一种基于新旧土边界线的拖拉机旋耕视觉导航方法技术

本发明专利技术提出一种基于新旧土边界线的拖拉机旋耕视觉导航方法，针对拖拉机旋耕作业时工作环境中作物行多样化和光照不均的特点，提出一种基于导向滤波(Guided Image Filter)和剪切波变换(Shearlet Transform)的方法用于提取新旧土边界线以完成拖拉机视觉导航，首先，将图像快速转换到YCrCb颜色空间，对灰度化的图像进行导向滤波，然后使用Shearlet‑canny算子提取新旧土的边缘信息，最后经Hough变换给出视觉导航线，本发明专利技术所提出的基于新旧土边界线的拖拉机旋耕视觉导航方法能够用于农田环境下的智能导航。

A visual navigation method for tractor rotary tillage based on new and old boundary lines

A visual navigation method for tractor rotary tillage based on the boundary between new and old soil is proposed. In view of the characteristics of the variety and uneven light of the crop in the working environment of the tractor in the working environment of the tractor, a method based on the Guided Image Filter and the shear wave transform (Shearlet Transform) is proposed for the extraction of the new and old soil edges. The boundary is to complete the visual navigation of the tractor. First, the image is quickly converted to the YCrCb color space, the gray image is guided and filtered, then the edge information of the new and old soil is extracted with the Shearlet Canny operator. Finally, the visual navigation line is given by the Hough transformation. The invention is based on the old and new earth boundary lines. The machine rotary tillage visual navigation method can be used for intelligent navigation in farmland environment.

【技术实现步骤摘要】
一种基于新旧土边界线的拖拉机旋耕视觉导航方法
本专利技术涉及一种智能拖拉机视觉导航方法，尤其是基于拖拉机田间作业的新旧土边界线视觉导航方法，属于农业工程

技术介绍
在农业机械化和智能化技术飞速发展的背景下，精准农业得到了长足的发展，特别是智能拖拉机自动导航技术。在作物行多样化、光照不均等农田作业环境下，自动视觉导航技术为现有科技发展水平的制约提供了良好的解决方案。现有的自动导航方法主要为两种，一种是可实现农田的厘米级卫星精确导航(GPS、北斗)，另一种是算法复杂但成本低廉的视觉导航。GPS和北斗技术均需采用地基增强差分技术，成本高昂，且因地理位置及气象环境等因素，农田中的卫星导航信号时有中断和延迟。视觉导航技术被广泛应用，但目前基于机器视觉的农业机械自动导航技术大都通过研究作物行的分布形态来提取导航线，而农业机械旋耕作业时田间农作物已经收获，难以基于作物行进行导航。因此亟需研究一种能在无农作物时田间旋耕作业的视觉导航算法。
技术实现思路
为克服现有技术的缺陷，本专利技术提出一种基于新旧土边界线的拖拉机旋耕视觉导航方法，可适应作物行多样化、光照不均的工作环境下拖拉机的智能导航旋耕作业。为实现上述目的，本专利技术采用以下技术方案：本专利技术所述的一种基于新旧土边界线的拖拉机旋耕视觉导航方法，其按照以下步骤实施：步骤1：通过摄像头采集拖拉机前方的视觉图像p(x，y)；步骤2：通过公式f(x，y)＝(R(x，y)+G(x，y)+B(x，y))/3将图像进行灰度化，并转换到YCrCb颜色空间，其中Y＝0.299*R+0.587*G+0.114*B，Cr＝(R-Y)*0.713+128，Cb＝(B-Y)*0.564+128；步骤3：在YCrCb颜色空间下对图像进行导向滤波处理；其中导向滤波的处理，即“局部线性模型”求解工作过程为：令q为输出像素的值；i和k是像素索引；I是输入图像的值，即待滤波的图像或其他图像的引导图像；a和b为窗口中心位于k处时该线性函数的系数；p为待滤波图像；ε是为防止a值过大而引入的具有调节滤波效果的参数，ε越大，滤波效果越明显；μk，σ2k分别为I在窗口中的平均值与方差；是待滤波图像p在窗口的均值；|w|是窗口中包含像素的数量；i与j为像素；wij是一个滤波核，为导向图像I与独立变量p之间的函数；步骤①：在YCrCb颜色空间下的图像用二维函数表示，此函数的输入通过一个二维窗口得到的输出与函数输入满足线性关系，即：qi＝akIi+bk，步骤②：对步骤①中的公式两边做梯度运算，即步骤③：计算拟合函数的真实值p与实际输出值间的差距为步骤④：基于最小二乘法计算ak和bk，bk＝pk-akμk；步骤⑤：将所有包含k点的线性函数值做加权平均得步骤4：导向滤波处理后，采用Shearlet-Canny算子提取研究图像的边缘信息；其中的算法如下：令研究图像为f[n1，n2]；Aa为各向异性膨胀矩阵；Bs为剪切矩阵。a＞0为尺度参数；s∈R为剪切参数；t∈R为平移参数；步骤a：读入图像f[n1，n2]；步骤b：通过拉普拉斯金字塔将图像f[n1，n2]分解为低通子带和高通子带步骤c：将高通子带从笛卡尔坐标系转换到伪极坐标系，所产生矩阵经过一个频域子带滤波器，伪极坐标系转换回笛卡尔坐标系；步骤d：利用Shearlet变换的多方向特性，变换求得若干子图像输出，其中Shearlet系统可表示为Shearlet变换为SHψf(a，s，t)＝＜f，ψa，s，t＞，对多个方向的子图像分别进行canny边缘检测，得到各自的边缘图像；步骤e：对步骤2中的各个方向的子图像进行Shearlet反变换；步骤f：根据不同图像边缘可以互补的原理，采用逻辑运算符对反变换后图像进行融合；步骤5：霍夫变换提取目标导航线；其中霍夫变换的算法步骤如下：令m为直线的斜率，c为截距；(i)在图像X-Y中，所有共线的点(x，y)用直线方程描述为y＝mx+c；(ii)将直线看作是参数空间M-C中的一条直线方程，其中直线的斜率为x，截距为y；(iii)用Duda和Hart提出的直线极坐标方程来代替原直线方程，表示为ρ＝xcosθ+ysinθ，ρ为原点到直线的距离，θ为直线过原点的垂线与x轴正方向的夹角；(iiii)在计算的过程中，需要对参数空间进行离散化，每个单元的中心点坐标为：步骤6：转到步骤1。与现有技术相比，本专利技术的有益效果如下：在导航线提取结果中，导向滤波处理效果相比其他滤波算法更明显，且算法耗时最短；经过Shearlet-Canny算子边缘检测提取的导航线最为精确。主观评价结果也表明，在光照不均和作物行多样化等情况下，文中导航线提取方法效果较好。本专利技术通过导向滤波与Shearlet-Canny算法来识别旋耕环境下新旧土的边界线有耗时短和精度高的优点，能够满足智能拖拉机田间旋耕作业时的视觉导航需要，具有重要的应用价值。附图说明图1是一种基于新旧土边界线的拖拉机旋耕视觉导航方法流程图。图2是一种基于新旧土边界线的拖拉机旋耕视觉导航方法中的导向滤波进程图。图3是一种基于新旧土边界线的拖拉机旋耕视觉导航方法中的Shearlet-Canny算法流程图。具体实施方式下面结合附图及具体实施例对本专利技术作进一步说明。实施例1如图1所示，一种基于新旧土边界线的拖拉机旋耕视觉导航方法，其按照以下步实施：步骤1：通过摄像头采集拖拉机前方的视觉图像p(x，y)；步骤2：通过公式f(x，y)＝(R(x，y)+G(x，y)+B(x，y))/3对图像进行灰度化，并转换到YCrCb颜色空间，其中Y＝0.299*R+0.587*G+0.114*B，Cr＝(R-Y)*0.713+128，Cb＝(B-Y)*0.564+128；步骤3：在YCrCb颜色空间下对图像进行导向滤波处理；如图2所示，其中导向滤波的处理，即“局部线性模型”求解工作过程为：令q为输出像素的值；i和k是像素索引；I是输入图像的值，即待滤波的图像或其他图像的引导图像；a和b为窗口中心位于k处时该线性函数的系数；p为待滤波图像；ε是为防止a值过大而引入的具有调节滤波效果的参数，ε越大，滤波效果越明显；μk，σ2k分别为I在窗口中的平均值与方差；是待滤波图像p在窗口的均值；|w|是窗口中包含像素的数量；i与j为像素；wij是一个滤波核，为导向图像I与独立变量p之间的函数；步骤①：在YCrCb颜色空间下的图像用二维函数表示，此函数的输入通过一个二维窗口得到的输出与函数输入满足线性关系，即：qi＝akIi+bk，步骤②：对步骤①中的公式两边做梯度运算，即步骤③：计算拟合函数的真实值p与实际输出值间的差距为步骤④：基于最小二乘法计算ak和bk，bk＝pk-akμk；步骤⑤：将所有包含k点的线性函数值做加权平均得步骤4：导向滤波处理后，采用Shearlet-Canny算子提取研究图像的边缘信息；如图3所示，其中的算法如下：令研究图像为f[n1，n2]；Aa为各向异性膨胀矩阵；Bs为剪切矩阵；a＞0为尺度参数；s∈R为剪切参数；t∈R为平移参数；步骤a：读入图像f[n1，n2]；步骤b：通过拉普拉斯金字塔将图像f[n1，n2]分解为低通子带和高通子带步骤c：将高通子带从笛卡尔坐标系转换到伪极坐标系，所产生矩阵经过一个频域子带滤波本文档来自技高网...

【技术保护点】
一种基于新旧土边界线的拖拉机旋耕视觉导航方法，其特征为：步骤1：通过摄像头采集拖拉机前方的视觉图像p(x，y)；步骤2：通过公式f(x，y)＝(R(x，y)+G(x，y)+B(x，y))/3对图像进行灰度化，并转换到YCrCb颜色空间，其中Y＝0.299*R+0.587*G+0.114*B，Cr＝(R‑Y)*0.713+128，Cb＝(B‑Y)*0.564+128；步骤3：在YCrCb颜色空间下对图像进行导向滤波处理；步骤4：对导向滤波处理后的图像，采用Shearlet‑Canny算子提取研究图像的边缘信息；步骤5：通过霍夫变换对图像中的边缘信息进行拟合，提取目标导航线，用Duda和Hart提出的直线极坐标方程来代替原直线方程，为ρ＝x cosθ+y sinθ，ρ为原点到直线的距离，θ为直线过原点的垂线与x轴正方向的夹角；在计算的过程中，对参数空间进行离散化，每个单元的中心点坐标为：

【技术特征摘要】
2016.10.17 CN 20161090727291.一种基于新旧土边界线的拖拉机旋耕视觉导航方法，其特征为：步骤1：通过摄像头采集拖拉机前方的视觉图像p(x，y)；步骤2：通过公式f(x，y)＝(R(x，y)+G(x，y)+B(x，y))/3对图像进行灰度化，并转换到YCrCb颜色空间，其中Y＝0.299*R+0.587*G+0.114*B，Cr＝(R-Y)*0.713+128，Cb＝(B-Y)*0.564+128；步骤3：在YCrCb颜色空间下对图像进行导向滤波处理；步骤4：对导向滤波处理后的图像，采用Shearlet-Canny算子提取研究图像的边缘信息；步骤5：通过霍夫变换对图像中的边缘信息进行拟合，提取目标导航线，用Duda和Hart提出的直线极坐标方程来代替原直线方程，为ρ＝xcosθ+ysinθ，ρ为原点到直线的距离，θ为直线过原点的垂线与x轴正方向的夹角；在计算的过程中，对参数空间进行离散化，每个单元的中心点坐标为：步骤6：转到步骤1。2.权利要求1所述的一种基于新旧土边界线的拖拉机旋耕视觉导航方法中导向滤波处理的计算，其特征为，按照以下步骤计算：令q为输出像素的值；i和k是像素索引；I是输入图像的值，即待滤波的图像或其他图像的引导图像；a和b为窗口中心位于k处时该线性函数的系数；p为待滤波图像；ε是为防止a值过大而引入的具有调节滤波效果的参数，ε越大，滤波效果越明显；μk，σ2k分别为I在窗口中的平均值与方差；是待滤波图像p在窗口的均值；|w|是窗口中包含像素的数量。i与j为像素；wij是一个滤波核，为导向图像I与独立变量p之间的函数；步骤①：在YCrCb颜色空间下的图像用二维函数表示，此函数的输入通过一个二维窗口得到的输出与函数输入满足线性关系，即：qi＝akIi...

【专利技术属性】
技术研发人员：卢伟，陈益杉，王家鹏，王新宇，
申请(专利权)人：南京农业大学，
类型：发明
国别省市：江苏,32