基于视觉的智能稻麦收割机割幅测量方法技术

本发明专利技术公开了一种基于视觉的智能稻麦收割机割幅测量方法，包括：根据相机标定获取的内外参数矩阵，对世界坐标系与相机图像像素平面坐标系进行匹配，利用逆透视投影将相机获取的原始稻麦图像变换为俯视图；获取收割边界线到分禾器的实际目标距离，结合缩小因子得到俯视图中目标区域的像素宽度及确定目标区域图像；图像预处理操作；基于形态学的已收割稻麦与未收割稻麦收割边界线提取，得到包含收割边界线的目标区域二值化图像；利用概率HOUGH变换方法检测图像中收割边界线并获取坐标参数，求解得到图像中分禾器到收割边界线的像素距离，并计算出收割机实际工作的割幅值。本发明专利技术提高可靠性，能够实时安全的进行智能稻麦收割机割幅的高精度测量。

Vision-based Intelligent Method for Measuring the Cutting Range of Rice and Wheat Harvester

The invention discloses a vision-based intelligent measurement method for cutting range of rice and wheat harvester, which includes: matching the world coordinate system with the plane coordinate system of camera image pixels according to the internal and external parameter matrix obtained by camera calibration, transforming the original rice and wheat image acquired by camera into an overhead view by inverse perspective projection, acquiring the actual target distance from harvesting boundary line to the divider, and combining them. The reduction factor obtains the pixel width of the target area in the top view and determines the image of the target area; image preprocessing operation; extracting the harvested boundary line between harvested rice and wheat and uncultivated rice and wheat based on morphology to obtain the binary image of the target area containing the harvested boundary line; detecting the harvested boundary line in the image by probabilistic HOUGH transform method and obtaining coordinate parameters to obtain the image The pixel distance from the divider to the harvesting boundary line is calculated and the actual cutting amplitude of the harvester is calculated. The invention improves the reliability and can measure the cutting range of the intelligent rice and wheat harvester with high precision in real time and safety.

【技术实现步骤摘要】
基于视觉的智能稻麦收割机割幅测量方法
本专利技术涉及基于视觉的智能稻麦收割机割幅测量方法，属于农业机械自动化

技术介绍
目前，“精准农业”已经成为农业领域发展的方向，准确的获取农作物的产量成了必不可少的一部分。智能稻麦收割机测产系统需要根据农机的运行速度以及收割的幅度来实时计算收割面积，而如今国内外的智能稻麦收割机主要还是依靠人为手动进行收割幅宽的输入，但实际收割过程中的收割幅宽是不断变化的，并且很难保证满幅收割。此外，随着智能稻麦收割机朝着高速化和大型化的方向发展，仅仅依靠人的眼睛去识别边界并保证一定的割幅将变得很困难。另外，长时间保证全幅作业不仅要求驾驶员具备好的驾驶技能，而且驾驶员工作强度太大易疲劳，很难保证收割效率。同时，智能稻麦收割机的自动驾驶系统也可以依靠割幅进行自动跟踪驾驶。因此，智能稻麦收割机作业过程中的割幅实时测量就显得特别重要。近年来，国内外关于收割机割幅测量的研究很多，总的来说可以分为接触式测量与非接触式测量两大类。接触式测量的典型代表就是利用弹簧控制探测杆的一端与作物紧密接触，测角器测量出探测杆的偏转角度，然后再依据三角函数计算出作物与支撑杆的距离，本文档来自技高网...

【技术保护点】
1.基于视觉的智能稻麦收割机割幅测量方法，其特征在于，包括以下步骤：步骤S1：根据相机标定获取的内外参数矩阵，利用坐标转换公式对收割机的世界坐标系与相机图像像素平面坐标系进行匹配，及在相机图像像素平面坐标系下利用逆透视投影方法将相机获取的原始稻麦图像变换为俯视图；步骤S2：获取已收割稻麦与未收割稻麦的收割边界线到收割机中分禾器的实际目标距离，结合世界坐标系下稻麦尺寸与相机图像像素平面坐标系下稻麦尺寸之间的缩小因子得到俯视图中目标区域的像素宽度及确定目标区域图像；步骤S3：对目标区域图像进行图像预处理操作；步骤S4：对预处理后的目标区域图像进行基于形态学的已收割稻麦与未收割稻麦收割边界线提取，得...

【技术特征摘要】
1.基于视觉的智能稻麦收割机割幅测量方法，其特征在于，包括以下步骤：步骤S1：根据相机标定获取的内外参数矩阵，利用坐标转换公式对收割机的世界坐标系与相机图像像素平面坐标系进行匹配，及在相机图像像素平面坐标系下利用逆透视投影方法将相机获取的原始稻麦图像变换为俯视图；步骤S2：获取已收割稻麦与未收割稻麦的收割边界线到收割机中分禾器的实际目标距离，结合世界坐标系下稻麦尺寸与相机图像像素平面坐标系下稻麦尺寸之间的缩小因子得到俯视图中目标区域的像素宽度及确定目标区域图像；步骤S3：对目标区域图像进行图像预处理操作；步骤S4：对预处理后的目标区域图像进行基于形态学的已收割稻麦与未收割稻麦收割边界线提取，得到包含收割边界线的目标区域二值化图像；步骤S5：利用概率HOUGH变换方法检测目标区域二值化图像中的收割边界线，并获取收割边界线的坐标参数；步骤S6：根据获取的收割边界线坐标参数与分禾器在俯视图中的已知像素坐标值，求解得到俯视图中分禾器到收割边界线的像素距离，并根据求解的像素距离与缩小因子、收割机的实际割台宽度，计算出收割机实际工作的割幅值。2.根据权利要求1所述基于视觉的智能稻麦收割机割幅测量方法，其特征在于，所述步骤1将原始稻麦图像变换为俯视图采用公式：其中，u，v分别为原始稻麦图像的像素横和纵坐标，i和j分别为俯视图的像素横和纵坐标，系数b33＝1，T1为图像线性变换矩阵，T2为图像透视变换矩阵，T3为图像平移矩阵。3.根据权利要求1所述基于视觉的智能稻麦收割机割幅测量方法，其特征在于，所述步骤2得到俯视图中目标区域的像素宽度p采用公式：p＝d·A其中，d为已收割稻麦与未收割稻麦的收割边界线到收割机中分禾器的实际目标距离；A为世界坐标系下稻麦尺寸与相机图像像素平面坐标系中稻麦尺寸之间的缩小因子。4.根据权利要求1所述基于视觉的智能稻麦收割机割幅测量方法，其特征在于，所述步骤3对目标区域图像进行图像预处理操作包括开运算、反色及中值滤波处理。5.根据权利要求1所述基于视觉的智能稻麦收割机割幅测量方法，其特征在于，所述步骤4中基于形态...

【专利技术属性】
技术研发人员：王立辉，杨雨，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏,32