随着社会的发展与人们生活水平的提高,城市的绿化水平成为关注的重点,随之而来的草坪管理维护等问题也亟待解决。草坪物种的多样性使得维护管理方案千差万别,其中最主要的草坪留茬高度标准具有较大差异。因为应用于大型草场维护的零转弯半径(Zero Turning Radius,简称ZTR)割草机的刀盘无法自动升降且没有对待割草坪植株高度进行精确测量,所以其在割草作业时未能实现对留茬高度精准控制。针对以上问题,本文基于计算机视觉技术对草坪植株进行分类并对其高度进行测量;在此基础上,自动计算出割草机刀盘的升降高度,为刀盘的自动高度调节奠定基础。主要内容如下:1.基于Halcon建立草坪机双目立体视觉的测量系统。根据双目相机成像的原理,通过自制的标定板对双目相机进行标定。结果显示,当标定图像数量大于25张时,标定结果较为稳定。2.基于LS-SVM与多特征融合对草坪植株进行识别分类。首先,考虑HSV颜色空间对局部颜色变化的敏感性,从而利用Sobel算子提取出2个像素级颜色特征;其次,利用Gabor滤波器提取出草坪植株的3个纹理特征;然后,利用region相关算子提取出7个形状特征;最后,采用动态阈值法对LS-SVM分类器的训练样本进行选择,通过贝叶斯优化法确定分类器中的惩罚系数C和核参数σ。实验表明,草坪的分类准确率达92.88%,且该分类算法可满足不同天气的需求。3.基于建立的双目视觉系统对识别分类后的草坪植株高度进行测量。首先,对传统Foerstner特征点检测算法进行改进,不仅强化了草坪植株的边缘信息,还降低了伪角点的个数;然后,将提取的特征点作为匹配对象,采用顺序性约束与动态规划相结合的立体匹配方法,在降低匹配计算量的同时还提高了匹配精度;最后,利用所提取特征点的坐标构建虚拟地面,通过叶片顶端特征点的空间坐标与底平面法向量进行点积运算求得植株平均高度。实验表明,利用上述方法测得的植株高度与其实际高度误差率在1%左右。4.基于SQL建立各类草坪特征的数据库。将提取的草坪颜色、形状、纹理等特征数据进行统一管理,并增添了草坪维护管理中的相关参数,如割草频率、周期、留茬高度等。从而建立完善的草坪特征管理系统,为智能割草机的发展奠定基础。