农田视觉导航基准线的识别与提取方法研究

提出了一种基于农田图像处理的视觉导航基准线的提取方法。该方法首先使用加权平均法(2G-RB)对原图像进行灰度化处理;采用改进最大化类间方差分割灰度图像;再用小面积法去噪;识别去噪后的图像的中心点,确定导航中心点位置。基于中心点的分布规律,将图像中识别出的中心点进行筛选,得到有效的导航基准中心点,使用改进霍夫变换与最小二乘法相结合的方法提取导航基准线。本文方法能够准确地识别和提取导航基准线,实验证明了该方法的有效性和实时性。     

基于机器视觉的果园导航中线提取算法研究

为实现果园作业自动化,对基于机器视觉的果园自然情况下的导航路径拟合方法进行了研究。针对果园环境特点,基于HSV色彩模型和最大类间方差法对果园果树树行特征进行了增强。同时,使用Hough变换对果树树行线进行了拟合,并最终获得了相邻两树行的中线作为导航路径。最终试验结果表明:该方法能有效克服行间生草、光照阴影和修剪枯枝的干扰,可提取果园果树树行线并拟合出果园导航中线。     

基于Hough变换的农业机械视觉导航基准线识别

提出了一种基于机器视觉技术识别农业车辆导航基准线的方法。该方法从农田环境的特点出发,主要用超绿特征灰度化方法对彩色农田图像灰度化,分割作物行和土壤背景。对灰度图像进行闭运算操作,缩小或消除作物行和背景中的孔洞。对灰度图像做垂直投影直方图,根据波峰位置初步确定导航作物行的基准线位置。将灰度图像分成若干个水平条,对每个水平条用垂直投影法找出导航定位点,并根据定位点的位置设置感兴趣区域。在感兴趣区域内,采用Hough变换对导航定位点拟合出导航基准线。通过与最小二乘拟合方法的对比可知,该算法精度较高,能够满足农业机械农田作业的要求。     

基于机器视觉的玉米根茎导航基准线提取方法

提出一种在大田环境下快速、精确提取中晚期玉米行中心线作为农业机器人导航基准线的新方法。改进了传统的2G-R-B算法,实时地获取植株绿色特征。根据玉米垂直投影图生成根茎轮廓特点并采用峰值点检测算法生成玉米根茎候补定位点,再对候补定位点进行二次判别,提取玉米根茎定位点。利用最小二乘法对已知特征点进行拟合,得到作物行线。求取左右行斜率后,计算出实际需要的导航基准线。实验结果表明,与其它算法相比,处理一幅700像素×350像素的彩色图像平均耗时小于185 ms,实时性好。在多种环境下生成的导航基准线准确率在90%以上,有较强的鲁棒性,为农业自动导引车(Automated guided vehicle,AGV)在中后期玉米大田中的自主行走提供了一种可靠的导航方法。     

农业机械视觉导航基准线识别研究进展

导航基准线识别是农业机械自主导航的关键技术。为此,在参考相关文献的基础上,对目前国内的相关研究进行较为系统的分析和总结;介绍了近年来的国外研究进展,最后根据现有研究状况展望了今后的研究方向。     

基于边缘检测与扫描滤波的农机导航基准线提取方法

为了实时、准确地提取作物行基准线,提出了一种将边缘检测和扫描滤波(Boundary detection and scan filter, BDSF)相结合的基准线提取方法。首先对RGB颜色空间采用G-R颜色特征因子进行图像灰度化,再采用最大类间方差法（OSTU）对灰度图像进行分割,得到二值化图像,获取较好的作物信息。然后分别对图像的底端和顶端部分进行垂直投影,获取作物行的位置,形成一个包含作物行直线的条形框;在这个条形框内,再用等面积的小条形框对图像进行扫描并统计有效点的个数。最后根据扫描的结果来提取导航线。试验结果表明,对比Hough算法和最小二乘法(Least square method, LSM),BDSF算法处理一幅分辨率为640像素×480像素的图像,平均耗时为67ms,与LSM算法耗时相当,精度接近Hough算法;并且在杂草和株数稀缺情况下具有良好的适应性,能够快速准确地提取作物行基准线。     

基于U-Net网络的果园视觉导航路径识别方法

针对视觉导航系统在果园环境中面临的图像背景复杂、干扰因素多等问题,提出了一种基于U-Net网络的果园视觉导航路径识别方法。使用Labelme对采集图像中的道路信息进行标注,制作果园数据集;基于U-Net语义分割算法在数据增强的基础上对全卷积神经网络进行训练,得到道路分割模型;根据生成的道路分割掩码进行导航信息提取,生成路径拟合中点;基于样条曲线拟合原理对拟合中点进行多段三次B样条曲线拟合,完成导航路径的识别;最后进行了实验验证。结果表明,临界阈值为0.4时,语义分割模型在弱光、普通光以及强光照条件下的分割交并比分别为89.52%、86.45%、86.16%,能够平稳实现果园道路像素级分割;边缘信息提取与路径识别方法可适应不同视角下的道路掩码形状,得到较为平顺的导航路径;在不同光照和视角条件下,平均像素误差为9.5像素,平均距离误差为0.044 m,已知所在果园道路宽度约为3.1 m,平均距离误差占比为1.4%;果园履带底盘正常行驶速度一般在0～1.4 m/s之间,单幅图像平均处理时间为0.154 s。在当前果园环境和硬件配置下,本研究可为视觉导航任务提供有效参考。     

复杂背景下果园视觉导航路径提取算法

为解决果园视觉导航机器人行间自主行进和调头问题,提出了基于Mask R-CNN的导航线提取方法和基于随机采样一致性(Random sample consensus, RANSAC)算法的树行线提取方法。首先,基于Mask R-CNN模型对道路与树干进行识别,提取道路分割掩码和树干边界框坐标;其次,在生成行间导航线的基础上,采用改进RANSAC算法提取前排树行线;然后,计算树干边界框坐标点到前排行线的距离,筛选后排树干坐标点,采用最小二乘法拟合生成后排树行线;最后,通过分析前后排树行信息判断调头方向,结合本文提出的行末端距离计算与调头路径规划方法,规划车辆的调头路线。实验结果表明：在不同光照、杂草、天气环境下的6种果园场景中,模型的平均分割精度和边界框检测精度都为97.0%,导航目标点提取的平均偏差不超过5.3%,树行线检测准确率不低于87%,调头后车辆距道路中心的平均偏差为7.8 cm,可为果园环境下的视觉自主导航提供有效参考。     

果园智能化作业装备自主导航技术研究进展

果园生产管理主要包括喷药、施肥、割草、修剪、授粉、疏花和采收分级等作业环节,需要大量的人力投入,随着我国人口老龄化程度加剧,亟需果园生产管理由机械化向智能化转型升级。自主导航技术是果园机械化装备实现智能化的关键技术。本文围绕果园智能化作业装备导航控制需求,结合国内外研究现状,分别阐述了包含导航定位信息和障碍物信息的果园作业场景感知技术,导航地图构建、导航路径提取和路径规划技术,行走底盘运动学模型构建、运动控制技术,多机协同控制、远程交互控制技术等。随着智慧农业发展,智慧果园已成为果园未来发展方向,果园智能化作业装备是智慧果园建设必不可少的关键环节,在此基础上,归纳了我国果园智能化作业装备自主导航技术发展面临的问题为：环境感知能力不足、路径提取不稳定、局部路径规划不灵活、导航系统环境适应性欠缺、多机协同和远程控制不成熟等,提出了多传感器融合的环境感知与路径提取、完整路径规划、强通用性果园导航、大型果园多作业环节的多机协同与远程操作等未来发展方向。     

基于图像处理技术的大田麦穗计数

为了实现不同播种方式下单位面积小麦穗数的智能计算,设计了一种利用图像分析技术实现大田麦穗快速计数的方法,分析了利用颜色特征和纹理特征分割麦穗的优缺点和粘连区域麦穗个数的计算方法。通过对撒播和条播各35幅样本图像进行计数实验,准确率分别为95.77%和96.89%。结果表明,利用颜色特征和纹理特征均可提取大田环境下麦穗图像,其中利用颜色特征提取速度快。麦穗骨架角点个数能够反映粘连区域麦穗个数,在条播和撒播小麦田中计数准确率均较高。     

基于图像处理的雾滴检测技术

通过模拟田间实际喷雾情况,利用图像采集系统采集雾滴图像,对其进行增强和分割等预处理,并对粘连雾滴提出用改进的分离粘连雾滴算法进行了分离处理.基于相同样本,用图像处理方法获得的雾滴粒径分布及覆盖率等参数与激光粒度仪测量结果的对比分析表明,利用图像处理技术检测雾滴分布参数,其测量误差在6%以内.     

棉种图像精选方案与算法研究

提出了一种基于图像处理的棉种精选算法.精选作业前,先设定种子通道工位;精选过程中,使用首帧差分阈值分割的方式提取种子区域的二值图像,然后在原图像的种子区域计算红色像素数并判断红色种子,通过分析二值图像判断破壳种子,最后对种子图像进行微分处理并去除边缘像素判断裂纹种子.实验结果表明,该算法能够很好地判断出缺陷棉种,速度快、准确性高.     

基于光学三角形法与图像处理的立木胸径测量方法

为提高林木胸径测量精度,减少劳动负荷,结合光学三角形法、图像处理及最小二乘拟合法,研究一种新的立木胸径测量方法.通过理论分析制定算法,搭建测量系统,对5株不同径级的立木进行测量计算,实验结果表明,采用光学三角形法的测量算法计算的直径精度较高,误差一般小于22 mm,相对误差率小于5.5％.     

基于图像处理的雾滴尺寸测量与分析

简要介绍了雾滴图像采集硬件系统的组成和原理,主要介绍了雾滴图像处理和雾滴尺寸测量与分析软件部分的实现方法。该系统可以对雾滴图像进行二值化、边缘提取、对象标号等图像处理,在此基础上能对雾滴的面积率和雾滴的长轴进行自动计算和测量,并输出Excel格式的尺寸分布表格与图表,满足多种不同的统计分析需要,实现雾滴尺寸的测量与分析。     

用图像处理技术检测精密排种器性能

运用计算机图像处理技术，建立了精密排种器性能检测系统，通过种子动态图像的详细分析，采用图像增强、平滑、锐化及分割等预处理方法，有效地提高了图像质量；提出了根据种子的面积和种子间距检测精密排种器性能的特征提取方式。检测试验表明，检测系统精度满足精密排种器性能检测要求。     

自主式移动机器人导航研究现状及其相关技术

对国内外移动机器人智能导航研究中采用的几种导航方式进行了对比，对近几年发展起来的并已在移动机器人导航研究领域中得到应用的相关技术进行了论述，对自主式移动机器人导航技术的发展进行了展望，提出导航系统的智能结构与多传感器相结合的视觉组合导航、网络控制和虚拟现实技术的应用是该领域的主要发展方向。     

数字图像处理在SEM空蚀图像定量分析中的应用

针对收缩-扩散型水洞中进行铝制翼型空蚀破坏试验时,传统度量不能准确量化翼型表面不同位置的空蚀程度,提出了数字图像检测的方法.获取试验翼型表面SEM空蚀图像,然后对图像进行模糊增强,并进行类间方差最大阈值分割,用二值形态学方法处理边缘,最后由统计特性计算出空蚀破坏表面积、蚀坑数量等.图像测量可得到空蚀对翼型表面破坏数值的定量结果.     

基于图像旋转投影的导航路径检测算

提出一种农业车辆视觉导航路径识别算法--旋转投影算法.该算法通过角度枚举对图像ROI实施旋转变换,由旋转后图像的列均值与枚举角度构成旋转投影矩阵R,对其行向量实施差分运算得到差分旋转投影矩阵Rd,由Rd的极值可确定图像导航路径,即航向偏差θ与航位偏差d,进而可以求得世界坐标系下的导航路径参数.同理可以对田头线进行检测.为了提高算法的实时性,提出设定合理的ROI、实施线性压缩、旋转角度先粗分再细分的二步法以及充分利用前帧信息4种处理方法,使处理一帧用时6.2ms左右.通过对不同条件下成熟小麦图像测试表明,该算法识别导航路径准确率达到95%.