一种自然光照条件下基于人工蜂群算法的农业移动机器人导航路径提取方法及装置制造方法及图纸

本发明专利技术公开了一种自然光照条件下基于人工蜂群算法的农业移动机器人导航路径提取方法及装置，该方法包括：农田作物图像采集；作物图像灰度化处理；将处理后的灰度图像进行分割转化为二值图像；对二值图像顶部和底部分别进行灰度垂直投影获取作物行区域范围；采用基于移动窗口的垂直投影法对作物行区域范围内的作物行特征点进行检测；根据作物行在图像中的特点，建立作物行中心线求解模型，通过人工蜂群算法对作物行区域范围内的作物行特征点进行寻优搜索确定作物行中心线；根据距离图像中心线最近的相邻两条作物行中心线确定两条作物行之间的导航路径；该方法提高了导航路径的检测精度、速度和对自然光照的适应性，解决了传统农业移动机器人导航路径提取方法存在的准确性低、实时性差以及对自然光照变化敏感等问题。

【技术实现步骤摘要】
一种自然光照条件下基于人工蜂群算法的农业移动机器人导航路径提取方法及装置
本专利技术涉及农业移动机器人导航
，具体涉及一种自然光照条件下基于人工蜂群算法的农业移动机器人导航路径提取方法及装置。
技术介绍
利用农业移动机器人完成田间自动导航作业，可以有效提高农田作业效率，降低生产成本，避免劳动者暴露在高温、高湿、有害等恶劣环境中。目前，对于农业移动机器人导航的研究主要集中在机器视觉和卫星定位(GNSS)技术两种方式上，基于机器视觉的移动机器人具有作业效率高，实时性好、系统成本低等优点，已经成为国内外精细农业研究领域的一个热点。导航路径识别是农业移动机器人自主导航作业的前提，快速准确地提取作物行中心线和导航路径能有效提高移动机器人的工作效率和作业精度。对于早期农作物，由于机械化播种作物行之间近似平行，同时作物行生长具有连续性，在整体走势上呈现近似直线，可以通过对农田作物图像进行处理提取出作物行中心线进而得到导航路径；农田环境复杂多变，具有非结构化和开放性的特点，影响农业移动机器人视觉导航路径识别的主要因素包括：自然光照变化和路径识别算法自身的性能。对于自然光照问题，有学者提出了一种基于光照稳定性及光照无关图的导航信息获取方法，以降低光照变化对导航路径提取的影响。一些学者分别在RGB、HIS和YCrCb颜色空间下，选择2G-R-B颜色因子、H分量、及Cr分量对图像进行灰度化处理，以提高图像分割对光照变化的适应能力。不过，R、G、B三个分量相互耦合，随光照强度变化而变化，因此2G-R-B颜色因子对光照变化适应性不高；H分量与RGB颜色空间转化为非线性，容易造成图像失真，对图像处理结果产生误差；YCrCb颜色空间缺少对绿色分量的描述，不适合处理农田绿色作物图像。在作物行中心线（直线）拟合方法选择上，一些学者采用Hough变换进行作物行识别，Hough变换鲁棒性强，但计算复杂、检测精度有限。一些学者利用最小二乘法提取作物行直线，具有较快的检测速度，不过最小二乘法对强噪声点敏感，鲁棒性差。目前，有学者提出了基于随机方法的作物行直线提取算法，该算法具有计算复杂度低、实时性好等特点，不过直线检测精度很大程度上依赖于随机点的选择。此外，还有学者采用最大正方形提取作物骨架，通过直线拟合得到作物行直线，由于算法需要对每个目标像素点查找最大正方形，造成计算复杂度增加，耗时较多，难以满足高速导航作业系统对实时性的要求。
技术实现思路
（一）要解决的技术问题本专利技术要解决的技术问题是如何在自然光照条件下进行导航路径提取，提高农业移动机器人导航路径识别的准确性、实时性和适应性。（二）技术方案为了解决上述技术问题，第一方面，本专利技术提供了一种自然光照条件下基于人工蜂群算法的农业移动机器人导航路径提取方法，所述方法包括以下步骤：S01、作物图像采集；使摄像机与水平方向呈60°～70°夹角，距离地面垂直高度约1.2~1.4m；S03、采用最大类间方差法进行图像分割，将灰度图像转化为二值图像；S04、采用垂直投影法获取作物行在图像顶边和图像底边的边缘位置信息，通过直线连接边缘点形成作物行区域范围；S05、利用基于移动窗口的垂直投影法提取所述作物行区域范围内作物行特征点；S06、根据作物行在图像中的特点，建立作物行中心线求解模型，通过人工蜂群算法在所述作物行区域范围内提取作物行中心线；S07、根据距离图像中心线最近的两条作物行中心线确定位于所述两条作物行中心线之间的导航路径。优选的所述步骤S02具体包括以下步骤：（1）（2）（3）根据ITU-RBT.601-6标准对Cg进行处理得到（3）式：（3）（4）（5）（6）优选的所述步骤S06具体包括以下步骤：（1）根据作物行在图像中的特点建立作物行中心线求解模型，所谓的作物行中心线求解模型就是农田作物行在形态上表现为近似直线，其方程可以根据图像中两个作物行特征点确定。设V表示根据所述步骤S05得到的作物行特征点数据空间，和为V中的两个点，则作物行中心线方程可以表示为：（7）统计距离该直线d范围内的特征点个数，将其作为评价直线优劣的标准，通过调整和位置选择包含特征点最多的直线作为作物行中心线，其中，d的取值范围为（1，5）；（2）将所述步骤S05得到的作物行区域范围内的作物行特征点以图像1/2高度为界分为上下2部分，将上半部分的作物行特征点作为作物行中心线的候选起点，下半部分作物行特征点作为作物行中心线候选终点，建立数组分别存储作物行中心线候选起点和候选终点；（3）根据作物行中心线求解模型，随机选择1个候选起点和1个候选终点构成人工蜂群算法的一个蜜源，代表一条候选作物行中心线。初始化多个蜜源形成多条候选作物行直线，统计距离候选直线一定范围内的特征点个数，将其作为评价候选直线优劣的适应度函数，通过人工蜂群算法的多次搜索选取适应度函数最大的候选直线作为作物行中心线。本专利技术还提供了一种自然光照条件下基于人工蜂群算法的农业移动机器人导航路径提取装置，包括：（2）图像分割模块，通过最大类间方差法将灰度图像转化为二值图像；（3）作物行区域范围确定模块，用于根据二值图像，通过垂直投影法确定作物行区域范围；（4）作物行特征点检测模块，用于根据作物行区域范围，通过基于移动窗口的垂直投影法提取所述作物行区域范围内的作物行特征点；（5）作物行中心线提取模块，根据作物行在图像中的特点，建立作物行中心线求解模型，通过人工蜂群算法在所述作物行区域范围内提取作物行中心线；（6）导航路径确定模块，用于根据距离图像中心线最近的两条作物行中心线确定位于所述两条作物行中心线之间的导航路径。优选的，所述图像灰度化处理模块，包括：（8）（9）（3）根据ITU-RBT.601-6标准对Cg进行处理得到（10）式：（10）（11）（12）（13）优选的所述作物行中心线提取模块包括：（1）根据作物行在图像中的特点建立作物行中心线求解模型，所谓的作物行中心线求解模型就是农田作物行在形态上表现为近似直线，其方程可以根据图像中两个作物行特征点确定。设V表示根据所述作物行特征点检测模块得到的作物行特征点数据空间，和为V中的两个点，则作物行中心线方程可以表示为：（14）统计距离该直线d范围内的特征点个数，将其作为评价直线优劣的标准，通过调整和位置选择包含特征点最多的直线作为作物行中心线，其中，d的取值范围为（1，5）；（2）将所述作物行特征点检测模块得到的作物行区域范围内的作物行特征点以图像1/2高度为界分为上下2部分，将上半部分的作物行特征点作为作物行中心线的候选起点，下半部分作物行特征点作为作物行中心线候选终点，建立数组分别存储作物行中心线候选起点和候选终点；（3）根据作物行中心线求解模型，随机选择1个候选起点和1个候选终点构成人工蜂群算法的一个蜜源，代表一条候选作物行中心线。初始化多个蜜源形成多条候选作物行直线，统计距离候选直线一定范围内的特征点个数，将其作为评价候选直线优劣的适应度函数，通过人工蜂群算法的多次搜索选取适应度函数最大的候选直线作为作物行中心线。（三）有益效果本专利技术针对现有农业移动机器人导航路径识别技术存在的不足，提出了一种自然光照条件下基于人工蜂群算法的农业移动机器人导航路径提取方法及装置。该方法通过对采集的农田作物图像进行灰度本文档来自技高网...

【技术保护点】
一种自然光照条件下基于人工蜂群算法的农业移动机器人导航路径提取方法，其特征在于，所述方法包括以下步骤：S01、作物图像采集；使摄像机与水平方向呈60°～70°夹角，距离地面垂直高度约1.2~1.4m；S02、利用

【技术特征摘要】
1.一种自然光照条件下基于人工蜂群算法的农业移动机器人导航路径提取方法，其特征在于，所述方法包括以下步骤：S01、作物图像采集；使摄像机与水平方向呈60°～70°夹角，距离地面垂直高度约1.2~1.4m；S02、利用因子对采集的作物图像进行灰度化处理，将彩色作物图像转化为灰度图像；S03、采用最大类间方差法进行图像分割，将灰度图像转化为二值图像；S04、采用垂直投影法获取作物行在图像顶边和图像底边的边缘位置信息，通过直线连接边缘点形成作物行区域范围；S05、利用基于移动窗口的垂直投影法提取所述作物行区域范围内的作物行特征点；S06、根据作物行在图像中的特点，建立作物行中心线求解模型，通过人工蜂群算法在所述作物行区域范围内提取作物行中心线；S07、根据距离图像中心线最近的两条作物行中心线确定位于所述两条作物行中心线之间的导航路径。2.根据权利要求1所述的方法，其特征在于，所述步骤S02具体包括以下步骤：（1）将作物图像由RGB颜色空间转换到颜色空间：（1）（2）在颜色空间的基础上构建与光照无关的Cg分量，Cg分量对应绿色信号与亮度信号之差：（2）（3）根据ITU-RBT.601-6标准对Cg进行处理得到（3）式：（3）（4）分别对Cg、Cr、Cb分量进行归一化处理得到分量：（4）（5）（6）（5）利用因子对彩色作物图像进行灰度化处理。3.根据权利要求1所述的方法，其特征在于，所述步骤S06具体包括以下步骤：（1）根据作物行在图像中的特点建立作物行中心线求解模型，所谓的作物行中心线求解模型就是农田作物行在形态上表现为近似直线，其方程可以根据图像中两个作物行特征点确定，设V表示根据所述步骤S05得到的作物行特征点数据空间，和为V中的两个点，则作物行中心线方程可以表示为：（7）统计距离该直线d范围内的特征点个数，将其作为评价直线优劣的标准，通过调整和位置选择包含特征点最多的直线作为作物行中心线，其中，d的取值范围为（1，5）；（2）将所述步骤S05得到的作物行区域范围内的作物行特征点以图像1/2高度为界分为上下2部分，将上半部分的作物行特征点作为作物行中心线的候选起点，下半部分作物行特征点作为作物行中心线候选终点，建立数组分别存储作物行中心线候选起点和候选终点；（3）根据作物行中心线求解模型，随机选择1个候选起点和1个候选终点构成人工蜂群算法的一个蜜源，代表一条候选作物行中心线，初始化多个蜜源形成多条候选作物行直线，统计距离候选直线一定范围内的特征点个数，将其作为评价候选直线优劣的适应度函数，通过人工蜂群算法的多次搜索选取适应度函数最大的候选直...

【专利技术属性】
技术研发人员：孟庆宽，孙文彬，王继广，
申请(专利权)人：天津职业技术师范大学，
类型：发明
国别省市：天津,12