摘要：快速精準(zhǔn)的檢測(cè)出導(dǎo)航路線并對(duì)田端做出準(zhǔn)確判斷是收割機(jī)視覺(jué)導(dǎo)航的前提。為解決玉米收割機(jī)導(dǎo)航作業(yè)過(guò)程中因玉米列陰影、玉米田端的雜草等因素對(duì)檢測(cè)精度干擾的問(wèn)題，該文通過(guò)分析視覺(jué)導(dǎo)航圖像的顏色特征去除陰影干擾，對(duì)玉米收割機(jī)提取導(dǎo)航作業(yè)路徑和判斷田端提出了檢測(cè)算法。為減少計(jì)算量，設(shè)定關(guān)注區(qū)域作為非第一幀圖像的處理范圍；為去除玉米列陰影對(duì)檢測(cè)結(jié)果造成的干擾，強(qiáng)調(diào)關(guān)注區(qū)域內(nèi)G（綠色）分量并減弱R（紅色）或B（藍(lán)色）分量；為加快處理速度，采用跳行累計(jì)G分量的方式確定候補(bǔ)點(diǎn)。在關(guān)注區(qū)域內(nèi)對(duì)圖像中去除陰影干擾后的G分量垂直累計(jì)值查找候補(bǔ)點(diǎn)，對(duì)圖像上半部分收斂性好的候補(bǔ)點(diǎn)通過(guò)方差計(jì)算確定出已知點(diǎn)，再利用過(guò)已知點(diǎn)Hough變換擬合出玉米列邊界所在的導(dǎo)航線。最后采用R分量的連續(xù)突變判斷收割機(jī)是否到達(dá)田端。田間試驗(yàn)表明：目標(biāo)直線的平均檢測(cè)時(shí)間為50.13ms/幀，對(duì)田端的檢測(cè)準(zhǔn)確可靠，滿(mǎn)足玉米收割的作業(yè)要求。該研究成果也適用于高粱等其它高桿作物的機(jī)械化收獲應(yīng)用。

　　關(guān)鍵詞：農(nóng)業(yè)機(jī)械；作物；圖像處理；導(dǎo)航線檢測(cè)；過(guò)已知點(diǎn)Hough變換

　　0引言

　　自動(dòng)導(dǎo)航技術(shù)融合了計(jì)算機(jī)技術(shù)、電子通信、控制技術(shù)等多種學(xué)科。農(nóng)業(yè)機(jī)械的自動(dòng)導(dǎo)航作為現(xiàn)代智能農(nóng)業(yè)機(jī)械的一個(gè)重要組成部分，有著廣闊的發(fā)展前景[1-3]。

　　農(nóng)用車(chē)輛導(dǎo)航的研究開(kāi)始于美國(guó)20世紀(jì)80年代中期，發(fā)展于90年代，從90年代初期開(kāi)始了農(nóng)業(yè)車(chē)輛的導(dǎo)航研究[4]，目前主要聚焦在機(jī)器視覺(jué)和GPS導(dǎo)航這2種最具有發(fā)展前景的方式上[5]。其中，機(jī)器視覺(jué)的導(dǎo)航方式不受地形限制，并且具有成本低廉、作業(yè)靈活、信息豐富等優(yōu)勢(shì)，近幾年來(lái)受到科研人員的廣泛關(guān)注。

　　1.1硬件及圖像采集

　　試驗(yàn)視頻在天津武清區(qū)的玉米收獲現(xiàn)場(chǎng)采集，圖像采集相關(guān)設(shè)備為奧尼Q718型USB數(shù)碼攝像機(jī)。攝像機(jī)安裝在玉米收割機(jī)駕駛員一側(cè)的后視鏡上正對(duì)收割邊界線，安裝高度約2m，俯視角約30°（如圖1），收割機(jī)的行駛速度平均10km/h。收割過(guò)程中拍攝得到現(xiàn)場(chǎng)彩色視頻圖像，視頻采集幀率為25幀/s，每幀圖像大小為640×480像素。

　　1.2玉米列邊界線圖像檢測(cè)

　　Hough變換是一種有效的直線檢測(cè)方法，由于對(duì)隨機(jī)噪聲和部分遮蓋不敏感，因此被廣泛地應(yīng)用于機(jī)器視覺(jué)和模式識(shí)別等領(lǐng)域[20-25]。導(dǎo)航過(guò)程中農(nóng)田中的作物、雜草、土壤等一系列自然因素交織在一起形成了復(fù)雜的檢測(cè)環(huán)境，同時(shí)攝像機(jī)分辨率、色差及在拍攝過(guò)程中攝像機(jī)的震動(dòng)也會(huì)對(duì)檢測(cè)結(jié)果帶來(lái)影響。為了提高檢測(cè)的準(zhǔn)確性以滿(mǎn)足室外光源下的農(nóng)田作業(yè)要求，本文將玉米列邊界線先假設(shè)為直線，然后對(duì)彩色圖像的紅（R）、綠（G）、藍(lán)（B）3原色進(jìn)行顏色特征分析得到候補(bǔ)點(diǎn)群，再通過(guò)特定區(qū)域內(nèi)候補(bǔ)點(diǎn)的方差得到一個(gè)特定點(diǎn)作為已知點(diǎn)，最后用過(guò)已知點(diǎn)Hough變換檢測(cè)獲得導(dǎo)航直線。

　　2試驗(yàn)結(jié)果與分析

　　2.1玉米列邊界線圖像檢測(cè)

　　判斷整個(gè)地段的顏色特征，找到除G分量以外的最大顏色分量與G分量進(jìn)行對(duì)比，增強(qiáng)這部分區(qū)域的G分量以消除陰影的干擾。在已知點(diǎn)的確定、處理區(qū)域的確定方面采用了對(duì)G分量跳行累計(jì)的方法，使得檢測(cè)更加合理、準(zhǔn)確。

　　2.2田端圖像檢測(cè)

　　圖6中橫向的粗實(shí)線顯示了田端圖像原圖及導(dǎo)航終止線的測(cè)結(jié)果。田端的環(huán)境比較復(fù)雜，未收獲區(qū)的田端有缺苗現(xiàn)象且雜草干擾多，采用顏色分量的多次突變判斷田端的方式，可以有效避免誤判。

　　3結(jié)論

　　本文針對(duì)玉米收割機(jī)在自動(dòng)導(dǎo)航過(guò)程中的視覺(jué)導(dǎo)航路線、田端判斷及提高導(dǎo)航效果方面提出了的圖像檢測(cè)算法。

　　1）針對(duì)導(dǎo)航線的檢測(cè)，將第一幀與非第一幀圖像采用不同方法設(shè)定動(dòng)態(tài)關(guān)注區(qū)域，在適應(yīng)目標(biāo)線的傾斜以及壟線彎曲的同時(shí)減少了數(shù)據(jù)處理量。第一幀圖像的關(guān)注區(qū)域?yàn)橐院蜓a(bǔ)點(diǎn)為中心的3個(gè)動(dòng)態(tài)部分，而非第一幀圖像處理區(qū)域大小與目標(biāo)線的傾斜度與壟行的彎曲度正相關(guān)。

　　2）針對(duì)田端導(dǎo)航終止線的檢測(cè)，提出了在田端圖像復(fù)雜的情況下用顏色分量R的多次突變判斷田端的方式，避免了由于未收獲區(qū)的田端缺少玉米植株或有雜草干擾而造成的誤判。

　　3）在提高導(dǎo)航準(zhǔn)確性和速度方面，實(shí)時(shí)導(dǎo)航的過(guò)程中在圖像上半部分尋找已知點(diǎn)，由于圖像收斂，已知點(diǎn)確定的更加準(zhǔn)確；采用跳行累計(jì)非一幀圖像的G分量值，加快了導(dǎo)航線檢測(cè)的處理速度，使目標(biāo)直線的平均檢測(cè)時(shí)間為每幀50.13ms。通過(guò)試驗(yàn)證明，本文提出的算法可以快速有效檢測(cè)玉米收獲的導(dǎo)航直線以及對(duì)田端進(jìn)行準(zhǔn)確判斷。導(dǎo)航線的判斷準(zhǔn)確無(wú)誤，田端的判斷與實(shí)際吻合。本研究成果也可以為高粱等其他高桿作物機(jī)械化收獲視覺(jué)導(dǎo)航路線的檢測(cè)提供參考。

　　[參考文獻(xiàn)]

　　[1]王豐元，周一鳴，孫壯志.車(chē)輛引導(dǎo)路線檢測(cè)的計(jì)算機(jī)視覺(jué)技術(shù)初探[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，1998，29(1)：1－5.

　　[2]胡靜濤，高雷，白曉平，等.農(nóng)業(yè)機(jī)械自動(dòng)導(dǎo)航技術(shù)研究進(jìn)展[J].農(nóng)業(yè)工程學(xué)報(bào)，2015，31(10)：1－10.

　　[3]李軍，馬蓉.基于多傳感器融合的拖拉機(jī)自動(dòng)導(dǎo)航技術(shù)[J].農(nóng)機(jī)化研究，2011，33(12)：237－240.

　　[4]邵剛，毛罕平.農(nóng)業(yè)機(jī)械機(jī)器視覺(jué)導(dǎo)航研究進(jìn)展[J].安徽農(nóng)業(yè)科學(xué)，2007，35(14)：4394－4396.

　　梁習(xí)卉子1,2，陳兵旗1※，姜秋慧1，朱德利1，楊明1，喬妍1