一种基于平均垄间距的视觉导航垄线识别算法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (22): 191-194.

• 图形、图像、模式识别 • 上一篇下一篇

一种基于平均垄间距的视觉导航垄线识别算法

张志斌，潘华稳，李琛，王冰清

内蒙古大学计算机学院，呼和浩特 010021

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-08-01 发布日期:2011-08-01

Crop rows identification based-row interval for field vision guidance system

ZHANG Zhibin，PAN Huawen，LI Chen，WANG Bingqing

College of Computing，Inner Mongolia University，Hohhot 010021，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-08-01 Published:2011-08-01

摘要/Abstract

摘要： 通过对经过灰度二值化处理后的田间农作物图像进行基于平均垄间距行向连续区域中点提取（行提取）和基于平均垄间距列向最近邻搜索目标点提取（列提取），实现农作物图像垄行结构的识别。行提取为基于垄间距一致性特点，通过连续区域聚类求中点以消除大面积杂草等噪声影响;列提取为基于垄列向的连续性，在行提取的基础上对所得中点在垄间距范围进行最近邻搜索，以减少非垄孤立点干扰因素的影响。通过最小二乘法拟合获得各垄线段，以克服失垄、断垄等田间自然光照条件下对垄线图像识别的影响。实验1采用30幅单垄图像，垄行方向角平均误差为－0.66°;实验2采用20幅多垄图像，垄行方向角平均误差为1.31°，最长时耗约为6 ms，满足田间视觉导航系统实时性、准确性要求。

关键词: 作物垄行, 图像处理, 最邻近搜索, 最小二乘法拟合, 视觉导航

Abstract: A crop rows identification based-row interval is proposed in this paper including three main procedures.The row scanning firstly is implemented to decrease the effect of great area grass.The column scanning is implemented to find out the crop points based on the nearest neighbor search，in which the non-crop isolated points in image are deleted.The least-square method is used to fit the crop lines with high robustness for the losing crop，or part crop problems.Experimental results show that the algorithm proposed in this paper is efficient，with high real-timeliness，the time consumption being at most 6 ms，and crop row angle error is －0.66° for experiment one，1.31° for experiment two.

Key words: crop rows, image processing, nearest neighbor search, least-square fitting, vision navigation

张志斌，潘华稳，李琛，王冰清. 一种基于平均垄间距的视觉导航垄线识别算法[J]. 计算机工程与应用, 2011, 47(22): 191-194.

ZHANG Zhibin，PAN Huawen，LI Chen，WANG Bingqing. Crop rows identification based-row interval for field vision guidance system[J]. Computer Engineering and Applications, 2011, 47(22): 191-194.

[1]	冉蓉，徐兴华，邱少华，崔小鹏，欧阳斌. 基于深度卷积神经网络的裂纹检测方法综述[J]. 计算机工程与应用, 2021, 57(9): 23-35.
[2]	张波，徐黎明，黄志伟，要小鹏. 梯度策略的多目标GANs帕累托最优解算法[J]. 计算机工程与应用, 2021, 57(9): 89-95.
[3]	胡文涛，陈秀宏. 基于邻域图的低秩投影学习[J]. 计算机工程与应用, 2021, 57(7): 209-214.
[4]	杨培伟，周余红，邢岗，田智强，许夏瑜. 卷积神经网络在生物医学图像上的应用进展[J]. 计算机工程与应用, 2021, 57(7): 44-58.
[5]	云旭，宋焕生，梁浩翔，侯景严，戴喆. 基于深度学习的关键岗位人员行为分析系统[J]. 计算机工程与应用, 2021, 57(6): 225-231.
[6]	蒋林，方东君，雷斌，李维刚. 单目视觉移动机器人导航算法研究现状及趋势[J]. 计算机工程与应用, 2021, 57(5): 1-9.
[7]	卢苇，刘丹，邵敏，吴扬东. 改进Mask R-CNN网络在医学图像识别与分割中的应用[J]. 计算机工程与应用, 2021, 57(24): 234-241.
[8]	张德，林青宇，郭茂祖. 单幅图像超分辨重建的深度学习方法综述[J]. 计算机工程与应用, 2021, 57(22): 28-41.
[9]	李祥霞，谢娴，李彬，尹华，许波，郑心炜. 生成对抗网络在医学图像处理中的应用[J]. 计算机工程与应用, 2021, 57(18): 24-37.
[10]	林本丰，王呈，孙悦程. 融合LSD算法与深度学习的开关状态检测方法[J]. 计算机工程与应用, 2021, 57(17): 181-189.
[11]	许洋洋，李伟，王杰. 利用事件和期限驱动对机器人延时的优化[J]. 计算机工程与应用, 2021, 57(17): 260-268.
[12]	王滢暄，宋焕生，梁浩翔，余宵雨，云旭. 基于改进的YOLOv4高速公路车辆目标检测研究[J]. 计算机工程与应用, 2021, 57(13): 218-226.
[13]	陈少洁，赵淦森，林成创，彭璟，黄凯信，李壮伟，黄润桦，杜嘉华，樊小毛. 深度学习在染色体分割中的应用综述[J]. 计算机工程与应用, 2021, 57(11): 46-56.
[14]	胡文涛，陈秀宏. 基于局部保持投影的鲁棒稀疏子空间学习[J]. 计算机工程与应用, 2021, 57(10): 194-199.
[15]	王凡，周国清，张荣庭，刘德全. 面向FPGA的连通域快速标记方法[J]. 计算机工程与应用, 2020, 56(22): 230-235.

一种基于平均垄间距的视觉导航垄线识别算法

Crop rows identification based-row interval for field vision guidance system

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics