水稻收获作业视觉导航路径提取方法

摘要：

针对水稻收获视觉导航中的路径规划问题,提出一种水稻收获作业视觉导航路径提取方法.通过相机标定获取畸变参数矫正原始图像,并进行高斯滤波,采用基于2R-G-B超红特征模型的综合阈值法进行图像二值化分割,并对二值图像进行形态学的开-闭运算,抑制噪声干扰,根据图像灰度垂直投影值动态设定感兴趣区域,水平扫描获取作物线拟合关键点,最后采用多段三次B样条曲线拟合法提取水稻待收获区域边界线.室内试验表明,采用本文所提出的图像处理方法提取的图像中距离信息平均误差为9.9mm、偏差率为2.0％,角度信息平均误差为0.77°、误差率2.7％.在顺光、逆光、强光、弱光4种光线环境下,对中粳798和临稻20两种作物进行了收获路径提取田间试验,以像素误差、距离误差、相对误差和标准差为评价指标,对比了不同光线下的路径提取结果,试验结果表明,对于中粳798的收获图像,4种光线环境下15个关键点的平均像素误差为28.7像素,平均距离误差39.7 mm,平均相对误差2.7％;强光环境平均像素误差最小,为26.2像素;弱光环境平均距离误差最小,为23.9 mm;强光环境平均相对误差最小,为2.0％;顺光环境稳定性最好,标准差为6.8像素.对于临稻20的收获图像,4种光线环境下15个关键点的平均像素误差36.5像素,平均距离误差45.0 mm,平均相对误差2.8％,在逆光环境下的平均像素误差、平均距离误差和平均相对误差均最小,分别为29.5像素、36.9 mm和2.3％,稳定性也最好,标准差为10.8像素.单帧图像平均处理时间38 ms.本研究可为田间作物线检测和收获作业的自动导航提供参考.

关键词：水稻、收获、导航路径、机器视觉、动态ROI、三次B样条曲线

所属期刊栏目：51

分类号：S225.3;TP391.41(农业机械及农具)

资助基金：国家重点研发计划项目;国家油菜产业体系专项;农业部科研杰出人才及创新团队项目

在线出版日期：2020-04-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：19-28