- · 《玉米科学》栏目设置[09/01]
- · 《玉米科学》数据库收录[09/01]
- · 《玉米科学》收稿方向[09/01]
- · 《玉米科学》投稿方式[09/01]
- · 《玉米科学》征稿要求[09/01]
- · 《玉米科学》刊物宗旨[09/01]
玉米行间导航线实时提取(3)
作者:网站采编关键词:
摘要:3.1.3 静态ROI内玉米苗带特征点聚类 如图6所示,在图像带中定义圆心坐标P(x,y),直径Δh的圆CR,在图像带中从ROI左侧边界向ROI中心线移动圆CR,统计圆CR中的
3.1.3 静态ROI内玉米苗带特征点聚类
如图6所示,在图像带中定义圆心坐标P(x,y),直径Δh的圆CR,在图像带中从ROI左侧边界向ROI中心线移动圆CR,统计圆CR中的像素不为0的像素点数,如图7所示。当圆CR中包含像素点数最多时,记录此时圆心像素坐标,从ROI中心线向ROI右侧边界执行相同操作。在已划分的图像带中执行此操作,最终获得特征点集l、r。使用最小二乘法拟合特征点集l、r,得到左右两侧玉米苗带识别线和导航线。
图6 ROI几何表示Fig.6 Geometric representation of Region of Interest(ROI)注:2A为图像带编号1的水平苗带像素距离;2B为图像带编号10中水平苗带像素距离;P(x,y)为图像带圆心坐标。Note: 2Ais the pixel distance of horizontal seedling band in image band No. 1;2Bis the pixel distance of horizontal seedling band in image band No. 10;P(x,y)is the coordinate of image band center .
采用上述算法,确定静态ROI并提取玉米苗带特征点共耗时473.7 ms,由于静态ROI在相机开机后自动确定,此时尚未开展导航作业,较长的处理时间不影响导航作业的实时性。
3.2 动态ROI确定
由静态ROI提取的苗带中心线确定动态ROI,并在动态ROI内提取玉米苗带识别线,实现ROI的动态更新。
3.2.1 动态ROI更新
1)计算由静态 ROI提取的苗带中心线端点像素坐标,分别记为(,0),(,0)和(,N×Δh),(,N×Δh),如图7。根据的坐标值,按照公式(7)计算动态ROI的顶点像素坐标。
图7 动态ROI更新Fig.7 Update of dynamic ROI注:N为图像带总数;Δh为图像带高度,pixel;N×Δh为ROI区域上边界高度,pixel;S为苗带中心线横坐标。Note:Nis the total number of image bands; Δhis the height of image, pixel;N×Δhis the height of the upper boundary of ROI, pixel;Sis the abscissa of the center line of the seedling belt.
2)通过视频上一帧获取的导航线,将动态ROI划分为P区域与Q区域,如图8所示,并在左右区域内分别采用特征点聚类,得到特征点集p、q,采用最小二乘法拟合特征点集,得到左右两侧玉米苗带识别线和导航线。
3)计算步骤 2)得到的玉米苗带识别线像素位置坐标,重复步骤1)和2),更新ROI的顶点像素位置坐标,得到玉米苗带识别线,实现动态ROI的更新。
图8 玉米苗带线与导航线Fig.8 Corn seedling belt line and navigation line
3.2.2 动态ROI划分可行性分析
选取连续 225帧视频,进行人工划分 ROI,将本文方法得到的动态ROI与人工划分的ROI进行对比。选取梯形ROI的4个顶点,计算人工划分ROI与算法划分ROI在1、2、3、4点的水平像素差值,评价动态ROI划分的准确性,试验结果如图9所示。
图9 人工划分ROI与算法划分动态ROI的对比Fig.9 Comparisons of dynamic ROI between algorithm and manual注:ΔXi(i=1,2,3,4)表示各点间的水平像素距离。Note: ΔXi(i=1,2,3,4) means the horizontal pixel distance between points.
以1、2、3、4点的像素距离为指标评价算法动态ROI提取准确性,由于图像上部玉米苗带水平像素距离小,所以1和2点水平像素距离对ROI划分的影响更显著,基于此确定评价指标计算如公式(8)。
式中 ΔX1、ΔX2、ΔX3和 ΔX4分别为 1、2、3、4 点水平像素距离;a为上边界水平像素距离的影响因子,b为下边界水平像素距离的影响因子。a和b表征ROI上边界像素距离和下边界像素距离对算法 ROI标定与人工标定 ROI的差异程度,a和b的取值按公式(9)所示。
式中X12为1点和2点苗带水平像素距离,X34为3点和4点苗带水平像素距离。
人工划分ROI与本文算法划分ROI的差异统计结果如图10所示,算法划分ROI与人工划分ROI的像素偏差收敛在10像素左右,说明本算法具有良好的收敛性。
图10 水平像素误差Fig.10 Horizontal pixel error
随机选取500帧图像,采用该算法进行动态ROI划分,结果如图11所示,动态ROI的划分准确率为98.2%,动态ROI提取耗时20 ms,与静态ROI相比,耗时显著减少,表明本文提出的动态ROI划分算法能够满足高地隙底盘植保机的田间苗带对行导航行走的可靠性和实时性。
图11 不同情景下的动态ROI划分结果Fig.11 Dynamic ROI division results under different scenes
4 行间行走航向角计算
完成动态ROI提取后进行玉米行间行走导航线实时提取,并基于提取结果计算底盘的玉米行间行走航向角。在动态ROI内识别两侧苗带中心线,其斜率分别记为k1和k2,根据角平分线斜率求取公式(10)计算导航线斜率k,以底盘中轴线为Y轴,计算得到导航线与底盘中轴线偏角,即航向角θ(°)。
文章来源:《玉米科学》 网址: http://www.ymkxzz.cn/qikandaodu/2021/0119/685.html
上一篇:煮玉米掌握5个技巧
下一篇:玉米高产种植要点及病虫害防治措施