论文部分内容阅读
本研究是广东省科技厅计划项目-农业机械自动导航系统研制项目的部分研究内容,是在国家自然科学基金项目-农阳多源信息采集系统研究资助下完成的。提高农业机械的自动化水平是提高我国农业自动化和现代化的重要措施之一,是满足农业生产的高产、高效、安全、环保和高精度要求的有效手段。其中农业机械自动导航是一个首先要解决的基本问题。机器视觉导航作为农业机械自动导航方式之一,具有价格低廉、信息丰富、系统精度高等特点,成为当前研究开发的热点。本文主要研究基于2D机器视觉的田间自动导航系统,包括:田间垄行的分割算法、垄线识别算法、系统导航参数误差校正算法和导航图生成等,具体如下:
1)建立了农业机械机器视觉导航系统平台。采用的器件包括:德国Blaser公司CCD彩色摄头,型号:A301fc,镜头焦距为12mm;台式计算机为HP双核型,每核主频1.6MHz;移动平台采用改装的日本久保田插秧机。软件系统运行环境为VC++6.0,在摄像头驱动程序的基础上,嵌入了图像分割、垄线识别、参数校正以及导航图生成等模块类,是本研究系统算法的核心组成部分。
2)提出了基于颜色分割的农田垄行基本结构提取算法。基于农田作物生长初期的颜色特点,在RGB彩色空间中,通过理论分析与试验统计获得绿色作物颜色的三分量关系:Gvalue>Rvalue∩Gvalue>Bvalue,据此分割出作物垄行的基本结构。通过典型的田间图像试验,结果表明,该分割方法优于传统的超绿灰度化方法,可适应较宽范围的光照,在中午较强光照与黄昏较暗光照下,系统均可获得较好的分割效果。超绿灰度化分割算法对中午较强光照与黄昏较暗光照比较敏感。
3)提出了基于Hough变换和修改Fisher函数优化的农业机械视觉导航多垄线识别算法。针对多垄线识别问题,提出了在Hough变换空间,通过Fisher判别函数的修改,使之成为线段上点分布疏密程度的一个度量,从而达到优化垄线参数的目的。该算法基本解决了Hough变换产生的重复、近邻线段等问题,提高了垄线识别系统的鲁棒性与适应性。通过150幅油菜垄田图像试验,垄线识别的准确率达90%,识别错误率产生的原因主要是杂草侵害面积太大淹没了垄间隙所致。
4)提出了基于搜索方向与距离控制的最近邻法多垄线识别算法。运用垄行植株的连续性和行间结构一致性的特点,在最近搜索的基础上,依据目标点的历史记录嵌入搜索方向范围估计和搜索距离控制,使最近邻搜索能较快地收敛于垄线上。通过150幅油菜垄田图像试验,垄线识别的准确率为85%。识别错误率产生的原因主要是断垄间隔太大以致于超过垄间隙所致。通过对目标子集类的预处理,使该算法消除了大面积杂草等噪声的影响,同时,降低了最近邻的搜索次数,使该算法的时间复杂度变小。不足之处是该算法对断垄距离较大的垄结构比较敏感。
5)标定了农业机械机器视觉导航系统中摄像头的参数。基于视觉系统中摄像头畸变的理论,结合农田视觉导航系统的特点,通过计算机坐标系与世界坐标系转换,设计了试验方案。试验结果表明,投影误差较小区域在图像平面中间约1/3区域,在X轴与y轴上的投影误差分别为0.5cm,0.6cm,摄像头内部参数k=0.15(k=k1*γ2),可满足农田机器视觉导航系统的精度要求。
6)建立了农业机械机器视觉导航系统的导航图。使系统可依据历史记录对导航参数序列值进行预测、滤波等处理,从而使系统导航信息的输出趋于有保障。导航图综合了导航序列的历史记录信息,有助于提高导航系统的鲁棒性、适应性和准确性等。