一种弯曲果园道路的检测方法与流程

文档序号：11251360阅读：309来源：国知局

本发明具体涉及一种弯曲果园道路的检测方法。

背景技术：

农业采摘机器人是近年来农业发展的一个方向，果园道路检测技术是农业采摘机器人实现自主导航的关键技术。果园里的道路是一种不规则的小路，具有路窄、凸曲、不对称性，以及路面多杂草、落叶等特点，同时经常受光照变化干扰，这些不确定因素使许多算法难以正确检测果园道路，严重制约自然环境下作业的采摘机器人的移动范围，为此要求具备鲁棒性的果园道路检测算法。

技术实现要素：

本发明要解决的技术问题是提供一种弯曲果园道路的检测方法。

一种弯曲果园道路的检测方法，包括以下步骤：

s1：根据果园道路的颜色分布特征和几何形状特征，使用有限差分算子提取图像边缘，再使用灰度值对比度约束和霍夫直线检测去除噪声，实现道路边缘点提取；

s2：提出多项式函数描述直线和弯曲道路，使用改进的随机样本一致性算法和线性最小二乘法拟合道路边缘点，以估计多项式函数的参数，实现果园道路检测。

进一步的，有限差分算子提取图像边缘的方法如下：

假定表示图像在像素点(x,y)处的灰度值，其方向向量可以用有限差分来计算：

；

点(x,y)的梯度幅值为；

边缘被定义为图像梯度幅值是局部最大的点，只需对图像梯度幅值进行阈值分割，且进行非极大值抑制以细化边缘。

进一步的，灰度值对比度约束的方法如下：

灰度值对比度约束：；

对于左边缘：；

；

对于右边缘：；

；

式中，指道路的平均灰度值；指背景的平均灰度值；w指道路的像素宽度；是与对比度相关的大于零的常数，取值0.3-0.5。

进一步的，霍夫直线检测的方法如下：

1）将参数空间离散化为累加单元a(m,n)，m和n分别等于和的离散值的数量，参数取值范围为和。常数和根据左边缘(或右边缘)的斜度来确定，d是图像子区域对角之间的距离；

2）取的步长为5°，对子区域中的每个边缘点(x,y)，使用式=xcos+ysin计算对应的，对得到的值进行四舍五入，让累加单元自加a(,)=a(,)+1；

3）对累加单元a进行中值滤波，去除噪声干扰，再对累加单元a进行阈值分割和极大值约束，便可检测到直线。

进一步的，线性最小二乘法的方法如下：

1）一元多项式函数的数学模型可表示为：

；

式中，p是模型参数，n是参数数量；

2）将道路边缘拟合成多项式：

；

式中，m指道路边缘点数量；

3）多项式函数的导数的表示式：

；

4）构造新的最小二乘问题：

，

其中：

；

。

进一步的，进的随机样本一致性算法的方法如下：

1）已知图像子区域数量n和给定多项式函数参数数量为；

2）从每个子区域随机选择1个边缘点，总计n个边缘点；再从n个点中随机选择n个点以构成子集s，使用子集s直接解算多项式模型参数p；

3）使用模型参数p对剩余的边缘点进行划分，将模型误差小于某个阈值的边缘点并入s中，表示为，集合被称为s的一致集；

4）若，指正确的模型所要包含的最少的内点数量，则使用改进的线性最小二乘法对集合进行拟合重新估计模型，并且计算最大曲率，如果小于给定曲率，那么计算其对应的模型误差，否则舍弃该参数；

5）重复以上过程k次，并记下模型误差最小的模型参数，用作为多项式的模型参数，迭代k次后算法能得到正确结果的概率为：

；

因此，只要给定p,n和z，便能确定k：

。

本发明的有益效果是：

本发明在光照变化、阴影和遮挡背景的影响下，能有效地提取果园道路边缘点，并能正确地拟合道路以实现道路检测，该方法能够满足导航系统的鲁棒性和实时性要求，保证了视觉导航系统进行果园道路检测的有效性。

具体实施方式

以下具体实施例对本发明作进一步阐述，但不作为对本发明的限定。