农作物跟垄导航方法、装置、系统、控制设备及存储介质与流程

1.本发明涉及数据处理领域，具体而言，涉及一种农作物跟垄导航方法、装置、系统、控制设备及存储介质。


背景技术：

2.农机是指农业生产中使用的各种机械设备统称，例如，大小型拖拉机、平整土地机等都属于农机。农机的导航系统是影响农机作业质量的重要影响因素之一。
3.目前，农机进行农作物跟垄导航包括基于离线卫星定位数据导航以及纯视觉传感器导航的方式。基于离线卫星定位数据导航的方式，无法实时感知农机周围农作物长势情况，作业时存在压伤农作物的风险。


技术实现要素：

4.本发明的目的在于提供一种农作物跟垄导航方法、装置、系统、控制设备及存储介质，其能够改善目前农机基于离线卫星定位数据进行导航的方式，作业时存在压伤农作物的风险。
5.为了实现上述目的，本发明实施例采用的技术方案如下。
6.第一方面，本发明实施例提供一种农作物跟垄导航方法，所述方法包括：
7.实时获取当前作业区的农作物图像，对所述农作物图像进行识别，得到所述当前作业区的农作物轮廓信息；
8.基于所述农作物轮廓信息，判断当前行驶路径是否与农作物种植区产生干扰；
9.若是，则根据所述农作物轮廓信息得到关于干扰区的纠正路径，其中，所述干扰区为所述当前行驶路径和农作物种植区产生干扰的区域；
10.根据所述纠正路径，进行所述干扰区的跟垄导航。
11.可选地，所述农作物轮廓信息包括农作物轮廓线和农作物种植区，所述根据所述农作物轮廓信息得到关于干扰区的纠正路径的步骤，包括：
12.取干扰区的农作物轮廓线作为目标轮廓；
13.若所述目标轮廓线包括两条农作物轮廓线，则拟合出所述目标轮廓线所关联的农作物种植区的作物中心线，基于所述作物中心线确定出纠正路径；
14.若所述目标轮廓线包括一条农作物轮廓线，则将偏置该条农作物轮廓线设定距离的路径作为纠正路径。
15.可选地，所述根据所述农作物轮廓信息，提取干扰区的农作物轮廓线作为目标轮廓线的步骤，包括：
16.基于所述农作物轮廓信息，选取处于干扰区并位于当前行驶路径或视野中心线两侧的农作物轮廓线作为目标轮廓线；
17.其中，所述视野中心线为农机的中轴线。
18.可选地，所述拟合出所述目标轮廓线所关联的农作物种植区的作物中心线，基于
所述作物中心线确定出纠正路径的步骤，包括：
19.从所述农作物种植区中，确定出所述两条农作物轮廓线所关联的两个目标作物区；
20.采用拟合方法，对所述两个目标作物区进行中心拟合，得到所述两个目标作物区各自的作物中心线，并确定出两条作物中心线之间的中线，得到纠正路径。
21.可选地，在所述拟合出所述目标轮廓线所关联的农作物种植区的作物中心线之前，所述方法还包括：判断所述两条农作物轮廓线的间距是否大于或等于预设间距；
22.所述拟合出所述目标轮廓线所关联的农作物种植区的作物中心线的步骤，在判断得到所述两条农作物轮廓线的间距大于或等于预设间距时执行。
23.可选地，在所述判断所述两条农作物轮廓先的间距是否大于预设间距的步骤之后，所述方法还包括：
24.在判断得到所述两条农作物轮廓线的间距小于预设间距时，基于预存的所述当前作业区的路径点确定出绕开路径，所述绕开路径用于指引农机绕开所述干扰区绕开所述干扰区。
25.可选地，在所述判断所述两条农作物轮廓线的间距是否大于预设间距的步骤之后，所述方法还包括：
26.在判断得到所述两条农作物轮廓线的间距小于预设间距时，确定出多条预选路径；
27.计算出每条所述预选路径对所述两个目标作物区的损伤值；
28.选择所述损伤值最小的预选路径作为纠正路径。
29.可选地，所述计算出每条所述预选路径对所述两个目标作物区的损伤值的步骤，包括：
30.针对每条所述预选路径，计算出所述预选路径与所述两个目标作物区间的干扰面积，得到损伤值。
31.可选地，所述对所述农作物图像进行识别，得到所述当前作业区的农作物轮廓信息的步骤，包括：
32.利用视觉算法或者预先训练得到的农作物区域识别模型，识别出所述农作物图像中的农作物种植区；
33.依据所述农作物种植区，对所述农作物图像进行分割，得到农作物轮廓线；
34.或者，利用预先训练得到的轮廓识别模型，识别出所述农作物图像中的农作物轮廓线和农作物种植区。
35.可选地，所述基于所述农作物轮廓信息，判断当前行驶路径是否与农作物种植区产生干扰的步骤，包括：
36.确定农机在所述农作物图像中的视野中心线，结合所述视野中心线和预设的视场范围，从所述农作物图像中确定出目标视场；或者，基于当前行驶路径和预设的视场范围，从所述农作物图像中确定出目标视场；
37.基于所述农作物轮廓信息，得到位于所述目标视场内的农作物轮廓线；
38.基于所述目标视场内的农作物轮廓线，判断当前行驶路径是否与农作物种植区产生干扰。
39.第二方面，本发明实施例提供一种农作物跟垄导航装置，包括识别模块、路径处理模块和导航模块；
40.所述识别模块，用于实时获取当前作业区的农作物图像，对所述农作物图像进行识别，得到所述当前作业区的农作物轮廓信息；
41.所述路径处理模块，用于基于所述农作物轮廓信息，判断当前行驶路径是否与农作物种植区产生干扰，若是，则根据所述农作物轮廓信息得到关于干扰区的纠正路径；
42.其中，所述干扰区为所述当前行驶路径和农作物种植区产生干扰的区域；
43.所述导航模块，用于根据所述纠正路径，进行所述干扰区的跟垄导航。
44.第三方面，本发明实施例提供一种农作物跟垄导航系统，包括用于设置于农机上的控制设备以及摄像设备；
45.所述摄像设备，用于实时采集所述农机的当前作业区的农作物图像，并发送至所述控制设备；
46.所述控制设备，用于实现如第一方面所述的农作物跟垄导航方法。
47.第四方面，本发明实施例提供一种控制设备，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机程序，所述处理器可执行所述计算机程序以实现如第一方面所述的农作物跟垄导航方法。
48.第五方面，本发明实施例提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的农作物跟垄导航方法。
49.本发明任一实施例提供的农作物跟垄导航方法、装置、系统、控制设备及存储介质，通过农机跟垄时，实时获取农作物图像，并根据对农作物图像进行识别后得到农作物轮廓信息，并在基于农作物轮廓信息确定农机当前行驶路径与农作物种植区产生干扰时，通过农作物轮廓信息得到干扰区的纠正路径，从而使得农机可以按照纠正路径进行干扰区的跟垄作业，实现农机对干扰区进行跟垄作业时，可以避开对干扰区的农作物的碾压和损伤，降低压伤农作物的风险。
50.为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
51.为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
52.图1示出了本发明实施例提供的农作物跟垄导航系统的方框示意图。
53.图2示出了本发明实施例提供的农作物跟垄导航方法的流程示意图之一。
54.图3示出了图2步骤s102的部分子步骤的流程示意图。
55.图4示出了本发明实施例提供的农作物跟垄导航方法的流程示意图之二。
56.图5示出了本发明实施例提供的农机视场标定的示例示意图。
57.图6示出了本发明实施例提供的农作物跟垄导航方法的流程示意图之三。
58.图7示出了图2或图4中步骤s106的部分子步骤的流程示意图之一。
59.图8示出了图2或图4中步骤s106的部分子步骤的流程示意图之二。
60.图9示出了农机在当前作业区的跟垄作业示意图。
61.图10示出了本发明实施例提供的一种农机的方框示意图。
62.图11示出了本发明实施例提供的农作物跟垄导航装置的方框示意图。
63.图12示出了本发明实施例提供的控制设备的方框示意图。
64.附图标记：100-农作物跟垄导航系统；110-农机；120-控制设备；130-摄像设备；140-摄像模块；150-处理模块；160-导航模块；170-作业模块；180-农作物跟垄导航装置；190-识别模块；200-路径处理模块。
具体实施方式
65.下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
66.因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
67.需要说明的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
68.农机的导航系统是影响农机作业质量的重要影响因素之一。目前，农机的导航一般采用多传感器融合技术或者农作物行导航。多传感器融合技术，是指融合两种或两种以上传感器获取得到的信息，融合多个传感器获取到的信息，进行导航。农作物行导航，是指根据种植农作物的位置信息进行导航。
69.跟垄作业是农机常进行的一种作业，跟垄包括覆膜、覆土和中耕等作业。农机进行跟垄作业时，对导航的精度要求较高。跟垄之前的作业可以是起垄和播种。
70.目前，在农机的跟垄导航中，一般采用基于离线卫星定位数据导航的方式。采用离线卫星定位数据进行导航时，由于无法实时感知农机周围农作物长势情况，作业时存在压伤农作物的风险。
71.基于上述考虑，本发明实施例提供一种农作物跟垄导航方案，其能够提高导航的精准度，以改善目前的跟垄导航过程中，压伤农作物风险较高的问题。以下，将详细介绍该方案。
72.在一个实施例中，参照图1，提供一种农作物跟垄导航系统100，该农作物跟垄导航系统100包括农机110，农机110的控制设备120，以及安装于农机110上的摄像设备130。
73.摄像设备130，用于在农机110进行跟垄作业时，实时采集农机110的当前作业区的农作物图像，并发送至控制设备120。
74.控制设备120，用于实现本发明提供的农作物跟垄导航方法。
75.详细来讲，控制设备120用于接收当前作业区的农作物图像，并基于对农作物图像进行识别所得到的当前作业区的农作物轮廓信息，判断出农机110的当前行驶路径与农作物种植区产生干扰时，根据农作物轮廓信息得到关于干扰区的纠正路径，进而控制农机110依据纠正路径进行干扰区的跟垄导航和跟垄作业。
76.其中，干扰区为当前行驶路径和农作物种植区产生干扰的区域。控制设备120可以是用于控制农机110进行自动驾驶的自动驾驶装置，也可以是用于控制农机110进行自动驾驶和自动作业的控制装置，本实施例，不作唯一限定。
77.农机110的当前行驶路径可以是根据卫星定位信息得到的，也可以是上一次对农作物图像进行识别后，得到的上一个干扰区的纠正路径。
78.与采用卫星定位数据导航的农机110相比，上述农作物跟垄导航系统100，在跟垄行驶的过程中，会实时根据农机110当前作业区的农作物图像进行分析，当前行驶路径对农作物种植区产生干扰时，根据由农作物图像得到的农作物轮廓信息，规划出一条能够规避干扰的纠正路径，从而农机110按照该纠正路径进行跟垄作业时，能够尽可能地不与种植区产生干扰，减小对农作物的碾压和损害。
79.在一个实施例中，参照图2，提供一种农作物跟垄导航方法，包括如下步骤，该农作物跟垄导航方法可以应用于上述实施例提供的农作物跟垄导航系统100的控制设备120中。
80.s102，实时获取当前作业区的农作物图像，对农作物图像进行识别，得到当前作业区的农作物轮廓信息。
81.其中，农作物轮廓信息可以包括农作物轮廓线及农作物种植区。应当理解的是，农作物轮廓线与农作物种植区具有关联关系，每条农作物轮廓线均关联一个农作物种植区，农作物轮廓线是其关联的农作物种植区的边缘轮廓线。
82.例如，以时长t作为每个时刻的持续时长，t-1时刻是t时刻的上一时刻，摄像设备130每个时刻或按设定频率拍摄一张农作物图像，并将拍摄到的农作物图像发送给控制设备120。t时刻，农机110正按照当前行驶路径在当前作业区进行跟垄作业，并且控制设备120收到摄像设备130发送的农作物图像。控制设备120收到农作物图像后，立即对农作物图像进行分析识别，得到当前作业区的农作物轮廓信息。
83.上述中，农作物图像的识别方式可以依需选择，例如，可以利用视觉算法识别得到，也可以利用预先训练得到的农作物区域识别模型识别得到。基于此，可参照图3，为上述步骤s102的部分子步骤的流程示意图，可以通过以下步骤实现对农作物图像进行识别，得到当前作业区的农作物轮廓信息：
84.s1021，利用视觉算法或预先训练得到的农作物区域识别模型，识别出农作物图像中的农作物种植区。
85.视觉算法可以根据喜好和实际应用情况而灵活选择，例如，可以是识别农作物的神经网络，也可以是识别田间种植作物的田垄的神经网络。
86.s1022，依据农作物种植区，对农作物图像进行分割，得到农作物轮廓线。
87.也可以通过以下方式实现s102中的对农作物图像进行识别，得到当前作业区的农作物轮廓信息：利用预先训练得到的轮廓识别模型，识别出农作物图像中的农作物轮廓线和农作物种植区。
88.应当理解的是，农作物区域识别模型和轮廓识别模型可以为采用机器学习或神经网络，训练得到的模型。并且训练方式均可以灵活选择，本实施例不作具体限定。
89.对农作物图像进行分割的方式也可以根据个人需求和实际场景而灵活选择，例如，可以按照预设规则进行分割，也可以自适应阈值分割，还可以采用具有ai语义分割功能的神经网络进行分割。
90.分割出农作物轮廓线和农作物种植区后的图像可以称为轮廓图像，该图片上清晰地分割出农作物轮廓线。此时，可以基于该轮廓图像，结合预先计算出的摄像设备130的视场所拍摄的图像的像素与实际距离间的尺度因子，进行尺度转换，得到农作物轮廓信息。
91.该农作物轮廓信息包括但不限于：农作物种植区，农作物种植区个数，农作物轮廓线，农作物轮廓线条数，每条农作物轮廓线的实际位置集合(应当理解的是，一条农作物轮廓由多个位置点构成)和每个农作区种植区的大小。
92.s104，基于农作物轮廓信息，判断当前行驶路径是否与农作物种植区产生干扰。若是，则执行步骤s106。若否，则执行步骤s105。
93.得到农作物轮廓信息之后，可以根据农机110的当前行驶路径的位置信息，确定出与该当前行驶路径最接近的农作物轮廓线，进而根据位置信息，计算距离后，可以确定出当前行驶路径与农作物种植区产生干扰的区域，也就是干扰区。
94.上述中，当前行驶路径可以是根据上一时刻(即t-1时刻)的农作物图像得到的t-1时刻的纠正路径，也可以是预设的导航路径，也可以是根据卫星定位数据得到的导航路径。无论哪种路径，当前行驶路径都是已知的。判断是否产生干扰的方式可以灵活选择。例如，在一种可能的实施方式中，可以通过将当前行驶路径放入农作物轮廓信息，比对当前行驶路径与其两侧最近的农作物轮廓线间的各个位置处的距离是否小于农机110宽度或农机110的轮距的一半，若是，则该位置区域会产生干扰。
95.又例如，提取出农作物轮廓信息中位于农机110当前行驶路径两侧且最近的农作物轮廓线的位置信息，以及当前行驶路径的位置信息，计算出当前行驶路径与农作物轮廓线的各个位置间的距离，根据距离与预设阈值之间的关系，可以判断出是否产生干扰。其中，预设阈值可以是农机110宽度或农机110的轮距的一半，也可以是一个经验值。
96.在产生干扰的位置区域，意味着，农机110行驶到该位置会对农作物种植区产生干扰，干扰包括但不限于损伤和碾压。
97.s105，继续按照当前行驶路径，进行跟垄导航。
98.s106，根据农作物轮廓信息得到关于干扰区的纠正路径。
99.其中，干扰区为当前行驶路径和农作物种植区产生干扰的区域。
100.在确定出当前行驶路径和农作物种植区有干扰的干扰区之后，也可以根据农作物轮廓信息，确定出能够避免干扰的纠正路径。
101.s108，根据纠正路径，进行干扰区的跟垄导航。
102.确定出纠正路径后，可以将该纠正路径和干扰区进行关联，从而在农机110按当前行驶路径行驶到干扰区之后，立即将当前行驶路径更换为纠正路径，以控制农机110按照纠正路径行驶过干扰区，并完成干扰区的跟垄作业。
103.上述农作物跟垄导航方法与卫星定位数据导航的方式相比，在农机110跟垄时，控制设备120基于对实时获取的农作物图像进行识别后得到的农作物轮廓信息，确认农机110
当前行驶路径与农作物种植区产生干扰时，根据农作物轮廓信息规划出干扰区的纠正路径，从而根据纠正路径进行干扰区的跟垄作业，以尽可能避开农机110行驶中对干扰区的农作物的碾压和损伤，降低压伤农作物的风险。
104.在一种实施方式，如果s104中的当前行驶路径采用的是预先根据卫星定位数据规划得到的行驶路径，则此时，本发明提供的农作物跟垄导航方法采用的是卫星定位数据和视觉识别融合的方式。在这种方式下，非干扰区采用卫星定位数据导航，干扰区采用视觉识别导航的方式，不仅能够改善双目视觉识别进行导航的方式因对设备要求高、算法复杂而导致的成本高、单目视觉识别进行导航的方式所存在的精度低的问题、而且还能改善因卫星定位数据不准确而导致导航存在偏差的问题。
105.在这种情况下，为了快速获得当前行驶路径，参照图4，本实施例提供的农作物跟垄导航方法还可以包括s103。s103可以在步骤s102或s104之前执行。
106.s103，获取农机的当前位置信息，结合预存的当前作业区的路径点，得到农机在作业区的当前行驶路径。
107.其中，预存的当前作业区的路径点是农机110对当前作业区进行播种或起垄等作业前记录的路径点。
108.控制设备120可以通过gps定位系统等卫星导航系统，获取农机110的当前位置信息。在已知农机110的当前位置，农机110的航向(视野中心线)，农机110已经行驶过的位置，以及当前作业区的路径点的情况下，能够快速确定出农机110在作业区的当前行驶路径。
109.另外，由于摄像设备130采集的农作物图像中包括除了当前需要作业的农作物种植区外，还可能包括当前无需作业的农作物种植区，故而，为了避免当前无需作业的农作物种植区影响干扰区是否存在的判断，同时减少图像处理的数据量，在一些实施例中，可以在农机110进行跟垄作业或者投产之前，依据实际需求事先标定好农机作业所需的视场范围，在后续中，即可基于该视场范围来从摄像设备130所采集的农作物图像中选取相应的目标区域，以基于目标区域的图像信息进行相关处理。。其中，视场范围的标定可以基于农机的中轴线，进行视场标定的过程可以为：
110.请参照图5(a)，使用圆塑料管搭建图中所示的三边支架(由oa、ob和oc构成，ob和oc的长度相等)，将三边支架的bc边靠近农机110的后轮的前侧面，使bc边尽量与农机110的后轮轴平行；使用皮尺测量b点与农机110的左轮外侧壁间的距离长度，以及c点与农机110的右轮外侧壁间的距离长度，并判断二者是否相等，若不相等则调整三边支架的位置，使b点与农机110的左轮外侧壁间的距离长度与c点与农机110的右轮外侧壁间的距离长度相等；当b点与农机110的左轮外侧壁间的距离长度与c点与农机110的右轮外侧壁间的距离长度相等时，将oa所在的方向作为航线方向，将oa所在的直线作为农机110的中轴线。
111.得到农机110的中轴线后，以农机110的中轴线为基准，确定出预设的视场范围大小的区域作为目标视场。例如，以预设的视场范围大小为2
×
2m，且位于农机前方1m例，如图5(b)所示，目标视场与农机110的距离为1m，目标视场的两侧边缘与中轴线的距离均为1m。由此，目标视场所示的范围即为目标区域。其中，预设的视场范围可以与农作物行的宽度和/或农机的轮距或宽度相关，在实际应用中，可根据实际需求进行适应性调整。
112.确定出目标视场后，为了得到目标视场对应的目标区域的实际尺寸，以便于后续对干扰区和纠正路径的转换，可以将目标视场的四个角点坐标提取出来作为标定参数，根
据标定参数，将图像转换为鸟瞰图，基于该鸟瞰图即可确定目标视场的尺度因子。
113.其中，x方向的尺度因子为：y方向的尺度因子为：i
x
表示实际的农作物区域内的目标视场的实际宽度，l
x
表示图像内的目标视场的宽度，iy表示实际的农作物区域内的目标视场的实际长度，ly表示图像内的目标视场的长度。
114.在利用目标视场来选取农作物图像中相应的目标区域的实施例中，可以对步骤s104进行相应的调整，基于此，参照图6，步骤s104可以包括以下步骤：
115.s1041，确定农机在农作物图像中的视野中心线，结合视野中心线和预设的视场范围，从农作物图像中确定出目标视场。
116.其中，视野中心线为农机110的中轴线所在的直线。
117.或者，也可以通过以下方式确定出目标视场：基于当前行驶路径和预设的视场范围，从农作物图像中确定出目标视场。
118.应当理解的是，当前导航路径与视野中心线可能不位于同一条直线上。
119.s1042，基于农作物轮廓信息，得到位于目标视场内的农作物轮廓线。
120.在有简化运算的需求下，位于目标视场内的农作物轮廓线可以不多于两条。但在有需要提前确定下一行行驶路径是否会与对应的农作物轮廓线存在干扰的情况下，位于目标视场内的农作物轮廓线可以多于两条。
121.s1043，基于目标视场内的农作物轮廓线，判断当前行驶路径是否与农作物种植区产生干扰。
122.详细来讲，目标视场内的农作物轮廓线为两条时，可以是：计算每条农作物轮廓线与当前行驶路径间的间距，若至少有一条农作物轮廓线与当前行驶路径的间距小于农机100宽度的一半或农机110轮距的一半，则判定产生干扰，否则，不产生干扰。
123.目标视场内的农作物轮廓线为一条时，可以是：计算该条农作物轮廓线与当前行驶路径间的间距，若间距小于农机100宽度的一半或农机110的轮距的一半，则判定产生干扰，否则，不产生干扰。
124.在确定出产生干扰后，将存在干扰的区域作为干扰区。但是，需要说明的是，由于农机110在作业之前，已经保存有当前行驶路径的坐标信息，而农机110在作业过程中必然是沿着当前行驶路径进行作业的，因此，可以在得到所需的视场范围的后，直接将当前行驶路径替换掉视野中心线，来从农作物图像中确定出目标视场。
125.在确定出干扰区之后，在一种可能的实施方式中，参照图7，可以通过以下步骤得到干扰区的纠正路径，即实现s106。
126.s1061，根据农作物轮廓信息，提取干扰区的农作物轮廓线作为目标轮廓线。若目标轮廓线包括两条农作物轮廓线时，执行步骤s1063或s1067，若目标轮廓包括单边农作物轮廓线，则执行步骤s1065。
127.目标轮廓线即为与当前行驶路径最接近的农作物轮廓线，获取方式可以灵活选择，例如，可以是上述目标视场内的农作物轮廓线，也可以按照预设规则提取，还可以计算距离后提取。
128.在一种实施方式中，可以通过以下方式实现：基于农作物轮廓信息，选取处于干扰区并位于视野中心线或当前行驶路径两侧的农作物轮廓线作为目标轮廓线。
129.其中，视野中心线为农机110的中轴线。应当理解的是，距离视野中心线两侧最近且处于干扰区的农作物轮廓线才是目标轮廓线。
130.s1063，拟合出目标轮廓线所关联的农作物种植区的作物中心线，基于作物中心线确定出纠正路径。
131.目标轮廓线所关联的农作物种植区，即两条农作物轮廓线所关联的农作物种植区，农作物轮廓线为其关联的农作物种植区的边缘轮廓线。
132.一般地，选用的农机110都是与作业区的农作物行间距适配的，此时，若目标轮廓线是两条农作物轮廓线，则拟合出两条农作物轮廓线之间的中心线后，可以直接将该中心线作为纠正路径。
133.详细来讲，可以通过以下方式得到纠正路径：从农作物种植区中，确定出两条农作物轮廓线所关联的两个目标作物区；采用拟合方法，对两个目标作物区进行中心拟合，得到两个目标作物区各自的作物中心线，并确定出两条作物中心线之间的中线，得到纠正路径。
134.s1065，将偏置该边农作物轮廓线设定距离的路径作为纠正路径。
135.由于农机110处于作业区的边界时，农机110的两侧中可能只有一侧存在农作物轮廓线，而另一侧不存在农作物轮廓线，此时的目标轮廓线即为单边农作物轮廓线，在这种情况下，农机110的视野中心线相对两侧的轮廓线分别为作业区的边界线和农作物的轮廓线，此时只需要关注农机110是否与农作物的轮廓线产生干扰。因此，偏离该单边农作物轮廓线设定距离后的路径就是纠正路径。设定距离至少不小于农机110宽度的一半或农机110的轮距的一半。
136.在农机110的宽度一定小于作业区两行农作物的宽度，即在不用考虑作物生长旺盛产生的影响，也不用考虑农作物行间的间距与农机110宽度与农机110的轮距的之间的关系时，上述步骤s1063也可以为：拟合出两条农作物轮廓线间的中心线，将该中心线作为纠正路径。
137.在农作物生长茂盛等特殊情况下，可能会存在两条农作物轮廓线的间距小于预设间距的情况，此时农机110若继续作业，会碾压其中一侧甚至两侧的农作物。为避免在此情况下农机110对农作物造成的碾压，在执行步骤s1063之前，可以先对两条农作物轮廓线之间的间距进行判断。基于此，参照图8，s106还可以包括以下步骤。
138.s1062，判断两条农作物轮廓线的间距是否大于或等于预设间距。
139.相应地，步骤s1063在判断得到两条农作物轮廓线的间距大于或等于预设间距时执行。也就是在两条农作物轮廓线的间距大于预设间距时，将两条作物中心线间的中线作为纠正路径，其中，中线到两条作物中心线间的距离相等。
140.其中，内边缘间距是相对于农机110而言，目标轮廓靠近农机110的一侧为内边缘。
141.在判断两条农作物轮廓线的间距是否大于预设间距的步骤之后，还可以包括步骤s1064。
142.s1064，在判断得到两条农作物轮廓线的间距小于预设间距时，基于预存的当前作业区的路径点确定出绕开路径。
143.其中，绕开路径用于指引农机绕开干扰区。
144.预存的当前作业区的路径点指的是农机110对当前作业区进行播种、起垄等跟垄前作业时记录的路径点，也可以是预设的导航路径的路径点。
145.确定绕开路径的方式可以灵活选择，例如，可以放弃该干扰区的跟垄。
146.在一种实施方式中，可以通过以下方式得到绕开路径：获取农机110的当前位置信息，从预存的当前作业区的路径点中确定出下一行农作物的初始路径点，以当前位置返回至当前行农作物的初始路径点，至下一行农作物的初始路径点所形成的路径作为绕开路径。
147.其中，下一行农作物指的是待跟垄的下一行农作物，将已跟垄路径中在当前行农作物区域内的起始路径点作为当前行农作物的初始路径点，下一行农作物上与当前行农作物的起始路径点位于同一侧的起点为下一行农作物的起始路径点。
148.例如，参照图9，假设当前作业区一共有6行农作物，目前农机110处于第三行和第四行的中间位置，检测出前方航向存在干扰区，其中，a1为第四行农作物的起始路径点，a2为第五行农作物上与a1位于同一侧的起始路径点。此时，从农机110当前位置到a1再到a2所构成的路径即为绕开路径点。
149.在绕开时，可以一并记录绕开的干扰区的位置信息，并生成绕开提醒，以提醒人工跟垄或者换农机110跟垄该干扰区。
150.通过上述步骤，实现在两条农作物轮廓线的间距大于或等于预设距离时，确定出纠正路径，在两条农作物轮廓线的间距小于预设距离时，确定出绕开路径，以绕开干扰区。
151.在其他实施方式中，在目标轮廓线的两条农作物轮廓线的间距小于预设距离时，可以在两条农作物轮廓线间的区域内，确定出多条预选路径，并计算出每条预选路径对两个目标作物区的损伤值，选择损伤值最小的预选路径作为纠正路径。
152.其中，损伤值可以为干扰面积，此时，针对每条预选路径，计算出预选路径与两个目标作物区的干扰面积，即可得到损伤值。损伤值还可以是干扰概率等其他衡量指标，具体应用时，可根据实际需求进行调整，本实施例不作唯一限定。
153.预选路径的获取方式可以为：采用上述步骤s202至s203的方法，确定出两条作物中心线的中线，将该中线作为第一预选路径，接下来，以偏离第一预选路径预设距离的路径作为第二条预选路径，以此类推，得到目标数量的预选路径。其中，每一次的预设距离可以以等差数列的形式逐渐变大。
154.本实施例提供的农作物跟垄导航方法，可以融合卫星定位和视觉识别进行导航，能够有效解决农作物实际定位问题，提高导航的精度，在一定程度上避开农机110对农作物种植区中的农作物的碾压和损伤，降低农机110跟垄过程中对农作物的破坏。
155.应该理解的是，虽然图2-图8的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。
156.基于上述农作物跟垄导航方法的构思，在一个实施例中，参照图10，提供一种农机110，该农机110包括摄像模块140、处理模块150、导航模块160和作业模块170。
157.作业模块170，用于进行跟垄作业。其中，跟垄作业包括但不限于是：覆膜、覆土、中耕和除草。
158.摄像模块140，用于实时获取当前作业区的农作物图像，并将农作物图像发送至控制器。
159.处理模块150，用于实时接收摄像模块140发送的农作物图像，对农作物图像进行
识别，得到当前作业区的农作物轮廓信息。
160.处理模块150，还用于基于农作物轮廓信息，判断当前行驶路径是否与农作物种植区产生干扰，若是，则根据农作物轮廓信息得到关于干扰区的纠正路径，并将纠正路径发送至导航模块160。
161.其中，干扰区为当前行驶路径和农作物种植区产生干扰的区域。
162.导航模块160，用于按照纠正路径，进行干扰区的导航。
163.上述农机110中，处理模块150能够在判断出农机110当前行驶路径与农作物种植区产生干扰时，根据农作物轮廓信息得到干扰区的纠正路径，从而导航模块160根据纠正路径进行干扰区的导航，以在一定程度上避免跟垄模块对干扰区进行跟垄时，农机110对干扰区的农作物的碾压和损伤，降低压伤农作物的风险。
164.基于上述农作物跟垄导航方法的构思，在一个实施例中，参照图11，还提供一种农作物跟垄导航装置180，可以应用于图1中的控制设备120，该农作物跟垄导航装置180包括识别模块190、路径处理模块200和导航模块160。
165.识别模块190，用于实时获取当前作业区的农作物图像，对农作物图像进行识别，得到当前作业区的农作物轮廓信息。
166.路径处理模块200，用于基于农作物轮廓信息，判断当前行驶路径是否与农作物种植区产生干扰，若是，则根据农作物轮廓信息得到关于干扰区的纠正路径。
167.其中，干扰区为当前行驶路径和农作物种植区产生干扰的区域。
168.导航模块160，用于根据纠正路径，进行干扰区的跟垄导航。
169.上述农作物跟垄导航装置180中，识别模块190识别出农作物图像的农作物轮廓信息，路径处理模块200能够在判断出农机110当前行驶路径与农作物种植区产生干扰时，根据农作物轮廓信息得到干扰区的纠正路径，从而导航模块160根据纠正路径进行干扰区的导航，以在一定程度上避免作业模块170对干扰区进行跟垄时，农机110对干扰区的农作物的碾压和损伤，降低压伤农作物的风险。
170.关于农作物跟垄导航装置180的具体限定可以参见上文中对于农作物跟垄导航方法的限定，在此不再赘述。上述农作物跟垄导航装置180中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于控制设备120中的处理器中，也可以以软件形式存储于控制设备120中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
171.在一个实施例中，提供一种控制设备120，该控制设备120的内部结构可以如图12所示，所示。该控制设备120包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该控制设备120的处理器用于提供计算和控制能力。该控制设备120的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该控制设备120的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过wifi、运营商网络、近场通信(nfc)或其他技术实现。该计算机程序被处理器执行时以实现一种农作物跟垄导航方法。该控制设备120的显示屏可以是液晶显示屏或者电子墨水显示屏，该控制设备120的输入装置可以是显示屏上覆盖的触摸层，也可以是控制设备120外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
172.可以理解的是，图12中示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的控制设备120的限定，具体的控制设备120可以包括比图12中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
173.在一个实施例中，本发明提供的农作物跟垄导航装置180可以实现为一种计算机程序的形式，计算机程序可在如图11所示的控制设备120上运行。控制设备120的存储器中可存储组成该农作物跟垄导航装置180的各个程序模块，比如，图11所示的识别模块190、路径处理模块200和导航模块160。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本发明各个实施例的农作物跟垄导航方法中的步骤。
174.例如，图12所示的控制设备120可以通过如图11所示的农作物跟垄导航装置180中的识别模块190执行步骤s102。控制设备120可通过路径处理模块200执行步骤s104-s106。控制设备120可通过导航模块160执行步骤s108。
175.在一个实施例中，提供了一种控制设备120，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现以下步骤：实时获取当前作业区的农作物图像，对农作物图像进行识别，得到当前作业区的农作物轮廓信息；基于农作物轮廓信息，判断当前行驶路径是否与农作物种植区产生干扰；若是，则根据农作物轮廓信息得到关于干扰区的纠正路径，其中，干扰区为当前行驶路径和农作物种植区产生干扰的区域；根据纠正路径，进行干扰区的跟垄导航。
176.在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：实时获取当前作业区的农作物图像，对农作物图像进行识别，得到当前作业区的农作物轮廓信息；基于农作物轮廓信息，判断当前行驶路径是否与农作物种植区产生干扰；若是，则根据农作物轮廓信息得到关于干扰区的纠正路径，其中，干扰区为当前行驶路径和农作物种植区产生干扰的区域；根据纠正路径，进行干扰区的跟垄导航。
177.在本技术所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
178.另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
179.所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个
人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
180.以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。