基于計算機視覺的作物行自動定位技術

1、基于計算機視覺的作物行自動定位技術袁佐云1毛志懷1中國農(nóng)業(yè)大學工學院,100083摘要: 本文針對多行農(nóng)作物圖像,提出了基于計算機視覺的作物行中心線定位方法。首先運用過綠值分割作物和背景,然后將圖像劃分為若干水平圖像條,對圖像條列向指標值進行累加,在累加值曲線上求取顯著峰點的位置。最后,對位置點進行線性回歸,得到作物的行中心線。實驗結果表明了該方法的有效性。關鍵字曲線峰點;作物行;中心線;過綠特征1.引言由于化學肥料、化學農(nóng)藥以及化學除草劑等在農(nóng)業(yè)生產(chǎn)中的大量使用,造成了諸如環(huán)境污染、生態(tài)惡化、農(nóng)藥殘留以及資源浪費等大量影響人類社會可持續(xù)發(fā)展的問題。農(nóng)業(yè)工程、環(huán)境以及生態(tài)等各方面的專家學者紛紛

2、從不同的角度研究解決問題的方法。在農(nóng)業(yè)工程領域,研制具有定時、定量和定位等作業(yè)能力的視覺導航的農(nóng)業(yè)機械受到國內(nèi)外的普遍關注1,2。在田間作業(yè)過程中,作業(yè)機械利用視覺導航系統(tǒng)識別出農(nóng)作物的行邊界作為行走路徑,根據(jù)作業(yè)機械與行走路徑的相對位置計算出控制量,通過轉向機構調(diào)節(jié)其位置從而跟蹤期望路徑,完成作業(yè)過程。農(nóng)作物行中心線一般是指農(nóng)作物在播種或栽培過程中,其種子或幼苗的植入點所構成的直線。農(nóng)業(yè)機械在作業(yè)過程中,要求視覺導航系統(tǒng)能夠在較短時間內(nèi)確定作物行的中心位置,以保證其準確地對農(nóng)作物進行作業(yè)操作。2.作物行中心線的定位研究現(xiàn)狀目前常用的行定位方法有:Hough變換法3,4、透視法5等。Hough

3、變換法通過將圖像空間的直線轉化為參數(shù)空間上的點,對所有可能落在直線邊界上的點進行累加統(tǒng)計完成檢測任務。由于這種方法利用圖像的全局特性,因此魯棒性很強,受噪聲和直線間隔的影響小;同時,Hough 變換運用統(tǒng)計方法檢測參數(shù)空間,計算過程中數(shù)據(jù)處理量大,處理時間長。透視法是利用作物行在圖像平面內(nèi)匯聚到一點的特性來獲取透視點,通過透視點得到作物行中心線的分布。由于該方法利用了作物行的透視點,所以對包含不完整作物行圖像也能夠精確定位;同時,透視法在處理靠近田頭作物圖像時,由于作物行的長度不足以計算出透視點的位置,從而無法定位出行的位置信息6。本文采用峰點檢測法,處理步驟少,計算量小,能夠快速有效地定位出

4、作物行的位置。該方法通過計算圖像條列向累加值曲線峰點,獲取作物行中心的位置,然后運用最小二乘法對定位點進行線性回歸,從而確定農(nóng)作物的行中心線。3.作物行中心線的定位處理過程在農(nóng)作物圖像處理過程中,為了得到良好的定位結果,一般需要對圖像進行預處理,消除圖像上光照不均與陰影的影響,得到作物行與土壤背景的區(qū)分指標;然后將圖像劃分成若干圖像條,根據(jù)圖像條中的過綠特征值(Excess Green,運用峰點檢測法自動計算作物行的中心位置;最后,運用最小二乘法對所有圖像條上的位置點進行線性回歸,得到的回歸直線即為農(nóng)作物的行中心線。該方法的流程圖如圖1所示。 圖1 行中心線定位算法流程圖Fig. 1 Flow

5、chart of the algorithm of crop row centre lines localization3.1 圖像的預處理根據(jù)三基色學原理,視覺上能夠感受到的任何一種顏色可以由紅(R、綠(G、藍(B三種基本顏色按一定比例混合得到,因此,一幅彩色圖像可以分解為三幅由R、G、B分量各自組成的圖像。作物在不同的光照條件下,圖像上各個像素的R、G、B分量值也隨之發(fā)生變化。為了減少不同光照條件對圖像造成的影響,在圖像處理之前需要對圖像進行預處理,消除光照條件對圖像產(chǎn)生的影響。呂朝輝等人6在分割秧苗圖像的研究過程中,發(fā)現(xiàn)運用圖像中R 、G 、B 值歸一化后顏色分量代替原有顏色分量,可以有

6、效地克服光照變化和陰影的影響。 設r 、g 、b 分別為R 、G 、B 進行歸一化后顏色分量,各個分量歸一化過程如下:B G R Rr +=B G R Gg +=(1B G R Bb +=通常情況下,作物圖像上的背景即土壤具有較高的r 值和b 值,而g 值總是小于作物的g 值。利用r-g 、g-b 、r/g 以及2g-r-b 等指標來區(qū)分作物與背景是非常有效的。其中,最為有效的區(qū)分指標是過綠特征值2g-r-b 7。因此,本文中運用過綠特征值作為區(qū)分作物與土壤背景的指標,在后面的運算中均以過綠特征值運算操作。圖2為大豆的原圖像及過綠特征值構成的圖像,原始圖像是在強光下拍攝的,作物行間存在作物的陰

7、影;經(jīng)過預處理以后,在過綠特征圖像上,陰影的影響已消除,從圖2b 中可以清晰地分辨出大豆與土壤。3.2 圖像分割與作物行中心線的定位采用條播方法播種的農(nóng)作物,作物行呈直線狀,行與行之間呈平行關系,作物行間距基本相等。在圖像采集過程中,由于受到拍攝角度與距離影響,圖像上農(nóng)作物的行間結構上發(fā)生了變化,各行匯聚到圖像上部或圖像上部外的某一點。圖像處理過程中,將圖像水平劃分成若干等間距的圖像條,作物行與圖像條相交區(qū)域內(nèi)必然存在農(nóng)作物8。對圖像條進行運算處理后,得到作物行的中心點。所有圖像條處理完后,得到作物行的中心點的位置,然后運用最小二乘法對每行作物中心點進行線性回歸,可以得到作物行的中心線方程。因

8、此,本文中將圖像水平劃分成十個等間距的細長圖像條。間距的大小取決于圖像的高度以及圖像條的個數(shù)。圖3為圖2b 分割后的圖像。 a .原始圖像b .過綠特征值形成的灰度圖像圖2. 大豆圖像 Fig 2 The images of soybean設原始圖像的尺寸為H W ×,單位為像素,分割后的圖像條的大小為h W ×,(j i p 為圖像條上(i,j 處指標過綠特征值,(j sum 為圖像條上第j 列上所有像素點的指標累加值,m 為圖像條上所有列向累加值的平均值。計算過程如下:=hi j i p j s 1,(, j=1,2,W (2=Wj j s W m 1(1 , j=1,

9、2,W(3式中 行下標i=1,2,h ,h 為圖像條的高度 列下標j=1,2,W , W 為圖像條的寬度 圖3. 圖2.b 水平分割后的圖像條圖像條與作物行相交的區(qū)域中存在作物,該區(qū)域上的指標值要比附近范圍高出許多,在(j sum 曲線圖(圖5表現(xiàn)為突出的波峰。因此,本文根據(jù)曲線上突出波峰的位置,確定作物行的邊界,然后求出邊界中點,該點即為行中心點,具體處理步驟如下:1 對圖像條逐列掃描,求取每一列的指標值總和(j s ,同時計算所有元素的平均值m 。 2 對(j s 逐個掃描,求取升降點個數(shù)并記錄其位置。判斷規(guī)則如下:如果1(1(+<<j s m j s ,則j 為上升點;如果1(1(+>>j s m j s ,則j 為下降點。3 在初始點的基礎上,根據(jù)升降點之間的距離,確定作物行邊界定位點,剔除非定位點。如果升降點之間距離小于平均距離,則認為此對升降點為非定位點。反之,為邊界定位點。 4 確定行