[发明专利]果园林间导航线提取方法

说明书

技术领域

本发明涉及图像处理技术领域，尤其涉及一种果园林间导航线提取方法。

背景技术

具有高度自动化的农业机械以及更智能化的农业机器人近年来发展迅速，在降低农业生产的劳动强度、缓解农村劳动力不足、降低农产品生产成本等方面起到了较大作用。上述高度自动化农业机械和农业机器人的导航部件由于作用关键、技术难度较大，一直是研究的热点，按种类来分有GPS导航、惯性导航及机器视觉导航等方式，其中由于后者具有信号探测范围广、信息完整等优点，随着电子技术的快速发展，取得了较广泛的应用。

运用机器视觉来进行自动化农业机械或农业机器人自主导航，开始于20世纪80年代早期，当时相对低廉可靠的CCD图像传感器开始出现。随着计算机、微电子等相关技术的不断进步，一些复杂的图像处理和分析算法能够顺利实现，使得农业机器人视觉导航技术的研究迅速发展起来。在经历了沿犁沟、田垄、农作物行的机械触杆导航、预埋引导电缆的有线引导、地磁导航、无线电或激光导航、用惯性导航进行航程推算等多种导航方式的发展过程后，发达国家开始对农业机械的视觉导航进行研究，我国也从20世纪90年代开始此项研究。

在农田、林地等复杂的自然场景中，图像分割往往因光照、阴影等噪声困扰而变得十分困难，无法取得较为满意、稳定的图像分割效果。其中，由于果园环境具有非结构性的特点，环境复杂多样，背景多元叠加，易受自然光照、温度等影响，果树大小、生长形态各异，具有不确定性，比农田导航更具有挑战性，这就对果园导航实时生成提出了较高的要求。农田中早期农作物(小麦、大豆等)植株相对矮小，整齐的按行种植，行与行之间基本平行。同时，农作物一般呈绿色，作物行在整体上呈现直线形状或者小曲率曲线，作物行连续，检测到的导航特征在短时间隔内不会发生突变。与此不同的是，果园中果树植株高度不等，层次复杂，空间排列较为随机，视觉系统难以检测到明显的连续不变的导航特征，因此无法直接采用现有农田视觉导航系统的相关算法。乔化型果树植株高大，主干高度一般在70-80cm，在视野中可以较明显的区分主干与背景。根据以上特点，针对乔化型果园可采用突出主树干区域方式，寻找其颜色特征，并结合图像中天空、土壤、枝叶等其它背景的颜色特征，从而实现生成导航路径的方法。

果园内林间路径一般较窄，约2-3米，农业机械或农业机器人一般沿路径的中心线直线行走，因此，果园内林间导航线的提取实际为林间路径中心线的提取。

目前，国内外有些关于果园林间导航的研究报道，例如：国内本领域技术人员研究了自然环境下多种林间图像，采用霍夫变换(Hough Transform)的方法，提取林间导航线。霍夫变换算法鲁棒性好，稳定可靠，但缺点是非常耗时，难以保证实时性要求。有研究人员提取果树树干与地面的结合点，利用最小二乘法提取导航线，此方法需要对采集的图像进行图像分割，进行开运算、闭运算以及根据面积特征进行去除噪声操作，这些操作同样非常耗时，影响了算法的实时性。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是：提供一种提取速度快且实时性高的果园林间导航线提取方法。

(二)技术方案

为解决上述问题，本发明提供了一种果园林间导航线提取方法，该方法包括步骤：

S1.采集目标果园林间图像，并生成采集到的图像的色差图像；

S2.获得所述色差图像在水平方向及垂直方向的像素灰度值的投影；

S3.根据所述投影，获得所述目标果园林间路的远景中点及近景中点；

S4.根据所述远景中点及近景中点，得到导航线。

优选地，所述色差图像为G-B色差图像。

优选地，步骤S1进一步包括：

S1.1采集目标果园林间图像；

S1.2将所述采集到的图像在RGB颜色空间中G通道的像素值与B通道的像素值相减，得到所述G-B色差图像。

优选地，在步骤S2中，在水平方向上，对所述色差图像每行像素的灰度值进行逐行累加，得到所述色差图像像素灰度值的水平投影；在垂直方向上，对所述色差图像每行像素的灰度值进行逐行累加，得到所述色差图像像素灰度值的垂直投影。

优选地，步骤S3进一步包括：

S3.1获得所述水平投影最大值对应的纵坐标；

S3.2在水平方向上，将所述垂直投影平均分为左、中、及右三个部分，分别获得三部分的垂直投影的最小值；

S3.3以中间部分垂直投影的最小值对应的横坐标作为横坐标，将所述水平投影最大值对应的纵坐标作为纵坐标，得到远景中点；