论文部分内容阅读
现代农业的发展,要求作业效率更高,作业质量更优,作业成本更低。这在农业机械方面,要求其具有越来越高的自动化、智能化水平,农业机器人应运而生。农业机器人在农业环境中实现自主作业,首先需要农业机器人能够理解农业环境,获取场景知识。本文通过视觉传感器获取农业环境场景信息,构建了一种以超像素作为图像处理单元、通过条件随机场融入图像空间上下文信息的图像分割分类算法,主要内容和结论如下：针对农业环境场景不确定性和模糊性的特点,提出了通过条件随机场融入图像空间上下文信息,提高图像分割分类算法的精确性。针对以单一像素作为图像处理单元容易受噪声影响、且算法效率低下的问题,提出了以超像素作为图像处理单元,并定义了邻域超像素。介绍了一种梨园场景分割的算法。首先,将已标记的场景图像分割为超像素,将超像素的特征向量和标记的类别作为样本整合到类别数据库中,然后,利用条件随机场模型对未标记超像素的特征向量和空间关系进行建模,最后,经过训练获取模型参数,利用最大后验边缘准则对未标记超像素进行类别推理。将本算法与最近邻算法分割结果进行对比,本算法对梨园场景中的光照不均匀分布、杂草随机分布、田头场景内容突变等情况都具有很好分割结果,说明本算法对于梨园自然环境具有很好的适应性。构建了一种基于条件随机场的地形推理算法。以自主研制的农业移动机器人为平台,利用双目相机在线获取图像场景像素类别信息,使用增量式整合策略进行聚类中心的构建与更新,并进行了验证性试验。试验结果表明,基于条件随机场的导航场景地形推理算法可以在光照分布变化、光照分布不均匀的情况下进行正确的地形推理。