[发明专利]一种基于新旧土边界线的拖拉机旋耕视觉导航方法

说明书

技术领域

本发明涉及一种智能拖拉机视觉导航方法，尤其是基于拖拉机田间作业的新旧土边界线视觉导航方法，属于农业工程技术领域。

背景技术

在农业机械化和智能化技术飞速发展的背景下，精准农业得到了长足的发展，特别是智能拖拉机自动导航技术。在作物行多样化、光照不均等农田作业环境下，自动视觉导航技术为现有科技发展水平的制约提供了良好的解决方案。现有的自动导航方法主要为两种，一种是可实现农田的厘米级卫星精确导航(GPS、北斗)，另一种是算法复杂但成本低廉的视觉导航。GPS和北斗技术均需采用地基增强差分技术，成本高昂，且因地理位置及气象环境等因素，农田中的卫星导航信号时有中断和延迟。视觉导航技术被广泛应用，但目前基于机器视觉的农业机械自动导航技术大都通过研究作物行的分布形态来提取导航线，而农业机械旋耕作业时田间农作物已经收获，难以基于作物行进行导航。因此亟需研究一种能在无农作物时田间旋耕作业的视觉导航算法。

发明内容

为克服现有技术的缺陷，本发明提出一种基于新旧土边界线的拖拉机旋耕视觉导航方法，可适应作物行多样化、光照不均的工作环境下拖拉机的智能导航旋耕作业。

为实现上述目的，本发明采用以下技术方案：

本发明所述的一种基于新旧土边界线的拖拉机旋耕视觉导航方法，其按照以下步骤实施：

步骤1：通过摄像头采集拖拉机前方的视觉图像p(x，y)；

步骤2：通过公式f(x，y)＝(R(x，y)+G(x，y)+B(x，y))/3将图像进行灰度化，并转换到 YCrCb颜色空间，其中Y＝0.299*R+0.587*G+0.114*B，Cr＝(R-Y)*0.713+128， Cb＝(B-Y)*0.564+128；

步骤3：在YCrCb颜色空间下对图像进行导向滤波处理；

其中导向滤波的处理，即“局部线性模型”求解工作过程为：

令q为输出像素的值；i和k是像素索引；I是输入图像的值，即待滤波的图像或其他图像的引导图像；a和b为窗口中心位于k处时该线性函数的系数；p为待滤波图像；ε是为防止a值过大而引入的具有调节滤波效果的参数，ε越大，滤波效果越明显；μ_k，σ²k 分别为I在窗口中的平均值与方差；是待滤波图像p在窗口的均值；|w|是窗口中包含像素的数量；i与j为像素；w_ij是一个滤波核，为导向图像I与独立变量p之间的函数；

步骤①：在YCrCb颜色空间下的图像用二维函数表示，此函数的输入通过一个二维窗口得到的输出与函数输入满足线性关系，即：q_i＝a_kI_i+b_k，

步骤②：对步骤①中的公式两边做梯度运算，即

步骤③：计算拟合函数的真实值p与实际输出值间的差距为

步骤④：基于最小二乘法计算a_k和b_k，b_k＝p_k-a_kμ_k；

步骤⑤：将所有包含k点的线性函数值做加权平均得步骤4：导向滤波处理后，采用Shearlet-Canny算子提取研究图像的边缘信息；

其中的算法如下：

令研究图像为f[n₁，n₂]；A_a为各向异性膨胀矩阵；B_s为剪切矩阵。a＞0为尺度参数； s∈R为剪切参数；t∈R为平移参数；

步骤a：读入图像f[n₁，n₂]；

步骤b：通过拉普拉斯金字塔将图像f[n₁，n₂]分解为低通子带和高通子带

步骤c：将高通子带从笛卡尔坐标系转换到伪极坐标系，所产生矩阵经过一个频域子带滤波器，伪极坐标系转换回笛卡尔坐标系；

步骤d：利用Shearlet变换的多方向特性，变换求得若干子图像输出，其中Shearlet 系统可表示为Shearlet变换为 SH_ψf(a，s，t)＝＜f，ψ_a，s，t＞，对多个方向的子图像分别进行canny边缘检测，得到各自的边缘图像；

步骤e：对步骤2中的各个方向的子图像进行Shearlet反变换；

步骤f：根据不同图像边缘可以互补的原理，采用逻辑运算符对反变换后图像进行融合；