田埂识别躲避方法、装置和农用自动驾驶设备制造方法及图纸

本发明专利技术提供一种田埂识别躲避方法、装置和农用自动驾驶设备，该田埂识别躲避方法应用于设置有摄像头的农用自动驾驶设备，包括：获取摄像头采集的自动驾驶设备行驶方向上的实时图像；将实时图像输入至田埂识别模型，获得田埂识别模型输出的前方是否存在田埂的识别结果；在根据识别结果确定前方存在田埂时，利用所述实时图像以及预设算法计算当前位置是否为最佳躲避位置；在确定当前位置为最佳躲避位置时，进行预设方向的转弯或掉头操作。本发明专利技术的田埂识别躲避方法，通过实时图像识别出前方存在田埂后，再通过实时图像在自动驾驶前进的过程中判断是否到达最佳躲避位置，从而在躲避田埂时的转弯或掉头操作不会过早或过晚，达到精确避开田埂的效果。精确避开田埂的效果。精确避开田埂的效果。

【技术实现步骤摘要】
田埂识别躲避方法、装置和农用自动驾驶设备


[0001]本专利技术涉及自动驾驶领域，具体而言，涉及一种田埂识别躲避方法、装置、农用自动驾驶设备和可读存储介质。

技术介绍

[0002]现有的农用机械设备在导航行驶过程中需要依赖GPS轨迹完成躲避时田埂掉头或转弯操作。但是GPS轨迹难免出现误差，掉头或转弯的转弯半径和时机并不能通过路径规划完成，从而会导致出现过早或者太晚转弯掉头的情况，因此无法精确自动避开田埂。

技术实现思路

[0003]鉴于上述问题，本专利技术提供了一种田埂识别躲避方法、装置、农用自动驾驶设备和可读存储介质，以在躲避田埂时的转弯或掉头操作不会过早或过晚，达到精确避开田埂的效果。
[0004]为了实现上述目的，本专利技术采用如下的技术方案：
[0005]一种田埂识别躲避方法，应用于设置有摄像头的农用自动驾驶设备，包括：
[0006]获取所述摄像头采集的所述自动驾驶设备行驶方向上的实时图像；
[0007]将所述实时图像输入至田埂识别模型，获得所述田埂识别模型输出的前方是否存在田埂的识别结果；
[0008]在根据所述识别结果确定前方存在田埂时，利用所述实时图像以及预设算法计算当前位置是否为最佳躲避位置；
[0009]在确定当前位置为最佳躲避位置时，进行预设方向的转弯或掉头操作。
[0010]优选地，所述的田埂识别躲避方法中，所述田埂识别模型为二分类的支持向量机；
[0011]该方法还包括：
[0012]获取确定具有田埂的多个图像作为正样本，确定不具有田埂的多个图像作为负样本，对所述二分类的支持向量机进行训练，建立所述田埂识别模型。
[0013]优选地，所述的田埂识别躲避方法中，所述对所述二分类的支持向量机进行训练，建立所述田埂识别模型包括：
[0014]对所述正样本以及所述负样本进行预设尺寸裁剪；
[0015]对裁剪后的所述正样本以及所述负样本进行预设方向调整，使所述正样本以及所述负样本方向一致；
[0016]将方向调整后的正样本以及正标签输入至所述二分类的支持向量机进行训练，以及将方向调整后的负样本以及负标签输入至所述二分类的支持向量机进行训练，获得所述田埂识别模型。
[0017]优选地，所述的田埂识别躲避方法中，还包括：
[0018]收集识别结果错误的所述实时图像作为训练样本，利用所述训练样本以及正确识别结果对所述田埂识别模型进行训练。
[0019]优选地，所述的田埂识别躲避方法中，所述利用所述实时图像以及预设算法计算当前位置是否为最佳躲避位置包括：
[0020]对所述实时图像进行二值化处理，获得灰度图像；
[0021]定位所述灰度图像中的田埂位置，利用预设距离算法计算所述自动驾驶设备与所述田埂位置的实际距离；
[0022]判断所述实际距离是否等于预设转弯半径；
[0023]确定所述实际距离等于所述预设转弯半径时，确定当前位置为最佳躲避位置。
[0024]优选地，所述的田埂识别躲避方法中，所述预设距离算法的算式包括：
[0025]Cd＝(D
‑
Ad)/W；
[0026]Pfd＝Pd
×
Cd；
[0027]式中，Ad为摄像头盲区距离，H为摄像头的离地高度，α为摄像头与水平面的夹角，β摄像头的广角角度，D为摄像头所拍最远距离，Cd为摄像头的像素单位距离，W为摄像头采集图像的宽度，Pd为田埂位置的像素距离，Pfd为田埂位置的实际距离。
[0028]优选地，所述的田埂识别躲避方法中，还包括：
[0029]根据卫星导航模块的导航信息确定所述自动驾驶设备行驶前方存在田埂时，开启所述摄像头；
[0030]根据预设数量的所述识别结果确定前方存在田埂后，关闭所述卫星导航模块；
[0031]在转弯或掉头操作完毕后，启动所述卫星导航模块并关闭所述摄像头。
[0032]本专利技术还提供一种田埂识别躲避装置，应用于设置有摄像头的农用自动驾驶设备，包括：
[0033]实时图像获取模块，用于获取所述摄像头采集的所述自动驾驶设备行驶方向上的实时图像；
[0034]识别结果获取模块，用于将所述实时图像输入至田埂识别模型，获得所述田埂识别模型输出的前方是否存在田埂的识别结果；
[0035]躲避位置计算模块，用于在根据所述识别结果确定前方存在田埂时，利用所述实时图像以及预设算法计算当前位置是否为最佳躲避位置；
[0036]转弯掉头操作模块，用于在确定当前位置为最佳躲避位置时，进行预设方向的转弯或掉头操作。
[0037]本专利技术还提供一种农用自动驾驶设备，包括存储器以及处理器，所述存储器存储有计算机程序，所述计算机程序在所述处理器上运行时执行所述的田埂识别躲避方法。
[0038]本专利技术还提供一种可读存储介质，其存储有计算机程序，所述计算机程序在处理器上运行时执行所述的田埂识别躲避方法。
[0039]本专利技术提供一种田埂识别躲避方法，该田埂识别躲避方法应用于设置有摄像头的农用自动驾驶设备，包括：获取所述摄像头采集的所述自动驾驶设备行驶方向上的实时图像；将所述实时图像输入至田埂识别模型，获得所述田埂识别模型输出的前方是否存在田埂的识别结果；在根据所述识别结果确定前方存在田埂时，利用所述实时图像以及预设算法计算当前位置是否为最佳躲避位置；在确定当前位置为最佳躲避位置时，进行预设方向的转弯或掉头操作。本专利技术的田埂识别躲避方法，通过实时图像识别出前方存在田埂后，再
通过实时图像在自动驾驶前进的过程中判断是否到达最佳躲避位置，从而在躲避田埂时的转弯或掉头操作不会过早或过晚，达到精确避开田埂的效果。
[0040]为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
[0041]为了更清楚地说明本专利技术的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对本专利技术保护范围的限定。在各个附图中，类似的构成部分采用类似的编号。
[0042]图1是本专利技术实施例1提供的一种田埂识别躲避方法的流程图；
[0043]图2是本专利技术实施例2提供的一种田埂识别躲避方法的流程图；
[0044]图3是本专利技术实施例3提供的一种建立田埂识别模型的流程图；
[0045]图4是本专利技术实施例3提供的一种田埂识别躲避方法的流程图；
[0046]图5是本专利技术实施例4提供的一种计算最佳躲避位置的流程图；
[0047]图6是本专利技术实施例5提供的一种田埂识别躲避方法的流程图；
[0048]图7是本专利技术实施例6提供的一种田埂识别躲避装置的结构示意图。
具体实施方式
[0049]下面将结合本专利技术实施例中附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种田埂识别躲避方法，其特征在于，应用于设置有摄像头的农用自动驾驶设备，包括：获取所述摄像头采集的所述自动驾驶设备行驶方向上的实时图像；将所述实时图像输入至田埂识别模型，获得所述田埂识别模型输出的前方是否存在田埂的识别结果；在根据所述识别结果确定前方存在田埂时，利用所述实时图像以及预设算法计算当前位置是否为最佳躲避位置；在确定当前位置为最佳躲避位置时，进行预设方向的转弯或掉头操作。2.根据权利要求1所述的田埂识别躲避方法，其特征在于，所述田埂识别模型为二分类的支持向量机；该方法还包括：获取确定具有田埂的多个图像作为正样本，确定不具有田埂的多个图像作为负样本，对所述二分类的支持向量机进行训练，建立所述田埂识别模型。3.根据权利要求2所述的田埂识别躲避方法，其特征在于，所述对所述二分类的支持向量机进行训练，建立所述田埂识别模型包括：对所述正样本以及所述负样本进行预设尺寸裁剪；对裁剪后的所述正样本以及所述负样本进行预设方向调整，使所述正样本以及所述负样本方向一致；将方向调整后的正样本以及正标签输入至所述二分类的支持向量机进行训练，以及将方向调整后的负样本以及负标签输入至所述二分类的支持向量机进行训练，获得所述田埂识别模型。4.根据权利要求1所述的田埂识别躲避方法，其特征在于，还包括：收集识别结果错误的所述实时图像作为训练样本，利用所述训练样本以及正确识别结果对所述田埂识别模型进行训练。5.根据权利要求1所述的田埂识别躲避方法，其特征在于，所述利用所述实时图像以及预设算法计算当前位置是否为最佳躲避位置包括：对所述实时图像进行二值化处理，获得灰度图像；定位所述灰度图像中的田埂位置，利用预设距离算法计算所述自动驾驶设备与所述田埂位置的实际距离；判断所述实际距离是否等于预设转弯半径；确定所述...

【专利技术属性】
技术研发人员：李德，
申请(专利权)人：北京博创联动科技有限公司，
类型：发明
国别省市：