高茬水田旋耕路径识别方法研究
发布时间：2020-09-07 11:36
水田耕整过程中由于驾驶员熟练度的差异容易出现重耕、漏耕现象,为消除这种人为误差、提高工作效率,可以给旋耕机引入导航路径识别系统。目前国内很少有关于水田旋耕视觉导航路径识别方法的研究,本研究以水田耕整图像为研究对象,以东方红LX-854拖拉机为试验平台,开展了针对水田旋耕机视觉导航路径识别方法的研究,具体研究内容如下:(1)在东方红LX854拖拉机上搭建了图像采集系统平台,平台允许自由调整摄像头的安装位置与拍摄角度,根据拍摄要求确定摄像头安装高度为2.4m,拍摄角度为与水平面成23.5°角向下。(2)使用不同的去噪方法处理水田耕整图像,通过对比处理结果确定选择式掩膜平滑法为最适合水田耕整图像的去噪方法。(3)对水田耕整图像在HSI色彩空间进行了特性研究,研究表明采用彩色特征值I用来区分图像中土壤区域与秸秆区域边界效果较好。(4)对水田耕整图像的彩色特征值I进行了直方图分析,提出了过量补偿算法,通过设置边界阈值来区分图像中土壤区域与秸秆区域,应用该算法识别图像中土壤区域与秸秆区域边界信息误差不大于1%。(5)设计编写了边界阈值分析软件,使用该软件可以快速检测出不同作业环境下图像边界阈值信息。(6)对摄像头进行了标定,确定了摄像头的内外参,内参平均误差为0.15像素、畸变系数为0.18。(7)使用最小二乘法对水田耕整图像中土壤区域与秸秆区域边界点进行拟合,结合摄像头内外参的标定结果得到了导航路径信息。(8)设计制作了拖拉机控制系统,用MFC框架编写了路径识别程序,并开展了导航路径识别系统的路面试验与田间试验,路面试验实时横向偏差为5.63 mm,由手柄造成的转向角的平均偏差为1.38°,田间试验实时横向偏差为8.03 mm,由手柄造成的转向角偏差为1.28°。
【学位单位】：华中农业大学
【学位级别】：硕士
【学位年份】：2015
【中图分类】：S222.3;TP391.41
【部分图文】：
重耕图 漏耕图图 1-2 重耕、漏耕示意图Fig.1-2 The schematic diagram of heavy plow and leakage tillage农业导航通常分为信标导航、视觉导航和 GPS 导航（赵海文 2007），其中新导航需要提前在农田中放入大量信标，操作复杂（厉广伟等 2011），而 GPS 导航备成本极高，通常用作北方大田耕作的导航（张国权等 2008），视觉导航具有信探测范围宽、目标信息完整、成本低廉等优点（张伟 2010）。本文考虑视觉导航这些优点，选取了视觉导航作为研究方向。导航技术的核心是路径识别系统和机械控制系统（华希俊等 2012）。机械控系统的通用性较强，目前国内外也有很多相关研究，具有比较成熟的技术；而路识别系统相对于机械控制系统就十分复杂了，这种复杂不仅仅体现在识别方法多性，还体现在田间路面环境的复杂性上。本文查阅了大量资料，目前有很多针对同作物与土壤的路径识别研究课题和成果，针对水田耕整路径识别的研究却很少本课题正是考虑到秸秆水田环境的多样性与复杂性，期望设计一种水田旋耕埋草行走路径的识别系统。该系统的工作流程为：采集水田耕整图像，通过图像处理
水田旋耕机导航路径识别系统研究用的色彩空间有 RGB 色彩空间、HSI 色彩空间、LUV 色彩空间（贺锦鹏 2011）；（3）对静态采集图像去噪分析，选取结果较好的去噪算法，并对去噪后的图像行分割，找到图像中土壤区域和秸秆区域的差异进而得到图像中土壤——秸秆边，最终转化为拖拉机导航路径信息，并用 VC 进行编程；（4）设计图像采集系统和拖拉机控制系统并结合路径识别程序制作成为水田路识别系统。（5）对该路径识别系统进行路面试验，根据试验结果进行改进，改进后再进行间试验，根据田间试验的试验结果对路径识别系统进一步改进，最终得到一个适于水田耕整的路径识别系统。1.4.2 技术路线本文设计的技术路线如图 1-3 所示：采集静态图像像选择式掩
表 2-2 尼康 S220 相机性能参数表Table 2-2 Nikon S220 camera performance parameters of the table参数 性能传感器类型 CCD有效像素 1000 万光学变焦 3 倍最大分辨率 3648×2736变焦方式 电子感光度 高 IOS 感光度自动（ISO 80-1600）2.1.4 采集结果图 2-1 为采集的水田将秸秆耕整图像，第一幅图中土壤与秸秆颜色均偏黄色，第二幅图中土壤呈现浅棕色而秸秆由黄色秸秆和绿色秸秆混合而成，第三幅图土壤颜色呈现出深棕色，秸秆大部分呈现黄色。
本文编号：2813288
【学位单位】：华中农业大学
【学位级别】：硕士
【学位年份】：2015
【中图分类】：S222.3;TP391.41
【部分图文】：
重耕图 漏耕图图 1-2 重耕、漏耕示意图Fig.1-2 The schematic diagram of heavy plow and leakage tillage农业导航通常分为信标导航、视觉导航和 GPS 导航（赵海文 2007），其中新导航需要提前在农田中放入大量信标，操作复杂（厉广伟等 2011），而 GPS 导航备成本极高，通常用作北方大田耕作的导航（张国权等 2008），视觉导航具有信探测范围宽、目标信息完整、成本低廉等优点（张伟 2010）。本文考虑视觉导航这些优点，选取了视觉导航作为研究方向。导航技术的核心是路径识别系统和机械控制系统（华希俊等 2012）。机械控系统的通用性较强，目前国内外也有很多相关研究，具有比较成熟的技术；而路识别系统相对于机械控制系统就十分复杂了，这种复杂不仅仅体现在识别方法多性，还体现在田间路面环境的复杂性上。本文查阅了大量资料，目前有很多针对同作物与土壤的路径识别研究课题和成果，针对水田耕整路径识别的研究却很少本课题正是考虑到秸秆水田环境的多样性与复杂性，期望设计一种水田旋耕埋草行走路径的识别系统。该系统的工作流程为：采集水田耕整图像，通过图像处理
水田旋耕机导航路径识别系统研究用的色彩空间有 RGB 色彩空间、HSI 色彩空间、LUV 色彩空间（贺锦鹏 2011）；（3）对静态采集图像去噪分析，选取结果较好的去噪算法，并对去噪后的图像行分割，找到图像中土壤区域和秸秆区域的差异进而得到图像中土壤——秸秆边，最终转化为拖拉机导航路径信息，并用 VC 进行编程；（4）设计图像采集系统和拖拉机控制系统并结合路径识别程序制作成为水田路识别系统。（5）对该路径识别系统进行路面试验，根据试验结果进行改进，改进后再进行间试验，根据田间试验的试验结果对路径识别系统进一步改进，最终得到一个适于水田耕整的路径识别系统。1.4.2 技术路线本文设计的技术路线如图 1-3 所示：采集静态图像像选择式掩
表 2-2 尼康 S220 相机性能参数表Table 2-2 Nikon S220 camera performance parameters of the table参数 性能传感器类型 CCD有效像素 1000 万光学变焦 3 倍最大分辨率 3648×2736变焦方式 电子感光度 高 IOS 感光度自动（ISO 80-1600）2.1.4 采集结果图 2-1 为采集的水田将秸秆耕整图像，第一幅图中土壤与秸秆颜色均偏黄色，第二幅图中土壤呈现浅棕色而秸秆由黄色秸秆和绿色秸秆混合而成，第三幅图土壤颜色呈现出深棕色，秸秆大部分呈现黄色。
【引证文献】
相关会议论文 前1条
1 张玉发;刘尊洋;余大斌;孙晓泉;;颜色空间在图像主色提取方面的应用[A];第九届全国光电技术学术交流会论文集（上册）[C];2010年
本文编号：2813288
本文链接：https://www.wllwen.com/nykjlw/nygclw/2813288.html
