基于农田非结构特征的视觉导航研究.pdfVIP

论 文 模 版 基于农田非结构特征的视觉导航研究 曹倩 王库 （中国农业大学信息与电气工程学院，北京100083） 摘 要：研究了农田非结构环境下，通过机器视觉提取导航线的处理算法。首先，根据农作物的特点提出了使用聚类的方法检测作 业区域终点；其次，为避免噪声干扰，利用移动窗口检测二值图像白色像素的个数，确定导航路径区域；最后，使用改进的Hough 变换提取导航线。实验表明，该算法可以准确提取绿色植物的行信息，处理一帧分辨率为 320 ×240 像素的彩色图像平均需要 57.404ms，正确识别率达99%。 关键词：视觉；农田环境；聚类；改进的Hough 变换 中图分类号： TP242 体上呈现直线形状或者小曲率曲线；光照不均 0 引 言 匀；作物行是连续的，检测到的导航特征在短 视觉导航是机器视觉理论在导航领域中的具 时间隔内不会发生突然的变化，等等。基于上 体应用，其目的就是精确可靠地识别出行走路径 述特点对农田环境图像进行处理。 [1～3] 。作为精准农业的一个重要分支，农业机器 1.1 图像二值化 人视觉导航技术的研究得到各国的广泛重视。立 农田环境中作为导航引导目标的农作物一 足于非结构化农田自然环境的特点，本文提出了 般呈绿色，而土壤背景却表现为非绿色，因此 一种提取导航路径的方法。∗ 为了提高绿色通道的权重[4] ，首先采用2G-R-B 作为彩色特征因子，以减少图像处理的数据量、 1 算法流程与实验方法 突出农作物信息。采用最大化类间方差（也称 Otsu 算法[5] ）实现阈值的自动选取，进行阈值 该算法的流程图如图 1 所示。 分割，将垄和作物行区分开。然后，对二值图 采集农田彩色图像 像进行中值滤波消除椒盐噪声。设图像大小为 M ×N 。 图像二值化 1.2 作物区域终点位置检测 是否存在作物区域 是 检测地头位置 非作物区域的存在会影响对犁沟线的判 终点 否 断，所以应该首先判断图像中是否存在非作物 导航线中间点检测 区域。作业区域终止的位置一般代表了农田区 域与非农田区域的边界，这个边界有时是明显 提取导航线（基于已 知点的Hough变换） 的，可以通过颜色上的突变将其区别出来，但 图 1 算法流程图 大部分情况下边界的过渡是缓慢的。本实验中， Fig.1 Flowchart of the algorithm 先将图像进行预处理（如上所述），使农作物边 在农田机器视觉中，作业环境未知，作业对象为 界与非农作物的边界变得非常明显，步骤如下： 具有导航特征的农作物、土壤等自然景物，它们 （1 ）统