基于计算机视觉的作物行自动定位技术

1、基于计算机视觉的作物行自动定位技术袁佐云1毛志怀1中国农业大学工学院,100083摘要: 本文针对多行农作物图像,提出了基于计算机视觉的作物行中心线定位方法。首先运用过绿值分割作物和背景,然后将图像划分为若干水平图像条,对图像条列向指标值进行累加,在累加值曲线上求取显著峰点的位置。最后,对位置点进行线性回归,得到作物的行中心线。实验结果表明了该方法的有效性。关键字曲线峰点;作物行;中心线;过绿特征1.引言由于化学肥料、化学农药以及化学除草剂等在农业生产中的大量使用,造成了诸如环境污染、生态恶化、农药残留以及资源浪费等大量影响人类社会可持续发展的问题。农业工程、环境以及生态等各方面的专家学者纷纷

2、从不同的角度研究解决问题的方法。在农业工程领域,研制具有定时、定量和定位等作业能力的视觉导航的农业机械受到国内外的普遍关注1,2。在田间作业过程中,作业机械利用视觉导航系统识别出农作物的行边界作为行走路径,根据作业机械与行走路径的相对位置计算出控制量,通过转向机构调节其位置从而跟踪期望路径,完成作业过程。农作物行中心线一般是指农作物在播种或栽培过程中,其种子或幼苗的植入点所构成的直线。农业机械在作业过程中,要求视觉导航系统能够在较短时间内确定作物行的中心位置,以保证其准确地对农作物进行作业操作。2.作物行中心线的定位研究现状目前常用的行定位方法有:Hough变换法3,4、透视法5等。Hough

3、变换法通过将图像空间的直线转化为参数空间上的点,对所有可能落在直线边界上的点进行累加统计完成检测任务。由于这种方法利用图像的全局特性,因此鲁棒性很强,受噪声和直线间隔的影响小;同时,Hough 变换运用统计方法检测参数空间,计算过程中数据处理量大,处理时间长。透视法是利用作物行在图像平面内汇聚到一点的特性来获取透视点,通过透视点得到作物行中心线的分布。由于该方法利用了作物行的透视点,所以对包含不完整作物行图像也能够精确定位;同时,透视法在处理靠近田头作物图像时,由于作物行的长度不足以计算出透视点的位置,从而无法定位出行的位置信息6。本文采用峰点检测法,处理步骤少,计算量小,能够快速有效地定位出

4、作物行的位置。该方法通过计算图像条列向累加值曲线峰点,获取作物行中心的位置,然后运用最小二乘法对定位点进行线性回归,从而确定农作物的行中心线。3.作物行中心线的定位处理过程在农作物图像处理过程中,为了得到良好的定位结果,一般需要对图像进行预处理,消除图像上光照不均与阴影的影响,得到作物行与土壤背景的区分指标;然后将图像划分成若干图像条,根据图像条中的过绿特征值(Excess Green,运用峰点检测法自动计算作物行的中心位置;最后,运用最小二乘法对所有图像条上的位置点进行线性回归,得到的回归直线即为农作物的行中心线。该方法的流程图如图1所示。 图1 行中心线定位算法流程图Fig. 1 Flow

5、chart of the algorithm of crop row centre lines localization3.1 图像的预处理根据三基色学原理,视觉上能够感受到的任何一种颜色可以由红(R、绿(G、蓝(B三种基本颜色按一定比例混合得到,因此,一幅彩色图像可以分解为三幅由R、G、B分量各自组成的图像。作物在不同的光照条件下,图像上各个像素的R、G、B分量值也随之发生变化。为了减少不同光照条件对图像造成的影响,在图像处理之前需要对图像进行预处理,消除光照条件对图像产生的影响。吕朝辉等人6在分割秧苗图像的研究过程中,发现运用图像中R 、G 、B 值归一化后颜色分量代替原有颜色分量,可以有

6、效地克服光照变化和阴影的影响。 设r 、g 、b 分别为R 、G 、B 进行归一化后颜色分量,各个分量归一化过程如下:B G R Rr +=B G R Gg +=(1B G R Bb +=通常情况下,作物图像上的背景即土壤具有较高的r 值和b 值,而g 值总是小于作物的g 值。利用r-g 、g-b 、r/g 以及2g-r-b 等指标来区分作物与背景是非常有效的。其中,最为有效的区分指标是过绿特征值2g-r-b 7。因此,本文中运用过绿特征值作为区分作物与土壤背景的指标,在后面的运算中均以过绿特征值运算操作。图2为大豆的原图像及过绿特征值构成的图像,原始图像是在强光下拍摄的,作物行间存在作物的阴

7、影;经过预处理以后,在过绿特征图像上,阴影的影响已消除,从图2b 中可以清晰地分辨出大豆与土壤。3.2 图像分割与作物行中心线的定位采用条播方法播种的农作物,作物行呈直线状,行与行之间呈平行关系,作物行间距基本相等。在图像采集过程中,由于受到拍摄角度与距离影响,图像上农作物的行间结构上发生了变化,各行汇聚到图像上部或图像上部外的某一点。图像处理过程中,将图像水平划分成若干等间距的图像条,作物行与图像条相交区域内必然存在农作物8。对图像条进行运算处理后,得到作物行的中心点。所有图像条处理完后,得到作物行的中心点的位置,然后运用最小二乘法对每行作物中心点进行线性回归,可以得到作物行的中心线方程。因

8、此,本文中将图像水平划分成十个等间距的细长图像条。间距的大小取决于图像的高度以及图像条的个数。图3为图2b 分割后的图像。 a .原始图像b .过绿特征值形成的灰度图像图2. 大豆图像 Fig 2 The images of soybean设原始图像的尺寸为H W ×,单位为像素,分割后的图像条的大小为h W ×,(j i p 为图像条上(i,j 处指标过绿特征值,(j sum 为图像条上第j 列上所有像素点的指标累加值,m 为图像条上所有列向累加值的平均值。计算过程如下:=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 行下标i=1,2,h ,h 为图像条的高度 列下标j=1,2,W , W 为图像条的宽度 图3. 图2.b 水平分割后的图像条图像条与作物行相交的区域中存在作物,该区域上的指标值要比附近范围高出许多,在(j sum 曲线图(图5表现为突出的波峰。因此,本文根据曲线上突出波峰的位置,确定作物行的边界,然后求出边界中点,该点即为行中心点,具体处理步骤如下:1 对图像条逐列扫描,求取每一列的指标值总和(j s ,同时计算所有元素的平均值m 。 2 对(j s 逐个扫描,求取升降点个数并记录其位置。判断规则如下:如果1(1(+<<j s m j s ,则j 为上升点;如果1(1(+>>j s m j s ,则j 为下降点。3 在初始点的基础上,根据升降点之间的距离,确定作物行边界定位点,剔除非定位点。如果升降点之间距离小于平均距离,则认为此对升降点为非定位点。反之,为边界定位点。 4 确定行