高茬水田耕整路徑機器視覺識別方法研究.pdf

1、基于機器視覺的農(nóng)業(yè)機械導(dǎo)航路徑研究主要集中在旱作物行、壟線、犁溝線及旱作物收獲邊界等提取方面，鮮有將機器視覺自動導(dǎo)航路徑識別技術(shù)應(yīng)用于水田耕整機械。本研究以水稻、油菜和小麥高茬水田耕整圖像為研究對象，以1GMD-200型水田秸稈還田耕整機為試驗平臺，以實現(xiàn)水稻、油菜和小麥高茬耕整路徑識別與導(dǎo)航參數(shù)有效提取為目標，在總結(jié)前人研究成果的基礎(chǔ)上，結(jié)合現(xiàn)有路徑識別及參數(shù)提取理論與方法，對高茬水田耕整路徑機器視覺識別方法進行試驗研究，具體研究內(nèi)容

2、如下:
　　(1)搭建了高茬水田耕整圖像動態(tài)采集系統(tǒng)。以東方紅-LX954拖拉機為平臺，通過計算機控制工業(yè)相機實現(xiàn)高茬水田耕整圖像動態(tài)采集。其中，相機距離地面安裝高度為h=2.15m，安裝俯角為θ=31.8°。
　　(2)提出了一種新的灰度化加權(quán)因子R+G-2B，并取得了較好灰度化效果。比較現(xiàn)有常規(guī)加權(quán)法、過綠特征加權(quán)法、色度分量法對本研究對象灰度化結(jié)果，得出過濾特征加權(quán)法可獲取對比較鮮明的灰度化圖。為尋求更優(yōu)灰度化效果，分

3、析了高茬水田耕整靜態(tài)采集圖像殘茬區(qū)與耕整區(qū)顏色分量特點，提出了R+G-2B灰度化法。
　　(3)提出了一種基于像素均值紋理描繪子的圖像分割法。通過對比灰度直方圖雙峰法、最大類間方差法和基于紋理統(tǒng)計法對超綠特征灰度圖和R+G-2B灰度圖分割結(jié)果，確定本研究圖像分割法為基于R+G-2B灰度圖像的像素均值紋理描繪子法。其中，像素均值紋理描繪子區(qū)域窗口尺寸為12×2（行×列）個像素，像素均值閾值為100。
　　(4)針對形態(tài)學(xué)濾波后

4、部分圖像耕整區(qū)存在大面積白色噪聲點，提出了一種剪切二值圖像方法。通過統(tǒng)計二值圖像列方向上累計像素值的和并計算和的最大值與最小值的均值A(chǔ)，確定像素值分別為1.8×A和0.1×A所在列數(shù)，從而確定二值圖像剪切邊界。
　　(5)確定了導(dǎo)航路徑檢測方法——最小二乘法。分別采用傳統(tǒng)Hough變化法、基于已知點Hough變化法和最小二乘法對高茬水田耕整圖像進行導(dǎo)航路徑檢測，結(jié)果表明:采用最小二乘法檢測導(dǎo)航路徑擬合精度高，不受耕整區(qū)白色干擾點影

5、響，抗干擾性強，路徑檢測耗時600ms左右;采用基于已知點Hough變化法較傳統(tǒng)Hough變化法擬合精度高、路徑檢測耗時短，但兩者均易出現(xiàn)導(dǎo)航路徑誤檢測，路徑檢測耗時分別為1500ms和450ms。
　　(6)確定了相機內(nèi)參。采用張正友平面標定法標定相機，確定了相機內(nèi)參。路面誤差驗證試驗表明，相機標定傾角誤差在1°范圍內(nèi)，截距誤差在0.03m范圍內(nèi)，標定結(jié)果可滿足實際導(dǎo)航需要。
　　(7)在校內(nèi)開展了路面試驗，路面試驗截距誤