论文部分内容阅读
本文研究了小麦和玉米中耕管理期间农业自主行走机器人的视觉导航技术，实现了多目标行走路径和作业目标的直线提取。主要研究内容和结论如下：
1.在分析农田图像的颜色特征基础上提出了2G-*R-B颜色特征因子。利用(2G-R-B)作为农田图像RGB色彩模型的颜色特征因子，将彩色农田图像转化为灰度图像。转化后的灰度图像突出了作物区域，同时削弱了非作物区域。将图像从三维降到一维，大大减少了处理的数据量，从而提高了处理速度。
2.对转化后的灰度图像提出自适应阈值农田图像分割算法。该算法基于农田图像由两个匀质区域组成，利用图像的全局特点，根据图像中单一像素以及邻域内的像素信息，自动获得最优化的分割阈值，利用该分割阈值将图像分为作物区域和背景区域。
3.针对标准Hough变换数据处理量大，处理速度慢的特点，提出了基于已知点的Hough变换。利用同一直线上任意两点之间的斜率一致原则，对斜率累加器进行投票，使累加器出现局部最大值，对应的斜率作为所求直线的斜率，该算法比标准Hough变换处理速度提高近100倍。
4.针对多直线检测问题，提出了基于已知线的Hough变换、基于Radon峰值优化的Hough变换和基于坐标系转化的Radon变换的多直线检测方法。分别获得了不同的直线检测效果。
5.对不同季节和不同天气状况的麦田图像进行了研究，提出了基于目标点聚类的多目标直线检测算法。利用扫描窗口对二值图像逐行扫描，计算扫描窗口内的目标像素数目，生成扫描窗口内目标像素分布曲线，根据该曲线确定目标区域和目标点。对相邻两个水平扫描线上目标点进行分析，根据邻域最小原则对目标点进行聚类，从而检测出多个目标直线。试验表明该方法具有适应能力强、抗干扰和处理速度快等优点。
6.对不同生长期和不同天气状况的玉米图像进行了分析，针对玉米作物不连续的情况，提出两种断裂模式，分析不同断裂模式产生的原因以及相应的检测、修复方法，将同一方向的短直线簇合并为等效的一条直线，从而实现对不连续直线的拟合。
7.对四种多目标直线检测方法进行了定量分析，确定了最优的检测方法。利用基于目标点聚类的多目标直线检测算法，对不同生长时期、不同自然状况下的静态、动态农田图像进行了试验。静态图像试验中，令人满意的检测结果占70％，可以接受的检测结果占20％，其余的占10％。对于一幅640×480像素的彩色图像，从图像的读入到完成多条目标直线的检测结果表示，处理时间约为0.2秒，能够满足农田作业的实时性要求。