CN104616014A - 基于形态学操作的田间曲线导航线提取方法 - Google Patents
基于形态学操作的田间曲线导航线提取方法 Download PDFInfo
- Publication number
- CN104616014A CN104616014A CN201410767147.3A CN201410767147A CN104616014A CN 104616014 A CN104616014 A CN 104616014A CN 201410767147 A CN201410767147 A CN 201410767147A CN 104616014 A CN104616014 A CN 104616014A
- Authority
- CN
- China
- Prior art keywords
- image
- mentioned steps
- field
- steps
- leading line
- 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.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种基于形态学操作的田间曲线导航线提取方法,包括以下步骤:图像分割,通过超绿特征和阈值分割的方法将田间原始图像分割为作物和背景两部分;通过开操作去除田垄内作物间道路外的噪音;通过细化操作得到导航道路的骨架;得到导航道路的骨架图像中所有点为特征点;拟合曲线。达到减少由于特征点提取产生的曲线导航线提取误差的目的。
Description
技术领域
本发明涉及农业信息领域,具体地,涉及一种基于形态学操作的田间曲线导航线提取方法。
背景技术
目前,利用机器视觉进行田间作业农业机具的自动导航逐渐成为现代农业的发展方向,而导航线的自动提取成为相关设备开发的基础。在已有的导航线提取技术中,导航线提取一般分为三个步骤:一是图像分割,二是提取特征点,三是导航线拟合。
现有导航线提取方法中,针对田间曲线导航线的提取方法较少,多是提取直线导航线。而在曲线导航线提取中,由于预期行进道路为曲线形式,导航线提取受图像中各部分特征点的影响较大。在直线导航线提取中,若是一两个特征点出现误差,可以通过导航线上大量的特征点进行修正,而在曲线导航线提取中这是很困难的。针对这一问题,有部分研究在导航线拟合环节引入了较高次的曲线进行拟合一定程度的减少了误差,但是并没有从根本上解决特征点提取误差的影响。
发明内容
本发明的目的在于,针对上述问题,提出一种基于形态学操作的田间曲线导航线提取方法,以实现减少由于特征点提取产生的曲线导航线提取误差的优点。
为实现上述目的,本发明采用的技术方案是:
一种基于形态学操作的田间曲线导航线提取方法,包括以下步骤:
步骤1、图像分割,通过超绿特征和阈值分割的方法将田间原始图像分割为作物和背景两部分;
步骤2、对上述步骤1得到的图像通过开操作去除田垄内作物间道路外的噪音;
步骤3、对上述步骤2处理后的图像通过细化操作得到导航道路的骨架;
步骤4、以上述步骤3得到导航道路的骨架图像中所有点为特征点;
步骤5、以上述步骤4中的特征点为依据拟合曲线。
优选的,上述步骤1具体包括以下步骤:
步骤101、对获取的田间导航图像,以每个像素点对应的R、G、B三个值进行计算,然后对计算后的结果进行归一化得到灰度图像;
步骤102、画出上述步骤101得到的灰度图像的直方图,采用ostu法确定阈值;
步骤103、依据上述步骤102确定的阀值采用阈值分割的方法获得二值图像。
优选的,上述步骤2具体包括以下步骤:
步骤201、根据田垄间作物生长时期选取结构元素的大小;
步骤202、依据上述步骤201选取的结构元素大小对二值图像进行开操作。
优选的,上述步骤3具体包括以下步骤:
步骤301、对开操作后的二值图像进行细化,即将图像中白色区域边缘像素点变为黑色;
步骤302、一直重复步骤301的操作直到所有剩余的白色像素点都是边缘点。
优选的,上述步骤4具体包括以下步骤:
步骤401、提取细化后图像中每个白色像素点的横坐标和纵坐标;
步骤402、将提取的横坐标和纵坐标对作为特征。
优选的,上述步骤4具体包括以下步骤:
步骤501、以特征点的横坐标和纵坐标分别为输入和输出;
步骤502、用最小二乘法拟合曲线;
步骤503、拟合曲线的次数为根据拟行进道路的情况确定的一个固定值。
本发明的技术方案具有以下有益效果:
本发明的技术方案,在图像分割后,针对曲线导航线受当个特征点位置误差影响较大的情况,通过开操作去除田垄内作物间非绿色区域所造成的噪音,使得开操作后的图像基本能够对应拟提取导航线所对应的预期道路的区域。特征提取中,不采用传统的每行取像素点中点的方法,而是提出通过细化操作得到导航道路的骨架,并以骨架中的像素点作为特征点进行曲线导航线的拟合。达到减少由于特征点提取产生的曲线导航线提取误差的目的。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明实施例所述的原始田间图像示意图;
图2为本发明实施例所述的分割后的图像的示意图;
图3为本发明实施例所述的开操作处理后图像示意图;
图4为本发明实施例所述的开细化处理后图像的示意图;
图5为本发明实施例所述的拟合曲线导航线后的示意图;
图6为本发明实施例所述的基于形态学操作的田间曲线导航线提取方法流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
如图6所示,一种基于形态学操作的田间曲线导航线提取方法,
具体的实施过程如下:
1、图像分割,通过超绿特征(2G-R-B)和阈值分割的方法将田间原始图像分割为作物和背景两部分。
1.1、对获取的田间导航图像,以每个像素点对应的R、G、B三个值按(2G-R-B)的公式进行计算,然后对计算后的结果进行归一化得到灰度图像;
1.2、画灰度图像的直方图,采用ostu法确定阈值;
1.3、采用阈值分割的方法获得二值图像。
2、通过开操作去除田垄内作物间道路外的噪音。
2.1、根据田垄间作物生长时期选取结构元素的大小;
2.2、对二值图像进行开操作。
3、通过细化操作得到导航道路的骨架。
3.1对开操作后的二值图像进行细化,即将图像中白色区域边缘像素点变为黑色;
3.2一直重复3.1的操作直到所有剩余的白色像素点都是边缘点。
4、以骨架图像中所有点为特征点。
4.1提取细化后图像中每个白色像素点的横坐标和纵坐标;
4.2将提取的横坐标和纵坐标对作为特征。
5、拟合曲线。
5.1以特征点的横坐标和纵坐标分别为输入和输出;
5.2用最小二乘法拟合曲线;
5.3拟合曲线的次数根据拟行进道路的大体情况确定的一个固定值。
一是图像分割,通过超绿特征(2G-R-B)和阈值分割的方法将田间原始图像分割为作物和背景两部分,原始田间图如图1所示,分割结果如图2所示;二是通过开操作去除田垄内作物间道路外的噪音,分割结果如图2开操作处理后的结果如图3所示;三是通过细化操作得到导航道路的骨架,开操作结果图3开细化处理后的结果如图4所示;四是以骨架图像中所有点为特征点;五是以特征点的横坐标和纵坐标分别为输入和输出,用最小二乘法拟合曲线,细化操作结果图4拟合曲线导航线后的结果如图5所示。
综上所述,本发明具有以下特点:
本发明技术方案解决了个别特征点提取误差对导航线提取误差的影响。通过引入形态学操作,从整体上完成对导航线对应道路区域的优化。而在实际田间作业中,曲线导航线的情况较为常见,本发明技术方案提出的新方法具有更强实用性。另一方面,考虑到田间作业由于路况复杂,农业作业机具行驶过程可能由于颠簸出现方向偏移,从而造成在实际行进中以曲线形式行进的事实,这也使得本专利提出的针对田间曲线导航线的提取方法更具有实用性。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于形态学操作的田间曲线导航线提取方法,其特征在于,包括以下步骤:
步骤1、图像分割,通过超绿特征和阈值分割的方法将田间原始图像分割为作物和背景两部分;
步骤2、对上述步骤1得到的图像通过开操作去除田垄内作物间道路外的噪音;
步骤3、对上述步骤2处理后的图像通过细化操作得到导航道路的骨架;
步骤4、以上述步骤3得到导航道路的骨架图像中所有点为特征点;
步骤5、以上述步骤4中的特征点为依据拟合曲线。
2.根据权利要求1所述的基于形态学操作的田间曲线导航线提取方法,其特征在于,上述步骤1具体包括以下步骤:
步骤101、对获取的田间导航图像,以每个像素点对应的R、G、B三个值进行计算,然后对计算后的结果进行归一化得到灰度图像;
步骤102、画出上述步骤101得到的灰度图像的直方图,采用ostu法确定阈值;
步骤103、依据上述步骤102确定的阀值采用阈值分割的方法获得二值图像。
3.根据权利要求2所述的基于形态学操作的田间曲线导航线提取方法,其特征在于,上述步骤2具体包括以下步骤:
步骤201、根据田垄间作物生长时期选取结构元素的大小;
步骤202、依据上述步骤201选取的结构元素大小对二值图像进行开操作。
4.根据权利要求3所述的基于形态学操作的田间曲线导航线提取方法,其特征在于,上述步骤3具体包括以下步骤:
步骤301、对开操作后的二值图像进行细化,即将图像中白色区域边缘像素点变为黑色;
步骤302、一直重复步骤301的操作直到所有剩余的白色像素点都是边缘点。
5.根据权利要求4所述的基于形态学操作的田间曲线导航线提取方法,其特征在于,上述步骤4具体包括以下步骤:
步骤401、提取细化后图像中每个白色像素点的横坐标和纵坐标;
步骤402、将提取的横坐标和纵坐标对作为特征。
6.根据权利要求5所述的基于形态学操作的田间曲线导航线提取方法,其特征在于,上述步骤4具体包括以下步骤:
步骤501、以特征点的横坐标和纵坐标分别为输入和输出;
步骤502、用最小二乘法拟合曲线;
步骤503、拟合曲线的次数为根据拟行进道路的情况确定的一个固定值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410767147.3A CN104616014A (zh) | 2014-12-15 | 2014-12-15 | 基于形态学操作的田间曲线导航线提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410767147.3A CN104616014A (zh) | 2014-12-15 | 2014-12-15 | 基于形态学操作的田间曲线导航线提取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104616014A true CN104616014A (zh) | 2015-05-13 |
Family
ID=53150451
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410767147.3A Pending CN104616014A (zh) | 2014-12-15 | 2014-12-15 | 基于形态学操作的田间曲线导航线提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104616014A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105184790A (zh) * | 2015-08-31 | 2015-12-23 | 中国烟草总公司广东省公司 | 一种烟田图像分割方法 |
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 |
CN109948543A (zh) * | 2019-03-20 | 2019-06-28 | 广西科技大学 | 一种田间近景图像的导航线提取方法 |
CN110196053A (zh) * | 2019-06-13 | 2019-09-03 | 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 |
CN110509293A (zh) * | 2019-09-06 | 2019-11-29 | 北京云迹科技有限公司 | 工作环境分析方法、装置及机器人 |
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 |
CN112146646A (zh) * | 2020-09-04 | 2020-12-29 | 浙江大学 | 一种作物封垄后田间导航线的检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080215167A1 (en) * | 2006-07-27 | 2008-09-04 | Beck James F | Feed delivery system for enhancing ruminant animal nutrition |
CN101520898A (zh) * | 2009-01-14 | 2009-09-02 | 中国科学院地理科学与资源研究所 | 一种基于位运算的地图图像细化和线跟踪方法 |
CN102194233A (zh) * | 2011-06-28 | 2011-09-21 | 中国农业大学 | 果园林间导航线提取方法 |
CN102999757A (zh) * | 2012-11-12 | 2013-03-27 | 中国农业大学 | 导航线提取方法 |
CN103914836A (zh) * | 2014-03-24 | 2014-07-09 | 郑州轻工业学院 | 基于机器视觉的农田机械导航线提取算法 |
-
2014
- 2014-12-15 CN CN201410767147.3A patent/CN104616014A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080215167A1 (en) * | 2006-07-27 | 2008-09-04 | Beck James F | Feed delivery system for enhancing ruminant animal nutrition |
CN101520898A (zh) * | 2009-01-14 | 2009-09-02 | 中国科学院地理科学与资源研究所 | 一种基于位运算的地图图像细化和线跟踪方法 |
CN102194233A (zh) * | 2011-06-28 | 2011-09-21 | 中国农业大学 | 果园林间导航线提取方法 |
CN102999757A (zh) * | 2012-11-12 | 2013-03-27 | 中国农业大学 | 导航线提取方法 |
CN103914836A (zh) * | 2014-03-24 | 2014-07-09 | 郑州轻工业学院 | 基于机器视觉的农田机械导航线提取算法 |
Non-Patent Citations (1)
Title |
---|
戴青玲: "曲线导航线提取中腐蚀参数的分析", 《安徽农业科学》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105184790A (zh) * | 2015-08-31 | 2015-12-23 | 中国烟草总公司广东省公司 | 一种烟田图像分割方法 |
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 |
CN109948543A (zh) * | 2019-03-20 | 2019-06-28 | 广西科技大学 | 一种田间近景图像的导航线提取方法 |
CN110196053A (zh) * | 2019-06-13 | 2019-09-03 | 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 |
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 |
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 |
CN110509293A (zh) * | 2019-09-06 | 2019-11-29 | 北京云迹科技有限公司 | 工作环境分析方法、装置及机器人 |
CN112146646A (zh) * | 2020-09-04 | 2020-12-29 | 浙江大学 | 一种作物封垄后田间导航线的检测方法 |
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 |
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 |
US11676376B2 (en) | 2020-09-04 | 2023-06-13 | Zhejiang University | Method for detecting field navigation line after ridge sealing of crops |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104616014A (zh) | 基于形态学操作的田间曲线导航线提取方法 | |
US9817107B2 (en) | Above-ground building recognition method and navigation method combining laser and infrared | |
CN108335331B (zh) | 一种钢卷双目视觉定位方法及设备 | |
CN111340060B (zh) | 图像生成器的训练方法 | |
CN103473785B (zh) | 一种基于三值化图像聚类的快速多目标分割方法 | |
CN103065314A (zh) | 一种基于线描述子的图像连通域快速标记方法 | |
CN103136752B (zh) | 基于边缘提取的图像放大方法 | |
CN105160668A (zh) | 图像分割方法、系统与细胞图像分割方法、系统 | |
CN102073872B (zh) | 基于图像的寄生虫虫卵形状识别方法 | |
CN103177445A (zh) | 基于分段阈值图像分割及光斑识别的室外番茄识别方法 | |
CN104091175B (zh) | 一种基于Kinect深度信息获取技术的害虫图像自动识别方法 | |
CN105138983B (zh) | 基于加权部件模型和选择性搜索分割的行人检测方法 | |
CN103646249A (zh) | 一种温室智能移动机器人视觉导航路径识别方法 | |
CN103914836A (zh) | 基于机器视觉的农田机械导航线提取算法 | |
CN106127193A (zh) | 一种人脸图像识别方法 | |
CN103034844B (zh) | 图像识别方法与装置 | |
CN103971369B (zh) | 视网膜图像的视盘定位方法 | |
CN104504692B (zh) | 基于区域对比度的图像中显著对象的提取方法 | |
CN111524061B (zh) | 一种基于圆柱拟合的隧道附近点云去除方法 | |
CN103808308B (zh) | 一种家蚕吐丝行为数据的自动采集方法 | |
CN105894501A (zh) | 一种高分辨率遥感图像单木探测和树冠描绘方法 | |
CN102419818B (zh) | 结合形态学冠层控制和分水岭的LiDAR数据单木提取方法 | |
CN113205054A (zh) | 菌丝显微图像识别方法和系统、设备、可读介质 | |
CN106650578A (zh) | 基于ASM算法和Lazy Snapping算法的耳廓检测方法 | |
CN114202704B (zh) | 一种人机交互的水体半自动提取方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150513 |
|
RJ01 | Rejection of invention patent application after publication |