本發(fā)明具體涉及一種彎曲果園道路的檢測方法。
背景技術(shù):
農(nóng)業(yè)采摘機(jī)器人是近年來農(nóng)業(yè)發(fā)展的一個方向,果園道路檢測技術(shù)是農(nóng)業(yè)采摘機(jī)器人實現(xiàn)自主導(dǎo)航的關(guān)鍵技術(shù)。果園里的道路是一種不規(guī)則的小路,具有路窄、凸曲、不對稱性,以及路面多雜草、落葉等特點,同時經(jīng)常受光照變化干擾,這些不確定因素使許多算法難以正確檢測果園道路,嚴(yán)重制約自然環(huán)境下作業(yè)的采摘機(jī)器人的移動范圍,為此要求具備魯棒性的果園道路檢測算法。
技術(shù)實現(xiàn)要素:
本發(fā)明要解決的技術(shù)問題是提供一種彎曲果園道路的檢測方法。
一種彎曲果園道路的檢測方法,包括以下步驟:
s1:根據(jù)果園道路的顏色分布特征和幾何形狀特征,使用有限差分算子提取圖像邊緣,再使用灰度值對比度約束和霍夫直線檢測去除噪聲,實現(xiàn)道路邊緣點提?。?/p>
s2:提出多項式函數(shù)描述直線和彎曲道路,使用改進(jìn)的隨機(jī)樣本一致性算法和線性最小二乘法擬合道路邊緣點,以估計多項式函數(shù)的參數(shù),實現(xiàn)果園道路檢測。
進(jìn)一步的,有限差分算子提取圖像邊緣的方法如下:
假定
點(x,y)的梯度幅值為
邊緣被定義為圖像梯度幅值是局部最大的點,只需對圖像梯度幅值進(jìn)行閾值分割,且進(jìn)行非極大值抑制以細(xì)化邊緣。
進(jìn)一步的,灰度值對比度約束的方法如下:
灰度值對比度約束:
對于左邊緣:
對于右邊緣:
式中,
進(jìn)一步的,霍夫直線檢測的方法如下:
1)將參數(shù)空間
2)取
3)對累加單元a進(jìn)行中值濾波,去除噪聲干擾,再對累加單元a進(jìn)行閾值分割和極大值約束,便可檢測到直線。
進(jìn)一步的,線性最小二乘法的方法如下:
1)一元多項式函數(shù)的數(shù)學(xué)模型可表示為:
式中,p是模型參數(shù),n是參數(shù)數(shù)量;
2)將道路邊緣擬合成多項式:
式中,m指道路邊緣點數(shù)量;
3)多項式函數(shù)的導(dǎo)數(shù)的表示式:
4)構(gòu)造新的最小二乘問題:
其中:
進(jìn)一步的,進(jìn)的隨機(jī)樣本一致性算法的方法如下:
1)已知圖像子區(qū)域數(shù)量n和給定多項式函數(shù)參數(shù)數(shù)量為
2)從每個子區(qū)域隨機(jī)選擇1個邊緣點,總計n個邊緣點;再從n個點中隨機(jī)選擇n個點以構(gòu)成子集s,使用子集s直接解算多項式模型參數(shù)p;
3)使用模型參數(shù)p對剩余的邊緣點進(jìn)行劃分,將模型誤差小于某個閾值
4)若
5)重復(fù)以上過程k次,并記下模型誤差最小的模型參數(shù)
因此,只要給定p,n和z,便能確定k:
本發(fā)明的有益效果是:
本發(fā)明在光照變化、陰影和遮擋背景的影響下,能有效地提取果園道路邊緣點,并能正確地擬合道路以實現(xiàn)道路檢測,該方法能夠滿足導(dǎo)航系統(tǒng)的魯棒性和實時性要求,保證了視覺導(dǎo)航系統(tǒng)進(jìn)行果園道路檢測的有效性。
具體實施方式
以下具體實施例對本發(fā)明作進(jìn)一步闡述,但不作為對本發(fā)明的限定。
一種彎曲果園道路的檢測方法,包括以下步驟:
s1:根據(jù)果園道路的顏色分布特征和幾何形狀特征,使用有限差分算子提取圖像邊緣,再使用灰度值對比度約束和霍夫直線檢測去除噪聲,實現(xiàn)道路邊緣點提?。?/p>
s2:提出多項式函數(shù)描述直線和彎曲道路,使用改進(jìn)的隨機(jī)樣本一致性算法和線性最小二乘法擬合道路邊緣點,以估計多項式函數(shù)的參數(shù),實現(xiàn)果園道路檢測。
有限差分算子提取圖像邊緣的方法如下:
假定
點(x,y)的梯度幅值為
邊緣被定義為圖像梯度幅值是局部最大的點,只需對圖像梯度幅值進(jìn)行閾值分割,且進(jìn)行非極大值抑制以細(xì)化邊緣。
灰度值對比度約束的方法如下:
灰度值對比度約束:
對于左邊緣:
對于右邊緣:
式中,
霍夫直線檢測的方法如下:
1)將參數(shù)空間
2)取
3)對累加單元a進(jìn)行中值濾波,去除噪聲干擾,再對累加單元a進(jìn)行閾值分割和極大值約束,便可檢測到直線。
線性最小二乘法的方法如下:
1)一元多項式函數(shù)的數(shù)學(xué)模型可表示為:
式中,p是模型參數(shù),n是參數(shù)數(shù)量;
2)將道路邊緣擬合成多項式:
式中,m指道路邊緣點數(shù)量;
3)多項式函數(shù)的導(dǎo)數(shù)的表示式:
4)構(gòu)造新的最小二乘問題:
其中:
進(jìn)的隨機(jī)樣本一致性算法的方法如下:
1)已知圖像子區(qū)域數(shù)量n和給定多項式函數(shù)參數(shù)數(shù)量為
2)從每個子區(qū)域隨機(jī)選擇1個邊緣點,總計n個邊緣點;再從n個點中隨機(jī)選擇n個點以構(gòu)成子集s,使用子集s直接解算多項式模型參數(shù)p;
3)使用模型參數(shù)p對剩余的邊緣點進(jìn)行劃分,將模型誤差小于某個閾值
4)若
5)重復(fù)以上過程k次,并記下模型誤差最小的模型參數(shù)
因此,只要給定p,n和z,便能確定k: