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
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,
进一步的,霍夫直线检测的方法如下:
1)将参数空间
2)取
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
4)若
5)重复以上过程k次,并记下模型误差最小的模型参数
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。
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。
有限差分算子提取图像边缘的方法如下:
假定
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。
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,
霍夫直线检测的方法如下:
1)将参数空间
2)取
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。
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
4)若
5)重复以上过程k次,并记下模型误差最小的模型参数
因此,只要给定p,n和z,便能确定k: