一种甘蔗切割高度的检测方法与流程

本发明涉及甘蔗收割技术领域，特别涉及一种甘蔗切割高度的检测方法。

背景技术：

甘蔗收割很大一部分采用机械化收割，在通过甘蔗收获机对甘蔗进行切割的过程中，刀盘入土2～5cm对甘蔗进行切割不仅能降低机械化收割时宿根的破头率和割茬损失，以提高甘蔗产量，还有利于促进来年宿根的发芽率，在防止宿根截面感染病虫害、保护宿根具有较强的生命力方面有显著的作用。

目前，现有的甘蔗收割机难以实时获得当前刀盘对甘蔗的切割高度以保证把刀盘调整到以合适的入土深度对甘蔗进行切割，导致机械化收获甘蔗的切割高度不合格现象严重，从而影响收割机对甘蔗的切割效果，造成割茬损失和宿根破头率高。

公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。

技术实现要素：

本发明的目的在于提供一种甘蔗切割高度的检测方法，从而克服现有的甘蔗收割机难以实时获得当前刀盘对甘蔗的切割高度以保证把刀盘调整到以合适的入土深度对甘蔗进行切割的缺点。

为实现上述目的，本发明提供了一种甘蔗切割高度的检测方法，其中，其包括如下步骤：第一，利用安装在甘蔗收割机的刀盘的一侧的两个相机对待切甘蔗进行拍摄，以分别得到两个图像；第二，对第一步得到的图像进行图像分割，以去除背景，从而得到只含有甘蔗和刀盘的图像；第三，对经第二步处理后得到的图像通过数学形态学方式消除噪声；第四，把经第三步处理后得到的图像中的甘蔗图像的高于刀盘的部分进行去除；第五，把经第四步处理后得到的图像中刀盘的图像去除；第六，把经第五步处理后得到的图像中的除了离刀盘最近的甘蔗的其他甘蔗的图像去除，以得到只剩下离刀盘最近的待切甘蔗的图像；第七，把经第六步处理后的图像中的待切甘蔗在图像中的切割点和地面点这两个特征点的坐标值提取出来；以及第八，把第一步的两个图像经过上述步骤处理后得到的图像采用极线约束及唯一性约束来完成匹配，并利用双目视觉测量技术进行三维重建确定两个特征点相对于甘蔗收割机的空间坐标，进而确定当前刀盘对待切甘蔗的切割高度。

优选地，上述技术方案中，第二步中包括如下步骤：步骤一，对第一步得到的图像分别提取出彩色图像的R、G、B分量，以得到R、G、B二维矩阵；步骤二，通过数学运算得到相应的色差分量2G-R-B、R-G和B-R；步骤三，利用最大类间方差法求取相应的色差分量2G-R-B、R-G和B-R的阈值T；以及步骤四，将色差分量的像素值逐一与对应的阈值T进行比较，将小于阈值T的像素点置为0，以代表黑色，大于及等于阈值T的像素点置为1，以代表白色；从而对图像完成分割。

优选地，上述技术方案中，第二步的步骤四中，当甘蔗是黄绿色甘蔗时，采用RGB颜色空间的色差分量2G-R-B进行Otsu阈值分割；当甘蔗是紫红色甘蔗时，利用色差分量R-G及B-R的Otsu阈值分割结果的叠加进行分割。

优选地，上述技术方案中，第三步的数学形态学方式包括闭运算处理、小面积剔除和空洞填充预处理。

优选地，上述技术方案中，第四步中，对经第三步处理后得到的图像以与刀盘高度相同的区域的横向像素点数量最多为依据，把甘蔗的图像的高于刀盘的部分进行去除。

优选地，上述技术方案中，第五步中，对经第四步处理后得到的图像进行腐蚀运算，然后以刀盘的连通区域的面积最大为依据，将除了连通区域的面积最大的部分以外的其他连通区域去除，以得到只剩下刀盘的图像；再用经腐蚀运算处理后得到图像减去这个只剩下刀盘的图像，以最终得到去除刀盘的图像。

优选地，上述技术方案中，在进行第七步前，先对经第六步处理后得到的图像进行膨胀运算，以恢复待切甘蔗原有的大小。

优选地，上述技术方案中，在第六步中，对经第五步处理后的图像中以待切甘蔗的质心的横坐标离刀盘最近为依据，消除其他甘蔗的图像，以得到只剩下离刀盘最近的待切甘蔗的图像。

与现有技术相比，本发明具有如下有益效果：

本发明通过两个相机对甘蔗收获机前面的待切割甘蔗进行摄取图像；然后对这两个图像分别通过图像分割、消除噪声、去除高于刀盘的图像、刀盘的图像以及非待切甘蔗的图像，以得到只剩下待切甘蔗的图像；再对这个待切甘蔗的图像提取切割点和地面点这两个特征点的坐标；最后利用两个图像中的两个特征点的坐标通过双目视觉测量技术进行三维重建，来最终获得待切甘蔗的两个特征点的空间坐标，便可确定当前刀盘对待切甘蔗的切割高度，以此为依据，便能够准确控制刀盘入土切割的深度，以保证切割质量，并提高甘蔗产量。

附图说明

图1是根据本发明甘蔗切割高度的检测方法的流程图。

图2是根据本发明的通过相机拍摄得到的图像的示意图。

图3是根据本发明的对通过相机拍摄到的图像进行图像分割后的示意图。

图4是根据本发明的图3的图像去除噪声后的示意图。

图5是根据本发明的图4的去除高于刀盘部分的图像的示意图。

图6是根据本发明的图5的通过腐蚀运算后的示意图。

图7是根据本发明的图6的去除所有甘蔗图像后的示意图。

图8是根据本发明的图6的去除刀盘图像后的示意图。

图9是根据本发明的图8的去除其他非待切割甘蔗的图像后的示意图。

图10是根据本发明的利用双目视觉测量建立数学模型。

具体实施方式

下面结合附图，对本发明的具体实施方式进行详细描述，但应当理解本发明的保护范围并不受具体实施方式的限制。

除非另有其它明确表示，否则在整个说明书和权利要求书中，术语“包括”或其变换如“包含”或“包括有”等等将被理解为包括所陈述的元件或组成部分，而并未排除其它元件或其它组成部分。

图1至图10显示了根据本发明优选实施方式的一种甘蔗切割高度的检测方法的结构示意图，参考图1，该甘蔗切割高度的检测方法包括如下步骤：

第一，利用安装在甘蔗收割机的刀盘的一侧的两个相机对待切甘蔗进行拍摄，以分别得到两个图像。这些图像如图2所示，除了含有刀盘以及刀盘周围的甘蔗之外，背景中还会包括有地面上的泥土、蔗叶及杂草等物体。

第二，对第一步得到的图像进行图像分割，以去除背景，从而得到只含有甘蔗和刀盘的图像。这些图像如图3所示，甘蔗和刀盘所在的位置变为光亮的区域，其他背影变为黑色。优选地，第二步中包括如下步骤：步骤一，对第一步得到的图像分别提取出彩色图像的R、G、B分量，以得到R、G、B二维矩阵；步骤二，通过数学运算得到相应的色差分量2G-R-B、R-G和B-R；步骤三，利用最大类间方差法求取相应的色差分量2G-R-B、R-G和B-R的阈值T；以及步骤四，将色差分量的像素值逐一与对应的阈值T进行比较，将小于阈值T的像素点置为0，以代表黑色，即背景部分，大于及等于阈值T的像素点置为1，以代表白色，即光亮部分；从而对图像完成分割。进一步优选地，第二步的步骤四中，当甘蔗是黄绿色甘蔗时，采用RGB颜色空间的色差分量2G-R-B进行Otsu阈值分割；当甘蔗是紫红色甘蔗时，利用色差分量R-G及B-R的Otsu阈值分割结果的叠加进行分割。

第三，对经第二步处理后得到的图像通过数学形态学方式消除噪声。根据图3所示的分割结果可知分割图像存在断裂、空洞现象，若直接进行特征点的提取会存在较大误差。因此需对其进行预处理来消除上述因素的影响，消除噪声后的图像如图4所示。优选地，数学形态学方式包括闭运算处理、小面积剔除和空洞填充预处理。

第四，把经第三步处理后得到的图像中的甘蔗图像的高于刀盘的部分进行去除，却除后的图像如图5所示。由于刀盘的直径远大于甘蔗的直径，在与刀盘位于同一高度上的横向像素点的数量肯定是图像中横向像素点数量最多的位置，优选地，对经第三步处理后得到的图像以与刀盘高度相同的区域的横向像素点数量最多为依据，把甘蔗的图像的高于刀盘的部分进行去除。而待切甘蔗与刀盘所在的高度对应的高度即为当前切割点，故当前切割点是位于图像中横向的像素点数量最多的位置，故去除图像中高于刀盘的部分后，便可得到切割点在图像中的纵坐标值。在实际情况下，可以在图4中取N个值(N与相机安装方式及刀盘倾斜角度有关，并且N个值从等多值依次从大到小选取)所对应的纵坐标值，便可以N个值所对应的纵坐标值的平均值作为实际切割点的纵坐标值v0。例如，当刀盘倾斜11.5°时，经反复试验得出其对应的N值为70～80时，其结果更接近于刀盘切割点的实际位置。

第五，把经第四步处理后得到的图像中刀盘的图像去除，去除后的图像如图8所示。优选地，第五步中，对经第四步处理后得到的图像进行腐蚀运算，得到的图像如图6所示。然后以刀盘的连通区域的面积最大为依据，将除了连通区域的面积最大的部分以外的其他连通区域去除，以得到只剩下刀盘的图像，如图7所示。经过腐蚀后得到的图像，刀盘所在部分的连通区域的面积均远大于甘蔗部分所在的连通区域的面积。因此，可利用在面积阈值法基础上融入图像减法运算来消除刀盘所在部分对整幅图像最低点的影响。具体做法为：计算各个连通区域的面积，利用面积阈值法将除面积最大以外的连通区域消除掉，从而得到如图7所示的只剩刀盘的图像。再用经腐蚀运算处理后得到如图6所示的图像减去这个只剩下刀盘的如图7所示的图像，以最终得到如图8所示的去除刀盘的图像。

第六，把经第五步处理后得到的图像中的除了离刀盘最近的甘蔗的其他甘蔗的图像去除，以得到只剩下离刀盘最近的待切甘蔗的图像，图像如图9所示。第五步处理后如图8所示的图像的最低点不一定是待切甘蔗的宿根所在的地面点，为保证快速、便捷、准确的提取到待切割甘蔗的宿根所在的地面点，必须去除其他非待切甘蔗的宿根区域以消除其对整幅图像最低点的影响。得到如图9所示的待切甘蔗的图像后，光亮区域的最低点即为待切甘蔗的宿根所在的地面点。优选地，在第六步中，对经第五步处理后的图像中以待切甘蔗的质心的横坐标离刀盘最近为依据，消除其他甘蔗的图像，以得到只剩下离刀盘最近的待切甘蔗的图像，这个方法本发明定义为质心消除法。优选地，在进行第七步前，先对经第六步处理后得到的图像进行膨胀运算，以恢复待切甘蔗原有的大小。具体为在获得待切甘蔗的宿根图像后利用腐蚀过程中相同形状及大小的结构元素对得到的宿根图像做膨胀运算。

第七，把经第六步处理后的图像中的待切甘蔗在图像中的切割点和地面点这两个特征点的坐标值提取出来。可以利用Matlab2012b中的函数得到图9中待切甘蔗的宿根所在的地面点的坐标为[u，vmax]，再取图9中最高且最靠近刀盘的点为切割点，利用Matlab2012b中的函数即可获得切割点的坐标为[u0，v0]，从而将地面点和切割点分别标注。

第八，把第一步的两个图像经过上述步骤处理后得到的图像采用极线约束及唯一性约束来完成匹配，并利用双目视觉测量技术进行三维重建确定两个特征点相对于甘蔗收割机的空间坐标，即在世界坐标系下的坐标，进而确定当前刀盘对待切甘蔗的切割高度。

利用双目视觉测量建立数学模型。如图10所示，假设某一根甘蔗在切割时甘蔗地面点和切割点的齐次坐标分别为P₁＝(X₁,Y₁,Z₁,1)^T、P₂＝(X₂,Y₂,Z₂,1)^T，甘蔗地面点在左、右相机的成像平面的投影点齐次坐标分别为p₁₁＝(u₁₁,v₁₁,1)^T、p₁₂＝(u₁₂,v₁₂,1)^T，切割点在左、右成像平面的投影点齐次坐标分别为p₂₁＝(u₂₁,v₂₁,1)^T、p₂₂＝(u₂₂,v₂₂,1)^T。

根据摄像机模型有

式中，k＝1,2，分别表示左摄像机和右摄像机；(u1,v1,1)、(u2,v2,1)分别为空间点P1在左右摄像机中成像点p11和p12的像素坐标；(X,Y,Z,1)为P1点在世界坐标系下的坐标。联立上面的六个方程消去z1和z2，得关于X、Y、Z的四个线性方程，即

利用最小二乘法，将式中四个方程联立求出P1的坐标(X1,Y1,Z1)。同样用这种方法求出P2的坐标(X2,Y2,Z2)。进而求出切割高度为：

H＝Y₂-Y₁

在获取P1和P2时需对摄像机标定求出摄像机的内外参数。常用的相机标定方法有传统的摄像机标定方法、自标定方法。目前应用最广泛的是介于传统标定法和自标定法之间的张正友法。因此本文利用张正友法进行标定获得其相机的内外参数，进而获得左摄像机和右摄像机的投影矩阵M1、M2。

本发明通过两个相机对甘蔗收获机前面的待切割甘蔗进行摄取图像；然后对这两个图像分别通过图像分割、消除噪声、去除高于刀盘的图像、刀盘的图像以及非待切甘蔗的图像，以得到只剩下待切甘蔗的图像；再对这个待切甘蔗的图像提取切割点和地面点这两个特征点的坐标；最后利用两个图像中的两个特征点的坐标通过双目视觉测量技术进行三维重建，来最终获得待切甘蔗的两个特征点的空间坐标，便可确定当前刀盘对待切甘蔗的切割高度，以此为依据，便能够准确控制刀盘入土切割的深度，以保证切割质量，并提高甘蔗产量。

前述对本发明的具体示例性实施方案的描述是为了说明和例证的目的。这些描述并非想将本发明限定为所公开的精确形式，并且很显然，根据上述教导，可以进行很多改变和变化。对示例性实施例进行选择和描述的目的在于解释本发明的特定原理及其实际应用，从而使得本领域的技术人员能够实现并利用本发明的各种不同的示例性实施方案以及各种不同的选择和改变。本发明的范围意在由权利要求书及其等同形式所限定。