基于计算机视觉的作物行自动定位技术

基于计算机视觉的作物行自动定位技术

ID:34124914

大小:196.20 KB

页数:8页

时间:2019-03-03

基于计算机视觉的作物行自动定位技术_第1页
基于计算机视觉的作物行自动定位技术_第2页
基于计算机视觉的作物行自动定位技术_第3页
基于计算机视觉的作物行自动定位技术_第4页
基于计算机视觉的作物行自动定位技术_第5页
资源描述:

《基于计算机视觉的作物行自动定位技术》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、http://www.paper.edu.cn基于计算机视觉的作物行自动定位技术11袁佐云毛志怀中国农业大学工学院,100083email:hehelex@126.com摘要:本文针对多行农作物图像,提出了基于计算机视觉的作物行中心线定位方法。首先运用过绿值分割作物和背景,然后将图像划分为若干水平图像条,对图像条列向指标值进行累加,在累加值曲线上求取显著峰点的位置。最后,对位置点进行线性回归,得到作物的行中心线。实验结果表明了该方法的有效性。关键字曲线峰点;作物行;中心线;过绿特征1.引言由于化

2、学肥料、化学农药以及化学除草剂等在农业生产中的大量使用,造成了诸如环境污染、生态恶化、农药残留以及资源浪费等大量影响人类社会可持续发展的问题。农业工程、环境以及生态等各方面的专家学者纷纷从不同的角度研究解决问题的方法。在农业工程领域,研[1,2]制具有定时、定量和定位等作业能力的视觉导航的农业机械受到国内外的普遍关注。在田间作业过程中,作业机械利用视觉导航系统识别出农作物的行边界作为行走路径,根据作业机械与行走路径的相对位置计算出控制量,通过转向机构调节其位置从而跟踪期望路径,完成作业过程。农作

3、物行中心线一般是指农作物在播种或栽培过程中,其种子或幼苗的植入点所构成的直线。农业机械在作业过程中,要求视觉导航系统能够在较短时间内确定作物行的中心位置,以保证其准确地对农作物进行作业操作。2.作物行中心线的定位研究现状[3,4][5]目前常用的行定位方法有:Hough变换法、透视法等。Hough变换法通过将图像空间的直线转化为参数空间上的点,对所有可能落在直线边界上的点进行累加统计完成检测任务。由于这种方法利用图像的全局特性,因此鲁棒性很强,受噪声和直线间隔的影响小;同时,Hough变换运用统

4、计方法检测参数空间,计算过程中数据处理量大,处理时间长。透视法是利用作物行在图像平面内汇聚到一点的特性来获取透视点,通过透视点得到作物行中心线的分布。由于该方法利用了作物行的透视点,所以对包含不完整作物行图像也能够精确定位;同时,透视法在处理靠近田头作物图像时,由于作物行的长度不足以计算出透视点的位置,从而无法定位出[6]行的位置信息。本文采用峰点检测法,处理步骤少,计算量小,能够快速有效地定位出作物行的位置。该http://www.paper.edu.cn方法通过计算图像条列向累加值曲线峰点,

5、获取作物行中心的位置,然后运用最小二乘法对定位点进行线性回归,从而确定农作物的行中心线。3.作物行中心线的定位处理过程在农作物图像处理过程中,为了得到良好的定位结果,一般需要对图像进行预处理,消除图像上光照不均与阴影的影响,得到作物行与土壤背景的区分指标;然后将图像划分成若干图像条,根据图像条中的过绿特征值(ExcessGreen),运用峰点检测法自动计算作物行的中心位置;最后,运用最小二乘法对所有图像条上的位置点进行线性回归,得到的回归直线即为农作物的行中心线。该方法的流程图如图1所示。作物图

6、像图像条图像预处理列向求和图像条划分图像条操作峰点检测法位置点回归峰点位置点行中心线直线图像条处理步骤图像处理步骤图1行中心线定位算法流程图Fig.1Flowchartofthealgorithmofcroprowcentrelineslocalization3.1图像的预处理根据三基色学原理,视觉上能够感受到的任何一种颜色可以由红(R)、绿(G)、蓝(B)三种基本颜色按一定比例混合得到,因此,一幅彩色图像可以分解为三幅由R、G、B分量各自组成的图像。作物在不同的光照条件下,图像上各个像素的R、

7、G、B分量值也随之发生变化。为了减少不同光照条件对图像造成的影响,在图像处理之前需要对图像进行预处理,消除光照http://www.paper.edu.cn[6]条件对图像产生的影响。吕朝辉等人在分割秧苗图像的研究过程中,发现运用图像中R、G、B值归一化后颜色分量代替原有颜色分量,可以有效地克服光照变化和阴影的影响。设r、g、b分别为R、G、B进行归一化后颜色分量,各个分量归一化过程如下:Rr=R+G+BGg=R+G+B(1)Bb=R+G+B通常情况下,作物图像上的背景即土壤具有较高的r值和b值

8、,而g值总是小于作物的g值。利用r-g、g-b、r/g以及2g-r-b等指标来区分作物与背景是非常有效的。其中,最为有效的区分指[7]标是过绿特征值2g-r-b。因此,本文中运用过绿特征值作为区分作物与土壤背景的指标,在后面的运算中均以过绿特征值运算操作。图2为大豆的原图像及过绿特征值构成的图像,原始图像是在强光下拍摄的,作物行间存在作物的阴影;经过预处理以后,在过绿特征图像上,阴影的影响已消除,从图2b中可以清晰地分辨出大豆与土壤。3.2图像分割与作物行中心线的定位采用条播方法播种的农作物,作

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。