馬秋宇 徐 徹
(廣西科技師范學(xué)院職業(yè)技術(shù)教育學(xué)院,廣西 來賓 545004)
目前,基于機(jī)器視覺的田間導(dǎo)航線提取算法的研究有很多,田間導(dǎo)航線的提取精度受到多方面因素的影響,特征點(diǎn)的選取是關(guān)鍵,不同特征點(diǎn)的選擇,會(huì)直接影響導(dǎo)航線的提取精度, 孟慶寬等2013 年提出一種基于線性相關(guān)系數(shù)約束的作物行中心線檢測(cè)方法,該方法將物行中心點(diǎn)作為特征點(diǎn)實(shí)現(xiàn)作物行中心線提取[1],姜國(guó)權(quán)等2017 年提出基于圖像特征點(diǎn)粒子群聚類算法的麥田作物行檢測(cè),該算法的特征點(diǎn)為小麥行左右邊緣的中點(diǎn)[2]。環(huán)境也是影響導(dǎo)航線提取精度的主要因素,包括光照情況,土壤干濕情況,圖像分割因子的選取,環(huán)境因素主要影響作物行圖像分割效果進(jìn)而影響導(dǎo)航線的提取[3-4]。導(dǎo)航線的擬合方法有很多,何潔等2014 年提出了一種將邊緣檢測(cè)和掃描濾波相結(jié)合的基準(zhǔn)線提取方法[5],刁智華等2015 年提出一種通過提取作物行骨架,擬合作物行直線的導(dǎo)航線提取算法[6],馬志艷等2017 年以茶作物為對(duì)象, 提出了一種基于視覺的作物行間行走路徑規(guī)劃方法,對(duì)于壟間,利用漫水填充算法分離出壟溝,通過最小二乘法擬合導(dǎo)航線[7]。田間導(dǎo)航線的提取主要是基于獲取的田間圖像,因此田間圖像的獲取范圍也會(huì)影響導(dǎo)航線的提取精度,本文研究了不同可視范圍對(duì)導(dǎo)航線提取的影響。
田間圖像的獲取受各種環(huán)境因素的影響較大,因此本文在同一時(shí)間利用4 個(gè)攝像頭同時(shí)獲取同一種作物的不同可視范圍。 本文選取了兩種作物,如圖是其中一種作物,利用4 個(gè)攝像頭同時(shí)拍攝不同高度下的作物圖像,首先固定攝像頭高度,然后將每個(gè)攝像頭改變4 次不同可視范圍,獲得每個(gè)攝像頭的4 個(gè)可視范圍圖像,如圖1 為同一攝像頭高度下拍攝的不同可視范圍的作物圖像。

圖1 不同可視范圍作物行圖像

圖2 導(dǎo)航線擬合結(jié)果
對(duì)每個(gè)攝像頭采集到的4 幅作物行圖像進(jìn)行導(dǎo)航線擬合,根據(jù)作物行特點(diǎn),本文選擇綠色像素中點(diǎn)作為特征點(diǎn),利用最小二乘法對(duì)不同可視范圍的作物行圖像進(jìn)行導(dǎo)航線的擬合。圖2 中黑色線所在的位置為導(dǎo)航線的擬合結(jié)果,圖(a)中的黑色線是可視范圍為70 cm 的導(dǎo)航線擬合結(jié)果,圖(b) 中的黑色線是可視范圍為95 cm 的導(dǎo)航線擬合結(jié)果,圖(c) 中的黑色線是可視范圍為135 cm 的導(dǎo)航線擬合結(jié)果, 圖(d)中的黑色線是可視范圍為170 cm 的導(dǎo)航線擬合結(jié)果。 從導(dǎo)航線擬合結(jié)果可以看出,可視范圍一定是影響導(dǎo)航線提取的因素。選擇合適的可視范圍會(huì)在一定程度上提高導(dǎo)航線提取的精度。

表1 實(shí)驗(yàn)結(jié)果
本文選取兩種作物共16 幅不同可視范圍的田間圖像進(jìn)行導(dǎo)航線擬合,對(duì)擬合的導(dǎo)航線位置和實(shí)際導(dǎo)航線位置進(jìn)行誤差對(duì)比。 實(shí)驗(yàn)結(jié)果如表1 所示。 從表1 中可以看出,隨著可視范圍的逐漸增加,擬合導(dǎo)航線與實(shí)際導(dǎo)航線的偏差位移逐漸變小,但是攝像頭高度的變化也會(huì)影響導(dǎo)航線的擬合效果,結(jié)果表明:攝像頭高度在102 cm-136 cm 之間, 可視范圍在105 cm-220 cm 范圍內(nèi),導(dǎo)航線的提取效果較為理論,平均偏差位移為36 個(gè)像素。
為了避免受到其他環(huán)境因素的影響,本文通過固定不同高度下的攝像頭,然后同時(shí)獲取作物的4 幅不同可視范圍的圖像,最后通過最小二乘法擬合田間導(dǎo)航線,通過導(dǎo)航線擬合結(jié)果表明,攝像頭高度一定的情況下,不同可視范圍會(huì)一定程度影響導(dǎo)航線的擬合結(jié)果,這為后續(xù)田間導(dǎo)航線擬合精度的提高提供了理論基礎(chǔ)。