一种精准作业农业机器人作业方法技术

本发明专利技术涉及农业作业技术领域，具体是一种精准作业农业机器人作业方法,包括如下步骤：对目标作物进行图像采集；对图像中目标作物的目标特征进行识别；对识别的目标特征提取深度信息，计算目标特征的位置；融合计算农业机器人自身位置及目标特征位置；计算并规划农业机器人的动作规划及路径规划，生产指令序列；控制农业机器人沿特定轨迹运动，并完成指定动作。本发明专利技术能够实现高效、简单的软件架构及硬件架构的逻辑通路，更贴近真实作业场景的情况下，实现了更加高效、便捷的效果；能够适应多种不同场景，在精准作业场景下，此方案能够通过精准识别作物的目标特征，驱动特种作业臂实现特定的作业动作。特定的作业动作。特定的作业动作。

【技术实现步骤摘要】
一种精准作业农业机器人作业方法


[0001]本专利技术涉及农业作业
，具体是一种精准作业农业机器人作业方法。

技术介绍

[0002]现有的农业作业设备，主要为机械方式作业，无法实现精准作业的需求。现有的农业作业设备，如插秧机，收割机，喷药机等，均通过大尺寸机械方式进行无精度的作业，其作业车辆可以通过RTK等卫星信号，进行位置的定位和导向，但其作业的设备，无法根据农作物本身的特征，进行精确作业。例如定点除草，定点喷药，定向采摘，精准养护等作业流程，均无法实现。

技术实现思路

[0003]为了克服现有技术中存在的缺陷，本专利技术的目的是提供一种精准作业农业机器人作业方法。
[0004]本专利技术目的通过下列技术方案来实现：
[0005]一种精准作业农业机器人作业方法，应用于农业机器人，包括如下步骤：
[0006]S1、通过视觉传感器，对目标作物进行图像采集；
[0007]S2、使用目标识别和检测算法，对图像中目标作物的目标特征进行识别；
[0008]S3、计算或采集全局或局部的深度信息，对识别的目标特征提取深度信息，计算目标特征的位置；
[0009]S4、通过运动/位置传感器，融合计算农业机器人自身位置及目标特征位置；
[0010]S5、根据目标特征位置及农业机器人自身位置的实时更新数据，计算并规划农业机器人的动作规划及路径规划，生产指令序列；
[0011]S6、根据农业机器人的动作规划及路径规划，农业机器人沿特定轨迹运动，并完成指定动作。
[0012]作为优选的技术方案，所述步骤S2具体包括以下步骤：
[0013]S2
‑
1、使用目标检测算法，识别所述目标特征的位置；
[0014]S2
‑
2、通过目标作物特征及拓扑，推算目标特征的位置；
[0015]S2
‑
3、融合多个模型的计算结果，综合判断，计算目标特征的最大概率位置。
[0016]作为优选的技术方案，所述目标作物为茎叶体植物，目标特征为目标作物的茎叶顶部，所述步骤S2
‑
2具体包括以下步骤：
[0017]S2
‑2‑
1、将所述图像进行高斯滤波降噪，对图像进行背景阈值分割，提取出较为完整的目标作物图像；
[0018]S2
‑2‑
2、将获取的彩色目标作物图像进行降维处理，将图像转为灰度图，保留原始图像中目标作物的主干及茎叶形状分布信息，进行Canny算子边缘检测，获取目标作物边缘及茎叶主干边缘的二值化图像；
[0019]S2
‑2‑
3、处理获取的二值化图像：对二值化图像进行直线检测，其中曲线图像为叶
边缘，剩余图像为茎叶主干，将直线图像提取为C1，剩余图像为C2，图像C1、C2中的像素值为二值化图像的边缘信息；
[0020]S2
‑2‑
4、设C1(x,y)、C2(x,y)为直线图像C1与剩余图像C2中坐标位置的像素点，对C1(x,y)与C2(x,y)进行判断，若C1(x,y)＝C2(x,y),则表明(x,y)为叶尖点坐标，若C1(x,y)≠C2(x,y),则表明(x,y)不为叶尖点坐标，保存所有叶尖点坐标{(x,y)}；
[0021]S2
‑2‑
5、将直线图像C1转为向量，起始点为叶尖点坐标{(x,y)},获取所有向量的交点坐标{(x
’
,y
’
)}，以i个像素点作为半径画圆，以C1中每个像素点作为圆心进行判断，若该圆中存在交点坐标(x
’
,y
’
)且多于n个，则认为交点聚集，计算该圆中所有交点的平均坐标(Σx/n,Σy/n),该坐标即为目标作物的茎叶顶部中心坐标，即为目标特征的位置坐标；其中i、n均为大于0的自然数。
[0022]作为优选的技术方案，所述步骤S4中，所述农业机器人通过融合GPS的RTK实时差分定位、IMU信息、以及轮速计信息，综合计算农业机器人及其作业执行机构的三维坐标，并计算其在世界坐标系中的位置变化。
[0023]作为优选的技术方案，在所述步骤S1
‑
S6中，通过时间同步技术，实现整个算法逻辑中延迟的消除。
[0024]本专利技术提供的一种精准作业农业机器人作业方法主要具有以下技术效果：1、本专利技术提供了一种高效、简单的软件架构及逻辑通路，使用视觉传感器作为主要特征识别模块，使用多传感器融合的方式进行位置计算，通过部署在计算单元上的多种算法，包括视觉处理算法、深度计算算法、及机器学习相关模型，提取目标特征的坐标位置(包括二维坐标和三维坐标)，通过路径规划及动作规划算法，实现末端特化机械臂的动作规划，在更贴近真实作业场景的情况下，实现了更加高效、便捷的效果；能够适应多种不同场景，在精准作业场景下，此方案能够通过精准识别作物的目标特征，驱动特种作业臂实现特定的作业动作。2、通过目标作物特征及拓扑，推算目标特征的位置，是基于茎叶体目标作物(比如棉花)自身生长特点，通过识别出作物主干及茎叶分布，推断出目标作物顶部生长位置，该逻辑在识别出图像中的作物主干及茎叶并转换为向量图，通过连接向量图，获取起始点，即为作物顶，与传统直接识别目标特征相比，该逻辑受图像质量影响小，且考虑了植物自身结构特点，有效提高识别率。3、可通过时间同步技术，实现整个算法逻辑中延迟的消。
[0025]以下将结合附图对本专利技术的构思、具体结构及产生的效果作进一步说明，以充分地理解本专利技术的目的、特征和效果。
附图说明
[0026]图1是本专利技术精准作业农业机器人作业方法的流程示意图。
具体实施方式
[0027]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处说描述的具体实施例仅仅用于解释本专利技术，并不用于限定本专利技术。
[0028]实施例1：如图1所示，以棉花打顶作业为例，应用本专利提供的精准作业农业机器人作业方法，包括如下步骤：
[0029]S1、图片采集：
[0030]使用双目相机或深度相机(视觉传感器)，以向下的视角，对作业区域的棉花进行图像采集。
[0031]S2、棉花顶识别：
[0032]S2
‑
1、通过目标检测算法，识别棉花顶位置；
[0033]S2
‑
2、通过棉花叶片特征及拓扑，推断棉花顶位置；
[0034]S2
‑2‑
1、将图像进行高斯滤波，去除噪音干扰，提高图像质量，对棉花图像进行背景阈值分割，提取出较为完整的棉花植株图像；
[0035]S2
‑2‑
2、将获取的彩色棉花图像进行降维处理，将图像转为灰度图，保留原始图像中棉花的主干及茎叶形状分布信息，进行Canny算子进行边缘检测，获取棉花边缘及茎叶主干图像，实现棉花与背景图像的有效分离，只保留棉花边缘及本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种精准作业农业机器人作业方法，应用于农业机器人，其特征在于，包括如下步骤：S1、通过视觉传感器，对目标作物进行图像采集；S2、使用目标识别和检测算法，对图像中目标作物的目标特征进行识别；S3、计算或采集全局或局部的深度信息，对识别的目标特征提取深度信息，计算目标特征的位置；S4、通过运动/位置传感器，融合计算农业机器人自身位置及目标特征位置；S5、根据目标特征位置及农业机器人自身位置的实时更新数据，计算并规划农业机器人的动作规划及路径规划，生产指令序列；S6、根据农业机器人的动作规划及路径规划，农业机器人沿特定轨迹运动，并完成指定动作。2.根据权利要求1所述的精准作业农业机器人作业方法，其特征在于，所述步骤S2具体包括以下步骤：S2
‑
1、使用目标检测算法，识别所述目标特征的位置；S2
‑
2、通过目标作物特征及拓扑，推算目标特征的位置；S2
‑
3、融合多个模型的计算结果，综合判断，计算目标特征的最大概率位置。3.根据权利要求2所述的精准作业农业机器人作业方法，其特征在于，所述目标作物为茎叶体植物，目标特征为目标作物的茎叶顶部，所述步骤S2
‑
2具体包括以下步骤：S2
‑2‑
1、将所述图像进行高斯滤波降噪，对图像进行背景阈值分割，提取出较为完整的目标作物图像；S2
‑2‑
2、将获取的彩色目标作物图像进行降维处理，将图像转为灰度图，保留原始图像中目标作物的主干及茎叶形状分布信息，进行Canny算子边缘检测，获取目标作物边缘及茎叶主干边缘的二值化图像；S2
‑2‑

【专利技术属性】
技术研发人员：吴帆，韦瑞新，
申请(专利权)人：深圳市纬尔科技有限公司，
类型：发明
国别省市：