基于多颜色空间分割温室环境视觉导航路径信息提取.docVIP

基于多颜色空间分割温室环境视觉导航路径信息提取 　　摘要：针对温室小范围复杂作业环境中的农作机器人视觉导航路径信息的提取方法进行研究。该方法首先对红、绿、蓝（red、green、blue，简称RGB）颜色空间各分量算子重新组合比较，在HSI（hue-saturation-intensity）色彩空间对不同光照条件下各分量的均值和标准差进行比较，对图像的RGB空间的各分量作差得到（G-B）、（R-B）差值图像，再对G-B、R-B差值图像和H分量图像用最大类间方差法（OTSU）分别进行最优阈值分割，然后再合并、滤波，将植物从背景中分离，最后用优化后的Hough变换进行植物行中心线的提取从而确定导航路线。结果表明，该方法能去除杂草和降低光照条件的影响，很好地适应复杂的温室环境，能准确分割和提取农作物行中心线，算法简单，实时性、鲁棒性强。 　　关键词：视觉导航；温室；颜色空间；图像分割；路径信息；Hough变换 　　中图分类号： TN91173文献标志码： 　　文章编号：1002-1302（2017）16-0202-04 　　收稿日期：2016-04-05 　　基金项目：天津市农业科技成果转化与推广项目（编号：201203060、201303080）。 　　作者简介：王红君（1963―），女，天津人，硕士，教授，硕士生导师，研究方向为流程工业先进控制技?g。E-mail：hongewang@126com。 　　通信作者：陈慧，硕士，主要研究方向为电气工程。E-mail：403069145@qqcom。 　　基于机器人视觉的自主导航技术是农业机器人实现田间连续作业的重要环节和基础，是农业装备智能化的关键技术。以机器视觉为主的机器人导航路径检测已经成为该领域的研究热点，目前大部分集中在田间作业机器人导航路径检测方面。 　　温室设施和作物密集度大、空间占用率高的特殊性，增加了温室作业机器人路径检测的难度，使温室环境视觉导航研究更具挑战性[1-3]。针对光照不均和作物遮挡对导航路径检测的影响，Lv等提出了基于机器视觉的垄间加热管敏感区域提取方法对导航路径进行检测[4]；王新忠等提出g、Cr、Cb色彩分量组合的导航线分割方法，实现了导航信息有效快速识别[5]；袁挺等采用基于与光照无关图的方法去除阴影干扰，基于图像分割和优化的Hough变换提取作物行中心线。以上文献虽然不同程度上解决了光照对导航路径检测的影响问题，能很快提取路径信息但仍然存在不足：Lv等提出的路径检测方法中在2行农作物之间都存在路径标识物，温室环境过于理想化，适用范围比较局限[4-5]，而袁挺等提出的提取作物中心线的方法并不能清晰分离植物和背景，存在许多噪声点，影响路径提取的鲁棒性。 　　针对温室小范围环境无任何路径标识的情况，提出基于RGB和HSI不同颜色空间图像分割的视觉导航路径信息提取方法。首先对RGB颜色空间各分量算子重新组合比较，并在HSI色彩空间对不同光照条件下各分量的均值和标准差进行比较，用OTSU法对图像的（G-B）、（R-B）差值图像和H分量图像分别进行最优阈值分割，初步提取导航目标，然后对各颜色空间的分割图像进行分析、合并，提高识别准确率。最后，利用优化后的Hough变换对农作物的行中心线进行提取，确定导航路线。 　　1图像分割 　　11图像采集 　　从摄像机在温室内拍摄的录像中截取动态图，选取45°的拍摄俯视角，距地面高度为05 m，图像分辨率为400像素×300像素，土壤呈不均匀黄棕色，有大棚、灌溉管、杂草、阴影等，农作物存在生长不均匀的现象（图1）。 　　[FK（W10][TPWHJ1tif][FK）] 　　12色彩空间选取 　　选择RGB、HSI等2个色彩空间。RGB是最常用的彩色信息表达空间，不须要转化图片的色彩空间，避免信息丢失和对原有图片信息的歪曲[8]。HSI色彩空间中色度（H）表示不同的颜色，饱和度（S）表示颜色的深浅，亮度（I）表示颜色的明暗程度，在HSI颜色模型中，三分量H、S、I具有相对独立性，可分别对它们进行控制，将亮度 I 与反映色彩本质特征的2个参数色调H和饱和度S分开，对受光照条件影响大的采集图像可以避免I量[9]。本研究用经典方法实现从RGB色彩空间到HSI色彩空间的转换，如公式（1）所示。 　　13基于RGB和HSI色彩空间的彩色图像分割 　　本研究提出基于RGB和HSI色彩空间的彩色图像分割方法，如图2所示。 　　131RGB色彩空间的图像灰度化 　　在RGB色彩空间对R、G、B分量的灰度图像进行重新组合，选用组合算子（R-G）、（R-B）、（G-R）、（G-B）作为特征量进行代数运算。经处理发现，（R-B）灰度图像的灰度值对农作物和土地区分不明显，如图3所示。（G-R）灰度图像