草地边界识别方法及应用其的智能割草装置与流程

本发明涉及花园工具，尤其涉及一种智能割草设备。

背景技术：

智能割草设备主要包括割草单元、控制单元以及自行走单元。工作时，通过各种感知外部环境的装置感知智能割草设备外部环境的相关数据，控制单元根据外部环境的相关数据控制自行走单元在不同自行走模式之间切换，以实现刹车、转弯、巡航等，并同时控制割草单元相应地运转。

目前市面常见的智能割草设备，或者智能割草机器人大部分依靠电磁边界线对工作区域进行限定，或依靠d-gps、uwb等定位技术对工作区域进行限定。电磁边界需要预先由用户人工布设，其安装及使用的复杂度较高；此外电磁边界线成本较高，易磨损，需要定期维护更换。依靠d-gps、uwb等定位技术对割草机器人工作范围进行人工设定同样需要额外布设定位装置，如定位基站，其使用成本及使用难度也同样缺乏优势。

针对上述不足，近年来，逐渐出现将计算机视觉技术应用于草地边缘识别的方案。但这些方案大多由于算法较复杂，对硬件计算能力要求较高，而难以大规模推广。或者，由于现有计算机图像识别技术对光照条件敏感，不同光照条件下对草地颜色识别的成功率差异较大而无法投入商业应用。

因此，目前急需一种能够适应现有硬件计算能力的、不依赖于外设定位装置的、能够快速准确确定草坪边缘的技术，以解决上述问题。

技术实现要素：

为了解决现有技术存在的不足，本发明的目的在于提供一种草地边界的识别方法以及应用该方法的智能割草设备。

首先，为实现上述目的，提出一种草地边界识别方法，其步骤包括：获取外部场景图像，将所述外部场景图像转换至一颜色空间；判断所述外部场景图像中的各像素值是否符合所述颜色空间内草地的特征值范围，若符合则转换该像素值为第一类像素值；否则，转换该像素值为第二类像素值；统计与图像下边缘连通的第一类像素值，若统计结果超过预设的阈值则判断为在草地边界内；否则，判断为在草地边界外。

与上述方法并列的，本发明同时提出另一种草地边界识别方法，其步骤包括：获取外部场景图像，将所述外部场景图像转换至颜色空间；判断所述外部场景图像中的各像素是否符合所述颜色空间内草地的特征值范围，若符合则标记该像素为第一类像素；否则，标记该像素为第二类像素；统计与图像下边缘连通的第一类像素的数量，若统计的数量超过预设的阈值则判断为在草地边界内；否则，判断为在草地边界外。

与上述方法并列的，本发明还提出又一种草地边界识别方法，其步骤包括：获取外部场景图像，将所述外部场景图像转换至颜色空间；判断所述外部场景图像中的各像素是否符合所述颜色空间内草地的特征值范围，若符合则标记该像素为第一类像素；否则，标记该像素为第二类像素；统计与图像下边缘连通的第一类像素占全部像素的比例，若统计的比例超过预设的阈值则判断为在草地边界内；否则，判断为在草地边界外。

可选的，上述的方法中，所述外部场景图像的分辨率不高于1280*960。

可选的，上述的方法中，所述颜色空间内草地的特征值范围包括至少2组，各组所述特征值范围分别与所述外部场景的不同亮度范围对应。

可选的，上述的方法中，所述颜色空间内草地的特征值范围由以下步骤确定：测量不同亮度下草地的色调和/或饱和度；计算不同亮度下草地的色调范围和/或饱和度范围；根据所述外部场景的亮度，确定所述特征值范围为该亮度下草地的所述色调范围和/或饱和度范围。

可选的，上述的方法中，所述第一类像素值包括白色、黑色或固定的灰度值，所述第二类像素值区别于所述第一类像素值。

可选的，上述的方法中，所述预设的阈值为：与图像下边缘连通的第一类像素值占全部像素值的比例，或，与图像下边缘连通的第一类像素值的数量。

可选的，上述的方法中，在判断所述外部场景图像中的各像素值是否符合所述颜色空间内草地的特征值范围之前，还包括对所述外部场景图像进行预处理；所述的预处理包括：调整所述外部场景图像的分辨率；和/或，根据所述外部场景的亮度范围调整所述外部场景图像中像素点的像素值。

可选的，上述的方法中，所述颜色空间包括hsi颜色空间、rgb颜色空间、hsv颜色空间、ycbcr颜色空间、yuv颜色空间中的一种或几种。

可选的，上述的方法中，统计与图像下边缘连通的第一类像素值之前,还包括以下步骤：遍历所述外部场景图像中的全部像素点，若与任一像素点相邻的至少一个像素点的像素值为第二类像素值，则转换该像素点的像素值为第二类像素值。

可选的，上述的方法中，统计与图像下边缘连通的第一类像素值，具体步骤如下：统计由所述外部场景图像的下边缘向上至首次出现第二类像素值之间的像素点的数量；或，统计由所述外部场景图像的下边缘向上至首次出现第二类像素值之间的像素点占全部像素点的比例。

可选的，上述的方法中，统计与图像下边缘连通的第一类像素值，具体步骤如下：遍历所述外部场景图像中的全部像素点，若与任一像素点相邻的至少一个像素点的像素值为第二类像素值，则转换该像素点及其以上全部像素点的像素值为第二类像素值；统计转换后的所述外部场景图像中的全部第一类像素值

其次，为实现上述目的，还提出一种智能割草装置，其中的控制单元被设置为用于执行上述的草地边界识别方法。

可选的，上述的智能割草装置中，还包括亮度传感单元，所述亮度传感单元与所述控制单元连接，所述亮度传感单元用以感应外部场景的亮度范围；所述控制单元中，所述颜色空间内草地的特征值范围包括至少2组，各组所述特征值范围分别与所述外部场景的不同亮度范围对应。

有益效果

本发明，通过图像识别技术自动对草地边界进行判断，无需在草地边界增设定位装置，无需对定位装置进行安装和维护。并且，本发明所采用的草地边界识别方法，其本身计算量有限，能够节约系统对图像信号进行处理的计算开销，无需选用高性能的控制单元。同时，本发明的识别效果对摄像头等图像捕获单元所获取的图像质量的依赖也相对较小，本发明可选用分辨率较低的摄像头作为其图像捕获单元。由此，本发明能够有效控制智能割草装置的硬件成本和使用成本，易于推广应用。

另一方面，本发明所述的识别方法，其主要是基于对图像像素值本身进行筛选和统计而实现，对图像像素进行的运算处理相对简单。配合图像捕获单元获取的分辨率较低、像素数量有限的外部场景图像，本发明对草地边界的识别速度也相比现有技术具备明显的优势。尤其，相对于现有需要对图像进行小波变换、图像机理分析、机器学习等处理才能够获得识别结果的技术方案，本发明能够充分保证对草地边界识别的实时性与较高的准确度。本发明的识别效率更具优势，对智能割草装置的控制也更为准确及时。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，并与本发明的实施例一起，用于解释本发明，并不构成对本发明的限制。在附图中：

图1为根据本发明的智能割草装置的结构示意图；

图2为根据本发明的智能割草装置对草地边界识别的流程图；

图3为上述智能割草装置中由图像捕获单元获取的所述智能割草机的外部场景图像；

图4为草地边界识别过程中边缘交界处像素点的示意图；

图5为草地边界识别过程中对边缘交界处像素点的标记方式的示意图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

图1为根据本发明的一种智能割草装置，包括图像捕获单元1，用以获取所述智能割草机的外部场景图像；控制单元2，连接所述图像捕获单元，对图像捕获单元获取的外部场景图像进行分析并由此输出控制信号至割草单元3和自行走单元4，由该控制信号分别控制割草单元或自行走单元运转。

其中的割草单元主要包括电机以及由电机驱动的割草装置，例如割草刀片。自行走单元主要包括自行走马达以及由自行走马达驱动的轮子。为便于控制所述智能割草装置转弯，所述自行走马达通常选择两个或以上。所述两个或以上的自行走马达分别连接不同的轮子，由所述控制单元单独地进行控制，以在必要的时候产生速度差，通过转速差使得所述智能割草装置实现转弯、刹车、巡航等不同自行走模式的切换。

参照图2所示，本实施例中，所述控制单元被设置以执行以下的步骤，从而实现对草地边界的识别：

第一步，接收类似图3所示的外部场景图像，将所述外部场景图像转换至一颜色空间；

第二步，判断所述外部场景图像中的各像素值是或否符合该颜色空间内草地的特征值范围，若符合则标记该像素为第一类像素，例如图3中的区域a、b、c、d；否则，标记该像素为第二类像素，例如，图3中标记的白色；

第三步，统计所述外部场景图像中与图像下边缘连通的全部第一类像素，若统计结果超过阈值则判断所述智能割草装置在草地边界内；否则，判断所述智能割草装置在草地边界外。在图3所示的示例中，所述外部场景图像中与图像下边缘连通的全部第一类像素，具体指区域a的全部像素。

该区域a可通过如下步骤判定：遍历所述外部场景图像中的全部像素点，若与任一像素点相邻的至少一个像素点为第二类像素，则标记该像素点为第二类像素；由所述外部场景图像的下边缘或由所述外部场景图像的部分下边缘向上至首次出现第二类像素之间的像素点，为与图像下边缘连通的全部第一类像素，即图3所标识的区域a。为进一步避免对区域的误判，还可将上述图像中标记为第二类像素的像素点以上的部分，即将图3中的区域b、d、c，统一标记为第二类像素，将其作为背景进行剔除，以避免统计时出现误判。

由此，当所述控制单元根据上述步骤判断所述智能割草装置在草地边界内时，输出控制信号至自行走单元以保持当前的自行走模式；当所述控制单元根据上述步骤判断所述智能割草装置在草地边界外时，输出控制信号至自行走单元以调整当前的自行走模式。由此，本发明的智能割草设备得以自动地在草地边界内进行割草作业，而无需额外的预设的定位装置。

在本发明的另一实施方式下，上述割草装置采用单目摄像头作为其图像捕获单元，所述单目摄像头采集目标区域的二维图像。该二维图像由视觉处理模块处理以获得控制单元所需的数据信息。该视觉处理模块包括：像素调整单元，颜色特征处理单元，黑白图像处理单元，草地边界判断单元。

所述像素调整单元将单目摄像头采集到的二位图片像素调整为适合视觉处理的低分辨率图像，例如，分辨率为1280*960的图像；

所述颜色特征处理单元将所述低分辨率图像转化为不同颜色通道，并提取相应的颜色特征值，将符合预设草地颜色特征值的像素转化为黑色，不符合草地颜色特征值的像素转化为白色，得到处理后的黑白图像。具体，在选择颜色时，本实施例将图像的颜色空间转化为hsi颜色空间。hsi颜色空间的亮度i值可以有效表示当前图像的亮度，不同的亮度i条件下，同一块草地的色调h、饱和度s值也会发生相应变化。因此提前测量不同亮度i情况下，草地的色调h、饱和度s值范围，在实际处理图象时，根据当时测定的亮度值，自动选择相应的草地色调、饱和度阈值，对图像进行二值化分割处理，将符合预设草地颜色特征的像素点颜色转换为黑色，视为图像内容，将不符合草地颜色通道特征的像素点颜色转换为白色，视为图像背景；以分割出符合草地颜色特征和不符合草地颜色特征的图像内容。由此，根据亮度值的变化选取相应的色调h、饱和度s值对草地进行识别，以有效地减少阴天、阴影、阳光直射等不同光照条件对识别造成的影响。

所述黑白图像处理单元对所述黑白图像进行优化处理，包括遍历图像黑白交界处的全部像素点，将八个邻域中含有一个以上白色像素的黑色像素点转化为白色；只保留与图像下边缘相连通的黑色像素区域；通过剔除与下边缘不连通区域，本方法可减少画面内符合草地颜色的非草地物体对识别结果的影响。如图3所示，区域a为草地，区域b、c、d均为符合草地颜色特征的非草地物体，如树木、车辆等。保留区域a，将区域b、c、d的像素转换为白色。由此，本方法不需要引入额外的纹理、梯度识别等计算量大的算法步骤，可有效提高运算速度。

所述草地边界判断单元对与经黑白图像处理单元优化处理后的图像中的黑色像素总数进行统计，若黑色像素占图像全部像素的比例高于预设值，则判断割草机器人在界内，若低于预设值，则判断在界外。

其中，上述像素调整单元对图像捕获单元采集的外部场景图像的处理具体包括以下的步骤：对二维图像分辨率进行调整，对某像素点及其相邻的8像素点进行平均采样，然后取平均值作为该像素点的值。

上述的颜色特征处理单元具体转换上述低分辨率图像块预设的颜色空间，如，rgb、hsv、ycbcr或yuv，获取图像的颜色特征值。而后，对图像全部像素进行逐一比较，将符合预设草地颜色特征的像素点颜色转换为黑色，视为图像内容，将不符合草地颜色通道特征的像素点颜色转换为白色，视为图像背景；以分割出符合草地颜色特征和不符合草地颜色特征的图像内容，如图3所示。

而后，由上述的黑白图像处理单元对颜色特征处理单元获得的所述黑白图像进行优化处理，以减少树木、天空等颜色特征与草地颜色特征相近所带来的分割干扰。其具体包括以下步骤：

步骤s41，对分割后的图像黑白交界处的像素进行处理，若某一黑色像素的八个相邻像素点（如图5左侧）中有一个及以上白色像素点，则将该点的颜色转换为白色（如图5右侧）；

步骤s41，对二值化图像进行操作，为了提高处理速度，只对黑白边缘交界处的像素进行遍历。定义黑白交界处的像素：若某个像素相邻的8个像素点中有一个与自身颜色不同，则为黑白交界处的像素，如图4所示，对图3中虚线框内的像素取其交界，经上述的判断步骤，对其中交界处的像素标记为“x”；

步骤s42，只保留与图像下边缘连通的黑色像素区域，将其他不与图像下边缘相连通的黑色像素转化为白色，如图3，保留区域a，将区域b、c、d的像素转换为白色；这里判断与下边缘连通的黑色像素区域采用了图像处理中常规方法：two-pass方法。

本发明技术方案区别于现有技术，无需对采集到的图像信号进行傅里叶变换、gabor变换或haar-like模板处理，因此能够节约系统对图像信号进行运算处理的计算开销。由此，本发明的方法能够直接应用于低成本控制硬件上，而无需依赖成本高昂的、高运算性能的控制单元，如专用于图像处理的dsp芯片等。并且，区别于现有感应式的草地边界识别方法，本发明，不需要额外引入电磁边界线及定位装置。由此，智能割草机器人的成本得以被有效控制，由于本方案实现方式简单快速，有效解决了以往方法计算量大、硬件难以搭载、识别效果受光照影响较大等问题，本方案也更易于推广应用。

此外，由于本发明对草地边界的识别并不需要依赖于对草地图像的纹理进行辨别，因此，本发明的识别效果对摄像头等图像捕获单元所获取的图像质量的依赖也相对较小。本发明可选用分辨率较低的摄像头作为其图像捕获单元，从而进一步控制整机成本。

更进一步，本发明所述的识别方法，其主要基于对图像像素值本身进行筛选和统计而实现，对图像像素进行的运算相对简单。配合分辨率较低、像素数量有限的外部场景图像，本发明对草地边界的识别速度也相比现有技术的具备明显优势。尤其，相对于现有需要对图像进行小波变换、图像机理分析、机器学习等处理才能够获得识别结果的技术方案，本发明能够充分保证对草地边界识别的实时性与较高的准确度。其识别效率更具优势，对智能割草装置的控制也更为准确及时。

本领域普通技术人员可以理解：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，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。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。