基于RANSAC算法的植保机器人导航路径检测

发布时间：2023-01-06 09:16

　　为实现植保机器人精准自主导航和提高路径检测的精度、可靠性,提出一种基于RANSAC算法的视觉导航路径检测方法。首先,采用超绿灰度化法和最大类间方差法进行图像分割;继而结合形态学操作与动态面积阈值滤波算法滤除干扰;最后,在垄行的边缘中,根据均值法提取特征点,采用RANSAC算法剔除离群点后由最小二乘法进行直线拟合,以提高导航路径的检测精度。实验表明,与Hough变换相比,本文垄行中心线检测方法具有更高的检测精度,导航路径的检测率可达93.8%,比未使用RANSAC算法提高了18.8个百分点。 

【文章页数】：7 页

【文章目录】：
0 引言
1 图像预处理
    1.1 图像分割
    1.2 垄行区域划分
    1.3 图像降噪处理
2 特征点提取与离群点剔除
    2.1 特征点提取
    2.2 基于RANSAC算法的离群点剔除
3 实验结果与分析
    3.1 基于Hough变换的导航路径检测结果
    3.2 基于最小二乘法的导航路径检测结果
4 结论


【参考文献】：
期刊论文
[1]农业机械导航技术研究进展[J]. 张漫,季宇寒,李世超,曹如月,徐弘祯,张振乾.  农业机械学报. 2020(04)
[2]基于分区域特征点聚类的秧苗行中心线提取[J]. 廖娟,汪鹞,尹俊楠,张顺,刘路,朱德泉.  农业机械学报. 2019(11)
[3]葡萄园植保机器人路径规划算法[J]. 艾长胜,林洪川,武德林,冯志全.  农业工程学报. 2018(13)
[4]基于图像特征点粒子群聚类算法的麦田作物行检测[J]. 姜国权,杨小亚,王志衡,刘红敏.  农业工程学报. 2017(11)
[5]基于机器视觉的玉米根茎导航基准线提取方法[J]. 宋宇,刘永博,刘路,朱德泉,焦俊,陈黎卿.  农业机械学报. 2017(02)
[6]基于全概率更新的改进RANSAC算法[J]. 王可,贾松敏,李秀智.  控制与决策. 2017(03)
[7]基于视觉识别的小麦收获作业线快速获取方法[J]. 赵腾,野口伸,杨亮亮,石井一畅,陈军.  农业机械学报. 2016(11)
[8]基于SUSAN角点的秧苗列中心线提取方法[J]. 张勤,陈少杰,李彬.  农业工程学报. 2015(20)
[9]农业机械自动导航技术研究进展[J]. 胡静涛,高雷,白晓平,李逃昌,刘晓光.  农业工程学报. 2015(10)
[10]自主导航农业车辆的全景视觉多运动目标识别跟踪[J]. 李盛辉,田光兆,姬长英,周俊,顾宝兴,王海青.  农业机械学报. 2015(01)



本文编号：3728076