一种茎叶蔬菜收获机自动作业行驶方法及系统和收获机技术方案

本发明专利技术一种茎叶蔬菜收获机自动作业行驶方法及系统和收获机，本发明专利技术采用收获机机架上的摄像机获取收获机前方作业环境，标定建立摄像机视场坐标与割刀坐标的映射关系；根据收获机前进速度自适应调整图像处理区域，对图像处理区域进行超绿特征灰度化、直方图均衡化、扫描线种子填充和闭运算处理，得到作物区域的中心坐标，采用最小二乘法拟合得到行驶规划路径；根据收获机实际运动状态与规划路径的误差，采用反步法构建差速驱动底盘控制律；以最大误差和误差积分作为评价标准，通过不同作业状态下的轨迹跟踪性能分析，得到相应的最优控制律参数，并将其作为训练样本，通过神经网络提出控制律参数的调整方法，提高轨迹跟踪的精度和稳定性。度和稳定性。度和稳定性。

【技术实现步骤摘要】
一种茎叶蔬菜收获机自动作业行驶方法及系统和收获机


[0001]本专利技术属于蔬菜收获机自动驾驶
，具体涉及一种茎叶蔬菜收获机自动作业行驶方法及系统和收获机。

技术介绍

[0002]垄作栽培是我国茎叶蔬菜，如上海青、鸡毛菜，生菜、米苋、茼蒿、芦蒿、芹菜、荠菜、芫荽等的主要种植模式，它可以提高土温、增加土层厚度、土壤通气性、防止积水，从而提高产量。近年来，我国茎叶蔬菜机械化收获水平得到显著提升，新型收获机械不断涌现。茎叶蔬菜收获机整体结构可以分为底盘、机架、切割和转运收集等部件，底盘在垄间行走，割刀紧贴垄面将蔬菜根部切断，然后通过输送带转运收集。割刀的长度略长于种植垄面的宽度，作业过程中，需要保证割刀能够全覆盖垄面，以免造成漏切割，目前，收获作业主要是通过人工控制底盘行走轨迹完成。
[0003]路径规划和轨迹跟踪是实现收获机自动作业行驶的两个重要内容。茎叶蔬菜品种众多、种植环境和栽培模式也存在差异，难以通过预先设定路径实现自动收获作业，而需要根据实际蔬菜种植状态进行自主路径规划和轨迹跟踪。为了避免跨垄切割造成损失，割刀的长度通常略长于垄面宽度10
‑
20cm，这对蔬菜种植状态识别、路径规划和轨迹跟踪的综合精度提出了较高的要求。

技术实现思路

[0004]针对上述技术问题，本专利技术的一个方式的目的之一是提出一种基于机器视觉的茎叶蔬菜收获机自动作业行驶方法，采用摄像机获取前进方向作业环境图片，根据前进速度自动调整处理区域，通过图像处理得到种植边界信息；通过坐标系的标定和转换，将图像种植边界信息转换为实际工作环境的位置信息，并采用最小二乘法拟合得到规划路径；计算收获机实际位姿状态与规划路径的误差，利用反步法控制完成轨迹跟踪；引入人工神经网络分析路径跟踪性能，提出最大误差和误差积分作为评价标准，自适应调整反步控制律的参数，提高轨迹跟踪的精度和稳定性。
[0005]本专利技术的一个方式的目的之一是提出一种实现所述茎叶蔬菜收获机自动作业行驶方法的系统。
[0006]本专利技术的一个方式的目的之一是提出一种包括所述系统的收获机。
[0007]注意，这些目的的记载并不妨碍其他目的的存在。本专利技术的一个方式并不需要实现所有上述目的。可以从说明书、附图、权利要求书的记载中抽取上述目的以外的目的。
[0008]本专利技术是通过以下技术手段实现上述技术目的的。
[0009]一种茎叶蔬菜收获机自动作业行驶方法，包括以下步骤：
[0010]步骤S1、标定坐标系的映射关系：标定摄像机视场坐标系与割刀坐标系的映射关系；
[0011]步骤S2、图像处理：通过摄像机获取前方的作业环境图片，采用图像处理方法获取
叶菜种植边界位置信息；
[0012]步骤S3、作业路径规划：基于最小二乘拟合的作业路径规划，将步骤S2得到的摄像机视场坐标系下的作物边界位置信息，通过步骤S1的映射关系转换到割刀坐标系下，拟合计算得到作业路径；
[0013]步骤S4、轨迹跟踪：计算步骤S3得到的作业路径与当前位姿的误差，将误差作为输入参数，得到收获机底盘中心速度v和角速度w的控制律，从而得到左右驱动轮转速；
[0014]步骤S5、基于神经网络的控制参数自适应调整：将建立的状态误差矩阵作为BP神经网络模型的输入，控制律的控制参数作为输出，自适应调整控制参数，计算得到收获机底盘中心速度v和角速度w，控制收获机行进速度以及方向，实现收获机的自动作业行驶。
[0015]上述方案中，所述步骤S1标定摄像机视场坐标系与割刀坐标系的映射关系记为M
hi
：
[0016][0017]其中，x
k
、y
k
为割刀坐标，x
c
、y
c
为摄像机视场坐标，hi为割刀离地高度。
[0018]进一步的，所述步骤S2采用图像处理方法获取叶菜种植边界位置信息，具体包括以下步骤：
[0019]步骤S21、根据收获机前进速度v，在摄像机视场范围内选择处理区域；
[0020]步骤S22、采用超绿特征灰度化方法将处理区域图像转化为灰度图像：
[0021][0022]式中：R(x,y)、G(x,y)、B(x,y)分别为原图像素点(x,y)的红、绿、蓝分量值，G
r
(x,y)为处理后像素点(x,y)的灰度值；
[0023]步骤S23、对处理区域图像进行直方图均衡化，包括计算原图的像素总数N，计算原图的灰度分布频率r
i
为灰度值，n
i
为灰度值r
i
的像素数量，计算原图的累积分布频率，得到输入与输出之间的映射关系：
[0024][0025]式中：s
j
为第j个灰度等级处理后的灰度值，j取0～L
‑
1，r
i
为第i个灰度等级的原灰度值，i取0～j，n
i
为灰度值为r
i
的像素数量，L为图像灰度级总数；
[0026]步骤S24、对处理区域图像进行图像区域分割，在处理区域图像上、下边中点连线上选择灰度值为255的点作为种子点，选择阈值，使用扫描线种子填充法分割目标区域和背景区域，目标区域即作物种植区域，其中目标作物为白色，背景区域为黑色；
[0027]步骤S25、对处理区域图像进行形态学滤波，根据图像上叶菜作物间空隙的平均大小和特点选择结构元进行闭运算，闭运算计算方法为：
[0028][0029]式中：E为目标图像A中处理后的点，B为用于闭运算的结构元；
[0030]步骤S26、逐行扫描每个像素点的像素值，记录第一和最后一个像素值为255的像
素点(Left_
c
、Right_
c
)的横坐标，存入[X
Left_c
]、[X
Right_c
]矩阵：
[0031][0032]则每行255像素点的左右边界的像素坐标分别为：
[0033][0034]式中：n为图像处理区域像素行数。
[0035]进一步的，所述步骤S21处理区域d＝kv，其中，k为时间，v为收获机的前进速度。
[0036]进一步的，所述步骤S3具体为：
[0037]在Left_
c
和Right_
c
有效值中各选择i个处于同一行的像素点，记为Left_
sci
、Right_
sci
，Left_
sci
、Right_
sci
所对应的行数记为y
sci
，计算规划路径的特征点Point_
ci
：
[0038][0039]根据摄像机视场坐标与割刀坐标的映射关系M
hi
，将Point_
ci
从摄像机视场坐标系转换为割刀坐标系，得到Point_
ki
，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种茎叶蔬菜收获机自动作业行驶方法，其特征在于，包括以下步骤：步骤S1、标定坐标系的映射关系：标定摄像机(9)视场坐标系与割刀(1)坐标系的映射关系；步骤S2、图像处理：通过摄像机(9)获取前方的作业环境图片，采用图像处理方法获取叶菜种植边界位置信息；步骤S3、作业路径规划：将步骤S2得到的摄像机(9)视场坐标系下的作物边界位置信息，通过步骤S1的映射关系转换到割刀(1)坐标系下，拟合计算得到作业路径；步骤S4、轨迹跟踪：计算步骤S3得到的作业路径与当前位姿的误差，将误差作为输入参数，得到收获机底盘中心速度v和角速度w的控制律，从而得到左右驱动轮转速；步骤S5、基于神经网络的控制参数自适应调整：将建立的状态误差矩阵作为BP神经网络模型的输入，控制律的控制参数作为输出，自适应调整控制参数，计算得到收获机底盘中心速度v和角速度w，控制收获机行进速度以及方向。2.根据权利要求1所述的茎叶蔬菜收获机自动作业行驶方法，其特征在于，所述步骤S1标定摄像机(9)视场坐标系与割刀(1)坐标系的映射关系记为M
hi
：其中，x
k
、y
k
为割刀(1)坐标，x
c
、y
c
为摄像机(9)视场坐标，hi为割刀(1)离地高度。3.根据权利要求2所述的茎叶蔬菜收获机自动作业行驶方法，其特征在于，所述步骤S2采用图像处理方法获取叶菜种植边界位置信息，具体包括以下步骤：步骤S21、根据收获机前进速度v，在摄像机(9)视场范围内选择处理区域；步骤S22、采用超绿特征灰度化方法将处理区域图像转化为灰度图像：式中：R(x,y)、G(x,y)、B(x,y)分别为原图像素点(x,y)的红、绿、蓝分量值，G
r
(x,y)为处理后像素点(x,y)的灰度值；步骤S23、对处理区域图像进行直方图均衡化，包括计算原图的像素总数N，计算原图的灰度分布频率r
i
为灰度值，n
i
为灰度值r
i
的像素数量，计算原图的累积分布频率，得到输入与输出之间的映射关系：式中：s
j
为第j个灰度等级处理后的灰度值，j取0～L
‑
1，r
i
为第i个灰度等级的原灰度值，i取0～j，n
i
为灰度值为r
i
的像素数量，L为图像灰度级总数；步骤S24、对处理区域图像进行图像区域分割，在处理区域图像上、下边中点连线上选择灰度值为255的点作为种子点，选择阈值，使用扫描线种子填充法分割目标区域和背景区域，目标区域即作物种植区域，其中目标作物为白色，背景区域为黑色；步骤S25、对处理区域图像进行形态学滤波，根据图像上叶菜作物间空隙的平均大小和特点选择结构元进行闭运算，闭运算计算方法为：
式中：E为目标图像A中处理后的点，B为用于闭运算的结构元；步骤S26、逐行扫描每个像素点的像素值，记录第一和最后一个像素值为255的像素点(Left_
c
、Right_
c
)的横坐标，存入[X
Left_c
]、[X
Right_c
]矩阵：则每行255像素点的左右边界的像素坐标分别为：式中：n为图像处理区域像素行数。4.根据权利要求3所述的茎叶蔬菜收获机自动作业行驶方法，其特征在于，所述步骤S21处理区域d＝kv，其中，k为时间，v为收获机的前进速度。5.根据权利要求3所述的茎叶蔬菜收获机自动作业行驶方法，其特征在于，所述步骤S3具体为：在Left_
c
和Right_
c
有效值中各选择i个处于同一行的像素点，记为Left_
sci
、Right_
sci
，Left_
sci
、Right_
sci
所对应的行数记为y
sci
，计算规划路径的特征点Point_
ci
：根据摄像机(9)视场坐标与割刀(1)坐标的映射关系M
hi
，将Point_
ci
从摄像机视场坐标系转换为割刀坐标系，得到Point_
ki...

【专利技术属性】
技术研发人员：赵湛，胡欣宇，魏俊，刘思思，
申请(专利权)人：江苏大学，
类型：发明
国别省市：