CN112712534B - 基于导航趋势线的玉米根茎导航基准线提取方法 - Google Patents
基于导航趋势线的玉米根茎导航基准线提取方法 Download PDFInfo
- Publication number
- CN112712534B CN112712534B CN202110054149.8A CN202110054149A CN112712534B CN 112712534 B CN112712534 B CN 112712534B CN 202110054149 A CN202110054149 A CN 202110054149A CN 112712534 B CN112712534 B CN 112712534B
- Authority
- CN
- China
- Prior art keywords
- corn
- navigation
- line
- rootstock
- 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.)
- Active
Links
- 240000008042 Zea mays Species 0.000 title claims abstract description 148
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 title claims abstract description 148
- 235000002017 Zea mays subsp mays Nutrition 0.000 title claims abstract description 148
- 235000005822 corn Nutrition 0.000 title claims abstract description 148
- 238000000605 extraction Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 46
- 230000008030 elimination Effects 0.000 claims abstract description 17
- 238000003379 elimination reaction Methods 0.000 claims abstract description 17
- 238000007781 pre-processing Methods 0.000 claims abstract description 13
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000003709 image segmentation Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 230000003287 optical effect Effects 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 4
- 238000012545 processing Methods 0.000 abstract description 4
- 230000000694 effects Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 11
- 241000196324 Embryophyta Species 0.000 description 7
- 208000003643 Callosities Diseases 0.000 description 4
- 206010020649 Hyperkeratosis Diseases 0.000 description 4
- 241000607479 Yersinia pestis Species 0.000 description 4
- 238000009333 weeding Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 3
- 241001057636 Dracaena deremensis Species 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005507 spraying Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000238631 Hexapoda Species 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 230000002363 herbicidal effect Effects 0.000 description 1
- 239000004009 herbicide Substances 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 239000000447 pesticide residue Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Automation & Control Theory (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于导航趋势线的玉米根茎导航基准线提取方法,属于机器视觉和图像处理领域。包括图象预处理;应用垂直投影法生成玉米根茎轮廓定位点;利用动态变尺寸窗口完成对玉米根茎候选定位点的第一次剔除;根据农业AGV行驶过程中前后帧之间的道路位置不会突然发生改变的特点,引入导航趋势线,同时根据相对导航趋势线偏移量对玉米根茎候选定位点进行二次剔除;利用最小二乘法对筛选后的根茎定位点进行直线拟合,获取玉米行线;最后采用向量加法求取两玉米行线的角平分线作为导航基准线。本发明为小型农业AGV在玉米大田中行驶提供了一种新的导航基准线识别方法,与传统的算法相比,不仅增强了图像处理的实时性,也提高了农业AGV的鲁棒性。
Description
技术领域
本发明涉及一种基于导航趋势线的玉米根茎导航基准线提取方法,属于机器视觉和图像处理领域。
背景技术
随着精准农业的迅速发展,以及云计算和5G技术的成熟使得机器视觉导航在农药喷施、收割、除草、插秧、耕作等方面的应用越来越广泛。机器视觉导航基于视觉技术获取农业机器人作业路径,具有灵活性好、成本低、精度高等优点,较GPS导航有更好的环境适应性。目前基于视觉导航的算法通常包括图像预处理、获取候选定位点以及拟合基准直线三个主要环节。传统导航算法在图象预处理阶段,采用2G-R-B算法提取绿色特征,然后对图像进行灰度化和二值化分割处理;在获取候选定位点阶段,通常利用边缘检测算子对边缘进行检测得到作物行边缘线得到作物根茎轮廓定位点;在拟合基准直线阶段,通常根据hough变换拟合生成基准直线;传统导航算法一方面存在算法过于复杂、计算量过大、实时性不够等问题,另一方面由于玉米叶片空间排列随机,大小、生长状态各异,背景多元叠加等因素,导致传统算法鲁棒性较差,无法在复杂的农田环境中正常提取导航基准线。因此,传统的导航算法只适用于图像背景元素单一、玉米叶片排列稀疏规整的情形,无法满足玉米作物的中后期视觉导航。
田间杂草生长周期短、生长速度快的特点耗费了种植人员大量的人力物力对玉米生长状况进行监管。另外,玉米等高杆作物的病虫害防治,目前主要依靠人工和植保飞机进行地毯式化学除草剂喷施,农药残留严重危害食品安全和农田周围生态环境。采用小型农业AGV在玉米行间进行除草作业、病虫害监管作业,可以解决上述存在的问题,而此领域的导航算法几乎是空白。
发明内容
本发明提供一种基于导航趋势线的玉米根茎导航基准线提取方法,用于小型农业AGV对玉米等高杆作物的病虫害监管和除草作业,能够适用于小型农业AGV在大田条播玉米等高杆作物的行间自主导航,并且能够快速、准确的检测出导航基准线,实现小型农业AGV的导航定位。
本发明通过以下技术方案实现上述目的:
一种基于导航趋势线的玉米根茎导航基准线提取方法,其特征在于,包括以下步骤:
步骤一:对图像进行预处理;
步骤二:利用垂直投影法生成玉米根茎轮廓定位点;
步骤三:利用动态变尺寸窗口完成对玉米根茎候选定位点的第一次剔除;
步骤四:根据相对导航趋势线偏移量对玉米根茎候选定位点进行二次剔除;
步骤五:运用最小二乘法拟合玉米根茎定位点,生成玉米行线;
步骤六:采用向量加法求取两玉米行线的角平分线作为导航基准线;
所述的基于导航趋势线的玉米根茎导航基准线提取方法,其特征在于,步骤一所述的对图像进行预处理的方法为:采用归一化的超绿特征2G-R-B算法进行绿色特征提取,再利用最大类间方差法(Otsu算法)实现图像分割,进而删除小于一定面积的连通域达到图像去噪的目的,以实现图像预处理。
所述的基于导航趋势线的玉米根茎导航基准线提取方法,其特征在于,步骤二所述的利用垂直投影法生成玉米根茎轮廓定位点,具体为:利用公式(1),沿着图像的列方向,取每列的像素值之和作为新的纵坐标,图像的列向量为行坐标,生成玉米根茎轮廓图像;
式中M、N分别表示图像大小为M×N像素;i、j分别表示图像像素的列序号和行序号;I(i,j)表示以图像的左上角为坐标原点,沿着图像的列方向,取每列像素之和作为新的纵坐标,图像j方向为行坐标。
所述的基于导航趋势线的玉米根茎导航基准线提取方法,其特征在于,步骤三所述的利用动态变尺寸窗口完成对玉米根茎候选定位点的第一次剔除,具体为:取垂直投影曲线横坐标最大值为Q,左侧窗口从横坐标0处起始向右侧滑动,范围取值[0,Q/2];右侧窗口从横坐标Q处起始向左侧滑动,范围取值[Q/2,Q],两个窗口宽度均采用变幅宽方式选取,第i个位置选取极大值的窗口宽度均为(0.9)i-1P,且最后一个位置忽略不计,以便提高计算效率。
所述的基于导航趋势线的玉米根茎导航基准线提取方法,其特征在于,步骤四所述的根据相对导航趋势线偏移量对玉米根茎候选定位点进行二次剔除,具体为:以第i帧图像(i=1,2,3…)的Lil、Lir左右两条玉米行线作为第i+1帧图像(i=1,2,3…)的左右两条导航趋势线,利用公式(2)完成玉米根茎候选定位点的二次剔除,其中,第1帧图像的导航趋势线为L0l、L0r左右两条玉米行线;在引入导航趋势线后,分别求取左、右感兴趣区域内玉米根茎候选定位点到左、右导航趋势线的距离,若候选玉米根茎定位点到导航趋势线的距离大于阈值α,则剔除该点,反之将该点标记为玉米根茎定位点;
式中d表示玉米根茎候选点到导航趋势线的距离;AU+BV+C=0表示左右导航趋势线的直线方程;(U0,V0)表示玉米根茎候选定位点第一次剔除后的坐标。
所述的基于导航趋势线的玉米根茎导航基准线提取方法,其特征在于,所述的第1帧图像的L0l、L0r左右两条导航趋势线求解方法,具体为:根据世界坐标系OW-XWYWZW、相机坐标系OC-XCYCZC、图像坐标系O-xy、像素坐标系O'-uv的相对位置关系,利用公式(3)求解世界坐标系OW-XWYWZW中的目标点在像素坐标系O'-uv下的坐标,进而利用公式(4)求解第1帧图像的L0l、L0r左右两条导航趋势线;
式中(u,v)表示目标点在像素坐标系中的坐标,(XW,YW,ZW)表示目标点在世界坐标系中的坐标,ZC为尺度因子,相机内参矩阵中f为相机焦距,dx、dy为单个像素点尺寸,(u0,v0)表示相机光学中心在像素坐标系下的坐标。相机外参矩阵/>由齐次坐标变换公式确定,旋转矩阵/>平移矩阵T3×1=[h1 h2 h3]T。
式中(ub,vb)、(ut,vt)为世界坐标系中玉米行线上两个目标点在像素坐标系下的坐标。
所述的基于导航趋势线的玉米根茎导航基准线提取方法,其特征在于,步骤五所述的运用最小二乘法拟合玉米根茎定位点,生成玉米行线,具体为:对二次剔除后的玉米根茎定位点,采用最小二乘法进行快速直线拟合,生成玉米行线。
所述的基于导航趋势线的玉米根茎导航基准线提取方法,其特征在于,步骤六所述的采用向量加法求取两玉米行线的角平分线作为导航基准线,具体为:取左右两玉米行线交点A(ua,va),左侧玉米行线左下端点B(ub,vb),右侧玉米行线右下端点C(uc,vc),则进一步可得∠BAC平分线的方向向量相应的导航基准线直线方程为公式(5);
本发明的优点是:
本发明方法是在图像预处理过程中,采用基于归一化的超绿特征2G-R-B进行绿色特征提取,采用最大类间方差法完成图像分割处理,最后通过图像去噪实现大部分田间杂草的剔除,试验结果表明该方法综合效果良好,能够有效排除土壤、杂草等对玉米根茎定位点获取的干扰,提高了算法的鲁棒性;在玉米根茎定位点及导航基准线获取过程中,采用逐级剔除伪定位点的方式,引入基于垂直投影的动态可变窗口进行间距不合规的伪玉米根茎定位点的第一次剔除,引入导航趋势线进行偏离不合规的伪玉米根茎定位点二次剔除,提高了算法的精度;最后采用最小二乘法对筛选后的玉米根茎定位点进行直线拟合,从而确定导航基准线,减少了计算量,提高了实时性。
附图说明
图1为本发明的算法流程图。
图2为本发明引入L0l、L0r左右两条玉米行线的示意图。
图3为本发明世界坐标系、相机坐标系、图像坐标系、像素坐标系的相对位置关系示意图。
图4为本发明第1帧图像进行预处理后的效果图。
图5为本发明第1帧图像玉米根茎轮廓定位点簇图像。
图6为本发明第1帧图像利用动态变尺寸窗口完成对玉米根茎候选定位点的第一次剔除的效果图。
图7为本发明第1帧图像引入导航趋势线的效果图。
图8为本发明第1帧图像根据相对导航趋势线偏移量对玉米根茎候选定位点进行二次剔除的效果图
图9为本发明第1帧图像生成玉米行线的效果图。
图10为本发明第1帧图像生成导航基准线的效果图。
具体实施方式
为了便于理解和说明本发明的目的、方法和优势,以下结合附图,通过本发明的实施例进一步详细和系统地将本发明的方法完整地描述清楚。
本实施例在实际玉米田间环境,用于小型农业AGV对玉米等高杆作物的病虫害监管和除草作业。
如图1所示,所述的检测玉米行间的导航基准线方法包括以下内容:
2019年6月在山东理工大学周村试验田玉米种植区域进行户外试验,农田中玉米种植较为规整,玉米行距为60厘米,株距为25厘米,有缺苗和一穴两株的情况。为衡量本文算法的有效性,玉米行线以人工拟合结果作为标准,对比算法生成的玉米行线与人工拟合结果的角度偏差,判断该算法提取导航基准线的准确率。多次试验证明,当小型农业AGV以3.6km/h的速度在玉米行间行驶,图像的采集速度为200ms/帧时,导航角偏差在±3°范围内,不会撞击到玉米植株。
一种基于导航趋势线的玉米根茎导航基准线提取方法,包括以下步骤:
步骤一:求解L0l、L0r左右两条玉米行线作为第1帧图像的左右两条导航趋势线;
在0~0.2s的行驶过程中,小型农业AGV按照由玉米行距、相机在世界坐标系下的位姿、相机自身参数决定的L0l、L0r左右两条玉米行线行驶。引入L0l、L0r左右两条玉米行线的示意图如图2所示,其中(u1,v1)、(u2,v2)表示世界坐标系中的目标点在像素坐标系下的坐标。L0l、L0r左右两条玉米行线具体求解方法为:根据图3所示的世界坐标系OW-XWYWZW、相机坐标系OC-XCYCZC、图像坐标系O-xy、像素坐标系O'-uv的相对位置关系,利用公式(1)求解世界坐标系OW-XWYWZW中的目标点在像素坐标系O'-uv下的坐标,进而利用公式(2)求解像素坐标系O'-uv下第1帧图像的L0l、L0r左右两条玉米行线;
式中(u,v)表示目标点在像素坐标系中的坐标,(XW,YW,ZW)表示目标点在世界坐标系中的坐标,ZC为尺度因子,相机内参矩阵中f为相机焦距,dx、dy为单个像素点尺寸,(u0,v0)表示相机光学中心在像素坐标系下的坐标。相机外参矩阵/>由齐次坐标变换公式确定,旋转矩阵R3×3为/>平移矩阵T3×1=[h1 h2 h3]T;根据图3所示坐标系相对位姿关系,R3×3矩阵中θ=-90°、β=-90°、γ=0°,T3×1矩阵中h2=0.4m;求得世界坐标系中左侧玉米行线上两个目标点在像素坐标系下的坐标为(250,350)、(330,270),右侧玉米行线上两个目标点在像素坐标系下的坐标为(1020,280)、(1120,380)。
式中(ub,vb)、(ut,vt)为世界坐标系中玉米行线上两个目标点在像素坐标系下的坐标。求得L0l的直线方程为:x+y-600=0;L0r的直线方程为:x-y-1500=0。
步骤二:对图像进行预处理;
就是采用归一化的超绿特征2G-R-B算法进行绿色特征提取,再利用最大类间方差法(Otsu算法)实现图像分割,进而删除小于一定面积的连通域达到图像去噪的目的,实现图像预处理。图4是第1帧图像进行预处理后的效果图,从图中可以看出对玉米植株的提取效果良好。
步骤三:利用垂直投影法生成玉米根茎轮廓定位点;
式中M、N分别表示图像大小为M×N像素;i、j分别表示图像像素的列序号和行序号;I(i,j)表示以图像的左上角为坐标原点,沿着图像的列方向,取每列像素之和作为新的纵坐标,图像j方向为行坐标。第1帧图像利用垂直投影法生成玉米根茎轮廓定位点的效果图如图5所示,曲线能够较好的拟合玉米根茎轮廓,但小波峰噪声的存在严重影响玉米行线拟合准确率。
步骤四:利用动态变尺寸窗口完成对玉米根茎候选定位点的第一次剔除;
就是取垂直投影曲线横坐标最大值为Q,左侧窗口从横坐标0处起始向右侧滑动,范围取值[0,Q/2];右侧窗口从横坐标Q处起始向左侧滑动,范围取值[Q/2,Q],两个窗口宽度均采用变幅宽方式选取,第i个位置选取极大值的窗口宽度均为(0.9)i-1P,且最后一个位置忽略不计,以便提高计算效率。在得到玉米根茎离散定位点的同时,也去除了间距不合规的小波峰噪声,第1帧图像完成对玉米根茎候选定位点的第一次剔除效果图如图6所示。
步骤五:根据相对导航趋势线偏移量对玉米根茎候选定位点进行二次剔除;
就是以L0l、L0r左右两条玉米行线作为第1帧图像的左右两条导航趋势线,利用公式(4)完成玉米根茎候选定位点的二次剔除;在引入导航趋势线后,分别求取左、右感兴趣区域内玉米根茎候选定位点到左、右导航趋势线的距离,若候选玉米根茎定位点到导航趋势线的距离大于阈值α=200,则剔除该点,反之将该点标记为玉米根茎定位点;
式中d表示玉米根茎候选点到导航趋势线的距离;AU+BV+C=0表示左右导航趋势线的直线方程;(U0,V0)表示玉米根茎候选定位点第一次剔除后的坐标。第1帧图像引入L0l、L0r左右两条玉米行线作为导航趋势线的效果如图7所示,图中圆点为第一次剔除后的玉米根茎定位点;第1帧图像根据相对导航趋势线偏移量对玉米根茎候选定位点进行二次剔除后的效果如图8所示,图中圆点为第二次剔除后的玉米根茎定位点。
步骤六:运用最小二乘法拟合玉米根茎定位点,生成玉米行线;拟合的玉米行线结果如图9所示。求得的L1l直线方程为:3x+5y-2260=0,L2r直线方程为:2x-3y-1190=0。
Claims (4)
1.一种基于导航趋势线的玉米根茎导航基准线提取方法,其特征在于,包括以下步骤:
步骤一:对图像进行预处理;步骤一所述的对图像进行预处理的方法为:采用归一化的超绿特征2G-R-B算法进行绿色特征提取,再利用最大类间方差法实现图像分割,进而删除小于一定面积的连通域达到图像去噪的目的,以实现图像预处理,所述最大类间方差法为Otsu算法;
步骤二:利用垂直投影法生成玉米根茎轮廓定位点;步骤二所述的利用垂直投影法生成玉米根茎轮廓定位点,具体为:利用公式(1),沿着图像的列方向,取每列的像素值之和作为新的纵坐标,图像的列向量为行坐标,生成玉米根茎轮廓图像;
式中M、N分别表示图像大小为M×N像素;i、j分别表示图像像素的列序号和行序号;I(i,j)表示以图像的左上角为坐标原点,沿着图像的列方向,取每列像素之和作为新的纵坐标,图像j方向为行坐标;
步骤三:利用动态变尺寸窗口完成对玉米根茎候选定位点的第一次剔除;
步骤三所述的利用动态变尺寸窗口完成对玉米根茎候选定位点的第一次剔除,具体为:取垂直投影曲线横坐标最大值为Q,左侧窗口从横坐标0处起始向右侧滑动,范围取值[0,Q/2];右侧窗口从横坐标Q处起始向左侧滑动,范围取值[Q/2,Q],两个窗口宽度均采用变幅宽方式选取,第i个位置选取极大值的窗口宽度均为(0.9)i-1P,且最后一个位置忽略不计,以便提高计算效率;
步骤四:根据相对导航趋势线偏移量对玉米根茎候选定位点进行二次剔除;
以第i帧图像的Lil、Lir左右两条玉米行线作为第i+1帧图像的左右两条导航趋势线,利用公式(2)完成玉米根茎候选定位点的二次剔除,其中,第1帧图像的导航趋势线为L0l、L0r左右两条玉米行线;在引入导航趋势线后,分别求取左、右感兴趣区域内玉米根茎候选定位点到左、右导航趋势线的距离,若候选玉米根茎定位点到导航趋势线的距离大于阈值α,则剔除该点,反之将该点标记为玉米根茎定位点;
式中d表示玉米根茎候选点到导航趋势线的距离;AU+BV+C=0表示左右导航趋势线的直线方程;(U0,V0)表示玉米根茎候选定位点第一次剔除后的坐标;
步骤五:运用最小二乘法拟合玉米根茎定位点,生成玉米行线;
步骤六:采用向量加法求取两玉米行线的角平分线作为导航基准线。
2.根据权利要求1所述的基于导航趋势线的玉米根茎导航基准线提取方法,其特征在于,所述的第1帧图像的L0l、L0r左右两条玉米行线求解方法,具体为:根据世界坐标系OW-XWYWZW、相机坐标系OC-XCYCZC、图像坐标系O-xy、像素坐标系O'-uv的相对位置关系,利用公式(3)求解世界坐标系OW-XWYWZW中的目标点在像素坐标系O'-uv下的坐标,进而利用公式(4)求解像素坐标系O'-uv下第1帧图像的L0l、L0r左右两条玉米行线;
式中(u,v)表示目标点在像素坐标系中的坐标,(XW,YW,ZW)表示目标点在世界坐标系中的坐标,ZC为尺度因子,相机内参矩中f为相机焦距,dx、dy为单个像素点尺寸,(u0,v0)表示相机光学中心在像素坐标系下的坐标;相机外参矩阵/>由齐次坐标变换公式确定,旋转矩阵R3×3为/>平移矩阵T3×1=[h1 h2 h3]T;
式中(ub,vb)、(ut,vt)为世界坐标系中玉米行线上两个目标点在像素坐标系下的坐标。
3.根据权利要求1所述的基于导航趋势线的玉米根茎导航基准线提取方法,其特征在于,步骤五所述的运用最小二乘法拟合玉米根茎定位点,生成玉米行线,具体为:对二次剔除后的玉米根茎定位点,采用最小二乘法进行直线拟合,生成玉米行线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110054149.8A CN112712534B (zh) | 2021-01-15 | 2021-01-15 | 基于导航趋势线的玉米根茎导航基准线提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110054149.8A CN112712534B (zh) | 2021-01-15 | 2021-01-15 | 基于导航趋势线的玉米根茎导航基准线提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112712534A CN112712534A (zh) | 2021-04-27 |
CN112712534B true CN112712534B (zh) | 2023-05-26 |
Family
ID=75549116
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110054149.8A Active CN112712534B (zh) | 2021-01-15 | 2021-01-15 | 基于导航趋势线的玉米根茎导航基准线提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112712534B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114723753B (zh) * | 2022-06-08 | 2022-08-23 | 中国航发四川燃气涡轮研究院 | 一种基于叶尖图像的转子叶片叶尖轴向位移计算方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103530606A (zh) * | 2013-09-30 | 2014-01-22 | 中国农业大学 | 一种杂草环境下的农机导航路径提取方法 |
WO2015024407A1 (zh) * | 2013-08-19 | 2015-02-26 | 国家电网公司 | 基于电力机器人的双目视觉导航系统及方法 |
CN108133471A (zh) * | 2016-11-30 | 2018-06-08 | 天津职业技术师范大学 | 一种自然光照条件下基于人工蜂群算法的农业移动机器人导航路径提取方法及装置 |
CN108509928A (zh) * | 2018-04-09 | 2018-09-07 | 石河子大学 | 针对矮化密植枣园田管作业视觉导航路径提取方法 |
CN111507274A (zh) * | 2020-04-20 | 2020-08-07 | 安徽卡思普智能科技有限公司 | 基于自适应路面条件变化机制的多车道线检测方法及系统 |
-
2021
- 2021-01-15 CN CN202110054149.8A patent/CN112712534B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015024407A1 (zh) * | 2013-08-19 | 2015-02-26 | 国家电网公司 | 基于电力机器人的双目视觉导航系统及方法 |
CN103530606A (zh) * | 2013-09-30 | 2014-01-22 | 中国农业大学 | 一种杂草环境下的农机导航路径提取方法 |
CN108133471A (zh) * | 2016-11-30 | 2018-06-08 | 天津职业技术师范大学 | 一种自然光照条件下基于人工蜂群算法的农业移动机器人导航路径提取方法及装置 |
CN108509928A (zh) * | 2018-04-09 | 2018-09-07 | 石河子大学 | 针对矮化密植枣园田管作业视觉导航路径提取方法 |
CN111507274A (zh) * | 2020-04-20 | 2020-08-07 | 安徽卡思普智能科技有限公司 | 基于自适应路面条件变化机制的多车道线检测方法及系统 |
Non-Patent Citations (3)
Title |
---|
Wheat rows detection at the early growth stage based on Hough transform and vanishing point;Guoquan Jiang et al;《Computers and Electronics in Agriculture》;20160311;全文 * |
一种改进的田间导航特征点提取算法;陈艳等;《广西科技大学学报》;20180930;摘要、第1-4节 * |
基于机器视觉的玉米根茎导航基准线提取方法;宋宇等;《农业机械学报》;20170228;摘要、第1-5节 * |
Also Published As
Publication number | Publication date |
---|---|
CN112712534A (zh) | 2021-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Vidović et al. | Crop row detection by global energy minimization | |
Steward et al. | The use of agricultural robots in weed management and control | |
Bakker et al. | A vision based row detection system for sugar beet | |
Kazmi et al. | Detecting creeping thistle in sugar beet fields using vegetation indices | |
Chen et al. | Extracting the navigation path of a tomato-cucumber greenhouse robot based on a median point 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 | |
Persson et al. | Classification of crops and weeds extracted by active shape models | |
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 | |
CN114067207A (zh) | 一种基于深度学习和图像处理的蔬菜苗田杂草检测方法 | |
He et al. | Auto recognition of navigation path for harvest robot based on machine vision | |
Kang et al. | Sucker detection of grapevines for targeted spray using optical sensors | |
Tian et al. | Automatic navigation path detection method for tillage machines working on high crop stubble fields based on machine vision | |
WO2022038363A1 (en) | Agricultural machine | |
US11553636B1 (en) | Spacing-aware plant detection model for agricultural task control | |
CN112712534B (zh) | 基于导航趋势线的玉米根茎导航基准线提取方法 | |
He et al. | Visual detection of rice rows based on Bayesian decision theory and robust regression least squares method | |
CN107578447B (zh) | 一种基于无人机影像的作物垄位置确定方法及系统 | |
CN117115769A (zh) | 一种基于语义分割网络的植株检测与定位方法 | |
He et al. | Extracting the navigation path of an agricultural plant protection robot based on machine vision | |
Gong et al. | Navigation line extraction based on root and stalk composite locating points | |
Jinliang et al. | Extraction method of corn rhizome navigation lines based on edge detection and area localization | |
Chang et al. | Straight-line generation approach using deep learning for mobile robot guidance in lettuce fields | |
CN112614193A (zh) | 基于机器视觉的小麦返青期喷雾感兴趣区域智能标定方法 | |
Cui et al. | Study on the method of visual navigation baseline identification and extraction of agricultural machinery | |
CN114485612B (zh) | 路线生成方法、装置、无人作业车、电子设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |