基于多次腐蚀的农用AGV曲线导航线提取算法

提出了一种基于多次腐蚀操作的农用AGV曲线导航线提取算法,通过对分割图像多次腐蚀将图像分段并得到各段的导航线,连接这些导航线得到相应的曲线导航线。结果表明,所得到的导航线能较好地反映农用AGV的行进路线,在19幅480×640像素的图像中,基于多次腐蚀操作提取的导航线平均每行误差为9个像素点。     

光照强度对农用AGV导航线提取影响的研究

[目的]改善农用AGV导航线提取的精度。[方法]对同一对象在41 000-90 000 lx下采集的19幅图像进行图像分割试验。[结果]在1 080×1920的图像中,每幅图像与其他图像提取导航线的最大误差为50个像素点左右。[结论]光照强度误差是现有大多数算法可以接受的,光照强度带来的导航线提取差异将促进农用AGV视觉导航技术的发展。     

基于深度学习的果园道路导航线生成算法研究

针对目前果园环境视觉导航线提取受光照、杂草干扰,而已有的导航线生成算法过于复杂且适用范围较窄的问题,提出了一种基于深度学习的方法来提取果园道路导航线:采用YOLOV3卷积神经网络提取果园道路图像上的特征点,并通过最小二乘法拟合生成导航线。通过采集的800张果园道路图片作为训练集,进而在240张图片组成的独立测试集上进行测试,总体识别率为95.37%,在杂草较少、杂草较多、高光照和正常光照的环境下,导航线平均偏差分别为2.15、2.28、2.32、2.41像素;平均偏移距离分别为3.4、3.5、2.7、3.6 cm。     

农用AGV视觉导航中基准线提取算法的研究

[目的]寻找用于农用AGV视觉导航曲线基准线的提取算法。[方法]针对农用AGV视觉导航基准线假定为直线而容易受作物残留物等因素的影响,引入了曲线导航基准线的提取算法。[结果]曲线导航基准线的提取算法为首先分割图像,将作物等植被和土壤等背景分离,然后在分割图像中以每行最大空隙的中点为标志点,逐行检查标志点,调整偏移较大的标志点,若与前一行标志点位移大于T,则缩小位移为t,最后连接标志点。曲线基准线提取算法更注重基准线的偏向与行进方向的一致性。[结论]在较多残留物和作物行缺乏规则的情况下,曲线基准线的大部分点都落在行进方向上,并总体向右倾斜,基本上反映了农用AGV的行进路线,提高了农用AGV导航精度。     

自然光照环境下基于人工蜂群算法的农业移动机器人视觉导航线提取

为了解决常规农业移动机器人导航基准线提取方法存在识别速度慢、检测精度低以及对光照变化敏感等问题,提出1种自然光照环境下基于人工蜂群算法的视觉导航路径提取方法。首先,将视觉传感器获取的作物图像进行灰度化处理,通过图像熵对灰度图像质量进行估计,当光照条件变化时,在线调整摄像机曝光时间,使获取的图像质量达到最佳状态,以提高后续图像处理对光照变化的适应能力。然后,采用类间最大方差法对图像进行分割,将作物信息与土壤背景分离,运用形态学滤波方法消除分割图像中的杂草噪声。最后,对图像顶部和底部分别进行灰度垂直投影,获取作物行区域并提取作物行特征点,利用人工蜂群算法搜索2个特征点,使其构成的直线所含目标点数最多,并将这条直线作为作物行中心线,进而得到导航路径。结果表明,在不同光照度条件下,基于图像熵的曝光时间调整方法可以有效降低光照度变化对后续图像处理的影响;基于人工蜂群算法的导航基准线提取方法可以快速有效地识别作物行与导航路径,处理1幅640×480像素的图像平均耗时76.4 ms,与传统导航基准线提取方法(Hough变换算法、最小二乘法)相比,人工蜂群算法具有检测速度快、准确性高的特点。本研究提高了应用于田间作业的农业移动机器人导航路径识别精度。     

行播作物农田图像边界提取研究

[目的]找寻一种适于行播作物农田图像边界提取的方法。[方法]依据农田图像的特点,通过试验对比确定适合于行播作物农田图像边界提取的方法。[结果]在分析农田图像特征的基础上,选择适宜的颜色特征2g-r-b作为彩色图像的分割特征。为了实时导航,应采用固定的分割阈值。选取0.11作为超绿特征的分割阈值效果比较理想。对分割后的图像进行了中值滤波和区域填充处理可去除噪声和孔洞的影响。[结论]处理后的图像效果基本能够满足要求。     

再生稻收割机的视觉导航路径检测方法

采用机器视觉技术研究再生稻收割机导航路径检测方法.根据农田再生稻图像特点,基于HSV空间的S分量结合Otsu算法得到初始分割阈值T;为更好地保留不同成熟度再生稻植株特征,加入修正因子-a,得到分割阈值T-a二值化图像.将土壤路径从再生稻植株中分割出来,根据形成的植株左右边界区域特征,提出逐行扫描图像动态检测导航路径的中间离散点集,利用基于已知点的Hough变换检测出稻桩行间导航路径.结果表明:处理一幅像素419×310的图像平均耗时0.064 s,具有较好的实时性,对稻叶交叠现象具有较强的适应性,拟合的导航线符合人眼视觉感官判断.     

水稻插秧机视觉导航信息获取试验

针对水稻插秧机视觉导航信息获取问题,提出了一种结合霍夫变换的坐标变换法将图像中位姿信息转换到世界坐标系中的导航信息获取方法。首先分析水稻秧苗基准线特征点在图像平面上的像素坐标与在世界坐标系中的映射关系,应用小孔成像模型和霍夫变换理论,建立水稻秧苗基准线在图像坐标系中的位姿与在世界坐标系中相对水稻插秧机的位姿间的关系模型。然后利用霍夫变换提取图像中水稻秧苗行位姿信息,通过坐标变换,转换成世界坐标系中的导航信息,获取世界坐标系中水稻插秧机位姿信息。采用人工铺设标志线模拟水稻秧苗,进行导航参数提取试验,对比算法提取和人工实测的导航参数来评价算法精度。结果表明:实测角度偏差(θw)和计算角度得偏差的误差均值为4.76°,方差为5.07°;实测位置偏差(λw)和计算得位置偏差误差均值为4.95mm,方差为5.42mm,说明该算法获取的导航信息有效。     

基于离散因子的多传感器数据融合和导航线提取方法

目的 针对玉米田间路径边界模糊和形状不规则特点,普通的田间导航线提取算法在农业机器人实际应用中会出现偏差过大的问题,本文针对3~5叶期玉米田提出了基于离散因子的相机与三维激光雷达融合的导航线提取算法。方法 首先利用三维激光雷达获取玉米植株点云数据,同时将相机采集的图像利用超绿化算法和最大类间方差法自动获得绿色特征二值图像,然后将聚类分析后的点云数据投影到图像中的目标边框上,构建多传感器数据融合支持度模型进行特征识别,最后拟合所获取特征中心点即为导航基准线。结果 该算法能够很好地适应复杂环境,具有很强的抗干扰能力,单帧平均处理时间仅为95.62 ms,正确率高达95.33%。结论 该算法解决了传统算法寻找特征质心偏移、识别结果不可靠等问题,为机器人在玉米田间行走提供了可靠的、实时的导航路径。     

曲线导航线提取中腐蚀参数的分析

分析了农业AGV曲线导航线提取中腐蚀参数的影响。19幅田间图像的实验结果表明,不同腐蚀参数提取的曲线导航线之间不存在显著差异,因此腐蚀参数不是曲线导航线提取误差的影响因素。     

中文农业网站多元线性回归识别研究

在对中文网页分类中几种典型特征词选取方法研究基础上,提出了互联网农业网站识别中特征词提取方法,设计了农业网站最小二乘多元线性回归识别模型。为检测不同分词器对模型性能的影响,分别使用JE分词器、IK分词器、庖丁解牛分词器、中科院分词器等中文分词工具进行了对比实验。结果表明,当特征词在160～200时,使用IK分词器、庖丁解牛分词器、中科院分词器,模型识别精确度可达96%以上,当特征词个数达到200个以后,农业网站识别精确度基本趋于稳定。     

复杂背景下油茶果采收机重叠果实定位方法研究

油茶果机械化振动采摘技术关键在于振动点选取,判断振动点选取取决于果实生长密度测算和分布估计.然而自然环境下重叠果实的识别对判定结果有较大的影响,因此提出一种基于凸壳识别的分割边界优化方法,提升重叠油茶果识别与分割准确度.该方法先将原始图像转换颜色空间,经过阈值分割和形态学处理获得重叠果实的凹区域,然后在此基础上通过Harris角点检测得到区域的特征点集,利用主成分分析(PCA)和欧式距离方法分析特征点距离关系得到分割路径,最后采用最小二乘法对分割后的目标区域进行拟合重建得到果实轮廓.对比重建的果实轮廓与真实分布图像,该方法的平均定位误差为8.6％,比Hough方法低5.1％;平均耗时为0.52 s,比Hough方法低0.12 s.结果 表明,提出的方法可以有效解决重叠油茶果实识别与分割问题,为采摘装置的振动点选择奠定基础.     

基于形态学的多喷头喷洒参数确定算法

针对精确农业中农药喷洒的问题提出了一种基于形态学的多喷头喷洒参数确定算法。原始田间图像分割后分为植被和背景两部分,再通过不同的结构元素进行膨胀、腐蚀操作修正图像中的植被部分,接着根据处理后图像中的植被部分的面积和位置确定农药喷洒参数。结果表明,对不同的田间图像该算法均能较好的自动确定喷头的个数和每个喷头的喷洒参数。     

基于特征融合的林下环境点云分割

针对林下环境几何特征的复杂性,以及基于边检测、表面增长和聚类分割方法存在的效率低、分割不足及过度分割等问题,提出了一种基于特征融合的点云分割方法。采用地面激光扫描仪FARO在北京林业大学选择样本区域进行扫描,对扫描得到的数据进行采样点剔除及滤波,得到由1166302个点组成的林下环境点云数据,主要包括林木、地面、石块、人4类目标。综合利用点云法向量信息和激光反射强度信息可实现点云分割。其中,点云激光反射强度可直接从扫描得到的点云数据中获取;法向量可根据点云数据的三维坐标信息,通过对点云数据建立kd-tree数据结构,执行k-邻域搜索,并基于PlanePCA算法计算得到。将点云法向量和激光反射强度2方面的特征优势进行融合,计算中心点与邻域点的综合相异度,并判断其是否在阈值范围内,最终实现点云分割。比较基于特征融合、法向量和激光反射强度3种聚类分割方法得到的分割结果可知,基于特征融合的聚类分割方法能较好地保留数据特征,且分割完整度明显优于其他2种方法。      

基于机器视觉金鱼游动方向监测算法的研究

针对金鱼游动方向自动监测,提出了一种基于机器视觉金鱼游动方向的监测算法。金鱼图像首先通过阈值分割得到分割图像,然后通过分割图像或者腐蚀后的分割图像提取金鱼的像素点,再分别使用最小二乘法拟合一次、二次曲线从而得到金鱼的游动方向。15幅金鱼图像的实验表明在室内单条金鱼监测中通过分割图像提取像素后一次曲线拟合得到的结果最好,仅6.67%的误差。     

基于图像的人体参数测量系统的设计与实现

给出一种基于图像的人体参数自动测量方法,并设计与实现人体参数测量系统.通过2个数码相机拍摄人体的正视图和侧视图,运用图像分割和特征提取等图像处理方法提取2幅图像上的人体特征点;利用三维标定架标定相机的内外参数;利用双目视觉原理从2幅图像上的特征点计算出人体的测量点,完成人体尺寸参数计算.试验结果表明：与传统手工测量相比,本方法能实现自动测量,缩短了测量时间,提高测量的精度和效率;与三维非接触测量相比,本方法测量设备简单和便携,测量速度更快,操作更加方便.     

结合深度学习和引导滤波的苹果叶片图像分割

针对传统方法对苹果叶片进行图像分割和测量几何形状参数精确度较低的问题，结合基于深度学习和引导滤波技术提出一种新的苹果叶片图像自动分割算法。首先采用深度学习方法，使用BiseNet卷积神经网络对苹果叶片图像进行自动分割，得到苹果叶片主体轮廓；然后使用彩色苹果叶片图像作为引导图像对主体轮廓进行引导滤波处理，以增强边缘锯齿等细节特征信息；最后将主体轮廓与细节特征信息进行联合分割，得到完整、准确的苹果叶片信息。对包含174种8 184张苹果叶片图像数据集进行试验，结果表明苹果叶片分割的精确率达到98.99%，交并比98.82%。利用本研究算法能够真正实现准确、快速测量苹果叶片的面积、周长等参数值，为苹果叶片几何参数的测定提供了一种新的测量方法。