一种基于特征点聚类的麦田作物行检测方法技术

本发明专利技术采用2G‑R‑B彩色图象灰度化、Otsu图像二值化、左右边缘中心线检测方法对图像进行特征点提取，既能得到作物行信息，又拥有了相对较少数据点的特征点图像；并提出了新的聚类方法，利用特征点的距离特征对特征点进行聚类，可以准确得到代表每个作物行的特征点；对每一类的特征点用最小二乘法进行直线拟合。该方法可以对作物缺失和杂草影响等复杂农田环境下的图像，进行有效地作物行提取，能够满足农田作业机械实时导航的需求。

【技术实现步骤摘要】
一种基于特征点聚类的麦田作物行检测方法
本专利技术涉及一种麦田作物行检测方法，具体为一种基于特征点聚类的麦田作物行检测方法，属于数据处理应用领域。
技术介绍
作为精准农业的一个重要组成部分，农田作业机械的视觉导航技术越来越备受关注，并已广泛应用于农作物种植、施肥、中耕除草等方面。检测作物行中心线是进行视觉导航的基础。目前常用的作物行检测算法有Hough变换法和最小二乘法。Hough变换算法受噪声影响小，鲁棒性强，缺点是算法的峰值检测困难、时间复杂度和空间复杂度较大。为了减少计算量，Xu等提出随机霍夫变换，采用多到一的映射方法减少计算量，运用动态链表来降低内存。该改进算法虽能一定程度上减少内存，提高运行速度，但对于带有杂草的作物图像，作物行检测精度仍然不高；最小二乘法在用于提取导航线时，能够快速检测出作物行，但该方法的缺点是容易受到图像噪声干扰，当图像包含多个作物行时，不能直接采用最小二乘法进行直线检测。
技术实现思路
为了解决现有技术存在的以上问题，本专利技术提出一种基于特征点聚类的麦田作物行检测方法，主要包括以下步骤：(1)用彩色相机拍摄小麦作物图像；(2)得到小麦作物二值图像；(3)本文档来自技高网...

【技术保护点】
一种基于特征点聚类的麦田作物行检测方法，其特征在于：该方法步骤如下：(1)用彩色相机拍摄小麦作物图像；(2)得到小麦作物二值图像；(3)运用左右边缘中心线检测方法得到代表小麦作物行的候选特征点；(4)运用分布在直线周围的特征点到该直线的距离均小于某一阈值的约束方法进行特征点聚类，得到有效特征点；(5)运用最小二乘法对每一类中的有效特征点进行直线拟合，从而检测出各作物行。

【技术特征摘要】
1.一种基于特征点聚类的麦田作物行检测方法，其特征在于：该方法步骤如下：(1)用彩色相机拍摄小麦作物图像；(2)得到小麦作物二值图像；(3)运用左右边缘中心线检测方法得到代表小麦作物行的候选特征点；(4)运用分布在直线周围的特征点到该直线的距离均小于某一阈值的约束方法进行特征点聚类，得到有效特征点；(5)运用最小二乘法对每一类中的有效特征点进行直线拟合，从而检测出各作物行。2.根据权利要求1所述的一种基于特征点聚类的麦田作物行检测方法，其特征在于，步骤(4)具体为：1)从上到下，从左到右扫描小麦作物二值图像，找到所有像素值为1的特征点(xi,yi)，数据空间V中有n个特征点，且i＝1,2,3,...,n；2)初始化距离阈值dbound，麦田作物行数num。3)对于任一组合(km,bl)，对应直线y＝kmx+bl，计算V中所有特征点(xi,yi)到直线y＝kmx+bl...

【专利技术属性】
技术研发人员：姜国权，杨小亚，米爱中，赵翠君，鲁保云，
申请(专利权)人：河南理工大学，
类型：发明
国别省市：河南,41