CN112526989A - 一种农业无人车导航方法、装置、农业无人车及存储介质 - Google Patents
一种农业无人车导航方法、装置、农业无人车及存储介质 Download PDFInfo
- Publication number
- CN112526989A CN112526989A CN202011310398.0A CN202011310398A CN112526989A CN 112526989 A CN112526989 A CN 112526989A CN 202011310398 A CN202011310398 A CN 202011310398A CN 112526989 A CN112526989 A CN 112526989A
- Authority
- CN
- China
- Prior art keywords
- unmanned vehicle
- agricultural unmanned
- agricultural
- line
- crop
- 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
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000003860 storage Methods 0.000 title claims abstract description 18
- 230000000007 visual effect Effects 0.000 claims description 26
- 238000001514 detection method Methods 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 10
- 230000011218 segmentation Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 4
- 238000013135 deep learning Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 11
- 238000010276 construction Methods 0.000 abstract description 3
- 238000012545 processing Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 239000002689 soil Substances 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 230000003628 erosive effect Effects 0.000 description 4
- 239000000725 suspension Substances 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000010339 dilation Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 244000038559 crop plants Species 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- 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
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Abstract
本发明公开了一种农业无人车导航方法、装置、农业无人车及存储介质。在行进过程中实时采集农业无人车前后方的图像，并基于图像中农作物的轮廓确定农作物区域，再根据农作物区域的边缘线确定农业无人车的导航线，省去了提前构建地图与规划路线的成本，当种植区地表环境发生变化时，也无需浪费大量的时间和精力在地图重建上，提高了作业效率，降低了作业成本。
Description
技术领域
本发明实施例涉及农业无人车导航技术领域，尤其涉及一种农业无人车导航方法、装置、农业无人车及存储介质。
背景技术
随着农业机械化水平不断提高，机械化作业日渐成为目前各地区农作物的耕作、灌溉、中耕、植保、收获等农业生产环节的主要方式。
现有的大多数实现种植区的导航方案大多是先构建地图，然后规划路线。如操作无人车或者无人机对种植区先扫描一遍，建立好地图，以供无人车后续离线使用，然后再进行路线规划，再执行作业任务。
由于种植区的地表环境随季节变换较大，而环境变动之后需要重新构建地图，以使无人车适应新的地表环境。因此，需要浪费大量的时间和精力在地图重建上，导致成本高昂，且作业效率低下。
发明内容
本发明提供一种农业无人车导航方法、装置、农业无人车及存储介质，无需浪费大量的时间和精力在地图重建上，提高了作业效率，降低了作业成本。
第一方面，本发明实施例提供了一种农业无人车导航方法，农业无人车搭载有图像采集设备，包括：
获取所述图像采集设备视野范围内的图像；
从所述图像中提取出沿所述农业无人车行进方向上延伸的每一列农作物中各农作物的轮廓；
基于每一列农作物的轮廓确定该列农作物所在的农作物区域，所述农作物的轮廓位于所述农作物区域内；
基于所述农作物区域的边缘线确定所述农业无人车的导航线；
控制所述农业无人车按照所述导航线移动。
可选的，从所述图像中提取出沿所述农业无人车行进方向上延伸的每一列农作物中各农作物的轮廓，包括：
基于视觉图像或深度学习算法对所述图像进行区域分割，提取出各农作物的轮廓。
可选的，基于每一列农作物的轮廓确定该列农作物所在的农作物区域，包括：
针对每一列农作物，计算各农作物的轮廓的最小外接圆；
对各最小外接圆的圆心进行直线拟合，得到拟合直线；
基于所述拟合直线得到所述农作物区域的第一边缘线和第二边缘线。
可选的，基于所述拟合直线得到所述农作物区域的第一边缘线和第二边缘线，包括：
确定每一所述最小外接圆上位于所述拟合直线第一侧的第一目标点和位于所述拟合直线第二侧的第二目标点，所述第一目标点和所述第二目标点的连线经过所述最小外接圆的圆心且垂直于所述农业无人车的行进方向；
计算所述第一目标点到所述拟合直线的第一距离和所述第二目标点到所述拟合直线的第二距离；
确定多个所述第一距离中的最大值对应的第一最小外接圆和次大值对应的第二最小外接圆；
确定多个所述第二距离中的最大值对应的第三最小外接圆和次大值对应的第四最小外接圆；
作第一最小外接圆与第二最小外接圆的第一外公切线作为所述农作物区域的第一边缘线，所述第一外公切线位于所述拟合直线的第一侧；
作第三最小外接圆与第四最小外接圆的第二外公切线作为所述农作物区域的第二边缘线，所述第二外公切线位于所述拟合直线的第二侧。
可选的，在针对每一列农作物，计算各农作物的轮廓的最小外接圆之后，还包括：
判断任意两个最小外接圆是否存在内切或包含的关系；
若是，则剔除被包含或内切的最小外接圆。
可选的，所述农业无人车的车身覆盖在所述农作物上方行驶，基于所述农作物区域的边缘线确定所述农业无人车的导航线，包括：
拟合出所述农作物区域的两条边缘线的中心线作为导航线。
可选的，所述农业无人车在相邻的两个农作物区域之间的行驶区域内行驶，基于所述农作物区域的边缘线确定所述农业无人车的导航线，包括：
拟合出相邻的两个农作物区域的两条相邻的边缘线的中心线作为导航线。
可选的，所述图像采集设备中心视野区域设置有引导矩形框，控制所述农业无人车按照所述导航线移动，包括：
控制所述引导矩形框的中心线与所述导航线重合，以控制所述农业无人车按照所述导航线移动。
可选的，所述农业无人车的车身覆盖在所述农作物上方行驶，所述方法还包括：
判断所述引导矩形框内是否存在农作物；
若是，则控制所述引导矩形框的中心线与所述导航线重合，以控制所述农业无人车按照所述导航线移动；
若否，则控制所述农业无人车停止移动。
可选的，控制所述农业无人车按照所述导航线移动，还包括：
检测所述农业无人车行进方向上视野范围内的农业用具；
确定所述农业用具的位置；
在所述农业无人车行驶至所述农业用具所在的位置时，控制所述农业无人车暂停作业以通过所述农业用具所在的位置；
在经过预设的第一时长后，控制所述农业无人车恢复作业。
可选的，确定所述农业用具的位置，包括：
在检测所述农业无人车行进方向上视野范围内的农业用具时，确定目标检测框的中心点的位置；
将所述目标检测框的中心点的位置作为所述农业用具的位置。
可选的，在所述农业无人车行驶至所述农业用具所在的位置时，控制所述农业无人车暂停作业通过所述农业用具所在的位置，包括：
确定所述农业无人车的位置信息和农业无人车的速度；
根据所述农业用具的位置信息、农业无人车的位置信息和农业无人车的速度计算出第二时长；
在经过第二时长时，控制所述农业无人车暂停作业以通过所述农业用具所在的位置。
第二方面，本发明实施例还提供了农业无人车导航装置，农业无人车搭载有图像采集设备，该装置包括：
图像获取模块，用于获取所述图像采集设备视野范围内的图像；
轮廓提取模块，用于从所述图像中提取出沿所述农业无人车行进方向上延伸的每一列农作物中各农作物的轮廓；
农作物区域确定模块，用于基于每一列农作物的轮廓确定该列农作物所在的农作物区域，所述农作物的轮廓位于所述农作物区域内；
导航线确定模块，用于基于所述农作物区域的边缘线确定所述农业无人车的导航线；
移动控制模块，用于控制所述农业无人车按照所述导航线移动。
可选的，轮廓提取模块包括：
轮廓提取单元，用于基于视觉图像或深度学习算法对所述图像进行区域分割，提取出各农作物的轮廓。
可选的，农作物区域确定模块包括：
最小外接圆确定子模块，用于针对每一列农作物，计算各农作物的轮廓的最小外接圆；
直线拟合子模块，用于对各最小外接圆的圆心进行直线拟合，得到拟合直线；
边缘线确定子模块，用于基于所述拟合直线得到所述农作物区域的第一边缘线和第二边缘线。
可选的，边缘线确定子模块包括：
目标点确定单元，用于确定每一所述最小外接圆上位于所述拟合直线第一侧的第一目标点和位于所述拟合直线第二侧的第二目标点，所述第一目标点和所述第二目标点的连线经过所述最小外接圆的圆心且垂直于所述农业无人车的行进方向；
距离计算单元，用于计算所述第一目标点到所述拟合直线的第一距离和所述第二目标点到所述拟合直线的第二距离；
第一圆确定单元，用于确定多个所述第一距离中的最大值对应的第一最小外接圆和次大值对应的第二最小外接圆；
第二圆确定单元，用于确定多个所述第二距离中的最大值对应的第三最小外接圆和次大值对应的第四最小外接圆；
第一公切线确定单元，用于作第一最小外接圆与第二最小外接圆的第一外公切线作为所述农作物区域的第一边缘线，所述第一外公切线位于所述拟合直线的第一侧；
第二公切线确定单元，用于作第三最小外接圆与第四最小外接圆的第二外公切线作为所述农作物区域的第二边缘线，所述第二外公切线位于所述拟合直线的第二侧。
可选的，农业无人车导航装置还包括：
第一判断模块，用于在针对每一列农作物，计算各农作物的轮廓的最小外接圆之后，判断任意两个最小外接圆是否存在内切或包含的关系；
若是，则剔除被包含或内切的最小外接圆。
可选的，所述农业无人车的车身覆盖在所述农作物上方行驶，导航线确定模块包括：
第一导航线拟合单元，用于拟合出所述农作物区域的两条边缘线的中心线作为导航线。
可选的，所述农业无人车在相邻的两个农作物区域之间的行驶区域内行驶，导航线确定模块包括：
第二导航线拟合单元，用于拟合出相邻的两个农作物区域的两条相邻的边缘线的中心线作为导航线。
可选的，所述图像采集设备中心视野区域设置有引导矩形框，移动控制模块包括：
移动控制单元，用于控制所述引导矩形框的中心线与所述导航线重合，以控制所述农业无人车按照所述导航线移动。
可选的，所述农业无人车的车身覆盖在所述农作物上方行驶，农业无人车导航装置还包括：
第二判断模块，用于判断所述引导矩形框内是否存在农作物；
若是，则控制所述引导矩形框的中心线与所述导航线重合，以控制所述农业无人车按照所述导航线移动；
若否，则控制所述农业无人车停止移动。
可选的，移动控制模块还包括：
检测单元，用于检测所述农业无人车行进方向上视野范围内的农业用具；
位置确定单元，用于确定所述农业用具的位置；
暂停作业单元，用于在所述农业无人车行驶至所述农业用具所在的位置时，控制所述农业无人车暂停作业以通过所述农业用具所在的位置；
恢复作业单元，用于在经过预设的第一时长后，控制所述农业无人车恢复作业。
可选的，位置确定单元包括：
中心点位置确定子单元，用于在检测所述农业无人车行进方向上视野范围内的农业用具时，确定目标检测框的中心点的位置；
位置确定子单元，用于将所述目标检测框的中心点的位置作为所述农业用具的位置。
可选的，暂停作业单元包括：
信息确定子单元，用于确定所述农业无人车的位置信息和农业无人车的速度；
时长计算子单元，用于根据所述农业用具的位置信息、农业无人车的位置信息和农业无人车的速度计算出第二时长；
暂停作业子单元，用于在经过第二时长时，控制所述农业无人车暂停作业以通过所述农业用具所在的位置。
第三方面，本发明实施例还提供了一种农业无人车，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明第一方面提供的农业无人车导航方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明第一方面提供的农业无人车导航方法。
本发明实施例提供的农业无人车导航方法，在获取到图像采集设备视野范围内的图像之后，从图像中提取出沿农业无人车行进方向上延伸的每一列农作物中各农作物的轮廓，接着基于每一列农作物的轮廓确定该列农作物所在的农作物区域，农作物的轮廓位于农作物区域内，然后基于农作物区域的边缘线确定农业无人车的导航线，最后控制农业无人车按照导航线移动。本发明实施例在行进过程中实时采集农业无人车前后方的图像，并基于图像中农作物的轮廓确定农作物区域，再根据农作物区域的边缘线确定农业无人车的导航线，省去了提前构建地图与规划路线的成本，当种植区地表环境发生变化时，也无需浪费大量的时间和精力在地图重建上，提高了作业效率，降低了作业成本。
附图说明
图1为本发明实施例一提供的一种农业无人车导航方法的流程图；
图2A为本发明实施例二提供的一种农业无人车导航方法的流程图；
图2B为本发明实施例二提供的一种农业无人车导航的示意图；
图2C为本发明实施例二提供的另一种农业无人车导航的示意图；
图2D为本发明实施例二提供的一种计算目标点到拟合直线的距离的示意图；
图2E为本发明实施例二中需要多次往返执行作业任务时的路线示意图；
图3为本发明实施例三提供的一种农业无人车导航装置的结构示意图；
图4为本发明实施例四提供的一种农业无人车的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种农业无人车导航方法的流程图，本实施例可适用于农业无人车在种植区域作业导航，该方法可以由本发明实施例提供的农业无人车导航装置来执行，该装置可采用软件和/或硬件的方式实现，并集成于农业无人车中，如图1所示，该方法具体包括如下步骤：
S101、获取图像采集设备视野范围内的图像。
农业无人车搭载有图像采集设备，图像采集设备可以包括一个或多个摄像头，用于实时采集农业无人车前后方图像采集设备视野范围内的图像。摄像头的类型可为单目相机、双目相机、深度相机等，如单目相机和双目相机一般采集到的是RGB图像信息，深度相机采集到的是不仅有RGB图像信息，还有深度信息。本发明实施例不限于以上的任何一种图像采集设备，只要能够获取到农业无人车前后方图像采集设备视野范围内的图像即可，在本发明实施例中以单目相机为例对本发明实施例进行说明。
S102、从图像中提取出沿农业无人车行进方向上延伸的每一列农作物中各农作物的轮廓。
通常，为了适应机械化作业，种植区的农作物被规划成整齐的列(或行)。在获取到图像采集设备视野范围内的图像后，通过对图像进行处理，例如，采用基于视觉图像算法或基于深度学习算法对获取到的图像进行区域分割，得到沿农业无人车行进方向上延伸的每一列农作物中各农作物的轮廓。
S103、基于每一列农作物的轮廓确定该列农作物所在的农作物区域，农作物的轮廓位于农作物区域内。
在本发明实施例中，农作物区域即为一列农作物所在的区域，该列农作物中每一农作物的轮廓均位于该农作物区域内。示例性的，在本发明的一些实施例中，可以根据该列农作物中农作物的轮廓在垂直于农业无人车行进方向上的极值划定农作物区域的边缘线。农作物区域的边缘线可以沿农业无人车行进方向延伸，两条边缘线之间限定的区域即为农作物区域。
S104、基于农作物区域的边缘线确定农业无人车的导航线。
在确定农作物区域后，根据农作物区域的边缘线确定导航线。示例性的，在本发明的一些实施例中，农业无人车的车身覆盖在农作物上方，沿列方向行进对该列农作物作业。这种情况下，可以在该列农作物所在的农作物区域的两条边缘线之间作多条垂直于农业无人车行进方向的连线，然后确定多条连线各自的中点，最后对多个中点进行拟合，得到拟合的导航线。示例性的，在本发明的另一些实施例中，农业无人车的车身及轮子都在相邻的两个农作物区域之间的空置区域，该空置区域称之为可行驶区域，农业无人车沿列方向行进对该相邻的两列农作物作业。这种情况下，可以在相邻的两列农作物所在的农作物区域的两条相邻的边缘线之间作多条垂直于农业无人车行进方向的连线，然后确定多条连线各自的中点，最后对多个中点进行拟合，得到拟合的导航线。
S105、控制农业无人车按照导航线移动。
在确定导航线后，控制农业无人车按照导航线移动，并进行作业。
本发明实施例提供的农业无人车导航方法，在获取到图像采集设备视野范围内的图像之后，从图像中提取出沿农业无人车行进方向上延伸的每一列农作物中各农作物的轮廓，接着基于每一列农作物的轮廓确定该列农作物所在的农作物区域，农作物的轮廓位于农作物区域内，然后基于农作物区域的边缘线确定农业无人车的导航线，最后控制农业无人车按照导航线移动。本发明实施例在行进过程中实时采集农业无人车前后方的图像，并基于图像中农作物的轮廓确定农作物区域，再根据农作物区域的边缘线确定农业无人车的导航线，省去了提前构建地图与规划路线的成本，当种植区地表环境发生变化时，也无需浪费大量的时间和精力在地图重建上，提高了作业效率，降低了作业成本。
实施例二
图2A为本发明实施例二提供的一种农业无人车导航方法的流程图，图2B为本发明实施例二提供的一种农业无人车导航的示意图，图2C为本发明实施例二提供的另一种农业无人车导航的示意图，本发明实施例以前述实施例一为基础进行优化，详细描述了本发明实施例中各步骤的详细过程，具体的，如图2A所示，本发明实施例的方法可以包括如下步骤：
S201、获取图像采集设备视野范围内的图像。
农业无人车搭载有图像采集设备，图像采集设备可以包括一个或多个摄像头，用于实时采集农业无人车前后方图像采集设备视野范围内的图像。
S202、基于视觉图像或深度学习算法对图像进行区域分割，提取出各农作物的轮廓。
在本发明其中一实施例中，基于视觉图像算法对获取到的图像进行处理。由于RGB空间并不能很好地反映出物体具体的颜色信息，而相对于RGB空间，HSV空间能够非常直观的表达色彩的色调(Hue)、饱和度(Saturation)和明度(Value)，方便进行颜色之间的对比，进而更容易从图像中分理处目标。通过将获取到的图像由RGB空间转换为HSV空间，得到第一子图像(或称之为HSV图像)。
接着对第一子图像进行形态学腐蚀膨胀处理，分割出独立的图像元素，在图像中连接相邻的元素，得到第二子图像。
膨胀或者腐蚀操作就是将图像(或图像的一部分区域)与核进行卷积。核可以是任何的形状和大小，它拥有一个单独定义出来的参考点，我们称其为锚点(anchorpoint)。多数情况下，核是一个小的中间带有参考点和实心正方形或者圆盘，我们也可以把核视为模板或者掩码。而膨胀就是求局部最大值的操作，核与图形卷积，即计算核覆盖的区域的像素点的最大值，并把这个最大值赋值给参考点指定的像素，这样就会使图像中的高亮区域逐渐扩大。腐蚀操作与膨胀操作相反，腐蚀就是求局部最小值的操作，核与图形卷积，即计算核覆盖的区域的像素点的最小值，并把这个最小值赋值给参考点指定的像素，这样就会使图像中的高亮区域逐渐缩小。
对上述步骤得到的第二子图像进行二值化处理，得到二值化的第三子图像。二值化处理能够在保留图像轮廓信息的同时，降低后续处理的运算量，提高处理效率。
通过轮廓提取或边界跟踪的方式查找图像中各农作物的轮廓。具体的，对于一副二值化图像，物体与背景分开，如果背景是白物体，物体为黑的话，我们可以采用掏空内部点法进行轮廓提取。边界跟踪过程为：首先在图像中找到一个边界点，然后从这个边界点出发，按照某种策略寻找下一个边界点，以此跟踪出目标边界，得到各农作物的轮廓。
在本发明另一实施例中，基于深度学习算法对获取到的图像进行处理。具体的，首先需要收集大量常见农作物在不同生长周期时候的图像数据样本，之所以选择农作物作为正样本而不是土地，是因为土地是不规则形状的物体，特征难以捕捉。对图像数据样本进行标注，并采用标注的样本对神经网络模型进行训练。将获取图像输入到训练好的神经网络模型中，神经模型对图像的处理是像素级别处理，将图像中每个像素进行语义分类，当对图像完成全部像素分类后，相邻的同类像素即可得到一个完整的分割后的农作物目标。进一步的，农作物目标与背景的边界线即为农作物的轮廓。
S203、针对每一列农作物，计算各农作物的轮廓的最小外接圆。
针对每一列农作物，计算出该列农作物中各农作物的轮廓的最小外接圆，最小外接圆为能够包含农作物轮廓的最小圆。从分割后得到的二值化图像中寻找满足轮廓上的点均在圆形空间内，且没有面积更小的圆即可。示例性的，在本发明的一些实施例中，可以直接调用OpenCV库中minEnclosingCircle()函数来实现。如图2B和图2C所示，每一列农作物对应的最小外接圆沿农业无人车的行径方向排列。
由于基于传统视觉分割精度低的原因，可能会导致同一个农作物出现多个连通域(即将同一个农作物分割成两个或多个分割区域)，导致在后续直线拟合的时候出现直线偏角过大的问题，间接影响农业无人车跟随导航线行驶时急速转动进而出现剧烈抖动。为解决该问题，在本发明的一些实施例中，在针对每一列农作物，计算各农作物的轮廓的最小外接圆之后，还可以包括：
判断任意两个最小外接圆是否存在内切或包含的关系，若是，则剔除被包含或内切的最小外接圆。避免在同一个农作物上出现多个分割区域，进而消除农业无人车出现剧烈抖动的问题。
S204、对各最小外接圆的圆心进行直线拟合，得到拟合直线。
在得到该列农作物中各农作物的轮廓的最小外接圆后，对该列农作物对应的各最小外接圆的圆心进行直线拟合，得到一条拟合直线L1，如图2B和图2C所示。
S205、基于拟合直线得到农作物区域的第一边缘线和第二边缘线。
在本发明的一些实施例中，可以根据拟合直线L1与该列农作物对应的最小外接圆的切线来确定该列农作物所在的农作物区域的第一边缘线L2和第二边缘线L3，第一边缘线L2和第二边缘线L3之间的区域称之为农作物区域。
示例性的，在本发明的一些实施例中，上述步骤S205可以包括如下子步骤：
S2051、确定每一最小外接圆上位于拟合直线第一侧的第一目标点和位于拟合直线第二侧的第二目标点，第一目标点和第二目标点的连线经过最小外接圆的圆心且垂直于农业无人车的行进方向。
图2D为本发明实施例二提供的一种计算目标点到拟合直线的距离的示意图，如图2D所示，确定每一最小外接圆上位于拟合直线L1第一侧的第一目标点P1和位于拟合直线L1第二侧的第二目标点P2，第一目标点P1和第二目标点P2的连线经过最小外接圆的圆心且垂直于农业无人车的行进方向。在具体的操作过程中，可以通过每个最小外接圆的圆心位置分别沿垂直于农业无人车的行进方向两侧移动半径长的距离，确定每个最小外接圆上的第一目标点P1和第二目标点P2。
S2052、计算第一目标点到拟合直线的第一距离和第二目标点到拟合直线的第二距离。
如图2D所示，作第一目标点P1到拟合直线L1的垂线段，然后求该垂线段的长度，得到第一目标点P1到拟合直线L1的第一距离。类似的，作第二目标点P2到拟合直线L1的垂线段，然后求该垂线段的长度，得到第二目标点P2到拟合直线L1的第二距离。
S2053、确定多个第一距离中的最大值对应的第一最小外接圆和次大值对应的第二最小外接圆。
在求出各最小外接圆上的第一目标点P1对应的第一距离后，确定各第一距离中的最大值和次大值，进而确定该最大值对应的第一最小外接圆和次大值对应的第二最小外接圆。
S2054、确定多个第二距离中的最大值对应的第三最小外接圆和次大值对应的第四最小外接圆。
在求出各最小外接圆上的第二目标点P2对应的第二距离后，确定各第二距离中的最大值和次大值，进而确定该最大值对应的第三最小外接圆和次大值对应的第四最小外接圆。
S2055、作第一最小外接圆与第二最小外接圆的第一外公切线作为农作物区域的第一边缘线，第一外公切线位于拟合直线的第一侧。
作第一最小外接圆与第二最小外接圆的第一外公切线作为农作物区域的第一边缘线L2，第一外公切线位于拟合直线L1的第一侧。
S2056、作第三最小外接圆与第四最小外接圆的第二外公切线作为农作物区域的第二边缘线，第二外公切线位于拟合直线的第二侧。
作第三最小外接圆与第四最小外接圆的第二外公切线作为农作物区域的第二边缘线L3，第二外公切线位于拟合直线L1的第二侧。
本发明实施例中，通过确定每一最小外接圆上位于拟合直线第一侧的第一目标点和位于拟合直线第二侧的第二目标点，接着计算第一目标点和第二目标点分别到拟合直线的第一距离和第二距离，作第一距离中的最大值和次大值对应的两个外接圆的外公切线作为第一边缘线，作第二距离中的最大值和次大值对应的两个外接圆的外公切线作为第二边缘线，能够尽量扩大农作物区域，避免农业无人车行驶时碾压到农作物。
S206、基于农作物区域的边缘线确定农业无人车的导航线。
在本发明实施例中，农业无人车的作业方式可以分为两种情况，第一种情况如图2B所示，农业无人车的车身覆盖在农作物上方行驶，第二种情况如图2C所示，农业无人车在相邻的两个农作物区域之间的行驶区域(图中阴影区域)内行驶。
针对第一种情况，农业无人车的车身覆盖在农作物上方行驶时，上述步骤S206可以包括：
拟合出农作物区域的两条边缘线的中心线作为导航线。
具体的，可以在该列农作物所在的农作物区域的两条边缘线L2和L3之间作多条垂直于农业无人车行进方向的连线，然后确定多条连线各自的中点，最后对多个中点进行拟合，得到拟合的中心线作为导航线。
在本发明的另一实施例中，针对第一种情况，也可以直接将该列农作物的各最小外接圆的圆心拟合出的拟合直线L1作为导航线。
针对第二种情况，农业无人车在相邻的两个农作物区域之间的行驶区域内行驶，上述步骤S206可以包括：
拟合出相邻的两个农作物区域的两条相邻的边缘线的中心线作为导航线。
具体的，可以在相邻的两列农作物所在的农作物区域的两条相邻的边缘线之间作多条垂直于农业无人车行进方向的连线，然后确定多条连线各自的中点，最后对多个中点进行拟合，得到拟合的中心线作为导航线。
S207、控制农业无人车按照导航线移动。
在确定导航线后，控制农业无人车按照导航线移动，并进行作业。
在本发明的一些实施例中，如图2B和图2C所示，图像采集设备中心视野区域设置有引导矩形框K，引导矩形框K的大小可根据实际情况来确定，该引导矩形框K用来进行引导，用来确定视野前方的导航线。具体的，农业无人车移动，使得引导矩形框的中心线与导航线进行重合，以此来引导农业无人车持续向前且跟随着导航线移动。
在本发明的一些实施例中，针对第一种情况，农业无人车的车身覆盖在农作物上方行驶，在控制农业无人车按照导航线移动的过程中，判断引导矩形框K内是否存在农作物，若是，则控制引导矩形框K的中心线与导航线重合，以控制农业无人车按照导航线移动；若否，说明当前农业无人车已偏离航线或行驶至农作物区域的尽头，此时控制农业无人车停止移动。
在本发明的一些实施例中，如遇到行驶路线中存在障碍物或农业用具，还可以在经过障碍物或农业用具所在的位置时，暂时停止作业，避免对农业无人车或农业用具造成损坏。示例性的，步骤S207还可以包括如下子步骤：
S2071、检测农业无人车行进方向上视野范围内的农业用具。
具体的，可以将实时采集的图像输入预先训练好的检测模型，模型对图像进行处理，得到图像中的农业用具的种类以及农业用具所在的位置。检测模型可以基于Fast RCNN算法，首先筛选出可能存在目标的候选区域，接着对这些候选区域进行特征提取并分类，得到农业用具的类型。
S2072、确定农业用具的位置。
具体的，在通过在检测Fast RCNN算法检测农业用具过程中，Fast RCNN最后会用目标检测框(Bounding Box，BBox)框中农业用具，本发明实施例中，将目标检测框的中心点的位置作为农业用具的位置，这样能够很好的解决视野内的滴管以一定的角度倾斜的情况，且在农业无人车行进过程中可以实时调整农业用具的位置，得到更精确的位置。
S2073、在农业无人车行驶至农业用具所在的位置时，控制农业无人车暂停作业以通过农业用具所在的位置。
示例性的，本发明实施例中，农业用具可以是滴管，滴管通常埋设在土层下方，农业无人车的作业可以是松土，在农业无人车行驶至滴管所在的位置时，控制农业无人车控制松土器械抬起，暂停松土以通过滴管所在的位置，避免松土时对滴管造成破坏。
具体的，在本发明实施例中，可以结合农业无人车的行驶速度、农业无人车的当前位置以及农业用具的位置，确定到达农业用具所在的位置所需的时长，然后在经过该时长后，控制农业无人车暂停作业以通过农业用具所在的位置。具体的，首先确定农业无人车的位置信息和农业无人车的速度V，根据农业用具的位置信息、农业无人车的位置信息得到两种的距离S，根据距离S和农业无人车的速度V计算出第二时长T2，在经过第二时长T2时，控制农业无人车暂停作业以通过农业用具所在的位置。
S2074、在经过预设的第一时长后，控制农业无人车恢复作业。
具体的，第一时长为预先设定的，第一时长可以通过试验得到，以农业无人车刚刚暂停作业时开始至农业无人车刚刚通过该农业用具时结束。示例性的，在本发明一实施例中，农业无人车控制松土器械抬起后，经过预设的第一时长后，控制松土器械放下，恢复松土作业。
图2E为本发明实施例二中需要多次往返执行作业任务时的路线示意图，如图2E所示，在本发明的一些实施例中，该种植区内存在三条需要作业的导航线，分别为A1-A2，B1-B2，C1-C2，农业无人车需要从A1点开始作业，需要从A1点行驶作业到A2点，通过图像采集设备采集的图像中的参考端点的确定已经到达该条导航线的尽头，到达A2点后，农业无人车按照预先设定好的偏移参数从A2点移动至B2点；到达B2点后，再从B2点行驶作业到B1点；到达B1点后，再从B1点经过C1点，到达C1点后，再从C1点行驶作业到C2点，如此往复实现所有的导航作业。
本发明实施例提供的农业无人车导航方法，在行进过程中实时采集农业无人车前后方的图像，并基于图像中农作物的轮廓确定农作物区域，再根据农作物区域的边缘线确定农业无人车的导航线，省去了提前构建地图与规划路线的成本，当种植区地表环境发生变化时，也无需浪费大量的时间和精力在地图重建上，提高了作业效率，降低了作业成本。此外，通过确定每一最小外接圆上位于拟合直线第一侧的第一目标点和位于拟合直线第二侧的第二目标点，接着计算第一目标点和第二目标点分别到拟合直线的第一距离和第二距离，作第一距离中的最大值和次大值对应的两个外接圆的外公切线作为第一边缘线，作第二距离中的最大值和次大值对应的两个外接圆的外公切线作为第二边缘线，能够尽量扩大农作物区域，避免农业无人车行驶时碾压到农作物。
实施例三
图3为本发明实施例三提供的一种农业无人车导航装置的结构示意图，农业无人车搭载有图像采集设备，该装置包括：
图像获取模块301，用于获取所述图像采集设备视野范围内的图像；
轮廓提取模块302，用于从所述图像中提取出沿所述农业无人车行进方向上延伸的每一列农作物中各农作物的轮廓；
农作物区域确定模块303，用于基于每一列农作物的轮廓确定该列农作物所在的农作物区域，所述农作物的轮廓位于所述农作物区域内；
导航线确定模块304，用于基于所述农作物区域的边缘线确定所述农业无人车的导航线；
移动控制模块305，用于控制所述农业无人车按照所述导航线移动。
可选的，轮廓提取模块302包括：
轮廓提取单元，用于基于视觉图像或深度学习算法对所述图像进行区域分割，提取出各农作物的轮廓。
可选的，农作物区域确定模块303包括：
最小外接圆确定子模块，用于针对每一列农作物，计算各农作物的轮廓的最小外接圆；
直线拟合子模块，用于对各最小外接圆的圆心进行直线拟合，得到拟合直线；
边缘线确定子模块，用于基于所述拟合直线得到所述农作物区域的第一边缘线和第二边缘线。
可选的，边缘线确定子模块包括：
目标点确定单元，用于确定每一所述最小外接圆上位于所述拟合直线第一侧的第一目标点和位于所述拟合直线第二侧的第二目标点，所述第一目标点和所述第二目标点的连线经过所述最小外接圆的圆心且垂直于所述农业无人车的行进方向；
距离计算单元，用于计算所述第一目标点到所述拟合直线的第一距离和所述第二目标点到所述拟合直线的第二距离；
第一圆确定单元，用于确定多个所述第一距离中的最大值对应的第一最小外接圆和次大值对应的第二最小外接圆；
第二圆确定单元，用于确定多个所述第二距离中的最大值对应的第三最小外接圆和次大值对应的第四最小外接圆；
第一公切线确定单元，用于作第一最小外接圆与第二最小外接圆的第一外公切线作为所述农作物区域的第一边缘线，所述第一外公切线位于所述拟合直线的第一侧；
第二公切线确定单元，用于作第三最小外接圆与第四最小外接圆的第二外公切线作为所述农作物区域的第二边缘线，所述第二外公切线位于所述拟合直线的第二侧。
可选的，农业无人车导航装置还包括：
第一判断模块，用于在针对每一列农作物，计算各农作物的轮廓的最小外接圆之后，判断任意两个最小外接圆是否存在内切或包含的关系；
若是，则剔除被包含或内切的最小外接圆。
可选的，所述农业无人车的车身覆盖在所述农作物上方行驶，导航线确定模块304包括：
第一导航线拟合单元，用于拟合出所述农作物区域的两条边缘线的中心线作为导航线。
可选的，所述农业无人车在相邻的两个农作物区域之间的行驶区域内行驶，导航线确定模块304包括：
第二导航线拟合单元，用于拟合出相邻的两个农作物区域的两条相邻的边缘线的中心线作为导航线。
可选的，所述图像采集设备中心视野区域设置有引导矩形框，移动控制模块305包括：
移动控制单元，用于控制所述引导矩形框的中心线与所述导航线重合，以控制所述农业无人车按照所述导航线移动。
可选的，所述农业无人车的车身覆盖在所述农作物上方行驶，农业无人车导航装置还包括：
第二判断模块，用于判断所述引导矩形框内是否存在农作物；
若是，则控制所述引导矩形框的中心线与所述导航线重合，以控制所述农业无人车按照所述导航线移动；
若否，则控制所述农业无人车停止移动。
可选的，移动控制模块305还包括：
检测单元，用于检测所述农业无人车行进方向上视野范围内的农业用具；
位置确定单元，用于确定所述农业用具的位置；
暂停作业单元，用于在所述农业无人车行驶至所述农业用具所在的位置时，控制所述农业无人车暂停作业以通过所述农业用具所在的位置；
恢复作业单元，用于在经过预设的第一时长后，控制所述农业无人车恢复作业。
可选的，位置确定单元包括：
中心点位置确定子单元，用于在检测所述农业无人车行进方向上视野范围内的农业用具时，确定目标检测框的中心点的位置；
位置确定子单元，用于将所述目标检测框的中心点的位置作为所述农业用具的位置。
可选的，暂停作业单元包括：
信息确定子单元，用于确定所述农业无人车的位置信息和农业无人车的速度；
时长计算子单元，用于根据所述农业用具的位置信息、农业无人车的位置信息和农业无人车的速度计算出第二时长；
暂停作业子单元，用于在经过第二时长时，控制所述农业无人车暂停作业以通过所述农业用具所在的位置。
上述农业无人车导航装置可执行本发明任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。
实施例四
本发明实施例四提供了一种农业无人车，图4为本发明实施例四提供的一种农业无人车的结构示意图，如图4所示，该农业无人车包括：
处理器401、存储器402、通信模块403、输入装置404和输出装置405；健身器械中处理器401的数量可以是一个或多个，图4中以一个处理器401为例；农业无人车中的处理器401、存储器402、通信模块403、输入装置404和输出装置405可以通过总线或其他方式连接，图4中以通过总线连接为例。上述处理器401、存储器402、通信模块403、输入装置404和输出装置405可以集成在农业无人车上。
存储器402作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如上述实施例中的农业无人车导航方法对应的模块。处理器401通过运行存储在存储器402中的软件程序、指令以及模块，从而执行农业无人车的各种功能应用以及数据处理，即实现上述的农业无人车导航方法。
存储器402可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据微型计算机的使用所创建的数据等。此外，存储器402可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器402可进一步包括相对于处理器401远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
通信模块403，用于与外界设备(例如智能终端)建立连接，并实现与外界设备的数据交互。输入装置404可用于接收输入的数字或字符信息，以及产生与农业无人车的用户设置以及功能控制有关的键信号输入。
本实施例提供的农业无人车，可执行本发明实施例一、二提供的农业无人车导航方法，具有相应的功能和有益效果。
实施例五
本发明实施例五提供了一种包含计算机可执行指令的存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明上述任意实施例提供的农业无人车导航方法，该方法包括：
获取所述图像采集设备视野范围内的图像；
从所述图像中提取出沿所述农业无人车行进方向上延伸的每一列农作物中各农作物的轮廓；
基于每一列农作物的轮廓确定该列农作物所在的农作物区域，所述农作物的轮廓位于所述农作物区域内；
基于所述农作物区域的边缘线确定所述农业无人车的导航线；
控制所述农业无人车按照所述导航线移动。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明实施例所提供的农业无人车导航方法中的相关操作。
需要说明的是，对于装置、农业无人车和存储介质实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台农业无人车执行本发明任意实施例所述的农业无人车导航方法。
值得注意的是，上述装置中，所包括的各个模块、子模块、单元和子单元只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行装置执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (15)
1.一种农业无人车导航方法，其特征在于，农业无人车搭载有图像采集设备，包括：
获取所述图像采集设备视野范围内的图像；
从所述图像中提取出沿所述农业无人车行进方向上延伸的每一列农作物中各农作物的轮廓；
基于每一列农作物的轮廓确定该列农作物所在的农作物区域，所述农作物的轮廓位于所述农作物区域内；
基于所述农作物区域的边缘线确定所述农业无人车的导航线；
控制所述农业无人车按照所述导航线移动。
2.根据权利要求1所述的农业无人车导航方法，其特征在于，从所述图像中提取出沿所述农业无人车行进方向上延伸的每一列农作物中各农作物的轮廓，包括：
基于视觉图像或深度学习算法对所述图像进行区域分割，提取出各农作物的轮廓。
3.根据权利要求1所述的农业无人车导航方法，其特征在于，基于每一列农作物的轮廓确定该列农作物所在的农作物区域，包括：
针对每一列农作物，计算各农作物的轮廓的最小外接圆；
对各最小外接圆的圆心进行直线拟合，得到拟合直线；
基于所述拟合直线得到所述农作物区域的第一边缘线和第二边缘线。
4.根据权利要求3所述的农业无人车导航方法，其特征在于，基于所述拟合直线得到所述农作物区域的第一边缘线和第二边缘线，包括：
确定每一所述最小外接圆上位于所述拟合直线第一侧的第一目标点和位于所述拟合直线第二侧的第二目标点，所述第一目标点和所述第二目标点的连线经过所述最小外接圆的圆心且垂直于所述农业无人车的行进方向；
计算所述第一目标点到所述拟合直线的第一距离和所述第二目标点到所述拟合直线的第二距离；
确定多个所述第一距离中的最大值对应的第一最小外接圆和次大值对应的第二最小外接圆；
确定多个所述第二距离中的最大值对应的第三最小外接圆和次大值对应的第四最小外接圆；
作第一最小外接圆与第二最小外接圆的第一外公切线作为所述农作物区域的第一边缘线，所述第一外公切线位于所述拟合直线的第一侧；
作第三最小外接圆与第四最小外接圆的第二外公切线作为所述农作物区域的第二边缘线，所述第二外公切线位于所述拟合直线的第二侧。
5.根据权利要求3所述的农业无人车导航方法，其特征在于，在针对每一列农作物，计算各农作物的轮廓的最小外接圆之后，还包括：
判断任意两个最小外接圆是否存在内切或包含的关系；
若是，则剔除被包含或内切的最小外接圆。
6.根据权利要求1-5任一所述的农业无人车导航方法，其特征在于，所述农业无人车的车身覆盖在所述农作物上方行驶，基于所述农作物区域的边缘线确定所述农业无人车的导航线，包括：
拟合出所述农作物区域的两条边缘线的中心线作为导航线。
7.根据权利要求1-5任一所述的农业无人车导航方法，其特征在于，所述农业无人车在相邻的两个农作物区域之间的行驶区域内行驶，基于所述农作物区域的边缘线确定所述农业无人车的导航线，包括：
拟合出相邻的两个农作物区域的两条相邻的边缘线的中心线作为导航线。
8.根据权利要求1-5任一所述的农业无人车导航方法，其特征在于，所述图像采集设备中心视野区域设置有引导矩形框，控制所述农业无人车按照所述导航线移动，包括：
控制所述引导矩形框的中心线与所述导航线重合，以控制所述农业无人车按照所述导航线移动。
9.根据权利要求8所述的农业无人车导航方法，其特征在于，所述农业无人车的车身覆盖在所述农作物上方行驶，所述方法还包括：
判断所述引导矩形框内是否存在农作物；
若是，则控制所述引导矩形框的中心线与所述导航线重合，以控制所述农业无人车按照所述导航线移动；
若否，则控制所述农业无人车停止移动。
10.根据权利要求1-5任一所述的农业无人车导航方法，其特征在于，控制所述农业无人车按照所述导航线移动，还包括：
检测所述农业无人车行进方向上视野范围内的农业用具；
确定所述农业用具的位置；
在所述农业无人车行驶至所述农业用具所在的位置时，控制所述农业无人车暂停作业以通过所述农业用具所在的位置；
在经过预设的第一时长后，控制所述农业无人车恢复作业。
11.根据权利要求10所述的农业无人车导航方法，其特征在于，确定所述农业用具的位置，包括：
在检测所述农业无人车行进方向上视野范围内的农业用具时，确定目标检测框的中心点的位置；
将所述目标检测框的中心点的位置作为所述农业用具的位置。
12.根据权利要求10所述的农业无人车导航方法，其特征在于，在所述农业无人车行驶至所述农业用具所在的位置时，控制所述农业无人车暂停作业通过所述农业用具所在的位置，包括：
确定所述农业无人车的位置信息和农业无人车的速度；
根据所述农业用具的位置信息、农业无人车的位置信息和农业无人车的速度计算出第二时长；
在经过第二时长时，控制所述农业无人车暂停作业以通过所述农业用具所在的位置。
13.一种农业无人车导航装置，其特征在于，农业无人车搭载有图像采集设备，包括：
图像获取模块，用于获取所述图像采集设备视野范围内的图像；
轮廓提取模块，用于从所述图像中提取出沿所述农业无人车行进方向上延伸的每一列农作物中各农作物的轮廓；
农作物区域确定模块，用于基于每一列农作物的轮廓确定该列农作物所在的农作物区域，所述农作物的轮廓位于所述农作物区域内；
导航线确定模块，用于基于所述农作物区域的边缘线确定所述农业无人车的导航线；
移动控制模块，用于控制所述农业无人车按照所述导航线移动。
14.一种农业无人车，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-12任一所述的农业无人车导航方法。
15.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-12任一所述的农业无人车导航方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011310398.0A CN112526989B (zh) | 2020-11-20 | 2020-11-20 | 一种农业无人车导航方法、装置、农业无人车及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011310398.0A CN112526989B (zh) | 2020-11-20 | 2020-11-20 | 一种农业无人车导航方法、装置、农业无人车及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112526989A true CN112526989A (zh) | 2021-03-19 |
| CN112526989B CN112526989B (zh) | 2023-11-21 |
Family
ID=74981972
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011310398.0A Active CN112526989B (zh) | 2020-11-20 | 2020-11-20 | 一种农业无人车导航方法、装置、农业无人车及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112526989B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114485612A (zh) * | 2021-12-29 | 2022-05-13 | 广州极飞科技股份有限公司 | 路线生成方法、装置、无人作业车、电子设备及存储介质 |
| CN115273509A (zh) * | 2022-06-28 | 2022-11-01 | 深圳优地科技有限公司 | 无人车通行交通路口的控制方法、无人车及存储介质 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH1012926A (ja) * | 1996-06-20 | 1998-01-16 | Toyoda Gosei Co Ltd | 全色発光型発光ダイオードランプ及びディスプレイ装置 |
| WO2007101744A1 (de) * | 2006-03-07 | 2007-09-13 | Robert Bosch Gmbh | Verfahren und anordnung zur anzeige von navigationshinweisen |
| US20070271012A1 (en) * | 2006-05-18 | 2007-11-22 | Applied Perception Inc. | Vision guidance system and method for identifying the position of crop rows in a field |
| JP2008286732A (ja) * | 2007-05-21 | 2008-11-27 | Alpine Electronics Inc | 地図表示装置及び経路表示方法 |
| CN203739885U (zh) * | 2013-11-29 | 2014-07-30 | 北京恒华伟业科技股份有限公司 | 标线车辆的轨迹控制系统 |
| CN105021196A (zh) * | 2015-06-29 | 2015-11-04 | 郑州轻工业学院 | 基于最小相切圆和形态学原理的作物行检测方法 |
| CN105783935A (zh) * | 2016-03-07 | 2016-07-20 | 河北科技大学 | 农业机械视觉导航方法 |
| CN105808180A (zh) * | 2014-12-30 | 2016-07-27 | 深圳富泰宏精密工业有限公司 | 画面调整方法及系统 |
| 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 |
| CN106909148A (zh) * | 2017-03-10 | 2017-06-30 | 南京沃杨机械科技有限公司 | 基于农田环境感知的农机无人驾驶导航方法 |
| US20170293304A1 (en) * | 2016-04-12 | 2017-10-12 | Agjunction Llc | Line acquisition path generation using curvature profiles |
| US20180208311A1 (en) * | 2017-01-23 | 2018-07-26 | Hangzhou Zero Zero Technology Co., Ltd. | System and method for omni-directional obstacle avoidance in aerial systems |
| CN110673622A (zh) * | 2019-10-25 | 2020-01-10 | 大连东软信息学院 | 一种基于视觉图像的无人机自动着舰引导方法与系统 |
| CN110879617A (zh) * | 2019-12-30 | 2020-03-13 | 湖南星空机器人技术有限公司 | 一种红外引导无人机降落方法及装置 |
-
2020
- 2020-11-20 CN CN202011310398.0A patent/CN112526989B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH1012926A (ja) * | 1996-06-20 | 1998-01-16 | Toyoda Gosei Co Ltd | 全色発光型発光ダイオードランプ及びディスプレイ装置 |
| WO2007101744A1 (de) * | 2006-03-07 | 2007-09-13 | Robert Bosch Gmbh | Verfahren und anordnung zur anzeige von navigationshinweisen |
| US20070271012A1 (en) * | 2006-05-18 | 2007-11-22 | Applied Perception Inc. | Vision guidance system and method for identifying the position of crop rows in a field |
| JP2008286732A (ja) * | 2007-05-21 | 2008-11-27 | Alpine Electronics Inc | 地図表示装置及び経路表示方法 |
| CN203739885U (zh) * | 2013-11-29 | 2014-07-30 | 北京恒华伟业科技股份有限公司 | 标线车辆的轨迹控制系统 |
| CN105808180A (zh) * | 2014-12-30 | 2016-07-27 | 深圳富泰宏精密工业有限公司 | 画面调整方法及系统 |
| CN105021196A (zh) * | 2015-06-29 | 2015-11-04 | 郑州轻工业学院 | 基于最小相切圆和形态学原理的作物行检测方法 |
| 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 |
| CN105783935A (zh) * | 2016-03-07 | 2016-07-20 | 河北科技大学 | 农业机械视觉导航方法 |
| US20170293304A1 (en) * | 2016-04-12 | 2017-10-12 | Agjunction Llc | Line acquisition path generation using curvature profiles |
| US20180208311A1 (en) * | 2017-01-23 | 2018-07-26 | Hangzhou Zero Zero Technology Co., Ltd. | System and method for omni-directional obstacle avoidance in aerial systems |
| CN106909148A (zh) * | 2017-03-10 | 2017-06-30 | 南京沃杨机械科技有限公司 | 基于农田环境感知的农机无人驾驶导航方法 |
| CN110673622A (zh) * | 2019-10-25 | 2020-01-10 | 大连东软信息学院 | 一种基于视觉图像的无人机自动着舰引导方法与系统 |
| CN110879617A (zh) * | 2019-12-30 | 2020-03-13 | 湖南星空机器人技术有限公司 | 一种红外引导无人机降落方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 陈逸等，: "基于Leader-Follower的分队队形控制寻径算法研究", 计算机应用研究, vol. 35, no. 12 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114485612A (zh) * | 2021-12-29 | 2022-05-13 | 广州极飞科技股份有限公司 | 路线生成方法、装置、无人作业车、电子设备及存储介质 |
| CN114485612B (zh) * | 2021-12-29 | 2024-04-26 | 广州极飞科技股份有限公司 | 路线生成方法、装置、无人作业车、电子设备及存储介质 |
| CN115273509A (zh) * | 2022-06-28 | 2022-11-01 | 深圳优地科技有限公司 | 无人车通行交通路口的控制方法、无人车及存储介质 |
| CN115273509B (zh) * | 2022-06-28 | 2023-10-17 | 深圳优地科技有限公司 | 无人车通行交通路口的控制方法、无人车及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112526989B (zh) | 2023-11-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111602517B (zh) | 一种串型水果分布式视觉主动感知方法及其应用 | |
| EP3770810A1 (en) | Method and apparatus for acquiring boundary of area to be operated, and operation route planning method | |
| US10008035B1 (en) | System and method of virtual plant field modelling | |
| EP3805981A1 (en) | Method and apparatus for planning operation in target region, storage medium, and processor | |
| CN110243372B (zh) | 基于机器视觉的智能农机导航系统及方法 | |
| 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 | |
| CN112526989A (zh) | 一种农业无人车导航方法、装置、农业无人车及存储介质 | |
| 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 | |
| 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 | |
| CN103646249A (zh) | 一种温室智能移动机器人视觉导航路径识别方法 | |
| CN109708644A (zh) | 移动机器人导航方法、装置和移动机器人 | |
| EP4242964A1 (en) | Obstacle recognition method applied to automatic traveling device and automatic traveling device | |
| CN111353431A (zh) | 自动工作系统、自动行走设备及其控制方法及计算机可读存储介质 | |
| CN114067206B (zh) | 一种基于深度图像的球形果实识别定位方法 | |
| CN111830988A (zh) | 自动行走设备及其控制方法和系统及可读存储介质 | |
| Zhang et al. | A quadratic traversal algorithm of shortest weeding path planning for agricultural mobile robots in cornfield | |
| Karatzinis et al. | Towards an integrated low-cost agricultural monitoring system with unmanned aircraft system | |
| Rahul et al. | Image processing based automatic plant disease detection and stem cutting robot | |
| CN113064407A (zh) | 全区域覆盖的清扫方法、装置、清扫机器人及存储装置 | |
| CN111339961A (zh) | 自动工作系统、自动行走设备及其控制方法及计算机可读存储介质 | |
| 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 | |
| Jin et al. | Far-near combined positioning of picking-point based on depth data features for horizontal-trellis cultivated grape | |
| KR102340543B1 (ko) | 부착형 농작업 경로 인식 장치 | |
| CN111982096B (zh) | 一种作业路径生成方法、装置及无人飞行器 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information |
Address after: 510000 Block C, 115 Gaopu Road, Tianhe District, Guangzhou City, Guangdong Province Applicant after: Guangzhou Jifei Technology Co.,Ltd. Address before: 510000 Block C, 115 Gaopu Road, Tianhe District, Guangzhou City, Guangdong Province Applicant before: Guangzhou Xaircraft Technology Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |