CN113376614B - 一种基于激光雷达点云的田间苗带导航线检测方法 - Google Patents
一种基于激光雷达点云的田间苗带导航线检测方法 Download PDFInfo
- Publication number
- CN113376614B CN113376614B CN202110648336.9A CN202110648336A CN113376614B CN 113376614 B CN113376614 B CN 113376614B CN 202110648336 A CN202110648336 A CN 202110648336A CN 113376614 B CN113376614 B CN 113376614B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- value
- point
- seedling
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000001914 filtration Methods 0.000 claims abstract description 26
- 238000013507 mapping Methods 0.000 claims abstract description 3
- 238000009825 accumulation Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 239000006185 dispersion Substances 0.000 claims description 3
- 238000012935 Averaging Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 4
- 241000209149 Zea Species 0.000 description 2
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 2
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 2
- 235000005822 corn Nutrition 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 239000002420 orchard Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Guiding Agricultural Machines (AREA)
Abstract
本发明公开了一种基于激光雷达点云的田间苗带导航线检测方法。方法包括:建立好雷达坐标系与世界坐标系后,通过安装于行走车顶部的激光雷达获取苗带点云,并将苗带点云转换至世界坐标系;利用阈值进行苗带点云滤波并将苗带点云进行离散化获得二维离散化区间区域;最后进行二值化并映射至世界坐标系计算出中间拟合线,进而判别标识检测左、右作物行,均值化三条拟合线后得到作物行间导航拟合线。本发明利用激光雷达点云来提取导航线信息,实现了作物行间的导航线检测。
Description
技术领域
本发明涉及一种田间苗带导航线检测方法,尤其是涉及一种基于激光雷达点云的田间苗带导航线检测方法。
背景技术
田间农业机械对田间苗带的导航线自动检测是发展现代化智能农业装备的前提条件,目前主要的导航方法主要包括基于卫星定位系统的导航技术以及基于机器视觉的导航线检测方法(李云伍,徐俊杰,王铭枫,刘得雄,孙红伟,王小娟.丘陵山区田间道路自主行驶转运车及其视觉导航系统研制[J].农业工程学报,2019,35(01):52-61.)。
基于卫星定位系统的导航技术利用卫星间的相对位置关系计算出田间车辆的位置、速度以及行走方向等信息,多用于田间的全域导航。该方法在田间路径规划及定位方面具有较大的又是,但是该方法易受到卫星数量、卫星几何分布状况等因素的影响,从而使其导航的精度及稳定性波动较大。
基于机器视觉的导航线检测方法,多采用将RGB相机安装于农机装备上,通过随车辆行走前进而获取的田间苗带信息来获取导航信息,并将获取的导航信息用于田间路径的规划,该方法多用于局域导航。
为了实现田间苗带导航信息的获取,众多学者进行了相关的研究。
刁智华等(2015)以处于生长早中期的玉米苗为研究对象,采用改进的过绿特征法及改进的中值滤波法分割出作物行,并通过Hough变换检测出玉米行的中心线(刁智华,赵明珍,宋寅卯,吴贝贝,毋媛媛,钱晓亮,魏玉泉.基于机器视觉的玉米精准施药系统作物行识别算法及系统实现[J].农业工程学报,2015,31(07):47-52.)。
Jiang等(2016)将过绿2G-R-B与大津法相结合进行分割,利用Hough变换提取出候选作物中心线,最后通过基于消隐点与K-means聚类得到真实的作物行(Jiang G,Wang X,Wang z,et al.Wheat rows detection at the early growth stage based on Houghtransform and vanishing point[J].Computers&Electronics in Agriculture,2016,123:211-223.)。
Wera等(2018)先后利用Hough变换求取平行等距线的原理以及RANSAC迭代方法进行处理,发现后者的正确率比Hough变换的结果高,但耗时长(Wera W,Veronika F F,Christian D,et al.Crop Row Detection on Tiny Plants With the Pattern HoughTransform[J].IEEE Robotics&Automation Letters,2018:1-1.)。
陈艳等(2011)将GPS与机器视觉系统相结合构建了多传感器组合导航定位系统,实验表明定位曲线更加平滑,克服了单一传感器定位的弊端(陈艳,张漫,马文强,刘兆祥,籍颖.基于GPS和机器视觉的组合导航定位方法[J].农业工程学报,2011,27(03):126-130.)。
近年来,随着激光雷达技术的发展,有学者利用激光雷达装置获取点云的方法来进行导航线的获取与检测:杨等(2018)公开了一种基于2D激光雷达和北斗定位的郁闭果园导航系统,提高了导航的可靠性(杨福增,谭晨佼,王东飞.一种基于2D激光雷达和北斗定位的郁闭果园导航系统[P].陕西:CN208171292U,2018-11-30.)。韩龙等(2018)利用深度相机与激光雷达相结合的方式对室内环境进行了建模,实现了室内定位功能(韩龙,贾斯程,熊炯涛,赵赫成.一种基于深度相机与激光雷达的定位与导航方法[P].广东:CN108073167A,2018-05-25.)。
综上可知,基于卫星定位系统的导航技术其导航的精度及稳定性波动较大;而对于处于生长后期的田间苗带,相邻两行作物的枝叶会存在互相搭连,即封行现象,以上方法难以适用。
发明内容
为了解决背景技术中存在的问题和需求,本发明提供了一种基于激光雷达点云的田间苗带导航线检测方法。
本发明的技术方案如下:
本发明包括以下步骤:
1)搭建田间苗带采集系统:包括行走车和线激光雷达;相邻的两条田间苗带之间为地垄,行走车的车轮在地垄上沿导航线的方向行驶,线激光雷达固定安装在行走车的顶部中间位置,线激光雷达的正前方与行走车的行驶方向保持一致并且线激光雷达的正前方固定,线激光雷达用于采集田间苗带的点云;
2)建立雷达坐标系:记线激光雷达的发射中心为雷达坐标系的原点O,雷达坐标系的ZL轴向上且垂直于线激光雷达的周向扫描平面,雷达坐标系的XL轴在线激光雷达的周向扫描平面上且指向线激光雷达圆周扫描0°方向,YL由右手螺旋法则确定;
3)建立世界坐标系:世界坐标系的原点O′为雷达坐标系的原点O竖直向下与水平地面的交点,行走车行驶方向的水平方向为世界坐标系的XW轴,竖直向上为世界坐标系的ZW轴,世界坐标系的YW轴由左手螺旋法则确定;
4)原始苗带点云获取:采用田间苗带采集系统获取田间苗带在雷达坐标系下的原始苗带点云;
5)坐标系转换:将雷达坐标系下的原始苗带点云转换至世界坐标系下的原始苗带点云;
6)原始苗带点云滤波,获得内部矩形苗带点云;
7)离散化条件判断:统计内部矩形苗带点云的总空间点数TotalZNum,当总空间点数小于点数阈值SUMthreshold时,则重复步骤2)-6),直至内部矩形苗带点云的总空间点数TotalZNum大于等于点数阈值SUMthreshold;否则,则进行步骤8);
8)划分离散化区间:将内部矩形苗带点云中所有空间点的XW轴坐标值就近取整映射到区间(0,h),将内部矩形苗带点云中所有空间点的YW轴坐标值就近取整映射到区间(0,g),获得苗带点云区间区域;以内部矩形苗带点云中的任一空间点PWk(xWk,yWk,zWk)为例,通过以下公式进行设置:
hk=h-round((yWk+yd)*h/(2*yd))
gk=g-round((xWk-min_x)/(max_x-min_x)*g)
其中,hk表示当前空间点的YW轴坐标值yWk就近取整映射后的YW轴离散值,gk表示当前空间点的XW轴坐标值xWk就近取整映射后的XW轴离散值,round()为就近取整函数;min_x是内部矩形苗带点云中所有空间点的XW轴坐标值中的最小值,max_x是内部矩形苗带点云中所有空间点的XW轴坐标值中的最大值;
9)苗带点云区间区域更新;
10)苗带点云最小高度值、最大高度值、平均高度值求解;
11)苗带点云区间区域二值化,获得标志点集Q;
12)拟合条件判断:统计标志点集Q的总空间点数,当标志点集Q的总空间点数小于标签数阈值SUMBWthreshold时,返回步骤2),直至标志点集Q中的总空间点数大于或等于标签数阈值SUMBWthreshold;否则,则进行步骤13);
13)中间线拟合:对标志点集Q进行最小二乘法直线拟合,得到初始导航线L0,满足方程Y0=k0X0+b0,其中,Y0表示初始导航线L0的YW轴坐标值,X0表示初始导航线L0的XW轴坐标值,k0表示初始导航线L0的斜率系数,k0表示初始导航线L0的截距系数;
14)左、右作物行标识检测;
15)导航线LT检测拟合,获得田间苗带导航线LT。
所述步骤6)具体为:
6.1)苗带点云周向滤波:设置线激光雷达的正前方处的周向角为θ,周向角阈值为θd,去除原始苗带点云中周向角不满足(θ±θd)的空间点,得到内部扇形苗带点云;
6.2)苗带点云高度滤波:设置世界坐标系ZW轴的高度阈值TofZvalue,去除内部扇形苗带点云中ZW轴坐标值低于高度阈值TofZvalue的空间点,获得高度滤波苗带点云;
6.3)苗带点云水平滤波:设置世界坐标系中XW轴与YW轴的滤波阈值分别为xd1和xd2与yd,将点云中XW轴坐标值或YW轴坐标值不满足xd2≥xW≥xd1或不满足|yW|≤yd的空间点滤掉,得到内部矩形苗带点云;
所述步骤9)具体为:
9.1)将高度累加值SUMZW初始化为0;
9.2)判断苗带点云区间区域中的每个像素(i,j)中是否存在空间点,其中i∈(0,g),j∈(0,h);
若当前像素(i,j)内部无空间点,则当前像素(i,j)的像素值为0;
若当前像素(i,j)内部有点云,如果为一个空间点时,则当前像素(i,j)的像素值为该空间点的ZW轴坐标值,并且将该空间点的ZW轴坐标值累加至高度累加值SUMZW;
若当前像素(i,j)内部如果有两个空间点及以上时,判断当前像素(i,j)中多个空间点的ZW轴坐标值,则当前像素(i,j)的像素值为最大的ZW轴坐标值,并且将当前像素(i,j)内部中的所有空间点的ZW轴坐标值均累加到高度累加值SUMZW;
9.3)依次遍历苗带点云区间区域中的各个像素,获得更新的苗带点云区间区域和最终的高度累加值SUMZW。
所述步骤10)具体为:
10.1)遍历更新的苗带点云区间区域中的各个像素,寻找出最大的ZW轴坐标值和最小的ZW轴坐标值并分别作为最大高度值MaxZValue与最小高度值MinZValue;
10.2)根据内部矩形苗带点云的总空间点数TotalZNum和最终的高度累加值SUMZW,计算平均高度值MeanZValue,具体公式如下:
MeanZValue=SUMZW/TotalZNum。
所述步骤11)具体为:
11.1)根据平均高度值MeanZValue,设置更新的苗带点云区间区域的二值化高度阈值Zthreshold,具体公式如下:
Zthreshold=α*MeanZValue
其中,α表示二值化系数,满足0<α<1;
11.2)遍历苗带点云区间区域,将ZW轴坐标值低于高度阈值Zthreshold的空间点的标签设为0,将ZW轴坐标值高于高度阈值Zthreshold的空间点的标签设为1,并将所有标签为1的空间点记为标志点集Q,将标志点集Q中所有空间点的坐标转换到世界坐标系空间坐标(X,Y,zW),转换公式如下:
其中,i与j分别表示标志点集Q中任一空间点所对应的像素(i,j)的两个坐标值,xd1与yd分别表示世界坐标系中XW轴与YW轴的滤波阈值;
XR和YR分别是世界坐标系的XW轴与YW轴的空间分辨率,采用以下公式进行计算:
所述14)具体为:
14.1)左、右作物行标识:在标志点集Q取任一空间点S(XS,YS),将空间点S的XW轴坐标值XS代入初始导航线L0,得到对应的YW轴坐标值YS0,比较对应的YW轴坐标值YS0与空间点S的YW轴坐标值YS,如果YS0>YS,则将空间点S(XS,YS)标识为左作物点集QL;否则,将其标识到右作物点集QR;遍历标志点集Q的所有空间点,获得左作物点集QL和右作物点集QR;
14.2)左、右作物行中心线检测:对左作物点集QL和右作物点集QR分别进行最小二乘法直线拟合,分别得到左作物行中心线LL和右作物行中心线LR,满足方程:
YL=kLXL+bL
YR=kRXR+bR。
其中,YL表示左作物行中心线LL的YW轴坐标值,XL表示左作物行中心线LL的XW轴坐标值,kL表示左作物行中心线LL的斜率系数,bL表示左作物行中心线LL的截距系数;YR表示右作物行中心线LR的YW轴坐标值,XR表示右作物行中心线L的XW轴坐标值,kR表示右作物行中心线LR的斜率系数,bR表示右作物行中心线LR的截距系数。
所述步骤15)具体为:
15.1)特征点集构建:分别记标志点集Q中空间点的最大XW轴坐标值和最小XW轴坐标值为最大横坐标值XQMAX和最小横坐标值XQMIN,建立起始值为XQMIN、终止值为XQMAX、增量为1的横轴向量XT,建立与横轴向量XT长度相等的纵轴向量YT并初始化,在横轴向量XT任取一个横轴参数XT1,将横轴参数XT1分别代入初始导航线L0、左作物行中心线LL和右作物行中心线LR方程中,得到对应的Y轴坐标值YT0、YTL、YTR,计算YW轴坐标值YT0、YTL、YTR的平均值YT1,并将平均值YT1保存在与横轴参数XT1对应位置的纵轴向量YT中,遍历横轴向量XT,获得对应的纵轴向量YT;
15.2)由横轴向量XT与纵轴向量YT组成点对集合,对点对集合进行最小二乘法直线拟合,得到田间苗带导航线LT,满足方程:YT=kTXT+bT,其中YT表示田间苗带导航线LT的YW轴坐标值,XT表示田间苗带导航线LT的XW轴坐标值,k表示田间苗带导航线LT的斜率系数,bT表示田间苗带导航线LT的截距系数。
本发明的有益效果为:
本发明利用激光雷达点云信息,通过建立线性回归模型获取中间拟合线,再进行判别拟合得到左、右作物行拟合线,最后进行均值化得到基于激光雷达点云的田间苗带导航线,实现了作物行间的导航线检测。
附图说明
图1是本发明的流程图。
图2是本发明的田间苗带采集系统示意图。
图3是本发明的坐标系示意图。
图4是本发明的世界坐标系俯视示意图。
图5是本发明的点云滤波后内部扇形苗带点云示意图。
图6是本发明的点云滤波后内部矩形苗带点云示意图。
图7是本发明的初始导航线L0、左作物中心线LL及右作物中心线LR检测拟合图。
图8是本发明的导航线LT检测拟合图。
图中:1、导航线,2、地垄,3、田间苗带,4、行走车,5、线激光雷达。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
本发明包括如下步骤:
如图1所示,本发明包括以下步骤:
1)搭建田间苗带采集系统:包括行走车4和线激光雷达5;相邻的两条田间苗带3之间为地垄2,行走车4的车轮在地垄2上沿导航线1的方向行驶,线激光雷达5固定安装在行走车4的顶部中间位置,线激光雷达5的正前方与行走车4的行驶方向保持一致并且线激光雷达5的正前方固定,线激光雷达5用于采集田间苗带3的点云,如图2所示;
2)建立雷达坐标系:记线激光雷达的发射中心为雷达坐标系的原点O,雷达坐标系的ZL轴向上且垂直于线激光雷达的周向扫描平面,雷达坐标系的XL轴在线激光雷达的周向扫描平面上且指向线激光雷达圆周扫描0°方向(传输线方向),YL由右手螺旋法则确定;
3)建立世界坐标系:世界坐标系的原点O′为雷达坐标系的原点O竖直向下与水平地面的交点,OO′的相对高度差为H,行走车行驶方向的水平方向为世界坐标系的XW轴,竖直向上为世界坐标系的ZW轴,世界坐标系的YW轴由左手螺旋法则确定,如3所示;
4)原始苗带点云获取:采用田间苗带采集系统获取田间苗带在雷达坐标系下的原始苗带点云,如图4所示;
5)坐标系转换:将雷达坐标系下的原始苗带点云转换至世界坐标系下的原始苗带点云,雷达坐标系下的原始苗带点云中任一空间点PL(xL,yL,zL)在世界坐标系下表示为PW(xW,yW,zW);
6)原始苗带点云滤波,获得内部矩形苗带点云;
步骤6)具体为:
6.1)苗带点云周向滤波:设置线激光雷达5的正前方处的周向角为θ,周向角阈值为θd,去除原始苗带点云中周向角不满足(θ±θd)的空间点,得到内部扇形苗带点云,如图5所示;本实施例中θ=180°,θd=20°;
6.2)苗带点云高度滤波:设置世界坐标系ZW轴的高度阈值TofZvalie,用于去除地面点云及高度过低的噪声点,去除内部扇形苗带点云中ZW轴坐标值低于高度阈值TofZvalue的空间点,获得高度滤波苗带点云;本实施例中,TofZvalue=0.2;
6.3)苗带点云水平滤波:设置世界坐标系中XW轴与YW轴的滤波阈值分别为xd1和xd2与yd,将点云中XW轴坐标值或YW轴坐标值不满足xd2≥xW≥xd1或不满足|yW|≤yd的空间点滤掉,得到内部矩形苗带点云;本实施例中xd1=2,xd2=6,yd=1.5;
7)离散化条件判断:统计内部矩形苗带点云的总空间点数TotalZNum,当总空间点数小于点数阈值SUMthreshold时,则重复步骤2)-6),直至内部矩形苗带点云的总空间点数TotalZNum大于等于点数阈值SUMthreshold;否则,则进行步骤8);
8)划分离散化区间:将内部矩形苗带点云中所有空间点的XW轴坐标值就近取整映射到区间(0,h),将内部矩形苗带点云中所有空间点的YW轴坐标值就近取整映射到区间(0,g),获得苗带点云区间区域;以内部矩形苗带点云中的任一空间点PWk(xWk,yWk,zWk)为例,通过以下公式进行设置:
hk=h-round((yWk+yd)*h/(2*yd))
gk=g-round((xWk-min_x)/(max_x-min_x)*g)
其中,hk表示当前空间点的YW轴坐标值yWk就近取整映射后的YW轴离散值,gk表示当前空间点的XW轴坐标值xWk就近取整映射后的XW轴离散值,round()为就近取整函数;min_x是内部矩形苗带点云中所有空间点的XW轴坐标值中的最小值,max_x是内部矩形苗带点云中所有空间点的XW轴坐标值中的最大值;本实施例中h=399,g=199,yW=1.5,min_x=0.5,max_x=6;
9)苗带点云区间区域更新;
步骤9)具体为:
9.1)将高度累加值SUMZW初始化为0;
9.2)判断苗带点云区间区域中的每个像素(i,j)中是否存在空间点,其中i∈(0,g),j∈(0,h);
若当前像素(i,j)内部无空间点,则当前像素(i,j)的像素值为0;
若当前像素(i,j)内部有点云,如果为一个空间点时,则当前像素(i,j)的像素值为该空间点的ZW轴坐标值,并且将该空间点的ZW轴坐标值累加至高度累加值SUMZW;
若当前像素(i,j)内部如果有两个空间点及以上时,判断当前像素(i,j)中多个空间点的ZW轴坐标值,则当前像素(i,j)的像素值为最大的ZW轴坐标值,并且将当前像素(i,j)内部中的所有空间点的ZW轴坐标值均累加到高度累加值SUMZW;
9.3)依次遍历苗带点云区间区域中的各个像素,获得更新的苗带点云区间区域和最终的高度累加值SUMZW;
10)苗带点云最小高度值、最大高度值、平均高度值求解;
步骤10)具体为:
10.1)遍历更新的苗带点云区间区域中的各个像素,寻找出最大的ZW轴坐标值和最小的ZW轴坐标值并分别作为最大高度值MaxZValue与最小高度值MinZValue;
10.2)根据内部矩形苗带点云的总空间点数TotalZNum和最终的高度累加值SUMZW,计算平均高度值MeanZValue,具体公式如下:
MeanZValue=SUMZW/TotalZNum。
11)苗带点云区间区域二值化,获得标志点集Q;
步骤11)具体为:
11.1)根据平均高度值MeanZValue,设置更新的苗带点云区间区域的二值化高度阈值Zthreshold,具体公式如下:
Zthreshold=α*MeanZValue
其中,α表示二值化系数,满足0<α<1;
11.2)遍历苗带点云区间区域,将ZW轴坐标值低于高度阈值Zthreshold的空间点的标签设为0,将ZW轴坐标值高于高度阈值Zthreshold的空间点的标签设为1,并将所有标签为1的空间点记为标志点集Q,如图6所示,将标志点集Q中所有空间点的坐标转换到世界坐标系空间坐标(X,Y,zW),转换公式如下:
其中,i与j分别表示标志点集Q中任一空间点所对应的像素(i,j)的两个坐标值,xd1与yd分别表示世界坐标系中XW轴与YW轴的滤波阈值;
XR和YR分别是世界坐标系的XW轴与YW轴的空间分辨率,采用以下公式进行计算:
12)拟合条件判断:统计标志点集Q的总空间点数,即总标签数,当标志点集Q的总空间点数小于标签数阈值SUMBWthreshold时,无法进行后续中间导航线拟合及左右作物行拟合,返回步骤2),直至标志点集Q中的总空间点数大于或等于标签数阈值SUMBWthreshold;否则,则进行步骤13);
13)中间线拟合:对标志点集Q进行最小二乘法直线拟合,得到初始导航线L0,满足方程Y0=k0X0+b0,其中,Y0表示初始导航线L0的YW轴坐标值,X0表示初始导航线L0的XW轴坐标值,k0表示初始导航线L0的斜率系数,k0表示初始导航线L0的截距系数;
14)左、右作物行标识检测;
14)具体为:
14.1)左、右作物行标识:在标志点集Q取任一空间点S(XS,YS),将空间点S的XW轴坐标值XS代入初始导航线L0,得到对应的YW轴坐标值YS0,比较对应的YW轴坐标值YS0与空间点S的YW轴坐标值YS,如果YS0>YS,则将空间点S(XS,YS)标识为左作物点集QL;否则,将其标识到右作物点集QR;遍历标志点集Q的所有空间点,获得左作物点集QL和右作物点集QR,如图7所示;
14.2)左、右作物行中心线检测:对左作物点集QL和右作物点集QR分别进行最小二乘法直线拟合,分别得到左作物行中心线LL和右作物行中心线LR,满足方程:
YL=kLXL+bL
YR=kRXR+bR。
其中,YL表示左作物行中心线LL的YW轴坐标值,XL表示左作物行中心线LL的XW轴坐标值,kL表示左作物行中心线LL的斜率系数,bL表示左作物行中心线LL的截距系数;YR表示右作物行中心线LR的YW轴坐标值,XR表示右作物行中心线L的XW轴坐标值,kR表示右作物行中心线LR的斜率系数,bR表示右作物行中心线LR的截距系数;
15)导航线LT检测拟合,获得田间苗带导航线LT。
步骤15)具体为:
15.1)特征点集构建:分别记标志点集Q中空间点的最大XW轴坐标值和最小XW轴坐标值为最大横坐标值XQMAX和最小横坐标值XQMIN,建立起始值为XQMIN、终止值为XQMAX、增量为1的横轴向量XT,建立与横轴向量XT长度相等的纵轴向量YT并初始化,在横轴向量XT任取一个横轴参数XT1,将横轴参数XT1分别代入初始导航线L0、左作物行中心线LL和右作物行中心线LR方程中,得到对应的Y轴坐标值YT0、YTL、YTR,计算YW轴坐标值YT0、YTL、YTR的平均值YT1,并将平均值YT1保存在与横轴参数XT1对应位置的纵轴向量YT中,遍历横轴向量XT,获得对应的纵轴向量YT;
15.2)由横轴向量XT与纵轴向量YT组成点对集合,对点对集合进行最小二乘法直线拟合,得到田间苗带导航线LT,满足方程:YT=kTXT+bT,其中YT表示田间苗带导航线LT的YW轴坐标值,XT表示田间苗带导航线LT的XW轴坐标值,k表示田间苗带导航线LT的斜率系数,bT表示田间苗带导航线LT的截距系数;田间苗带导航线LT的检测拟合图如图8所示。
Claims (6)
1.一种基于激光雷达点云的田间苗带导航线检测方法,其特征在于,包括以下步骤:
1)搭建田间苗带采集系统:包括行走车(4)和线激光雷达(5);相邻的两条田间苗带(3)之间为地垄(2),行走车(4)的车轮在地垄(2)上沿导航线(1)的方向行驶,线激光雷达(5)固定安装在行走车(4)的顶部中间位置,线激光雷达(5)的正前方与行走车(4)的行驶方向保持一致并且线激光雷达(5)的正前方固定,线激光雷达(5)用于采集田间苗带(3)的点云;
2)建立雷达坐标系:记线激光雷达的发射中心为雷达坐标系的原点O,雷达坐标系的ZL轴向上且垂直于线激光雷达的周向扫描平面,雷达坐标系的XL轴在线激光雷达的周向扫描平面上且指向线激光雷达圆周扫描0°方向,YL由右手螺旋法则确定;
3)建立世界坐标系:世界坐标系的原点O′为雷达坐标系的原点O竖直向下与水平地面的交点,行走车行驶方向的水平方向为世界坐标系的XW轴,竖直向上为世界坐标系的ZW轴,世界坐标系的YW轴由左手螺旋法则确定;
4)原始苗带点云获取:采用田间苗带采集系统获取田间苗带在雷达坐标系下的原始苗带点云;
5)坐标系转换:将雷达坐标系下的原始苗带点云转换至世界坐标系下的原始苗带点云;
6)原始苗带点云滤波,获得内部矩形苗带点云;
7)离散化条件判断:统计内部矩形苗带点云的总空间点数TotalZNum,当总空间点数小于点数阈值SUMthreshold时,则重复步骤2)-6),直至内部矩形苗带点云的总空间点数TotalZNum大于等于点数阈值SUMthreshold;否则,则进行步骤8);
8)划分离散化区间:将内部矩形苗带点云中所有空间点的XW轴坐标值就近取整映射到区间(0,h),将内部矩形苗带点云中所有空间点的YW轴坐标值就近取整映射到区间(0,g),获得苗带点云区间区域;记内部矩形苗带点云中的任一空间点为PWk(xWk,ywk,zWk),通过以下公式进行设置:
hk=h-round((yWk+yd)*h/(2*yd))
gk=g-round((xWk-min_x)/(max_x-min_x)*g)
其中,hk表示当前空间点的YW轴坐标值yWk就近取整映射后的YW轴离散值,gk表示当前空间点的XW轴坐标值xWk就近取整映射后的XW轴离散值,round()为就近取整函数;min_x是内部矩形苗带点云中所有空间点的XW轴坐标值中的最小值,max_x是内部矩形苗带点云中所有空间点的XW轴坐标值中的最大值;
9)苗带点云区间区域更新;
10)苗带点云最小高度值、最大高度值、平均高度值求解;
11)苗带点云区间区域二值化,获得标志点集Q;
12)拟合条件判断:统计标志点集Q的总空间点数,当标志点集Q的总空间点数小于标签数阈值SUMBWthreshold时,返回步骤2),直至标志点集Q中的总空间点数大于或等于标签数阈值SUMBWthreshold;否则,则进行步骤13);
13)中间线拟合:对标志点集Q进行最小二乘法直线拟合,得到初始导航线L0,满足方程Y0=k0X0+b0,其中,Y0表示初始导航线L0的YW轴坐标值,X0表示初始导航线L0的XW轴坐标值,k0表示初始导航线L0的斜率系数,k0表示初始导航线L0的截距系数;
14)左、右作物行标识检测;
15)导航线LT检测拟合,获得田间苗带导航线LT;
所述步骤6)具体为:
6.1)苗带点云周向滤波:设置线激光雷达(5)的正前方处的周向角为θ,周向角阈值为θd,去除原始苗带点云中周向角不满足(θ±θd)的空间点,得到内部扇形苗带点云;
6.2)苗带点云高度滤波:设置世界坐标系ZW轴的高度阈值TofZvalue,去除内部扇形苗带点云中ZW轴坐标值低于高度阈值TofZvalue的空间点,获得高度滤波苗带点云;
6.3)苗带点云水平滤波:设置世界坐标系中XW轴与YW轴的滤波阈值分别为xd1和xd2与yd,将点云中XW轴坐标值或YW轴坐标值不满足xd2≥xW≥xd1或不满足|yW|≤yd的空间点滤掉,得到内部矩形苗带点云。
2.根据权利要求1所述的一种基于激光雷达点云的田间苗带导航线检测方法,其特征在于,所述步骤9)具体为:
9.1)将高度累加值SUMZW初始化为0;
9.2)判断苗带点云区间区域中的每个像素(i,j)中是否存在空间点,其中i∈(0,g),j∈(0,h);
若当前像素(i,j)内部无空间点,则当前像素(i,j)的像素值为0;
若当前像素(i,j)内部有点云,如果为一个空间点时,则当前像素(i,j)的像素值为该空间点的ZW轴坐标值,并且将该空间点的ZW轴坐标值累加至高度累加值SUMZW;
若当前像素(i,j)内部如果有两个空间点及以上时,判断当前像素(i,j)中多个空间点的ZW轴坐标值,则当前像素(i,j)的像素值为最大的ZW轴坐标值,并且将当前像素(i,j)内部中的所有空间点的ZW轴坐标值均累加到高度累加值SUMZW;
9.3)依次遍历苗带点云区间区域中的各个像素,获得更新的苗带点云区间区域和最终的高度累加值SUMZW。
3.根据权利要求1所述的一种基于激光雷达点云的田间苗带导航线检测方法,其特征在于,所述步骤10)具体为:
10.1)遍历更新的苗带点云区间区域中的各个像素,寻找出最大的ZW轴坐标值和最小的ZW轴坐标值并分别作为最大高度值MaxZValue与最小高度值MinZValue;
10.2)根据内部矩形苗带点云的总空间点数TotalZNum和最终的高度累加值SUMZW,计算平均高度值MeanZValue,具体公式如下:
MeanZValue=SUMZW/TotalZNum。
4.根据权利要求1所述的一种基于激光雷达点云的田间苗带导航线检测方法,其特征在于,所述步骤11)具体为:
11.1)根据平均高度值MeanZValue,设置更新的苗带点云区间区域的二值化高度阈值Zthreshold,具体公式如下:
Zthreshold=α*MeanZValue
其中,α表示二值化系数,满足0<α<1;
11.2)遍历苗带点云区间区域,将ZW轴坐标值低于高度阈值Zthreshold的空间点的标签设为0,将ZW轴坐标值高于高度阈值Zthreshold的空间点的标签设为1,并将所有标签为1的空间点记为标志点集Q,将标志点集Q中所有空间点的坐标转换到世界坐标系空间坐标(X,Y,zW),转换公式如下:
其中,i与j分别表示标志点集Q中任一空间点所对应的像素(i,j)的两个坐标值,xd1与yd分别表示世界坐标系中XW轴与YW轴的滤波阈值;
XR和YR分别是世界坐标系的XW轴与YW轴的空间分辨率,采用以下公式进行计算:
5.根据权利要求1所述的一种基于激光雷达点云的田间苗带导航线检测方法,其特征在于,所述14)具体为:
14.1)左、右作物行标识:在标志点集Q取任一空间点S(XS,YS),将空间点S的XW轴坐标值XS代入初始导航线L0,得到对应的YW轴坐标值YS0,比较对应的YW轴坐标值YS0与空间点S的YW轴坐标值YS,如果YS0>YS,则将空间点S(XS,YS)标识为左作物点集QL;否则,将其标识到右作物点集QR;遍历标志点集Q的所有空间点,获得左作物点集QL和右作物点集QR;
14.2)左、右作物行中心线检测:对左作物点集QL和右作物点集QR分别进行最小二乘法直线拟合,分别得到左作物行中心线LL和右作物行中心线LR,满足方程:
YL=kLXL+bL
YR=kRXR+bR
其中,YL表示左作物行中心线LL的YW轴坐标值,XL表示左作物行中心线LL的XW轴坐标值,kL表示左作物行中心线LL的斜率系数,bL表示左作物行中心线LL的截距系数;YR表示右作物行中心线LR的YW轴坐标值,XR表示右作物行中心线LR的XW轴坐标值,kR表示右作物行中心线LR的斜率系数,bR表示右作物行中心线LR的截距系数。
6.根据权利要求1所述的一种基于激光雷达点云的田间苗带导航线检测方法,其特征在于,所述步骤15)具体为:
15.1)特征点集构建:分别记标志点集Q中空间点的最大XW轴坐标值和最小XW轴坐标值为最大横坐标值XQMAX和最小横坐标值XQMIN,建立起始值为XQMIN、终止值为XQMAX、增量为1的横轴向量XT,建立与横轴向量XT长度相等的纵轴向量YT并初始化,在横轴向量XT任取一个横轴参数XT1,将横轴参数XT1分别代入初始导航线L0、左作物行中心线LL和右作物行中心线LR方程中,得到对应的YW轴坐标值YT0、YTL、YTR,计算YW轴坐标值YT0、YTL、YTR的平均值YT1,并将平均值YT1保存在与横轴参数XT1对应位置的纵轴向量YT中,遍历横轴向量XT,获得对应的纵轴向量YT;
15.2)由横轴向量XT与纵轴向量YT组成点对集合,对点对集合进行最小二乘法直线拟合,得到田间苗带导航线LT,满足方程:YT=kTXT+bT,其中YT表示田间苗带导航线LT的YW轴坐标值,XT表示田间苗带导航线LT的XW轴坐标值,kT表示田间苗带导航线LT的斜率系数,bT表示田间苗带导航线LT的截距系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110648336.9A CN113376614B (zh) | 2021-06-10 | 2021-06-10 | 一种基于激光雷达点云的田间苗带导航线检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110648336.9A CN113376614B (zh) | 2021-06-10 | 2021-06-10 | 一种基于激光雷达点云的田间苗带导航线检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113376614A CN113376614A (zh) | 2021-09-10 |
CN113376614B true CN113376614B (zh) | 2022-07-15 |
Family
ID=77573651
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110648336.9A Active CN113376614B (zh) | 2021-06-10 | 2021-06-10 | 一种基于激光雷达点云的田间苗带导航线检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113376614B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115336498B (zh) * | 2022-10-20 | 2023-02-03 | 农业农村部南京农业机械化研究所 | 一种施药控制方法、装置、喷雾机及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106249742A (zh) * | 2016-09-28 | 2016-12-21 | 济南大学 | 基于激光雷达检测实现机器人垄行识别引导的方法及系统 |
WO2020006764A1 (zh) * | 2018-07-06 | 2020-01-09 | 深圳前海达闼云端智能科技有限公司 | 通路检测方法、相关装置及计算机可读存储介质 |
CN111983637A (zh) * | 2020-08-20 | 2020-11-24 | 南京林业大学 | 一种基于激光雷达的果园行间路径提取方法 |
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 |
CN112363503A (zh) * | 2020-11-06 | 2021-02-12 | 南京林业大学 | 一种基于激光雷达的果园车辆自动导航控制系统 |
-
2021
- 2021-06-10 CN CN202110648336.9A patent/CN113376614B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106249742A (zh) * | 2016-09-28 | 2016-12-21 | 济南大学 | 基于激光雷达检测实现机器人垄行识别引导的方法及系统 |
WO2020006764A1 (zh) * | 2018-07-06 | 2020-01-09 | 深圳前海达闼云端智能科技有限公司 | 通路检测方法、相关装置及计算机可读存储介质 |
CN111983637A (zh) * | 2020-08-20 | 2020-11-24 | 南京林业大学 | 一种基于激光雷达的果园行间路径提取方法 |
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 |
CN112363503A (zh) * | 2020-11-06 | 2021-02-12 | 南京林业大学 | 一种基于激光雷达的果园车辆自动导航控制系统 |
Non-Patent Citations (3)
Title |
---|
Optimizing the path of seedling low-density transplanting by using greedy genetic algorithm;Junhua Tong等;《Computers and Electronics in Agriculture》;20171130;第142卷;第356-368页 * |
田间环境下果蔬采摘快速识别与定位方法研究进展;项荣 等;《农业机械学报》;20131130;第44卷(第11期);第208-223页 * |
香蕉园机器人导航的激光与超声波组合测距方法研究;付根平 等;《农业机械学报》;20210531;第52卷(第5期);第159-168页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113376614A (zh) | 2021-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109752701B (zh) | 一种基于激光点云的道路边沿检测方法 | |
CN108132675B (zh) | 一种工厂巡视无人机自主路径巡航以及智能避障方法 | |
CN109448127B (zh) | 一种基于无人机遥感的农田高精度导航地图生成方法 | |
CN108171131B (zh) | 基于改进MeanShift的Lidar点云数据道路标识线提取方法 | |
CN112363503B (zh) | 一种基于激光雷达的果园车辆自动导航控制系统 | |
CN107451593A (zh) | 一种基于图像特征点的高精度gps定位方法 | |
CN109032174B (zh) | 一种无人机作业航线规划方法以及作业执行方法 | |
CN104866820A (zh) | 一种基于遗传算法的农机导航线提取方法及装置 | |
CN111007531A (zh) | 一种基于激光点云数据的道路边沿检测方法 | |
Lin et al. | Automatic detection of plant rows for a transplanter in paddy field using faster r-cnn | |
CN114119998B (zh) | 一种车载点云地面点提取方法及存储介质 | |
Nehme et al. | Lidar-based structure tracking for agricultural robots: Application to autonomous navigation in vineyards | |
CN103186773A (zh) | 一种基于一维Hough变换和专家系统的早期苗田垄线识别算法 | |
CN113376614B (zh) | 一种基于激光雷达点云的田间苗带导航线检测方法 | |
CN108416263A (zh) | 一种适用于农情低空遥感监测的低成本的无人机高度测量方法 | |
CN114565674B (zh) | 自动驾驶车辆城市结构化场景纯视觉定位方法及装置 | |
CN113063375B (zh) | 一种直线型耕作田埂的无人机遥感提取方法 | |
CN115855067A (zh) | 一种曲形农田边界的路径规划方法 | |
CN113778081A (zh) | 一种基于激光雷达和视觉的果园路径识别方法和机器人 | |
Zhang et al. | Factor graph-based high-precision visual positioning for agricultural robots with fiducial markers | |
De Silva et al. | Deep learning‐based crop row detection for infield navigation of agri‐robots | |
Li et al. | Autonomous navigation for orchard mobile robots: A rough review | |
He et al. | Extracting the navigation path of an agricultural plant protection robot based on machine vision | |
CN114217641B (zh) | 一种非结构环境下无人机送变电设备巡检方法及系统 | |
CN115451965A (zh) | 基于双目视觉的插秧机插植系统相对航向信息检测方法 |
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 |