【摘要】：基于機器視覺的農業(yè)機械導航路徑研究主要集中在旱作物行、壟線、犁溝線及旱作物收獲邊界等提取方面,鮮有將機器視覺自動導航路徑識別技術應用于水田耕整機械。本研究以水稻、油菜和小麥高茬水田耕整圖像為研究對象,以1GMD-200型水田秸稈還田耕整機為試驗平臺,以實現水稻、油菜和小麥高茬耕整路徑識別與導航參數有效提取為目標,在總結前人研究成果的基礎上,結合現有路徑識別及參數提取理論與方法,對高茬水田耕整路徑機器視覺識別方法進行試驗研究,具體研究內容如下： (1)搭建了高茬水田耕整圖像動態(tài)采集系統(tǒng)。以東方紅-LX954拖拉機為平臺,通過計算機控制工業(yè)相機實現高茬水田耕整圖像動態(tài)采集。其中,相機距離地面安裝高度為h=2.15m,安裝俯角為θ=31.8。。 (2)提出了一種新的灰度化加權因子R+G-2B,并取得了較好灰度化效果。比較現有常規(guī)加權法、過綠特征加權法、色度分量法對本研究對象灰度化結果,得出過濾特征加權法可獲取對比較鮮明的灰度化圖。為尋求更優(yōu)灰度化效果,分析了高茬水田耕整靜態(tài)采集圖像殘茬區(qū)與耕整區(qū)顏色分量特點,提出了R+G-2B灰度化法。 (3)提出了一種基于像素均值紋理描繪子的圖像分割法。通過對比灰度直方圖雙峰法、最大類間方差法和基于紋理統(tǒng)計法對超綠特征灰度圖和R+G-2B灰度圖分割結果,確定本研究圖像分割法為基于R+G-2B灰度圖像的像素均值紋理描繪子法。其中,像素均值紋理描繪子區(qū)域窗口尺寸為12×2(行×列)個像素,像素均值閡值為100。 (4)針對形態(tài)學濾波后部分圖像耕整區(qū)存在大面積白色噪聲點,提出了一種剪切二值圖像方法。通過統(tǒng)計二值圖像列方向上累計像素值的和并計算和的最大值與最小值的均值A,確定像素值分別為1.8×A和0.1×A所在列數,從而確定二值圖像剪切邊界。 (5)確定了導航路徑檢測方法——最小二乘法。分別采用傳統(tǒng)Hough變化法、基于己知點Hough變化法和最小二乘法對高茬水田耕整圖像進行導航路徑檢測,結果表明：采用最小二乘法檢測導航路徑擬合精度高,不受耕整區(qū)白色干擾點影響,抗干擾性強,路徑檢測耗時600ms左右；采用基于已知點Hough變化法較傳統(tǒng)Hough變化法擬合精度高、路徑檢測耗時短,但兩者均易出現導航路徑誤檢測,路徑檢測耗時分別為1500ms和450ms。 (6)確定了相機內參。采用張正友平面標定法標定相機,確定了相機內參。路面誤差驗證試驗表明,相機標定傾角誤差在1。范圍內,截距誤差在0.03m范圍內,標定結果可滿足實際導航需要。 (7)在校內開展了路面試驗,路面試驗截距誤差△c=0.3256mm,傾角誤差△θ=2.4156。；在華中農業(yè)大學現代農業(yè)科技試驗基地水稻核心試驗區(qū)開展了田間試驗,田間試驗截距誤差△c=-0.1655mm,傾角誤差Aθ=--3.3729。。
【學位授予單位】：華中農業(yè)大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TP391.41;S222

【參考文獻】

相關期刊論文 前10條

1 盧s，

本文編號：2655000