采用双目视觉和自适应Kalman滤波的作物行识别与跟踪.pdfVIP

第 38 卷 第 8 期 农 业 工 程 学 报 Vol.38 No.8 2022 年 4 月 Transactions of the Chinese Society of Agricultural Engineering Apr. 2022 143 ·农业信息与电气技术· 采用双目视觉和自适应 Kalman 滤波的作物行识别与跟踪 翟志强，熊 坤，王 亮，杜岳峰，朱忠祥，毛恩荣 （中国农业大学工学院，北京 100083 ） 摘 要：针对传统作物行识别方法在相邻图像间的识别结果偏差较大，作物行的定位精度和稳定性低等问题，该研究提出 一种基于双目视觉和自适应 Kalman 滤波技术的作物行识别与跟踪方法。对于作物行识别，首先建立图像预处理算法，基于 改进的超绿-超红模型和最大类间方差法分割植被灰度特征；建立作物行特征提取算法，基于特征点检测技术和双目视差测 距方法计算植被角点特征的三维坐标，根据三维阈值提取作物行特征点，进而建立作物行中心线检测算法，建立基于主成 分分析的直线拟合模型，根据作物行特征点的频数统计规律检测作物行冠层中心线。对于作物行跟踪，建立跟踪目标规划 模型，提取位于图像中央区域的作物行作为跟踪目标；建立目标状态方程，基于自适应 Kalman 滤波技术构建作物行中心线 跟踪模型。以棉花图像开展试验研究，图像数据包括阴影、杂草、地头等田间场景。试验结果表明，该研究方法的作物行 识别准确度、精度和速度均较高，识别正确率约为 92.36%，平均航向偏差为 0.31 °、标准差为 2.55 °，平均识别速度约 80.25 ms/帧；经目标跟踪后，航向角和横向位置估计的标准差分别为 2.62 °和 0.043 m、较无跟踪状态分别减小 22.94%和 10.42%，作物行中心线的方位估计精度进一步提高。研究成果可为导航系统提供连续、稳定的作物行导引参数。 关键词：导航；机器视觉；图像处理；大田作物；作物行识别；作物行跟踪；线性状态观测 doi ：10.11975/j.issn.1002-6819.2022.08.017 中图分类号：TP391.41 文献标志码：A 文章编号：1002-6819(2022)-08-0143-09 翟志强，熊坤，王亮，等. 采用双目视觉和自适应 Kalman 滤波的作物行识别与跟踪[J]. 农业工程学报，2022，38(8)： 143-151. doi ：10.11975/j.issn.1002-6819.2022.08.017 Zhai Zhiqiang, Xiong Kun, Wang Liang, et al. Crop row detection and tracking based on binocular vision and adaptive Kalman filter[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(8): 143-151. (in Chinese with English abstract) doi ：10.11975/j.issn.1002-6819.2022.08.017 应用。如 Huang 等[24]建立了早期水稻图像数据库，运用 0 引 言  基于 ResNet-FPN 的深度学习方法识别水稻秧苗特征。王 随着农业绿色生产的持续发展，大田精准作业农机 珊珊等[25]基于 Faster RCNN 神经网络模型检测水稻秧苗 装备的需求愈加强烈。大田作物行的道路导引信息可为 特征点。由于图像数据库依赖于大量的人工标注并且难 导航系统提供相对