论文部分内容阅读
随着计算机技术快速发展,农业机械智能化必将是农业机械的发展方向之一。在农业机器人的操作环境中,非结构化道路占有很大比例。本文将利用图像处理技术对非结构化道路进行识别与障碍物检测,为农业机器人的智能视觉导航系统提供可供参考的路况信息。在国内外,基于机器视觉导航技术的农业机器人技术受到越来越多研究者的关注。很多农业领域专家认为机器视觉技术是实现农业现代化及可持续发展不可缺少的技术手段之一。本文主要针对非结构化道路条件下的视觉导航问题进行系统研究。基于机器视觉的农业机器人行走道路识别与障碍物检测的系统研究主要分为三部分:道路区域预处理、道路边缘拟合以及障碍物检测。主要研究内容如下:针对非结构化道路的特点,本文通过实验对比分析后,选用符合人类视觉感知的HSV空间进行颜色分析。综合利用各种图像预处理技术,包括图像滤波、阈值分割、区域生长等方法,为后续道路边缘提取和障碍物检测提供优质图像。利用梯度幅值算法和Otsu阈值分割法对图像道路区域进行分割;再通过形态学算法以及路面与背景区域灰度值差异的特点,对道路边缘点进行初步提取,其实验结果在复杂环境下依然具有良好的鲁棒性。本文利用Hough检测对道路边缘点进行优化,再利用RANSAC算法和最小二乘法算法确定最优随机样本点集合。最后对该随机样本点集合进行曲线拟合获取道路的边缘,实现对非结构化道路的边缘拟合。本文提出基于单目视觉的障碍物检测算法。针对非结构化道路沿线环境复杂,背景图像随时变化等特点,分别采用两种算法进行分析:(1)采用检测窗技术,建立以小车前进区域为框架的ROI检测窗口。在ROI范围内进行自适应区域生长来检测障碍物,缩小障碍物搜索范围同时提高系统运行速度。(2)提出基于光流法的道路边缘运动障碍物检测算法。将光流法与统计学理论相结合来估计当前背景的光流矢量,这种估计方法能够在背景运动情况下有效检测出场景中的运动障碍物目标。本文提出的非结构化道路识别与障碍物检测算法为农业导航机器人在自然环境下自主导航提供一种初步的有效的办法。