噪声，作物行上也有少许小孔噪声。由于这些噪声相对于作物行面积较小，为了不改变和消除作物行有用信息，本发明采用形态学算法滤除噪声，本发明采用3*3模板对二值化图像分别进行腐蚀、膨胀以及开闭运算，处理结果如图4所示；
步骤S5：在考虑导航信息量和准确性的前提下，提取最重要的中间两行作物作为导航参照，因为相机安装于作业机械的中间部位，正常行走所拍摄的图像是对称的，如果出现偏差，中间两行作物的位置会有更明显的变化。采用中间扫描的方式提取主作物行，处理结果如图5所示；
步骤S6：由于机器视觉系统所拍摄的图像尺寸已知，可以采用Hough变换来拟合导航线。使用Hough变换检测直线的思想如式（1）所示：利用图像空间和Hough空间的点-线对偶性，把图像空间的检测问题转换到参数空间，在参数空间通过简单累加统计寻找累加器峰值的方法检测直线。式（1）中，为点（x,y）到直角坐标的距离，width和height分别为处理图像的宽度和高度。对于提取过主作物行的图像，Hough变换的统计数组可以界定更小角度范围和距离范围，因此克服原有Hough变化计算量大，速度慢的问题，处理结果如图6所示
,θ ∈ [0，180]，x ∈ [0，width] ，y∈ [0，hight] (1)；
步骤S7：对于提取的主作物行倾斜直线，依据视觉系统的标定原理进行校正，即通过计算两条主导航线的中线与图像中线的偏差，可以得到航向的像素级偏差，然后再依据视觉系统图像坐标系与世界坐标系之间的转换关系计算出真实的航向偏差，得到平行的导航线，反馈给机械系统进行校正，处理结果如图7所示。
本发明可以广泛的用于其它不同作物的作物行导航线提取。
以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。
Claims (4)
1.基于机器视觉的农田机械导航线提取算法，其特征在于，它的步骤如下：
S1：采用彩色相机获取农田图像；
S2：利用改进的超绿因子对超绿灰度化算法进行改进，并对获取的彩色图像灰度化；
S3：对灰度化图像进行二值化处理，得到二值图像；
S4：对二值化处理后的图像通过腐蚀、膨胀以及开闭运算的形态学处理方法滤除噪声；
S5：在考虑导航信息量和准确性的前提下，提取最重要的中间两行作物作为导航参照，采用中间扫描的方式提取主作物行；
S6：由于机器视觉系统所拍摄的图像尺寸已知，可以采用Hough变换来拟合导航线，使用Hough变换检测直线的思想如式（1）所示：利用图像空间和Hough空间的点-线对偶性，把图像空间的检测问题转换到参数空间，在参数空间通过简单累加统计寻找累加器峰值的方法检测直线，
,θ ∈ [0°，180°]，x ∈ [0，width] ，y∈ [0，hight] (1)
width为宽，hight为高；
S7：对于提取的主作物行倾斜直线，依据视觉系统的标定原理进行校正，得到平行的导航线。
2.根据权利要求1所述的基于机器视觉的农田机械导航线提取算法，其特征在于，在所述S1中使用的是农田真实复杂环境的图像。
3.根据权利要求1所述的基于机器视觉的农田机械导航线提取算法，其特征在于，在所述S2中使用的是改进的超绿因子1.8G-R-0.8B。
4.根据权利要求1所述基于机器视觉的农田机械导航线提取算法，其特征在于，在所述S4中采用3*3模板进行形态学除噪。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410110238.XA CN103914836B (zh) | 2014-03-24 | 2014-03-24 | 基于机器视觉的农田机械导航线提取算法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410110238.XA CN103914836B (zh) | 2014-03-24 | 2014-03-24 | 基于机器视觉的农田机械导航线提取算法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103914836A CN103914836A (zh) | 2014-07-09 |
| CN103914836B true CN103914836B (zh) | 2017-03-01 |
Family
ID=51040492
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410110238.XA Expired - Fee Related CN103914836B (zh) | 2014-03-24 | 2014-03-24 | 基于机器视觉的农田机械导航线提取算法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103914836B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110243372A (zh) * | 2019-06-18 | 2019-09-17 | 北京中科原动力科技有限公司 | 基于机器视觉的智能农机导航系统及方法 |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104200431A (zh) * | 2014-08-21 | 2014-12-10 | 浙江宇视科技有限公司 | 图像灰度化的处理方法及处理装置 |
| CN104361330B (zh) * | 2014-12-01 | 2017-09-22 | 郑州轻工业学院 | 一种玉米精准施药系统的作物行识别方法 |
| 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 |
| CN105987684A (zh) * | 2015-12-18 | 2016-10-05 | 中国科学院合肥物质科学研究院 | 一种基于单目视觉的农业车辆导航线检测系统及方法 |
| CN106447742A (zh) * | 2016-08-24 | 2017-02-22 | 广西科技大学 | 一种基于多次特征点选择的田间导航线提取方法 |
| CN110196053B (zh) * | 2019-06-13 | 2023-06-20 | 内蒙古大学 | 一种基于fpga的实时田间机器人视觉导航方法与系统 |
| CN110232389B (zh) * | 2019-06-13 | 2022-11-11 | 内蒙古大学 | 一种基于绿色作物特征提取不变性的立体视觉导航方法 |
| CN110516563A (zh) * | 2019-08-06 | 2019-11-29 | 西安电子科技大学 | 基于dsp的农业移栽机智能路径导航方法 |
| CN111026119B (zh) * | 2019-12-20 | 2023-02-24 | 扬州大学 | 一种对北斗卫星导航精准纠正的农苗对行除草控制方法 |
| CN112146646B (zh) * | 2020-09-04 | 2022-07-15 | 浙江大学 | 一种作物封垄后田间导航线的检测方法 |
-
2014
- 2014-03-24 CN CN201410110238.XA patent/CN103914836B/zh not_active Expired - Fee Related
Non-Patent Citations (3)
| Title |
|---|
| Robust Stabilization of Nonholonomic Systems with Unknown Time Delays;WU Yuanyuan et al.;《Proceedings of the 30th Chinese Control Conference》;20110724;1166-1171 * |
| 基于Hough变换的农业机械视觉导航基准线识别;马红霞;《农机化研究》;20130430(第4期);37-39 * |
| 基于机器视觉的农业车辆导航基准线提取方法的研究;马红霞;《中国优秀硕士学位论文全文数据库 农业科技辑》;20121115(第11期);第3、4章 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110243372A (zh) * | 2019-06-18 | 2019-09-17 | 北京中科原动力科技有限公司 | 基于机器视觉的智能农机导航系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103914836A (zh) | 2014-07-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103914836B (zh) | 基于机器视觉的农田机械导航线提取算法 | |
| CN101750051A (zh) | 一种视觉导航的多作物行检测方法 | |
| Chen et al. | Extracting the navigation path of a tomato-cucumber greenhouse robot based on a median point Hough transform | |
| CN105987684A (zh) | 一种基于单目视觉的农业车辆导航线检测系统及方法 | |
| Tong et al. | Skewness correction and quality evaluation of plug seedling images based on Canny operator and Hough transform | |
| CN105989601B (zh) | 基于机器视觉的农业agv玉米行间导航基准线提取方法 | |
| CN105021196B (zh) | 基于最小相切圆和形态学原理的作物行检测方法 | |
| CN109345554A (zh) | 一种基于rgb－d相机的粘连蘑菇视觉原位测量方法 | |
| CN103530606A (zh) | 一种杂草环境下的农机导航路径提取方法 | |
| CN106951905A (zh) | 一种基于tof相机的树上苹果识别与定位方法 | |
| CN105139407A (zh) | 一种基于Kinect传感器的颜色深度匹配植株识别方法 | |
| Gao et al. | Study on navigating path recognition for the greenhouse mobile robot based on K-means algorithm | |
| CN102073872B (zh) | 基于图像的寄生虫虫卵形状识别方法 | |
| Feng et al. | A separating method of adjacent apples based on machine vision and chain code information | |
| CN102750584A (zh) | 玉米粒在穗计数方法 | |
| Li et al. | Image detection and verification of visual navigation route during cotton field management period | |
| CN111597930A (zh) | 一种基于遥感云平台的海岸线提取方法 | |
| CN115560754A (zh) | 一种基于杂草去除的视觉导航方法 | |
| CN113450402B (zh) | 用于蔬菜大棚巡检机器人的导航中心线提取方法 | |
| Zhou et al. | Design and experiment of visual navigated UGV for orchard based on Hough matrix and RANSAC | |
| CN107578447B (zh) | 一种基于无人机影像的作物垄位置确定方法及系统 | |
| Yang et al. | Detection of maize navigation centerline based on machine vision | |
| CN108734054A (zh) | 无遮挡的柑橘果实图像识别方法 | |
| Mohammed Amean et al. | Automatic plant branch segmentation and classification using vesselness measure | |
| CN104132650A (zh) | 采用最大轮廓矩形法检测果树树叶稀密程度的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB03 | Change of inventor or designer information |
Inventor after: Diao Zhihua Inventor after: It's not far away. Inventor after: Fang Jie Inventor after: Wang Hong Inventor after: Zhang Xuncai Inventor after: Wang Zicheng Inventor after: Diao Chunying Inventor after: Luo Yawen Inventor before: Diao Zhihua Inventor before: It's not far away. Inventor before: Fang Jie Inventor before: Wang Hong Inventor before: Luo Yawen |
|
| COR | Change of bibliographic data | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170301 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |