[发明专利]基于粒子滤波的谷物收获机器人视觉导航方法及其应用

说明书

本发明公开了一种基于粒子滤波的谷物收获机器人视觉导航方法，包括：1、在谷物收获机器人顶部安装相机，实时获取收获机前方原始谷物图像序列，以及与之对应的鸟瞰图；2、初始化第一目标区域ROI1、特征区域、粒子位置、粒子区域、导航线横坐标；3、更新粒子区域、特征区域；4、计算粒子的权重，并对其归一化，计算k时刻粗分割的收割线横坐标；5、根据粗分割的结果在ROI1中截取第二目标区域ROI2，对ROI2进行处理，得到细分割的收割线上的两个点P₁、P₂；6、计算割幅并提取导航线，对粒子重采样，跳转到步骤3，继续提取下一时刻的导航线。该方法能够对收割线进行追踪和精确识别，有效提取收获机器人导航参数和割幅宽度。

技术领域

本发明属于农业机械自动化技术领域，具体涉及谷物收获机器人的导航线提取方法，以及该方法在收获机偏航角计算和位姿关系标定的应用。

背景技术

精准农业是农业科学研究的热点领域，智能收获机的使用，能有效提高农业生产的效率，解放劳动生产力。路径检测已经成为农业机械自动化的一个热点，为了获得较高的生产率，需要使收获机在满割幅的状况下进行田间作业，作业过程中由于长时间保持满割幅，驾驶员劳动强度大，容易造成疲劳驾驶，并且田间作业灰尘大，肉眼难以获取准确的边界线，因此需要实时获取导航线，对路径进行自动规划，实现满割幅作业。在路径检测时计算收获机的收割幅度，通过割幅、作物密度和收获机在田间的作业速度可以获得收获机的喂入量。因此准确、实时获取稻麦收割线对于实现农业自动化，提高农业生产率具有重要的意义。

目前智能收获机自动驾驶采用的卫星导航容易做到全球、全天候精准定位，但不能实时连续导航；惯性导航实时性好，不依赖任何外部信息，但是设备复杂，需要高精密的惯性元件，成本高，长时间使用必须进行额外校准；组合导航比单一的导航系统精度高，各种导航系统进行数据融合，能达到优势互补，但是采用组合导航如果不能及时正确判断并隔离掉出现故障的导航系统，会影响到其他系统的导航性能；多数算法没有将导航线的提取与智能收获机相对位姿相联系，研究停留在导航线的提取上；在导航线提取方面，采用2G-R-B算法实时分割田间作物以获取导航参数，适用于绿色作物，但不能应用于成熟稻麦的分割；利用HSV颜色空间的S分量结合OTSU算法进行分割，进而获取导航线，此方法可在颜色层次明显的区域进行分割，无法分割农田作业中整片的成熟稻麦区域；采用双目视觉获取深度信息，根据深度信息获取导航线，此方法计算量大，难以适应复杂的农田环境和在运动的收获机上实现收割线的提取。

发明内容

发明目的：针对现有技术中存在的问题，本发明旨在提供一种能够对收割线进行追踪和精确识别，有效提取收获机导航参数和割幅宽度的谷物收获机器人导航线提取方法。

技术方案：本发明一方面公开了一种基于粒子滤波的谷物收获机器人视觉导航方法，包括：

(1)在谷物收获机器人顶部安装相机并对相机进行标定获取比例因子SCALE，相机实时获取收获机前方原始谷物图像序列，获取与原始谷物图像对应的谷物图像鸟瞰图；

(2)在初始时刻k＝1时，在谷物图像的鸟瞰图Pic_air(k)中确定第一目标区域ROI1，所述第一目标区域ROI1的宽为固定值width，高为固定值height，widthheight；将ROI1中未收割区域侧大小为height×height的未收割区域作为k时刻的特征区域在ROI1的上边界设置N个粒子p_i，粒子与ROI1左边界的距离为均匀分布；以粒子p_i的位置为左上角，ROI1的右下角为右下角作为p_i的粒子区域Area_k(p_i)，i＝1,…,N；初始化导航线横坐标pre_x(1)为收割区域与未收割区域的边界上任一点的横坐标；