CN104567872A - 一种农机具导航线的提取方法及系统 - Google Patents
一种农机具导航线的提取方法及系统 Download PDFInfo
- Publication number
- CN104567872A CN104567872A CN201410746624.8A CN201410746624A CN104567872A CN 104567872 A CN104567872 A CN 104567872A CN 201410746624 A CN201410746624 A CN 201410746624A CN 104567872 A CN104567872 A CN 104567872A
- Authority
- CN
- China
- Prior art keywords
- image
- agricultural machinery
- crop
- leading line
- original image
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/215—Motion-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30241—Trajectory
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Guiding Agricultural Machines (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种农机具导航线的提取方法及系统,该方法包括:在作物行方向上采集作物的原始图像,并将所述原始图像灰度化处理后再转化为二值图像;获取农机采集作物的原始图像时的速度信息,建立所述二值图像与农机速度的模型,根据所述模型,选取两帧不同的二值图像作为获取农机具导航线的目标图像;将两帧不同的目标图像进行逻辑“与”运算,提取出作物行,进而获取农机具导航线。该方法实现了对作物行间杂草的有效滤除,降低杂草的干扰;提高了导航线提取的精度。
Description
技术领域
本发明涉及导航技术领域,具体涉及一种农机具导航线的提取方法及系统。
背景技术
农业机械自动导航技术是精细农业领域的关键技术之一,不仅可以减轻劳动者的体力劳动,而且可以提高作业效率和精度。农业机械自动导航主要分为GNSS(Global Navigation Satellite System)导航和机器视觉导航,其中,机器视觉导航成本较低,可以尽可能的采集作物信息,使用灵活,成为当前研究的热点。机器视觉导航自动获取农田图像信息,对图像进行分析处理后提取出导航线,作为农业机械自动导航的参考线,然后计算导航参数控制农业机械的行走作业。
农田中早期作物植株不高,由于机械播种,作物行之间基本平行,并且作物行呈现直线分布且连续,另一方面,作物行呈现明显的绿色,可以在视觉图像中进行区分,所以在机器视觉导航中通常提取作物行作为导航线。但是,由于农田环境复杂,光照变化、杂草干扰、阴影遮挡等因素都会影响导航线提取的准确性,
传统的机器视觉导航系统多采用Hough变换进行导航线的提取,该方法可以有效地对作物行进行直线检测,但存在算法复杂、计算量大等问题。一些研究人员采用最小二乘法对作物行进行直线检测,该方法检测速度快,但在作物行间杂草噪声较大时,会导致作物行检测的失败。
发明内容
针对现有技术中的缺陷,本发明提供了一种农机导航线的提取方法及系统,该方法实现了对作物行间杂草的有效滤除,提高了导航线提取的速度和精度。
第一方面,本发明提供一种农机具导航线的提取方法,包括:
在作物行方向上采集作物的原始图像,并将所述原始图像灰度化处理后再转化为二值图像;
获取农机采集作物的原始图像时的速度信息,建立所述二值图像与农机速度的模型,根据所述模型,选取两帧不同的二值图像作为获取农机具导航线的目标图像;
将两帧不同的目标图像进行逻辑“与”运算,提取出作物行,进而获取农机具导航线。
可选的,所述在作物行方向上采集作物的原始图像,包括:
在所述农机上安装拍摄相机,所述摄像机与作物行的水平方向呈70~80度,通过所述摄像机采集作物的原始图像。
可选的,所述将所述原始图像灰度处理化后再转化为二值图像,包括:
对所述原始图像采用2G-R-B方法进行灰度化处理;
采用Otsu分割方法将灰度化处理后的图像进行分割,得到二值图像。
可选的,所述获取农机采集作物的原始图像时的速度信息,包括:
在所述农机上安装有速度传感器,通过所述速度传感器获取农机采集作物的原始图像时的速度信息。
可选的,所述建立所述二值图像与农机速度的模型,根据所述模型,选取两帧不同的二值图像作为获取农机具导航线的目标图像,包括:
根据所述二值图像的帧数和所述农机速度,建立所述二值图像与农机速度的模型;
根据所述模型以及所述农机速度,确定待选取两帧不同的二值图像的相隔帧数n;
根据所述待选取两帧不同的二值图像的相隔帧数n,选择当前图像与该图像相隔帧数为n的图像作为获取农机具导航线的目标图像。
可选的,所述将两帧不同的目标图像进行逻辑“与”运算,提取出作物行,进而获取农机具导航线,包括:
对所述两帧不同的目标图像进行逻辑“与”运算;
采用最小二乘法提取作物行中心线,进而获取农机具导航线。
第二方面,本发明还提供了一种农机具导航线的提取系统,包括:
第一运算单元,用于在作物行方向上采集作物的原始图像,并将所述原始图像灰度化处理后再转化为二值图像;
第二运算单元,用于获取农机采集作物的原始图像时的速度信息,建立所述二值图像与农机速度的模型,根据所述模型,选取两帧不同的二值图像作为获取农机具导航线的目标图像;
提取单元,用于将两帧不同的目标图像进行逻辑“与”运算,提取出作物行,进而获取农机具导航线。
可选的,所述第一运算单元,还用于:
在所述农机上安装拍摄相机,所述摄像机与作物行的水平方向呈70~80度,通过所述摄像机采集作物的原始图像;
对所述原始图像采用2G-R-B方法进行灰度化处理;
采用Otsu分割方法将灰度化处理后的图像进行分割,得到二值图像。
可选的,所述第二运算单元,还用于:
在所述农机上安装有速度传感器,通过所述速度传感器获取农机采集作物的原始图像时的速度信息;
根据所述二值图像的帧数和所述农机速度,建立所述二值图像与农机速度的模型;
根据所述模型以及所述农机速度,确定待选取两帧不同的二值图像的相隔帧数n;
根据所述待选取两帧不同的二值图像的相隔帧数n,选择当前图像与该图像相隔帧数为n的图像作为获取农机具导航线的目标图像。
可选的,所述提取单元,还用于:
对所述两帧不同的目标图像进行逻辑“与”运算;
采用最小二乘法提取作物行中心线,进而获取农机具导航线。
由上述技术方案可知,本发明提供的一种农机具导航线的提取方法及系统,该方法首先通过采集农田作物原始图像信息,对原始图像进行灰度化、二值化处理,可以有效滤除部分噪声,将作物与农田区分开来;同时,采集农机速度信息,通过建立的图像与农机速度模型选择两帧不同的图像,将两帧图像进行逻辑“与”运算提取出作物行,进而提取出导航线。该方法实现了对作物行间杂草的有效滤除,降低杂草的干扰;提高了导航线提取的精度。
附图说明
图1为本发明一实施例提供的一种农机具导航线的提取方法的流程示意图;
图2A至图2C为本发明实施例提供的图像处理示意图;
图3为本发明实施例提供的根据二值图像与农机速度的模型,获取目标图像的流程图;
图4A至图4B为本发明一实施例提供的相邻区域的原始图像和二值图像示意图;
图5为本发明一实施例提供的滤除杂草噪声后的图像示意图;
图6为本发明一实施例提供的提取导航线的图像示意图;
图7为本发明一实施例提供的一种农机具导航线的提取系统的结构示意图。
具体实施方式
下面结合附图,对发明的具体实施方式作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
图1为本发明一实施例提供的一种农机具导航线的提取方法的流程示意图,如图1所示,该方法包括以下步骤:
101、在作物行方向上采集作物的原始图像,并将所述原始图像灰度化处理后再转化为二值图像;
102、获取农机采集作物的原始图像时的速度信息,建立所述二值图像与农机速度的模型,根据所述模型,选取两帧不同的二值图像作为获取农机具导航线的目标图像;
103、将两帧不同的目标图像进行逻辑“与”运算,提取出作物行,进而获取农机具导航线。
上述方法通过采集农田作物原始图像信息,对原始图像进行灰度化、二值化处理,可以有效滤除部分噪声,将作物与农田区分开来;同时,采集农机速度信息,通过建立的图像与农机速度模型选择两帧不同的图像,将两帧图像进行逻辑“与”运算提取出作物行,进而提取出导航线。该方法实现了对作物行间杂草的有效滤除,降低杂草的干扰;提高了导航线提取的速度和精度。
具体的,上述步骤101具体包括以下步骤:
1011、在所述农机上安装拍摄相机,所述摄像机与作物行的水平方向呈70~80度,通过所述摄像机采集作物的原始图像,如图2A所示;
1012、对所述原始图像采用2G-R-B方法进行灰度化处理;
举例来说,本实施例中选用RGB颜色空间,对图2A所示的原始图像采用2G-R-B方法进行灰度化处理,得到如图2B所示的图像。
1013、采用Otsu分割方法将灰度化处理后的图像进行分割,得到二值图像。
举例来说,采用Otsu分割方法将灰度化处理后的图像图2B进行分割,得到二值图像,将作物信息从土壤、杂草等背景中提取出来,处理得到图像如图2C所示。
上述步骤102具体包括以下步骤:
1021、在所述农机上安装有速度传感器,通过所述速度传感器获取农机采集作物的原始图像时的速度信息;
1022、根据所述二值图像的帧数和所述农机速度,建立所述二值图像与农机速度的模型;
具体的,机器视觉导航作业过程中,实时获取的农田作物图像是动态变化的,根据动态图像中作物行与杂草的分布规律,本发明建立以下约束条件:
(1)杂草在视觉形状上可以分布为点状(单株)或团状,分布具有随机性。
(2)作物行起始于图像底边,终止于图像顶边,走向近似为一条直线,作物行之间相互平行,分布具有规律性。
由上述约束条件可以得出,导航过程中由于导航系统位置的变化造成相邻两帧图像中间一片杂草在图像纵向(导航农机运行方向)上的位置不同,但作物行在图像纵向上仍呈直线。若对相邻两帧的二值图像进行像素“与”操作,利用作物行的规律性和杂草的随机性可以消除杂草噪声。但是,相邻两帧图像中的杂草在纵向位置上的变化程度、作物行在横向(与导航农机运行方向垂直)位置上的变化程度与导航系统的行驶速度有关。导航速度较小时,杂草在图像纵向上的位置变化不大,此时杂草团在两帧图像中可能产生重合,不利于杂草噪声的消除;导航速度较大时,由于导航系统横向控制作用,导致作物行在图像横向上的位置变化较大,两帧图像进行“与”操作后可能造成作物行信息的丢失,影响导航线检测的精度。基于以上原因,本发明建立图像与农机的速度模型,根据导航速度对两幅图像的相隔帧数进行选择,其流程图如图3所示,导航速度V与两幅图像相隔帧数n的约束关系如下:
(1)导航农机速度V、相机图像采集频率为N帧/s,则相隔n帧的图像中同一片杂草在导航系统行驶方向上位置之差为V×n/N,在图像坐标系下纵向位置之差为f(V×n/N),f表示世界坐标系到图像坐标系的转换关系,N固定时,n的选取与V有关。
(2)V较大时,杂草纵向位置变化率较快,作物行横向位置变化率较快,此时n应该选择小一些,避免两幅图像进行与操作后作物行信息丢失。
(3)V较小时,杂草纵向位置和作物行横向位置变化率较小,此时n应该选择大一些,避免两幅图像中杂草重叠造成滤波效果不佳。
在摄像头安装位置和角度固定的情况下,利用坐标转换公式f可以计算得出同一片杂草在世界坐标系下相对于导航系统的位移。一般情况下两幅图像中的同一片杂草在图像坐标系下纵向位置相差2cm~3cm时,对于点状杂草或者团状杂草均有较好的滤波效果。利用坐标转换关系f计算得到同一片杂草在导航系统行驶方向上位置之差为20cm~30cm。本发明中导航系统速度为0~2m/s,摄像头视频采集频率为5帧/s,确定V与n的关系如下:
当V<0.5m/s时,n=4;
当0.5m<V<1m/s时,n=3;
当1m/s<V<1.5m/s时,n=2;
当1.5m/s<V<2m/s时,n=1;
1023、根据所述模型以及所述农机速度,确定待选取两帧不同的二值图像的相隔帧数n;
具体的,采用上述图像与农机速度模型,以获得的农机速度V为模型的输入量,确定两幅图像相隔帧数n。
1024、根据所述待选取两帧不同的二值图像的相隔帧数n,选择当前图像与该图像相隔帧数为n的图像作为获取农机具导航线的目标图像。
举例来说,如图4A为图2A相隔帧数为n的原始图像,图4B为图4A二值化后的图像。
具体的,选择当前图像与之前相隔n帧的图像作为逻辑“与”运算的目标图像,如图2C和图4B所示。
上述步骤103具体包括以下步骤:
1031、对所述两帧不同的目标图像进行逻辑“与”运算;
具体的,根据步骤1022中对作物行和杂草的分布规律建立的约束条件,对步骤1024中选择的目标图像进行逻辑“与”运算,利用作物行的规律性和杂草的随机性可以消除杂草噪声的干扰。对于M×N的图像,像素“与”操作表达式如下:
B(i,j)=A(i,j)&&B(i,j)i=1,2,…,M,j=1,2…,N
其中,A(i,j)表示前n帧二值图像中的像素,B(i,j)表示当前帧二值图像中的像素,&&表示“与”操作。运算后消除部分杂草,结果如图5所示。
1032、采用最小二乘法提取作物行中心线,进而获取农机具导航线。
具体的,本发明选用最小二乘法提取导航线。首先对步骤1031得到的作物行图像进行像素行扫描,确定每行的作物边缘点(xx1,yy1),(xx2,yy1),根据公式计算得到作物行的中心点(x1,y1),
y1=yy1
通过对像素行的扫描,可以得到n个数据点(x1,y1)(x2,y2).......(xn,yn),本发明寻求一条直线y=β0+β1x,使得指标最小,β1和β0分别表示直线的斜率和截距,即寻求与给定数据点的距离平方和最小的直线,需要寻找合适的β1和β0。根据极值定理,用Q(β0,β1)对β1、β0求偏导,令这两个偏导数为零,可得
进一步整理可得
求解方程组可得
根据已知离散点的坐标可以计算出直线的截距和斜率,进而得到拟合直线作为导航线,如图6所示。
图7为本发明一实施例提供的一种农机具导航线的提取系统的结构示意图,如图7所示,该系统包括第一运算单元71、第二运算单元72和提取单元73。
第一运算单元71,用于在作物行方向上采集作物的原始图像,并将所述原始图像灰度化处理后再转化为二值图像;
在具体应用中,上述第一运算单元71具体用于:
在所述农机上安装拍摄相机,所述摄像机与作物行的水平方向呈70~80度,通过所述摄像机采集作物的原始图像;
对所述原始图像采用2G-R-B方法进行灰度化处理;
采用Otsu分割方法将灰度化处理后的图像进行分割,得到二值图像。
第二运算单元72,用于获取农机采集作物的原始图像时的速度信息,建立所述二值图像与农机速度的模型,根据所述模型,选取两帧不同的二值图像作为获取农机具导航线的目标图像;
在具体应用中,上述第二运算单元72具体用于:
在所述农机上安装有速度传感器,通过所述速度传感器获取农机采集作物的原始图像时的速度信息;
根据所述二值图像的帧数和所述农机速度,建立所述二值图像与农机速度的模型;
根据所述模型以及所述农机速度,确定待选取两帧不同的二值图像的相隔帧数n;
根据所述待选取两帧不同的二值图像的相隔帧数n,选择当前图像与该图像相隔帧数为n的图像作为获取农机具导航线的目标图像。
提取单元73,用于将两帧不同的目标图像进行逻辑“与”运算,提取出作物行,进而获取农机具导航线。
在具体应用中,上述提取单元73具体用于:
对所述两帧不同的目标图像进行逻辑“与”运算;
采用最小二乘法提取作物行中心线,进而获取农机具导航线。
本发明的系统与方法是一一对应的,因此方法中一些参数的计算过程也适用于该系统中计算的过程,在系统中将不再进行详细说明。
本发明的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.一种农机具导航线的提取方法,其特征在于,包括:
在作物行方向上采集作物的原始图像,并将所述原始图像灰度化处理后再转化为二值图像;
获取农机采集作物的原始图像时的速度信息,建立所述二值图像与农机速度的模型,根据所述模型,选取两帧不同的二值图像作为获取农机具导航线的目标图像;
将两帧不同的目标图像进行逻辑“与”运算,提取出作物行,进而获取农机具导航线。
2.根据权利要求1所述的方法,其特征在于,所述在作物行方向上采集作物的原始图像,包括:
在所述农机上安装拍摄相机,所述摄像机与作物行的水平方向呈70~80度,通过所述摄像机采集作物的原始图像。
3.根据权利要求2所述的方法,其特征在于,所述将所述原始图像灰度处理化后再转化为二值图像,包括:
对所述原始图像采用2G-R-B方法进行灰度化处理;
采用Otsu分割方法将灰度化处理后的图像进行分割,得到二值图像。
4.根据权利要求1所述的方法,其特征在于,所述获取农机采集作物的原始图像时的速度信息,包括:
在所述农机上安装有速度传感器,通过所述速度传感器获取农机采集作物的原始图像时的速度信息。
5.根据权利要求1所述的方法,其特征在于,所述建立所述二值图像与农机速度的模型,根据所述模型,选取两帧不同的二值图像作为获取农机具导航线的目标图像,包括:
根据所述二值图像的帧数和所述农机速度,建立所述二值图像与农机速度的模型;
根据所述模型以及所述农机速度,确定待选取两帧不同的二值图像的相隔帧数n;
根据所述待选取两帧不同的二值图像的相隔帧数n,选择当前图像与该图像相隔帧数为n的图像作为获取农机具导航线的目标图像。
6.根据权利要求5所述的方法,其特征在于,所述将两帧不同的目标图像进行逻辑“与”运算,提取出作物行,进而获取农机具导航线,包括:
对所述两帧不同的目标图像进行逻辑“与”运算;
采用最小二乘法提取作物行中心线,进而获取农机具导航线。
7.一种农机具导航线的提取系统,其特征在于,包括:
第一运算单元,用于在作物行方向上采集作物的原始图像,并将所述原始图像灰度化处理后再转化为二值图像;
第二运算单元,用于获取农机采集作物的原始图像时的速度信息,建立所述二值图像与农机速度的模型,根据所述模型,选取两帧不同的二值图像作为获取农机具导航线的目标图像;
提取单元,用于将两帧不同的目标图像进行逻辑“与”运算,提取出作物行,进而获取农机具导航线。
8.根据权利要求7所述的系统,其特征在于,所述第一运算单元,还用于:
在所述农机上安装摄相机,所述摄像机与作物行的水平方向呈70~80度,通过所述摄像机采集作物的原始图像;
对所述原始图像采用2G-R-B方法进行灰度化处理;
采用Otsu分割方法将灰度化处理后的图像进行分割,得到二值图像。
9.根据权利要求7所述的系统,其特征在于,所述第二运算单元,还用于:
在所述农机上安装有速度传感器,通过所述速度传感器获取农机采集作物的原始图像时的速度信息;
根据所述二值图像的帧数和所述农机速度,建立所述二值图像与农机速度的模型;
根据所述模型以及所述农机速度,确定待选取两帧不同的二值图像的相隔帧数n;
根据所述待选取两帧不同的二值图像的相隔帧数n,选择当前图像与该图像相隔帧数为n的图像作为获取农机具导航线的目标图像。
10.根据权利要求7所述的系统,其特征在于,所述提取单元,还用于:
对所述两帧不同的目标图像进行逻辑“与”运算;
采用最小二乘法提取作物行中心线,进而获取农机具导航线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410746624.8A CN104567872B (zh) | 2014-12-08 | 2014-12-08 | 一种农机具导航线的提取方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410746624.8A CN104567872B (zh) | 2014-12-08 | 2014-12-08 | 一种农机具导航线的提取方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104567872A true CN104567872A (zh) | 2015-04-29 |
CN104567872B CN104567872B (zh) | 2018-09-18 |
Family
ID=53084488
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410746624.8A Active CN104567872B (zh) | 2014-12-08 | 2014-12-08 | 一种农机具导航线的提取方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104567872B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105844280A (zh) * | 2016-03-22 | 2016-08-10 | 杨敏 | 线条工具痕迹图像中线条精确定位与提取方法 |
WO2022047830A1 (zh) * | 2020-09-04 | 2022-03-10 | 浙江大学 | 一种作物封垄后田间导航线的检测方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05165945A (ja) * | 1991-12-13 | 1993-07-02 | Fujitsu Ltd | 指紋の線方向算出装置および方法 |
JP2009265891A (ja) * | 2008-04-24 | 2009-11-12 | Daihatsu Motor Co Ltd | 障害物認識装置 |
CN102252681A (zh) * | 2011-04-18 | 2011-11-23 | 中国农业大学 | 基于gps和机器视觉的组合导航定位系统及方法 |
CN102269595A (zh) * | 2010-06-02 | 2011-12-07 | 东北大学 | 基于导航线识别的嵌入式单目视觉导航系统 |
CN102819952A (zh) * | 2012-06-29 | 2012-12-12 | 浙江大学 | 一种基于视频检测技术的车辆违法变道检测方法 |
KR101342124B1 (ko) * | 2013-10-18 | 2013-12-19 | 주식회사 지티 | 영상을 이용한 전방 차량 인식 및 추적 시스템 및 이를 이용한 차량 인식 및 추적 방법 |
CN103559482A (zh) * | 2013-11-05 | 2014-02-05 | 无锡慧眼电子科技有限公司 | 基于边缘对称性的行人检测方法 |
CN103940434A (zh) * | 2014-04-01 | 2014-07-23 | 西安交通大学 | 基于单目视觉和惯性导航单元的实时车道线检测系统 |
-
2014
- 2014-12-08 CN CN201410746624.8A patent/CN104567872B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05165945A (ja) * | 1991-12-13 | 1993-07-02 | Fujitsu Ltd | 指紋の線方向算出装置および方法 |
JP2009265891A (ja) * | 2008-04-24 | 2009-11-12 | Daihatsu Motor Co Ltd | 障害物認識装置 |
CN102269595A (zh) * | 2010-06-02 | 2011-12-07 | 东北大学 | 基于导航线识别的嵌入式单目视觉导航系统 |
CN102252681A (zh) * | 2011-04-18 | 2011-11-23 | 中国农业大学 | 基于gps和机器视觉的组合导航定位系统及方法 |
CN102819952A (zh) * | 2012-06-29 | 2012-12-12 | 浙江大学 | 一种基于视频检测技术的车辆违法变道检测方法 |
KR101342124B1 (ko) * | 2013-10-18 | 2013-12-19 | 주식회사 지티 | 영상을 이용한 전방 차량 인식 및 추적 시스템 및 이를 이용한 차량 인식 및 추적 방법 |
CN103559482A (zh) * | 2013-11-05 | 2014-02-05 | 无锡慧眼电子科技有限公司 | 基于边缘对称性的行人检测方法 |
CN103940434A (zh) * | 2014-04-01 | 2014-07-23 | 西安交通大学 | 基于单目视觉和惯性导航单元的实时车道线检测系统 |
Non-Patent Citations (2)
Title |
---|
何洁等: "基于边缘检测与扫描滤波的农机导航基准线提取方法", 《农业机械学报》 * |
孟庆宽等: "基于改进遗传算法的农机具视觉导航线检测", 《农业机械学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105844280A (zh) * | 2016-03-22 | 2016-08-10 | 杨敏 | 线条工具痕迹图像中线条精确定位与提取方法 |
CN105844280B (zh) * | 2016-03-22 | 2019-03-08 | 杨敏 | 线条工具痕迹图像中线条精确定位与提取方法 |
WO2022047830A1 (zh) * | 2020-09-04 | 2022-03-10 | 浙江大学 | 一种作物封垄后田间导航线的检测方法 |
US11676376B2 (en) | 2020-09-04 | 2023-06-13 | Zhejiang University | Method for detecting field navigation line after ridge sealing of crops |
Also Published As
Publication number | Publication date |
---|---|
CN104567872B (zh) | 2018-09-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110297483B (zh) | 待作业区域边界获取方法、装置,作业航线规划方法 | |
CN110243372B (zh) | 基于机器视觉的智能农机导航系统及方法 | |
CN103891697B (zh) | 一种室内自主移动喷药机器人的变量喷药方法 | |
CN109886155B (zh) | 基于深度学习的单株水稻检测定位方法、系统、设备及介质 | |
CN101561871B (zh) | 农业机械视觉导航中人工设置路标的识别方法 | |
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 | |
CN103488991B (zh) | 一种用于作物田除草机具的导航线提取方法 | |
CN103914836B (zh) | 基于机器视觉的农田机械导航线提取算法 | |
CN109871029A (zh) | 一种基于图像处理技术的植保无人机航线规划优化方法 | |
CN111727457B (zh) | 一种基于计算机视觉的棉花作物行检测方法、装置及存储介质 | |
CN112146646B (zh) | 一种作物封垄后田间导航线的检测方法 | |
CN110765916A (zh) | 一种基于语义和实例分割的农田苗垄识别方法及系统 | |
CN103530606A (zh) | 一种杂草环境下的农机导航路径提取方法 | |
EP3529771A1 (de) | Bestimmung des korngewichtes einer ähre | |
He et al. | Auto recognition of navigation path for harvest robot based on machine vision | |
Luo et al. | Stereo-vision-based multi-crop harvesting edge detection for precise automatic steering of combine harvester | |
CN113065562A (zh) | 一种基于语义分割网络的作物垄行提取及主导航线选取方法 | |
Li et al. | Image detection and verification of visual navigation route during cotton field management period | |
CN104567872A (zh) | 一种农机具导航线的提取方法及系统 | |
CN107578447B (zh) | 一种基于无人机影像的作物垄位置确定方法及系统 | |
CN112526989B (zh) | 一种农业无人车导航方法、装置、农业无人车及存储介质 | |
Feng et al. | Cotton yield estimation based on plant height from UAV-based imagery data | |
Potena et al. | Suckers emission detection and volume estimation for the precision farming of hazelnut orchards | |
Jiang et al. | Navigation path curve extraction method based on depth image for combine harvester | |
CN110807425B (zh) | 一种智能除草系统及除草方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |