針對基于計算機視覺的玉米苗帶中心線提取受自然環(huán)境干擾嚴重的問題,提出基于6×6動態(tài)網(wǎng)格與分區(qū)域特征點聚類的玉米行定位算法。首先將獲取的玉米苗帶圖像進行像素歸一化,采用改進的過綠特征和最大類間方差法分割玉米苗帶與土壤背景,得到二值圖像;然后通過動態(tài)網(wǎng)格掃描二值圖像,獲取候選玉米苗帶特征點,并對候選玉米苗帶特征點采用分區(qū)域聚類算法,得到玉米苗帶特征點;最后通過最小二乘法對特征點進行線性擬合得到玉米苗帶中心識別線。田間試驗表明,該算法具有較好的抗干擾性能,能夠很好的適應(yīng)較為復(fù)雜的田間環(huán)境。玉米苗帶識別準確率為93.4%,處理一幅分辨率為1 920像素×1 024像素的圖像平均耗時320 ms。 

【文章頁數(shù)】：6 頁

【文章目錄】：
0 引言
1 圖像采集系統(tǒng)和相機標定原理
    1.1 圖像采集及圖像處理設(shè)備
    1.2 相機標定原理
2 玉米苗帶中心線提取
    2.1 圖像預(yù)處理
        2.1.1 圖像灰度化
        2.1.2 圖像分割
    2.2 獲取玉米苗帶特征點
        2.2.1 動態(tài)網(wǎng)格法獲取候選特征點
        2.2.2 分區(qū)域聚類算法獲取可靠特征點
        2.2.3 擬合特征點
3 試驗與分析
4 結(jié)論


【參考文獻】：
期刊論文
[1]基于分區(qū)域特征點聚類的秧苗行中心線提取[J]. 廖娟,汪鷂,尹俊楠,張順,劉路,朱德泉.  農(nóng)業(yè)機械學(xué)報. 2019(11)
[2]基于圖像處理和BP神經(jīng)網(wǎng)絡(luò)的玉米葉部病害識別[J]. 張開興,呂高龍,賈浩,趙秀艷,劉賢喜.  中國農(nóng)機化學(xué)報. 2019(08)
[3]基于北斗和激光雷達的機器人導(dǎo)航控制方法研究[J]. 于燕,李寧.  中國農(nóng)機化學(xué)報. 2019(08)
[4]葡萄園田間機器人雙目測距系統(tǒng)設(shè)計[J]. 林中豪,高曉陽,邵世祿,李紅嶺,楊梅,李妙祺.  中國農(nóng)機化學(xué)報. 2019(04)
[5]機器視覺技術(shù)在現(xiàn)代農(nóng)業(yè)裝備領(lǐng)域的應(yīng)用進展[J]. 周航,杜志龍,武占元,宋程,郭楠,林亞玲.  中國農(nóng)機化學(xué)報. 2017(11)
[6]基于圖像特征點粒子群聚類算法的麥田作物行檢測[J]. 姜國權(quán),楊小亞,王志衡,劉紅敏.  農(nóng)業(yè)工程學(xué)報. 2017(11)
[7]基于機器視覺的玉米精準施藥系統(tǒng)作物行識別算法及系統(tǒng)實現(xiàn)[J]. 刁智華,趙明珍,宋寅卯,吳貝貝,毋媛媛,錢曉亮,魏玉泉.  農(nóng)業(yè)工程學(xué)報. 2015(07)
[8]農(nóng)業(yè)機械導(dǎo)航技術(shù)發(fā)展分析[J]. 姬長英,周俊.  農(nóng)業(yè)機械學(xué)報. 2014(09)
[9]基于機器視覺的農(nóng)業(yè)植保技術(shù)研究進展[J]. 李志剛,傅澤田,李麗勤.  農(nóng)業(yè)機械學(xué)報. 2005(08)
[10]基于計算機視覺的作物行定位技術(shù)[J]. 袁佐云,毛志懷,魏青.  中國農(nóng)業(yè)大學(xué)學(xué)報. 2005(03)



本文編號：3701464