DE102020215415A1 - Method and device for detecting a sturgeon plant image in a camera raw image and image processing device - Google Patents
Method and device for detecting a sturgeon plant image in a camera raw image and image processing device Download PDFInfo
- Publication number
- DE102020215415A1 DE102020215415A1 DE102020215415.5A DE102020215415A DE102020215415A1 DE 102020215415 A1 DE102020215415 A1 DE 102020215415A1 DE 102020215415 A DE102020215415 A DE 102020215415A DE 102020215415 A1 DE102020215415 A1 DE 102020215415A1
- Authority
- DE
- Germany
- Prior art keywords
- image
- comparison result
- pixel
- plant
- infrared
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
Abstract
Der hier vorgestellte Ansatz betrifft ein Verfahren zum Detektieren einer Störpflanzenabbildung (107) in einem Kamerarohbild (110). Es werden zumindest ein einen sensierten Rotwert repräsentierendes R-Farbsignal (140), das ein von einem Rotpixel (R) eines Bildpunkts (150) eines Bildsensors (115) bereitgestelltes Signal repräsentiert, und ein einen sensierten infraroten Grauwert repräsentierendes NIR-Farbsignal (155), das ein von einem NIR-Pixel (NIR) des Bildpunkts (150) bereitgestelltes Signal repräsentiert, eingelesen. Der sensierte infrarote Grauwert wird mit einem definierten Mindestinfrarotgrenzwert (160) verglichen, um ein erstes Vergleichsergebnis (162) zu erhalten, der sensierte infrarote Grauwerts mit einem definierten Maximalinfrarotgrenzwert (164) verglichen, um ein zweites Vergleichsergebnis (166) zu erhalten, und der sensierte Rotwert mit einem definierten Maximalrotgrenzwert (168) verglichen, um ein drittes Vergleichsergebnis (170) zu erhalten. Der Bildpunkt (150) wird unter Verwendung des ersten Vergleichsergebnisses (162), zweiten Vergleichsergebnisses (166) und dritten Vergleichsergebnisses (170) als Störpflanzenabbildung (107) oder Pflanzenabbildung (175) erkannt.The approach presented here relates to a method for detecting an image of a sturgeon plant (107) in a raw camera image (110). At least one R color signal (140) representing a sensed red value, which represents a signal provided by a red pixel (R) of a picture element (150) of an image sensor (115), and an NIR color signal (155) representing a sensed infrared gray value , which represents a signal provided by a NIR pixel (NIR) of the picture element (150). The sensed infrared gray level is compared to a defined minimum infrared limit (160) to obtain a first comparison result (162), the sensed infrared gray level is compared to a defined maximum infrared limit (164) to obtain a second comparison result (166), and the sensed Red value compared with a defined maximum red limit value (168) to obtain a third comparison result (170). The pixel (150) is recognized as a sturgeon plant image (107) or plant image (175) using the first comparison result (162), second comparison result (166) and third comparison result (170).
Description
Stand der TechnikState of the art
Der Ansatz geht von einer Vorrichtung oder einem Verfahren nach Gattung der unabhängigen Ansprüche aus.The approach is based on a device or a method according to the species of the independent claims.
Der normierte differenzierte Vegetationsindex, kurz „NDVI“ (Normalized Difference Vegetation Index), ist ein Index, der die Bio-Masse, also den Pflanzenanteil, in einem Bild aufzeigt. Pflanzen reflektieren im roten Spektralbereich relativ wenig, im nahen infraroten Spektralbereich relativ viel Strahlung. Zum Bestimmen des NDVI können bei der Beobachtung der Vegetation Infrarotkameras oder Kameras mit Bayer-Sensoren eingesetzt werden.The normalized differentiated vegetation index, "NDVI" for short (Normalized Difference Vegetation Index), is an index that shows the biomass, i.e. the proportion of plants, in one image. Plants reflect relatively little radiation in the red spectral range and relatively much radiation in the near infrared spectral range. Infrared cameras or cameras with Bayer sensors can be used to determine the NDVI when observing vegetation.
Offenbarung der ErfindungDisclosure of Invention
Vor diesem Hintergrund werden mit dem hier vorgestellten Ansatz ein Verfahren zum Detektieren einer Störpflanzenabbildung in einem Kamerarohbild, weiterhin eine Vorrichtung, die dieses Verfahren verwendet, sowie schließlich eine Bildverarbeitungseinrichtung gemäß den Hauptansprüchen vorgestellt. Durch die in den abhängigen Ansprüchen aufgeführten Maßnahmen sind vorteilhafte Weiterbildungen und Verbesserungen der im unabhängigen Anspruch angegebenen Vorrichtung möglich.Against this background, with the approach presented here, a method for detecting an image of a sturgeon plant in a raw camera image, a device that uses this method, and finally an image processing device according to the main claims are presented. Advantageous developments and improvements of the device specified in the independent claim are possible as a result of the measures listed in the dependent claims.
Die mit dem vorgestellten Ansatz erreichbaren Vorteile bestehen darin, dass ein besonders exaktes NDVI-Bild erzeugt werden kann, welches lediglich relevante Pflanzen abbildet.The advantages that can be achieved with the approach presented are that a particularly precise NDVI image can be generated, which only depicts relevant plants.
Es wird ein Verfahren zum Detektieren einer Störpflanzenabbildung in einem Kamerarohbild vorgestellt. Das Verfahren weist einen Schritt des Einlesens, einen Schritt des Vergleichens und einen Schritt des Erkennens auf. Im Schritt des Einlesens werden zumindest ein einen sensierten Rotwert repräsentierendes R-Farbsignal, das ein von einem Rotpixel eines Bildpunkts eines Bildsensors bereitgestelltes Signal repräsentiert, und ein einen sensierten infraroten Grauwert repräsentierendes NIR-Farbsignal, das ein von einem NIR-Pixel des Bildpunkts bereitgestelltes Signal repräsentiert, eingelesen. Im Schritt des Vergleichens wird der sensierte infrarote Grauwert mit einem definierten Mindestinfrarotgrenzwert verglichen, um ein erstes Vergleichsergebnis zu erhalten, der sensierte infrarote Grauwert mit einem definierten Maximalinfrarotgrenzwert verglichen, um ein zweites Vergleichsergebnis zu erhalten, und der sensierte Rotwert mit einem definierten Maximalrotgrenzwert verglichen, um ein drittes Vergleichsergebnis zu erhalten. Im Schritt des Erkennens wird der Bildpunkt unter Verwendung des ersten Vergleichsergebnisses, zweiten Vergleichsergebnisses und dritten Vergleichsergebnisses als Störpflanzenabbildung oder Pflanzenabbildung erkannt.A method for detecting a sturgeon plant image in a raw camera image is presented. The method has a reading step, a comparing step and a recognition step. In the reading step, at least one R color signal representing a sensed red value, which represents a signal provided by a red pixel of a pixel of an image sensor, and an NIR color signal representing a sensed infrared gray value, which represents a signal provided by an NIR pixel of the pixel represented, read. In the comparison step, the sensed infrared gray value is compared with a defined minimum infrared limit value in order to obtain a first comparison result, the sensed infrared gray value is compared with a defined maximum infrared limit value in order to obtain a second comparison result, and the sensed red value is compared with a defined maximum red limit value in order to to obtain a third comparison result. In the recognition step, the pixel is recognized as a disturbing plant image or plant image using the first comparison result, second comparison result and third comparison result.
Dieses Verfahren kann beispielsweise in Software oder Hardware oder in einer Mischform aus Software und Hardware beispielsweise in einem Steuergerät implementiert sein.This method can be implemented, for example, in software or hardware or in a mixed form of software and hardware, for example in a control unit.
Für die Pflanzendetektion wird rotes und infrarotes Licht verwendet. Pflanzen reflektieren im roten Spektralbereich relativ wenig, im nahen infraroten Spektralbereich relativ viel Strahlung. Aus der normierten Differenz aus beiden Spektralbereichen entsteht ein NDVI-Bild, welches die Pflanzen abbildet. Es ist jedoch möglich, dass beispielsweise aufgrund von unvorteilhaften Lichtbedingungen wie Überbelichtung oder Unterbelichtung Bildbereiche im herkömmlichen NDVI-Bild fälschlicherweise Pflanzen kennzeichnen, wo jedoch gar keine Pflanzen sind, diese werden hier als „Störpflanzen“ und deren Abbildung als „Störpflanzenabbildung“ oder „Störobjekt“ bezeichnet. Dank des hier vorgestellten Verfahrens können diese Störpflanzenabbildungen unter Verwendung eines Vergleichs mit Grenzwerten erkannt werden.Red and infrared light is used for plant detection. Plants reflect relatively little radiation in the red spectral range and relatively much radiation in the near infrared spectral range. An NDVI image is created from the normalized difference between the two spectral ranges, which depicts the plants. However, it is possible that, for example due to unfavorable lighting conditions such as overexposure or underexposure, image areas in the conventional NDVI image incorrectly identify plants where there are no plants at all, these are referred to here as "interfering plants" and their depiction as "interfering plant illustration" or "interfering object". designated. Thanks to the method presented here, these sturgeon plant images can be recognized using a comparison with limit values.
Bei dem Bildsensor kann es sich um einen Infrarotsensor mit einem reinen Rotkanal und einem reinen Nahinfrarotkanal handeln. Es kann sich bei dem Bildsensor aber auch um einen Bayer-Sensor mit zumindest dem einen Rotpixel mit einem R-Farbfilterelement zum Durchlassen von rotem Licht und/oder Infrarotlicht und mit zumindest einem zum Durchlassen von Nahinfrarotlicht ausgebildeten NIR-Pixel handeln. Das NIR-Pixel kann ein Blaupixel mit einem B-Farbfilterelement zum Durchlassen von blauem Licht und Nahinfrarotlicht und/oder eines von zumindest zwei Grünpixeln mit je einem G-Farbfilterelement zum Durchlassen von grünem Licht und Infrarotlicht des Bildsensors sein. Der Bayer-Sensor kann ferner eine die Pixel des Bildsensors abdeckende Filtereinrichtung zum Durchlassen von rotem Licht und Nahinfrarotlicht und/oder zum Sperren von grünem Licht und/oder blauem Licht aufweisen. Bei einem solchen Bayer-Sensor mit Filtereinrichtung würde/n das Blaupixel und/oder Grünpixel als das NIR-Pixel lediglich Nahinfrarotlicht sensieren und das Rotpixel ein Mischlicht aus rotem Licht und Nahinfrarotlicht.The image sensor can be an infrared sensor with a pure red channel and a pure near infrared channel. However, the image sensor can also be a Bayer sensor with at least one red pixel with an R color filter element for transmitting red light and/or infrared light and with at least one NIR pixel designed for transmitting near infrared light. The NIR pixel can be a blue pixel with a B color filter element for transmitting blue light and near infrared light and/or one of at least two green pixels with a G color filter element each for transmitting green light and infrared light of the image sensor. The Bayer sensor can also have a filter device covering the pixels of the image sensor for transmitting red light and near-infrared light and/or for blocking green light and/or blue light. In such a Bayer sensor with a filter device, the blue pixel and/or green pixel would only sense near-infrared light as the NIR pixel, and the red pixel would sense a mixed light of red light and near-infrared light.
Gemäß einem Ausführungsform kann das Verfahren ferner einen Schritt des Entfernens aufweisen, in dem der als Störpflanzenabbildung erkannte Bildpunkt aus dem Kamerarohbild entfernt wird. Dadurch kann ein Abgleich mit einer Pflanzensegmentierung in einem NDVI-Bild durchgeführt werden. Wenn der Bildpunkt als Störpflanze erkannt wird, wird dieser auch nicht mehr im NDVI Bild als Pflanze segmentiert. So kann vorteilhafterweise in dem NDVI-Bild eine Störpflanzenabbildung vermieden werden.According to one embodiment, the method can also have a removal step, in which the pixel recognized as the image of a sturgeon plant is removed from the raw camera image. This allows a comparison with a plant segmentation in an NDVI image to be carried out. If the pixel is recognized as a nuisance plant, it will no longer appear in the NDVI image as a plant segmented. In this way, an image of sturgeon plants can advantageously be avoided in the NDVI image.
Im Schritt des Erkennens kann der Bildpunkt als Störpflanzenabbildung erkannt werden, wenn das erste Vergleichsergebnis anzeigt, dass der sensierte infrarote Grauwert den definierten Mindestinfrarotgrenzwert unterschreitet und/oder das zweite Vergleichsergebnis anzeigt, dass der infrarote Grauwert den definierten Maximalinfrarotgrenzwert überschreitet und/oder das dritte Vergleichsergebnis anzeigt, dass der sensierte Rotwert den definierten Maximalrotgrenzwert überschreitet. Wenn der sensierte infrarote Grauwert den definierten Mindestinfrarotgrenzwert unterschreitet kann dies auf eine Unterbelichtung hindeuten, wenn der infrarote Grauwert den definierten Maximalinfrarotgrenzwert überschreitet, kann dies auf eine Überbelichtung hindeuten, wenn der sensierte Rotwert den definierten Maximalrotgrenzwert überschreitet, kann dies auf eine Überbelichtung hindeuten.In the detection step, the pixel can be recognized as a nuisance plant image if the first comparison result indicates that the sensed infrared gray value falls below the defined minimum infrared limit value and/or the second comparison result indicates that the infrared gray value exceeds the defined maximum infrared limit value and/or the third comparison result displays that the sensed red value exceeds the defined maximum red limit. If the sensed infrared gray level falls below the defined minimum infrared limit, this may indicate underexposure, if the infrared gray level exceeds the defined maximum infrared limit, this may indicate overexposure, if the sensed red level exceeds the defined maximum red limit, this may indicate overexposure.
Es ist weiterhin von Vorteil, wenn gemäß einer Ausführungsform im Schritt des Erkennens der Bildpunkt als Pflanzenabbildung erkannt wird, wenn das erste Vergleichsergebnis anzeigt, dass der sensierte infrarote Grauwert den definierten Mindestinfrarotgrenzwert überschreitet und/oder das zweite Vergleichsergebnis anzeigt, dass der infrarote Grauwert den definierten Maximalinfrarotgrenzwert unterschreitet und/oder das dritte Vergleichsergebnis anzeigt, dass der sensierte Rotwert den definierten Maximalrotgrenzwert unterschreitet. So können Pflanzenabbildungen anhand von Grenzwerten als solche bestätigt werden. Gemäß dieser Ausführungsform bleibt ein Bildpunkt dessen Grauwert den Mindestgrenzwert besitzt genauso als Pflanzenabbildung bestehen, wie ein Bildpunkt dessen Grauwert den Maximalgrenzwert erreicht. In entsprechender Weise ist auch eine andere Zuordnung der auf einen Gremzwert liegenden Grauwerte möglich, wenn die Schwellenwerte entsprechend anders gewählt werden.It is also advantageous if, according to one embodiment, the pixel is recognized as a plant image in the recognition step if the first comparison result indicates that the sensed infrared gray value exceeds the defined minimum infrared limit value and/or the second comparison result indicates that the infrared gray value exceeds the defined falls below the maximum infrared limit and/or the third comparison result indicates that the sensed red value falls below the defined maximum red limit. In this way, plant images can be confirmed as such based on limit values. According to this embodiment, a pixel whose gray value has the minimum limit value remains as a plant image in exactly the same way as a pixel whose gray value reaches the maximum limit value. Correspondingly, a different assignment of the gray values lying on a threshold value is also possible if the threshold values are selected correspondingly differently.
Das Verfahren kann auch einen Schritt des Plausibilisierens aufweisen, in dem der als Pflanzenabbildung erkannte Bildpunkt abgebildet wird, um einen Bereich eines NDVI-Bilds zu plausibilisieren. Pflanzen werden im NDVI Bild somit nicht erkannt, da das NDVI-Bild dann schon erzeugt ist. Jedoch können Bereiche im Bild durch die Grenzwerte im Infrarot-, Rot- und IR+Rot-Kanal plausibilisiert werden. D.h. als Beispiel an einer Stelle (Bildpunkt oder Pixel) im Bild darf keine Pflanze sein, weil die Plausibilisierung es so erkannt hat, und andersherum. Es könnte an einer Stelle plausibel sein dass da eine Pflanze sein könnte, dann kommt es noch auf das Ergebnis der NDVI-Segmentierung an, ob sich an dieser Stelle überhaupt eine Pflanze im NDVI-Bild befindet. So können Pflanzen sicher in dem NDVI-Bild angezeigt werden, um im Folgenden beispielsweise ein punktuelles Ausbringen von Herbiziden auf die Pflanzen zu ermöglichen.The method can also have a plausibility check step, in which the image point recognized as a plant image is imaged in order to check a region of an NDVI image for plausibility. Plants are therefore not recognized in the NDVI image, since the NDVI image is then already generated. However, areas in the image can be checked for plausibility using the limit values in the infrared, red and IR+red channels. That means, as an example, there must not be a plant at one point (image point or pixel) in the image because the plausibility check has recognized it as such, and vice versa. It could be plausible that there could be a plant at one point, then it also depends on the result of the NDVI segmentation whether there is a plant at this point in the NDVI image at all. In this way, plants can be reliably displayed in the NDVI image in order to subsequently enable selective application of herbicides to the plants, for example.
Gemäß einer Ausführungsform kann das Verfahren ferner einen Schritt des Anwendens einer Dilatation aufweisen, in dem an den Bildpunkt angrenzende weitere Bildpunkte auch als Störpflanzenabbildung erkannt werden, wenn der Bildpunkt als Störpflanzenabbildung erkannt wurde, um eine erweiterte Störpflanzenabbildung zu erkennen. Eine solche Dilatation ist von Vorteil, da noch zu der Störpflanzenabbildung gehörende Randbereiche der Störpflanzenabbildung einen Farbwertverlauf aufweisen können, welcher Farbwerte aufweisen kann, die außerhalb der definierten Grenzwerte liegen können. Beispielsweise kann dann gemäß einer Ausführungsform im Schritt des Entfernens die erweiterte Störpflanzenabbildung aus dem Kamerarohbild entfernt werden. So kann sichergestellt werden, dass die gesamte Störpflanzenabbildung in dem NDVI-Bild nicht abgebildet wird.According to one embodiment, the method can also have a step of applying a dilation in which further pixels adjacent to the pixel are also recognized as a sturgeon plant image if the pixel was recognized as a sturgeon plant image in order to recognize an extended sturgeon plant image. Such a dilatation is advantageous, since edge areas of the interfering plant image that still belong to the interfering plant image can have a color value progression, which can have color values that can lie outside of the defined limit values. For example, according to one embodiment, the expanded sturgeon plant image can then be removed from the raw camera image in the removal step. In this way it can be ensured that the entire sturgeon plant image is not imaged in the NDVI image.
Im Schritt des Anwendens kann eine Filtergröße für die Dilatation eingestellt werden. Dabei kann die Filtergröße unabhängig von der Anzahl an Störpflanzenabbildungen parametrisiert werden.In the application step, a filter size for the dilation can be set. The filter size can be parameterized independently of the number of sturgeon plant images.
Im Schritt des Einlesens kann das NIR-Farbsignal von dem NIR-Pixel eingelesen werden, das ein Blaupixel und/oder Grünpixel des Bildsensors ist. Das Blaupixel kann ein B-Farbfilterelement zum Durchlassen von blauem Licht und Nahinfrarotlicht und/oder das Grünpixel kann ein G-Farbfilterelement zum Durchlassen von grünem Licht und Infrarotlicht aufweisen. An dem Blaupixel und/oder Grünpixel kann eine Filtereinrichtung zum Durchlassen von rotem Licht und Nahinfrarotlicht und/oder zum Sperren von grünem Licht und/oder blauem Licht angeordnet sein. Der Bildsensor kann ein Bayer-Sensor sein, welcher 50% Grünpixel, 25% Rotpixel und 25% Blaupixel aufweist, wobei die Grünpixel einander diagonal gegenüberliegend angeordnet sind. Ein solcher Bayer-Sensor ist vorteilhafterweise günstig in der Anschaffung.In the reading step, the NIR color signal can be read from the NIR pixel, which is a blue pixel and/or a green pixel of the image sensor. The blue pixel may have a B color filter element for transmitting blue light and near infrared light and/or the green pixel may have a G color filter element for transmitting green light and infrared light. A filter device for letting through red light and near-infrared light and/or for blocking green light and/or blue light can be arranged on the blue pixel and/or green pixel. The image sensor can be a Bayer sensor, which has 50% green pixels, 25% red pixels and 25% blue pixels, with the green pixels being arranged diagonally opposite one another. Such a Bayer sensor is advantageously inexpensive to purchase.
Im Schritt des Einlesens kann das R-Farbsignal eingelesen werden, das einen Mischwert aus rotem Licht und Nahinfrarotlicht repräsentiert, wobei im Schritt des Vergleichens der Mischwert mit einem definierten Maximalmischgrenzwert verglichen wird, um ein viertes Vergleichsergebnis zu erhalten und/oder mit einem definierten Mindestmischgrenzwert verglichen wird, um ein fünftes Vergleichsergebnis zu erhalten, wobei im Schritt des Erkennens der Bildpunkt als Störpflanzenabbildung oder Pflanzenabbildung unter Verwendung des vierten Vergleichsergebnisses und fünften Vergleichsergebnisse erkannt wird. Dies kann unter Einsatz des vorangehend beschriebenen Bayer-Sensors mit Farbfiltereinrichtung erfolgen.In the reading step, the R color signal can be read, which represents a mixed value of red light and near-infrared light, wherein in the comparing step the mixed value is compared to a defined maximum mixing limit value in order to obtain a fourth comparison result and/or compared to a defined minimum mixing limit value in order to obtain a fifth comparison result, wherein in the recognition step the pixel is recognized as a sturgeon plant image or plant image using the fourth comparison result and fifth comparison results. This can be done using the preceding described Bayer sensor with color filter device.
Im Schritt des Einlesens kann alternativ aber auch ferner ein einen sensierten Mischwert aus rotem Licht und Nahinfrarotlicht repräsentierendes Mischlichtsignal eingelesen werden, das ein von dem Rotpixel bereitgestelltes Signal repräsentiert, wobei im Schritt des Vergleichens der sensierte Mischwert mit einem definierten Maximalmischgrenzwert verglichen wird, um ein viertes Vergleichsergebnis zu erhalten und/oder mit einem definierten Mindestmischgrenzwert verglichen wird, um ein fünftes Vergleichsergebnis zu erhalten, wobei im Schritt des Erkennens der Bildpunkt als Störpflanzenabbildung oder Pflanzenabbildung unter Verwendung des vierten Vergleichsergebnisses und fünften Vergleichsergebnisse erkannt wird.Alternatively, in the reading step, a mixed light signal representing a sensed mixed value of red light and near-infrared light can also be read in, which represents a signal provided by the red pixel, wherein in the comparing step the sensed mixed value is compared with a defined maximum mixed limit value in order to obtain a fourth to obtain a comparison result and/or is compared with a defined minimum mixing limit value in order to obtain a fifth comparison result, wherein in the recognition step the pixel is recognized as a sturgeon plant image or plant image using the fourth comparison result and fifth comparison results.
Im Schritt des Erkennens kann der Bildpunkt als Störpflanzenabbildung erkannt werden, wenn das vierte Vergleichsergebnis anzeigt, dass der Mischwert den definierten Mindestmischgrenzwert erreicht oder unterschreitet und/oder den definierten Maximalmischgrenzwert erreicht oder überschreitet. Wenn der Mischwert den definierten Mindestmischgrenzwert erreicht oder unterschreitet, kann dies auf eine Unterbelichtung hinweisen, wenn der Mischwert den definierten Maximalmischgrenzwert erreicht oder überschreitet, kann dies auf eine Überbelichtung hinweisen.In the recognition step, the pixel can be recognized as a nuisance plant image if the fourth comparison result indicates that the mixed value has reached or fallen below the defined minimum mixed limit and/or reached or exceeded the defined maximum mixed limit. If the blend value equals or falls below the defined minimum blend limit, this can indicate underexposure, if the blend value equals or exceeds the defined maximum blend limit, it can indicate overexposure.
Der hier vorgestellte Ansatz schafft ferner eine Vorrichtung, die ausgebildet ist, um die Schritte einer Variante eines hier vorgestellten Verfahrens in entsprechenden Einrichtungen durchzuführen, anzusteuern bzw. umzusetzen. Auch durch diese Ausführungsvariante des Ansatzes in Form einer Vorrichtung kann die dem Ansatz zugrunde liegende Aufgabe schnell und effizient gelöst werden.The approach presented here also creates a device that is designed to carry out, control or implement the steps of a variant of a method presented here in corresponding devices. The task on which the approach is based can also be solved quickly and efficiently by this embodiment variant of the approach in the form of a device.
Hierzu kann die Vorrichtung zumindest eine Recheneinheit zum Verarbeiten von Signalen oder Daten, zumindest eine Speichereinheit zum Speichern von Signalen oder Daten, zumindest eine Schnittstelle zu einem Sensor oder einem Aktor zum Einlesen von Sensorsignalen von dem Sensor oder zum Ausgeben von Daten- oder Steuersignalen an den Aktor und/oder zumindest eine Kommunikationsschnittstelle zum Einlesen oder Ausgeben von Daten aufweisen, die in ein Kommunikationsprotokoll eingebettet sind. Die Recheneinheit kann beispielsweise ein Signalprozessor, ein Mikrocontroller oder dergleichen sein, wobei die Speichereinheit ein Flash-Speicher, ein EEPROM oder eine magnetische Speichereinheit sein kann. Die Kommunikationsschnittstelle kann ausgebildet sein, um Daten drahtlos und/oder leitungsgebunden einzulesen oder auszugeben, wobei eine Kommunikationsschnittstelle, die leitungsgebundene Daten einlesen oder ausgeben kann, diese Daten beispielsweise elektrisch oder optisch aus einer entsprechenden Datenübertragungsleitung einlesen oder in eine entsprechende Datenübertragungsleitung ausgeben kann.For this purpose, the device can have at least one computing unit for processing signals or data, at least one memory unit for storing signals or data, at least one interface to a sensor or an actuator for reading in sensor signals from the sensor or for outputting data or control signals to the Have actuator and / or at least one communication interface for reading or outputting data that are embedded in a communication protocol. The arithmetic unit can be, for example, a signal processor, a microcontroller or the like, with the memory unit being able to be a flash memory, an EEPROM or a magnetic memory unit. The communication interface can be designed to read in or output data wirelessly and/or by wire, wherein a communication interface that can read in or output wire-bound data can, for example, read this data electrically or optically from a corresponding data transmission line or can output it to a corresponding data transmission line.
Unter einer Vorrichtung kann vorliegend ein elektrisches Gerät verstanden werden, das Sensorsignale verarbeitet und in Abhängigkeit davon Steuer- und/oder Datensignale ausgibt. Die Vorrichtung kann eine Schnittstelle aufweisen, die hard- und/oder softwaremäßig ausgebildet sein kann. Bei einer hardwaremäßigen Ausbildung können die Schnittstellen beispielsweise Teil eines sogenannten System-ASICs sein, der verschiedenste Funktionen der Vorrichtung beinhaltet. Es ist jedoch auch möglich, dass die Schnittstellen eigene, integrierte Schaltkreise sind oder zumindest teilweise aus diskreten Bauelementen bestehen. Bei einer softwaremäßigen Ausbildung können die Schnittstellen Softwaremodule sein, die beispielsweise auf einem Mikrocontroller neben anderen Softwaremodulen vorhanden sind.In the present case, a device can be understood to mean an electrical device that processes sensor signals and, depending thereon, outputs control and/or data signals. The device can have an interface that can be configured as hardware and/or software. In the case of a hardware design, the interfaces can be part of a so-called system ASIC, for example, which contains a wide variety of functions of the device. However, it is also possible for the interfaces to be separate integrated circuits or to consist at least in part of discrete components. In the case of a software design, the interfaces can be software modules which are present, for example, on a microcontroller alongside other software modules.
Es wird ferner eine Bildverarbeitungseinrichtung mit der vorangehend beschriebenen Vorrichtung und dem Bildsensor in einer der vorangehend beschriebenen Varianten vorgestellt. Eine solche Bildverarbeitungseinrichtung ist zur Pflanzendetektion geeignet, wobei vorteilhafterweise Störpflanzenabbildungen sicher als solche erkannt werden können.Furthermore, an image processing device with the device described above and the image sensor in one of the variants described above is presented. Such an image processing device is suitable for plant detection, images of sturgeon plants advantageously being able to be reliably recognized as such.
Ausführungsbeispiele des hier vorgestellten Ansatzes sind in den Zeichnungen dargestellt und in der nachfolgenden Beschreibung näher erläutert. Es zeigt:
-
1 eine schematische Darstellung einer Bildverarbeitungseinrichtung mit einer Vorrichtung zum Detektieren einer Störpflanzenabbildung in einem Kamerarohbild und einem Bildsensor gemäß einem Ausführungsbeispiel; -
2 eine schematische Darstellung eines unter Verwendung einer Vorrichtung erzeugten vorläufigen NDVI-Bilds gemäß einem Ausführungsbeispiel; -
3 eine schematische Darstellung eines unter Verwendung einer Vorrichtung erzeugten NDVI-Bilds gemäß einem Ausführungsbeispiel; -
4 ein Ablaufdiagramm eines Verfahrens zum Detektieren einer Störpflanzenabbildung in einem Kamerarohbild gemäß einem Ausführungsbeispiel; und -
5 ein Blockschaltbild einer Vorrichtung gemäß einem Ausführungsbeispiel.
-
1 a schematic representation of an image processing device with a device for detecting a sturgeon plant image in a camera raw image and an image sensor according to an embodiment; -
2 12 is a schematic representation of a preliminary NDVI image generated using an apparatus according to an embodiment; -
3 12 is a schematic representation of an NDVI image generated using an apparatus according to an embodiment; -
4 a flow chart of a method for detecting a sturgeon plant image in a camera raw image according to an embodiment; and -
5 a block diagram of a device according to an embodiment.
In der nachfolgenden Beschreibung günstiger Ausführungsbeispiele des vorliegenden Ansatzes werden für die in den verschiedenen Figuren dargestellten und ähnlich wirkenden Elemente gleiche oder ähnliche Bezugszeichen verwendet, wobei auf eine wiederholte Beschreibung dieser Elemente verzichtet wird.In the following description of favorable exemplary embodiments of the present approach Identical or similar reference symbols are used for the elements shown in the various figures and which act similarly, with a repeated description of these elements being dispensed with.
Lediglich beispielhaft ist die Vorrichtung 105 gemäß diesem Ausführungsbeispiel in oder an der Bildverarbeitungseinrichtung 100 aufgenommen. Die Vorrichtung 105 weist eine Einleseeinrichtung 120, eine Vergleichseinrichtung 125 und eine Erkenneinrichtung 130 auf. Optional weist die Vorrichtung 105 gemäß diesem Ausführungsbeispiel ferner eine Plausibilisierungseinrichtung 135 auf.The
Die Einleseeinrichtung 120 ist dazu ausgebildet, um zumindest ein einen sensierten Rotwert repräsentierendes R-Farbsignal 140, das ein von einem Rotpixel R eines Bildpunkts 150 des Bildsensors 115 bereitgestelltes Signal repräsentiert, und zumindest ein einen sensierten infraroten Grauwert repräsentierendes NIR-Farbsignal 155, das ein von einem NIR-Pixel NIR des Bildpunkts 150 bereitgestelltes Signal repräsentiert, einzulesen. Die Vergleichseinrichtung 125 ist dazu ausgebildet, um den sensierten infraroten Grauwert mit einem definierten Mindestinfrarotgrenzwert 160 zu vergleichen, um ein erstes Vergleichsergebnis 162 zu erhalten, den sensierten infraroten Grauwert mit einem definierten Maximalinfrarotgrenzwert 164 zu vergleichen, um ein zweites Vergleichsergebnis 166 zu erhalten, und den sensierten Rotwert mit einem definierten Maximalrotgrenzwert 168 verglichen, um ein drittes Vergleichsergebnis 170 zu erhalten. Die Erkenneinrichtung 130 ist dazu ausgebildet, um den Bildpunkt unter Verwendung des ersten Vergleichsergebnisses 162, zweiten Vergleichsergebnisses 166 und dritten Vergleichsergebnisses 170 als Störpflanzenabbildung 107 oder Pflanzenabbildung 175 zu erkennen.Reading
Auf diese Weise kann basierend auf dem Kamerarohbild 110 ein NDVI-Bild erstellt werden.In this way, an NDVI image can be created based on the
Bei dem Bildsensor 115 handelt es sich gemäß diesem Ausführungsbeispiel um einen Infrarotsensor mit einem durch das Rotpixel R realisierten reinen Rotkanal und einem durch das NIR-Pixel NIR realisierten reinen Nahinfrarotkanal.According to this exemplary embodiment, the
Der Bildsensor 115 umfasst neben dem Bildpunkt 150 eine Mehrzahl weiterer Bildpunkte, beispielsweise in einer matrixförmigen Anordnung aus mehreren Spalten und Zeilen. Gemäß einem Ausführungsbeispiel umfasst jeder Bildpunkt des Bildsensors 115 zumindest zwei Pixel. Gemäß einem Ausführungsbeispiel sind die Bildpunkte des Bildsensors 115 identisch ausgeführt.In addition to the
Die Plausibilisierungseinrichtung 135 ist dazu ausgebildet, um Pflanzenabbildungen in dem NDVI-Bild zu plausibilisieren. So ist die Plausibilisierungseinrichtung 135 beispielsweise ausgebildet, um den als Störpflanzenabbildung 107 erkannte Bildpunkt 150 aus dem Kamerarohbild 110 zu entfernen oder eine Segmentierung des Bildpunkts 150 als Pflanze zu entfernen. Zusätzlich oder alternativ ist die Plausibilisierungseinrichtung 135 gemäß einem Ausführungsbeispiel dazu ausgebildet, um den als Pflanzenabbildung 175 erkannten Bildpunkt 150 abzubilden oder eine Segmentierung des Bildpunkts 150 als Pflanze beizubehalten. Wenn der Bildpunkt 150 als Störpflanze erkannt wird, wird dieser somit im bereits erzeugten NDVI-Bild nicht mehr als Pflanze segmentiert. Wird der Bildpunkt 150 dagegen als Pflanze erkannt, wird dieser Bildpunkt im bereits erzeugten NDVI-Bild als Pflanze segmentiert.The
Die Erkenneinrichtung 130 ist gemäß diesem Ausführungsbeispiel dazu ausgebildet, um den Bildpunkt 150 als Störpflanzenabbildung 107 zu erkennen, wenn das erste Vergleichsergebnis 162 anzeigt, dass der sensierte infrarote Grauwert den definierten Mindestinfrarotgrenzwert 160 unterschreitet und/oder das zweite Vergleichsergebnis 166 anzeigt, dass der infrarote Grauwert den definierten Maximalinfrarotgrenzwert 164 überschreitet und/oder das dritte Vergleichsergebnis 170 anzeigt, dass der sensierte Rotwert den definierten Maximalrotgrenzwert 168 überschreitet. Die Erkenneinrichtung 130 ist gemäß diesem Ausführungsbeispiel ferner dazu ausgebildet, um den Bildpunkt 150 als Pflanzenabbildung 175 zu erkennen, wenn das erste Vergleichsergebnis 162 anzeigt, dass der sensierte infrarote Grauwert den definierten Mindestinfrarotgrenzwert 160 überschreitet und/oder das zweite Vergleichsergebnis 166 anzeigt, dass der infrarote Grauwert den definierten Maximalinfrarotgrenzwert 164 unterschreitet und/oder das dritte Vergleichsergebnis 170 anzeigt, dass der sensierte Rotwert den definierten Maximalrotgrenzwert 168 unterschreitet. Gemäß diesem Ausführungsbeispiel sind die Grenzwerte 160, 164, 168 lediglich beispielhaft so gewählt, dass Bildpunkte 150 mit auf den Grenzwerten 160, 164, 168 liegenden Grauwerten als Pflanzenabbildungen 175 erkannt werden.According to this exemplary embodiment, the
Gemäß einem alternativen Ausführungsbeispiel ist der Bildsensor 115 als ein Bayer-Sensor mit zumindest zwei Grünpixeln, einem Blaupixel und dem Rotpixel R ausgeformt, die zusammen den Bildpunkt 150 ausformen. Das Rotpixel R des Bayer-Sensors weist ein R-Farbfilterelement zum Durchlassen von rotem Licht und/oder Infrarotlicht und zumindest das zum Durchlassen von Nahinfrarotlicht ausgebildeten NIR-Pixel NIR auf. Das NIR-Pixel NIR ist gemäß einem Ausführungsbeispiel das Blaupixel des Bayer-Sensors, das ein B-Farbfilterelement zum Durchlassen von blauem Licht und Infrarotlicht aufweist und/oder das Grünpixel des Bayer-Sensors, das ein G-Farbfilterelement zum Durchlassen von grünem Licht und Infrarotlicht des Bildsensors 115 aufweist. In Form eines Bayer-Sensors weist der Bildsensor 115 gemäß dem alternativen Ausführungsbeispiel ferner eine die Pixel R, NIR des Bildsensors 115 abdeckende Filtereinrichtung zum Durchlassen von rotem Licht und Nahinfrarotlicht und/oder zum Sperren von grünem Licht und/oder blauem Licht auf. Somit dienen die Grünpixel und/oder Blaupixel des Bayer-Sensors gemäß einem Ausführungsbeispiel als reine Nahinfrarotkanäle und das Rotpixel R des Bayer-Sensors als ein Mischkanal zum Sensieren eines Mischwerts aus rotem Licht und Nahinfrarotlicht. Die Einleseeinrichtung 120 ist gemäß diesem Ausführungsbeispiel ausgebildet, um das R-Farbsignal 140 einzulesen, das einen solchen Mischwert aus rotem Licht und Nahinfrarotlicht repräsentiert, wobei die Vergleichseinrichtung 125 ausgebildet ist, um den Mischwert mit einem definierten Maximalmischgrenzwert zu vergleichen, um ein viertes Vergleichsergebnis zu erhalten und/oder mit einem definierten Mindestmischgrenzwert zu vergleichen, um ein fünftes Vergleichsergebnis zu erhalten, wobei die Erkenneinrichtung 130 ausgebildet ist, um den Bildpunkt 150 als Störpflanzenabbildung 107 oder Pflanzenabbildung 175 unter Verwendung des vierten Vergleichsergebnisses und fünften Vergleichsergebnisse zu erkennen.According to an alternative exemplary embodiment, the
Die Einleseeinrichtung 120 ist alternativ gemäß einem Ausführungsbeispiel ausgebildet, um ein einen sensierten Mischwert aus rotem Licht und Nahinfrarotlicht repräsentierendes Mischlichtsignal einzulesen, das ein von dem Rotpixel R bereitgestelltes Signal repräsentiert, wobei die Vergleichseinrichtung 125 ausgebildet ist, um den sensierten Mischwert mit dem definierten Maximalmischgrenzwert zu vergleichen, um das vierte Vergleichsergebnis zu erhalten und/oder mit dem definierten Mindestmischgrenzwert zu vergleichen, um das fünfte Vergleichsergebnis zu erhalten, wobei die Erkenneinrichtung 130 ausgebildet ist, um den Bildpunkt 150 als Störpflanzenabbildung 107 oder Pflanzenabbildung 175 unter Verwendung des vierten Vergleichsergebnisses und fünften Vergleichsergebnisse zu erkennen. Die Erkenneinrichtung 130 ist dann gemäß einem Ausführungsbeispiel ausgebildet, um den Bildpunkt 150 als Störpflanzenabbildung 107 zu erkennen, wenn das vierte Vergleichsergebnis anzeigt, dass der Mischwert den definierten Mindestmischgrenzwert unterschreitet und/oder den definierten Maximalmischgrenzwert überschreitet. According to one exemplary embodiment,
Werte für den definierten Mindestinfrarotgrenzwert 160, definierten Maximalinfrarotgrenzwert 164, definierten Maximalrotgrenzwert 168, definierten Maximalmischgrenzwert und/oder definierten Mindestmischgrenzwert sind gemäß diesem Ausführungsbeispiel in einer Speichereinrichtung der Vorrichtung 105 hinterlegt oder von der Vorrichtung 105 einlesbar.According to this exemplary embodiment, values for the defined minimum
Gemäß diesem Ausführungsbeispiel ist die Erkenneinrichtung 130 ferner ausgebildet, um eine Dilatation anzuwenden, bei der an den Bildpunkt 150 angrenzende weitere Bildpunkte auch als Störpflanzenabbildung 107 erkannt werden, wenn der Bildpunkt 150 als Störpflanzenabbildung 107 erkannt wurde, um eine erweiterte Störpflanzenabbildung zu erkennen. Gemäß einem Ausführungsbeispiel ist die Plausibilisierungseinrichtung 135135 ausgebildet, um die erweiterte Störpflanzenabbildung aus dem Kamerarohbild 110 zu entfernen. Die Erkenneinrichtung 130 ist gemäß einem Ausführungsbeispiel ausgebildet, um eine Filtergröße für die Dilatation einzustellen.According to this exemplary embodiment, the
Pflanzen reflektieren im roten Spektralbereich, dem sogenannten „Rot-Kanal“, relativ wenig, im nahen infraroten Spektralbereich, dem sogenannten „NIR-Kanal“, relativ viel Strahlung.
Im Bild kann durch Festlegung einer Schwelle, beispielsweise von 0,3, der Inhalt im NDVI-Bild in „Keine Pflanzen“ und „Pflanzen“ getrennt werden. Dadurch erhält man eine Klassifizierung des Pflanzenanteils im Bild. In der Realität gibt es sehr viele Störeinflüsse, die die Segmentierung/Erkennung von Pflanzen mittels NDVI negativ beeinflussen. D. h,. es gibt Nicht-Pflanzenobjekte, die aber im NDVI-Bild als Pflanze sichtbar werden. Auch bestimmte Lichtbedingungen (Unter- und Überbelichtung) führen dazu, dass Bereiche im NDVI-Bild fälschlicherweise als Pflanze segmentiert werden. Ein Hauptstörfaktor ist Überbelichtung. D. h., die Grauwerte im Bild erreichen den maximalen Wert. Das Signal wird sozusagen abgeschnitten. Wenn nun im NDVI das Verhältnis aus zwei Bild-Kanälen berechnet wird, kommt es zu einem falschen Index. Im schlimmsten Fall landet der Index genau in der Größenordnung, wie der Index von Pflanzen tendenziell ist. Somit führt dies zu einer falschen Segmentierung mittels NDVI.In the image, by setting a threshold such as 0.3, the content in the NDVI image can be separated into "No Plants" and "Plants". This gives a classification of the plant portion in the image. In reality, there are many sources of interference that negatively affect the segmentation/detection of plants using NDVI. I.e. there are non-plant objects, but they are visible as plants in the NDVI image. Certain lighting conditions (under- and overexposure) also lead to areas in the NDVI image being incorrectly segmented as plants. A major disruptive factor is overexposure. That is, the gray values in the image reach their maximum value. The signal is cut off, so to speak. If the ratio of two image channels is now calculated in NDVI, the index is incorrect. In the worst case, the index ends up in exactly the same order of magnitude as the index of plants tended to is target. Thus, this leads to incorrect segmentation using NDVI.
Die hier vorgestellte Vorrichtung 100 verbessert die Qualität einer Segmentierung von Pflanzenanteilen mittels NDVI-Bild, indem beschriebene Störeinflüsse in den Roh-Bilddaten des NDVI, Rot+NIR-Bildkanal, erkannt und gemäß einem Ausführungsbeispiel vom Bildbereich von vornherein entfernt werden, sodass nur wirkliches Pflanzenmaterial segmentiert wird. Die Vorrichtung 105 ermöglicht somit vorteilhafterweise eine Erweiterung einer herkömmlichen NDVI-Segmentierung oder in anderen Worten einen erweiterten NDVI-Algorithmus.The
Nach Erkennen von Bereichen in den Roh-Bildern, also dem Rot- und NIR-Bild, die zu solchen Störungen im NDVI führen, werden diese gemäß einem Ausführungsbeispiel von einer NDVI-Pflanzensegmentierungsmaske herausgefiltert oder entfernt. Dies verbessert sozusagen die Qualität des erkannten Pflanzenmaterials. Nicht-Pflanzen-Objekte die zuvor als Pflanze segmentiert und klassifiziert wurden, werden nun von der Vorrichtung 105 richtigerweise auch als „Keine-Pflanze“ klassifiziert. Beispielsweise beim punktuellen Aufbringen von Herbiziden auf Pflanzen werden mit einer sehr hohen optischen Auflösung Bilddaten von Feldern aufgenommen und anhand des NDVI Pflanzenteile klassifiziert. Dabei kann es zu folgenden Störeinflüsse kommen: Rauschen, nasse oder feuchte Erde, Risse in der Erde, bestimmte Reflexionseigenschaften von Erde, Steine, Stroh und andere abgestorbene Pflanzenreste, unter- oder überbelichteten Szenen aufgrund von wechselnden Lichtbedingungen. Selbst Segmentierungsfehler aufgrund von Abbildungsfehlern, die bei der Bildentstehung durch die Optik entstehen, beispielsweise Chromatische Aberration, können gut herausgefiltert werden. Nach einer weiteren Klassifizierung des segmentierten Pflanzenteils in Kulturpflanze und Unkraut wird je nach Bedeckungsgrad von Unkraut diese Stellen mit Herbiziden behandelt. Wenn jedoch in der Segmentierung von Pflanzenteilen viele Objekte enthalten sind, die gar keine Pflanzen sind, würde es die Entscheidung für den Einsatz von Herbiziden verfälschen.After areas in the raw images, ie the red and NIR image, which lead to such disturbances in the NDVI have been identified, these are filtered out or removed by an NDVI plant segmentation mask according to one embodiment. This improves, so to speak, the quality of the detected plant material. Non-plant objects that were previously segmented and classified as a plant are now correctly classified by the
Um ein möglichst optimales Ergebnis zu erreichen, wird der hier vorgestellte erweiterte NDVI-Algorithmus gemäß einem Ausführungsbeispiel durch viele Bilddaten parametrisiert. Die Parametrisierung ist abhängig von der gegebenen Bildqualität. Diese wird im Wesentlichen durch Kamera, Beleuchtung, Sensor und Optik bestimmt.In order to achieve a result that is as optimal as possible, the extended NDVI algorithm presented here is parameterized by a large number of image data according to one exemplary embodiment. The parameterization depends on the given image quality. This is essentially determined by the camera, lighting, sensor and optics.
Es folgt ein Beispiel für eine Vorgehensweise unter Verwendung der Vorrichtung 105:
- Im Bildverarbeitungsalgorithmus wird folgendermaßen vorgegangen. Es wird mithilfe
160, 164 entschieden, ob ein Pixel aufgrund seiner Grauwerte im Rot- und NIR-Kanal schon pauschal gar keine Pflanze sein kann oder sein sollte. Beispielsweise hat ein 12bit-von Grauwertschwellen Rohkamerabild 110 Grauwerte von 0 bis 4095. Die Grauwerte der Pixel von Pflanzen im NIR-Kanal sind immer höher als die im Rot-Kanal.
- The procedure in the image processing algorithm is as follows.
160, 164 are used to decide whether a pixel cannot or should not be a plant at all based on its gray values in the red and NIR channel. For example, a 12-bit raw camera image has 110 gray values from 0 to 4095. The gray values of plant pixels in the NIR channel are always higher than those in the red channel.Gray value thresholds
Die erste Schwelle, der definierte Mindestinfrarotgrenzwert 160, ist die „Unterbelichtung im NIR-Kanal“. D. h., man entscheidet, dass nicht alle Pixel im Kamerarohbild 110 Pflanze sein können, sondern reduziert die möglichen Pflanzenpixel, indem alle Pixel im NIR-Kanal < „MinNIR“ keine Pflanzen sind. Dadurch werden Bildbereiche, wie Unterbelichtung und Schatten oder Schattenübergänge an Kanten und nasse/feuchte Erde pauschal zu „Keine Pflanze“ zugeordnet.The first threshold, the defined minimum
Die zweite Schwelle, der definierte Maximalinfrarotgrenzwert 164, ist die „Überbelichtung im NIR-Kanal“. D. h., man entscheidet, dass nicht alle Pixel im Kamerarohbild 110 Pflanze sein können, sondern reduziert die möglichen Pflanzenpixel, indem alle Pixel im NIR-Kanal > „MaxNIR“ keine Pflanzen sind. Dadurch werden Bildbereiche, wie Überbelichtung und sehr hell reflektierende Objekte wie Stroh, Steine, Objektivfehler, die sich an scharfen Kantenübergängen bemerkbar machen, pauschal zu „Keine Pflanze“ zugeordnet. The second threshold, the defined maximum
Die dritte Schwelle, der definierte Maximalrotgrenzwert 168, ist die „Überbelichtung im Rot-Kanal“. D. h., man entscheidet, dass nicht alle Pixel im Kamerarohbild 110 Pflanze sein können, sondern reduziert die möglichen Pflanzenpixel, indem alle Pixel im Rot-Kanal > „MaxRot“ keine Pflanzen sind. Da Pflanzen rotes Licht absorbieren, d. h., weniger rotes Licht reflektieren, Pflanzen im Rot-Kanal erscheinen sehr „dunkel“, ist die Idee, dass alle Pixel im Rot-Kanal, die einen höheren Grauwert aufweisen als „MaxRot“, keine Pflanzen sein können. Dadurch werden ebenfalls Bildbereiche, wie Überbelichtung und sehr hell reflektierende Objekte wie Stroh, Steine, Objektivfehler, die sich an scharfen Kantenübergängen bemerkbar machen, pauschal zu „Keine Pflanze“ zugeordnet.The third threshold, the defined maximum
Eine Schwelle für „Unterbelichtung im Rot-Kanal“ ist nicht sinnvoll, da wie bereits geschrieben, Pflanzen im Rot-Kanal sowieso sehr niedrige Grauwerte aufweisen. Da macht eine untere Grauwertschwelle zum Entfernen von Störbereichen an dieser Stelle keinen Sinn, denn sonst ist die Gefahr groß echte Pflanzenbereiche bei der Segmentierung im Bild zu entfernen. Die Parameter für die Schwellen „MinNIR“, „MaxNIR“ und „MaxRot“ sind anwendungsspezifisch an die Bildqualität anpassbar. Denn je nach Güte, abhängig von Kamera, Objektiv und Beleuchtung, sind die Störeinflüsse mal größer und mal weniger groß.A threshold for "underexposure in the red channel" does not make sense because, as already mentioned, plants in the red channel have very low gray values anyway. A lower gray value threshold for removing interference areas makes no sense at this point, because otherwise there is a great danger of removing real plant areas during segmentation in the image. The parameters for the "MinNIR", "MaxNIR" and "MaxRot" thresholds can be adapted to the image quality in an application-specific manner. Because depending on the quality, depending on the camera and lens and lighting, the interference is sometimes greater and sometimes less.
Wird gemäß einem alternativen Ausführungsbeispiel ein Kamerasetting mit einem Bayer-Sensor verwendet, werden zwei zusätzliche Schwellen benötigt, der zuvor beschriebene definierte Maximalmischgrenzwert und definierte Mindestmischgrenzwert. Da der Roh-Bildkanal für Infrarot eines Bayer-Sensors ein rotes und infrarotes Signal als Mischsignal enthält, gibt es für diesen Kanal (Rot+NIR) ebenfalls eine Schwelle für Unter- und Überbelichtung. Die Funktionsweise ist identisch zur ersten und zweiten Schwelle bei der Unter- und Überbelichtung im NIR-Kanal. Die Parameter für die Schwellen „MinRotNIR“ und „MaxRotNIR“ sind, wie die Parameter zuvor, anwendungsspezifisch an die Bildqualität und an das Kamerasetting anpassbar.If, according to an alternative exemplary embodiment, a camera setting with a Bayer sensor is used, two additional thresholds are required, the previously described defined maximum mixing limit and defined minimum mixing limit. Since the raw image channel for infrared of a Bayer sensor contains a red and infrared signal as a mixed signal, there is also a threshold for underexposure and overexposure for this channel (red+NIR). The functionality is identical to the first and second threshold for underexposure and overexposure in the NIR channel. The parameters for the thresholds "MinRotNIR" and "MaxRotNIR" can, like the parameters above, be adapted to the image quality and camera setting specific to the application.
Zusätzlich wird von der Vorrichtung 105 gemäß einem Ausführungsbeispiel um die Störpflanzenabbildungen 107 in Form von gefundenen Störbereichen ein Sicherheitsbereich gezogen. Dieser erweiterte Bildbereich ist ebenfalls per Definition „Keine Pflanze“. Durch die definierten Schwellen zu Unter- und Überbelichtung“ können teilweise nicht die gesamten Störobjekte als Ganzes entfernt werden. Man verbessert den Ansatz dahingehend, da viele dieser Störungen im Bild sich örtlich über mehrere Pixel ausdehnen und einen Grauwertverlauf besitzen, der nicht immer mit den definierten Schwellen aus der Unter-und Überbelichtung übereinstimmt. Im Bildverarbeitungsalgorithmus wird gemäß einem Ausführungsbeispiel pro Schwelle für die Unter-und Überbelichtungen eine Dilatation in Form einer Morphologischen Operation nachgeschalten. Dies führt zu dem oben beschriebenen Verhalten. Die Dilatation wird gemäß einem Ausführungsbeispiel pro Schwelle und gewünschtem Verhalten parametrisiert. D. h. wenn im Bild schon relativ gut „nur Pflanze“ segmentiert wurde, wird unter Umständen keine Dilatation mehr benötigt oder nur mit einer niedrigen Filtergröße. Sind dagegen viele Störobjekte auch nach der Entfernung durch Unter- und Überbelichtung vorhanden, wird gemäß einem Ausführungsbeispiel die Filtergröße der Dilatation pro Schwelle vergrößert.In addition, according to an exemplary embodiment, the
Eine Abbildung eines Stück Strohs beispielsweise würde ohne die hier vorgestellte Vorrichtung 105 im NDVI als Pflanze segmentiert. Das Stroh wird hingegen von dem hier vorgestellten erweiterten NDVI-Algorithmus im R+NIR-Kanal im Fall „Überbelichtung“ als „Keine Pflanze“ erkannt. Da das Stroh aber einen Grauwertverlauf von sehr hell bis weniger hell aufweist, würde mittels Überbelichtung aber ohne Dilatation nicht das ganze Störobjekt segmentiert, sondern nur ein sehr heller innerer Kern des Objekts. Deshalb wird bei einem solchen Ausführungsbeispiel im Algorithmus für dieses Kamerasetting eine Dilatation mit einem Filter einer beispielhaften Größe 5 Pixel im Durchmesser auf diese Segmentierung angewandt. Als Ergebnis erhält man ein erweitertes Objekt, das auch einen umlaufenden weniger hellen Bereich einschließt. So wird sichergestellt, dass das komplette Stroh über die ganze Ausdehnung als Störobjekt gefunden wird und vom möglichen Pflanzenbereich von vornherein abgezogen wird.An image of a piece of straw, for example, would be segmented as a plant in the NDVI without the
Gemäß einem Ausführungsbeispiel werden sämtliche erkannten Störpflanzenabbildungen 107, beispielsweise sämtliches Stroh, das potentiell die Pflanzensegmentierung negativ beeinflussen kann, durch eine Maske von vornherein als „Keine Pflanze“ definiert. Nachdem alle gefundenen Störbereiche aus allen Bild-Kanälen segmentiert und zusammengefasst wurden, wird gemäß einem Ausführungsbeispiel in diesen Bildbereichen im NDVI-Bild keine Pflanzensegmentierung mehr durchgeführt, da diese Bereiche durch die Segmentierungen (Störobjekte) zuvor als „Keine Pflanze“ definiert wurden.According to one exemplary embodiment, all recognized
Als Randbedingung gilt, dass es bei der Vorrichtung 105 wichtig ist, im Bildverarbeitungsalgorithmus den NDVI mit den Roh-Bild-Kanälen in Form des Rot- und NIR-Kanals zu verwenden, um die beschriebene Erweiterung des NDVI-Algorithmus verwenden zu können. Das von der Vorrichtung 105 durchführbare beschriebene Verfahren ist zur Detektion von Pflanzen, beispielsweise für die punktuelle Ausgabe von Herbiziden, einsetzbar.As a boundary condition, it is important in the
Das Verfahren 400 weist einen Schritt 405 des Einlesens, einen Schritt 410 des Vergleichens und einen Schritt 415 des Erkennens auf. Im Schritt 405 des Einlesens werden zumindest ein einen sensierten Rotwert repräsentierendes R-Farbsignal, das ein von einem Rotpixel eines Bildpunkts eines Bildsensors bereitgestelltes Signal repräsentiert, und ein einen sensierten infraroten Grauwert repräsentierendes NIR-Farbsignal, das ein von einem NIR-Pixel des Bildpunkts bereitgestelltes Signal repräsentiert, eingelesen. Im Schritt 410 des Vergleichens wird der sensierte infrarote Grauwert mit einem definierten Mindestinfrarotgrenzwert verglichen, um ein erstes Vergleichsergebnis zu erhalten, der sensierte infrarote Grauwerts mit einem definierten Maximalinfrarotgrenzwert verglichen, um ein zweites Vergleichsergebnis zu erhalten, und der sensierte Rotwert mit einem definierten Maximalrotgrenzwert verglichen, um ein drittes Vergleichsergebnis zu erhalten. Im Schritt 415 des Erkennens wird der Bildpunkt unter Verwendung des ersten Vergleichsergebnisses, zweiten Vergleichsergebnisses und dritten Vergleichsergebnisses als Störpflanzenabbildung oder Pflanzenabbildung erkannt. Auf diese Weise wird gemäß einem Ausführungsbeispiel ein NDVI-Bild erzeugt.The
Optional weist das Verfahren 400 gemäß diesem Ausführungsbeispiel ferner einen Schritt 420 des Anwendens einer Dilatation, einen Schritt 425 des Entfernens und/oder einen Schritt 430 des Plausibilisierens auf. Dadurch kann das erzeugte NDVI-Bild verbessert werden, also beispielsweise von Störpflanzenabbildungen bereinigt werden.Optionally, the
Im Schritt 420 des Anwendens einer Dilatation wird eine Dilatation angewandt, bei der an den Bildpunkt angrenzende weitere Bildpunkte auch als Störpflanzenabbildung erkannt werden, wenn der Bildpunkt als Störpflanzenabbildung erkannt wurde, um eine erweiterte Störpflanzenabbildung zu erkennen. Im Schritt 425 des Entfernens wird der als Störpflanzenabbildung erkannte Bildpunkt aus dem Kamerarohbild entfernt, um das bereits bestehendes NDVI-Bild zu verbessern. Im Schritt 430 des Plausibilisierens wird der als Pflanzenabbildung erkannte Bildpunkt genutzt, um das NDVI-Bild zu plausibilisieren.In
Die hier vorgestellten Verfahrensschritte können wiederholt sowie in einer anderen als in der beschriebenen Reihenfolge ausgeführt werden.The method steps presented here can be repeated and carried out in a different order than the one described.
Claims (12)
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102020215415.5A DE102020215415A1 (en) | 2020-12-07 | 2020-12-07 | Method and device for detecting a sturgeon plant image in a camera raw image and image processing device |
PCT/EP2021/079607 WO2022122240A1 (en) | 2020-12-07 | 2021-10-26 | Method and device for detecting a false plant image in a raw camera photo, and photo-processing apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102020215415.5A DE102020215415A1 (en) | 2020-12-07 | 2020-12-07 | Method and device for detecting a sturgeon plant image in a camera raw image and image processing device |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102020215415A1 true DE102020215415A1 (en) | 2022-06-09 |
Family
ID=78463489
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102020215415.5A Pending DE102020215415A1 (en) | 2020-12-07 | 2020-12-07 | Method and device for detecting a sturgeon plant image in a camera raw image and image processing device |
Country Status (2)
Country | Link |
---|---|
DE (1) | DE102020215415A1 (en) |
WO (1) | WO2022122240A1 (en) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102020215877A1 (en) | 2020-12-15 | 2022-06-15 | Robert Bosch Gesellschaft mit beschränkter Haftung | Method of classifying plants for agricultural purposes |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102016220560A1 (en) | 2016-10-20 | 2018-04-26 | Robert Bosch Gmbh | A method of detecting a plant by means of an image sensor and method for driving an assistance system of a vehicle |
DE102017217275A1 (en) | 2017-09-28 | 2019-03-28 | Robert Bosch Gmbh | Method for detecting a sheet edge, method for targeted treatment of plants with a foliar treatment agent and use of an event-based image sensor for detecting a sheet edge |
-
2020
- 2020-12-07 DE DE102020215415.5A patent/DE102020215415A1/en active Pending
-
2021
- 2021-10-26 WO PCT/EP2021/079607 patent/WO2022122240A1/en active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102016220560A1 (en) | 2016-10-20 | 2018-04-26 | Robert Bosch Gmbh | A method of detecting a plant by means of an image sensor and method for driving an assistance system of a vehicle |
DE102017217275A1 (en) | 2017-09-28 | 2019-03-28 | Robert Bosch Gmbh | Method for detecting a sheet edge, method for targeted treatment of plants with a foliar treatment agent and use of an event-based image sensor for detecting a sheet edge |
Non-Patent Citations (1)
Title |
---|
LANGNER, Hans-R.; BÖTTGER, Hartmut; SCHMIDT, Helmut. A special vegetation index for the weed detection in sensor based precision agriculture. Environmental Monitoring and Assessment, 2006, 117. Jg., Nr. 1, S. 505-518 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102020215877A1 (en) | 2020-12-15 | 2022-06-15 | Robert Bosch Gesellschaft mit beschränkter Haftung | Method of classifying plants for agricultural purposes |
Also Published As
Publication number | Publication date |
---|---|
WO2022122240A1 (en) | 2022-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE10314071B3 (en) | Procedure for the qualitative assessment of a material with at least one identifier | |
EP3629241A1 (en) | Device and method for automatic image enhancement in vehicles | |
DE112017005193T5 (en) | Image processing apparatus, image processing method and image pickup apparatus | |
EP3291172B1 (en) | Method for calculating final image data | |
DE19840873A1 (en) | Method and device for automatic forest fire detection | |
DE102013019138A1 (en) | A method for detecting a hidden state of a camera, camera system and motor vehicle | |
DE102011106052A1 (en) | Shadow removal in an image captured by a vehicle based camera using a nonlinear illumination invariant core | |
DE112018004661T5 (en) | Shadow detection method for a surveillance video image, system thereof, and shadow removal method | |
DE102019103963A1 (en) | ILDGEBUNGSVORRICHTUNG | |
WO2022122240A1 (en) | Method and device for detecting a false plant image in a raw camera photo, and photo-processing apparatus | |
DE102013106037A1 (en) | An imaging device which suppresses a fixed pattern noise generated by an imaging sensor of the device | |
DE102016104044A1 (en) | A method for detecting a deposit on an optical element of a camera through a feature space and a hyperplane, and camera system and motor vehicle | |
DE102020132106A1 (en) | SYSTEM AND METHOD OF OPERATING A GAUSSIAN IMAGE QUALITY ANALYSIS SYSTEM | |
DE102007002808A1 (en) | Image processing circuit and related method | |
DE112017000024T5 (en) | Image processing device and electronic endoscope system | |
WO2021074121A1 (en) | Attack-deterrent generator, method for preventing an attack on an ai unit and computer-readable storage medium | |
DE102018117129B3 (en) | Camera and method for controlling a camera | |
DE102009047437A1 (en) | Method and device for adapting image information of an optical system | |
DE102017219253A1 (en) | Imaging device | |
WO2024083335A1 (en) | Method for operating a self-propelled agricultural working machine | |
DE102021212020A1 (en) | Method for detecting soiling on a lens unit of a camera of an agricultural working machine | |
DE102017215051A1 (en) | Apparatus and method for reducing the influence of stray light and reflections on optical image recognition | |
EP4256777A1 (en) | Method and apparatus for calibrating a camera and camera | |
DE102014219163B4 (en) | Electronic correction of image artifacts caused by defects of an X-ray detector | |
DE102017000908A1 (en) | Method for determining the exposure time for a 3D image |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R163 | Identified publications notified | ||
R079 | Amendment of ipc main class |
Free format text: PREVIOUS MAIN CLASS: G06K0009620000 Ipc: G06V0030190000 |