基于農(nóng)田圖像檢測障礙物的方法
【專利摘要】本發(fā)明公開了一種基于農(nóng)田圖像檢測障礙物的方法,該方法首先通過田間導(dǎo)航圖像采集設(shè)備采集農(nóng)田圖像,然后將農(nóng)田圖像進(jìn)行去噪灰度化、小波變換、最大類間方差分割等操作,最后得到圖像投影曲線,根據(jù)曲線的跳變點(diǎn)來判斷農(nóng)田中的障礙物。該方法克服了現(xiàn)有農(nóng)田障礙物檢測方法對障礙物高度、顏色敏感的缺點(diǎn),能有效提高農(nóng)田障礙物檢出率,增強(qiáng)農(nóng)田導(dǎo)航安全。
【專利說明】基于農(nóng)田圖像檢測障礙物的方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于農(nóng)田圖像檢測障礙物的方法。
【背景技術(shù)】
[0002] 因農(nóng)用車輛自動(dòng)導(dǎo)航、輔助導(dǎo)航能有效降低農(nóng)民工作強(qiáng)度,提高農(nóng)業(yè)生產(chǎn)效率,減 少農(nóng)藥中毒、皮膚曬傷等農(nóng)業(yè)事故的發(fā)生并能促進(jìn)精細(xì)農(nóng)業(yè)發(fā)展而得到廣泛研究。而基于 機(jī)器視覺的農(nóng)用車輛自動(dòng)導(dǎo)航、輔助導(dǎo)航方法因獲得信息量豐富、使用靈活、體積小、能耗 低而被廣泛采用。
[0003] 基于機(jī)器視覺的農(nóng)田導(dǎo)航研究過程中農(nóng)田存在的障礙物如不能準(zhǔn)確檢測會(huì)造成 經(jīng)濟(jì)損失,引起嚴(yán)重事故,因此農(nóng)田障礙物的有效檢測是農(nóng)用車輛自動(dòng)導(dǎo)航、輔助導(dǎo)航需解 決的關(guān)鍵問題之一。目前的農(nóng)田障礙物檢測方法主要基于障礙物和農(nóng)田作物的顏色、高度 差異等信息完成,但農(nóng)田中出現(xiàn)的障礙物顏色、高度都是隨機(jī)的,如長草的土堆,導(dǎo)致這類 方法容易出現(xiàn)障礙物漏檢;有些僅依靠頻率信息完成障礙物檢測,但當(dāng)障礙物和作物產(chǎn)生 頻率相近時(shí)效果并不好;如采用對農(nóng)田圖像先基于頻率差異進(jìn)行分割,再基于顏色信息進(jìn) 行障礙物、作物分離的方法,雖然和前面兩類方法相比障礙物檢出率明顯增加,但在對障礙 物基于頻率信息的分割階段多變的背景頻率成了最大干擾,會(huì)導(dǎo)致一部分障礙物因干擾過 多發(fā)生漏檢。
【發(fā)明內(nèi)容】
[0004] 本發(fā)明的目的是針對現(xiàn)有技術(shù)的不足,提供一種基于農(nóng)田圖像檢測障礙物的方 法。
[0005] 本發(fā)明的目的是通過以下技術(shù)方案實(shí)現(xiàn)的:一種基于農(nóng)田圖像檢測障礙物的方 法,該方法包括以下步驟:
[0006] (1)采集彩色農(nóng)田圖像,并將采集到的彩色農(nóng)田圖像通過公式I = (R+G+B)/3轉(zhuǎn)換 成第一灰度圖像F,公式中R指采集的彩色圖像中紅色分量灰度值,G指綠色分量灰度值,而 B指藍(lán)色分量灰度值,I表示第一灰度圖像F的亮度值,這種彩色圖像轉(zhuǎn)灰度圖像方式能最 大程度保留圖像各部分原有的細(xì)微顏色差異;
[0007] (2)再將彩色農(nóng)田圖像通過公式Γ = 2XG-R-B轉(zhuǎn)換成第二灰度圖像F1,Γ表示 第二灰度圖像Fl的灰度值,這種彩色圖像轉(zhuǎn)灰度圖像方式能有效提高綠色植物和其它非 綠色背景的對比度,配合圖像分割算法能有效去除非綠色背景干擾;
[0008] (3)采用OTSU方法對第二灰度圖像Fl進(jìn)行分割,獲得二值圖像F3 ;
[0009] (4)獲取二值圖像F3中像素值為零的坐標(biāo),將第一灰度圖像中相同坐標(biāo)位置處的 像素值置零,獲得第三灰度圖像F4 ;
[0010] (5)對第三灰度圖像F4進(jìn)行5級Haar小波分解,得到5級分辨率不同的子圖像及 近似級子圖像,并按下式計(jì)算圖像小波分解后2?5級各級子圖像的總頻率:
[0011] C1 = C11^CVClv
[0012] 式中1為小波多分辨率分解的第1級,備〗為1級水平分解系數(shù)圖像,d為1級對 角分解系數(shù)圖像,V為1級垂直分解系數(shù)圖像,Clh為1級水平分解系數(shù)圖像的總頻率,Cld 為1級對角分解系數(shù)圖像的總頻率,Clv為1級垂直分解系數(shù)圖像的總頻率;其中,Clx (X = h,d,v)由以下公式得到:
【權(quán)利要求】
1. 一種基于農(nóng)田圖像檢測障礙物的方法,其特征在于,該方法包括以下步驟: (1) 采集彩色農(nóng)田圖像,并將采集到的彩色農(nóng)田圖像通過公式I = (R+G+B)/3轉(zhuǎn)換成 第一灰度圖像F,公式中R指采集的彩色圖像中紅色分量灰度值,G指綠色分量灰度值,而B 指藍(lán)色分量灰度值,I表示第一灰度圖像F的亮度值; (2) 再將彩色農(nóng)田圖像通過公式I' =2XG-R-B轉(zhuǎn)換成第二灰度圖像F1,I'表示第二 灰度圖像Fl的灰度值; (3) 采用最大類間方差法(簡稱OTSU)對第二灰度圖像Fl進(jìn)行分割,獲得二值圖像 F3 ; (4) 獲取二值圖像F3中像素值為零的坐標(biāo),將第一灰度圖像F中相同坐標(biāo)位置處的像 素值置零,獲得第三灰度圖像F4 ; (5) 對第三灰度圖像F4進(jìn)行5級Haar小波分解,得到5級分辨率不同的子圖像及近似 級子圖像,并按下式計(jì)算圖像小波分解后2?5級各級子圖像的總頻率: C1 = clh+cld+clv 式中1為小波多分辨率分解的第1級,h為1級水平分解系數(shù)圖像,d為1級對角分解 系數(shù)圖像,V為1級垂直分解系數(shù)圖像,Clh為1級水平分解系數(shù)圖像的總頻率,Cld為1級 對角分解系數(shù)圖像的總頻率,Clv為1級垂直分解系數(shù)圖像的總頻率;其中,Clx(x = h,d,V) 由以下公式得到:
式中MXN為小波多分辨率分解第1級各方向子圖像的大小,flx(i, j)為坐標(biāo)點(diǎn)(i, j) 處的小波多分辨率分解系數(shù); (6) 通過步驟(5)的計(jì)算找到總頻率最多的級,將小波分解后獲得的近似級及子圖像 總頻率最多的級的小波分解系數(shù)保留,其它級子圖像的小波分解系數(shù)置零后,重構(gòu)成新的 圖像; (7) 對步驟(6)重構(gòu)后的新圖像進(jìn)行兩次OTSU分割獲得圖像F5 ; (8) 求圖像F5中像素值的平方,然后將求平方后的像素值按圖像行相加,投影成曲線, 曲線的跳變點(diǎn)即為農(nóng)田中的障礙物。
【文檔編號(hào)】G06T7/00GK104361598SQ201410683376
【公開日】2015年2月18日 申請日期:2014年11月25日 優(yōu)先權(quán)日:2014年11月25日
【發(fā)明者】韓永華, 汪亞明 申請人:浙江理工大學(xué)