農(nóng)機(jī)自動(dòng)導(dǎo)航是精準(zhǔn)農(nóng)業(yè)和智慧農(nóng)業(yè)中的重要組成部分,而基于機(jī)器視覺的導(dǎo)航方式是未來農(nóng)機(jī)自動(dòng)導(dǎo)航的一個(gè)主流方向。在農(nóng)機(jī)視覺自動(dòng)導(dǎo)航系統(tǒng)中,精確地檢測(cè)出導(dǎo)航線具有非常重要的意義。論文對(duì)基于機(jī)器視覺的農(nóng)機(jī)導(dǎo)航線提取算法做了初步的研究,首先將農(nóng)機(jī)攝像頭采集的農(nóng)田圖像在RGB顏色空間中進(jìn)行預(yù)處理,然后進(jìn)行孔洞填充和提取ROI,最后根據(jù)農(nóng)田圖像的特點(diǎn)提出三種不同的特征點(diǎn)提取并擬合導(dǎo)航線的方法。論文主要研究?jī)?nèi)容如下:（1）農(nóng)田圖像的預(yù)處理。通過分析和對(duì)比不同灰度化算法、閾值分割算法和形態(tài)學(xué)濾波算法對(duì)RGB農(nóng)田圖像處理的效果,選定適合的農(nóng)田圖像預(yù)處理方法。（2）孔洞填充和ROI創(chuàng)建。將預(yù)處理后的二值圖像采用形態(tài)學(xué)方法對(duì)前景和背景中的全部孔洞進(jìn)行填充,并根據(jù)農(nóng)田圖像中導(dǎo)航路徑的特點(diǎn)創(chuàng)建梯形ROI,以減小干擾和提高后續(xù)檢測(cè)效率。（3）基于作物行邊緣的特征點(diǎn)提取及導(dǎo)航線擬合。通過分析和對(duì)比不同邊緣檢測(cè)算子的邊緣檢測(cè)原理以及對(duì)農(nóng)田二值圖像進(jìn)行作物行邊緣檢測(cè)的效果,選擇合適的邊緣檢測(cè)算子進(jìn)行作物行邊緣的檢測(cè),然后提取ROI以減少要處理的邊緣點(diǎn)數(shù)量,接著每隔幾行計(jì)算全部邊緣坐標(biāo)中點(diǎn)作為導(dǎo)航特征點(diǎn),最后利用最小二乘法... 

【文章來源】：廣西科技大學(xué)廣西壯族自治區(qū)

【文章頁數(shù)】：63 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

ExG因子灰度直方圖

圖 2-5 不同閾值分割法的分割效果Fig 2-5 Segmentation effect of different threshold segmentation methods從圖2-5中可以看出：灰度直方圖峰谷法閾值分割的效果最好，然而不同農(nóng)田圖像的灰度直方圖包絡(luò)線形狀不同，可能存在雙峰不明顯或雙峰之間的波谷不明顯等情況。如圖2-6所示農(nóng)田圖像其灰度直方圖只有單峰。此時(shí)確定閾值會(huì)比較困難，算法失效。此外，搜索雙峰之間的波谷耗時(shí)相對(duì)較長(zhǎng)。最大類間方差法分割效果雖然沒有灰度直方圖峰谷法閾值分割的效果好，農(nóng)作物邊緣葉片有斷裂現(xiàn)象，但還是能夠較好地將農(nóng)作物與背景分離開來，且分割算法簡(jiǎn)單、運(yùn)算速度快，因此在實(shí)際中是應(yīng)用較廣泛的一種閾值分割算法。最大熵法分割效果最差，出現(xiàn)了過分割現(xiàn)象，分割后的二值圖像中孔洞較多

其含義是用結(jié)構(gòu)B腐蝕A時(shí)，當(dāng)B的原點(diǎn)平移到圖像A的像元( x , y )處時(shí)，如果B完全被包含在圖像A重疊的區(qū)域，即B中為1的元素位置上對(duì)應(yīng)A的像素值也為1，則輸出圖像( x , y )處的像素賦值為1，否則為0。腐蝕運(yùn)算過程如圖2-7所示�？梢姡g使目標(biāo)區(qū)域變小。圖 2-7 腐蝕運(yùn)算示意圖Fig 2-7 The processing of corrosion

【參考文獻(xiàn)】：
期刊論文
[1]北斗衛(wèi)星定位系統(tǒng)在精準(zhǔn)農(nóng)業(yè)中的應(yīng)用——以山西省晉中市為例[J]. 張洪菠,張強(qiáng).  農(nóng)業(yè)開發(fā)與裝備. 2018(10)
[2]新疆兵團(tuán)精準(zhǔn)農(nóng)業(yè)發(fā)展與北斗衛(wèi)星導(dǎo)航技術(shù)的應(yīng)用[J]. 趙巖,陳學(xué)庚,溫浩軍.  石河子大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(04)
[3]基于遺傳算法的激光視覺焊縫特征點(diǎn)提取[J]. 張斌,常森,王桔,王倩.  中國(guó)激光. 2019(01)
[4]基于連通區(qū)域標(biāo)記的區(qū)域填充算法[J]. 苗龍?jiān)?于正林,王震.  長(zhǎng)春理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(04)
[5]AGV導(dǎo)航技術(shù)的創(chuàng)新路徑[J]. 張穎川.  物流技術(shù)與應(yīng)用. 2018(07)
[6]北斗導(dǎo)航農(nóng)機(jī)自動(dòng)駕駛系統(tǒng)在新疆石河子精準(zhǔn)農(nóng)業(yè)的應(yīng)用[J]. 李進(jìn)江,王四平.  農(nóng)業(yè)工程技術(shù). 2018(18)
[7]基于自適應(yīng)閾值和連通域的隧道裂縫提取[J]. 羅佳,劉大剛.  西南交通大學(xué)學(xué)報(bào). 2018(06)
[8]圖像邊緣檢測(cè)效果的邊緣連續(xù)性評(píng)價(jià)算法[J]. 王洪申,張翔宇,豆永坤,汪雨蓉.  計(jì)算機(jī)工程與應(yīng)用. 2018(16)
[9]基于連通區(qū)域標(biāo)記算法的圓檢測(cè)算法的研究[J]. 沈夏炯,段曉宇,原萬里,韓道軍.  計(jì)算機(jī)工程與應(yīng)用. 2018(21)
[10]北斗高精度位置服務(wù)在精準(zhǔn)農(nóng)業(yè)中的應(yīng)用[J]. 王海濤,張丹.  測(cè)繪通報(bào). 2017(S2)

博士論文
[1]基于虛擬現(xiàn)實(shí)的拖拉機(jī)雙目視覺導(dǎo)航試驗(yàn)方法研究[D]. 翟志強(qiáng).中國(guó)農(nóng)業(yè)大學(xué) 2017
[2]圖像感興趣區(qū)域提取方法研究[D]. 陳再良.中南大學(xué) 2012

碩士論文
[1]輸電線路絕緣子識(shí)別與故障狀態(tài)檢測(cè)技術(shù)研究[D]. 張慧瑩.西安工程大學(xué) 2018
[2]基于視頻的車流量智能交通檢測(cè)系統(tǒng)研究[D]. 黃鑫.西南交通大學(xué) 2018
[3]基于深度卷積神經(jīng)網(wǎng)絡(luò)的單幅圖像超分辨率重建研究[D]. 郭曉.南京航空航天大學(xué) 2018
[4]圖像處理在PCB測(cè)點(diǎn)定位系統(tǒng)中的應(yīng)用[D]. 周欣.東南大學(xué) 2018
[5]全自動(dòng)水草清理作業(yè)船視覺輔助導(dǎo)航技術(shù)研究[D]. 陳旭.江蘇大學(xué) 2017
[6]丘陵山地采摘機(jī)器人移動(dòng)平臺(tái)結(jié)構(gòu)設(shè)計(jì)與視覺導(dǎo)航研究[D]. 毛方東.重慶理工大學(xué) 2017
[7]基于嵌入式視覺的自動(dòng)導(dǎo)航系統(tǒng)研究[D]. 湯有勝.湖北工業(yè)大學(xué) 2016
[8]基于圖像理解的水田除草機(jī)器人視覺導(dǎo)航系統(tǒng)研究[D]. 陳少杰.華南理工大學(xué) 2016
[9]基于軌邊圖像SURF特征的動(dòng)車底部部件異常檢測(cè)算法[D]. 彭丹.北京交通大學(xué) 2016
[10]基于雙目視覺的雜草識(shí)別系統(tǒng)研究[D]. 王璨.山西農(nóng)業(yè)大學(xué) 2015



本文編號(hào)：3574856