CN107564071A - 一种图像识别草地方法及装置 - Google Patents

Abstract

本发明提供了一种图像识别草地方法及装置，涉及图像处理技术领域，该方法包括：获取待识别草地的图像；从图像中划分出至少一个图像块；获取图像块中草的颜色占比和纹理占比；通过将颜色占比与预设的至少两个颜色阈值、将纹理占比与预设的至少两个纹理阈值进行比较来判断图像块是否为草地图像。本发明通过多组颜色阈值和纹理阈值来判断图像是否是草地图像，与只通过一组判断阈值来进行判断的技术方案相比，不容易误将草地图像判断为非草地图像，判断结果的准确性高。

Description

一种图像识别草地方法及装置

技术领域

本发明涉及图像处理技术领域，具体涉及一种图像识别草地方法及装置。

背景技术

智能割草机，具有自动行走、防止碰撞、范围之内防止出线、自动返回充电等功能，还具有一定的爬坡能力，能自主地完成修剪草坪的工作，无需人为直接控制和操作，大幅度降低草坪修剪所需要的人工。现有的智能割草机一般使用图像实时采集装置来实时采集割草机前进方向上的地面图像，然后通过图像处理技术来判断前方地面是否是草地，从而决定是否需要进行割草作业。例如：

公开号为CN104111653A的发明专利申请公开了一种自动行走设备及其工作区域判断方法，其图像采集装置拍摄目标区域，形成图像；主控模块将图像划分为若干个子图像块，每一子图像块对应目标区域的一个子区域；主控模块提取至少一个子图像块的各个像素的颜色；主控模块计算预定颜色在该子图像块中所占的比例并与第一预设值比较；主控模块提取该子图像块的纹理特征值并与第二预设值比较；主控模块在图像的一个子图像块中的预定颜色所占的比例达到或超过第一预设值且预定纹理值达到或超过第二预设值时，判断该子图像块对应的子区域为工作区域，若该子图像块中预定颜色所占的比例小于第一预设值或纹理特征值小于第二预设值，则判断该子图像块对应的子区域为非工作区域。

上述技术方案中，只使用一组判断阈值，即第一预设值和第二预设值，来判断在图像采集装置拍摄到的图像中划分的图像块对应的子区域是否是工作区域，很大可能会导致某些图像块对应的区域被误判为非工作区域，判断结果的准确度低。

发明内容

因此，本发明要解决的技术问题在于现有的草地识别方法仅采用一组颜色判断阈值和纹理判断阈值来判断拍摄得到的图像对应的是否是草地，判断结果准确性低。

为此，本发明实施例提供了如下技术方案：

一种图像识别草地方法，包括如下步骤：

获取待识别草地的图像；

从图像中划分出至少一个图像块；

获取图像块中草的颜色占比和纹理占比；

通过将颜色占比与预设的至少两个颜色阈值、将纹理占比与预设的至少两个纹理阈值进行比较来判断图像块是否为草地图像。

优选地，通过将颜色占比与预设的至少两个颜色阈值、将纹理占比与预设的至少两个纹理阈值进行比较来判断图像块是否为草地图像，包括：

判断颜色占比是否大于第一颜色阈值；

当颜色占比不大于第一颜色阈值时，判断颜色占比是否大于第二颜色阈值，其中第二颜色阈值小于第一颜色阈值；

当颜色占比大于第二颜色阈值时，判断纹理占比是否大于第一纹理阈值；

当纹理占比大于第一纹理阈值时，则判定图像块为草地图像。

优选地，通过将颜色占比与预设的至少两个颜色阈值、将纹理占比与预设的至少两个纹理阈值进行比较来判断图像块是否为草地图像，还包括：

当颜色占比大于第一颜色阈值时，判断纹理占比是否大于第二纹理阈值，第二纹理阈值小于第一纹理阈值；

当纹理占比大于第二纹理阈值时，判定图像块为草地图像。

优选地，从图像中划分出至少一个图像块的步骤包括：

获取割草机的前进方向和/或工作宽度；

根据割草机的前进方向和/或工作宽度在图像中划分图像块。

优选地，图像块与图像的下端边缘的最大距离不超过预设值，图像的下端为草地图像的近端。

优选地，根据割草机的前进方向和/或工作宽度在图像中划分出图像块的步骤包括：

获取图像的透视畸变参数；

根据割草机的前进方向、工作宽度和图像的透视畸变参数确定割草机即将工作的区域对应的图像区域；

在确定出的图像区域中划分图像块。

优选地，获取图像块中草的颜色占比的步骤包括：

确定草的颜色值范围；

统计图像块中颜色值在草的颜色值范围内的第一像素数；

计算出第一像素数与图像块的总像素数的比值，作为该图像块中草的颜色占比。

优选地，获取图像块中草的纹理占比的步骤包括：

确定出图像块中草的轮廓像素点；

统计轮廓像素点的第二像素数；

获取第二像素数与图像块中的总像素数的比值，作为该图像块中的纹理占比。

一种图像识别草地装置，包括：

图像获取单元，用于获取待识别草地的图像；

划分单元，用于从图像中划分出至少一个图像块；

判断要素获取单元，用于获取图像块中草的颜色占比和纹理占比；

判断单元，通过将颜色占比与预设的至少两个颜色阈值、将纹理占比与预设的至少两个纹理阈值进行比较来判断图像块是否为草地图像。

优选地，判断单元包括：

第一颜色判断单元，用于判断颜色占比是否大于第一颜色阈值；

第二颜色判断单元，当颜色占比不大于第一颜色阈值时，用于判断颜色占比是否大于第二颜色阈值，其中第二颜色阈值小于第一颜色阈值；

第一纹理判断单元，当颜色占比大于第二颜色阈值时，用于判断纹理占比是否大于第一纹理阈值；

第一判定单元，当纹理占比大于第一纹理阈值时，用于判定图像块为草地图像。

优选地，判断单元还包括：

第二纹理判断单元，当颜色占比大于第一颜色阈值时，用于判断纹理占比是否大于第二纹理阈值，第二纹理阈值小于第一纹理阈值；

第二判定单元，当纹理占比大于第二纹理阈值时，用于判定图像块为草地图像。

优选地，划分单元包括：

第一获取单元，用于获取割草机的前进方向和/或工作宽度；

块划分单元，用于根据割草机的前进方向和/或工作宽度在图像中划分图像块。

优选地，块划分单元包括：

畸变参数获取单元，用于获取图像的透视畸变参数；

缩小图像识别区域单元，用于根据割草机的前进方向、工作宽度和图像的透视畸变参数确定割草机即将工作的区域对应的图像区域；

图像块划分单元，用于在确定出的图像区域中划分图像块。

优选地，判断要素获取单元包括：

颜色范围确定单元，用于确定草的颜色值范围；

第一像素数统计单元，用于统计图像块中颜色值在草的颜色值范围内的第一像素数；

颜色占比计算单元，用于计算出第一像素数与图像块的总像素数的比值，作为该图像块中草的颜色占比。

优选地，判断要素获取单元包括：

轮廓像素点确定单元，用于确定出图像块中草的轮廓像素点；

第二像素数统计单元，用于统计轮廓像素点的第二像素数；

纹理占比计算单元，用于获取第二像素数与图像块中的总像素数的比值，作为该图像块中的纹理占比。

本发明技术方案，具有如下优点：

1.本发明实施例提供的图像识别草地方法及装置，通过多组颜色阈值和纹理阈值来判断图像是否是草地图像，即只要图像块满足其中一组阈值条件就可以判定为草地图像，从而避免了将草地图像，尤其是相对稀疏的草地图像，误判为非草地图像，大大提高了草地识别的准确性，进而防止草地漏割。

2.本发明实施例提供的图像识别草地方法及装置，首先判断待识别的图像块中草的颜色占比是否大于第一颜色阈值，如果否，就判断其是否大于第二颜色阈值，其中第二颜色阈值小于第一颜色阈值，如果颜色占比大于第二颜色阈值时就进一步判断纹理占比是否大于第一纹理阈值，如果是则判定该图像块是草地图像。现有的通过图像来判断其对应的是否是草地的方法，一般要求其颜色占比(即草的颜色占有一定的比例)要大于第一颜色阈值，否则就不认为是草地图像，这一判断方法很容易漏掉比较稀疏的草地，而如果只使用小于第一颜色阈值的第二颜色阈值来判断是否是草地图像的话，又会导致判断的准确性降低。针对草地比较稀疏时草与地面的差异较大使得图像的纹理识别更明确、更容易这一特征，所以本发明实施例通过增加了纹理识别且增大了纹理阈值来准确识别稀疏草地。虽然现有技术中也会通过增加纹理识别来排除绿色的、纹理不明显的干扰物，但是由于草地的特殊性：正常绿色草的颜色、外界光照度等相对比较接近等，因此在进行纹理识别时，难以将草叶或者整棵草从比较密集的草丛中识别出来，因此比较密集的草地的图像识别出的纹理可能并不是很丰富，所以纹理阈值必定不能设置的较大。而本实施例通过使用比较大的第一纹理阈值以及比较小的第二颜色阈值来识别相对稀疏的草地，判断的准确性高。在智能割草机上使用本发明实施例，可以识别出草比较稀疏的草地，从而减少漏割。

3.本发明实施例提供的图像识别草地方法及装置，由于割草机的图像采集装置一般设置在割草机的前端上方，因此其拍摄得到的照片中对应的地面区域会比较广。本发明实施例提供的图像识别草地方法及装置，会根据割草机的前进方向和工作宽度中的至少一个限制条件在割草机拍摄得到的草地图像中划分出前方即将达到的地面区域对应的图像区域，然后再在该图像区域中划分出一部分作为待识别的图像块，从而降低图像处理的计算量。如果割草机前方即将到达的地面区域中有草地(不管是稀疏草地还是密集草地)，那么就按照预定的方向进行割草操作；如果割草机前方即将到达的地面区域中没有草地(稀疏草地和密集草地都没有)，那么就执行预定的转向操作，对其他方向的地面进行识别、完成割草操作；或者按照原来的方向前进但不进行割草操作。

4.本发明实施例提供的图像识别草地方法及装置，由于摄像机或照相机等图像采集装置采集的图像都有透视畸变，即近端的事物大、远端的事物小，如果直接按照图像的尺寸来划分待识别的图像块，会将割草机即将的工作区域外的地面对应的图像区域划分进待识别的图像块，导致图片处理计算量变大。因此，本发明实施例提供的图像识别草地的方法及装置，先根据割草机拍摄得到的图像的透视畸变参数和割草机当前的前进方向、工作宽度确定割草机即将工作的区域对应的图像区域，再在缩小后的图像区域中划分待识别的图像块。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例1中图像识别草地的方法的流程图；

图2为本发明实施例1中草地图像判断方法的流程图；

图3为本发明实施例1中从图像中划分图像块的方法的流程图；

图4为本发明实施例1中纹理占比的获取方法的流程图；

图5为本发明实施例3中图像识别草地的装置的原理框图；

图6为本发明实施例3中判断单元的原理框图。

具体实施方式

下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，还可以是两个元件内部的连通，可以是无线连接，也可以是有线连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。

实施例1

本实施例提供一种图像识别草地方法，主要应用于智能割草机上，如图1所示，包括如下步骤：

S1：获取待识别草地的图像；

S2：从图像中划分出至少一个图像块；

S3：获取图像块中草的颜色占比和纹理占比；

S4：通过将颜色占比与预设的至少两个颜色阈值、将纹理占比与预设的至少两个纹理阈值进行比较来判断图像块是否为草地图像。

本实施例提供的图像识别草地的方法，通过多组颜色阈值和纹理阈值来判断图像是否是草地图像，即只要图像块满足其中一组阈值条件就可以判定为草地图像，从而避免了将草地图像误判为非草地图像，大大提高了草地识别的准确性，进而防止草地漏割。

作为具体的实施方式，如图2所示，上述步骤S4，即通过将颜色占比与预设的至少两个颜色阈值、将纹理占比与预设的至少两个纹理阈值进行比较来判断图像块是否为草地图像，包括：

S41：判断颜色占比是否大于第一颜色阈值；

S42：当颜色占比不大于第一颜色阈值时，判断颜色占比是否大于第二颜色阈值，其中第二颜色阈值小于第一颜色阈值；

S43：当颜色占比大于第二颜色阈值时，判断纹理占比是否大于第一纹理阈值；

S44：当纹理占比大于第一纹理阈值时，判定图像块为草地图像。

本实施例提供的图像识别草地的方法，首先判断待识别的图像块中草的颜色占比是否大于第一颜色阈值，如果否，就判断其是否大于第二颜色阈值，其中第二颜色阈值小于第一颜色阈值，如果颜色占比大于第二颜色阈值时就进一步判断纹理占比是否大于第一纹理阈值，如果是则判定该图像块是草地图像。现有的通过图像来判断其对应的是否是草地的方法，一般要求其颜色占比(即草的颜色占有一定的比例)要大于第一颜色阈值，否则就不认为是草地图像，这一判断方法很容易漏掉比较稀疏的草地，而如果只使用小于第一颜色阈值的第二颜色阈值来判断是否是草地图像的话，又会导致判断的准确性降低。针对草地比较稀疏时草与地面的差异较大使得图像的纹理识别更明确、更容易这一特征，所以本实施例通过增加了纹理识别且增大了纹理阈值来准确识别稀疏草地。虽然现有技术中也会通过增加纹理识别来排除绿色的、纹理不明显的干扰物，但是由于草地的特殊性：正常绿色草的颜色、外界光照度等相对比较接近等，因此在进行纹理识别时，难以将草叶或者整棵草从比较密集的草丛中识别出来，因此比较密集的草地的图像识别出的纹理可能并不是很丰富，所以纹理阈值必定不能设置的较大。而本实施例通过使用比较大的第一纹理阈值以及比较小的第二颜色阈值来识别相对稀疏的草地，判断的准确性高。在智能割草机上使用本实施例提供的方法，可以识别出草比较稀疏的草地，从而减少漏割。

本发明实施例中第二颜色阈值和第一纹理阈值的具体数值可根据实际应用场景合理选择，例如草地中草的纹理可识别度、识别准确度的要求和允许的识别错误率等。另外，为了使得本发明实施例提供的图像识别草地的方法，可以识别出各种不同稀疏程度的草地，第二颜色阈值和第一纹理阈值可设置多组具体数值，其中，第二颜色阈值的数值较大的、第一纹理阈值应当选择较小的数值，相应地，第二颜色阈值的数值较小的、第一纹理阈值应当选择较大的数值。即，在通过图像识别草地时，如果图像中的颜色占比比较大时，那么对纹理占比的要求就比较小；而如果颜色占比比较小时，那么就要求纹理占比比较大。

另外，作为具体的实施方式，如图2所示，上述步骤S4，即通过将颜色占比与预设的至少两个颜色阈值、将纹理占比与预设的至少两个纹理阈值进行比较来判断图像块是否为草地图像，还包括：

S45：当颜色占比大于第一颜色阈值时，判断图像块纹理占比是否大于第二纹理阈值，第二纹理阈值小于第一纹理阈值；

S46：当纹理占比大于第二纹理阈值时，判定该图像块为草地图像。

本实施例提供的图像识别草地的方法，不仅可以识别出稀疏的草地，也能准确识别出正常的草地。对于用于识别比较密集的正常草地的第一颜色阈值和第二纹理阈值，其具体数值也可根据实际应用场合合理选择。第一颜色阈值和第二纹理阈值也可设置多组具体数值，第一颜色阈值的数值较大的，第二纹理阈值应当选择较小的数值；第一颜色阈值的数值较小的，第二纹理阈值应当选择较大的数值。以在不同的使用场景下，合理选择其中一组阈值数值，以提高草地识别的准确率。

作为优选的实施方式，如图3所示，上述步骤S2，即从图像中划分出至少一个图像块的步骤包括：

S21：获取割草机的前进方向和/或工作宽度；

S22：根据割草机的前进方向和/或工作宽度在图像中划分图像块。

由于割草机的图像采集装置一般设置在割草机的前端上方，因此其拍摄得到的照片中对应的地面区域会比较广。本实施例提供的图像识别草地的方法，会根据割草机的前进方向和工作宽度中的至少一个限制条件在割草机拍摄得到的草地图像中划分出前方即将达到的地面区域对应的图像区域，然后再在该图像区域中划分出一部分作为待识别的图像块，从而降低图像处理的计算量。如果割草机前方即将到达的地面区域中有草地(不管是稀疏草地还是密集草地)，那么就按照预定的方向进行割草操作；如果割草机前方即将到达的地面区域中没有草地(稀疏草地和密集草地都没有)，那么就执行预定的转向操作，对其他方向的地面进行识别、完成割草操作；或者按照原来的方向前进但不进行割草操作。

在其他的具体实施方式中，也可以不根据割草机的前进方向、工作宽度这些限制条件来缩小待识别图像的区域。将割草机的当前前进方向上地面区域和两侧区域都进行草地识别，从而当割草机前进方向上的地面区域不是草地时，能够根据其两侧区域的识别结果确定割草机的转向。

作为具体的实施方式，上述步骤S22，即根据割草机的前进方向和/或工作宽度在图像中划分出图像块的步骤包括：

首先，获取图像的透视畸变参数。

然后，根据割草机的前进方向、工作宽度和图像的透视畸变参数确定割草机即将工作的区域对应的图像区域，该即将工作的区域是指按照割草机自身的工作宽度、当前的行驶方向以及其行驶速度，经过预设的时间段后，能够进行割草工作的区域。其中该预设的时间段一般是根据割草机进行图像识别处理的速度设定的一个较短的时间段。

最后，在确定出的图像区域中划分图像块。

由于摄像机或照相机等图像采集装置采集的图像都有透视畸变，即近端的事物大、远端的事物小，如果直接按照图像的尺寸来划分待识别的图像块，会将割草机即将的工作区域外的地面对应的图像区域划分进待识别的图像块，导致图片处理计算量变大。因此，本实施例提供的图像识别草地的方法，先根据割草机拍摄得到的图像的透视畸变参数和割草机当前的前进方向、工作宽度确定割草机即将工作的区域对应的图像区域，再在缩小后的图像区域中划分待识别的图像块。其中，在确定割草机即将工作的区域对应的图像区域时所依据的割草机的工作宽度稍大于割草机的实际工作宽度。

在具体的实施方式中，划分后的各个图像块实际对应的地面区域面积优选为一致。

作为进一步优选的实施方式，图像块与图像的下端边缘的最大距离不超过预设值，图像的下端为草地图像的近端。图像(照片)的远端对应的地面距离割草机比较远，割草机在下一时刻(短时间内)也不能达到，所以不属于割草机即将工作的区域，如果对该部分图像区域进行草地识别除了增大图片处理的计算量，没有实际的意义。并且，对该部分图像进行识别的准确度也比较低。所以在划分待识别的图像块时也先将待识别草地图像的上端(即远端)排除。

作为具体的实施方式，上述步骤S3，即获取图像块中草的颜色占比的步骤包括：

首先，确定草的颜色值范围；

然后，统计图像块中颜色值在草的颜色值范围内的第一像素数；

最后，计算出第一像素数与图像块的总像素数的比值，作为该图像块中草的颜色占比。

由于草地的颜色相对比较统一，都是绿色，而非草地一般都是其他颜色，例如土地的黑色、灰色等，或者其他障碍物具有的其他颜色。因此，本实施例提供的图像识别草地的方法就简单地利用各个像素点的颜色来确定是否是草。草的颜色值范围可以根据经验值设定，也可以根据割草机实时拍摄的样本来设定。在其他的优选实施方式中，还可以根据割草机的识别正确率来实时地调整。如果待识别图像块中有大部分的像素点的颜色值都在预设的草的颜色值范围内，那么就可以基本判定该图像块对应的地面区域是草地，但是也不排除该地面区域中存在刷有绿漆的物品或者其他绿色物品，因此本实施例提供的草地识别方法，还加了纹理识别，大大提高了草地识别的准确性。

作为优选的实施方式，如图4所示，上述步骤S3，即获取图像块中草的纹理占比的步骤包括：

S31：确定出图像块中草的轮廓像素点；

S32：统计轮廓像素点的第二像素数；

S33：获取第二像素数与图像块中的总像素数的比值，作为该图像块中的纹理占比。

具体地，轮廓像素点可以利用颜色来确定，例如通过相邻两个像素点之间的颜色差来确定；也可以通过将待识别图像块转化为灰度图，然后利用其他现有的纹理识别方法来确定。本实施例中，由于草地的特殊性：1.草的颜色比较相近、2.草地的外界光照基本一致、3.但是由于光照的角度以及草之间的遮挡影响导致同一颗草甚至同一片叶子的不同位置又有一定的差别(表现在照片上)，因此在进行纹理识别时，不论采用颜色识别方法还是灰度图识别方法，都难以将密集的草丛中草或者草叶的轮廓准确地识别出来，反而在草比较稀疏的草地上因草与土地的颜色、反光度的差异使得草的轮廓相对于土地很容易被识别出来。因此，本实施例提供的图像识别草地的方法根据该特点可以准确地识别出草比较稀疏的草地，大大降低了将相对稀疏的草地图像误判为非草地图像的几率，从而大大降低了割草机漏割的几率。

在其他可替换的具体实施方式中，也可以根据待识别图像块中草的边框像素点来计算待识别的图像块中的纹理占比，此时第一纹理阈值和第二纹理阈值的数值相应调整。

实施例2

本实施例提供了一种图像识别草地方法，与上述实施例1的区别在于，本实施例提供了三组判断阈值，第一组判断阈值为：第一颜色阈值、第二纹理阈值，第二组判断阈值为：第二颜色阈值、第一纹理阈值；第三组判断阈值为：第三颜色阈值、第三纹理阈值。并且第一颜色阈值大于第二颜色阈值、第二颜色阈值大于第三颜色阈值，第一纹理阈值大于第二纹理阈值且小于第三纹理阈值。上述通过将颜色占比与预设的至少两个颜色阈值、将纹理占比与预设的至少两个纹理阈值进行比较来判断图像块是否为草地图像，包括：

1)判断图像块的颜色占比是否大于第一颜色阈值；

2)当颜色占比不大于第一颜色阈值时，判断颜色占比是否大于第二颜色阈值；

3)当颜色占比大于第二颜色阈值时，判断纹理占比是否大于第一纹理阈值；

4)当纹理占比大于第一纹理阈值时，判定该图像块为草地图像；

5)当颜色占比不大于第二颜色阈值时，判断颜色占比是否大于第三颜色阈值；

6)当颜色占比大于第三颜色阈值时，判断纹理占比是否大于第三纹理阈值；

7)当纹理占比大于第三纹理阈值时，判定该图像块为草地图像；

8)当颜色占比大于第一颜色阈值时，判断图像块纹理占比是否大于第二纹理阈值；

9)当纹理占比大于第二纹理阈值时，判定该图像块为草地图像。

本实施例提供的图像识别草地的方法，通过三组判断阈值来判断图像是否是草地图像。其中，当待识别图像块的颜色占比大于第一颜色阈值且纹理占比大于第二纹理阈值时，可以判定该图像块为草地图像。当待识别图像块的颜色占比不大于第一颜色阈值而大于第二颜色阈值且纹理占比大于第一纹理阈值时，也可以判定该图像块为草地图像。当待识别图像块的颜色占比不大于第二颜色阈值而大于第三颜色阈值且纹理阈值大于第三纹理阈值时，同样也可以判定该图像块为草地图像。即只要图像块满足其中一组阈值条件就可以判定为草地图像，从而避免了将草地图像，尤其是相对稀疏的草地图像误判为非草地图像，大大提高了草地识别的准确性，进而防止草地漏割。

实施例3

如图5所示，本施例提供一种图像识别草地装置，包括：

图像获取单元U1，用于获取待识别草地的图像；

划分单元U2，用于从图像中划分出至少一个图像块；

判断要素获取单元U3，用于获取图像块中草的颜色占比和纹理占比；

判断单元U4，通过将颜色占比与预设的至少两个颜色阈值、将纹理占比与预设的至少两个纹理阈值进行比较来判断图像块是否为草地图像。

本实施例提供的图像识别草地的装置，通过多组颜色阈值和纹理阈值来判断图像是否是草地图像，即只要图像块满足其中一组阈值条件就可以判定为草地图像，从而避免了将草地图像，尤其是相对稀疏的草地图像，误判为非草地图像，大大提高了草地识别的准确性，进而防止草地漏割。

作为具体的实施方式，如图6所示，上述判断单元U4包括：

第一颜色判断单元U41，用于判断颜色占比是否大于第一颜色阈值；

第二颜色判断单元U42，当颜色占比不大于第一颜色阈值时，用于判断颜色占比是否大于第二颜色阈值，其中第二颜色阈值小于第一颜色阈值；

第一纹理判断单元U43，当颜色占比大于第二颜色阈值时，用于判断纹理占比是否大于第一纹理阈值；

第一判定单元U44，当纹理占比大于第一纹理阈值时，用于判定图像块为草地图像。

本实施例提供的图像识别草地的装置，首先判断待识别的图像块中草的颜色占比是否大于第一颜色阈值，如果否，就判断其是否大于第二颜色阈值，其中第二颜色阈值小于第一颜色阈值，如果颜色占比大于第二颜色阈值时就进一步判断纹理占比是否大于第一纹理阈值，如果是则判定该图像块是草地图像。现有的通过图像来判断其对应的是否是草地的方法，一般要求其颜色占比(即草的颜色占有一定的比例)要大于第一颜色阈值，否则就不认为是草地图像，这一判断方法很容易漏掉比较稀疏的草地，而如果只使用小于第一颜色阈值的第二颜色阈值来判断是否是草地图像的话，又会导致判断的准确性降低。针对草地比较稀疏时草与地面的差异较大使得图像的纹理识别更明确、更容易这一特征，所以本实施例通过增加了纹理识别且增大了纹理阈值来准确识别稀疏草地。虽然现有技术中也会通过增加纹理识别来排除绿色的、纹理不明显的干扰物，但是由于草地的特殊性：正常绿色草的颜色、外界光照度等相对比较接近等，因此在进行纹理识别时，难以将草叶或者整棵草从比较密集的草丛中识别出来，因此比较密集的草地的图像识别出的纹理可能并不是很丰富，所以纹理阈值必定不能设置的较大。而本实施例通过使用比较大的第一纹理阈值以及比较小的第二颜色阈值来识别相对稀疏的草地，判断的准确性高。在智能割草机上使用本实施例提供的装置，可以识别出草比较稀疏的草地，从而减少漏割。

另外，作为其他的具体实施方式，如图6所示，该装置还包括：

第二纹理判断单元U45，当颜色占比大于第一颜色阈值时，用于判断纹理占比是否大于第二纹理阈值，第二纹理阈值小于第一纹理阈值；

第二判定单元U46，当纹理占比大于第二纹理阈值时，用于判定图像块为草地图像。

本实施例提供的图像识别草地的装置，不仅可以识别出稀疏的草地，也能准确识别出正常的草地。

作为优选的实施方式，划分单元U2包括：

第一获取单元，用于获取割草机的前进方向和/或工作宽度；

块划分单元，用于根据割草机的前进方向和/或工作宽度在图像中划分图像块。

由于割草机的图像采集装置一般设置在割草机的前端上方，因此其拍摄得到的照片中对应的地面区域会比较广。本实施例提供的图像识别草地的装置，会根据割草机的前进方向和工作宽度中的至少一个限制条件在割草机拍摄得到的草地图像中划分出前方即将达到的地面区域对应的图像区域，然后再在该图像区域中划分出一部分作为待识别的图像块，从而降低图像处理的计算量。如果割草机前方即将到达的地面区域中有草地(不管是稀疏草地还是密集草地)，那么就按照预定的方向进行割草操作；如果割草机前方即将到达的地面区域中没有草地(稀疏草地和密集草地都没有)，那么就执行预定的转向操作，对其他方向的地面进行识别、完成割草操作；或者按照原来的方向前进但不进行割草操作。

在其他的具体实施方式中，也可以不根据割草机的前进方向、工作宽度这些限制条件来缩小待识别图像的区域。将割草机的当前前进方向上地面区域和两侧区域都进行草地识别，从而当割草机前进方向上的地面区域不是草地时，能够根据其两侧区域的识别结果确定割草机的转向。

作为进一步优选的实施方式，块划分单元包括：

畸变参数获取单元，用于获取图像的透视畸变参数；

缩小图像识别区域单元，用于根据割草机的前进方向、工作宽度和图像的透视畸变参数确定割草机即将工作的区域对应的图像区域；

图像块划分单元，用于在确定出的图像区域中划分图像块。

由于摄像机或照相机等图像采集装置采集的图像都有透视畸变，即近端的事物大、远端的事物小，如果直接按照图像的尺寸来划分待识别的图像块，会将割草机即将的工作区域外的地面对应的图像区域划分进待识别的图像块，导致图片处理计算量变大。因此，本实施例提供的图像识别草地的装置，先根据割草机拍摄得到的图像的透视畸变参数和割草机当前的前进方向、工作宽度确定割草机即将工作的区域对应的图像区域，再在缩小后的图像区域中划分待识别的图像块。其中，在确定割草机即将工作的区域对应的图像区域时所依据的割草机的工作宽度稍大于割草机的实际工作宽度。

在具体的实施方式中，划分后的各个图像块实际对应的地面区域面积优选为一致。

作为进一步优选的实施方式，图像块与图像的下端边缘的最大距离不超过预设值，图像的下端为草地图像的近端。图像(照片)的远端对应的地面距离割草机比较远，割草机在下一时刻也不能达到，所以不属于割草机即将工作的区域，如果对该部分图像区域进行草地识别除了增大图片处理的计算量，没有实际的意义。并且，对该部分图像进行识别的准确度也比较低。所以在划分待识别的图像块时也先将待识别草地图像的上端(即远端)排除。

作为具体的实施方式，判断要素获取单元U3包括：

颜色范围确定单元，用于确定草的颜色值范围；

第一像素数统计单元，用于统计图像块中颜色值在草的颜色值范围内的第一像素数；

颜色占比计算单元，用于计算出第一像素数与图像块的总像素数的比值，作为该图像块中草的颜色占比。

由于草地的颜色相对比较统一，都是绿色，而非草地一般都是其他颜色，例如土地的黑色、灰色等，或者其他障碍物具有的其他颜色。因此，本实施例提供的图像识别草地的装置就简单地利用各个像素点的颜色来确定是否是草。草的颜色值范围可以根据经验值设定，也可以根据割草机实时拍摄的样本来设定。在其他的优选实施方式中，还可以根据割草机的识别正确率来实时地调整。如果待识别图像块中有大部分的像素点的颜色值都在预设的草的颜色值范围内，那么就可以基本判定该图像块对应的地面区域是草地，但是也不排除该地面区域中存在刷有绿漆的物品或者其他绿色物品，因此本实施例提供的草地识别装置，还加了纹理识别，大大提高了草地识别的准确性。

作为进一步具体的实施方式，判断要素获取单元U3包括：

轮廓像素点确定单元，用于确定出图像块中草的轮廓像素点；

第二像素数统计单元，用于统计轮廓像素点的第二像素数；

纹理占比计算单元，用于获取第二像素数与图像块中的总像素数的比值，作为该图像块中的纹理占比。

具体地，轮廓像素点可以利用颜色来确定，例如通过相邻两个像素点之间的颜色差来确定；也可以通过将待识别图像块转化为灰度图，然后利用其他现有的纹理识别方法来确定。本实施例中，由于草地的特殊性：1.草的颜色比较相近、2.草地的外界光照基本一致、3.但是由于光照的角度以及草之间的遮挡影响导致同一颗草甚至同一片叶子的不同位置又有一定的差别(表现在照片上)，因此在进行纹理识别时，不论采用颜色识别方法还是灰度图识别方法，都难以将密集的草丛中草或者草叶的轮廓准确地识别出来，反而在草比较稀疏的草地上因草与土地的颜色、反光度的差异使得草的轮廓相对于土地很容易被识别出来。因此，本实施例提供的图像识别草地的装置根据该特点可以准确地识别出草比较稀疏的草地，大大提高了草地识别的准确率，从而大大降低了割草机漏割的几率。

在其他可替换的具体实施方式中，也可以根据待识别图像块中草的边框像素点来计算待识别的图像块中的纹理占比，此时第一纹理阈值和第二纹理阈值的数值相应调整。

显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (15)

1.一种图像识别草地方法，其特征在于，包括如下步骤：

获取待识别草地的图像；

从所述图像中划分出至少一个图像块；

获取所述图像块中草的颜色占比和纹理占比；

通过将所述颜色占比与预设的至少两个颜色阈值、将所述纹理占比与预设的至少两个纹理阈值进行比较来判断所述图像块是否为草地图像。

2.根据权利要求1所述的方法，其特征在于，所述通过将所述颜色占比与预设的至少两个颜色阈值、将所述纹理占比与预设的至少两个纹理阈值进行比较来判断所述图像块是否为草地图像，包括：

判断所述颜色占比是否大于第一颜色阈值；

当所述颜色占比不大于所述第一颜色阈值时，判断所述颜色占比是否大于第二颜色阈值，其中所述第二颜色阈值小于所述第一颜色阈值；

当所述颜色占比大于第二颜色阈值时，判断所述纹理占比是否大于第一纹理阈值；

当所述纹理占比大于所述第一纹理阈值时，则判定所述图像块为草地图像。

3.根据权利要求2所述的方法，其特征在于，所述通过将所述颜色占比与预设的至少两个颜色阈值、将所述纹理占比与预设的至少两个纹理阈值进行比较来判断所述图像块是否为草地图像，还包括：

当所述颜色占比大于第一颜色阈值时，判断所述纹理占比是否大于第二纹理阈值，所述第二纹理阈值小于所述第一纹理阈值；

当所述纹理占比大于所述第二纹理阈值时，判定所述图像块为草地图像。

4.根据权利要求1-3中任一项所述的方法，其特征在于，所述从所述图像中划分出至少一个图像块的步骤包括：

获取所述割草机的前进方向和/或工作宽度；

根据所述割草机的前进方向和/或工作宽度在所述图像中划分所述图像块。

5.根据权利要求1-4中任一项所述的方法，其特征在于，所述图像块与所述图像的下端边缘的最大距离不超过预设值，所述图像的下端为草地图像的近端。

6.根据权利要求1-5中任一项所述的方法，其特征在于，所述根据所述割草机的前进方向和/或工作宽度在所述图像中划分出所述图像块的步骤包括：

获取所述图像的透视畸变参数；

根据所述割草机的前进方向、工作宽度和所述图像的透视畸变参数确定所述割草机即将工作的区域对应的图像区域；

在确定出的所述图像区域中划分所述图像块。

7.根据权利要求1-6中任一项所述的方法，其特征在于，所述获取所述图像块中草的颜色占比的步骤包括：

确定草的颜色值范围；

统计所述图像块中颜色值在所述草的颜色值范围内的第一像素数；

计算出所述第一像素数与所述图像块的总像素数的比值，作为该图像块中草的颜色占比。

8.根据权利要求1-7中任一项所述的方法，其特征在于，所述获取所述图像块中草的纹理占比的步骤包括：

确定出所述图像块中草的轮廓像素点；

统计所述轮廓像素点的第二像素数；

获取所述第二像素数与所述图像块中的总像素数的比值，作为该图像块中的纹理占比。

9.一种图像识别草地装置，其特征在于，包括：

图像获取单元，用于获取待识别草地的图像；

划分单元，用于从所述图像中划分出至少一个图像块；

判断要素获取单元，用于获取所述图像块中草的颜色占比和纹理占比；

判断单元，通过将所述颜色占比与预设的至少两个颜色阈值、将所述纹理占比与预设的至少两个纹理阈值进行比较来判断所述图像块是否为草地图像。

10.根据权利要求9所述的装置，其特征在于，所述判断单元包括：

第一颜色判断单元，用于判断所述颜色占比是否大于第一颜色阈值；

第二颜色判断单元，当所述颜色占比不大于所述第一颜色阈值时，用于判断所述颜色占比是否大于第二颜色阈值，其中所述第二颜色阈值小于所述第一颜色阈值；

第一纹理判断单元，当所述颜色占比大于第二颜色阈值时，用于判断所述纹理占比是否大于第一纹理阈值；

第一判定单元，当所述纹理占比大于所述第一纹理阈值时，用于判定所述图像块为草地图像。

11.根据权利要求9或10所述的装置，其特征在于，所述判断单元还包括：

第二纹理判断单元，当所述颜色占比大于第一颜色阈值时，用于判断所述纹理占比是否大于第二纹理阈值，所述第二纹理阈值小于所述第一纹理阈值；

第二判定单元，当所述纹理占比大于所述第二纹理阈值时，用于判定所述图像块为草地图像。

12.根据权利要求9-11中任一项所述的装置，其特征在于，所述划分单元包括：

第一获取单元，用于获取所述割草机的前进方向和/或工作宽度；

块划分单元，用于根据所述割草机的前进方向和/或工作宽度在所述图像中划分所述图像块。

13.根据权利要求9-12中任一项所述的装置，其特征在于，所述块划分单元包括：

畸变参数获取单元，用于获取所述图像的透视畸变参数；

缩小图像识别区域单元，用于根据所述割草机的前进方向、工作宽度和所述图像的透视畸变参数确定所述割草机即将工作的区域对应的图像区域；

图像块划分单元，用于在确定出的所述图像区域中划分所述图像块。

14.根据权利要求9-13中任一项所述的装置，其特征在于，所述判断要素获取单元包括：

颜色范围确定单元，用于确定草的颜色值范围；

第一像素数统计单元，用于统计所述图像块中颜色值在所述草的颜色值范围内的第一像素数；

颜色占比计算单元，用于计算出所述第一像素数与所述图像块的总像素数的比值，作为该图像块中草的颜色占比。

15.根据权利要求9-14中任一项所述的装置，其特征在于，所述判断要素获取单元包括：

轮廓像素点确定单元，用于确定出所述图像块中草的轮廓像素点；

第二像素数统计单元，用于统计所述轮廓像素点的第二像素数；

纹理占比计算单元，用于获取所述第二像素数与所述图像块中的总像素数的比值，作为该图像块中的纹理占比。