基于超像素分割算法的大田小麦导航路径获取

发布时间：2021-08-06 07:38

　　实现复杂场景下导航路径的自动获取,是大田小麦自主作业机器人连续作业的重要环节和基础。通过简单线性迭代聚类算法（simple linear iterative cluster,简称SLIC）,在获取麦田裸地超像素区域的基础上,使用Otsu算法实现了裸地区域的自适应分割,并通过数学形态学闭运算、Canny边缘检测、Hough直线检测等操作实现了导航路径的精确获取。为了验证本研究方法的有效性,将计算所得的导航角度与真实角度值间的平均误差及均方差作为评价指标,并从34幅不同遮挡类别图像中随机选取15幅图像进行了测试。结果表明,本研究方法的导航角度平均误差为1.584°,均方差为1.293°。表明将该方法用于田间小麦导航路径的获取是有效的。 

【文章来源】：江苏农业科学. 2020,48(14)

【文章页数】：6 页

【文章目录】：
1 测试图像与运行环境
2 基于SLIC的大田小麦导航线获取
    2.1 基于SLIC算法的麦田裸地区域分割
        2.1.1 初始化种子点
        2.1.2 相似性度量
    2.2 裸地区域预处理方法研究
    2.3 小麦行间边缘直线检测和导航路径的提取
        2.3.1 基于Hough变换的小麦行间边缘直线检测
        2.3.2 麦田导航路径的获取
    2.4 评价指标
3 测试结果与分析
    3.1 试验结果
    3.2 小麦叶片的遮挡对导航路径获取的影响
4 结论


【参考文献】：
期刊论文
[1]结合SLIC和模糊聚类的遥感图像分割方法[J]. 杨丽艳,赵玉娥,黄亮.  软件. 2019(12)
[2]水稻收获作业视觉导航路径提取方法[J]. 关卓怀,陈科尹,丁幼春,吴崇友,廖庆喜.  农业机械学报. 2020(01)
[3]基于贝叶斯框架融合深度信息的显著性检测[J]. 赵宏伟,何劲松.  光电工程. 2018(02)
[4]基于多颜色空间分割的温室环境视觉导航路径信息提取[J]. 王红君,陈慧,岳有军,赵辉.  江苏农业科学. 2017(16)
[5]机器人在温室中的应用研究[J]. 赵洲,朱新华,何颖,贺欢欢,郑豪,汪鑫,安冬洁.  农机化研究. 2015(01)
[6]基于改进遗传算法的农机具视觉导航线检测[J]. 孟庆宽,张漫,仇瑞承,何洁,司永胜,刘刚.  农业机械学报. 2014(10)
[7]基于K-means算法的温室移动机器人导航路径识别[J]. 高国琴,李明.  农业工程学报. 2014(07)
[8]农业机械机器视觉导航研究[J]. 杨为民,李天石,贾鸿社.  农业工程学报. 2004(01)



本文编号：3325365