一种田间机器人双目视觉导航方法及系统技术方案

本发明专利技术公开了一种田间机器人双目视觉导航方法及系统，在图像中部定义基线，在基线上利用扇形扫描获取密度曲线，设计扇形扫描密度模型和垄线间角度约束关系搜索其他垄线，并采用逻辑回归识别最邻近垄线以获取垄间距参数，获得作物垄的高程图，添加高度限制，将增强高程图与二值图像进行融合生成作物垄置信密度图，将垄线提取算法应用到该作物垄置信密度图上提取导航参数。本发明专利技术采用增强高程图弥补特征点稀疏的缺陷，增加高度信息的权重，滤出不符合指定高度的干扰信息，采用置信密度图概念，融合增强高程图和二值图像的信息，采用扇形扫描法检测参考垄线，双峰法检测相邻垄线，并结合logistic理论提高了垄线检测的准确度。

【技术实现步骤摘要】

本专利技术属于机器人视觉领域，尤其涉及一种田间机器人双目视觉导航方法及系统。
技术介绍
传统农业大多劳动强度大，对劳动经验有较强的依赖性，智能农业机械导航系统将是解决此问题的有效方法之一。基于双目视觉的导航系统因价格低廉，信息丰富等优点受到越来越多的关注。国内外对视觉导航的二维导航研究较多，研究成果也较为丰富，田间三维导航研究相对较少。而现有算法的研究大都在田垄生长情况理想条件下比较适用。但自然环境下，田间背景信息复杂，光照条件多变，有时会出现一些田垄结构不规则的情况，例如，田垄间距不相等，杂草密度过高，出现断垄缺垄现象，此时现有算法的实用性和稳定性将会受到挑战。而三维视觉导航相对于二维视觉导航系统增加了一维信息，这对于更准确地去除噪声，提取垄线，获取田垄结构信息是有益的。
技术实现思路
本专利技术实施例的目的在于提供一种田间机器人双目视觉导航方法及系统，旨在解决现有田间视觉导航方法在田垄结构不规则的情况下，导航不够稳定、鲁棒性低的问题。本专利技术是这样实现的，一种田间机器人双目视觉导航方法包括：步骤一、利用特征提取算法获得特征点，依据不同特征点特性选取不同的特征点描述子、分析不同约束条件对匹配结果的影响；步骤二、依据田间机器人导航系统特点选用垄线识别的边界约束条件，将彩色图像转换为二值图像，在图像中部定义基线，在基线上利用扇形扫描获取密度曲线，同时确定作物垄的密度、获取参考垄线宽度和角度参数；步骤三、设计扇形扫描密度模型和垄线间角度约束关系搜索其他垄线，并采用逻辑回归识别最邻近垄线以获取垄间距参数；步骤四、利用目标作物视差及坐标系转换关系获得作物垄的高程图，然后添加高度限制以减小噪声影响；同时对高度特征进行扩充以增强其对邻域的影响，从而获取增强的高程图；步骤五、将增强高程图与二值图像进行融合生成作物垄置信密度图，将垄线提取算法应用到该作物垄置信密度图上提取导航参数。进一步，立体匹配采用相似测度法，采用最近距离比次近距离，并设定阈值，假设左图像的特征点A与右图像多个特征点进行匹配，排序后得到右图像中特征点B和特征点C为最近距离和次近距离，A与B的距离设为d1为最近距离(无量纲)，A与C的距离设为d2为次近距离，为判断A是否与B匹配成功，设定的判定标准为d1和d2需满足下式，其中εε是设定的阈值，0≤εε≤1：ratio=d1d2≤ϵsuccessratio=d1d2>ϵfailure;]]>选择综合左右坐标约束、局部极线约束、唯一性约束三种约束条件。进一步，所述田间机器人双目视觉导航方法在图像中的一条水平线上利用扇形扫描的方法寻找垄线，在图像中定义一条设置在图像中部的基准线BL，这条线平行于水平面，穿过图像，所有的垄线都与该基准线相交，在这条基准线上利用扇形扫描寻找垄线，检测的垄线利用下式表达:{S(x0，yBL，θ)|yBL＝tan(θ)×x0+b，θ∈[π/4，3π/4]，x0∈[1，width]，yBL∈[1，height]其中x0是垄线与基准线BL交点在基准线BL上的坐标，θ是垄线与基准线BL之间的夹角，width，height分别是图像的宽度和高度。进一步，对于基准线BL上的任一点，通过Sector-scan方法扫描的区域为一个扇形，该扇形区域的边界为两条直线，定义这些直线的密度为公式为：S=Σ1nViTo*255;]]>其中Vi是扫描线上的第i个点值，To是扫描线上所有像素数，对于基准线BL上一点，取该点所在扇形区域内密度最大的那条扫描线的密度为当前点的密度，对于基准线BL上的每一点，做同样的扇形扫描，并选出全局的最大密度，得到整幅图像的密度曲线，选择密度最大的那条直线作为第一条垄线，称为参考线。进一步，最近垄线的搜索过程依次为：寻找参考线的左边界，寻找参考线的右边界，获取垄线的宽度，寻找最近垄线；寻找最近垄线的方法为：当前位置的密度为扇形区域扫描线最大密度，逐像素移动，直到最大密度值在一段时间内不再更新为止，搜索即停止，所述一段时间表示经过最大密度值向左再搜索wi/2的距离，则第二条垄线位于最后的最大密度所在位置，宽度wi定义为左边界和右边界之间在基准线BL上的距离；除参考线外还将检测四条候选垄线，如果参考线在图像的右边部分，搜索过程将在参考垄线的左边进行，如果参考线位于图像左边，搜索过程将向右进行，下一个最大密度处将被视为第二条垄线的位置，搜索出第三、第四、第五条垄线；采用logistic方法进行过滤，从四条候选垄线中选择一条相邻垄线。进一步，构建一个特征向量X＝[x0x1x2x3x4]T，添加项x0＝1,相关的权重向量为训练该模型获得合适的φ，使得φTX对于真正的第二条垄线，其值尽可能的小，而非第二条垄线φTX，其值尽可能的大。进一步，将特征点变换为特征块，对于右图像对应的高程图上的值，将该值扩展到该位置周围的区域，以特征点为中心(Ru，Rv，Yw)定义一个矩形区域，矩形的宽为w，高为h，在该矩形区域内的所有值都设置为Yw，若有效特征点较稠密，采用连线法来增强效果。进一步，获得高程图后，将密度图与高程图结合起来，让密度图和高程图利用下式做加权和运算：I＝w*I1+I2；其中I1为二值图像，I2为高程图，I为获得置信密度图。一种田间机器人双目视觉导航系统，包括主处理器及与该主处理器连接的双目摄像系统、人机交互平台、运动控制系统；双目摄像系统负责实时采集田间里的田垄信息，传送给主处理器进行处理；主处理器将采集到的双目视屏图像通过人机交互平台进行显示；用户通过人机交互平台向主处理器发送命令；用户通过人机交互平台向主处理器发送自动导航命令，主处理器接收到命令后将通过双目摄像机获取实时图像，进行处理，获得导航参数，通过人机交互系统显示，并向运动控制系统发送导航命令，控制智能车沿导航路线行走，直到用户再次发送命令，停止导航任务。本专利技术选择综合左右坐标约束、局部极线约束、唯一性约束三种约束条件，采用增强高程图弥补特征点稀疏的缺陷，增加高度信息的权重，滤出不符合指定高度的干扰信息，采用置信密度图概念，融合增强高程图和二值图像的信息，采用扇形扫描法检测参考垄线，双峰法检测相邻垄线，并结合logistic理论提高垄线检测的准确度。本专利技术采用五组不同作物和背景图像进行实验，结果表明该方法在非规则垄及复杂背景下仍可取得较好的效果，第一条垄线和第二条垄线的正确率分别为97.7％和94.7％。利用目标作物视差及坐标系转换关系获得作物垄的高程图，然后添加高度限制以减小噪声影响；同时对高度特征进行扩充以增强其对邻域的影响，从而获取增强的高程图。最后将增强高程图与二值图像进行融合生成作物垄置信密度图。将垄线提取算法应用到该图上提取导航参数。为提高双目视觉导航系统算法的实时性，设计聚合操作和查找表方法，垄线检测时间约为0.34s，标准差为0.004s。在实验室条件下进行算法验证，机器人偏离轨道最大误差为10cm。附图说明图1是本专利技术实施例提供的田间机器人双目视觉导航方法流程图；图2是本专利技术实施例提供的端点查找表；图3是本专利技术实施例提供的采样原理图；图4是本专利技术实施例提供的采样图；图5是本专利技术实施例提供的优化前后时间对比图；图6是本专利技术实施例提供的导航模型参数图；图7本文档来自技高网...

【技术保护点】
一种田间机器人双目视觉导航方法，其特征在于，所述田间机器人双目视觉导航方法利用特征提取算法获得特征点，依据不同特征点特性选取不同的特征点描述子、分析不同约束条件对匹配结果的影响，并依据田间机器人导航系统特点提出垄线识别的边界约束条件；将彩色图像转换为二值图像，在图像中部定义基线，在基线上利用扇形扫描获取密度曲线，同时确定作物垄的密度、获取参考垄线宽度和角度参数；设计扇形扫描密度模型和垄线间角度约束关系搜索其他垄线，并采用逻辑回归识别最邻近垄线以获取垄间距参数。

【技术特征摘要】
1.一种田间机器人双目视觉导航方法，其特征在于，所述田间机器人双目视觉导航方法利用特征提取算法获得特征点，依据不同特征点特性选取不同的特征点描述子、分析不同约束条件对匹配结果的影响，并依据田间机器人导航系统特点提出垄线识别的边界约束条件；将彩色图像转换为二值图像，在图像中部定义基线，在基线上利用扇形扫描获取密度曲线，同时确定作物垄的密度、获取参考垄线宽度和角度参数；设计扇形扫描密度模型和垄线间角度约束关系搜索其他垄线，并采用逻辑回归识别最邻近垄线以获取垄间距参数。2.如权利要求1所述的田间机器人双目视觉导航方法，其特征在于，所述田间机器人双目视觉导航方法包括以下步骤：步骤一、依据田间机器人导航系统特点选用垄线识别的边界约束条件，将彩色图像转换为二值图像，在图像中部定义基线，在基线上利用扇形扫描获取密度曲线，同时确定作物垄的密度、获取参考垄线宽度和角度参数；步骤二、设计扇形扫描密度模型和垄线间角度约束关系搜索其他垄线，并采用逻辑回归识别最邻近垄线以获取垄间距参数；步骤三、利用目标作物视差及坐标系转换关系获得作物垄的高程图，然后添加高度限制，同时对高度特征进行扩充；步骤四、将增强高程图与二值图像进行融合生成作物垄置信密度图，将垄线提取算法应用到该作物垄置信密度图上提取导航参数。3.如权利要求2所述的田间机器人双目视觉导航方法，其特征在于，立体匹配采用相似测度法，采用最近距离比次近距离，并设定阈值，左图像的特征点A与右图像多个特征点进行匹配，排序后得到右图像中特征点B和特征点C为最近距离和次近距离，A与B的距离设为d1为最近距离，A与C的距离设为d2为次近距离，为判断A是否与B匹配成功，设定的判定标准为d1和d2需满足下式，其中εε是设定的阈值，0≤εε≤1：ratio=d1d2≤ϵsuccessratio=d1d2>ϵfailure;]]>选择综合左右坐标约束、局部极线约束、唯一性约束三种约束条件。4.如权利要求2所述的田间机器人双目视觉导航方法，其特征在于，所述田间机器人双目视觉导航方法在图像中的一条水平线上利用扇形扫描的方法寻找垄线，在图像中定义一条设置在图像中部的基准线BL，这条线平行于水平面，穿过图像，所有的垄线都与该基准线相交，在这条基准线上利用扇形扫描寻找垄线，检测的垄线利用下式表达:{S(x0，yBL，θ)|yBL＝tan(θ)×x0+b，θ∈[π/4，3π/4]，x0∈[1，width]，yBL∈[1，height]其中x0是垄线与基准线BL交点在基准线BL上的坐标，θ是垄线与基准线BL之间的夹角，width，height分别是图像的宽度和高度。5.如权利要求4所述的田间机器人双目视觉导航方法，其特征在于，对于基准线BL上的任一点，通过Sector-scan方法扫描的区域为一个扇形，该扇形区域的边界为两条直线，定义直线...

【专利技术属性】
技术研发人员：张志斌，赵帅领，姚恒峰，
申请(专利权)人：内蒙古大学，
类型：发明
国别省市：内蒙古;15